NAMA/ NPM : ALFIAN RINDAR JOVANKA/ 30420120

KELAS : 3ID01

MATA KULIAH : METODE STOKASTIK

DOSEN PENGAMPU : Dr. EMIRUL BAHAR, ACSI

UJIAN
UJIANTENGAN
TENGAHSEMESTER
SEMESTER

Pengertian
Pengertian Metode
Metode Stokastik
Stokastik
Metode stokastik merupakan suatu metode matematik yang gejalanya dapat diukur dengan
derajat kepastian yang tidak stabil. Pada model stokastik peluang dari masing-masing kejadian
dapat dihitung. Pada umumnya model stokastik umumnya dapat dijumpai pada teori antrian dan
teori permainan.

Peluang & GeoGebra

GeoGebra
Peluang dapat dihitung dari rasio banyaknya suatu anggota kejadian dibagi dengan jumlah
kejadian. Sehingga, rumus peluang dapat dituliskan sebagai berikut.
Contoh pada peluang yaitu saat kita melempar koin. Misalnya, suatu koin memiliki dua
sisi. Satu sisinya adalah gambar, sedangkan sisi lainnya adalah angka. Ketika kita melempar koin
tersebut, hanya ada dua kemungkinan sisi koin yang berada di atas (gambar atau angka). Artinya,
peluang munculnya sisi koin angka dan gambar adalah sama-sama 50% atau 0,5. Adapun, peluang
terlihat saat kita mengocok dadu. Dadu akan menunjukkan salah satu dari keenam sisinya. Peluang
munculnya sisi dadu dengan angka 1 adalah 1 dari 6 kejadian atau 1,66.

Gambar 1 Rumus Peluang

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Keterangan:
P(A) : peluang suatu kejadian
n(A) : banyaknya anggota kejadian
n(S) : Banyaknya seluruh kejadian atau ruang sampel
GeoGebra adalah program dinamis yang beragam fasilitasnya dapat dimanfaatkan sebagai
media pembelajaran matematika. Selain itu GeoGebra dapat digunakan untuk mendemonstrasikan
atau memvisualisasikan konsep-konsep matematis serta alat bantu untuk mengkonstruksi konsep-
konsep tersebut. Dengan program GeoGebra, objek-objek matematika yang bersifat abstrak dapat
divisualisasi sekaligus dapat dimanipulasi secara cepat dan efisien. Beberapa manfaat program
GeoGebra dalam pembelajaran matematika adalah sebagai berikut:
1) Dapat menghasilkan lukisan-lukisan geometri dengan cepat dan teliti, bahkan yang rumit.
2) Adanya fasilitas animasi dan gerakan-gerakan manipulasi yang dapat memberikan pengalaman
visual dalam memahami konsep geometri.
3) Dapat dimanfaatkan sebagai bahan balikan/ evaluasi untuk memastikan bahwa lukisan
geometri yang telah dibuat memang benar.
4) Mempermudah untuk menyelidiki atau menunjukkan sifat-sifat yang berlaku pada suatu objek
geometri.

Gambar 2 Tampilan Awal GeoGebra

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Dapat dilihat pada tampilan yaitu terdapat dua bagian utama yaitu sisi kiri tampilan aljabar
dan sisi kanan tampilan grafik. Terdapat enam pilihan tampilan yang diberikan yaitu:
1) Tampilan aljabar dan grafik (Algebra),
2) Tampilan geometri (Geometry),
3) Tampilan pengolah angka (Spreadsheet),
4) Tampilan Computer Algebra System (CAS),
5) Tampilan grafik 3 dimensi (3D Graphics),
6) Tampilan probabilitas statistik (Probability),
Selanjutnya, berikut dibawah ini merupakan contoh soal perhitungan matriks dalam
menggunakan GeoGebra yang sudah dipelajari pada mata kuliah metode stokastik di Universitas
Gunadarma.
Soal:
Buatlah transpose matriks dan invers matriks dari matriks dibawah ini menggunakan aplikasi
GeoGebra.
0 0.91 0.8
0.3 0 0.15
0.2 0.76 0
Jawab:

Gambar 3 Hasil Transpose Matriks

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Gambar 4 Hasil Invers Matriks

Rantai
Rantai Markov
Markov
Rantai Markov digunakan untuk mengukur atau mengestimasi pergerakan yang terjadi
setiap saat. Rantai ini melibatkan penggunaan matriks transisi Markov, dengan setiap nilai dalam
matriks transisi adalah probabilitas pergerakan dari suatu keadaan ke keadaan lainnya (Chiang dan
Wainwright, 2002). Probabilitas terjadinya keadaan tertentu dapat diprediksi hanya dengan
mengetahui keadaan sistem tersebut pada pengamatan sebelumnya, maka proses perubahan ini
disebut rantai Markov atau proses Markov (Anton dan Rorres, 2005).
Rantai Markov telah digunakan untuk menganalisis probabilitas perpindahan merek dalam
penelitian-penelitian terdahulu, diantaranya adalah Allo et al (2013) menganalisis probabilitas
perpindahan kartu seluler GSM ke merek kartu seluler GSM lainnya, studi kasus Mahasiswa
Fakultas Pertanian Universitas Samratulangi Manado. Kurniawati (2012) menggunakan rantai
Markov untuk menganalisis pangsa pasar produk sabun mandi kesehatan, studi kasus di wilayah
Surabaya Timur.
Proses Markov adalah suatu proses stokastik. Proses Markov mempunyai 3 sifat, yaitu
himpunan hasil atau keadaan yang mungkin adalah berhingga, probabilitas dari hasil berikutnya

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 bergantung hanya kepada hasil sebelumnya dan probabilitas adalah konstan sepanjang waktu
(Leon, 2001). Matriks transisi memiliki beberapa fitur:
1) Persegi, karena semua status yang mungkin harus digunakan baik sebagai baris maupun
sebagai kolom.
2) Semua entri antara 0 dan 1, inklusif; ini karena semua entri perwakilan membenci probabilitas.
3) Jumlah entri di baris mana pun harus 1, karena angka di baris memberikan kemungkinan
perubahan dari keadaan di sebelah kiri ke salah satu keadaan yang ditunjukkan di bagian atas.
Urutan percobaan dari suatu percobaan rantai Markov jika:
1) Hasil dari setiap percobaan adalah salah satu dari serangkaian keadaan diskrit.
2) Hasil percobaan hanya bergantung pada keadaan saat ini, dan bukan pada keadaan sebelumnya.

Contoh 1 Matriks
2 1 0 4 -4 3 5 1
3 4
A = -1 0 2 4 , B = 2 2 0 -1 , C=
4 3
4 -2 7 0 3 2 -4 6
Maka diperoleh hasil sebagai berikut:
-2 4 5 5 6 -2 -5 3
A+B= 1 2 2 3 A - B = -3 -2 2 5
7 0 3 6 1 -4 11 -6
Operasi 𝐴 + 𝐶, 𝐵 + 𝐶, 𝐴 − 𝐶 dan 𝐵 − 𝐶 tidak dapat diselesaikan.

Contoh 2 Matriks
3 -2
-2 1 3
A= dan B= 2 4
4 1 6
1 -3
Maka diperoleh hasil sebagai berikut:

-2.3 + 1.2 + 3.1 -2.(-2) + 1.4 + 3.(-3) -1 -1

A= = 20 -22
4.3 + 1.2 + 6.1 4.(-2) + 1.4 + 6.(-3)

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Contoh 3 Matriks
1 4/10 = 0,4 5/10 = 0,5 1/10 = 0,1
P=2 2/10 = 0,2 7/10 = 0,7 1/10 = 0,1
3 4/10 = 0,4 4/10 = 0,4 2/10 = 0,2
Maka diperoleh hasil sebagai berikut:

Model
Model Sistem
Sistem Antrian
Antrian
Sistem antrian adalah himpunan pelanggan, pelayan, dan suatu aturan yang mengatur
kedatangan para pelanggan dan pelayanannya. Sistem antrian merupakan “proses kelahiran-
kematian” dengan suatu populasi yang terdiri atas para pelanggan yang sedang menunggu
pelayanan atau yang sedang dilayani. Kelahiran terjadi jika seorang pelanggan memasuki fasilitas
pelayanan, sedangkan kematian terjadi jika pelanggan meninggalkan fasilitas pelayanan tersebut.
Keadaan sistem adalah jumlah pelanggan dalam suatu fasilitas pelayanan.
Proses antrian adalah suatu proses yang berhubungan dengan kedatangan pelanggan ke
suatu sistem antrian, kemudian menunggu dalam antrian hingga pelayan memilih pelanggan sesuai
dengan disiplin pelayanan, dan akhirnya pelanggan meninggalkan sistem antrian setelah selesai
pelayanan.

Gambar 5 Proses Sistem Antrian

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Gambar diatas merupakan layanan yang dibutuhkan kemudian dilakukan untuk pelanggan
melalui mekanisme layanan, setelah itu pelanggan meninggalkan sistem antrian. Unsur-unsur
dasar yang terdapat pada model antrian adalah sebagai berikut:
1) Pola Kedatangan adalah banyaknya kedatangan pelanggan selama periode waktu tertentu.
Pelanggan dapat datang secara individu maupun kelompok. Namun, jika tidak disebutkan
secara khusus maka kedatangan terjadi secara individu. Kedatangan dapat beragam pada suatu
periode waktu tertentu, namun dapat juga bersifat acak di mana kedatangan pelanggan tidak
bergantung pada waktu.
2) Pola Kepergian adalah banyaknya kepergian pelanggan selama periode waktu tertentu. Pola
kepergian biasanya dicirikan oleh waktu pelayanan, yaitu waktu yang dibutuhkan oleh seorang
pelayan untuk melayani seorang pelanggan. Waktu pelayanan dapat bersifat deterministik atau
berupa suatu variabel acak dengan distribusi peluang tertentu.
3) Rancangan Sarana Pelayanan atau desain sarana pelayanan berkaitan erat dengan bentuk
barisan antrian dan pelayanan pada suatu sistem antrian. Sebuah sarana pelayanan mempunyai
jumlah saluran dan jumlah tahap pelayanan tertentu. Saluran adalah jumlah pelayan yang dapat
memberikan pelayanan kepada pelanggan pada waktu yang bersamaan, sedangkan tahap
adalah jumlah terminal-terminal pelayanan yang harus dilalui oleh pelanggan sebelum
pelayanan dinyatakan lengkap atau selesai.
Deskripsi elemen (transaksi, pelanggan) yang masuk ke dalam system, berikut merupakan
parameter yang biasa digunakan.

Gambar 6 Interval Waktu Antara Dua Kedatangan Berurutan.

Gambar 7 Rata-rata atau Rata-rata Waktu Antar Kedatangan

Gambar 8 Tingkat Kedatangan (Satuan Kedatangan Per Satuan Waktu

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Dalam kasus Poisson distribusi jumlah kedatangan, dapat ditunjukkan bahwa probabilitas
untuk T mengambil nilai diantara t dan dt, mengikuti hukum eksponensial.

Gambar 9 Rumus Distribusi Poisson

Gambar diatas menyatakan f(t) adalah fungsi kerapatan probabilitas eksponensial dari
variabel acak T sebuah, dan λ adalah konstanta positif.
Jika waktu antar kedatangan memiliki distribusi eksponensial, maka dapat ditunjukkan
bahwa mereka juga memiliki apa yang disebut properti tanpa memori. Temuan ini sangat penting,
dikarenakan menyiratkan bahwa jika kita ingin mengetahui distribusi probabilitas dari waktu
sampai kedatangan berikutnya, maka tidak peduli sudah berapa lama sejak kedatangan terakhir.

Gambar 10 Distribusi Eksponensial

Dapat ditunjukkan bahwa ada hubungan yang kuat antara distribusi Poisson dari jumlah
kedatangan dan distribusi Eksponensial dari waktu antara kedatangan. Jika waktu antar kedatangan
adalah Eksponensial, distribusi probabilitas jumlah kedatangan yang terjadi dalam interval waktu
berapapun panjangnya t diberikan oleh teorema penting berikut.

3ID01 – ALFIAN RINDAR JOVANKA (30420120)

 Gambar 11 Distribusi Poisson
Contoh Soal:
Sebuah gerbang tol memiliki tingkat kedatangan rata-rata 400 kendaraan per jam mengikuti
distribusi Poisson. Rata-rata kendaraan dilayani selama 7 detik yang sebarannya mengikuti
distribusi Eksponensial. Hitunglah panjang antrian rata-rata (Lq) dan waktu antrian rata-rata (Wq).
Jawab:
Tingkat kedatangan (λ) = 400 kendaraan/jam
Tingkat pelayanan (μ) = 3600/7 = 514 kendaraan/jam
Tingkat intensitas (ρ) = 400/514 = 0.778 < 1
Maka dapat dihitung menggunakan rumus sebagai berikut:
Ls = ρ/ (1-ρ) = 0.778/ (1-0.778) = 3.5 kendaraan
Ws = 1/ μ (1-ρ) = 1/ 514 (1-0.778) = 31.5 detik
Wq = ρ/ μ (1-ρ) = 0.778/ 514 (1-0.778) = 24.5 detik
Lq = ρ2/ (1-ρ) = 0.7782/ (1-0.778) = 2.72 = 3 kendaraan
Jadi, panjang antrian rata-rata adalah 3 kendaraan, dengan waktu antrian rata-rata 24.5 detik.

Jakarta, 16 Desember 2022

Yang menyatakan,

Alfian Rindar Jovanka

NPM: 30420120

3ID01 – ALFIAN RINDAR JOVANKA (30420120)