Diskusi 3 Stokastik Sumarni
Diskusi 3 Stokastik Sumarni
Rantai Markov Diskrit (RMD) adalah model matematika yang digunakan untuk
menganalisis sistem yang mengalami perubahan keadaan dari waktu ke waktu. Sifat-
sifat penting dari RMD adalah sebagai berikut:
Sifat Markov: RMD memiliki sifat Markov, yang berarti bahwa keadaan masa depan
hanya bergantung pada keadaan saat ini dan tidak tergantung pada sejarah
perubahan keadaan sebelumnya. Dengan kata lain, perubahan keadaan adalah "tidak
bergantung pada masa lalu". Ini dikenal sebagai sifat tanpa memori.
Keadaan Diskrit: RMD menggunakan variabel keadaan diskrit, yang berarti bahwa
keadaan sistem dapat dihitung menggunakan himpunan terbatas nilai diskrit.
Misalnya, jika kita sedang memodelkan cuaca, keadaan sistem mungkin berupa
"cerah", "hujan", atau "berawan".
Proses melakukan transisi mengacu pada perubahan keadaan dari satu keadaan ke
keadaan lain dalam suatu sistem. Transisi dapat terjadi secara acak atau dapat
dikendalikan oleh aturan tertentu. Dalam konteks RMD, proses transisi sering kali
didasarkan pada probabilitas transisi antara keadaan-keadaan yang mungkin.
Keadaan terakses (dapat diakses) mengacu pada keadaan dalam RMD yang dapat
mencapai atau dapat dicapai dari keadaan lain dalam sistem. Dalam konteks RMD,
keadaan terakses adalah keadaan yang memiliki jalur transisi yang memungkinkan
untuk mencapai keadaan tersebut dari keadaan awal atau sebaliknya.
Keadaan yang tidak dapat direduksi adalah keadaan dalam RMD yang tidak dapat
mencapai keadaan lain dalam sistem dan tidak dapat dicapai dari keadaan lain. Keadaan
ini disebut juga sebagai keadaan terminal atau keadaan absorben. Jika suatu RMD
memiliki keadaan yang tidak dapat direduksi, maka sistem tersebut akan mencapai
keadaan tersebut pada akhirnya dan tidak akan berpindah ke keadaan lain.
Keadaan yang tidak dapat direduksi, juga dikenal sebagai keadaan terminal atau
keadaan absorben, merujuk pada keadaan dalam rantai Markov yang tidak dapat
dipecahkan atau dijelaskan lebih lanjut menjadi komponen yang lebih sederhana atau
dasar. Dalam kata lain, keadaan ini merupakan titik akhir atau titik akhir dalam rantai
Markov di mana sistem tidak bergerak lagi setelah mencapai keadaan tersebut.
Keadaan yang tidak dapat direduksi memiliki probabilitas transisi sendiri yang bernilai
1, yang berarti jika sistem berada dalam keadaan tersebut, ia akan tetap di keadaan itu
tanpa kemungkinan berpindah ke keadaan lain.
Keadaan yang tidak dapat direduksi memiliki beberapa implikasi penting dalam
analisis rantai Markov. Misalnya, jika ada keadaan yang tidak dapat direduksi dalam
rantai Markov, maka rantai tersebut dapat terbagi menjadi beberapa subrantai yang
independen, di mana setiap subrantai terdiri dari satu atau beberapa keadaan yang tidak
dapat direduksi.
5. State recurrent dan transient adalah dua konsep penting dalam RMD:
State recurrent dan transient adalah konsep yang digunakan dalam teori rantai Markov
untuk menggambarkan keadaan dalam rantai Markov.
State Recurrent:
State recurrent adalah keadaan dalam rantai Markov yang memiliki probabilitas 1 untuk
kembali ke keadaan tersebut di masa depan setelah beberapa langkah waktu. Dalam
kata lain, jika sistem berada dalam keadaan rekuren, maka dengan pasti akan kembali ke
keadaan itu sendiri pada suatu waktu di masa depan.
Contoh: Misalkan kita memiliki rantai Markov dengan beberapa keadaan. Jika kita
memulai di keadaan A dan ada jalur transisi yang memungkinkan kita kembali ke
keadaan A dengan probabilitas 1, maka keadaan A adalah keadaan rekuren.
State Transient:
State transient adalah keadaan dalam rantai Markov yang memiliki probabilitas kurang
dari 1 untuk kembali ke keadaan tersebut di masa depan setelah beberapa langkah
waktu. Dalam kata lain, jika sistem berada dalam keadaan transient, maka ada
kemungkinan bahwa sistem tidak akan kembali ke keadaan itu pada suatu waktu di
masa depan.
Contoh: Misalkan kita memiliki rantai Markov dengan beberapa keadaan. Jika kita
memulai di keadaan B dan tidak ada jalur transisi yang memungkinkan kita kembali ke
keadaan B dengan probabilitas 1, maka keadaan B adalah keadaan transient.
Penting untuk dicatat bahwa status rekuren atau transient suatu keadaan dalam rantai
Markov bergantung pada struktur dan probabilitas transisi dalam rantai tersebut.
Keadaan rekuren dan transient memiliki implikasi penting dalam analisis dan prediksi
perilaku jangka panjang dari rantai Markov.
Sumber :
https://ejournal.unsrat.ac.id › ...PDF penentuan klasifikasi state pada rantai markov dengan ...