Disusun Oleh:

Kelompok 6
Nama: 1. Eben Haezer S. (33414384)
2. Herlina Gunawan
(34414949)
3. Meiwa Febriyanti (36414560)
4. Wan Taufik (3C414176)
Kelas: 2ID10
Dosen Pembimbing: Paranita Asnur
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
BEKASI
2016

Metode
Stokastik
Rantai Markov
START
Lets!

 Rantai Markov (Markov Chain) adalah

sebuah teknik perhitungan yang umumnya
digunakan dalam melakukan pemodelan
bermacam-macam kondisi. Teknik ini
digunakan untuk membantu dalam
memperkirakan perubahan yang mungkin
terjadi di masa mendatang. Perubahanperubahan tersebut diwakili dalam
variabel-variabel dinamis di waktu-waktu
tertentu. Sehingga perlu untuk menyimpan
nilai dari variabel keadaan pada tiap-tiap
waktu tertentu itu

Pengertian
Rantai Markov
Kata Kunci:

Teknik
perhitungan
pada macammacam kondisi

Perkiraan
dimasa
mendatang

Next

 Model Rantai Markov ditemukan oleh

seorang ilmuwan Rusia bernama Andrey Sejarah Markov
Chain
Andreyevich Markov pada tahun 1906.
Untuk setiap waktu t, ketika kejadian
adalah Kt dan seluruh kejadian sebelumnya
adalah Kt(j),, Kt(j-n) yang terjadi dari proses Kata Kunci:
yang diketahui, probabilitas seluruh Andrey
andreyevich
Makrov
kejadian yang akan datang Kt(j) hanya
bergantung pada kejadian Kt(j-1) dan tidak K hanya bergantung
pada kejadian K dan
bergantung
pada
kejadian-kejadian
tidak bergantung pada
sebelumnya yaitu Kt(j-2), Kt(j-3), , Kt(j-n)
kejadian-kejadian
sebelumnya yaitu K ,
Markov berfokus pada perluasan hukum
K , , K
bilangan besar dalam berbagai percobaan.
Model ini berhubungan dengan suatu suatu eksperimen hanya
tergantung pada kejadian
rangkaian proses dimana kejadian akibat
yang
langsung
suatu eksperimen hanya tergantung pada
mendahuluinya dan tidak
tergantung pada rangkaian
kejadian yang langsung mendahuluinya dan
kejadian
sebelumtidak tergantung pada rangkaian kejadian
sebelumnya yang lain.
sebelum-sebelumnya yang lain.
t(j)

t(j-1)

t(j-2)

t(j-3)

t(j-n

Next

Proses Markov Chain terdiri dari dua prosedur, yaitu

Analisa Markov

Menyusun matriks probabilitas transisi

Menghitung kemungkinan market share di waktu yang
akan datang.
Probabilitas transisi adalah sebagai contoh pergantian
yang mungkin dilakukan oleh konsumen dari satu merk ke
merk yang lain. Konsumen dapat berpindah dari suatu merk
ke merk yang lain disebabkan karena periklanan, promosi
khusus, harga, ketidakpuasan, dan lain-lain. Hal ini akan
bermanfaat karena jumlah market share-nya di periode
yang akan datang akan bisa diperhitungkan sejak dini.

Next

Langkah-langkah untuk menyelesaikan perhitungan Analisa Markov

probabilitas
pada
periode
waktu
tertentu
menggunakan rantai Markov adalah sebagai berikut:
Buatlah matriks transisi dari probabilitas yang
diketahui
Lakukan operasi perkalian matriks dari probabilitas
waktu sebelumnya dengan matriks transisi.
Rumusnya adalah: Matriks periode ke-n = Matriks
periode ke-n+1 * Matriks transisi
Ulang proses yang sama sampai menemukan
probabilitas yang hendak dicari

Next

Suatu survei dilakukan di sebuah wilayah di kota Jakarta. Diketahui bahwa

wilayah tersebut terdiri dari 1000 keluarga. Dari survei tersebut, diperoleh data
bahwa 600 keluarga merupakan pelanggan toserba Serba dan 400 keluarga
merupakan pelanggan toserba Ada. Pada bulan itu, diketahui bahwa :

Studi Kasus

Dari 600 keluarga pelanggan toserba Serba diperoleh data bahwa 400 keluarga
tetap berbelanja di toserba Serba dan 200 lainnya berbelanja di toserba Ada.
Dari 400 keluarga pelanggan toserba Ada dinyatakan bahwa 150 keluarga
tetap berbelanja di toserba Ada. Sedang 250 lainnya berbelanja di toserba
Serba.
Hitunglah:
Matriks probabilitas transisi untuk permasalahan di atas!
Probabilitas untuk toko Serba dan Ada pada bulan ketiga apabila pada
bulan pertama keluarga tersebut memilih untuk berbelanja di toko Serba
Probabilitas untuk toko Serba dan Ada pada bulan ketiga apabila pada
bulan pertama keluarga tersebut memilih untuk berbelanja di toko Ada
Nilai probabilitas pelanggan dalam keadaan tetap!
Jumlah perkiraan pelanggan dalam jangka panjang untuk masing-masing
toserba tersebut!

Next

 Langkah pertama yang perlu dilakukan untuk menyelesaikan seluruh pertanyaan di

atas adalah dengan menentukan matriks transisi untuk menghitung nilai
probabilitas
Probabilitas bulan pertama Serba dan bulan kedua Serba = 400/600 =
0.667
Probabilitas bulan pertama Serba dan bulan kedua Ada = 200/600 =
0.333
Probabilitas bulan pertama Ada dan bulan kedua Serba = 250/400 =
0.625
Probabilitas bulan pertama Ada dan bulan kedua Serba = 150/400 =
0.375

Penyelesaian

Matriks probabilitas
transisi
untuk
permasalahan
di
atas!

Sehingga matriks transisi yang diperoleh adalah:

Keterangan:

Baris pertama kolom pertama : Bulan pertama Serba, bulan kedua Serba

Baris pertama kolom kedua : Bulan pertama Serba, bulan kedua Ada

Baris kedua kolom pertama : Bulan pertama Ada, bulan kedua Serba

Baris kedua kolom kedua

: Bulan pertama Ada, bulan kedua Ada

Next

 Apabila pada bulan pertama, keluarga tersebut memilih untuk berbelanja di

toko Serba artinya keluarga tersebut pasti memilih untuk berbelanja di toko
Serba, jadi probabilitas keluarga tersebut datang ke toserba Serba adalah
1, dan probabilitas keluarga tersebut datang ke toserba Ada adalah 0.
Sehingga matriks probabilitas untuk bulan pertama adalah [ 1 0]
Apabila dilakukan perkalian antara matriks probabilitas pada bulan
pertama dengan matriks transisi pada kasus ini maka akan diperoleh
data:

Probabilitas pada bulan kedua yang diperoleh memiliki nilai yang sama
dengan matriks transisi pada baris pertama. Tentu saja demikian, karena
perhitungan yang dilakukan adalah matriks pada bulan pertama dengan
matriks transisi yang dibentuk dari data probabilitas pada bulan kedua.

Penyelesaian

Probabilitas
untuk
toko
Serba
dan
Ada pada bulan
ketiga
apabila
pada
bulan
pertama keluarga
tersebut memilih
untuk berbelanja
di toko Serba?

Next

 Kemudian, untuk menghitung probabilitas pada bulan ketiga adalah

dengan mengoperasikan perkalian matriks antara matriks probabilitas
bulan kedua dengan matriks transisinya. Sehingga diperoleh:

Penyelesaian

Jadi diperoleh probabilitas bulan ketiga, apabila pada bulan pertama

memilih di toko Serba, untuk toserba Serba adalah 0.653, dan
toserba Ada adalah 0.347.

NB: Ingat bahwa jumlah probabilitasnya harus selalu satu (1)

Next

 Apabila pada bulan pertama, keluarga tersebut memilih untuk berbelanja di toko
Ada artinya keluarga tersebut pasti memilih untuk berbelanja di toko Ada, jadi
probabilitas keluarga tersebut datang ke toserba Ada adalah 1, dan probabilitas
keluarga tersebut datang ke toserba Serba adalah 0. Sehingga matriks probabilitas
untuk bulan pertama adalah: [1 0]
Apabila dilakukan perkalian antara matriks probabilitas pada bulan pertama
dengan matriks transisi pada kasus ini maka akan diperoleh data:

Sedangkan pada bulan ketiga

Penyelesaian

Probabilitas untuk
toko Serba dan
Ada pada bulan
ketiga
apabila
pada
bulan
pertama keluarga
tersebut memilih
untuk berbelanja
di toko Ada

Jadi diperoleh probabilitas bulan ketiga, apabila pada bulan pertama memilih di
toko Ada, untuk toserba Serba adalah 0.651, dan toserba Ada adalah 0.349

Next

 Menghitung probabilitas keadaan tetap bisa dilakukan dengan melakukan operasi perhitungan
persamaan sebagai berikut:

Persamaan 1:

Penyelesaian
Nilai probabilitas
pelanggan dalam
keadaan tetap?

Persamaan 2:

Karena jumlah probabilitas adalah satu maka Persamaan 3:

Dari ketiga persamaan tersebut, kita substitusikan sehingga nilai probabilitas S dan A akan
diperoleh. Probabilitas yang kita peroleh itulah yang merupakan probabilitas keadaan tetap.

Next

Dari persamaan 3, maka bisa dikonversikan menjadi

Substitusikan ke persamaan 1:

Penyelesaian
Nilai probabilitas
pelanggan dalam
keadaan tetap?

Substitusikan hasil nilai S tersebut ke dalam persamaan 2:

Jadi probabilitas keadaan tetap (steady state) nya adalah:

Toserba Serba = 0.652

Toserba Ada = 0.348

Next

Jumlah perkiraan pelanggan dalam jangka

panjang bisa dihitung dengan mengalikan
probabilitas keadaan tetap dengan jumlah
total pelanggannya
Toserba Serba = 0.652 * 1000 = 652
pelanggan
Toserba Ada = 0.348 * 1000 = 348
pelanggan

Penyelesaian

Jumlah perkiraan
pelanggan dalam
jangka
panjang
untuk
masingmasing
toserba
tersebut?

Next

Thanks For Attention