Click to edit Master title style

Metode Stokastik
• Radite Raharja

1
Click to edit Master title style
Apa itu Markov chain?
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.
Perubahan-perubahan tersebut diwakili dalam variabel-
variabel dinamis di waktu-waktu tertentu. Sehingga
perlu untuk menyimpan nilai dari variabel keadaan pada
tiap-tiap waktu tertentu itu.

2 2
Sejarah Markov chain
Click to edit Master title style
• Model Rantai Markov ditemukan oleh seorang
ilmuwan Rusia bernama Andrey Andreyevich
Markov pada tahun 1906.
“Untuk setiap waktu t, ketika kejadian adalah
Kt dan seluruh kejadian sebelumnya adalah
K t(j), … , K t(j-n) y a n g t e r j a d i d a r i p r o s e s y a n g
diketahui, probabilitas seluruh kejadian yang
a k a n d a t a n g K t(j) h a n y a b e r g a n t u n g p a d a
k e j a d i a n K t(j-1) d a n t i d a k b e r g a n t u n g p a d a
k e j a d i a n - k e j a d i a n s e b e l u m n y a y a i t u K t(j-2), K t(j-
3), … , K t(j-n)”

• Markov berfokus pada perluasan hukum

bilangan besar dalam berbagai percobaan.
Model ini berhubungan dengan suatu
rangkaian proses dimana kejadian akibat
suatu eksperimen hanya tergantung pada
kejadian yang langsung mendahuluinya dan
tidak tergantung pada rangkaian kejadian
sebelum-sebelumnya yang lain. 3 3
Click toMarkov
Proses edit Master
Chaintitle style
• Proses Markov Chain terdiri dari dua prosedur, yaitu menyusun
matriks probabilitas transisi, dan kemudian menghitung kemungkinan
market share di waktu yang akan datang. Probabilitas transisi adalah Rantai Markov
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.

Analisa Markov
• Dalam kenyataannya, penerapan analisa Markov bisa dibilang cukup terbatas karena sulit untuk menemukan
permasalahan yang memenuhi semua sifat yang diperlukan untuk analisa Markov, terutama persyaratan bahwa
probabilitas transisi harus konstan sepanjang waktu.
• Metode ini banyak digunakan untuk pengambilan keputusan, namun sebenarnya hanya memberikan informasi bagi
pengambil keputusan untuk memperbaiki keputusannya, bukan untuk memberi solusi.

4 4
Click to Chain
Markov edit Master
Modeltitle
of Fuzzy
style Set

• Zadeh (1965) menetapkan Fuzzy Sets dalam rangka untuk menguraikan situasi
matematik dengan jelas.
• Thomason (1977) memperkenalkan fuzzy matrix.
• Kruce (1987) memperkenalkan fuzzy Markov chain sebagai Markov chain klasik
berdasarkan probabilitas fuzzy.
• Fuzzy Markov Chain didemonstrasikan sebagai konsep relasi dan komposisi fuzzy
(Sanchez, 1976).
• Fuzzy Markov Chain dapat digunakan ketika pengambil keputusan memilih
probabilitas subjektif untuk model ketidakpastian (Vajargah dan Gharehdaghi, 2012).
• Yoshida (1994) menghasilkan model Markov Fuzzy dengan pengukuran suatu
transisi kemungkinan
• Slowinski (1998) menunjukkan bahwa representasi Fuzzy Set dapat ddigunakan
untuk data yang tidak pasti dan persyaratan fleksibel.
• Kuranoa (2006), menggunakan Fuzzy States untuk menunjukkan transisi peluang
Fuzzy.
5 5
Click to Chain
Markov edit Master
Modeltitle
of Fuzzy
style Set

• Pardo dan Fuente (2010), menggunakan proses keputusan Markovian dengan

Fuzzy states untuk mengkalkulasi kebijakan terbaik yang akan
diemplementasikan terhadap kebijakan public dalam system antrian.
• Zhou (2013), menggunakan probabilitas Fuzzy-berbasis model Markov untuk
mengestimasi permintaan regional listrik jangka panjang.
• Ky dan Fuente (2016) menggunakan kombinasi mode Markov dan model
deret waktu Fuzzy untuk memperkirakan data pasar saham.
• Kiral dan Uzun (2017), menggunakan Markov Chain of Fuzzy State untuk
mengestimasikan index pasar saham.
• Berhubungan dengan tidak pasti dan kompleksnya sifat perubahan harga
emas, maka digunakan teknik MCFS (Markov Chain Fuzzy State).
• Mengkategorikan pengembalian tertutup harga emas sebagai Fuzzy states
dengan segitiga sets.
• Kemudian menjelaskan transisi matrix Markov Fuzzy States, dan
diestimasikan bulan sebelumnya harga emas kembali.

6 6
 Informasi
Click Jurnal
to edit Master Markov
title style
Chain
1 . Ta h u n P e m b u a t a n J u r n a l
2017
2. Judul Jurnal
A P P L I C AT I O N O F M A R K O V C H A I N S - F U Z Z Y S TAT E S T O G O L D
PRICE
3. Penulis
Berna Uzun dan ErsinKiral
4.Subjek Penelitian
Instanbul Gold Exchange
5 . Tu j u a n P e n e l i t i a n
Menentukan matriks transisi probabilistik dari closing return
harga emas menggunakan Markov Chain Model of Fuzzy States
(MCFS) dengan angka fuzzy triangular

7 7
Click to edit Master
Langkah-langkah untuk titlemenyelesaikan
style
perhitungan probabilitas pada periode waktu
tertentu menggunakan rantai Markov :

• Membuat matriks transisi dari probabilitas yang

diketahui
• Melakukan 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.

8 8
Click to edit Master
Asumsi-asumsi Rantai
title
Markov
style

• Jumlah probabilitas transisi keadaan adalah 1.

• Probabilitas transisi tidak berubah selamanya.
• Probabilitas transisi hanya tergantung pada status
sekarang, bukan pada periode sebelumnya.

9 9
Click to editPenelitian
Metodologi Master title style

Metodologi yang digunakan adalah Markov Chain Fuzzy States

• Rantai Fuzzy Markov ditunjukkan sebagai konsep hubungan fuzzy dan komposisinya
(Sanchez, 1976).
• Dapat digunakan ketika pembuat keputusan yang lebih condong ke probabilitas subjektif
untuk memodelkan ketidakpastian (Vajargah dan Gharehdaghi, 2012).
• Yoshida (1994) menghasilkan model fuzzy Markov dengan langkah-langkah kemungkinan
transisi.
• Slowinski (1998) → kita dapat menggunakan representasi fuzzy set untuk menangani data
yang tidak pasti dan persyaratan yang fleksibel.

10 10
Click to edit Master title style
Metode

Langkah-langkah yang dilakukan dalam penelitian ini adalah :

• Pertama, mengklasifikasikan perubahan presentase bulanan dari harga emas ke dalam

bentuk bilangan triangular fuzzy
• Mendefinisikan Rt menjadi komponen fuzzy state untuk periode yang dipilih
• Menghitung probabilitas ketidakpastian dengan menggunakan kondisi probabilitas fuzzy
states Sj sehingga didapatkan transisi matriks
• Didapatkan model MCFs yang menampilkan informasi mengenai keadaan yang beresiko

11 11
Click to edit Master title style
KESIMPULAN

“ 1. Dilakukannya evaluasi perilaku transisi matriks bulanan harga

emas
2. Hasil yang didapat memberikan sensitivitas dan informasi penting
kepada investor mengenai peluang investasi emas jangka
pendek dan panjang dalam mejalankan strategi jual beli.
3. Dalam hari-hari yang berisiko, ketika pengembalian bulanan
meningkat atau menurun drastic, pada bulan-bulan sebelumnya
pengembalian juga meningkat dan menurun drastic.
4. Model MCFS dapat digunakan untuk meramalkan kembali untuk
waktu yang lebih singkat dan juga berbeda klasifikasi dan set
fuzzy yang dapat memberikan lebih banyak peluang investasi.
5. Distribusi peluang emas menunjukkan bahwa, investor dapat
memperoleh pengembalian yang lebih tinggi dalam jangka
panjang.
12 12
Click to edit Master title style
Kelebihan dari jurnal :
• Abstrak yang ditampilkan
menggambarkan isi jurnal
dengan jelas.
• Notasi yang dicantumkan dalam
jurnal lengkap dan diberi
penjelas.
• Sampel dan metodologi yang
dicantumkan cukup informative
dan mudah dipahami.
Kekurangan dari jurnal :
• Pendahuluan yang
dicantumkan menjelaskan
KELEBIHAN terlalu banyak aspek.
DAN • Hasil yang diperoleh tidak
KEKURANGAN JURNAL ditunjukkan secara rinci dan
informative.
• Tidak adanya usulan perbaikan
atau saran yang dicantumkan
untuk penelitian pada masa
yang akan dating.
13 13
Click to
HASIL DAN
editPEMBAHASAN
Master title style

Studi ini termasuk data bulanan antara Januari, 2003 dan Januari, 2017. Rata-rata tertimbang bulanan dari
harga emas ($ / ons) yang diterima dari Bursa Emas Istanbul digunakan dalam analisis.
Pengembalian Rt dihitung sebagai perubahan persentase bulanan dari harga emas Pt : Rt = ( Pt – Pt-1)/ Pt-1,
dimana t menunjukkan sesi ( t = 2,3,....,157). Setelah kita menghilangkan nilai ekstrim dari kumpulan data,
pengembalian rata-rata µr sekitar 0,96% ketika standar deviasi adalah 4,5% untuk periode tertentu yang 5
kali lebih tinggi dari hasil yang diharapkan.
Pada garfik 1 dapat disimpulkan bahwa perubahan persentase bulanan dari harga emas diubah menjadi 21
fuzzy states dari kerugian tinggi S-10 menjadi pengembalian tinggi S10 . Kami mengklasifikasikan status
bilangan fuzzy triangular untuk mendapatkan derajat keanggotaan Rt..

14 14
Click to edit Master title style

Biarkan [[x]] menjadi fungsi bilangan bulat terbesar. Kami mendefinisikan komponen
fuzzy state dari Rt sebagai Sj dan Si +1 :
Jika Rt ≤ - 2.25 % atau Rt ≥ 2.25 % lalu S-10 = 1 atau S10 = 1 berturut turut.
Oleh karena itu masing-masing Rt telah diubah menjadi komponen fuzzy state untuk
periode yang dipilih seperti pada Tabel 1.

15 15
Click to edit Master title style

Dibandingkan dengan model MC, MCFS memberikan penjelasasn yang lebih realistis ke
states. Jika diteliti lebih jauh untuk menghitung probabilitas transisi fuzzy dengan
menggunakan probabilitas kondisional dari keadaan fuzzy Sj, diberikan fuzzy Si

16 16
Click to transisi
Matriks edit Master
untuk
title
model
stylepertama ditemukan:

17 17
Click to edit Master title style

Derajat partisi kondisional dari states S9 ke S10 adalah P( S10 | S9 ) = 98 %.

Model MCFS memberikan informasi tentang states yang berisiko. Jika
kenaikan bulanan meningkat dengan baik (2,25% atau lebih besar), laba bulan
sebelumnya akan meningkat atau menurun dengan probabilitas masing-
masing sebesar 37% atau 28%. Di sisi lain, jika pengembalian bulanan
menurun sebesar (2,25% atau lebih besar), pengembalian bulan sebelumnya
akan meningkat atau menurun dengan probabilitas 43% atau 19% masing-
masing.

18 18
Click to edit Master title style
Menunjukkan bahwa :

Π = (0.27, 0.02, 0.02, 0.02, 0.04, 0.01,

0.01, 0.01, 0.03, 0.02, 0.01, 0.01, 0.02,
0.01, 0.03, 0.01, 0.01, 0.01, 0.01, 0.02,
0.42)
Ini memberikan distribusi probabilitas
untuk pengembalian harga emas.
Dalam jangka panjang, tidak peduli
keadaan harga emas dalam sebulan,
jumlah bulan keuntungan akan lebih
tinggi daripada jumlah kerugian.
Kategori states bagian dan matriks
probabilitas transisi kondisional
dihitung di Excel dengan menggunakan
fungsi Excel IF.
19 19
Click to edit
DAFTAR PUSTAKA
Master title style

Uzun, B., & Kiral, E. (2017). Application of markov chains-fuzzy states to gold price. Science Direct , 365-371.

20 20
Click to edit Master title style

Thank You

21