Fakultas

Rekayasa
Industri

PENELITIAN OPERASIONAL II
IE-G3F3
Program Studi Teknik Industri
Fakultas Rekayasa Industri
Telkom University
 Fakultas
Rekayasa
Industri

PENDAHULUAN

KONSEP-KONSEP DASAR
• Proses markov
• Kondisi analisis markov (asumsi dasar)
• Menyusun matriks probabilitas transisi

MODEL PROGRAM DINAMIS DENGAN STAGE TERBATAS

MODEL PROGRAM DINAMIS DENGAN STAGE TIDAK

TERBATAS
• Metode enumerasi sempurna
• Metode policy iterasi

EVALUASI
• Latihan soal probabilitas transisi
• Latihan soal metode enumerasi sempurna
 Fakultas
Rekayasa
Industri

TUJUAN PEMBELAJARAN
• Mahasiswa dapat memahami rantai markov karena
analisis Markov telah digunakan dengan berhasil
terhadap berbagai macam situasi keputusan
• Mahasiswa dapat memperkirakan perubahan-
perubahan di waktu yang akan datang dalam variabel-
variabel dinamis atas dasar perubahan-perubahan dari
variabel-variabel dinamis tersebut waktu lalu.
• Mahasiswa diharapkan dapat membuat model
bermacam-macam sistem dan proses bisnis.
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

Rantai markov adalah suatu teknik

matematik yang biasa digunakan untuk
pembuatan model bermacam-macam
sistem dan proses bisnis.
Teknik ini dapat digunakan untuk
memperkirakan perubahan-perubahan
di waktu yang akan datang dalam
variabel-variabel dinamis atas dasar
perubahan-perubahan dari
variabel-variabel dinamis tersebut waktu lalu.
 Fakultas
Rekayasa
Industri

Analisis Markov telah digunakan dengan berhasil

terhadap berbagai macam situasi keputusan,
antara lain penyelidikan dan menganalisis dan
memperkirakan perilaku konsumen terhadap
“merk” tertentu dan peralihan mereka dari satu
merk ke merk lainnya, perubahan sikap
pelanggan dari “pembayaran langsung” ke
pembayaran terlambat 30 hari “atau”
pembayaran terlambat 60 hari “hingga” hutang
buruk/kredit macet, perhitungan rekening, jasa
persewaan mobil, perencanaan penjualan,
masalah persediaan, pemeliharaan mesin,
antrian, perubahan harga pasar saham, dan
administrasi rumah sakit
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

• Menyusun Matriks Probabilitas Transisi

Probabilitas transisi adalah probabilitas suatu merk tertentu (atau
penjual) akan tetap menguasai para pelanggannya.
• Menghitung Kemungkinan Market Share di Waktu yang Akan Datang
Perhitungan market share di periode waktu kedua dapat diperoleh
dengan mengalikan martiks probabilitas transisi dengan market share
pada periode pertama.
• Menentukan Kondisi Equilibrium
Kondisi equilibrium tercapai bila tidak ada pesaing yang mengubah
matriks probabilitas transisi. Penggunaan matriks probabilitas transisi
dapat menggambarkan kondisi-kondisi equilibrium.
 Fakultas
Rekayasa
Industri

KONDISI ANALISIS MARKOV

(ASUMSI DASAR)

• Jumlah probabilitas pada setiap kejadian yang independen

secara bersamaan adalah sama dengan satu (=1)

• Probabilitas tidak berubah selamanya

• Probabilitas tergantung pada status sekarang

 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Untuk memperoleh matriks probabilitas transisi atau
matriks P diperlukan pengamatan yang teliti terhadap
kondisi sistem yang diamati pada satu periode ke
periode berikutnya.
Misalkan di suatu daerah dipasarkan 4 merk sabun
deterjen, misalnya merk A, B, C, dan D.
Tabel berikut menunjukkan data jumlah langganan
masing-masing merk pada periode pertama, perubahan
jumlah langganan yang terjadi pada satu periode, dan
jumlah langganan pada periode kedua.
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan

Jumlah Perubahan selama periode Jumlah

Merk langganan langganan
Pindah Ke Pindah Dari
periode I periode II
A 220 50 45 225
B 300 60 70 290
C 230 25 25 230
D 250 40 35 255
TOTAL 1000 175 175 1000
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Tabel di atas memberikan informasi pada awal
periode sebagai berikut:
Misalkan:
Jumlah langganan merk A ada 220 orang, selama
periode berlangsung terjadi perubahan yaitu
responden yang semula tidak memilih A beralih ke
merk A sebanyak 50 orang. Sebaliknya yang dari
semula memilih merk A berubah menjadi langganan
merk lain sebanyak 45 orang. Pada akhir periode
atau awal periode kedua, jumlah langganan A
sebanyak 225 orang (220+50-45).
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Maka matriks probabilitas transisi dari tabel di atas adalah:
Jumlah Tambahan Dari Pengurangan ke Jumlah
Merk langganan Merk Merk langganan
periode I A B C D A B C D periode II
A 220 0 40 0 10 0 20 10 15 225
B 300 20 0 25 15 40 0 5 25 290
C 230 10 5 0 10 0 25 0 0 230
D 250 15 25 0 0 10 15 10 0 255
TOTAL 1000 1000
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Data di atas memberikan informasi sebagai berikut:
Dari sejumlah 220 langganan A pada periode pertama,
telah beralih menjadi langganan B sebanyak 20 orang,
menjadi langganan C sebanyak 10 orang dan langganan
D sebanyak 15 orang. Maka jumlah langganan pada
periode pertama memilih A dan pada periode kedua
masih tetap memilih A (bukan langganan baru) adalah
sebanyak (220-20-10-15 = 175 orang). Dengan kata lain
probabilitas bahwa langganan A pada periode pertama
tetap menjadi langganan A, pada periode kedua adalah
sebesar 175/220 = 0,796.
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Apabila perhitungan dilanjutkan maka probabilitas transisi akan
menjadi:

Merk Periode II Merk Periode II

Periode Periode
A B C D Total A B C D
I I
A 175 20 10 15 220 A 0, 796 0, 091 0, 046 0, 067
B 40 230 5 25 300 B 0, 133 0, 767 0, 017 0, 083
C 0 25 205 0 230 C 0 0, 109 0, 891 0
D 10 15 10 215 250 D 0, 04 0, 06 0, 04 0, 860
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode II
adalah:

Merk Periode II
Periode
A B C D 0,796 0,091 0,046 0,067
I  0,133 0,767 0,017 0,083
A 0, 796 0, 091 0, 046 0, 067 P
B 0, 133 0, 767 0, 017 0, 083
 0 0,109 0,891 0 
 
C 0 0, 109 0, 891 0  0,04 0,06 0,04 0,860 
D 0, 04 0, 06 0, 04 0, 860
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode III adalah:
0,796 0,091 0,046 0,067 0,796 0,091 0,046 0,067
 0,133 0,767 0,017 0,083  0,133 0,767 0,017 0,083
P2    
 0 0,109 0,891 0  0 0,109 0,891 0 
  
 0 ,04 0,06 0,04 0,860  0 ,04 0,06 0,04 0,860 
0,6483 0,1512 0,0818 0,1185 
 0,2111 0,6072 0,0376 0,1439 
P 
2
0,0144 0,1807 0,7957 0,0091
 
0,0742 0,1056 0,0729 0,7472
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode V adalah:
0,6483 0,1512 0,0818 0,1185  0,6483 0,1512 0,0818 0,1185 
 0,2111 0,6072 0,0376 0,1439   0,2111 0,6072 0,0376 0,1439 
P 
4
0,0144 0,1807 0,7957 0,0091 0,0144 0,1807 0,7957 0,0091
  
0,0742 0,1056 0,0729 0,7472 0,0742 0,1056 0,0729 0,7472
0,4623 0,2172 0,1325 0,1879 
0,2764 0,4226 0,0805 0,2203
P 
4
0,0597 0,2566 0,6418 0,0416
 
 0,1269 0,1674 0,1225 0,583 
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode IX adalah:
0,4623 0,2172 0,1325 0,1879  0,4623 0,2172 0,1325 0,1879 
0,2764 0,4226 0,0805 0,2203 0,2764 0,4226 0,0805 0,2203
P 
8
0,0597 0,2566 0,6418 0,0416 0,0597 0,2566 0,6418 0,0416
  
 0,1269 0,1674 0,1225 0,583   0,1269 0,1674 0,1225 0,583 
0,3055 0,2577 0,1868 0,2498
0,2774 0,2962 0,1493 0,2769
P8  
 0,1422 0,2932 0,4456 0,1188 
 
 0,1863 0,2274 0,1804 0,4058
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode XVII
adalah:
0,3055 0,2577 0,1868 0,2498 0,3055 0,2577 0,1868 0,2498
0,2774 0,2962 0,1493 0,2769 0,2774 0,2962 0,1493 0,2769
P16  
 0,1422 0,2932 0,4456 0,1188   0,1422 0,2932 0,4456 0,1188 
  
 0,1863 0,2274 0,1804 0,4058  0,1863 0,2274 0,1804 0,4058
 0,238 0,2667 0,2239 0,2713
0,2398 0,266 0,2126 0,2814
P16   
0,2103 0,2812 0,2904 0,2179
 
 0, 2213 0, 2606 0, 2223 0, 2956 
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode XXXIII
adalah:
 0,238 0,2667 0,2239 0,2713  0,238 0,2667 0,2239 0,2713
0,2398 0,266 0,2126 0,2814 0,2398 0,266 0,2126 0,2814
P 32 
0,2103 0,2812 0,2904 0,2179 0,2103 0,2812 0,2904 0,2179
  
0,2213 0,2606 0,2223 0,2956 0,2213 0,2606 0,2223 0,2956
0,2277 0,2681 0,2353 0,2686
0,2279 0,2679 0,2346 0,2695
P 32 
0,2268 0,2684 0,2397 0,2639
 
0,2273 0,2679 0,2353 0,2692
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan
Matriks probabilitas transisi dari periode I ke periode LXV
adalah:
0,2277 0,2681 0,2353 0,2686 0,2277 0,2681 0,2353 0,2686
0,2279 0,2679 0,2346 0,2695 0,2279 0,2679 0,2346 0,2695
P 64 
0,2268 0,2684 0,2397 0,2639 0,2268 0,2684 0,2397 0,2639
  
0,2273 0,2679 0,2353 0,2692 0,2273 0,2679 0,2353 0,2692
0,2274 0,2683 0,2361 0,2679 Matriks probabilitas transisi pada
0,2274 0,2683 0,2361 0,2679
interaksi 64 sudah stabil, terlihat bahwa
P 64  setiap kolom memiliki angka yang
0,2274 0,2683 0,2362 0,2679 identik, artinya probabilitas pergeseran
  pelanggan ke merk tertentu adalah
0,2274 0,2683 0,2361 0,2679
tetap, tanpa memandang merk yang
digunakan pada periode sebelumnya
 Fakultas
Rekayasa
Industri

MARKET SHARE
Contoh 1: Pergeseran Pelanggan

Jumlah Tambahan Dari Pengurangan ke Jumlah

Merk langganan Merk Merk langganan
periode I A B C D A B C D periode II
A 220 0 40 0 10 0 20 10 15 225
B 300 20 0 25 15 40 0 5 25 290
C 230 10 5 0 10 0 25 0 0 230
D 250 15 25 0 0 10 15 10 0 255
TOTAL 1000 1000
 Fakultas
Rekayasa
Industri

MARKET SHARE
Contoh 1: Pergeseran Pelanggan
Market share dari setiap merk pada periode pertama adalah:
Merk A : 220/1000 = 22%
Merk B : 300/1000 = 30%
Merk C : 230/1000 = 23%
Merk D : 250/1000 = 25%

Matriks probabilitas transisi dari periode I ke periode II adalah :

0,796 0,091 0,046 0,067
 0,133 0,767 0,017 0,083
P 
 0 0,109 0,891 0 
 
 0 ,04 0 ,06 0,04 0,860 
 Fakultas
Rekayasa
Industri

MARKET SHARE
Contoh 1: Pergeseran Pelanggan
Cara 1
Market share dari setiap merk pada periode kedua adalah
perkalian antara market share pada periode pertama dengan
matriks probabilitas transisi :
0, 796 0, 091 0, 046 0, 067 
 0,133 0, 767 0, 017 0, 083 
Market Share   0, 22 0,30 0, 23 0, 25  
 0 0,109 0,891 0 
 
 0, 04 0, 06 0, 04 0,860 
  0, 225 0, 29 0, 23 0, 255

Maka, pada periode kedua, market share merk A = 22,5%,

merk B = 29%, merk C = 23%, dan merk D = 25,5%
 Fakultas
Rekayasa
Industri

MARKET SHARE
Contoh 1: Pergeseran Pelanggan
Cara 1
Market share dari setiap merk pada periode ketiga adalah
perkalian antara market share pada periode kedua dengan
matriks probabilitas transisi :
0, 796 0, 091 0, 046 0, 067 
 0,133 0, 767 0, 017 0, 083 
Market Share   0, 225 0, 29 0, 23 0, 255  
 0 0,109 0,891 0 
 
 0, 04 0, 06 0, 04 0,860 
  0, 228 0, 283 0, 231 0, 258

Maka, pada periode ketiga, market share merk A = 22,8%,

merk B = 28,3%, merk C = 23,1%, dan merk D = 25,8%
 Fakultas
Rekayasa
Industri

MARKET SHARE
Contoh 1: Pergeseran Pelanggan
Cara 2
Market share dari setiap merk pada periode ketiga adalah
perkalian antara market share pada periode pertama dengan
matriks probabilitas transisi periode 1 ke periode 2 :
0, 796 0, 091 0, 046 0, 067  0, 796 0, 091 0, 046 0, 067 
 0,133 0, 767 0, 017 0, 083   0,133 0, 767 0, 017 0, 083 
P2     
 0 0,109 0,891 0   0 0,109 0,891 0 
   
 0, 04 0, 06 0, 04 0,860   0, 04 0, 06 0, 04 0,860 
 0, 6483 0,1512 0, 0818 0,1185 
 0, 2111 0, 6072 0, 0376 0,1439 
P2   
0, 0144 0,1807 0, 7957 0, 0091
 
 0, 0742 0,1056 0, 0729 0, 7472 
 Fakultas
Rekayasa
Industri

MARKET SHARE
Contoh 1: Pergeseran Pelanggan
Cara 2
Market share dari setiap merk pada periode ketiga adalah
perkalian antara market share pada periode pertama dengan
matriks probabilitas transisi periode 1 ke periode 2 :
 0, 6483 0,1512 0, 0818 0,1185 
 0, 2111 0, 6072 0, 0376 0,1439 
Market Share   0, 22 0,30 0, 23 0, 25 
0, 0144 0,1807 0, 7957 0, 0091
 
0, 0742 0,1056 0, 0729 0, 7472 
  0, 228 0, 283 0, 231 0, 258

Maka, pada periode ketiga, market share merk A = 22,8%, merk

B = 28,3%, merk C = 23,1%, dan merk D = 25,8%
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 2: Narik vs mogok
Pemilik angkot mempunyai probabilitas narik atau
mogok pada esok hari adalah:
P(narik/narik) = 0,6 P(narik/mogok) = 0,8
P(mogok/narik)= 0,4 P(mogok/mogok)= 0,2
Tricks:
P(narik/mogok) = 0,8
--> berarti probabilitas besok narik jika hari ini mogok
adalah 0,8.
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 2: Narik vs mogok
Maka, matriks probabilitasnya dalam keadaan stabil
adalah:

Besok
Sekarang
Narik Mogok
Narik 0,6 0,4
Mogok 0,8 0,2
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 2: Narik vs mogok ANALISIS MARKOV
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 2: Narik vs mogok ANALISIS MARKOV
 Fakultas
Rekayasa
Industri

MENYUSUN MATRIKS
PROBABILITAS TRANSISI
Contoh 2: Narik vs mogok
Kesimpulan
• Probabilitas angkot narik pada hari ke-3 jika hari ke 1
narik adalah : 0,36 + 0,32 = 0,68
• Probabilitas angkot mogok pada hari ke-3 jika hari ke 1
narik adalah : 0,24 + 0,08 = 0,32
• Probabilitas angkot narik pada hari ke-3 jika hari ke 1
mogok adalah : 0,48 + 0,16 = 0,64
• Probabilitas angkot mogok pada hari ke-3 jika hari ke 1
mogok adalah: 0,32 + 0,04 = 0,36
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

Misalkan:
Kondisi sebuah mesin yang digunakan dalam suatu proses
produksi diketahui menurun dengan cepat, baik dalam
kualitas maupun output-nya.
Karena itu, dilakukan pemeriksaan terhadap mesin secara
periodik, yaitu pada setiap akhir bulan.
Kondisi mesin dicatat dan diklasifikasikan ke dalam tiga
keadaan (state):

State Kondisi
1 Baik
2 Cukup
3 Rusak
 Fakultas
Rekayasa
Industri

Jika Xt adalah state mesin setelah dilakukan

pemeriksaan pada akhir bulan ke-t, maka urutan dari
state {Xt} dapat dipandang sebagai proses stochastic.
Probabilitas transisi selama periode 1 bulan adalah:

State bulan YAD

1 (baik) 2 (cukup) 3 (rusak)
1 (Baik) 0.2 0.5 0.3
State pada
2 (cukup) 0 0.5 0.5
bulan ini P1 =
3 (Rusak) 0 0 1

Dari matriks P1 di atas jelas bahwa sekali mesin itu

rusak (state 3), maka akan tetap rusak.
 Fakultas
Rekayasa
Industri

Kondisi akan berubah bila ada perbaikan (overhaul),

maka matriks transisinya adalah P2 sebagai berikut:

State bulan YAD

1 (baik) 2 (cukup) 3 (rusak)
1 (Baik) 0.3 0.6 0.1
State pada
2 (cukup) 0.1 0.6 0.3
bulan ini P2 =
3 (Rusak) 0.05 0.4 0.55
 Fakultas
Rekayasa
Industri

Struktur ongkos (penerimaan/pengeluaran) selama

periode 1 bulan tergantung pada state masing-masing
matriks transisi.
Jika diketahui bahwa struktur ongkos (pendapatan)
apabila tidak dilakukan overhaul adalah R1 dan struktur
ongkos (pendapatan) bila overhaul adalah R2, dimana:
1 2 3 1 2 3
(baik) (cukup) (rusak) (baik) (cukup) (rusak)
R1 1 (Baik) 7 6 3 R2 1 (Baik) 6 5 -1
= =
2 (cukup) 0 5 1 2 (cukup) 7 4 0
3 (Rusak) 0 0 -1 3 (Rusak) 6 3 -2
 Fakultas
Rekayasa
Industri

Keputusan apakah yang sebaiknya harus dilakukan?

Apakah mesin ini terus dioperasikan dalam beberapa
bulan tertentu yang lamanya terbatas atau tidak
terbatas dioperasikannya.
Jenis keputusan lainnya ialah pengevaluasian
ekspektasi pendapatan dari suatu tindakan yang
ditetapkan apabila suatu state dari sistem terjadi.
Misal diputuskan untuk melakukan overhaul bila mesin
dalam kondisi rusak (state 3).
Proses ini dikatakan STATIONARY POLICY.
 Fakultas
Rekayasa
Industri

STATIONARY STATE:
berkaitan dengan matriks transisi dan matriks ongkos
yang berbeda yang dibentuk oleh matriks P1, P2, R1,
dan R2.
 Fakultas
Rekayasa
Industri

Contoh:
Stationary policy untuk melakukan overhaul hanya
jika mesin dalam kondisi rusak (state 3), matriks transisi
dan matriks ongkosnya adalah P dan R sebagai
berikut:
1 2 3 1 2 3
1 0.2 0.5 0.3 1 7 6 3
P= R=
2 0 0.5 0.5 2 0 5 1
3 0.05 0.4 0.55 3 6 3 -2

Matriks P dan R berbeda dari matrik P1 dan R1 hanya

baris ketiga yang diambil langsung dari P2 dan R2.
Alasannya matriks-matriks yang dihasilkan apabila
overhaul dilakukan pada setiap state
 Fakultas
Rekayasa
Industri

Contoh:
Jika mesin hanya akan dioperasikan selama 3 periode
(3 bulan), seperti apakah kebijakan perawatan
terbaik di setiap periode (bulan) untuk mesin ini?
Kebijakan yang terbaik akan menghasilkan ekspektasi
pendapatan tertinggi ada akhir bulan ketiga.
Misalkan terdapat dua alternatif tindakan, yaitu k = 1
(tidak dilakukan overhaul) dan k = 2 (dilakukan
overhaul).
 Fakultas
Rekayasa
Industri

Matriks probabilitas transisi dan matriks pendapatan

untuk k = 1 dan k = 2 adalah sebagai berikut

State bulan YAD

State 1 2 3
1 (baik) 2 (cukup) 3 (rusak)
pada
1 (Baik) 0.2 0.5 0.3 1 7 6 3
bulan ini R1 =
2 (cukup) 0 0.5 0.5 2 0 5 1
P1 =
3 (Rusak) 0 0 1 3 0 0 -1

State bulan YAD 1 2 3

State
1 (baik) 2 (cukup) 3 (rusak)
pada 1 6 5 -1
1 (Baik) 0.3 0.6 0.1 R2 =
bulan ini 2 7 4 0
2 (cukup) 0.1 0.6 0.3
P2 = 3 6 3 -2
3 (Rusak) 0.05 0.4 0.55
 Fakultas
Rekayasa
Industri

Misalkan jumlah stage (bulan) adalah m, sebanyak 3

bulan
Langkah 1: tetapkan vik
vik menyatakan ekspektasi pendapatan yang dihasilkan
dari suatu transisi tunggal dari state ke i pada alternatif k,
maka,

Untuk k = 1 (tidak dilakukan overhaul), diperoleh:

v1’ = 0,2 x 7 + 0,5 x 6 + 0,3 x 3 = 5,3
v 2’ = 0 x 0 + 0,5 x 5 + 0,5 x 1 = 3
v 3’ = 0 x 0 + 0x0 + 1 x (-1) = -1
 Fakultas

State bulan YAD

Rekayasa
Industri

State 1 2 3
1 (baik) 2 (cukup) 3 (rusak)
pada
1 (Baik) 0.2 0.5 0.3 1 7 6 3
bulan ini R1 =
2 (cukup) 0 0.5 0.5 2 0 5 1
P1 =
3 (Rusak) 0 0 1 3 0 0 -1

State bulan YAD 1 2 3

State
1 (baik) 2 (cukup) 3 (rusak)
pada 1 6 5 -1
1 (Baik) 0.3 0.6 0.1 R2 =
bulan ini 2 7 4 0
2 (cukup) 0.1 0.6 0.3
P2 = 3 6 3 -2
3 (Rusak) 0.05 0.4 0.55

vik i vi1 vi2

selengkapnya diperoleh: 1 5,3 4,7
2 3 3,1
3 -1 0,4
 Fakultas
Rekayasa
Industri

Langkah 2: tetapkan fn(i)

fn(i) menyatakan ekspektasi pendapatan optimum dari stage
n, n+1, …, N
Lakukanlah perhitungan mundur yang menghubungkan fn
dengan fn+1 dengan persamaan:

Maka penyelesaian soal tersebut adalah sebagai berikut:

Stage 3: vik Solusi optimum
i
k=1 k=2 f3(i) k*
1 5,3 4,7 5,3 1
2 3 3,1 3,1 2
3 -1 0,4 0,4 2
 Fakultas

State bulan YAD

Rekayasa
Industri

State
pada
1 (baik) 2 (cukup) 3 (rusak)
Stage 3:
1 (Baik) 0.2 0.5 0.3
bulan ini vik Solusi
2 (cukup) 0 0.5 0.5 i optimum
P1 =
3 (Rusak) 0 0 1 k=1 k=2 f3(i) k*
State bulan YAD 1 5,3 4,7 5,3 1
State
1 (baik) 2 (cukup) 3 (rusak) 2 3 3,1 3,1 2
pada
1 (Baik) 0.3 0.6 0.1 3 -1 0,4 0,4 2
bulan ini
2 (cukup) 0.1 0.6 0.3
P2 =
3 (Rusak) 0.05 0.4 0.55 Stage 2:
Vik + pi1k f3(1) + pi2k f3(2) + pi3k f3(3) Solusi Opt.
i
k=1 k=2 f2(i) k*
1 5,3 + (0,2 x 5,3) + (0,5 x 3,1) + 4,7 + (0,3 x 5,3) + (0,6 x 3,1)
8,19 2
(0,3 x 0,4) = 8,03 + (0,1 x 0,4) = 8,19
2 3 + (0 x 5,3) + (0,5 x 3,1) + 3,1 + (0,1 x 5,3) + (0,6 x 3,1)
5,61 2
(0,5 x 0,4) = 4,75 + (0,3 x 0,4) = 5,61
3 -1 + (0 x 5,3) + (0 x 3,1) + 0,4 + (0,05 x 5,3) + (0,4 x 3,1)
2,13 2
(1 x 0,4) = -0,6 + (0,55 x 0,4) = 2,13
 Fakultas

State bulan YAD Stage 3:

Rekayasa

State vik Solusi Industri

1 (baik) 2 (cukup) 3 (rusak) i optimum

pada
1 (Baik) 0.2 0.5 0.3 k=1 k=2 f3(i) k*
bulan ini
2 (cukup) 0 0.5 0.5 1 5,3 4,7 5,3 1
P1 =
3 (Rusak) 0 0 1 2 3 3,1 3,1 2
State bulan YAD 3 -1 0,4 0,4 2
State
1 (baik) 2 (cukup) 3 (rusak) Solusi Opt.
pada Stage 2: i
1 (Baik) 0.3 0.6 0.1 f2(i) k*
bulan ini
2 (cukup) 0.1 0.6 0.3 1 8,19 2
P2 =
3 (Rusak) 0.05 0.4 0.55 2 5,61 2

Stage 1: 3 2,13 2
Vik + pi1k f2(1) + pi2k f2(2) + pi3k f2(3) Solusi Opt.
i
k=1 k=2 f1(i) k*
1 5,3 + (0,2 x 8,19) + (0,5 x 5,61) 4,7 + (0,3 x 8,19) + (0,6 x 5,61)
10,74 2
+ (0,3 x 2,13) = 10,38 + (0,1 x 2,13) = 10,74
2 3 + (0 x 8,19) + (0,5 x 5,61) + 3,1 + (0,1 x 8,19) + (0,6 x 5,61)
7,92 2
(0,5 x 2,13) = 4,75 + (0,3 x 2,13) = 7,92
3 -1 + (0 x 8,19) + (0 x 5,61) + 0,4 + (0,05 x 8,19) + (0,4 x 5,61)
4,23 2
(1 x 2,13) = -0,6 + (0,55 x 2,13) = 4,23
 Fakultas
Rekayasa
Industri

Solusi optimum dari hasil perhitungan adalah:

• Bulan ke-1 dan bulan ke-2 harus melakukan
overhaul, tanpa memperhatikan state pada sistem.
• Bulan ke-3, overhaul dilakukan bila sistem berada
pada state 2 atau state 3.
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

MODEL PROGRAM DINAMIS DENGAN

STAGE TIDAK TERBATAS
Terdapat dua metode yang dapat digunakan dalam
menyelesaikan persoalan dengan stage tidak terbatas
1. Enumerasi sempurna
2. Policy Iteration
• Policy iteration tanpa potongan
• Policy iteration dengan potongan
 Fakultas
Rekayasa
Industri

Mengenumerasi seluruh stationary policy hingga

diperoleh solusi optimumnya.
Metode ini digunakan apabila jumlah total stationary
tidak terlalu besar sehingga masih dapat dihitung.
 Fakultas
Rekayasa
Industri

Misalkan suatu persoalan keputusan mempunyai

sejumlah S stationary policy dan diasumsikan bahwa
P dan R adalah matriks transisi (satu langkah) dan
matriks pendapatan yang berkaitan dengan policy
ke-k, s = 1, 2, ..., s.

Maka langkah-langkah enumerasinya adalah sbb:

…………………………
 Fakultas
Rekayasa
Industri

Langkah 1
S
Hitung harga Vi yaitu ekspektasi pendapatan satu
langkah (satu periode) dari policy S pada state i,

i = 1,2,3,...,
 Fakultas
Rekayasa
Industri

Langkah 2
Hitung  yaitu probabilitas steady stationary jangka
S
i
panjang dari matriks transisi P S yang berkaitan
dengan policy S.
Probabilitas ini jika ada dihitung dengan persamaan
 S PS   S
 1S   2S  ...   mS  1
Di mana   ( 1 ,  2 ,..., m  1)
S S S S
 Fakultas
Rekayasa
Industri

Langkah 3
S
Tentukan E yaitu ekspektasi pendapatan dari policy
s untuk setiap langkah transisi (periode) dengan
menggunakan persamaan
m
E S    iS Vi S
i 1
 Fakultas
Rekayasa
Industri

Langkah 4
Policy optimum S* ditentukan dengan:

E  maks E
S
S
 
S
 Fakultas
Rekayasa
Industri

Contoh:
Pada persoalan perbaikan mesin ada 8 stationary policy sbb:
Stationary
policy s Tindakan
1 Tidak melakukan overhaul sama sekali
2 Overhaul tanpa memperhatikan state
3 Overhaul jika sistem dalam state 1
4 Overhaul jika sistem dalam state 2
5 Overhaul jika sistem dalam state 3
6 Overhaul jika sistem dalam state 1 atau 2
7 Overhaul jika sistem dalam state 1 atau 3
8 Overhaul jika sistem dalam state 2 atau 3
 Fakultas
Rekayasa
Industri

Maka diperoleh:

1 2 3 1 2 3

1 0.2 0.5 0.3 1 7 6 3

P1= R1 =
2 0 0.5 0.5 2 0 5 1

3 0 0 1 3 0 0 -1
 Fakultas
Rekayasa
Industri

Maka diperoleh:

1 2 3 1 2 3

1 0.3 0.6 0.1 1 6 5 -1

P2= R2 =
2 0.1 0.6 0.3 2 7 4 0

3 0.05 0.4 0.55 3 6 3 -2

 Fakultas
Rekayasa
Industri

Maka diperoleh:
 Fakultas
Rekayasa
Industri

Maka diperoleh:

1 2 3 1 2 3

1 0.2 0.5 0.3 1 7 6 0.3

P4= R4 =
2 0.1 0.6 0.3 2 7 4 0

3 0 0 1 3 0 0 -1
 Fakultas
Rekayasa
Industri

Maka diperoleh:
1 2 3 1 2 3

1 0.2 0.5 0.3 1 7 6 3

P5= R5 =
2 0 0.5 0.5 2 0 5 1

3 0.05 0.4 0.55 3 6 3 -2

 Fakultas
Rekayasa
Industri

Maka diperoleh:

1 2 3 1 2 3

1 0.3 0.6 0.1 1 6 5 -1

P6= R6 =
2 0.1 0.6 0.3 2 7 4 0

3 0 0 1 3 0 0 -1
 Fakultas
Rekayasa
Industri

Maka diperoleh:
 Fakultas
Rekayasa
Industri

Maka diperoleh:

1 2 3 1 2 3

1 0.2 0.5 0.3 1 7 6 3

P8= R8=
2 0.1 0.6 0.3 2 7 4 0

3 0.05 0.4 0.55 3 6 3 -2

 Fakultas
Rekayasa
Industri

S
Langkah 1. Nilai V i dihitung sebagai berikut:
1 2 3
Contoh: perhitungan pada state 1 dengan
tindakan tidak melakukan overhaul sama 1 0.2 0.5 0.3
1
sekali, maka nilai V1 adalah P1=
2 0 0.5 0.5
V11  (0, 2  7)  (0,5  6)  (0,3  3)  5,3
3 0 0 1
V21  (0  0)  (0,5  5)  (0,5 1)  3
1 2 3 1 2 3
V31  (0  0)  (0  0)  (1 1)  1
1 0.2 0.5 0.3 1 7 6 3
P1= R1 =
Dengan cara yang sama, maka dapat
2 0 0.5 0.5 2 0 5 1
S
diketahui nilai Vi sebagai berikut 3: 0 0 1 3 0 0 -1
 Fakultas
Rekayasa
Industri

Langkah 1. Nilai V i S
Vi S
S
1 2 3
1 5,3 3 -1
2 4,7 3,1 0,4
3 4,7 3 -1
4 5,3 3,1 -1
5 5,3 3 0,4
6 4,7 3,1 -1
7 4,7 3 0,4
8 5,3 3,1 0,4
 Fakultas
Rekayasa
Industri

Langkah 2. Probabilitas stasioner dihitung dengan

persamaan  S P S   S
 1S   2S  ...   mS  1

Di mana  S  ( S ,  2S ,..., mS  1)
1

Sebagai contoh, untuk s = 2 maka diperoleh

1 2 3
0, 31  0,1 2  0, 05 3  1
0, 61  0, 6 2  0, 4 3   2 1 0.3 0.6 0.1
P2= R2
0,11  0, 3 2  0, 55 3   3 2 0.1 0.6 0.3
1   2   3  1
3 0.05 0.4 0.55
 Fakultas
Rekayasa
Industri

Langkah 2. Perhitungan probabilitas stasioner

Dengan menggunakan eliminasi atau substitusi maka
diperoleh:

 12  6 / 59
 22  31 / 59
 32  22 / 59
 Fakultas
Rekayasa
Industri

Langkah 3. Hitung ekspektasi pendapatan perbulan,

menjadi:
3
E 
2

i 1
 i2Vi 2
 6   31   22 
   4.7     3.1    0.4   2.256
 59   59   59 

S
Vi S  12  6 / 59
1 2 3
 22  31 / 59
1 5,3 3 -1
2 4,7 3,1 0,4  32  22 / 59
 Fakultas
Rekayasa
Industri

Langkah 3. Hitung ekspektasi pendapatan perbulan

Dengan cara yang sama, maka dapat diketahui nilai
 iS dan E S sebagai berikut:
 1s  2s  3s Es
1 0 0 1 -1
2 6/59 31/59 22/59 2,256
3 0 0 1 0,4
4 0 0 1 -1
5 5/154 69/154 80/154 1,72
6 0 0 1 -1
7 5/137 62/137 70/137 1,73
8 12/135 69/135 54/135 2,22
 Fakultas
Rekayasa
Industri

Langkah 4.
Policy Optimum S* ditentukan dengan:

 
Policy ES
E  maks E
S S
1 -1
S 2 2,256

Nilai ES maksimum terjadi pada 3 0,4

Policy 2 (overhaul tanpa 4 -1

memperhatikan state), maka dipilih 5 1,72

policy 2 sebagai keputusan 6 -1

optimum 7 1,73
8 2,22
 Fakultas
Rekayasa
Industri

Efisien dalam arti dapat mencapai solusi optimum

dalam jumlah iterasi yang kecil.
Dapat dibedakan menjadi:
• metode policy iteration tanpa potongan
• metode policy iteration potongan
 Fakultas
Rekayasa
Industri

Metode policy iteration didasarkan aturan

berikut:
1. Untuk satu policy tertentu, ekspektasi
pendapatan total stage pada n dinyatakan
oleh persamaan rekursif:
m
f n (i)  Vi   pij f n1 ( j )
j 1
di mana i = 1, 2, ..., m
 Fakultas
Rekayasa
Industri

2. Definisikan  sebagai banyaknya stage yang

diamati. Maka persamaan rekursifnya:
m
f (i)  Vi   pij f 1 ( j )
j 1

di mana i =1, 2, ..., m, f adalah ekspektasi

pendapatan kumulatif
 Fakultas
Rekayasa
Industri

3. Vektor probabilitas pada keadaan steady

state dari matriks transisi:
 S
 ( 1 ,  ,...,  )
S S
2
S
m
 Fakultas
Rekayasa
Industri

m
Ekspektasi pendapatan per stage: E S    iS Vi S
i 1

Untuk  yang sangat besar: f  E  f (i )

Sehingga persamaan rekursifnya menjadi:

m
E  f (i)  Vi   pij (  1) E  f ( j )
j 1
m
Atau E  Vi   pij f ( j )  f (i)
j 1

Tujuan: menentukan policy optimum dan E maksimum.

 Fakultas
Rekayasa
Industri

Proses iteratif terdiri atas dua komponen dasar yang disebut

langkah penentuan nilai dan langkah perbaikan
• Langkah Penentuan Nilai
Pilihlah suatu policy s secara sembarang.
Gunakan matriks Ps dan Rs Kemudian secara sembarang
asumsikan fs (m) = 0 selesaikan persamaan berikut:
m
E  Vi S   pijS f S ( j )  f S (i)
j 1
• Langkah Perbaikan Policy
Untuk setiap state i, tentukan alternatik k yang menghasilkan
 K m 
MaksVk   pij f ( j )
s
K
 j 1 
 Fakultas
Rekayasa
Industri

Contoh:
Selesaikan persoalan perbaikan mesin dengan metode
policy iteration, menetapkan policy secara sembarang.
Policy tidak melakukan overhaul. Matriks dari policy itu
adalah:
1 2 3 1 2 3

1 0,2 0,5 0,3 1 7 6 3

P1= R1 =
2 0 0,5 0,5 2 0 5 1

3 0 0 1 3 0 0 -1
 Fakultas
Rekayasa
Industri

Persamaan-persamaan dari langkah penentuan nilainya

adalah:
E + f(1) – 0,2 f(1) – 0,5 f(2) – 0,3 f(3) = 5,3
E + f(2) – 0,5 f(2) – 0,5 f(3) = 3
E + f(3) – 1 f (3) = -1
 Fakultas
Rekayasa
Industri

Persamaan-persamaan dari langkah penentuan nilainya

adalah: m
E  Vi S   pijS f S ( j )  f S (i)
j 1

E + f(1) – 0,2 f(1) – 0,5 f(2) – 0,3 f(3) = 5,3

E + f(2) – 0,5 f(2) – 0,5 f(3) = 3
E + f(3) – 1 f (3) = -1

Sembarang f(3) = 0, maka:

E = -1, f(1) = 12,88 , f(2) = 8, f(3) = 0
 Fakultas
Rekayasa
Industri

Berikutnya adalah langkah perbaikan policy.

Perhitungannya adalah:
 Fakultas
Rekayasa
Industri

Policy yang baru adalah melakukan overhaul tanpa

memperhatikan state. Karena policy ini berbeda dari
semula (tidak melakukan overhaul), maka langkah
penentuan nilai harus diulangi.
Matriks dari policy yang baru adalah:
1 2 3 1 2 3

1 0,3 0,6 0,1 1 6 5 -1

P2= R2 =
2 0,1 0,6 0,3 2 7 4 0

3 0,05 0,4 0,55 3 6 3 -2

 Fakultas
Rekayasa
Industri

Matriks ini akan memberikan persamaan:

E + f(1) – 0,3 f(1) – 0,6 f(2) – 0,1 f(3) = 4,7
E + f(2) – 0,1 f(1) – 0,6 f(2) – 0,3 f(3) = 3,1
E + f(3) – 0,05 f(1) – 0,4 f(2) – 0,55 f(3) = 0,4

Sembarang f(3) = 0, maka:

E = 2,26, f(1) = 6,75, f(2) = 3,79, f(3) = 0
 Fakultas
Rekayasa
Industri

Perhitungan perbaikan policy:

 Fakultas
Rekayasa
Industri

Metode yang dijelaskan dapat diperluas dengan

memasukkan faktor potongan. Jika faktor potongan
itu adalah α (<1) maka persamaan rekursif untuk
stage yang terbatas dinyatakan dengan:
m
f (i)  Maks{Vi K    pijk f 1 ( j )}
K
j 1
 Fakultas
Rekayasa
Industri

• Langkah Penentuan Nilai

Pilihlah suatu policy s secara sembarang.
Gunakan matriks Ps dan Rs selesaikan m
persamaan berikut:
m
f S
(i )  Vi    pijS f ( j )
S

j 1
 Fakultas
Rekayasa
Industri

• Langkah Perbaikan Policy

Untuk setiap state i tentukan alternatif k yang
menghasilkan:
 K m 
MaksVk    pij f ( j )
S s
K
 j 1 
dimana i = 1, 2, ..., m
Dimana fs (j) adalah hasil yang diperoleh pada
langkah penentuan nilai. Jika policy t yang
dihasilkan sama dengan s, stop; t adalah policy
optimum. Jika tidak, tetapkan s=t, dan kembali
pada langkah penentuan nilai.
 Fakultas
Rekayasa
Industri

Contoh
Selesaikan persoalan perbaikan mesin dengan metode
policy iteration yang menggunakan faktor potongan 0,6
Mulai dengan sembarang policy s = 1, 1, 1 yaitu tidak
melakukan overhaul sama sekali
Matrik P dan R nya
1 2 3 1 2 3

1 0,2 0,5 0,3 1 7 6 3

P= R=
2 0 0,5 0,5 2 0 5 1

3 0 0 1 3 0 0 -1
 Fakultas
Rekayasa
Industri

Sehingga diperoleh persamaan

f(1) -0,6 { 0,2 f(1) + 0,5 f(2) + 0,3 f(3) } = 5,3
f(2) – 0,6 { 0,5 f(2) + 0,5 f(3) } = 3
f (3) -0,6 { f(3) } = -1
Solusinya :
f(1) = 6,6, f(2) = 3,21; f(3) = -2,5
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

Kembali kepada langkah penentuan nilai dengan

matriks
1 2 3 1 2 3

1 0,3 0,6 0,1 1 6 5 -1

P= R=
2 0,1 0,6 0,3 2 7 4 0

3 0,05 0,4 0,55 3 6 3 -2

 Fakultas
Rekayasa
Industri

Berdasarkan matriks probabilitas, maka diperoleh persamaan-

persamaan berikut:
f(1) – 0,6[0,3 f(1) + 0,6f(2) + 0,1f(3)] = 4,7
f(2) – 0,6[0,1 f(1) + 0,6f(2) + 0,3f(3)] = 3,1
f(3) – 0,6[0,05 f(1) + 0,4f(2) + 0,55f(3)] = 0,4
Dengan solusi:
f(1) = 8,88 f(2) = 6,62 f(3) = 3,37
Langkah perbaikan policy
i Vik + pi1k f(1) + pi2k f(2) + pi3k f(3) Solusi Opt.
k=1 k=2 f2(i) k*
1 5,3 + 0,6 [0,2 x 8,88 + 0,5 x 4,7 + 0,6 [0,3 x 8,88 + 0,6 x 8,95 1
6,62 + 0,3 x 3,37] = 8,95 6,62 + 0,1 x 3,37] = 8,88
2 3 + 0,6 [0 x 8,88 + 0,5 x 6,62 3,1 + 0,6 [0,1 x 8,88 + 0,6 x 6,62 2
+ 0,5 x 3,37] = 5,99 6,62 + 0,3 x 3,37] = 6,62
3 -1 + 0,6 [0 x 8,88 + 0x 6,62 0,4 + 0,6 [ 0,05 x 8,88 + 0,4 x 3,37 2
+ 1 x 3,37] = 1,02 6,62 + 0,55 x 3,37] = 3,37
 Fakultas
Rekayasa
Industri

Karena policy pada tahap ini berbeda dengan policy

tahap sebelumnya, maka langkah penentuan nilai
diulangi dengan matriks P dan R sebagai berikut:

Diperoleh persamaan-persamaan:
f(1) – 0,6[0,2 f(1) + 0,5f(2) + 0,3f(3)] = 5,3
f(2) – 0,6[0,1 f(1) + 0,6f(2) + 0,3f(3)] = 3,1
f(3) – 0,6[0,05 f(1) + 0,4f(2) + 0,55f(3)] = 0,4
Dengan solusi:
f(1) = 8,98 f(2) = 6,62 f(3) = 3,37
 Fakultas
Rekayasa
Industri

Langkah perbaikan policy

i Vik + pi1k f(1) + pi2k f(2) + pi3k f(3) Solusi Opt.
K=1 K=2 f2(i) K*
1 5,3 + 0,6[0,2 x 8,98 + 0,5 x 4,7 + 0,6[0,3 x 8,98 + 0,6 8,98 1
6,63 + 0,3 x 3,38] = 8,98 x 6,63 + 0,1 x 3,38] = 8,91
2 3 + 0,6[0 x 8,98 + 0,5 x 3,1 + 0,6[0,1 x 8,98 + 0,6 6,63 2
6,63 + 0,5 x 3,38] = 6,00 x 6,63 + 0,3 x 3,38] = 6,63
3 -1 + 0,6[0 x 8,98 + 0x 6,63 0,4 + 0,6[ 0,05 x 8,98 + 3,37 2
+ 1 x 3,38] = 1,03 0,4 x 6,63 + 0,55 x 3,38] =
3,37

Karena policy baru sama dengan policy sebelumnya,

maka policy ini optimum
 Fakultas
Rekayasa
Industri

Bila policy berbeda dari policy sebelumnya, maka

langkah penentuan nilai diulang dengan matrik P dan
R sebagai berikut:
1 2 3 1 2 3

1 0,2 0,5 0,3 R 1 7 6 3

P=
2 0,1 0,6 0,3 = 2 7 4 0

3 0,05 0,4 0,55 3 6 3 -2

Bila policy baru ini identik dengan policy sebelumnya,

maka policy ini optimum
Fakultas
Rekayasa
Industri
 Fakultas
Rekayasa
Industri

LATIHAN SOAL PROBABILITAS

TRANSISI (1)
Di kota Bandung ada 3 restoran bebek goreng: Ryan, Ika, dan
Subhan dengan jumlah pelanggan 7000 orang.
Hasil penelitian bulan pertama dan kedua didapat data sebagai
berikut:

Pelanggan
Resto
Bulan 1 Bulan 2
Ryan 2000 2100
Ika 4000 3300
Subhan 1000 1600
Jumlah 7000 7000
 Fakultas
Rekayasa
Industri

LATIHAN SOAL PROBABILITAS

TRANSISI (1)
Pergerakan pelanggan dari resto satu ke resto lain
ditunjukkan dalam tabel:
Bulan ke-2
Bulan ke-1 Jumlah
Ryan Ika Subhan
Ryan 1600 200 200 2000
Ika 400 2800 800 4000
Subhan 100 300 600 1000
Jumlah 2100 3300 1600 7000

Hitunglah matriks probabilitas transisinya!

Tentukan matriks probabilitas transisi P16!
 Fakultas
Rekayasa
Industri

LATIHAN SOAL PROBABILITAS

TRANSISI (2)

Pemilik jasa angkutan barang mempunyai probabilitas

narik atau mogok pada esok hari adalah:
P(narik/narik) = 0,7 P(narik/mogok) = 0,6
P(mogok/narik)= 0,3 P(mogok/mogok)= 0,4

Tentukan probabilitas narik dan probabilitas mogok

pada hari ke-4?
 Fakultas
Rekayasa
Industri

LATIHAN SOAL
METODE ENUMERASI SEMPURNA
Sebuah perusahaan sedang memikirkan media massa
di antara Radio, TV, atau Koran yang sebaiknya
digunakan untuk media advertensinya. Perusahaan
dapat mengklasifikasikan volume penjualan per
minggunya sebagai:
1.Cukup
2.Baik
3.Sangat memuaskan
 Fakultas
Rekayasa
Industri

LATIHAN SOAL
METODE ENUMERASI SEMPURNA
Probabilitas transisi untuk ketiga media advertensinya di
ketahui sebagai berikut:

1 2 3 1 2 3 1 2 3

1 0,3 0,4 0,1 1 0,2 0,4 0,2 1 0,6 0,2 0,1

Radio Koran TV
2 0,1 0,6 0,2 2 0,1 0,6 0,2 2 0,2 0,5 0,1

3 0,1 0,2 0,6 3 0 0,1 0,7 3 0,1 0,6 0,2

 Fakultas
Rekayasa
Industri

LATIHAN SOAL
METODE ENUMERASI SEMPURNA
Sedangkan penghasilan per minggunya apabila
melakukan advertensi pada masing-masing media
adalah
1 2 3 1 2 3 1 2 3

1 4 5,2 6 1 4 5,3 7,1 1 10 13 16

Radio Koran TV
2 3 4 7 2 3,5 4,5 8 2 8 10 17

3 2 2,5 5 3 2,5 4 6,5 3 6 7 11

Dengan menggunakan metode Enumerasi Sempurna,

media manakah yang akan diambil?