ANALISIS MARKOV

A. Karakteristik Analisis Markov

Analisis Markov seperti analisis keputusan merupakan suatu
teknik probabilitas. Tetapi analisis Markov tdk memberi
keputusan rekomendasi. Sbg gantinya, analisis Markov
memberikan informasi probabilitas mengenai situasi
keputusan yg dpt membantu pengambil keputusan utk
membuat keputusan.
Analisis Markov dpt digunakan utk menganalisis sejumlah
situasi keputusan yg berbeda; satu diantara aplikasi yg
paling populer adalah analisis perpindahan merek yg
dilakukan oleh pelanggan.
Analisis Markov memberikan informasi mengenai probabilitas
perpindahan pelanggan dari satu merek ke merek lain.
Contoh:
Suatu komunitas kecil memiliki 2 pompa bensin yaitu Petroco dan
National. Penduduk komunitas tsb membeli bensin pd kedua pompa
bensin tsb atas dasar bulanan.
Bgn pemasaran Petroco mengadakan survei thdp sejumlah penduduk
dan menemukan bahwa pelanggan tdk setia sepenuhnya terhadap
pompa bensin manapun.
Bgn pemasaran menemukan bahwa jika seorang pelanggan membeli
bensin dari Petroco di bulan apapun, probabilitas yg ada hanya
sebesar 0,60, bahwa pelanggan tsb akan tetap membeli dari Petroco
di bulan berikutnya dan 0,40 bahwa pelanggan tsb akan membeli
bensin dari National di bulan berikutnya.
Dmkn juga jika seorang pelanggan mengadakan transaksi dgn
National di suatu bulan, terdapat probabilitas sebesar 0,80 bahwa
pelanggan tsb akan membeli dari Nasional di bulan berikutnya dan
0,20 bahwa pelanggan tsb akan membeli dari Petroco.
Probabilitas-probabilitas ini dirangkum dal tabel 5.1
 Bulan Berikutnya
Bulan Ini Petroco National

Petroco 0,60 0,40

National 0,20 0,80
Contoh ini mengandung beberapa asumsi penting yg
merupakan terminologi Markov yaitu:
Pertama, jlh prob tiap brs = 1.
Kedua, prob-prob dlm tabel di atas berlaku utk
setiap pelanggan yg membeli bensin.
Ketiga, prob-prob dlm tabel di atas tetap sepanjang waktu.
Keempat, kejadian-kejadian yg terjadi merupakan kejadian yg
berdiri sendiri sepanjang waktu.
Dlm terminologi Markov, pompa bensin yg melakukan
transaksi dgn seorang pelanggan dlm satu bln ttt dsbt
keadaan sistem (state of the system), sama dgn kondisi dasar
(state of nature).
Jadi cth ini mengandung 2 keadaan sistem : seorang
pelanggan akan membeli bensin dari Petroco atau Nasional
dlm satu bln ttt.
B. Matriks Transisi
Prob pergerakan pelanggan dari satu pompa bensin ke pompa
bensin lain dlm periode satu bln, dpt juga ditampilkan dlm
bentuk susunan angka berbentuk empat persegi panjang yg
dsbt matriks, seperti ditunjukkan di bawah ini.
Bulan Pertama Bulan Berikutnya
Petroco Nasional
Petroco 0,60 0,40
T=
Nasional 0,20 0,80

Matriks T di atas dsbt matriks transisi.

Beberapa simbol baru akan diperlukan dlm analisis Markov yg
menggunakan matriks aljabar. Kita akan menetapkan
probabilitas transaksi seorang pelanggan dgn Petroco dlm
periode i, dgn asumsi bahwa pd awalnya pelanggan tsb
melakukan transaksi dgn Petroco sbb:

Probabilitas transaksi Periode mendatang i

dgn Petroco

Pp(i)

Keadaan awal Petroco

Dmkn juga halnya, prob transaksi seorang pelanggan dgn
Nasional pd periode i, dgn asumsi pelanggan tsb pd awalnya
melakukan transaksi dgn Petroco adalah:

Probabilitas transaksi Periode mendatang i

dgn Nasional

Np(i)

Keadaan awal Petroco

Sbg contoh, probabilitas transaksi seorang pelanggan dgn Nasional di
bln 2, dgn asumsi pelanggan tsb pd awalnya melakukan trnsaksi dgn
Petroco. Np(2)
Dgn kata lain, prob transaksi pelanggan dgn Petroco di bulan 1, dgn
asumsi pelanggan tsb melalkukan transaksi dgn Petroco adalah 1,0.
Probabilitas –probabilitas ini juga dpt disusun dlm bentuk
matriks sbb:

Pp(1) Np(1) = (1,0 0,0 )

Matriks ini menentukan kondisi awal dari cth kita, dgn asumsi
seorang pelanggan pd awalnya melakukan transaksi dgn
Petroco. Kita dpt menentukan probabilitas berikutnya atas
transaksi pelanggan dgn Petroco atau Nasional pd bln 2 dgn
mengalikan matriks di atas dgn matriks transisi, sbb:
0,6 0,4
Bulan2: [Pp(2) Np(2)]= [1,0 0,0] = [0,6 0,4]
0,2 0,8
Prosedur yg sama digunakan utk menentukan probabilitas
bulan 3, namun skrg matriks transisi dikalikan dgn matriks
bulan 2.
 0,60 0,40
Bulan3: [Pp(3) Np(3)]= [0,60 0,40] = [0,44 0,56]
0,20 0,80
0,60 0,40
Bulan4: [Pp(4) Np(4)]= [0,44 0,56] = [0,38 0,62]
0,20 0,80
Probabilitas keadaan utk beberapa bulan yg berurutan adalah sbb:
Bulan5: [Pp(5) Np(5)]= [0,36 0,65]
Bulan6: [Pp(6) Np(6)]= [0,34 0,66]
Bulan7: [Pp(7) Np(7)]= [0,34 0,66]
Bulan8: [Pp(8) Np(8)]= [0,33 0,67]
Bulan9: [Pp(9) Np(9)]= [0,33 0,67]
Perhatikan bahwa sementara kita bergerak terus ke arah masa yad,
perubahan dlm probabilitas keadaan menjadi semakin kecil hingga
akhirnya tdk terdapat perubahan sama sekali.
Utk cth ini, probabilitas keadaan yg muncul setelah bulan i adalah
[Pp(i) Np(i)]= [0,33 0,67]
Analisis yg sama dpt dilakukan dgn asumsi keadaan awal
dimana pada mulanya pelanggan melakukan transaksi dgn
Nasional di bln ke 1.
Pn(1) Nn(1) = (0,0 1,0 )
Dgn menggunakan probabilitas keadaan awal ini, kita dpt
menghitung probabilitas keadaan masa datang sbb:
0,60 0,40
Bulan2: [Pn(2) Nn(2)]= [0,0 1,0] = [0,20 0,80]
0,20 0,80

0,60 0,40
Bulan3: [Pn(3) Nn(3)]= [0,20 0,80] = [0,28 0,72]
0,20 0,80

Probabilitas keadaan berikutnya , dihitung dgn cara yg sama,

ditunjukkan berikut ini:
 Bulan4: [Pn(4) Nn(4)]= [0,31 0,69]
Bulan5: [Pn(5) Nn(5)]= [0,32 0,68]
Bulan6: [Pn(6) Nn(6)]= [0,33 0,67]
Bulan7: [Pn(7) Nn(7)]= [0,33 0,67]
Bulan8: [Pn(8) Nn(8)]= [0,33 0,67]
Bulan9: [Pn(9) Nn(9)]= [0,33 0,67]

Seperti dlm kasus sebelumnya di mana Petroco merupakan keadaan

awal, probabilitas-probabilitas keadaan ini dpt menjadi konstan setelah
beberapa periode. Namum perhatikan bahwa probabilitas keadaan
akhir Yaitu (0,33 dan 0,67) yg dicapai ketika Nasional (merupakan
keadaan awal), persis = prob keadaan sebelumnya yg dicapai ketika
Petroco merupakan keadaan awal. Dgn kata lain, probabilitas yg
berakhir pd keadaan ttt di masa mendatang tdk tergantung pd keadaan
awal.
C. Probabilitas Keadaan Tetap ( Steady-State)
Prob keadaan tetap (0,33 dan 0,67 pd cth di atas), merupakan
probabilitas rata-rata bahwa suatu sistem akan berada dlm
keadaan ttt setelah sejumlah besar periode transisi.
Hal ini tdk berarti bahwa sistem tsb akan tetap dlm satu
keadaan. Ia akan terus berpindah dari keadaan satu ke
keadaan lain di periode mendatang, namun prob rata-rata
perpindahan dari satu keadaan ke keadaan lain utk seluruh
periode tetap konstan dlm j.panjang.
Dlm konsep Markov, setelah jlh periode berlalu, probabilitas
akan mencapai keadaan tetap. Utk cth di atas, probabilitas
keadaan tetapnya adalah:
0,33=prob transaksi pelanggan dgn Petrco dlm sejumlah bln
di masa dtg, tanpa tergantung dgn siapa pelanggan
melakukan transaksi di bulan 1.
0,67=prob transaksi pelanggan dgn Nasional dlm sejumlah bln
di masa dtg, tanpa tergantung dgn siapa pelanggan
melakukan transaksi di bulan 1.
Cara lain (lbh singkat) utk menghitung prob keadaan tetap adalah dgn
menggabungkan operasi-operasi tsb ke dlm satu matriks sbb:
Pp(2) Np(2) 1 0 0,60 0,40 0,60 0,40
Bulan2: = = =
Pn(2) Nn(2) 0 1 0,20 0,80 0,20 0,80

Pp(3) Np(3) 0,60 0,40 0,60 0,40 0,44 0,56

Bulan3: = = =
Pn(3) Nn(3) 0,20 0,80 0,20 0,80 0,28 0,72

Pp(4) Np(4) 0,44 0,56 0,60 0,40 0,38 0,62

Bulan4: = = =
Pn(4) Nn(4) 0,28 0,72 0,20 0,80 0,31 0,69
Sampai akhirnya kita sampai pd probabilitas keadaan tetap
Pp(9) Np(9) 0,33 0,67
Bulan9: = =
Pn(9) Nn(9) 0,33 0,67
Penentuan Probabilitas Keadaan Tetap
Dari pembahasan di atas dpt kita lihat bahwa setelah 8
periode probabilitas keadaan tdk berubah dari periode ke
periode. O k I dpt dikatakan bahwa setelah jlh periode di
masa datang (dlm cth 8), probabilitas keadaan pd periode i =
probabilitas keadaan pd periode i+1.
[Pp(8) Np(8)] = [Pp(9) Np(9)]
Dlm kenyataannya kita tdk perlu menunjuk periode mana di
masa datang yg benar –benar terjadi. Maka
[Pp Np] = [Pp Np]
dgn asumsi, kondisi keadaan tetap.
Probabilitas-probabilitas ini berlaku utk beberapa periode i di
masa datang begitu suatu saat keadaan tetap telah tercapai.
Utk menentukan probabilitas keadaan periode i+1, kita akan
mengikuti perhitungan berikut:
0,60 0,40
[Pp(i+1) Np(i+1)] = [Pp(i) Np(i)]
0,20 0,80
Walaupun dmkn, kita telah menyatakan bahwa ketika
keadaan tetap telah dicapai, maka
[Pp(i+1) Np(i+1)] = [Pp(i) Np(i)]
dan kita tdk perlu menunjuk periode terjadinya. O k i,
perhitungan kita dpt ditulis kembali sebagai,
0,60 0,40
[Pp Np] = [Pp Np]
0,20 0,80
Operasi matriks akan menghasilkan persamaan berikut:
Pp = 0,6 Pp + 0,2Np
Np = 0,4Pp + 0,8Np
Ingat bahwa jlh probabilitas transisi utk baris dlm matriks
transisi hrs = 1,0, maka Pp + Np = 1,0 atau Np = 1,0 – Pp
Dgn memasukkan nilai ini ke persamaan pertama di atas
(Pp = 0,6 Pp + 0,2Np) akan kita peroleh hasil berikut:
Pp = 0,6 Pp + 0,2(1,0 – Pp)
= 0,6 Pp + 0,2 – 0,2Pp
= 0,2 + 0,4Pp
0,6 Pp = 0,2
Pp = 0,2/0,6 =0,33
dan Np = 1,0 – Pp = 1,0 – 0,33 = 0.67.
Penerapan Probabilitas Keadaan Tetap
Probabilitas-probabilitas keadaan tetap tdk hanya
menandakan probabilitas transaksi seorang pelanggan, tetapi
juga persentase pelanggan yg akan melakukan transaksi
selama bln ttt dlm j.panjang.
Contoh:
Jika terdapat 3000 pembeli bensin dlm suatu komunitas,
maka dlm j.panjang jlh ekspektasi berikut ini akan membeli
bensin pd setiap pompa bensin per bulannya.
Petroco: Pp(3000)=0,33(3000) = 990 pelanggan
Nasional: Np(3000)=0,67(3000)=2010 pelanggan
Sekarang anggaplah bahwa Petroco telah menetapkan bahwa
ia memperoleh pangsa pasar lebih sedikit dari yg selayaknya
shg ia ingin meningkatkan pangsa pasarnya. Utk mencapai
tujua ini, Petroco telah meningkatkan pelayanannya, dan
sebuah survei mengatakan bahwa prob. transisi tlh berubah
menjadi seperti di bawah ini.
Bulan Pertama Bulan Berikutnya
Petroco Nasional
Petroco 0,70 0,30
P=
Nasional 0,20 0,80
Dgn kata lain peningkatan pelayanan tsb telah menghasilkan
prob yg lbh besar (0,70), di mana pelanggan yg pd awalnya
melalkukan transaksi dgn Nasional aka pindah ke Petroco di
bln berikutnya.
Skrg kita menghitung kembali probabilitas keadaan tetap
berdasarkan matriks yg baru ini.
0,70 0,30
[Pp Np] = [Pp Np]
0,20 0,80
 Pp = 0,7Pp + 0,2Np
Np= 0,3Pp + 0,8Np
Dgn menggunakan persamaan pertama dan kenyataan bahwa
Np = 1,0 – Pp, kita dapatkan:
P = 0,7 Pp + 0,2(1,0 – Pp)
= 0,7 Pp + 0,2 – 0,2 Pp
0,5Pp = 0,2
Pp = 0,2/0,5 =0,4
dan o k i, Np = 1 - Pp = 1 – 0,4 = 0,6
Hal itu berarti bahwa dari 3000 pelanggan tsb, skrg Petroco
memperoleh 1200 pelanggan (0,4x3000) pd bln manapun dlm
j.panjang. Jadi, peningkatan dlm pelayanan akan
menghasilkan peningkatan sebesar 210 pelanggan per bulan
( jika prob.transisi yg baru tetap konstan utk j.waktu yg lama
di masa datang.