ANALISIS MARKOV

TPK TM 14
 Apakah Analisis Markov

– Merupakan suatu teknik probabilitas.

– Merupakan suatu teknik deskripsi. Yaitu tidak memberi
keputusan rekomendasi, tetapi memberikan informasi
probabilitas mengenai situasi keputusan yg dpt membantu
pengambil keputusan utk membuat keputusan.
– Diterapkan pd sistem yg menampilkan pergerakan probabilitas
dr satu keadaan ke keadaan lainnya.
– Contoh:
• Utk menentukan probabilitas bahwa sebuah mesin hari ini dpt
beroperasi dan keesokan harinya rusak.
• Seorang pelanggan akan mengganti merek di satu bulan ke bulan
berikutnya (contoh ini disebut sbg masalah “perpindahan merek”).
 Analisis Markov
• Contoh Analisis Perpindahan Merek:
– Suatu kota kecil memiliki 2 pompa bensin: Petroco & Nasional
– Penduduk kota membeli bensin bulanan.
– Dari hasil survei Petroco thd penduduk kota diperoleh temuan:
• Pelanggan tdk setia sepenuhnya pd pompa bensin manapun, perpindahan
tsb akibat dr adanya periklanan, pelayanan dll.
• Jika pelanggan membeli bensin di Petroco di bulan apapun, probabilitas pd
bulan berikutnya tetap membeli di Petroco sebesar 0,60 dan 0,40 bahwa
pelanggan tsb akan membeli di Nasional.
• Jika pelanggan membeli bensin di Nasional di bulan apapun, probabilitas pd
bulan berikutnya tetap membeli di Nasional sebesar 0,80 dan 0,20 bahwa
pelanggan tsb.

Bulan berikutnya
Bulan ini Petroco Nasional Probabilitas Transisi

Petroco 0,60 0,40

 Karakteristik Analisis Markov

Dalam contoh ttg perpindahan merek mengandung bbrp

asumsi penting, yg kemudian disebut karakteristik
analisis markov:
• Jumlah probabilitas transisi utk suatu awal keadaan dr
suatu sistem tertentu sama dengan 1.
• Probabilitas-probabilitas tsb berlaku utk semua
partisipan dlm sistem.
• Probabilitas transisi konstan sepanjang waktu.
• Keadaan mrpk keadaan yg independen sepanjang
waktu.
 Informasi Analisis Markov

Informasi apa yg diberikan oleh analisis markov?

• Yg paling jelas tersedia adalah probabilitas berada dlm suatu
keadaan di masa yg akan datang. (didapatkan dr diagram pohon)
Sebagai contoh, misal kedua pompa bensin tsb ingin mengetahui probabilitas
seorang pelanggan melakukan transaksi dlm bulan ketiga dg asumsi bahwa
pelanggan tsb melakukan transaksi dg mereka bulain ini (1).
Analisis ini dpt dilakukan utk masing2 pompa bensin dg menggunakan
diagram pohon.

SOLUSI
 Informasi Analisis Markov
Solusi:
• Menentukan probabilitas seorang pelanggan melakukan transaksi dg
Petroco di bulan 3 dg melihat kenyataan bahwa pd bulan 1 ia melakukan
transaksi dg Petroco.
Bulan 1 Bulan 2 Bulan 3
Petroco
0,60 Petroco:
0,36
Petroco 0,40 0,36+0,08=0,44
0,60 Nasional
Petroco
0,24
0,40
0,20 Petroco
Nasional Nasional:
0,80 0,08 0,24+0,32=0,56
Nasional
0,32
Probabilitas keadaan di masa datang berdasarkan
transaksi pelanggan dg Petroco
 Informasi Analisis Markov
Solusi:
• Menentukan probabilitas seorang pelanggan melakukan transaksi dg
Nasional di bulan 3 dg melihat kenyataan bahwa pd bulan 1 ia melakukan
transaksi dg Nasional.
Bulan 1 Bulan 2 Bulan 3
Petroco
0,60 Petroco:
0,12
Petroco 0,40 0,12+0,16=0,28
0,20 Nasional
Nasional
0,08
0,80
0,20 Petroco
Nasional Nasional:
0,80 0,16 0,08+0,64=0,72
Nasional
0,64
Probabilitas keadaan di masa datang berdasarkan
transaksi pelanggan dg Nasional
 Informasi Analisis Markov

Solusi:
• Ringkasan
Probabilitas transaksi di:

Bulan 3
Bulan ini Petroco Nasional Jumlah

Petroco 0,44 0,56 1

Nasional 0,28 0,72 1
 Matriks Transisi

• Apakah?
– Matriks transisi adalah matriks yg berisi probabilitas transisi
– Bentuk matriksnya (contoh pompa bensin) sbb.

Bulan pertama Bulan berikutnya

Petroco Nasional

Petroco 0,6 0,4

Nasional 0,2 0,8
 Matriks Transisi

• Notasi probabilitas markov

– Pp(i) = probabilitas transaksi seorang pelanggan dg Petroco pd
periode i, dg asumsi ia pd awalnya melakukan transaksi dg
Petroco.
– Np(i) = probabilitas transaksi seorang pelanggan dg Nasional pd
periode i, dg asumsi ia pd awalnya melakukan transaksi dg
Petroco.
– Pn(i) = probabilitas transaksi seorang pelanggan dg Petroco pd
periode i, dg asumsi ia pd awalnya melakukan transaksi dg
Nasional.
– Nn(i) = probabilitas transaksi seorang pelanggan dg Nasional pd
periode i, dg asumsi ia pd awalnya melakukan transaksi dg
Nasional.
 Matriks Transisi

• Petroco sbg keadaan awal (bulan 1):

– Pp(1) = 1,0.
– Np(1) = 0,0.
• Matriks pobabilitasnya:
– Pp(1) Np(1) = [1,0 0,0] matriks ini mrpk kondisi awal dr
sistem
– Utk menghitung probabilitas transaksi seorang pelanggan pd bulan
berikutnya dg menggunakan perkalian matriks, antara matriks di atas dg
matriks transisi.
0,6 0,4
 Bulan2: [P (2) N (2)] = [1,0 0,0]
• p p 0,2 0,8
= [0,6 0,4]
 Bulan3: [Pp(3) Np(3)] = [0,6 0,4] 0,6 0,4 = [0,44 ,56]
0,2 0,8
 Matriks Transisi

0,6 0,4
– Bulan4: [Pp(4) Np(4)] = [0,44 0,56]
0,2 0,8
= [0,38 0,62]

– 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]

dst

– Bulan i: [Pp(i) Np(i)] = [0,33 0,67]

 Matriks Transisi

• Nasional sbg keadaan awal (bulan 1):

– Pn(1) = 0,0.
– Nn(1) = 1,0.
• Matriks pobabilitasnya:
– Pn(1) Nn(1) = [0,0 1,0] matriks ini mrpk kondisi awal dr
sistem
– Utk menghitung probabilitas transaksi seorang pelanggan pd bulan
berikutnya dg menggunakan perkalian matriks, antara matriks di atas dg
matriks transisi.
0,6 0,4
– Bulan2: [Pn(2) Nn(2)] = [0,0 1,0]
0,2 0,8
= [0,2 0,8]

0,6 0,4
– Bulan3: [Pn(3) Nn(3)] = [0,2 0,8] = [0,28 0,72]
0,2 0,8
 Matriks Transisi

– Bulan4: [Pn(4) Nn(4)] = [0,28 0,72] 0,6 0,4

0,2 0,8
= [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]

dst

– Bulan i: [Pn(i) Nn(i)] = [0,33 0,67]

 Matriks Transisi

– Petroco sbg kondisi awal: Bulan i: [Pp(i) Np(i)] = [0,33 0,67]

– Nasional sbg kondisi awal: Bulan i: [Pn(i) Nn(i)] = [0,33 0,67]

– Dari hasil di atas, walaupun kondisi awalnya berbeda ternyata

hasil akhirnya sama.
– Artinya probabilitas yg berakhir pd suatu keadaan di masa
datang tdk bergantung pd keadaan awalnya.
• Probabilitas pelanggan akan melakukan transaksi dg
Petroco di masa datang sebesar 0,33
• Probabilitas pelanggan akan melakukan transaksi dg
Nasional di masa datang sebesar 0,67
 Probabilitas Keadaan-Tetap (Steady-State)

• Apakah?
– Probabilitas rata-rata bahwa suatu sistem akan berada dlm keadaan
tertentu (probabilitas konstan) di masa datang.
– Pd contoh pompa bensin, 0,33 dan 0,67 mrpk probabilitas keadaan
tetap (steady-state).

• Penentuan Probabilitas Keadaan-Tetap

0,6 0,4
– [Pp Np] = [Pp Np] 0,2 0,8

– Pp = 0,6 Pp + 0,2 Np
– Np = 0,4 Pp + 0,8 Np
– Ingat bahwa Pp + Np = 1
Probabilitas Keadaan-Tetap (Steady-State)

• Penerapan Probabilitas Keadaan-Tetap

– Jika jumlah pelanggan di kota tsb sebanyak 3000,
maka jumlah pelanggan per bulannya dalam jangka
panjang untuk masing-masing pompa bensin adalah:
– Petroco: Pp (3000) = 0,33 (3000) = 990 pelanggan
– Nasional: Np (3000) = 0,67 (3000) = 2.010 pelanggan
 Bulan 1 Bulan 2 Bulan 3

0,60 Petroco
0,36
Petroco
0,40 Nasional
0,60
0,24
Petroco
0,40 0,20 Petroco
0,08
Nasional
0,80 Nasional
0,32
 II. Probabilitas Transisi dan Contoh Kasus
• Probabilitas Transisi adalah perubahan dari satu
status ke status yang lain pada periode (waktu)
berikutnya dan merupakan suatu proses
random yang dinyatakan dalam probabilitas.

Tabel 1 : Matriks Kemungkinan

Transisi
• n = jumlah keadaan dalam proses

• Pij = kemungkinan transisi dari keadaan saat i ke keadaan j

• Jika saat ini berada pada keadaan i maka baris i dari tabel di atas berisi
angka‐angka Pi1, Pi2, Pin merupakan kemungkinan berubah ke keadaan
berikutnya.
• Oleh karena angka tersebut melambangkan kemungkinan, maka
semuanya merupakan bilangan non negatif dan tidak lebih dari
satu.
Contoh Kasus
I
Tabel 2 : Matriks Kemungkinan
Transisi
• Pada kedua baris
berjumlah 100, tetapi
jumlah kolom tidak
• Informasi ini digunakan
untuk membuat matriks
kemungkinan
perpindahan
keadaan/transisi
• Didefinisikan : Keadaan
1 : Pembeli berbelanja di
W , Keadaan 2 : Pembeli
berbelanja di L
• Dengan demikian matriks
kemungkinan transisinya adalah sbb :

Tabel 3 : Probabilitas Transisi

• Terlihat bahwa kemungkinan dari setiap

baris berjumlah satu.
• Dengan demikian matriks
kemungkinan transisinya adalah sbb :

Tabel 3 : Probabilitas Transisi

• Terlihat bahwa kemungkinan dari setiap

baris berjumlah satu.
III. Probabilitas Tree dan Contoh Kasus

• Probabilitas Tree merupakan cara yang

mudah untuk menggambarkan transisi
dengan jumlah terbatas dari suatu proses
Markov.
 Contoh Kasus
Sebuah perusahaan
transportasi mempunyai 220 unit mobil.
Namun tidak semua mobil dapat
beroperasi dikarenakan mesin rusak. Data
mobil yang sedang beroperasi (narik) dan
rusak (mogok) adalah
sebagai berikut :
 Dalam waktu dua hari terdapat perubahan, mobil
yang tadinya beroperasi ternyata rusak, begitu pula
sebaliknya untuk mengetahui perubahan yang terjadi
ada pada tabel berikut :

•
test
 Dari data tersebut hitunglah :
a. Probabilitas Transisi
b. Probabilitas hari ke‐3 narik jika hari ke‐1
narik
c. Probabilitas hari ke‐3 mogok jika hari ke‐
1 narik
d. Probabilitas hari ke‐3 narik jika hari ke‐
1 mogok
e. Probabilitas hari ke‐3 mogok jika hari ke‐
1 mogok
 Jawab
a. Probabilitas
Transisi
Probabilitas Tree
 III. Pendekatan Matriks dan Contoh
Kasus
• Ada kalanya kita harus mencari
probabilitas pada periode yang
sangat besar,
• misalkan periode hari ke‐9, ke‐10
dan seterusnya, akan sangat
menyulitkan dan
• membutuhkan media penyajian
yang khusus jika kita menggunakan
Probabilitas Tree.
• Permasalahan tersebut dapat
diselesaikan dengan
menggunakan metode
Pendekatan Matriks Probabilitas.
• Adapun Matriks Probabilitas dari
contoh kasus di atas adalah sebagai
berikut:
 III. Pendekatan Matriks
• Probabilitas kendaraan narik pada periode ke‐i
jika pada periode ke‐1 narik, dilambangkan
dengan:

• Probabilitas kendaraan mogok pada periode ke‐3

jika pada periode ke‐1 mogok,dilambangkan
dengan:
 Jika kendaraan pada hari ke‐1 narik
maka berlaku probabilitas sebagai
berikut:

Jika probabilitas di atas disusun ke

dalam vektor baris, maka kita
dapatkan::
Adapun rumus untuk mencari
probabilitas periode berikutnya
(i+1) adalah:

Bila rumus di atas kita gunakan untuk

mencari probabilitas hari ke‐2,
maka:
Terlihat bahwa hasilnya sama dengan yang diperoleh dengan
menggunakan metode Probabilities Tree. Dengan
menggunakan cara yang sama kita akan dapatkan status
untuk periode‐periode berikutnya sebagai berikut:
Terlihat bahwa perubahan probabilitas semakin lama
semakin mengecil sampai akhirnya tidak tampak adanya
perubahan.
Probabilitas tersebut tercapai mulai dari periode ke‐7,
dengan probabilitas status:

Ini berarti pemilik kendaraan dapat menarik kesimpulan bahwa

jika awalnya kendaraan berstatus narik, setelah beberapa
periode di masa depan probabilitasnya narik adalah sebesar
0,6398 dan probabilitasnya mogok adalah sebesar 0,3602.
Untuk perhitungan probabilitas status hari pertama mogok dapat
kita cari dengan metode yang sama dan akan kita dapatkan
probabilitas yang akan sama untuk periode selanjutnya, mulai
dari periode ke‐8. Adapun probabilitas pada periode ke‐8
adalah:
 IV. Probabilitas Steady State dan
Contoh Kasus
Dalam banyak kasus, proses markov akan menuju
pada Steady State (keseimbangan) artinya
setelah proses berjalan selama beberapa
periode, probabilitas yang dihasilkan akan
bernilai tetap, dan probabilitas ini dinamakan
Probabilitas Steady State.

Dari contoh di atas Probabilitas Steady

Statenya adalah probabilitas narik sebesar
0,6398 dan probabilitas mogok sebesar
0,3602.
Untuk mencari Probabilitas Steady State dari
suatu Matriks Transisi, maka kita dapat
menggunakan rumus
 Karena Steady State akan menghasilkan probabilitas yang sama pada
periode kedepan maka rumus tersebut akan berubah menjadi:

Dari contoh kasus di atas dengan status hari ke‐1 narik, maka kita
dapatkan:

Untuk mengurangi keruwetan, periode (i) dapat kita hilangkan, karena pada
saat Steady State tercapai periode tidak akan mempengaruhi perhitungan.
Sehingga perhitungan di atas akan menjadi:
 Dari perhitungan di atas akan menghasilkan
persamaan berikut:

Karena salah satu ciri proses markov

adalah:

Dengan menstubstitusikan Mn = 1 ‐Nn ke persamaan

(1) didapatkan:
 Lalu kita masukkan nilai Nn = 0,6398 ke dalam
persamaan (2) didapatkan: Mn = 0,3602

PENGGUNAAN PROBABILITAS STEADY

STATE
Dari contoh kasus kita ketahui bahwa Pemilik Kendaraan
memiliki 220 kendaraan. Dengan menggunakan
Probabilitas Steady State yang sudah kita dapatkan,
Pemilik dapat mengharapkan jumlah kendaraan setiap
harinya narik atau mogok sebanyak:
Kebijakan tersebut menghasilkan kenaikan operasional
dari 141 kendaraan perhari menjadi 157 kendaraan
perhari.
Dalam hal ini Pemilik harus mengevaluasi kebijakan ini,
apakah kenaikan pendapatan operasional dapat
menutupi kenaikan biaya operasional karena kebijakan
ini.

Misalkan karena kebijakan ini terjadi kenaikan biaya

perawatan kendaraan sebesar Rp. 1.000.000,‐ setiap
harinya. Jadi bila kenaikan pendapatan operasional lebih
besar dari Rp. 1.000.000,‐ maka kebijakan tersebut layak
untuk dijalankan.
Dari contoh ini menunjukkan bahwa Analisis Markov tidak
memberikan solusi atau keputusan, namun analisis
tersebut memberikan informasi yang dapat membantu
pembuatan keputusan
Contoh 1 :
Industri personal komputer merupakan industri yang mengalami pergerakan
sangat cepat dan teknologi menyediakan motivasi kepeda konsumen untuk
mengganti komputer setiap tahunnya. Kepercayaan merek sangat penting dan
perusahaan‐perusahaan mencoba segala cara untuk menjaga agar konsumen
menjadi puas. Bagaimanapun juga, beberapa konsumen mencoba untuk
mengganti dengan merek yang lain (perusahaan lain). Tiga merek tertentu
Doorway, Bell, Kumpaq yang meguasai pangsa pasar. Orang yang memiliki
komputer merek Doorway akan membeli tipe Doorway yg lain 80% dan
sisanya membeli 2 merek yang lain dengan peluang sama besar. Pemilik
komputer Bell akan membeli Bell lagi 90% dari waktu sementara itu 5% akan
membeli Doorway dan 5% akan membeli Kumpaq. Sekitar 70% pemilik
Kumpaq akan membeli Kumpaq, 20% akan membeli Doorway. Tiap merk
memiliki 200.000 konsumen yang berencana untuk membeli sebuah
komputer baru pada tahun depan, berapa banyak komputer dari tiap tipe
akan dibeli ?
 Penyelesaian :
Kasus diatas merupakan kasus
rantai Markov
Initial Doorway Bell Kumpaq
Doorway 200000 0.8 0.1 0.1
Bell 200000 0.05 0.9 0.05
Kumpaq 200000 0.2 0.1 0.7
0.1
⎡ 0.8
P  ⎢ 0.05
0.1 ⎤
⎢ 0.9 0.05
Untuk⎥ tahun ⎡ 0.8 0.1 0.1 ⎤ ⎡
0.1 0.1
depan : ⎥2 ⎢ 0.8 ⎤
⎢⎣ 0.2 0.1 0.7 P  ⎢⎢ 0.050.2 0.9 0.05 ⎥ ⎢ 0.05 0.9
⎣ ⎥ 0.05
⎥⎦ ⎥⎢
0.1
0.18 0.70.155
⎥ ⎦ ⎢⎣ ⎥
0.665
⎡ 0.1 0.7
0.2
 ⎢⎢0.185 ⎤ ⎥⎦
⎢⎣ 0.82 0.085
⎥
0.305
 Doorway Bell Kumpaq
Doorway 200000 0.665 0.18 0.155
Bell 200000 0.095 0.82 0.085
Kumpaq 200000 0.305 0.18 0.515
213000 236000 151000

• Pada tahun depan konsumen yang memiliki komputer Doorway

akan membeli Doorway lagi 66.5%, membeli Bell 18% dan
membeli Kumpaq 15.5%.
• Untuk konsumen yang memiliki komputer Bell akan membeli
Bell lagi 82%, membeli Doorway 9.5% dan membeli Kumpaq
8.5%.
• Sedangkan untuk konsumen yang memiliki komputer Kumpaq
akan membeli Kumpaq lagi 51.5%, membeli Doorway 30.5% dan
membeli Bell 18%.
• Banyaknya komputer yang akan di beli pada tahun depan
untuk merek Doorway sebanyak 213000, Bell sebanyak
236000 dan Kumpaq sebanyak 151000.
• Pada tahun depan konsumen yang memiliki komputer
Doorway akan membeli Doorway lagi 66.5%, membeli
Bell 18% dan membeli Kumpaq 15.5%.
• Untuk konsumen yang memiliki komputer Bell akan
membeli Bell lagi 82%, membeli Doorway 9.5% dan
membeli Kumpaq 8.5%.
• Sedangkan untuk konsumen yang memiliki komputer
Kumpaq akan membeli Kumpaq lagi 51.5%, membeli
Doorway 30.5% dan membeli Bell 18%.
• Banyaknya komputer yang akan di beli pada tahun
depan untuk merek Doorway sebanyak 213000, Bell
sebanyak 236000 dan Kumpaq sebanyak 151000.
 Contoh 2
Eastville adalah sebuat desa yang letaknya jauh dari desa lain.
7000 nasabah bank di Eastville melakukan kegiatan bisnis
perbankan dan keuangan mereka pada dua bank yang ada di
kota tersebut, National Bank (NB) dan Eastville Bank (EB).
Eastville Bank sedang mempertimbangkan untuk melakukan
penambahan jasa dan menaikkan bunga tabungan. Bagian
pemasaran bank melakukan riset dan menemukan bahwa jika
seorang pelanggan melakukan transaksi dengan EB dalam suatu
bulan tertentu, terdapat probabilitas sebesar 0,70 pelanggan
akan melakukan transaksi pada bank yang sama di bulan
berikutnya, dan sebesar 0,30 bahwa ia akan transaksi dengan
dengan NB di bulan berikutnya. Sebaliknya jika seorang
pelanggan melakukan transaksi dengan NB dalam suatu bulan
tertentu, terdapat probabilitas sebesar 0,85 pelanggan akan
melakukan transaksi pada bank yang sama di bulan berikutnya,
dan sebesar 0,15 bahwa ia akan pindah ke EB. Buatlah matriks
probabilitas transisi untuk masalah ini. Tentukan probabilitas
keadaan tetap dan indikasikan jumlah pelanggan yang dapat
diantisipasi oleh bank dalam jangka panjang !
 Langkah 1:
Membuat matriks transisi
Bulan Berikutnya
Bulan Pertama National Bank (NB) Eastville Bank (EB)
National Bank (NB) 0,85 0,15
Eastville Bank (EB) 0,30 0,70

Langkah 2:
Menentukan Probabilitas Keadaan Tetap
• Operasi Matriks sebagai berikut
: N = 0,85N + 0,30E
E = 0,15N + 0,70 E
• Dan,
N + E = 1,0
• Atau,
E = 1,0 ‐ N
• Substitusi akan
menghasilkan : N = 0,85N +
0,30 (1,0 –N)
= 0,85N + 0,30 – 0,30N
= 0,30 + 0,55N = 0,667
• Dan :E= 1 – N = 0,333
• Maka probabilitas keadaan tetapnya adalah :

• Langkah 3
Menentukan jumlah pelanggan untuk setiap
bank:
‐National Bank : 0,667 x 7000 = 4669
Pelanggan
‐ Eastville Bank : 0,333 x 7000 ‐= 2331
Pelanggan
 Latihan
:
1. Industri handphone merupakan industri yang mengalami pergerakan
sangat cepat dan teknologi menyediakan motivasi kepeda konsumen
untuk mengganti handphone setiap tahunnya. Kepercayaan merek
sangat penting dan perusahaan‐perusahaan mencoba segala cara untuk
menjaga agar konsumen menjadi puas. Bagaimanapun juga, beberapa
konsumen mencoba untuk mengganti dengan merek yang lain
(perusahaan lain). Tiga merek tertentu Nokia, Sony Ericson, Siemen
yang meguasai pangsa pasar. Orang yang memiliki handphone merk
Nokia akan membeli tipe Nokia yg lain 90% dan sisanya membeli 2
merek yang lain dengan peluang sama besar. Pemilik handpone Sony
Ericson akan membeli Sony Ericson lagi 75% dari waktu sementara itu
15% akan membeli Nokia dan 10% akan membeli Siemen. Sekitar 70%
pemilik Siemen akan membeli Siemen, 5% akan membeli Nokia. Tiap
merk memiliki 300.000 konsumen yang berencana untuk membeli
sebuah handphone baru pada tahun depan, berapa banyak
handphone dari tiap tipe akan dibeli ?
2. Sebuah perusahaan jus merk A menguasai 20 % pasar jus.
Mereka berencana ubtuk meningkatkan penjualan dengan
mengiklankan produk mereka, dan mengkaji efektifitas dari
pengiklan produk tersebut. Misalkan dari kajian didapat
kesimpulan sebagai berkut. Bila priduk merk A diiklankan 1
minggu, maka seseorang yang menggunakan merk A akan tetap
menggunakan produk A dengan probabilitas 90%. Seseorang
yang tidak menggunakan merk A akan berpaling menggunakan
Merk A dengan Probabilitas 70%. Pertanyaan: buatlah kurva
pertumbuhan pasar mer A dalam 1 minggu, 2 minggu dan
sererusnya.
3. jika di asumsikan terdapat perusahaan jus B yang melakukan promoso dan
situasinya sebagai berikut:
Konsumen jus A 20 % sedangkan konsumen jus B adala 80%. Kedua
perusahaan jus melakukan promoso dan tiap minggu di amati pengaruh dari
promosi yang dilakukan. Data hasil pengamatan sbb:
70% konsumen jus B beralih ke jus A
10% konsumen jus A beralih ke jus B
90 % konsumen jus A tetap setia.
30% konsumen jus B tetap setia.
Kapan jumlah konsumen jus A mengalahkan konsumen jus B?
 
4. Swalayan Mega (SM ) mencoba mengalahkan swalayan Rita (SR).
di asumsikan setiap pembeli di kota A melakukan kunjungan belanja
satu kali per minggu. Pada sembarang minggu seorang pembeli
hanya berbelanja di SM atau SR saja tidak di keduanya.
Kunjungan belanja di sebut percobaan dari proses dan toko yang
dipilih tersebut dari proses. Suatu sampel 1000 pembeli diambil
dalam periode 10 minggu, kemudian data dikompilasikan. Dalam
menganalisis data, terlihat bahwa dari pembeli yang berbelanja di
SM dalam satu minggu, 85 % tetap belanja di SM pada minggu
berikutnya, sedangkan sisanya berpindah belanja di SR. 70% dari
yang berbelanja di SR dalam suatu minggu tetap berbelanja di SR