MODEL RANTAI MARKOV Pertemuan 11

Slides:



Advertisements
Presentasi serupa
OPERATION RESEARCH Presented by Andira.
Advertisements

Pertemuan 12- Analisis Markov
Integer Programming.
KASUS KHUSUS METODE SIMPLEKS
Program Dinamis (Dynamic Programming)
Design and Analysis of Algorithm Dynamic Programming
Proses Stokastik.
MASALAH PENUGASAN (ASSIGNMENT PROBLEM)
Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)
POKOK BAHASAN Pertemuan 9 Penerapan Diferensial Sederhana
Matakuliah : METODE NUMERIK I
LINEAR PROGRAMMING Pertemuan 05
Pertemuan 13 Dynamic Programming
ANALISIS MARKOV Pertemuan 21
Program Linier Dengan Grafik
Analisa Markov Riset Operasi.
Aplikasi Matriks Pertemuan 25 Matakuliah: J0174/Matematika I Tahun: 2008.
Penyelidikan Operasi Pemrograman Dinamik Stokastik.
5. RANTAI MARKOV WAKTU DISKRIT
Penerapan BFS dan DFS pada Pencarian Solusi
BAB 5. ANALISIS MARKOVIAN
Pengantar Analisis Struktur Dengan Metode Matrik Pertemuan 1
DISUSUN OLEH : IPHOV KUMALA SRIWANA
RANTAI MARKOV Tita Talitha, M.T.
PEMROGRAMAN DINAMIS Modul 9. PENELITIAN OPERASIONAL Oleh : Eliyani
Matakuliah : K0644-Matematika Bisnis
Dynamic Programming (Program Dinamis)
MARKOV CHAIN (LONG-RUN PROPERTIES OF MARKOV CHAINS)
Mata kuliah : A Proyek Minor Informasi Akuntansi
Design and Analysis Algorithm
Analisis Sensitivitas Pertemuan 8 : (Off Class)
Program Dinamis.
Dynamic Programming Program dinamik adalah salah satu teknik matematika yang digunakan untuk mengoptimalkan proses pengambilan keputusan secara bertahap.
INTRODUCTION Pertemuan 01
Pertemuan 13 DYNAMIC PROGRAMMING : FIBONACCI SEQUENCE PROBLEM
MATERI PERKULIAHAN ANALISIS ALGORITMA
MATERI PERKULIAHAN ANALISIS ALGORITMA
LINEAR PROGRAMMING Pertemuan 06
Pengembangan Sumber Daya Air
METODE SIMPLEKS Pertemuan 2
Floor Plan Pertemuan Matakuliah : W Desain Interior 1
Dynamic Programming (2)
Program Linier Dengan Grafik
TEORI PROBLEMA PENUGASAN Pertemuan 5
MODEL ANTRIAN Pertemuan 12
Program Dinamis (Dynamic Programming)
PEMROGRAMAN DINAMIS Pertemuan 7
MODEL SIMULASI Pertemuan 13
Program Dinamis (Dynamic Programming)
KULIAH TEORI SISTEM DISKRIT MINGGU 5 Dosen Pengampu: Dr. Salmah, M.Si
Program Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming)
Matriks Kekakuan Elemen Pertemuan 2
MODEL PENUGASAN Pertemuan 07
Analisis Sensitivitas Pertemuan 6
Analisa Markov Riset Operasi.
MODEL TRANSPORTASI Pertemuan 10
Matematika Pertemuan 14 Matakuliah : D0024/Matematika Industri II
Mata kuliah : S Pemrograman dalam Analisis Struktur
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.6
KULIAH SISTEM KENDALI DISKRIT MINGGU 6
Pengambilan Keputusan dengan Data Utama Pertemuan 18
Soal Latihan Pertemuan 1
Riset Operasi Analisis Markov Ramos Somya.
Penerapan BFS dan DFS pada Pencarian Solusi
Program Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming)
Dynamic Programming Maximasi Income.
OPERATIONS RESEARCH – I
Model Pengambilan Keputusan (2)
Transcript presentasi:

MODEL RANTAI MARKOV Pertemuan 11 Mata kuliah : S0872 – Riset Operasi Tahun : 2010 MODEL RANTAI MARKOV Pertemuan 11

MATERI Lingkup Problema Keputusan Markovian Model Pemrograman Finite Stage Dynamic Penerapan Dalam Teknik Sipil Bina Nusantara University

LINGKUP KEPUTUSAN MARKOVIAN Keputusan Markovian merupakan penerapan programasi dinamis untuk menyelesaikan proses keputusan stochastic yang dinyatakan dengan sejumlah keadaan. Rantai Markov menyatakan transisi antara keadaan-keadaan. Rantai Markov dinyatakan sebagai atau dalam matriks transisi. Pendapatan (hasil) dinyatakan dalam matriks dengan elemen berupa hasil (revenue) atau biaya (cost) dari perpindahan antar keadaan. Matriks transisi dan matriks hasil tergantung pada alternatif yang dipunyai oleh pengambil keputusan. Tujuan model adalah untuk menentukan kebijakan optimal dengan hasil maksimal. Penggunaan antara lain dalam inventori, kebijakan penggantian peralatan, pengelolaan cash flow, pengaturan kapasitas bendungan dan sebagainya. Bina Nusantara University

MODEL FINITE STAGE DYNAMIC Tinjau Contoh Keadaan Tanah Perkebunan dan Produktifitasnya berikut ini. Apabila notasi keadaan sistem dari produksi perkebunan berdasarkan keadaan tanah adalah sebagai berikut: Matriks transisi kemungkinan tanpa pupuk P1 dan dengan pemupukan P2 dinyatakan sebagai: tanpa pupuk dengan pupuk Dan k adalah alternatif keputusan pengolahan tanah tersebut, yaitu: k = 1 tanpa pemupukan, dan k = 2 dengan pemupukan Maka keputusan optimal apa yang harus diambil agar diperoleh hasil maksimal dalam tahun-tahun mendatang. (misalnya diambil 3 tahun) Dan matriks hasilnya adalah: Produksi Sesuai Keadaan Tanah Keadaan Sistem Bagus 1 Sedang 2 Jelek 3 1 2 3 0.2 0.5 0.3 P1 = 1 2 3 0.3 0.6 0.1 P2 = 0.05 0.4 0.55 1 2 3 7 6 R1 = 5 -1 1 2 3 6 5 -1 R2 = 7 4 -2 Bina Nusantara University

MODEL FINITE STAGE DYNAMIC Untuk analisis selanjutnya digunakan beberapa notasi lain, yaitu: N adalah tahapan tahun mendatang yang ditinjau, bila tertentu disebut finite stage, seterusnya disebut infinite stage m adalah jumlah keadaan masing-masing tahap (dalam kasus ini ada 3: baik, sedang, jelek) n adalah tahapan i merupakan keadaan sistem pada tahap awal atau tahap n j menyatakan keadaan sistem pada tahap n+1 Maka fn(i)= hasil optimal pada tahap n, n+1, …, N dimana keadaan sistem pada tahun awal adalah i. Persamaan rekursif kebelakang antara fn dan fn+1 dimana fN+1 (j) ≡ 0 untuk semua j menjadi: Artinya: hasil kumulatif rijk + fn+1(j) ketika mencapai keadaan j pada tahap n+1 dari keadaan i pada tahap n mempunyai kemungkinan sebesar pijk. Selanjutnya bila νik menyatakan hasil transisi tunggal dari keadaan i pada alternatif k maka: Dan persamaan programasi dinamis rekursif dapat ditulis menjadi: Bina Nusantara University

MODEL FINITE STAGE DYNAMIC Untuk tahap 3 (tahun ke 3) Untuk tahap2 (tahun ke 2) Untuk tahap 1 (tahun ke 1) 2 0.4 -1 3 3.1 1 5.3 4.7 5.1 k* f3(i) k=2 k=1 Solusi Optimal νik i 2 2.13 0.4+0.5*5.3+0.4*3.1+0.55*0.4=2.13 -1+0*5.3+0*3.1+1*0.4= - 0.6 3 5.61 3.1+0.1*5.3+0.6*3+0.3*0.4=5.61 3+0*5.3+0.5*3.1+0.5*0.4=4.75 8.19 4.7+0.3*5.3+0.6*3.1+0.1*0.4=8.19 5.3+0.2*5.3+0.5*3.1+0.3*0.4=8.03 1 k* f3(i) k=2 k=1 Solusi Optimal νik + pi1k f3(1) + pi2k f3(2) + pi3k f3(3) i 2 4.23 0.4+0.5*8.19+0.4*5.61+0.55*2.13=4.23 -1+0*8.19+0*5.61+1*2.13 = 1.13 3 7.92 3.1+0.1*8.19+0.6*5.61+0.3*2.13 = 7.92 3+0*8.19+0.5*5.61+0.5*2.13 = 6.87 10.74 4.7+0.3*8.19+0.6*5.61+0.1*2.13=10.74 5.3+0.2*8.19+0.5*5.61+0.3*2.13=10.83 1 k* f3(i) k=2 k=1 Solusi Optimal νik + pi1k f2(1) + pi2k f2(2) + pi3k f2(3) i Bina Nusantara University

MODEL FINITE STAGE DYNAMIC Dari hasil analisis diatas dapat diambil kesimpulan bahwa optimal solution: Harus pakai pupuk pada tahun ke 1 dan 2 (k* = 2) Pada tahun ke 3 pakai pupuk hanya untuk keadaan 2 atau 3 saja (sedang dan jelek) Hasil maksimal untuk 3 tahun: f1 (1) = 10.74 – bila sistem bagus f1 (3) = 7.92 – bila sistem sedang, dan f1 (3) = 4.23 – bila sistem jelek Bina Nusantara University

PENERAPAN DALAM TEKNIK SIPIL Pengelolaan bendungan Proses produksi Penggantian peralatan Dsb. Bina Nusantara University

SOAL LATIHAN Tentukan solusi optimum pada pembahasan diatas bila ditentukan: N = 4 N = 5 N = 6 Bina Nusantara University