OPERATIONS RESEARCH – I

Slides:



Advertisements
Presentasi serupa
Simulasi Rantai Markov
Advertisements

ANALISIS MARKOV Pertemuan 11.
Proses Stokastik Semester Ganjil 2013/2014
SEGMENTASI PASAR Segmentasi Pasar : Yaitu sebagai suatu proses membagi pasar menjadi irisan-irisan (bagian-bagian) konsumen yang khas yang mempunyai kebutuhan.
Pertemuan 12- Analisis Markov
Pengembangan Ide dan Perencanaan Produk
TINJAUAN UMUM DATA DAN STATISTIKA
 Kita perlu memperhatikan struktur probabilistik yang mendasari pengamatan ini.  Kita menulis Z t untuk pengamatan pada waktu t.  Dalam hal ini,
TINJAUAN UMUM DATA DAN STATISTIKA
CASE STUDY “Rantai Markov”
Proses Stokastik Semester Ganjil 2013 DR. Rahma Fitriani, S.Si., M.Sc.
TINJAUAN UMUM DATA DAN STATISTIKA
Pengumpulan dan Pengolahan Data
Mengidentifikasi Segmen Pasar Dan Memilih Pasar Sasaran
Rantai Markov.
Proses Stokastik.
PERTEMUAN 1 ANGGARAN PERUSAHAAN.
7. RANTAI MARKOV WAKTU KONTINU (Kelahiran&Kematian Murni)
Ukuran Variasi atau Dispersi
Mengidentifikasi Segmen Pasar dan Memilih Pasar Sasaran
Pendugaan Parameter.
Distribusi Variabel Acak
Analisa Markov Riset Operasi.
MODUL STATISTIKA BISNIS DAN INDUSTRI
Manajemen Pemasaran “Strategi Pemasaran ( Strategi Produk)”
Penyelidikan Operasi Pemrograman Dinamik Stokastik.
5. RANTAI MARKOV WAKTU DISKRIT
11 MODUL RENCANA PEMASARAN I POKOK BAHASAN DESKRIPSI
Proses Kedatangan dan Distribusi Waktu Pelayanan
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
TINJAUAN UMUM DATA DAN STATISTIKA
STATISTIKA PROBABILITAS
RANTAI MARKOV Tita Talitha, M.T.
MARKOV CHAIN (LONG-RUN PROPERTIES OF MARKOV CHAINS)
TINJAUAN UMUM DATA DAN STATISTIKA
SISTEM INFORMASI PEMASARAN
6. RANTAI MARKOV WAKTU DISKRIT KLASIFIKASI RUANG KEADAAN
Creative Brief 1. Latar Belakang Beriklan
Pengantar model stokastik
Proses Kedatangan dan Distribusi Waktu Pelayanan
RANTAI MARKOV PENGANTAR TEORI GAME.
RO 2_Materi 8 MODEL RANTAI MARKOV
MENGENAL RISET PEMASARAN
MEMPRODUKSI BARANG DAN JASA BERKUALITAS
Mata Kuliah REKAYASA TRAFIK TELEKOMUNIKASI ( B a b 6 ) Dosen : Ir
TINJAUAN UMUM STATISTIKA
Learning Outcomes Mahasiswa akan dapat menghitung penyelesaian model pengambilan keputusan dalam berbagai contoh aplikasi..
Bagian 3 Merancang Strategi Pemasaran yang Digerakkan oleh Pelanggan dan Bauran Pemasaran yang Terintegrasi Bab 7 Strategi Pemasaran yang Digerakkan.
SISTEM INFORMASI PEMASARAN
ASPEK PEMASARAN FEASIBILITY STUDIES.
SEGMENTASI PASAR DAN PASAR SASARAN POTENSIAL
TEORI KOMUNIKASI PERIKLANAN
Analisa Markov Riset Operasi.
CASE STUDY “Rantai Markov”
Markov Analysis askolani.
Positioning dan Keunggulan Bersaing DESAIN INDUSTRI FAK DESAIN UEU
Riset Operasi Analisis Markov Ramos Somya.
Bagian 3 Merancang Strategi Pemasaran yang Digerakkan oleh Pelanggan dan Bauran Pemasaran yang Terintegrasi Bab 8 Strategi Pemasaran yang Digerakkan.
SEGMENTASI PASAR DAN PASAR SASARAN POTENSIAL
Variabel Acak Diskrit & Distribusi Peluang
TINJAUAN UMUM DATA DAN STATISTIKA
MENGENAL RISET PEMASARAN
WIDYAISWARA AHLI MUDA BANDIKLATDA PROVINSI JAMBI DOSEN FAKULTAS EKONOMI UNIVERSITAS BATANGHARI TEMPAT / TANGGAL LAHIR : JAMBI,22 SEPTEMBER 1976 PENDIDIKAN.
PENGUJIAN HIPOTESIS.
STATISTIKA DAN PROBABILITAS Rahmat Thaib, S.Kom.,M.Kom.
Segmentasi Pasar  Pengertian Segmentasi pasar merupakan pembagian kelompok pembeli yang memiliki perbedaan kebutuhan, karakteristik, ataupun perilaku.
PENGERTIAN DISTRIBUSI TEORITIS
OPERATIONS RESEARCH – I
Bagian 3 Merancang Strategi Pemasaran yang Digerakkan oleh Pelanggan dan Bauran Pemasaran yang Terintegrasi Bab 7 Strategi Pemasaran yang Digerakkan.
Transcript presentasi:

OPERATIONS RESEARCH – I MODEL PROBABILISTIK DAN JARINGAN DISTRIBUSI Tjutju T Dimyati

PENDAHULUAN 1. Ilustrasi Persoalan Analisis Markov 2. Matriks Probabilitas Transisi Tjutju T. Dimyati

Tujuan Pembelajaran Di akhir perkuliahan mahasiswa mampu: Mendeskripsikan konsep dasar dan karakteristik model analisis Markov Menyusun matriks probabilitas transisi Tjutju T. Dimyati

Proses Markov Adalah suatu sistem stokastik yang mempunyai karakter bahwa terjadinya suatu keadaan (state) pada suatu saat adalah bergantung pada dan hanya pada state sebelumnya Pada awalnya digunakan sebagai alat dalam analisis perubahan cuaca, tetapi kini digunakan juga untuk membantu pembuatan keputusan dalam dunia bisnis atau industri Tjutju T. Dimyati

Contoh Proses Markov Misalkan jika hari ini tidak hujan maka peluang bahwa besok tidak akan hujan adalah 0.8 dan jika hari ini hujan maka peluang bahwa besok akan hujan adalah 0.4 maka prosesnya dapat digambarkan sebagai berikut: Hujan Tidak Hujan 0.6 0.4 0.8 0.2 Tjutju T. Dimyati

Probabilitas Transisi Adalah proses stokastik dengan memori yang terbatas Menyatakan probabilitas bersyarat dari sistem yang berada dalam xn+1 pada tn+1 jika diketahui bahwa sistem ini berada dalam xn pada tn (nilai variabel saat ini hanya tergantung pada nilai variabel pada waktu sebelumnya) Tjutju T. Dimyati

Probabilitas Transisi Probabilitas transisi dari state i pada saat tn ke state j pada saat tn+1 dapat digambarkan dalam fungsi probabilitas transisi berikut: Diasumsikan probabilitas ini tetap sepanjang waktu Biasa dinyatakan secara lengkap dalam matriks probabilitas transisi dimana ukuran matriks bersesuaian dengan jumlah seluruh state yang mungkin Tjutju T. Dimyati

Matriks Probabilitas Transisi Probabilitas transisi untuk seluruh kemungkinan nilai i dan j dinyatakan dalam matriks probabilitas transisi berikut: Tjutju T. Dimyati

Matriks Probabilitas Transisi Syaratnya adalah: Pij  0 untuk semua i dan j dan Untuk seluruh i berlaku: Matriks inilah yang disebut sebagai rantai Markov (Markov Chain) Tjutju T. Dimyati

Matriks Probabilitas Transisi Pada contoh cuaca, jika tidak hujan dinyatakan sebagai kejadian 0 dan hujan dinyatakan sebagai kejadian 1 maka: dapat dinyatakan dengan matriks berikut: Hujan Tidak Hujan 0.6 0.4 0.8 0.2 Tjutju T. Dimyati

Menyusun Matriks Probabilitas Transisi Contoh 1: Misal, diambil sampel sebanyak 1000 konsumen yang tersebar dalam 4 merek sabun mandi yang digunakan, yaitu merek A, B, C, dan D. Dalam masalah ini, konsumen dapat berpindah dari satu merek ke merek lain. Perpindahan ini bisa disebabkan karena adanya promosi khusus, perbedaan harga, iklan yang terus menerus di TV, dsb.

Menyusun Matriks Probabilitas Transisi Tabel di bawah ini menunjukkan pola perpindahan konsumen dalam penggunaan sabun mandi merek A, B, C, dan D. Merek Jml konsumen Bulan ini Perubahan selama periode Bulan depan Mendapatkan Kehilangan A 220 50 45 225 B 300 60 70 290 C 230 25 D 250 40 35 255 Jumlah 1000 175

Menyusun Matriks Probabilitas Transisi Dari tabel tersebut, tidak diketahui berapa diantara 45 konsumen merek A yang berpindah ke merek B, C, atau D. Sebaliknya, juga tidak diketahui berapa diantara 50 konsumen yang berpindah ke merek A berasal dari konsumen merek B, C, atau D. Oleh karena itu, dibutuhkan informasi yang lengkap tentang perpindahan konsumen dalam penggunaan sabun mandi ini

Menyusun Matriks Probabilitas Transisi Atas dasar survey konsumen, diperoleh hasil yang dituliskan dalam tabel sbb.: Merek Jml konsumen Bulan ini Mendapatkan dari Kehilangan ke Jml konsumen bulan depan A B C D 220 40 10 20 15 225 300 25 5 290 230 250 255 Jumlah 1000

Menyusun Matriks Probabilitas Transisi Dari data pada tabel di atas dapat dibuat matriks perpindahan/perubahan merek sabun mandi, yaitu: State State Bln depan Jumlah Bulan ini A B C D 175 20 10 15 220 40 230 5 25 300 205 215 250

Menyusun Matriks Probabilitas Transisi Maka matriks probabilitas transisinya adalah : State State Bln depan Bulan ini A B C D 0,796 0,091 0,045 0,068 0,133 0,767 0,017 0,083 0,109 0,891 0,040 0,060 0,860

Menyusun Matriks Probabilitas Transisi Contoh 2 Misal sebuah perusahaan distributor beras yang memasarkan beras jenis rojolele pada akhir-akhir ini menyadari adanya penurunan penjualan Pihak manajemen mencurigai adanya perpindahan jenis beras yang dikonsumsi oleh pelanggan Untuk mengetahui sebab penurunan penjualan tersebut, perusahaan mengumpulkan data dari beberapa keluarga dengan cara mengambil sampel dari daerah yang paling besar mengalami penurunan.

Menyusun Matriks Probabilitas Transisi Data yang berhasil dikumpulkan adalah : No Nama Keluarga Status Sebelumnya Saat Ini 1 A Cisedani 2 B 3 C 4 D IR. 36 5 E 6 F 7 G Rojolele 8 H 9 I No Nama Keluarga Status Sebelumnya Saat Ini 10 J IR. 36 Cisedani 11 K 12 L 13 M Rojolele 14 N 15 O 16 P 17 Q 18 R

Menyusun Matriks Probabilitas Transisi Bila dituliskan dalam bentuk tabel perubahan state (perpindahan konsumsi beras), diperoleh: Dari status (Sebelumnya) Ke status berikutnya (saat ini) Jumlah Rojolele IR. 36 Cisedani 2 1 4 6 3 8 18

Menyusun Matriks Probabilitas Transisi Perpindahan konsumsi beras dianggap stabil, sehingga matriks probabilitas transisinya adalah : Dari status (Sebelumnya) Ke status berikutnya (saat ini) Rojolele IR. 36 Cisedani 0,500 0,250 0,333 0,334 0,375 Catatan: Sel diagonal (warna lebih gelap), merupakan probabilitas konsumen tetap setia (tetap dalam pemilikan atau retentions).