Rantai Markov.

Slides:



Advertisements
Presentasi serupa
Teori Graf.
Advertisements

Statistika Deskriptif: Distribusi Proporsi
Selamat Datang Dalam Kuliah Terbuka Ini
START.
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Simulasi Rantai Markov
Aritmatika Sosial.
Aritmatika sosial Kelas VII SM 2 kurikulum 2013
ANALISIS MARKOV Pertemuan 11.
Proses Stokastik Semester Ganjil 2013/2014
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA)
Bulan maret 2012, nilai pewarnaan :
BAB 4 DERET Kuliah ke 2.
LATIHAN SOAL-SOAL 1. Himpunan 2. Aritmatika Sosial 3. Persamaan GL.
Soal-Soal Latihan Mandiri
LATIHAN SOAL HIMPUNAN.
Pertemuan 12- Analisis Markov
Interval Prediksi 1. Digunakan untuk melakukan estimasi nilai X secara individu 2. Tidak digunakan untuk melakukan estimasi parameter populasi yang tidak.
Riset Operasional Pertemuan 10
Latihan Soal Persamaan Linier Dua Variabel.
Pengujian Hipotesis.
Statistika Deskriptif
Bab 6B Distribusi Probabilitas Pensampelan
KURVE NORMAL. Distribusi Normal – Suatu alat statistik untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas dan akan terjadi. Ciri –Ciri.
FPB DAN KPK KELAS 7 SEMESTER 1 ( SMPK PENABUR KOWIS )
BARISAN DAN DERET ARITMETIKA
LATIHAN SOAL DATA TUNGGAL
PENERAPAN BILANGAN BULAT DAN PECAHAN
Aritmatika Sosial KSM Kiat Sukses Matematika Menuju Ujian Nasional.
Persamaan Linier dua Variabel.
Rabu 23 Maret 2011Matematika Teknik 2 Pu Barisan Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat – sifat barisan Barisan Monoton.
INVERS MATRIKS (dengan adjoint)
Pengujian Hipotesis Parametrik 2
Pengujian Hypotesis - 3 Tujuan Pembelajaran :
Luas Daerah ( Integral ).
SEGI EMPAT 4/8/2017.
CASE STUDY “Rantai Markov”
Sequential Decision Making
UKURAN PEMUSATAN DATA Sub Judul.
PROPOSAL PENGAJUAN INVESTASI BUDIDAYA LELE
Selamat Datang Dalam Kuliah Terbuka Ini
Pertemuan 18 Pendugaan Parameter
Bulan FEBRUARI 2012, nilai pewarnaan :
AREAL PARKIR PEMERINTAH KABUPATEN JEMBRANA
PREFERENSI ATAS RISIKO DAN FUNGSI UTILITY
PERTAMUAN 6 DAN 7 hal 275 Hansen/Mowen
PENGUJIAN HIPOTESA Probo Hardini stapro.
LAPORAN KEUANGAN Catur Iswahyudi Manajemen Informatika (D3)
Diagram Keputusan.
SEGI EMPAT Oleh : ROHMAD F.F., S.Pd..
Graf.
BAB XII PROBABILITAS (Aturan Dasar Probabilitas) (Pertemuan ke-27)
SISTEM PERSAMAAN LINIER
Penerapan Integral Tertentu dalam Ekonomi dan Bisnis
DISTRIBUSI FREKUENSI.
9. BILANGAN BULAT.
Teknik Numeris (Numerical Technique)
Distribusi frekuensi Yeni puspita, SE., ME.
7. RANTAI MARKOV WAKTU KONTINU (Kelahiran&Kematian Murni)
DISTRIBUSI PELUANG Pertemuan ke 5.
Analisa Markov Riset Operasi.
5. RANTAI MARKOV WAKTU DISKRIT
RANTAI MARKOV Tita Talitha, M.T.
MARKOV CHAIN (LONG-RUN PROPERTIES OF MARKOV CHAINS)
RO 2_Materi 8 MODEL RANTAI MARKOV
Analisa Markov Riset Operasi.
CASE STUDY “Rantai Markov”
Markov Analysis askolani.
Riset Operasi Analisis Markov Ramos Somya.
OPERATIONS RESEARCH – I
Transcript presentasi:

Rantai Markov

Ciri-ciri Markov Suatu keadaan A atau B, atau disebut state A atau dan state B, atau state 1 atau state 2 Jika berada pada state A, pasti tidak pada state B dan sebaliknya Contoh kendaraan umum, jika ada dua kondisi mogok dan narik Pasti kendaraan tersebut jika tidak mogok pasti narik Jika narik  state 1 Jika mogok  state 2 Dlm konteks ini kendaraan selalu berada pada salah satu state diatas secara bergantian.

Perubahan dari suatu status ke status yang lain pada periode berikutnya merupakan suatu proses random yang dinyatakan dalam probabilitas dan dinamakan probabilitas transmisi. Contoh: P (narik I narik ) = 0,6 P (narik I mogok) = 0,4 P (mogok I narik) = 0,8 P (mogok I mogok) = 0,2 P (mogok I narik) = 0,8, berarti peluang besok narik jika sekarang mogok adalah 0,8. Probabilitas ini dapat disusun dalam bentuk tabel (matriks) Dari status (sekarang Ke status (besok) Narik Mogok Narik 0,6 0,4 Mogok 0,8 0,2

Digolongkan proses Markov jika masalah di atas memenuhi asumsi: Jika sekarang kendaraan narik, besok hanya ada dua kemungkinan status, yaitu narik lagi atau mogok. Sehingga jumlah probabilitas transisi pada setiap baris adalah 1. Probabilitas transisi itu tidak akan berubah untuk selamanya. Probabilitas transisi hanya tergantung pada status sekarang dan bukan pada status periode sebelumnya.

Menyusun Probabilitas Transisi Untuk memahami langkah menyusun probabilitas transisi ini, digunakan contoh berikut: Di sebuah kota terdapat 3 restoran ayam goreng. Tojoyo Suharti Kentucky Ketiga restoran tersebut memiliki jumlah pelanggan 7000. Hasil penelitian pasar tentang ketiga restoran disajikan sbb Restoran Banyaknya pelanggan Bulan pertama Bulan kedua Tojoyo 2000 2100 Suharti 4000 3300 Kentucky 1000 1600 Jumlah 7000

Dari data di atas terlihat bahwa ada pergeseran selera konsumen dari bukan pertama ke bulan ke dua. Pelanggan Tojoyo bertambah 100, Suharti kehilangan 700, dan Kentucky bertambah 600 pelanggan. Bulan Pertama Bulan kedua Jumlah Tojoyo Suharti Kentucky 1600 200 2000 400 2800 800 4000 Kenducky 100 300 600 1000 2100 3300 7000 Matrik probabilitas transisinya dapat disusun sebagaiberikut: Dari status (sekarang Ke status Tojoyo Suharti Kentucky Tojoyo 0,8 0,1 Suharti 0,7 0,2 Kentucky 0,3 0,6

Peralatan Analsis Markov Informasi yang dapat dihasilkan dari analisis Markov adalah probabilitas berada dalam suatu status pada satu periode di masa depan. Ada dua cara untuk menemukan informasi itu, yaitu Dengan probabilitas tree Perkalian matriks Probabilitas Tree merupakan cara yang nyaman untuk menunjukkan sejumlah terbatas transisi dari suatu proses Markov. Contoh kendaraan umum. Dari status (sekarang Ke status (besok) Narik Mogok Narik 0,6 0,4 Mogok 0,8 0,2

Misalkan ingin diketahui peluang narik pada hari ketiga jika pada hari pertama kendaraan berstatus narik . 0,36 0,6 Narik 0,6 Narik 0,24 0,6 0,4 Mogok 0,68 Narik 0,32 0,4 0,4 0,8 Narik 0,32 Mogok 0,08 0,2 Mogok

Jika pada hari pertama mogok, berapa peluang mogok pada hari ketiga 0,48 0,6 Narik 0,6 Narik 0,32 0,8 0,4 Mogok 0,64 Mogok 0,16 0,2 0,2 0,8 Narik 0,36 Mogok 0,04 0,2 Mogok

Kemudian kalikan dengan matrik probabilitas transisi Jika yang ingin diketahui adalah probabilitas status pada periode ke t di masa depan, dimana t cukup besar, maka alternatif yang digunakan adalah dengan perkalian matriks Matriks probabilitas transisi 0,6 0,4 0,8 0,2 Jika kendaraan narik pada hari ke 1, maka berlaku probabilitas berikut ini: Nn (1) = 1 Mm(1) = 0 jika kedua probabilitas ini disusun ke dlm matrik (1 0) Kemudian kalikan dengan matrik probabilitas transisi (N (1) M(1)) = ( 1 0) 0,6 0,4

Probabilitas Steady State N (i) + M (i) = 1 Nn = 0,6 Nn + 0,8 Mn Mn = 0,4 Nn + 0,2 Mn Dengan mensubtitusi Nn = 1 – Mn kepersamaan terakhir didapat Mn = 0,4 (1 – Mn) + 0,2 Mn Mn + 0,4 Mn – 0,2 Mn = 0,4 Mn = 0,4/1,2 = 0,3333 dan Nn = 0,6667

Matriks Transisi Stokastik Ganda Jika kolom pada matriks transisi juga berjumlah 1, maka probabilitas steady state = 1/m

Keberadaan Kondisi Steady State Suatu proses Markov dapat saja tidak mencapai kondisi steady state. Terdapat petunjuk untuk menentukan apakah suatu proses Markov akan menuju steady state . Jika ada suatu bilangan n, sehingga setiap untur Tn (dimana T adalah matriks transisi) lebih besar dari nol, maka keadaaan steady state ada

Contoh : Industri personal komputer merupakan industri yang mengalami pergerakan sangat cepat dan teknologi menyediakan motivasi kepada 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 200000 0.8 0.1 0.05 0.9 0.2 0.7 Untuk tahun depan :

Doorway Bell Kumpaq 200000 0.665 0.18 0.155 0.095 0.82 0.085 0.305 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.

Latihan 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 ?

Soal Probabilitas dari satu orang yang menggunakan satu diantara ketiga provider tersebut adalah: State 1 – IndosatM2 93/220 = 0,43 = 43% State 2 – NetZap 49/220 = 0,22 = 22% State 3 – XL 78/220 = 0,35 = 35% Persentase perpindahan keputusan konsumen periode ke-2: 77,4% pemilih IndosatM2 tetap memilih IndosatM2 18,3% pemilih Indosat M2 pindah ke NetZap 4,3% pemilih IndosatM2 pindah ke XL 81,6% pemilih Netzap tetap memilih Netzap 4,1% pemilih Netzap pindah ke Indosat 14,3% pemilih Netzap pindah ke XL 79,5% pemilih XL tetap memilih XL 6,4% pemilih XL pindah ke IndosatM2 14,1% pemilih XL pindah ke NetZap Bagaimana dugaan pangsa pasar masing-masing provider pada periode selanjutnya.