Beruflich Dokumente
Kultur Dokumente
1. Sebutkan tiga perbedaan pokok matrik probabilitas transisi dengan matrik lain pada
umumnya?
2. Sebutkan beberapa contoh lain fenomena sosial/ekonomi/bisnis yang dapat dimodelkan
oleh proses Markov ! (lengkap dengan matriks probabilitas transisinya)
3. Bagaimana cara menentukan/menduga probabilitas transisi Markov?
4. Prediksi situasi sistem untuk satu atau beberapa periode waktu berikutnya dengan analisis
Markov melalui perpangkatan matriks probabilitas transisi! (benar/salah). Berikan
contoh!
5. Setiap fenomena yang dimodelkan atau dianalisis dengan model Markov akan tergantung
matrik probabilitas transisinya! (benar/salah)
6. Setiap proses Markov mempunyai kondisi tetap untuk jangka panjang! (benar/salah)
Bagaimanakah menentukannya?
7. Apa manfaat dari mengetahui kondisi tetap (distribusi stasioner) proses Markov?
Sebutkan contohnya!
Assalamualaikum, Wr., Wb
1. Sebutkan tiga perbedaan pokok matrik probabilitas transisi dengan matrik lain pada
umumnya?
JAWAB :
2. Sebutkan beberapa contoh lain fenomena sosial/ekonomi/bisnis yang dapat dimodelkan oleh
proses Markov ! (lengkap dengan matriks probabilitas transisinya)
JAWAB :
Dari tabel di atas terlihat jumlah hari dimana angka indeks yang pada suatu hari turun, pada hari
berikutnya turun adalah turun kembali sebanyak 65 kali, sebanyak 40 kali tetap, dan sebanyak 95
kali meningkat. Total pada suatu hari turun adalah sebanyak 200 kali.
JAWAB :
Suatu sistem Markov dengan state space W dan matrik probabilitas transisi P. Matriks P
menunjukkan distribusi probabilitas transisi sistem dari satu state pada waktu t (sekarang)
bergerak ke state lainnya pada satu waktu berikutnya (t+1). Jika sistem terus bergerak ke dua
waktu berikutnya (t+2), t+3, ...., dan seterusnya, maka distribusi probabilitas transisi pada n
waktu berikutnya dari sekarang (t + n) adalah :
Jika sistem melakukan transisi m waktu berikutnya maka distribusi probabilitas transisi pada
n+m waktu berikutnya dari sekarang (t + n+m) adalah
4. Prediksi situasi sistem untuk satu atau beberapa periode waktu berikutnya dengan analisis
Markov melalui perpangkatan matriks probabilitas transisi! (benar/salah). Berikan contoh !
JAWAB :
a. probabilitas lusa (dua hari mendatang) tidak hujan jika hari ini hujan
Probabilitas lusa tidak hujan jika hari ini hujan adalah p2 01=0.35.
b. Probabilitas akan hujan empat hari dari sekarang jika hari ini hujan
Probabilitas akan hujan empat hari dari sekarang jika hari ini hujan adalah p4 00=0.59.
5. Setiap fenomena yang dimodelkan atau dianalisis dengan model Markov akan tergantung
matrik probabilitas transisinya! (benar/salah)
JAWAB :
Fenomena yang dimodelkan atau dianalisis dengan model Markov akan tergantung
matrik probabilitas transisinya adalah (benar)
Suatu proses Markov dikarakterisasikan oleh matriks probabilitas transisi P. Apabila matrik P ini
dipangkatkan dengan bilangan-bilangan yang besar untuk mengetahui distribusi P dalam
periode-periode/waktu yang lama, maka matrik P akan mempunyai kondisi yang tetap yang
berbentuk vektor π = (π1 π2 ... πn). Dalam hal ini, dikatakan bahwa proses markov dengan
matrik probabilitas transisi P mempunyai distribusi stasioner π = (π1 π2 ... πn). Distribusi
stasioner merupakan distribusi stabil matriks P dalam jangka panjang sehingga proses Markov
akan konvergen menuju situasi tetap. Artinya, dalam jangka panjang (periode waktu yang lama)
probabilitas terjadinya situasi tertentu (state ke-j) akan mendekati nilai xj tidak lagi tergantung
situasi sebelumnya.
6.Setiap proses Markov mempunyai kondisi tetap untuk jangka panjang! (benar/salah)
Bagaimanakah menentukannya?
JAWAB :
Proses Markov mempunyai kondisi tetap untuk jangka panjang adalah (Benar)
Distribusi stasioner merupakan distribusi stabil matriks P dalam jangka panjang sehingga
proses Markov akan konvergen menuju situasi tetap. Artinya, dalam jangka panjang
(periode wa ktu yang lama) probabilitas terjadinya situasi tertentu (state ke-j) akan
mendekati nilai xj tidak lagi tergantung situasi sebelumnya. Permasalahan penentuan
distribusi stasioner π jika diketahui matriks transisi P diselesaikan dengan analisis nilai
dan vektor eigen.
Secara umum untuk suatu rantai Markov dengan dua keadaan matriks kemungkinan perpindahan
keadaan (transisi)nya adalah :
7. Apa manfaat dari mengetahui kondisi tetap (distribusi stasioner) proses Markov? Sebutkan
contohnya!
JAWAB :
Manfaat dari mengetahui kondisi tetap (distribusi stasioner) proses Markov adalah
dapat digunakan membuat analisa yang dapat memberikan informasi untuk
membantu pembuatan keputusan.
Contoh:
Pada suatu kota kecil terdapat dua pasar swalayan Adan I. Diasumsikan setiap
pembeli di kota tersebut melakukan kunjungan belanja satu kali per minggu. Dalam
sembarang minggu seorang pembeli hanya berbelanja di A atau di I saja, dan tidak di
keduanya. Kunjungan belanja disebut percobaan (trial) dari proses dan toko yang
dipilih disebut keadaan dari proses. Suatu sampel 100 pembeli diambil dalam
periode 10 minggu, kemudian data dikompilasikan. Dalam menganalisis data,
terlihat bahwa dari seluruh pembeli yang berbelanja di A dalam suatu minggu, 90
persen tetap berbelanja di toko A pada minggu berikutnya, sedangkan sisanya
berpindah belanja pada toko I 80 persen dari yang berbelanja di toko I dalam suatu
minggu tetap berbelanja di toko I sedangkan 20 persen berpindah belanja pada toko
A. Informasi tersebut disusun pada tabel 2 berikut :
Pada kedua baris berjumlah 100, tetapi jumlah kolom tidak. Informasi ini digunakan
untuk membuat matriks kemungkinan perpindahan keadaan / transisi.
Didefinisikan :
Jika contoh diatas diasumsikan bahwa I percaya bahwa suatu kampanye akan
meningkatkan kemungkinan pembeli A beralih pada I dari 0.1 menjadi 0.3 sedangkan
yang tetap berbelanja di I meningkat dari 0.8 menjadi 0.9. Jumlah keseluruhan pasar
diperkirakan 10.000 pembeli per minggu dan keuntungan yang diperoleh oleh toko I
adalah sebesar $ 2 per pelanggan. Haruskah I melakukan kampanye promosi.
Terima Kasih
dari mengetahui kondisi tetap (distribusi stasioner) proses Markov adalah dapat
digunakan membuat analisa yang dapat memberikan informasi untuk membantu
pembuatan keputusan.
Cont
oh:
Pada suatu kota kecil terdapat dua pasar swalayan W dan L. Diasumsikan setiap
pembeli di kota tersebut melakukan kunjungan belanja satu kali per minggu. Dalam
sembarang minggu seorang pembeli hanya berbelanja di W atau di L saja, dan tidak di
keduanya. Kunjungan belanja disebut percobaan (trial) dari proses dan toko yang
dipilih disebut keadaan dari proses. Suatu sampel
100 pembeli diambil dalam periode 10 minggu, kemudian data dikompilasikan. Dalam
menganalisis data, terlihat bahwa dari seluruh pembeli yang berbelanja di W dalam
suatu minggu, 90 persen tetap berbelanja di toko W pada minggu berikutnya, sedangkan
sisanya berpindah belanja pada toko L. 80 persen dari yang berbelanja di toko L dalam
suatu minggu tetap berbelanja di toko L sedangkan 20 persen berpindah belanja pada
toko W. Informasi tersebut disusun pada tabel 2 berikut :
Pada kedua baris berjumlah 100, tetapi jumlah kolom tidak. Informasi ini digunakan
untuk membuat matriks kemungkinan perpindahan keadaan / transisi.
Didefinisikan :
p11
p12
p21
p22
P=
90/100
10/100
20/100
80/100
0,9
0,1
0,2
0,8
Jika contoh diatas diasumsikan bahwa L percaya bahwa suatu kampanye akan
meningkatkan kemungkinan pembeli W beralih pada L dari 0.1 menjadi 0.3 sedangkan
yang tetap berbelanja di L meningkat dari 0.8 menjadi 0.9. Jumlah keseluruhan pasar
diperkirakan 10.000 pembeli per minggu dan keuntungan yang diperoleh oleh toko L
adalah sebesar $ 2 per pelanggan. Haruskah L melakukan kampanye promosi.
P=
π1 = 1/4
π2 = 3/4
Terima kasih..