Diskusi 6 METKUAN

Silahkan berdiskusi dengan topik di bawah ini :

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

Selamat Sore dan Salam Sejahtera untuk Kita semua

Om Swastyastu, Salam Kebajikan Namobudaya

1. Sebutkan tiga perbedaan pokok matrik probabilitas transisi dengan matrik lain pada
umumnya?

JAWAB :

1. Jumlah probabilitas dalam satu baris matriks sama dengan 1

2. Matriks probababilitas transisi merupakan matriks bujur sangkar, dimana jumlah kolom
dan barisnya adalah sama.
3. Angka dalam matriks identitas merupakan bilangan non negatif dan tidak lebih dari satu,
karena melambangkan kemungkinan atau peluang.

2. Sebutkan beberapa contoh lain fenomena sosial/ekonomi/bisnis yang dapat dimodelkan oleh
proses Markov ! (lengkap dengan matriks probabilitas transisinya)

JAWAB :

 Indeks DJIA diklasifikasikan ke dalam tiga keadaan sbb. :

o Keadaan 1 : Penurunan angka indeks dari angka indeks hari terakhir sebelumnya
o Keadaan 2 : Tidak ada perubahan angka indeks
o Keadaan 3 : Peningkatan angka indeks dari angka indeks hari sebelumnya

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.

Matriks kemungkinan transisinya setelah dihitung adalah sebesar P sebagai berikut :

3. Bagaimana cara menentukan/menduga probabilitas transisi Markov?

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 :

Markov melalui perpangkatan matriks probabilitas transisi adalah (Benar)

Curah hujan (rainfall). Misal sistem keadaan cuaca (hujan atau tidak hujan) pada hari t. State
space adalah Ω = { Hujan=0, Tidak Hujan=1). Matriks probabilitas transisi sebagai berikut :

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 :

diperoleh : π1 = p21 / (1 – p11 + p21 ) π2 = p12 / (1 – p12 + p22 )

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 :

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

A
Keadaan 2 : Pembeli berbelanja di
I

Dengan demikian matriks kemungkinan transisi

adalah P :

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.

Matriks kemungkinan transisi setelah melakukan promosi

adalah :

Setelah dihitung diperoleh kemungkinan pada keadaan steady

state :
 π1 = 1/4
π2 = 3/4

 Pangsa pasar I meningkat menjadi 75 % dimana

sebelumnya adalah sebesar 331/3 %. Karena
keseluruhan pasar berjumlah 10.000 pembeli per
minggu, maka jumlah pembeli toko I meningkat sebesar
= 7500 – 3333 = 4167 pembeli per minggu. Apabila
keuntungan rata-rata dari setiap pembeli sebesar $ 2
per minggu maka keuntungan akan meningkat sebesar
$8334.
 Selama biaya kampanye promosi lebih kecil dari jumlah tersebut, maka I sebaiknya
memikirkan tentang kampanye tersebut. Situasi keseluruhan akan berubah apabila
A juga mengadakan kampanye yang mengimbangi keunggulan I secara keseluruhan
atau sebagian.

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 :

Tabel 2 : Matriks kemungkinan

transisi
Pilihan Pilihan pada minngu berikutnya
pelanggan W L
suatuWminggu 90 10
L 20 10

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 transisi
adalah P :

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.

Matriks kemungkinan transisi setelah melakukan promosi

adalah :
0,7
0,3
0,1
0,9

P=

Setelah dihitung diperoleh kemungkinan pada keadaan

steady state :

π1 = 1/4
π2 = 3/4

Pangsa pasar L meningkat menjadi 75 % dimana sebelumnya adalah sebesar 331/3

%. Karena keseluruhan pasar berjumlah 10.000 pembeli per minggu, maka jumlah
pembeli toko L meningkat sebesar = 7500 – 3333 = 4167 pembeli per minggu. Apabila
keuntungan rata-rata dari setiap pembeli sebesar $ 2 per minggu maka keuntungan
akan meningkat sebesar $8334.
Selama biaya kampanye promosi lebih kecil dari jumlah tersebut, maka L sebaiknya
memikirkan tentang kampanye tersebut. Situasi keseluruhan akan berubah apabila W
juga mengadakan kampanye yang mengimbangi keunggulan L secara keseluruhan
atau sebagian.

Mohon Koreksi jika terdapat kekeliruan…

Terima kasih..