MAKALAH METODE KUANTITATIF PENGAMBILAN KEPUTUSAN

TENTANG
MODEL RANTAI MARKOV
Diajukan untuk Memenuhi Tugas Mata Kuliah Metode Kuantitatif Pengambilan
Keputusan
Yang Diampu Oleh Ibu Gina Agustina, SE, MM

Disusun Oleh Kelompok 08

Nama Anggota:

Euis Ikni Aenillah NIM 20210101132

Agil Sahrul Sukur NIM 20210101152

Desti Siti R.A NIM 20210101170

PRODI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS CIPASUNG TASIKMALAYA

2023
 KATA PENGANTAR

Assalamualaikum [Link]
Puji syukur kami panjatkan kehadirat Allah SWT yang telah memberi
kesehatan dan kelancaran dalam pembuatan makalah yang berjudul Model Rantai
Markov. Sholawat beserta salam kami panjatkan kejunjunan alam Nabi
Muhammad SAW.

Makalah ini disusun untuk memenuhi salah satu tugas kelompok mata
kuliah Metode Kuantitatif Pengambilan Keputusan. Dalam makalah ini
disampaikan pembahasan materi mengenai model rantai markov.

Kami berharap makalah ini bisa bermanfaat khususnya bagi kami dan
umummya bagi para pembaca, dan mudah mudahan setelah membaca menjadi
inspirasi bagi pembuat makalah yang akan datang. Selanjutnya, kami selaku
penyusun menyadari bahwa kami masih jauh dari kata sempurna, oleh karena itu
kritik dan saran sangatlah berguna bagi kami demi kemajuan dimasa yang
mendatang.

Akhir kata, mohon maaf jika dalam penyusun makalah ini ada yang tidak
berkenan bagi yang membaca maupun orang yang akan membuat makalah.

Wassalamualaikum [Link]

Tasikmalaya, 30 Maret 2023

Penulis

i
 DAFTAR ISI
KATA PENGANTAR ................................................................................... i
DAFTAR ISI .................................................................................................. ii
DAFTAR GAMBAR...................................................................................... iii
DAFTAR TABEL........................................................................................... iv
BAB I PENDAHULUAN
A. Latar Belakang...................................................................................... 1
B. Rumusan Masalah................................................................................. 2
C. Tujuan Masalah ................................................................................... 2
BAB II PEMBAHASAN
A. Ruang Lingkup Model Rantai Markov................................................. 3
B. Matriks Probabilitas Transisi................................................................ 5
C. Menghitung Probabilitas Suatu Kejadian di Waktu yang akan Datang 7
D. Menentukan Kondisi Steady State........................................................ 14
E. Contoh Soal Model Rantai Markov...................................................... 16

BAB III PENUTUP

A. Simpulan .............................................................................................. 22
B. Saran ................................................................................................... 22
DAFTAR PUSTAKA .................................................................................... 23

ii
 DAFTAR GAMBAR

Gambar 2.1 ...................................................................................................... 6

Gambar 2.2 ...................................................................................................... 8

Gambar 2.3 ...................................................................................................... 10

Gambar 2.4 ...................................................................................................... 11

Gambar 2.5 ...................................................................................................... 12

Gambar 2.6 ...................................................................................................... 12

iii
 DAFTAR TABEL

Tabel 2.1 .......................................................................................................... 5

Tabel 2.2 .......................................................................................................... 6

Tabel 2.3 .......................................................................................................... 7

Tabel 2.4 .......................................................................................................... 7

Tabel 2.5 .......................................................................................................... 8

Tabel 2.6 .......................................................................................................... 9

Tabel 2.7 .......................................................................................................... 9

Tabel 2.8 .......................................................................................................... 10

Tabel 2.9 .......................................................................................................... 17

Tabel 2.10 ........................................................................................................ 17

Tabel 2.11 ........................................................................................................ 19

Tabel 2.12 ........................................................................................................ 20

iv
 BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Perubahan yang ada di dalam kehidupan sehari-hari sangat
bervariasi. Ada perubahan yang bersifat statis namun ada juga yang
bersifat dinamis. Karena kehidupan yang terus berjalan, maka perubahan
yang terjadi memang tidak bisa dihindari. Acap kali perubahan itu juga
berimbas pada sebuah kerugian. Oleh karena itu, ada baiknya apabila
dilakukan persiapan untuk sebuah perubahan. Setiap transisi yang terjadi
dari waktu ke waktu perlu dicermati dengan baik. Salah satu solusi yang
relevan untuk situasi tersebut adalah dengan melakukan prediksi akan apa
yang terjadi di masa yang akan datang. Salah satunya adalah dengan
menggunakan model rantai Markov. Analisa Rantai Markov adalah suatu
metode yang mempelajari sifat‐sifat suatu variabel pada masa sekarang
yang didasarkan pada sifat‐sifatnya pada masa lalu dalam usaha menaksir
sifat‐sifat variabel tersebut dimasa yang akan datang.

Rantai Markov memiliki banyak aplikasi sebagai model statistik

dari proses dunia nyata, seperti mempelajari sistem kendali jelajah pada
kendaraan bermotor, antrian atau antrian pelanggan yang tiba di bandara,
nilai tukar mata uang dan dinamika populasi hewan.

Dalam Analisis markov yang dihasilkan adalah suatu informasi

probabilistik yang dapat digunakan untuk membantu pembuatan
keputusan. Analisis ini bukan teknik optimisasi melainkan suatu teknik
deskriptif.

Dalam kenyataannya, penerapan analisa Markov bisa dibilang

cukup terbatas karena sulit untuk menemukan permasalahan yang
memenuhi semua sifat yang diperlukan untuk analisa Markov, terutama
persyaratan bahwa probabilitas transisi harus konstan sepanjang waktu.
Metode ini banyak digunakan untuk pengambilan keputusan, namun

1
 sebenarnya hanya memberikan informasi bagi pengambil keputusan untuk
memperbaiki keputusannya, bukan untuk memberi solusi.

B. Rumusan Masalah
1. Apa saja ruang lingkup model rantai markov?
2. Bagaimana cara menghitung matriks probabilitas transisi?
3. Bagaimana cara menghitung probabilitas suatu kejadian di waktu yang
akan datang?
4. Bagaimana cara menentukan kondisi steady state?
5. Bagaimana soal perhitungan model rantai markov?
C. Tujuan Masalah
C. Memahami apa saja ruang lingkup model rantai markov
D. Memahami bagaimana cara menghitung matriks probabilitas transisi
E. Memahami bagaimana cara menghitung probabilitas suatu kejadian di
waktu yang akan datang
F. Memahami cara menentukan kondisi steady state
G. Memahami soal perhitungan model rantai markov

2
 BAB II

PEMBAHASAN

A. Ruang Lingkup Model Rantai Markov

1. Definisi Model Rantai Markov
Analisis markov merupakan bentuk khusus dari model
probabilistik yang lebih umum dikenal sebagai proses stokastik.
Analisa Rantai Markov adalah suatu metode yang mempelajari sifat‐
sifat suatu variabel pada masa sekarang yang didasarkan pada sifat‐
sifatnya pada masa lalu dalam usaha menaksir sifat‐sifat variabel
tersebut dimasa yang akan datang.
Analisis Markov adalah suatu teknik matematik untuk peramalan
perubahan pada variabel‐variabel tertentu berdasarkan pengetahuan
dari perubahan sebelumnya.
Pada awalnya, Analisis Markov digunakan sebagai alat dalam
analisis perubahan cuaca. Dan saat ini, Analisis Markov sering
digunakan untuk membantu pembuatan keputusan dalam dunia bisnis
atau industri. Misal, sebagai alat untuk menganalisis:
 Perpindahan merek yang digunakan oleh konsumen.
 Masalah operasi dan pemeliharaan mesin produksi.
 Perubahan harga di pasar saham.
 Dan lain-lain
2. Sejarah
Model Rantai Markov ditemukan oleh seorang ilmuwan Rusia
bernama Andrey Andreyevich Markov pada tahun 1906.
“Untuk setiap waktu t, ketika kejadian adalah Kt dan seluruh
kejadian sebelumnya adalah Kt(j),…, Kt(j-n) yang terjadi dari proses
yang diketahui, probabilitas seluruh kejadian yang akan datang Kt(j)
hanya bergantung pada kejadian Kt(j-1) dan tidak bergantung pada
kejadian-kejadian sebelumnya yaitu Kt(j-2), Kt(j-3), …, Kt(j-n)”

3
 Markov berfokus pada perluasan hukum bilangan besar dalam
berbagai percobaan. Model ini berhubungan dengan suatu rangkaian
proses dimana kejadian akibat suatu eksperimen hanya tergantung
pada kejadian yang langsung mendahuluinya dan tidak tergantung
pada rangkaian kejadian sebelum-sebelumnya yang lain.
3. Ciri-ciri
a. Bila diketahui status suatu kondisi awal, maka pada kondisi
periode berikutnya merupakan suatu proses random yang
dinyatakan dalam probabilitas, yang disebut dengan probabilitas
transisi.
b. Probabilitas transisi tidak akan berubah untuk selamanya.
c. Probabilitas transisi hanya tergantung pada status awal.
4. Sifat
Apabila diketahui proses berada dalam suatu keadaan tertentu,
maka peluang berkembangnya proses di masa mendatang hanya
tergantung pada keadaan saat ini dan tidak tergantung pada keadaan
sebelumnya, atau dengan kata lain rantai Markov adalah rangkaian
proses kejadian dimana peluang bersyarat kejadian yang akan datang
tergantung pada kejadian sekarang.
5. Syarat
a. Jumlah probabilitas transisi untuk suatu keadaan awal dari sistem
sama dengan 1.
b. Probabilitas‐probabilitas tersebut berlaku untuk semua partisipan
dalam sistem.
c. Probabilitas transisi konstan sepanjang waktu.
d. Kondisi merupakan kondisi yang independen sepanjang waktu.
6. Proses
Terdapat 3 prosedur utama untuk dilakukan, yaitu :
a. Menyusun matriks probabilitas transisi.
b. Menghitung probabilitas suatu kejadian di waktu yang akan
datang.

4
 c. Menentukan kondisi steady state.

B. Matriks Probabilitas Transisi

1. Definisi
Probabilitas transisi adalah perubahan dari satu kondisi ke kondisi
yang lain pada periode (waktu) berikutnya dan merupakan suatu proses
random yang dinyatakan dalam probabilitas.
Probabilitas transisi dapat dituliskan dalam bentuk matriks yang
disebut matriks probabilitas transisi. Matriks probabilitas transisi
merupakan matriks (tabel) yang berisi nilai probabilitas perubahan
state tersebut. Bentuk penulisan matriks yaitu sebagai berikut.

Tabel 2.1
Keterangan:
n = jumlah keaadaaan dalam proses
i = kondisi awal ke-i (i = 1,2, ...., n)
j = kondisi akhir ke-j (j = 1,2, ...., n)
pij = peluang perubahan kondisi dari kondisi ke-i menjadi kondisi ke-j
Oleh karena angka tersebut melambangkan kemungkinan, maka
semuanya merupakan bilangan non negatif dan tidak lebih dari satu.

5
 Gambar 2.1

2. Contoh Soal
Masalah perubahan cuaca di Indonesia.
Misal hanya terdapat 2 macam cuaca, yaitu hujan dan cerah.
Diketahui bahwa dalam masalah ini, cuaca di Indonesia selalu berada
pada salah satu dari dua state (status) yang mungkin, yaitu cerah atau
hujan. Perubahan dari satu state ke state yang lain pada periode
berikutnya merupakan suatu proses random yang dinyatakan dalam
probabilitas, yang disebut dengan probabilitas transisi.
Misalnya saja diketahui :
– P(hujan | hujan ) = 0,6 P(hujan | cerah ) = 0,4
– P(cerah | hujan ) = 0,8 P(cerah | cerah ) = 0,2

Tabel 2.2

Contoh lain :
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 L saja, dan tidak dikeduanya.
Kunjungan belanja di sebut percobaan (trial) dari proses dan toko yang

6
 dipilih disebut keadaan dari proses. Suatu sample 100 pembeli diambil
dalam periode 10 minggu, kemudian data dikompilasikan.
Dalam menganalisis data, terlihat bahwa dari seluruh pembeli yang
berbelanja di W dalam satu mingguan, 90% tetap berbelanja di toko W
pada minggu berikutnya, sedangkan sisanya berpindah belanja pada
toko L. 80% dari yang berbelanja di toko L dalam satu minggu tetap
berbelanja di toko L sedangkan 20% berpindah belanja pada toko W.
Informasi tersebut disusun pada tabel berikut.

Tabel 2.3
 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 transisinya adalah sbb :

Tabel 2.4
 Terlihat bahwa kemungkinan dari setiap baris berjumlah satu.

C. Menghitung Probabilitas Suatu Kejadian di Waktu yang akan Datang

Informasi yang dihasilkan dari Analisis Markov adalah probabilitas
suatu state pada periode ke depan. Informasi ini dapat digunakan oleh
manajer untuk membantu pengambilan keputusan dengan cara

7
memperkirakan perubahan-perubahan variabel di waktu yang akan datang
berdasar atas perubahan-perubahan variabel di waktu yang lalu.
Terdapat 2 cara untuk menemukan informasi tersebut, yaitu:
1. Probabilitas Tree
Probabilitas Tree merupakan cara yang mudah untuk menggambarkan
transisi dengan jumlah terbatas dari suatu proses Markov.
Contoh:
Diketahui probabilitas transisi sebagai berikut:

Tabel 2.5

Ingin dihitung probabilitas cuaca akan berstatus hujan pada hari ke-3,
jika pada hari ini (hari pertama) berstatus hujan.
Penyelesaian:

Gambar 2.2
Jadi,
 Probabilitas cuaca akan berstatus hujan pada hari ke-3, jika pada
hari ini (hari pertama) berstatus hujan adalah
HH (3) = 0,36 + 0,32 = 0,68

8
 Probabilitas cuaca akan berstatus cerah pada hari ke-3, jika pada
hari ini (hari pertama) berstatus hujan adalah
CH (3) 0,24 + 0,08 = 0,32.

Contoh lain:

Sebuah perusahaan transportasi mempunyai 220 unit mobil.

Namun tidak semua mobil dapat beroperasi dikarenakan mesin rusak.
Data mobil yang sedang beroperasi (narik) dan rusak (mogok) adalah
sebagai berikut :

Tabel 2.6

Dalam waktu dua hari terdapat perubahan, mobil yang tadinya

beroperasi ternyata rusak, begitu pula sebaliknya untuk mengetahui
perubahan yang terjadi ada pada tabel berikut :

Tabel 2.7

Dari data tersebut hitunglah :

a. Probabilitas Transisi
b. Probabilitas hari ke‐3 narik jika hari ke‐1 narik
c. Probabilitas hari ke‐3 mogok jika hari ke‐1 narik

9
d. Probabilitas hari ke‐3 narik jika hari ke‐1 mogok
e. Probabilitas hari ke‐3 mogok jika hari ke‐1 mogok

Jawab :

a. Probabilitas Transisi

Tabel 2.8

Probabilitas Tree

Gambar 2.3

10
 Gambar 2.4

Dari 2 gambar tersebut, kita bisa menjawab soal di atas, sehingga:

b. Probabilitas hari ke‐3 narik jika hari ke‐1 narik = 0,3402 + 0,3084
= 0,6486
c. Probabilitas hari ke‐3 mogok jika hari ke‐1 narik = 0,2431 +
0,1083 = 0,3514
d. Probabilitas hari ke‐3 narik jika hari ke‐1 mogok = 0,4316 +
0,1924 = 0,624
e. Probabilitas hari ke‐3 mogok jika hari ke‐1 mogok = 0,3084 +
0,0676 = 0,376.

2. Perkalian Matriks
Probabilitas tree akan sangat membantu bila periode ke-t di masa
depan cukup kecil.
 Bila ingin diketahui probabilitas status pada periode ke-t dimasa
depan, dimana t cukup besar, maka untuk menyelesaikan dengan
probabilitas tree akan menjadi tidak efisien karena membutuhkan
lembar kertas yang besar.
 Untuk itu, digunakan cara lain yaitu dengan menggunakan
perkalian matriks
Contoh :

11
 Probabilitas kendaraan narik pada periode ke‐i jika pada periode
ke‐1 narik, dilambangkan dengan:

Gambar 2.5
Probabilitas kendaraan mogok pada periode ke‐3 jika pada periode ke‐
1 mogok,dilambangkan dengan:

Gambar 2.6
Jika kendaraan pada hari ke‐1 narik maka berlaku probabilitas sebagai
berikut:
Nn (I) = 1 sedangkan Mm (I) = 0
Jika probabilitas di atas disusun ke dalam vektor baris, maka kita
dapatkan:
(Nn (I) Mm (I)) = (1 0)
Adapun rumus untuk mencari probabilitas periode berikutnya (i+1)
adalah:
(Nn (i + 1) (Mn (i + 1)) = (Nn (i) Mn (i) × Matriks Probabilitas
Transisi
Bila rumus di atas kita gunakan untuk mencari probabilitas hari ke‐2,
maka:

12
 Terlihat bahwa hasilnya sama dengan yang diperoleh dengan
menggunakan metode Probabilities Tree. Dengan menggunakan cara
yang sama kita akan dapatkan status untuk periode‐periode berikutnya
sebagai berikut:

Terlihat bahwa perubahan probabilitas semakin lama semakin

mengecil sampai akhirnya tidak tampak adanya perubahan.
Probabilitas tersebut tercapai mulai dari periode ke‐7, dengan
probabilitas status:

Ini berarti pemilik kendaraan dapat menarik kesimpulan bahwa jika

awalnya kendaraan berstatus narik, setelah beberapa periode di masa
depan probabilitasnya narik adalah sebesar 0,6398 dan probabilitasnya
mogok adalah sebesar 0,3602.
Untuk perhitungan probabilitas status hari pertama mogok dapat kita
cari dengan metode yang sama dan akan kita dapatkan probabilitas
yang akan sama untuk periode selanjutnya, mulai dari periode ke‐8.
Adapun probabilitas pada periode ke‐8 adalah:

13
D. Menentukan Kondisi Steady State
Dalam banyak kasus, Analisis Markov akan menuju suatu kondisi
keseimbangan (Steady State), yaitu suatu kondisi di mana setelah proses
markov berjalan selama beberapa periode, maka akan diperoleh nilai
probabilitas suatu state akan bernilai tetap, dan probabilitas ini dinamakan
probabilitas Steady State.
Untuk mencari Probabilitas Steady State dari suatu Matriks
Transisi, maka kita dapat menggunakan rumus
(Nn (i + 1) (Mn (i + 1)) = (Nn (i) Mn (i) × Matriks Probabilitas Transisi
Dari contoh kasus di atas dengan status hari ke‐1 narik, maka kita
dapatkan:

Untuk mengurangi keruwetan, periode (i) dapat kita hilangkan, karena

pada saat Steady State tercapai periode tidak akan mempengaruhi
perhitungan. Sehingga perhitungan di atas akan menjadi:

Dari perhitungan di atas akan menghasilkan persamaan berikut:

Karena salah satu ciri proses markov adalah:

Dengan menstubstitusikan Mn = 1 ‐Nn ke persamaan (1) didapatkan:

14
Lalu kita masukkan nilai Nn = 0,6398 ke dalam persamaan (2) didapatkan:
Mn = 0,3602.
Dari contoh kasus kita ketahui bahwa Pemilik Kendaraan memiliki
220 kendaraan. Dengan menggunakan Probabilitas Steady State yang
sudah kita dapatkan, Pemilik dapat mengharapkan jumlah kendaraan setiap
harinya narik atau mogok sebanyak:

Misalkan Pemilik kurang puas dengan tingkat operasi yang ada dan
ingin meningkatkannya, sehingga Pemilik mengambil kebijakan untuk
menggunakan suku cadang asli dalam setiap perawatan armada. Kebijakan
ini membuat Matriks Probabilitas Transisi berubah menjadi:

Artinya kebijakan ini membuat Probabilitas saat ini narik, lalu hari
berikutnya mogok menurun dari 0,4 menjadi 0,3. Probabilitas Steady State
yang baru adalah:

Sehingga kita dapatkan persamaan berikut:

Substitusikan Nn = 1 ‐ Mn ke persamaan (2), sehingga kita dapatkan:

Mn = 0,2885 dan Nn = 0,7116

15
 Artinya setiap harinya Pemilik dapat mengharapkan kendaraan
yang narik atau mogok sebanyak:
Narik : Nn x 220 = 0,7116 x 220 = 156,55 atau sebanyak 157 kendaraan
Mogok : Mn x 220 = 0,2885 x 220 = 63,47 atau sebanyak 63 kendaraan.
Kebijakan tersebut menghasilkan kenaikan operasional dari 141
kendaraan perhari menjadi 157 kendaraan perhari. Dalam hal ini Pemilik
harus mengevaluasi kebijakan ini, apakah kenaikan pendapatan
operasional dapat menutupi kenaikan biaya operasional karena kebijakan
ini.
Misalkan karena kebijakan ini terjadi kenaikan biaya perawatan
kendaraan sebesar Rp. 1.000.000,‐ setiap harinya. Jadi bila kenaikan
pendapatan operasional lebih besar dari Rp. 1.000.000,‐ maka kebijakan
tersebut layak untuk dijalankan.
Dari contoh ini menunjukkan bahwa Analisis Markov tidak
memberikan solusi atau keputusan, namun analisis tersebut memberikan
informasi yang dapat membantu pembuatan keputusan.

E. Contoh Soal Model Rantai Markov

1. Industri personal komputer merupakan industri yang mengalami
pergerakan sangat cepat dan teknologi menyediakan motivasi kepeda
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

16
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 ?
Penyeleasaian:
Kasus di atas merupakan kasus rantai markov

Tabel 2.9

Untuk tahun depan:

Table 2.10
 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%.

17
  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 membelbank mpaq 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.
2. Eastville adalah sebuat desa yang letaknya jauh dari desa lain. 7000
nasabah bank di Eastville melakukan kegiatan bisnis perbankan dan
keuangan mereka pada dua bank yang ada di kota tersebut, National
Bank (NB) dan Eastville Bank (EB). Eastville Bank sedang
mempertimbangkan untuk melakukan penambahan jasa dan
menaikkan bunga tabungan. Bagian pemasaran bank melakukan riset
dan menemukan bahwa jika seorang pelanggan melakukan transaksi
dengan EB dalam suatu bulan tertentu, terdapat probabilitas sebesar
0,70 pelanggan akan melakukan transaksi pada bank yang sama di
bulan berikutnya, dan sebesar 0,30 bahwa ia akan transaksi dengan
dengan NB di bulan berikutnya. Sebaliknya jika seorang pelanggan
melakukan transaksi dengan NB dalam suatu bulan tertentu, terdapat
probabilitas sebesar 0,85 pelanggan akan melakukan transaksi pada
bank yang sama di bulan berikutnya, dan sebesar 0,15 bahwa ia akan

18
pindah ke EB. Buatlah matriks probabilitas transisi untuk masalah ini.
Tentukan probabilitas keadaan tetap dan indikasikan jumlah pelanggan
yang dapat diantisipasi oleh bank dalam jangka panjang !
 Langkah 1
Membuat matriks transisi

Tabel 2.11
 Langkah 2
Menentukan probabilitas keadaan tetap

 Operasi Matriks sebagai berikut :

N = 0,85N + 0,30E
E = 0,15N + 0,70 E
 Dan,
N + E = 1,0
 Atau,
E = 1,0 ‐ N
 Substitusi akan menghasilkan :
N = 0,85N + 0,30 (1,0 –N)
= 0,85N + 0,30 – 0,30N
= 0,30 + 0,55N = 0,667
 Dan : E= 1 – N = 0,333
 Maka probabilitas keadaan tetapnya adalah :

 Langkah 3
Menentukan jumlah pelanggan untuk setiap bank
‐ National Bank : 0,667 x 7000 = 4669 Pelanggan

19
 ‐ Eastville Bank : 0,333 x 7000 ‐= 2331 Pelanggan
3. Di kota A terdapat toko swalayan X dan Y. Diasumsikan bahwa setiap
pembeli melakukan pembelian seminggu sekali di salah satu dari
kedua toko swalayan tersebut (tidak di keduanya).

Diambil sebanyak 80 sampel pembeli selama 10 minggu. Dari

penelitian tersebut diketahui bahwa jka pembeli ke toko X pada suatu
minggu, 75 orang akan tetap membeli di toko X pada minggu
berikutnya dan jika pembeli ke toko Y pada suatu minggu, 60 orang
akan tetap membeli di toko Y pada minggu berikutnya. Buatlah tabel
dan matriks probabilitas transisinya! Jika pada minggu pertama
Bambang membeli di toko X, berapa probabilitas Bambang membeli
di toko X pada minggu ketiga?

Jawab:

Dari data yang ada, dapat dibuat tabel probabilitas transisi sebagai
berikut.

Tabel 2.12

Maka matriks probabilitas transisinya yaitu sebagai berikut.

20
Jika pada minggu pertama Bambang membeli di toko X, berapa
probabilitas Bambang membeli di toko X pada minggu ketiga?

Pertanyaan tersebut dapat dijawab dengan menggunakan membuat

pohon diagram probabilitas dan matriks. Kali ini akan kita selesaikan
dengan menggunakan pendekatan matriks sebagai berikut.

Diperoleh kondisi awal yaitu sebagai berikut.

Sehingga perhitungan probabilitas untuk minggu kedua dan ketiga

adalah sebagai berikut.

Dari hasil perhitungan dia tas, maka dapat disimpulkan bahwa jika
Bambang membeli di toko X pada minggu pertama, probabilitas
Bambang membeli di toko X pada minggu ketiga adalah 92,58%.

21
 BAB III

PENUTUP

A. Simpulan
Analisa Rantai Markov adalah suatu metode yang mempelajari
sifat‐sifat suatu variabel pada masa sekarang yang didasarkan pada sifat‐
sifatnya pada masa lalu dalam usaha menaksir sifat‐sifat variabel tersebut
dimasa yang akan datang. Analisis Markov sering digunakan untuk
membantu pembuatan keputusan dalam dunia bisnis atau industri. Misal,
sebagai alat untuk menganalisis perpindahan merek yang digunakan oleh
konsumen, masalah operasi dan pemeliharaan mesin produksi, perubahan
harga di pasar saham, dan lain-lain. Terdapat 3 prosedur utama untuk
dilakukan dalam model rantai markov, yaitu menyusun matriks
probabilitas transisi, menghitung probabilitas suatu kejadian di waktu yang
akan datang, dan menentukan kondisi steady state. Terdapat dua cara
dalam menghitung probabilitas suatu kejadian di waktu yang akan datang,
yaitu dengan Probabilitas Tree dan perkalian matriks.
B. Saran
Dengan adanya makalah ini, diharapkan dapat menambah wawasan
pengetahuan bagi pembaca mengenai Model Rantai Markov. Selain itu,
penulis menyadari masih banyak kekurangan dalam penulisan makalah ini.
Oleh sebab itu, kritik dan saran yang membangun sangat diharapkan untuk
perbaikan makalah ini.

22
 DAFTAR PUSTAKA
Nurokhim, Ahmad; 2021; Markov Chain (Rantai Markov): Pengertian,
Perhitungan, Contoh [Link]
chain-rantai-markov-pengertian-perhitungan-contoh/
Wiryawan, Onggo [Link]
Butar Monika Yuliana [Link]
[Link]?page=36
[Link]
[Link]

23
24