BAB I

PENDAHULUAN

Analisis rantai markov adalah suatu teknik matematika yang biasa digunakan untuk
melakukan pembuatan model (modelling) bermacam-macam sistem dan proses bisnis. Teknik ini
dapat digunakan untuk memperkirakan perubahan-perubahan di waktu yang akan datang dalam
variabel-variabel dinamis atas dasar perubahan-perubahan dari variabel-variabel dinamis tersebut
di waktu yang lalu (Subagyo dkk,1983).

Analisis rantai Markov diperkenalkan pertama kali oleh Andrey Andreevich Markov, ahli
matematikawan Rusia yang lahir tahun 1856. Analisis Markov hampir sama dengan analisis
keputusan, bedanya adalah analisis rantai markov tidak memberikan keputusan rekomendasi,
melainkan hanya informasi peluang mengenai situasi keputusan yang dapat membantu
pengambil keputusan untuk mengambil keputusan. Dengan demikian, analisis rantai Markov
bukanlah teknik optimisasi, tetapi adalah teknik deskriptif yang menghasilkan informasi peluang
di masa mendatang.

Dalam realita, fenomena-fenomena dalam kehidupan nyata yang sering kita jumpai,
beberapa diantaranya dapat dipikirkan sebagai percobaan yang mencakup sederetan kejadian
yang berturut-turut, dan bukan satu kali kejadian. Umumnya, setiap kejadian dalam suatu
percobaan tergantung pada beberapa atau bahkan semua kejadian masa lalu dan hasil tiap
kejadian ditentukan dengan hukum- hukum peluang. Kejadian-kejadian seperti ini dikenal
sebagai proses stokastik.

Proses Stokastik merupakan suatu proses perubahan probabilistik yang terjadi secara
terus menerus, di mana perubahan-perubahan variabel di masa yang akan datang didasarkan atas
perubahan-perubahan variabel di waktu yang lalu.

Inti dari setiap percobaan adalah pengambilan keputusan. Manajemen sains adalah
kumpulan dari berbagai teknik pengambilan keputusan yang prosesnya dikembangkan secara
bertahap dan sistematis. Model Markov atau juga dikenal dengan sebutan rantai Markov adalah

1
salah satu teknik dalam manajemen sains yang memiliki sifat-sifat ketergantungan pada
sederetan kejadian masa lalu.

Aplikasi analisis rantai markov telah banyak diterapkan untuk menganalisis tentang
perpindahan merek (brand switching) dalam pemasaran, jasa-jasa persewaan mobil, perencanan
penjualan, masalah-masalah persediaan, pemeliharaan mesin, antrian, perubahan harga pasar
saham, administrasi rumah sakit, dan menentukan peluang hutang tak terbayarkan dalam suatu
instansi. Misalnya dalam hal menelaah perilaku pelanggan pada perusahaan pengiriman barang.
Perpindahan merek (brand switching) perusahaan pengiriman barang diakibatkan adanya
peningkatan kualitas pelayanan, periklanan, promosi, dan faktor lainnya.

Dilihat dari data keadaan angsuran kartu halo dari bulan ke bulan, perubahan keadaan
pelanggan pada waktu sekarang dipengaruhi oleh keadaan pelanggan pada waktu sebelumnya.
Begitu pula perubahan keadaan pelanggan pada masa yang akan datang dipengaruhi oleh
keadaan pelanggan pada masa sekarang. Kita dapat menentukan peluang keadaan pelanggan
pada setiap ranting di masa yang akan datang. Oleh karena itu perubahan keadaan pelanggan
dapat dipandang sebagai suatu proses Markov.

B. Rumusan Masalah

Berdasarkan latar belakang yang telah dikemukakan, rumusan masalah dalam penelitian
ini adalah:

1. Bagaimana model Markov?

2. Bagaimana hasil penerapkan analisis Markov?

C. Tujuan Penelitian

Dengan memperhatikan rumusan masalah di atas maka tujuan yang ingin dicapai dalam
penelitian ini adalah:

1. Untuk mengetahui model

2
2. Untuk mengetahui hasil penerapan model Markov

D. Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah sebagai berikut:

Bagi peneliti, diharapkan dapat memperkuat dan menambah pemahaman penulis

3
 BAB II

PEMBAHASAN

A. Pengertian Rantai Markov (Markov Chain)

Rantai Markov adalah rangkaian proses kejadian yang mana probabilitas bersyarat
kejadian yang akan datang tergantung pada kejadian yang sekarang. Rantai Markov pertama kali
dikemukakan oleh Andrey Andreevich Markov, matematikawan berkebangsaan Rusia.
Publikasinya yang pertama membahas rantai markov adalah pada tahun 1906.Permasalahan
markov chain/rantai markov dapat diselesaikan dengan menggunakan probability tree diagram
dan pendekatan matriks.

Rantai Markov merupakan proses stokastik yang menggambarkan urutan barisan yang
dimana memiliki kemungkinan probabilitas setiap kejadian hanya bergantung pada keadaan yang
dicapai pada peristiwa sebelumnya. Analisis Markov digunakan untuk menganalisis masalah
pada bidang pemasaran (misalnya perubahan merek), persediaan, pemeliharaan dan penggantian
mesin, analisis bursa efek dan administrasi rumah sakit. Proses Markov adalah suatu kasus
khusus dari proses stokastik yang lebih umum.

Manfaat dari rantai Markov markov chains Dalam penerapannya pada masalah
persediaan, rantai Markov telah banyak digunakan untuk melakukan pemodelan bermacam-
macam sistem dan proses bisnis. Teknik ini dapat di- gunakan untuk memprediksi perubahan
yang akan terjadi di masa depan berdasarkan beberapa informasi di masa lalu.

Tujuan tujuan Markov Chain adalah Metoda Rantai Markov (Markov Chains) adalah
salah satu cara untuk melakukan analisis perulangan fasies atau jenis batuan yang nantinya
akan membantu dalam memprediksi dinamika sedimentasi. Tujuan dari penelitian ini yaitu
melakukan analisa perulangan fasies dengan menggunakan metode markov chains.

4
B. Definisi Probabilitas Transisi

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. Bentuk penulisan matriks yaitu sebagai berikut.

Dari keadaan

ke- Pindah ke keadaan ke-

1 2 ... j ... n

1 p11 p12 ... p1j ... p1n

2 p21 p22 ... p2j ... p2n

... ... ... ... ... ... ...

i pi1 pi2 ... pij ... pin

... ... ... ... ... ... ...

n pn1 pn2 ... pnj ... pnn

Keteragan:

n = jumlah keadaan 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

5
C. Contoh Soal Probabilitas Transisi & Contoh Soal Rantai Markov

Di kota A terdapat toko swalayan X dan Y. Diasumsikan bahwa sitiap 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.

Minggu awal\Minggu selanjutnya X Y

X 75/80=0,9375 5/80=0,0625

Y 60/80=0,75 20/80=0,25

Maka matriks probabilitas transisinya yaitu sebagai berikut.

P=[0

,93750

,06250 ,750,25]

P=[ 0,93750,750,06250,25 ]

6
 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.

Sehingga perhitungan probabilitas untuk minggu kedua dan ketiga adalah sebagai berikut.

Pt(1)=[10]×[0,93750,06250,750,25]

Pt(1)=[0,9375,0625]

Pt(2)=[0,93750,0,062]x0,93750,750,25]

Pt(2)=[0,92580,0742]

P t(1)P

t(1)P t(2)P t(2)

=[ 10]×[ 0,93750,750,06250,25]

=[ 0,9375 0,0625]

=[ 0,93750,0625]×[ 0,93750,75 0,06250,25 ]

=[ 0,92580,0742 ]

7
 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%.

8
 BAB III

KESIMPULAN

Rantai Markov merupakan proses stokastik yang menggambarkan urutan barisan yang
dimana memiliki kemungkinan probabilitas setiap kejadian hanya bergantung pada keadaan yang
dicapai pada peristiwa sebelumnya. Analisis Markov digunakan untuk menganalisis masalah
pada bidang pemasaran (misalnya perubahan merek), persediaan, pemeliharaan dan penggantian
mesin, analisis bursa efek dan administrasi rumah sakit. Proses Markov adalah suatu kasus
khusus dari proses stokastik yang lebih umum.

Manfaat dari rantai Markov markov chains Dalam penerapannya pada masalah
persediaan, rantai Markov telah banyak digunakan untuk melakukan pemodelan bermacam-
macam sistem dan proses bisnis. Teknik ini dapat di- gunakan untuk memprediksi perubahan
yang akan terjadi di masa depan berdasarkan beberapa informasi di masa lalu.

Tujuan tujuan Markov Chain adalah Metoda Rantai Markov (Markov Chains) adalah
salah satu cara untuk melakukan analisis perulangan fasies atau jenis batuan yang nantinya
akan membantu dalam memprediksi dinamika sedimentasi. Tujuan dari penelitian ini yaitu
melakukan analisa perulangan fasies dengan menggunakan metode markov chains.

9
 DAFTAR PUSTAKA

[01.55, 5/6/2023] Aisyah: https://informasains.com/edu/post/2021/12/markov-chain-rantai-

markov-pengertian-perhitungan-contoh/

: https://darmanto.akakom.ac.id/pengenalanpola/08.MarkovChain.pdf

10