Analisa rantai Markov adalah suatu teknik kebarangkalian yang menganalisis pergerakan kebarangkalian dari satu keadaan ke keadaan lain. Dikenalkan oleh Andrey A. Markov, ahli matematik dari Rusia yang lahir tahun 1856.
Analisa Markov hampir sama dengan decision analysis, bezanya adalah analisa rantai Markov tidak memberikan keputusan cadangan, melainkan hanya maklumat kebarangkalian mengenai situasi keputusan yang boleh membantu pembuat keputusan mengambil keputusan. Dengan demikian, analisa rantai Markov bukanlah teknik pengoptimuman, tetapi adalah teknik deskriptif yang menghasilkan maklumat kebarangkalian dimasa mendatang. Untuk dapat melaksanakan analisa rantai Markov kedalam suatu kes, ada beberapa syarat yang harus dipenuhi:
1. Jumlah kebarangkalian peralihan untuk suatu keadaan awal dari system sama dengan 1 2. Kebarangkalian-kebarangkalian tersebut berlaku untuk semua peserta dalam system 3. Kebarangkalian peralihan berterusan sepanjang masa 4. Keadaan merupakan keadaan yang independent sepanjang masa.
Dalam realiti, penerapan analisa Markov bias dibilang cukup terhad kerana sukar mencari masalah yang memenuhi semua sifat yang diperlukan untuk analisa Markov, terutama keperluan bahawa kebarangkalian peralihan harus berterusan sepanjang masa (kebarangkalian peralihan adalah kebarangkalian yang terjadi dalam pergerakan perpindahan keadaan dalam system).
Contoh A plikasi
Aplikasi analisa rantai Markov yang terkenal diantaranya adalah analisa perpindahan jenama dari pelanggan, analisa kebarangkalian kerosakan mesin, analisa hutang tak tertagih, dan masih banyak lagi yang lain.
Sebagai contoh aplikasi, kumpulan kami akan membuat sebuah model perpindahan jenama (kerana cukup sederhana berbanding model lain ) seperti dibawah ini: Misalkan ada tiga syarikat penghantaran barang disuatu kota dengan penduduk 2000 orang, iaitu A, B, dan C. Setiap bulan, penduduk di bandar tersebut menggunakan salah satu daripada ketiga-tiga syarikat tersebut. Setelah diadakan survey, ternyata pelanggan tidak setia sepenuhnya pada syarikat penghantaran manapun. Pelanggan akan berpindah syarikat sebagai akibat adanya peningkatan kualiti perkhidmatan, pengiklanan, promosi, dan faktor-faktor lain. Hasil surveinya adalah sebagai berikut:
- Jika pelanggan melakukan transaksi dengan A bulan ini, ada kebarangkalian sebanyak 50% bahawa pelanggan akan melakukan transaksi dengan A kembali dibulan seterusnya. Sedangkan bahawa pelanggan akan berpindah ke B dan C, terdapat kebarangkalian sebanyak 30% dan 20%
- Untuk pelanggan yang bulan ini mengadakan transaksi dengan B, terdapat kebarangkalian sebanyak 55% bahawa pelanggan tersebut akan kembali pada mereka dibulan seterusnya. Sedangkan bahawa pelanggan akan berpindah ke A dan C, terdapat kebarangkalian sebanyak 20% dan 25%
- Untuk C, kebarangkalian bahawa pelanggan akan kembali pada mereka dibulan berikutnya adalah 60%. Sedangkan kebarangkalian pelanggan akan beralih ke A dan B adalah 20% dan 20%. Kebarangkalian pergerakan pelanggan perbulan tersebut dapat dijabarkan sebagai berikut dalam matriks peralihan:
Jika ditetapkan event 1 = (0.3 0.35 0.35), hasil perkalian event dengan matriks peralihan diatas kelihatan seperti dibawah ini:
Dengan event sebesar (0.3 0.35 0.35) didapati equilibrium tercapai pada bulan ke 12, iaitu sebanyak:
Syarikat A = 29% Syarikat B = 35% Syarikat C = 36%
Dengan demikian terlihat bahawa walaupun pasaran A menurun terus pada bulan-bulan pertama, ternyata akhirnya berhenti di 29% ketika mencapai masa equilibriumnya. Demikian juga dengan pasaran B dan C yang mengalami kenaikan dan penurunan pada awal tempoh, namun akan tetap malar setelah masa equilibrium tercapai. Artinya pasaran ketiga syarikat tidak akan berubah lagi, kecuali ada perubahan operasi yang boleh mengakibatkan perubahan jumlah transaksi yang terjadi.
Maka, dengan penduduk sebanyak 2000 orang, yang dilayani oleh masing-masing syarikat adalah:
Syarikat A = 2000 x 29% = 580 orang Syarikat B = 2000 x 35% = 700 orang Syarikat C = 2000 x 36% = 720 orang
Selain, juga dilakukan percubaan membuktikan hasil perhitungan dari matriks kejadian pada hasil kerja yang pertama, yaitu dengan percubaan awal terhadap MK (1 0 0), yang kemudian dibandingkan terhadap pembalikkan apabila yang dijadikan MK awal adalah:
a. (0 1 0) ..................... apabila analisis dilakukan oleh syarikat B, sehingga B = 1 b. (0 0 1) ....................... apabila analisis dilakukan oleh syarikat C, sehingga C = 1
Dengan event awal (1 0 0) (dengan andaian analisa dilakukan oleh syarikat A, sehingga pada bulan 1 100% pelanggan yang melakukan transaksi dengan A diwakili dengan variable 1. Pada bulan 2, dari 100% yang awalnya melakukan transaksi dengan A terdapat 30% yang berpindah ke B dan 20% yang lari ke syarikat C), ternyata membawa hasil yang tidak jauh berbeza apabila analisa Markov ini dilakukan oleh syarikat B atau C. (Dapat dilihat dalam jadual dibawah)
Dengan event awal (1 0 0) didapati equilibrium tercapai pada bulan ke 15, dengan bahagian pasaran:
A = 29% B = 35% C = 36%
Dengan jumlah penduduk 2000 orang, maka jumlah yang dilayani oleh syarikat A, B, dan C adalah
A = 29% x 2000 = 580 orang B = 35% x 2000 = 700 orang C = 36% x 2000 = 720 orang
Pembuktiannya adalah hasil perhitungan matriks berikut seandainya analisis dilakukan oleh syarikat B dengan event (0 1 0) dikalikan terhadap matriks peralihan diatas:
Dengan event awal (0 1 0), dapat dilihat bahawa masa equilibrium dicapai pada bulan ke 14, dengan bahagian pasaran equilibrium yang sama, yaitu:
A = 29% B = 35% C = 36%
Sedangkan apabila MK awal adalah (0 0 1), yaitu dilakukan oleh syarikat C, dapat dilihat bahawa equilibrium tercapai pada Bulan (e) 15, dengan jumlah bahagian pasaran yang sama dengan 2 event diatas, yaitu: (jadual dibawah)
A = 29% B = 35% C = 36%
Dengan MK awal seperti hasil kerja kami yang pertama, walaupun tidak menghasil e2, e3, e4, .... en yang tidak sama apabila MK dibolak-balik, namun nilai pada e equilibrium sama pada pembalikkan manapun. Ket: Apabila menggunakan Solver, persamaan-persamaan yang harus dimasukkan adalah persamaan berikut ini:
A = 0.5 A + 0.2 B + 0.2 C B = 0.3 A + 0.55 B + 0.2 C C = 0.2 A + 0.25 B + 0.6 C 1 = A + B + C A = 1 - B - C
Dari hasil perhitungan manual (dengan cara penggantian) persamaan-persamaan diatas, diketahui e equilibrium dari ketiga syarikat adalah:
A = 29% B = 35% C = 36% Dengan contoh aplikasi diatas, dapat dilihat bahawa analisa rantai Markov hanya menghasilkan maklumat, bukan keputusan. Katakan analisa diatas dilakukan oleh syarikat penghantaran barang A, maka A telah memperoleh maklumat berharga untuk masa yang akan datang bahawa:
1. Kebarangkalian untuk pelanggan yang setia dengan A selepas equilibrium dicapai adalah 580 orang atau 29% daripada jumlah penduduk.
2. Pasaran A adalah yang paling rendah, iaitu hanya 29%
Dengan diketahuinya hal ini, pembuat keputusan pihak A dapat memikirkan pelan jangka panjangnya untuk meningkatkan bahagian pasaran. Misalnya saja A dapat menambah kualiti pelayanannya sehingga kebarangkalian bahawa pada bulan kedua pelanggan akan kembali pada A dapat bertambah. Dengan demikian, dalam jangka waktu tertentu ketika A, B, dan C mencapai masa equilibrium, pasaran A akan bertambah besar.