Analisa Rantai Markov

September 16, 2008 at 4:45 pm 12 comments

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.