3. Customer Characteeristic
Customer characteristic adalah karakter pengguna dalam menggunakan merek suatu produk. Pada kenyataannya setiap individu memiliki
karakteristik yang berbeda dengan individu lainnya. 4.
Customer Satisfaction Customer
satisfaction merupakan
pengalaman pengguna
ketika menggunakan merek yang digunakan.
5. Competitive Enviorenment, menyangkut sejauh mana kompetisi atau persaingan yang terjadi antar merek dalam satu kategori produk.
2.2 Rantai Markov Markov Chain
Analisa Rantai Markov adalah suatu metode yang mempelajari sifat-sifat suatu variabel pada masa sekarang yang didasarkan pada sifat-sifatnya di masa lalu dalam
usaha menaksir sifat-sifat variabel tersebut dimasa yang akan datang. Dalam analisis markov yang dihasilkan adalah suatu informasi probabilistik yang dapat digunakan
untuk membantu pembuatan keputusan, jadi analisis ini bukan suatu teknik optimisasi melainkan suatu teknik deskriptif . Analisis Markov merupakan suatu bentuk khusus
dari model probabilistik yang lebih umum yang dikenal sebagai proses Stokastik Stochastic process. Analisis ini sangat sering digunakan untuk membantu pembuatan
keputusan dalam bisnis dan industri, misalnya dalam masalah ganti merek, masalah hutang-piutang, masalah operasi mesin, analisis pengawasan dan lain-lain.
Rantai markov merupakan proses stokastik dimana waktu dan ruang keadaan adalah diskrit. Proses stokastik
{ , ∈ }
adalah himpunan variabel acak, dimana untuk setiap
∈ ,
adalah suatu variabel acak dengan distribusi tertentu. Pada umumnya indeks t menunjukkan waktu dari proses. Variabel acak
menunjukkan ruang keadaan state space dari proses tersebut pada waktu t
. Sesuai dengan
definisinya maka untuk menggambarkan suatu proses stokastik { , ∈
}
Universitas Sumatera Utara
selengkapnya, maka perlu diketahui hukum probabilitas dari setiap variabel acak yang menjadi anggota himpunan tersebut. Dengan kata lain
{ , ∈ }
dapat dijelaskan secara lengkap bila untuk n = 0,1,2, ... dan untuk setiap
≤ ≤
⋯ ≤
P [
= |
= , …, =
] 2.1
Hal ini berarti proses akan berada pada keadaan di waktu mendatang, jika mula-
mula proses pada keadaan pada waktu satu langkah sebelumnya, berada pada
keadaan pada waktu dua langkah sebelumnya. Maka bisa dibuat berbagai macam
perkiraan probabilitas yang akan terjadi pada proses tersebut di masa mendatang. Untuk mempermudah penerapanya sifat markov dibuat lebih sederhana, yaitu :
P [
= |
= , …,
= ]
P [
= |
= ]
2.2 Probabilitas ini menyatakan bahwa probabilitas pada waktu atau langkah ke n+1
hanya dipengaruhi oleh langkah ke n sifat Markov dan tidak dipengaruhi oleh langkah-langkah sebelumnya.
Probabilitas bersyarat P [
= |
= ]
disebut probabilitas transisi satu langkah bahwa proses pada keadaan
pada waktu n+1, jika mula-mula proses pada keadaan
pada waktu n. Secara formula dapat ditulis : = P
[ =
| =
] 2.3
Dimana ≥ 0
∑ = 1
Jika P [
= |
= ]
= P [
= |
= ] ∀
= 0,1,2, … , maka
probabilitasnya bersifat stasioner. Probabilitas m langkah :
= [
| = ]
2.4 Dimana :
≥ 0, ∀ ,
∈ = 0,1,2, …
Universitas Sumatera Utara
≥ 1, ∀ ∈
= 0,1,2, …
Matriks probabilitas transisional adalah matriks yang elemen-elemennya merupakan nilai probabilitas perpindahan merek dari merek satu ke merek lainnya
atau ke merek itu sendiri. Elemen-elemen tersebut akan didekati dengan menggunakan proporsi dari perpindahan merek-merek yang mungkin terjadi pada seluruh
pengamatan. Perpindahan dari merek i ke merek j untuk periode t didefinisikan dengan
yang merupakan hasil bagi dari produk handphone yang mengalami perpindahan dari merek i ke merek j dalam periode t dengan jumlah produk
handphone yang berada di merek i ke merek j pada awal periode t. Persamaan diatas dapat didefinisikan sebagai berikut :
= 2.5
Secara matriks, probabilitas transisi satu langkah dan probabilitas transisi m langkah dapat ditulis :
= ⎣
⎢ ⎢
⎡ ⋯
⋯ ⋮
⋮ ⋮
⋮ ⋯
⎦ ⎥
⎥ ⎤
= ⎣
⎢ ⎢
⎢ ⎢
⎡ ⋯
⋯ ⋮
⋮ ⋮
⋮ ⋯
⎦ ⎥
⎥ ⎥
⎥ ⎤
Untuk mendapatkan probabilitas transisi 2 langkah diperoleh dengan mengambil elemen-elemen dari
yang sesuai. Demikian untuk seterusnya untuk probabilitas 3 langkah dihitung
, dan seterusnya. =
= ⋮
=
Universitas Sumatera Utara
Untuk melakukan prediksi pangsa pasar pada periode yang akan datang dapat diperoleh dengan mengalikan matriks probabilitas transisi dengan pangsa pasar
periode pertama. Dapat diformulasikan dalam rumus berikut ini : =
− 1 2.6
Dimana : MKt = Pangsa pasar masing-masing produk handphone pada periode t
P = Matriks probabilitas transisi, dalam kasus ini nilainya selalu tetap.
Dan bila terus dikembangkan maka akan diperoleh sebuah formulasi untuk menghitung
dengan P yang selalu tetap pada setiap t sampai jangka waktu tertentu.
Jika t = 1 1 =
Jika t = 2 2 =
1 =
Universitas Sumatera Utara
BAB 3 METODE PENELITIAN
3.1 Populasi dan Sampel
