pertemuan 3 teori antrian
TEORI ANTRIAN
Pertemuan 3, Rantai Markov pada teori antrian
Nikenasih Binatari
nikenasih@uny.ac.id
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
PRESENTATION PARTS
1
2
3
4
• Rantai Markov Berhingga ***
• Proses Poisson
• Rantai Markov waktu kontinu
• Proses Kelahiran dan kematian
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
I. Rantai Markov Berhingga
Definisi 1.
Diberikan T suatu himpunan dan t T suatu
parameter, pada kasus ini merupakan waktu.
Misalkan X(t) variabel random tT, himpunan
variabel random {X(t),tT} disebut dengan proses
stokastik.
Interpretasi :
X(t) state proses stokastik pada saat t.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Jenis Stokastik Proses
• Jika T terhitung, stokastik proses dikatakan
proses waktu diskrit.
• Jika T merupakan interval [0,), stokastik proses
dikatakan proses waktu kontinu.
Himpunan nilai X(t) kemudian disebut state space.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Definisi 2.
Suatu stokastik proses {X(n), n N} disebut rantai
markov jika untuk setiap waktu n N dan untuk
setiap states (i0,i1,...,in) berlaku
� � =
� =
,� =
=� � =
TAKWA, MANDIRI, CENDEKIA
�
−
,…,�
=
−
−
=
−
http://fmipa.uny.ac.id
Definisi 3.
Peluang bersyarat
� � = |�
−
=
, , ∈�
disebut dengan peluang transisi dari state i ke state
j, dan dinotasikan dengan � � .
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Definisi 4.
Rantai markov dikatakan homogen terhadap waktu
jika � � tidak bergantung atas n. Dengan kata
lain,
� � = |�
−
=
=� �
+
untuk m N dan m ≥ - ( n – 1).
TAKWA, MANDIRI, CENDEKIA
= |�
+ −
=
http://fmipa.uny.ac.id
Berikutnya,
• diasumsikan rantai markov homogen terhadap
waktu.
• dinotasikan peluang transisi dari state i ke state j
adalah � . State yang mungkin 1,2, ..., N.
Definisi 5.
Matriks transisi P adalah matriks berukuran N x N
dengan entri ke (i,j) Pij adalah pij.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Matriks transisi dari rantai markov harus merupakan
matriks stokastik. Dengan kata lain, entri matriks
transisi harus memenuhi 2 syarat :
1. ≤ � ≤ , ≤ , ≤ �
2. �= � = , ≤ ≤ �
Selanjutnya, dimisalkan distribusi peluang mulamula (initial probability distribution) diketahui.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Misalkan distribusi peluang mula-mula dengan
� � = , = , , … , �.
Definisi 6.
Peluang n-langkah � adalah peluang berada pada
state j dengan n langkah dari state i. Dengan kata
lain,
� = � � = |� = = � � + = |� =
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Darisini diperoleh bahwa
� � =
=
=
� � = |� =
∈�
�
∈�
�
�
,
dengan S adalah state space.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Sifat 7.
Peluang transisi n-langkah �
(i,j) dari matriks Pn.
Akibatnya,
� �=�
TAKWA, MANDIRI, CENDEKIA
merupakan entri ke-
+
http://fmipa.uny.ac.id
Misalkan distribusi peluang mula-mula
dinyatakan dalam vektor
�= �
,�
,…,� � ,
maka distribusi pada saat waktu n, �
� � = :
� =� �
TAKWA, MANDIRI, CENDEKIA
dapat
=
http://fmipa.uny.ac.id
Referensi
Constantin, Hannah. Markov Chains and Queueing
Theory. 2011
dapat diakses di alamat website
http://www.math.uchicago.edu/~may/VIGRE/VIGRE
2011/REUPapers/Constantin.pdf
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
THANK YOU
Nikenasih Binatari
nikenasih@uny.ac.id
Karangmalang Sleman Yogyakarta
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Pertemuan 3, Rantai Markov pada teori antrian
Nikenasih Binatari
nikenasih@uny.ac.id
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
PRESENTATION PARTS
1
2
3
4
• Rantai Markov Berhingga ***
• Proses Poisson
• Rantai Markov waktu kontinu
• Proses Kelahiran dan kematian
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
I. Rantai Markov Berhingga
Definisi 1.
Diberikan T suatu himpunan dan t T suatu
parameter, pada kasus ini merupakan waktu.
Misalkan X(t) variabel random tT, himpunan
variabel random {X(t),tT} disebut dengan proses
stokastik.
Interpretasi :
X(t) state proses stokastik pada saat t.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Jenis Stokastik Proses
• Jika T terhitung, stokastik proses dikatakan
proses waktu diskrit.
• Jika T merupakan interval [0,), stokastik proses
dikatakan proses waktu kontinu.
Himpunan nilai X(t) kemudian disebut state space.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Definisi 2.
Suatu stokastik proses {X(n), n N} disebut rantai
markov jika untuk setiap waktu n N dan untuk
setiap states (i0,i1,...,in) berlaku
� � =
� =
,� =
=� � =
TAKWA, MANDIRI, CENDEKIA
�
−
,…,�
=
−
−
=
−
http://fmipa.uny.ac.id
Definisi 3.
Peluang bersyarat
� � = |�
−
=
, , ∈�
disebut dengan peluang transisi dari state i ke state
j, dan dinotasikan dengan � � .
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Definisi 4.
Rantai markov dikatakan homogen terhadap waktu
jika � � tidak bergantung atas n. Dengan kata
lain,
� � = |�
−
=
=� �
+
untuk m N dan m ≥ - ( n – 1).
TAKWA, MANDIRI, CENDEKIA
= |�
+ −
=
http://fmipa.uny.ac.id
Berikutnya,
• diasumsikan rantai markov homogen terhadap
waktu.
• dinotasikan peluang transisi dari state i ke state j
adalah � . State yang mungkin 1,2, ..., N.
Definisi 5.
Matriks transisi P adalah matriks berukuran N x N
dengan entri ke (i,j) Pij adalah pij.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Matriks transisi dari rantai markov harus merupakan
matriks stokastik. Dengan kata lain, entri matriks
transisi harus memenuhi 2 syarat :
1. ≤ � ≤ , ≤ , ≤ �
2. �= � = , ≤ ≤ �
Selanjutnya, dimisalkan distribusi peluang mulamula (initial probability distribution) diketahui.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Misalkan distribusi peluang mula-mula dengan
� � = , = , , … , �.
Definisi 6.
Peluang n-langkah � adalah peluang berada pada
state j dengan n langkah dari state i. Dengan kata
lain,
� = � � = |� = = � � + = |� =
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Darisini diperoleh bahwa
� � =
=
=
� � = |� =
∈�
�
∈�
�
�
,
dengan S adalah state space.
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
Sifat 7.
Peluang transisi n-langkah �
(i,j) dari matriks Pn.
Akibatnya,
� �=�
TAKWA, MANDIRI, CENDEKIA
merupakan entri ke-
+
http://fmipa.uny.ac.id
Misalkan distribusi peluang mula-mula
dinyatakan dalam vektor
�= �
,�
,…,� � ,
maka distribusi pada saat waktu n, �
� � = :
� =� �
TAKWA, MANDIRI, CENDEKIA
dapat
=
http://fmipa.uny.ac.id
Referensi
Constantin, Hannah. Markov Chains and Queueing
Theory. 2011
dapat diakses di alamat website
http://www.math.uchicago.edu/~may/VIGRE/VIGRE
2011/REUPapers/Constantin.pdf
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id
THANK YOU
Nikenasih Binatari
nikenasih@uny.ac.id
Karangmalang Sleman Yogyakarta
TAKWA, MANDIRI, CENDEKIA
http://fmipa.uny.ac.id