PENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI

Abstract

Masalah dasar dari pemodelan stokastik dengan proses Markov adalah menentukan deskripsi state yang sesuai, sehingga proses stokastik yang berpadanan akan benar-benar memiliki sifat Markov, yaitu pengetahuan terhadap state saat ini adalah cukup untuk memprediksi perilaku stokastik dari proses di waktu yang akan datang. Penelitian ini dilakukan untuk menentukan klasifikasi state pada rantai Markov yang dibatasi untuk n = 4. Hasil penelitian ini menunjukkan bahwa untuk, state 4 terdapat satu state absorbing dan tiga state transient. Untuk batasan nilai terdapat dua state yang transient, dua state yang recurrent, dan membentuk satu kelas ekivalensi, sedangkan untuk batasan nilai terdapat dua state yang transient, dua state yang recurrent, dan termasuk state yang recurrent dalam satu kelas ekivalensi.

DETERMINE CLASSIFICATION OF STATE IN MARKOV CHAIN USING EIGEN VALUE FROM TRANTITION PROBABILITY MATRIX

ABSTRACT

Base problem from stochastic modal with Markov process is to determine appropriate state of description, in order that stochastic process corresponding will has truly Markov’s characteristic. Recently, it is adequate for knowledge of state to predict process of behavior stochastic in future. The research is intended to determine classification of state in Markov’s chain that is restriction to 4. The results indicate that for state,for 4. A restriction value will be formed one state transient, two states recurrent and one class of equivalent, while limited one will be formed two states transient, two states recurrent, and including one state recurrent inside one class of equivalent.