ANALISIS MARKOV DALAM MEMPREDIKSI PANGSA PASAR PERBANKAN DI DESA

WESTVALE

LAPORAN PRAKTIKUMLAB. METODE KUANTITATIF BISNIS

Oleh :

Siti Angginami Sadida Pane – 1301065654

Kelas : 04 PCJRuang : 727

LAB MANAJEMENUniversitas Bina Nusantara

Jakarta2009

KATA PENGANTAR

Puji syukur penyusun ucapkan atas kehadirat Tuhan Yang Maha Esa atas

rahmatnya penyusun dapat menyelesaikan tugas laporan Analisis Kuantitatif Bisnis

ini. Penulisan laporan ini merupakan salah satu tugas dan persyaratan untuk

menyelesaikan mata kuliah Lab.Analisis Kuantitatif Bisnis. Dalam penulisan laporan

ini penyusun ingin mengucapkan terima kasih pada pihak-pihak yang telah

membantu dalam menyelesaikan tugas laporan Lab Analisis Kuantitatif Bisnis ini

khususnya kepada :

1. Pihak Lab. Mnajemen

2. Kak Edo dan Kak Hima selaku Asisten Lab yang telah membimbing.

3. Teman-teman yang telah membantu dalam penyelesaian tugas laporan Lab.

Analisis Kuantitatif Bisnis.

4. Kepada pustakawan BINUS UNIVERSITY yang telah membantu dalam

pencarian buku untuk laporan ini.

5. Rekan-rekan kelas 04 PCJ BINUS UNIVERSITY angkatan 2009.

Penyusun menyadari sepenuhnya bahwa penyusunan laporan Laboratorium

Analisis Kuantitatif Bisnis ini masih jauh dari kata sempurna dan mempunyai banyak

kekurangan. Oleh karena itu, penyusun mohon maaf bila terdapat kesalahan dalam

penulisan maupun pengetikan. Kritik dan saran yang membangun sangat diharapkan

untuk penyempurnaan laporan ini dan pembuatan laporan di masa yang akan

datang.

Jakarta, 6 Juni 2011

Penyusun,

Siti Angginami Sadida Pane

Halaman Daftar IsiDAFTAR ISI

Halaman

KATA PENGANTAR iv

DAFTAR ISI v

DAFTAR TABEL (jika ada) dst-nya

DAFTAR GAMBAR (jika ada)

Bab 1 . PENDAHULUAN

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 2

1.3 Tujuan 3

1.4 Manfaat 4

1.5. Metodologi Penelitian dst-nya

Bab 2. Landasan Teori

2.1 xxxxxxxxxxxxxxxxxxx

2.2 xxxxxxxxxxxxxxxxxxx

dst

Bab 3. Analisis dan Interpretasi Data

3.1 xxxxxxxxxxxxxxxxxxx

3.2 xxxxxxxxxxxxxxxxxxx

dst

Bab 4. SIMPULAN DAN SARAN

4.1 Simpulan

4.2 Saran

Daftar PustakaLampiran (jika ada)

DAFTAR TABEL

Halama

n

Tabel 2.1 Matriks Transisi n

Tabel 3.1 Data n

DAFTAR GAMBAR

Halama

n

Gambar

3.1

Pilih Module – Markov Analysis n

Gambar

3.2

Pilih File - New n

Gambar

3.3

Masukkan Number of States = 2 n

Gambar

3.4

Input data n

Gambar

3.5

Output n

Petunjuk Menggunakan Template Ini

1. Perhatikan hal berikut :

a. Baca dulu penjelasan (ditulis pakai warna biru) untuk masing-masing dokumen yang akan dibuat

b. Mulailah menulis seperti yang diminta dari penjelasan

c. Ketiklah tulisan anda mulai dari tanda [mulailah dari sini ] atau yang bertanda << >>

2. Jangan mengubah format Font

3. Tambahkan nomor halaman pada dokumen Bab 1 ini

Nomor halaman yang berisi judul Bab I ini (yaitu halaman 1) dituliskan pada bagian TENGAH BAWAH halaman, sedangkan nomor halaman berikutnya (halaman 2 dst) diletakkan pada bagian KANAN ATAS halaman.

4. Jika sudah selesai, maka bagian penjelasan yang berwarna biru bisa anda delete

5. Jika sudah selesai maka bisa anda cetak

6. Jika ada masalah teknis atas template ini, anda dapat menghubungi pihak LAB MANAJEMEN ATAU ASISTEN ANDA.

7.

Selamat menyusun

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Pada saat ini, masyarakat pada umumnya lebih selektif dalam memilih tempat

mereka untuk menabung, karena didasari oleh promosi-promosi dari setiap bank,

keuntungan yang akan didapat jika konsumen menabung di bank tersebut, serta

faktor-faktor promosi lainnya.

Dalam laporan ini, saya akan meneliti tentang “ANALISIS MARKOV DALAM

MEMPREDIKSI PANGSA PASAR PERBANKAN DI DESA WESTVALE”, yang pada saat

ini terdapat dua bank di desa Westvale yang terdiri dari 2000 orang, yaitu Bank of

Westvale dan American National Bank, tujuan saya dalam pembuatan laporan ini

agar saya dapat mengetahui bagaimana perkembangan pangsa pasar perbankan

di desa Westvale dari bulan ke bulannya, yang juga nantinya mempermudah

strategi pemasaran apa yang sebaiknya dilaksanakan oleh pihak bank untuk

meningkatkan pangsa pasar bank tersebut.

Disini, saya akan menggunakan salah satu metode Analisis Kuantitatif Bisnis,

yaitu metode Markov Analysis, yang dengan metode tersebut saya dapat

mengetahui pangsa pasar kedua bank tersebut dengan probabilitas yang ada,

steady state dari masing-masing bank tersebut, dan ekspektasi pelanggan jangka

panjang terhadap masing-masing bank. Dengan metode Markov Analysis ini juga,

saya dapat menilai bagaimana kesetiaan masyarakat dalam memilih bank,

apakah berpindah-pindah atau tetap setia pada satu bank saja.

Dalam data saya saat ini, yang menjadi masalah adalah bagaimana cara

mencari probabilitas steady state, pangsa pasar bank, dan ekspektasi jangka

panjang bank yang ada di desa Westvale, dalam kurun waktu tiga bulan.

Metode saat ini yang saya gunakan adalah metode Markov Analysis, yang

nantinya akan saya lakukan perhitungan dengan software QM for Windows 2 dan

juga akan dilakukan perhitungan secara manual.

1.2 Identifikasi Masalah

Berapakah pangsa pasar Bank of Westvale untuk bulan ketiga.

Berapa banyaknya penduduk yang menjadi pelanggan Bank of Westvale

untuk bulan ketiga.

Berapakah Steady State untuk Bank of Westvale dan American National

Bank

Berapakah ekspektasi pelanggan jangka panjang di Bank of Westvale dan

American National Bank.

1.3 Tujuan dan Manfaat

Tujuannya adalah:

1. Untuk mengetahui pangsa pasar Bank of

Westvale.

2. Untuk mengetahui Bank manakah yang paling

diminati oleh masyarakat di desa Westvale.

3. Untuk mengetahui steady state Bank of Westvale

dan American National Bank.

4. Untuk mengetahui ekspektasi pelanggan jangka

panjang di Bank of Westvale dan American National Bank.

Manfaatnya adalah :

Manfaat dari hasil penyusunan Laporan Analisis Kuantitatif Bisnis ini agar

Bank of Westvale dapat meningkatkan pemasaran kampanye Bank kepada

masyarakat dan sebagai acuan untuk kedua bank tesebut.

1.4. Metodologi Penelitian 1.4.1. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan untuk mendapatkan data-

data dalam penelitian Laporan Analisis Kuantitatif Bisnis ini adalah metode

kuantitatif dengan melakukan obeservasi terlebih dahulu.

1.4.2. Metode Analisis DataMetode analisis data yang saya gunakan untuk mengolah dan

menganalisis data yang telah saya kumpulkan adalah dengan metode

Markov Analysis karena dengan menggunakan metode ini saya dapat

mengetahui pangsa pasar dari masing-masing bank, sehingga dapat

menjadi acuan bagi tiap bank tersebut.

BAB 2

LANDASAN TEORI

2.1 Analisis Kuantitatif Bisnis2.1.1 Pengertian Analisis Kuantitatif Bisnis

Analisis kuantitatif bisnis adalah pendekatan ilmiah untuk pengambilan

keputusan manajerial dan ekonomi, dimana metode ini berkaitan tentang

model matematika yang kompleks dan statistik, pengukuran dan penelitian.

Analisis Kuantitatif Bisnis dapat dilakukan karena beberapa alasan seperti

pengukuran, evaluasi kinerja atau penilaian instrumen keuangan. Hal ini juga

dapat digunakan untuk memprediksi kejadian-kejadian dunia nyata. Dalam

arti luas, analisis kuantitatif hanyalah sebuah cara untuk mengukur sesuatu.

Contoh analisis kuantitatif meliputi segalanya dari rasio keuangan sederhana

seperti laba per saham, sesuatu yang rumit seperti arus kas diskonto, atau

penentuan harga opsi.

2.1.2 Metode – Metode Analisis Kuantitatif BisnisDalam Analisis Kuantitatif Bisnis terdapat banyak metode dalam penyelesaian

masalah.

a. Linear Programming

b. Transportasi

c. Waiting Line

d. Forecasting

e. Decision Analysis

f. Markov Analysis

g. Project Management (CPM/PERT)

2.2 Markov Analysis2.2.1 Pengertian Markov Analysis

Markov analysis adalah teknik probabilita yang tidak memberikan keputusan

rekomendasi. Dan markov analysis juga tidak memberikan informasi

probabilita mengenai situasi keputusan yang dapat membantu pengambil

keputusan untuk membuat keputusan. Dengan kata lain, markov analysis

bukan merupakan teknik optimasi, melainkan merupakan teknik deskriptif

yang menghasilkan informasi probabilita. Markov analysis digunakan dalam

peramalan perilaku masa depan suatu variable atau sistem yang tidak

tergantung kepada sistem perilaku di masa lalu, dengan kata lain acak.

Sebagai contoh, dalam membalik koin probabilitas dari kepala datang flip

sama terlepas dari apakah hasil sebelumnya kepala atau ekor. Dalam

akuntansi, markov analysis yang digunakan dalam memperkirakan utang

buruk atau tidak tertagihnya piutang usaha. Dalam pemasaran, digunakan

dalam loyalitas merek permodelan masa depan konsumen berdasarkan tarif

mereka saat pembelian dan pembelian kembali. Dalam control kualitas,

markov analysis berlaku untuk masalah umum – sebab dan peristiwa urutan

lainnya tergantung, dan dapat menangani sistem degradasi. Dinamai setelah

penemunya, matematikawan Rusia dan perintis teori probabilitas, Andrei

Markov Andreevich (1856-1922).

2.2.2 Karakteristik Markov AnalysisSifat-sifat dalam terminology Markov adalah sebagai berikut :

Sifat 1 : Jumlah probabilita transisi untuk suatu awal keadaan dari suatu

sistem, tertentu sama denga 1.0

Sifat 2 : Probabilita berlaku bagi siapa saja dalam sistem

Sifat 3 : Probabilita transisi konstan sepanjang waktu

Sifat 4 : Keadaan merupakan keadaan yang independen sepanjang waktu

2.2.3 Proses MarkovProses Markov adalah suatu kasus khusus dari proses stokastik yang

lebih umum. Proses stokastik dapat dilihat sebagai deretan variabel acak

terhadap waktu. Misalnya pada indeks bursa efek Dow Jones. Setiap hari

nilai akhir dari angka indeks tersebut diterima sebagai hasil dari variabel

acak. Pada suatu periode waktu, kita dapat menganggap angka indeks

dari Dow Jones merupakan realisasi dari proses stokastik. Secara

spesifik, misalkan xi adalah angka indeks pada akhir hari ke i dalam

tahun tertentu, dengan i = 1 sampai 250 (diasumsikan dalam satu tahun

terdapat 250 hari perdagangan). Misalnya x37 merupakan variabel acak

yang menggambar- kan hasil dari hari ke 37 pada tahun tertentu. Maka

xi dimana i = 1 sampai 250 merupakan proses yang stokastik. Nilai yang

diobservasi pada proses stokastik ini untuk satu tahun adalah realisasi

dari proses tersebut. Nilai xi pada suatu hari disebut status/keadaan dari

proses.

Ciri khas dari proses Markov melihat kemungkinan tersebut sebagai

perubahan dari suatu keadaan ke keadaan yang lain. Dalam proses

Markov, kemungkinan berubah dari suatu keadaan ke keadaan yang lain

hanya tergantung pada keadaan saat ini dan bukan bagaimana sampai

pada keadaan tersebut. Hal ini dikenal sebagai sifat Markov. Dan

dikatakan proses tersebut tidak mempunyai memori.

Matriks kemungkinan perpindahan keadaan / transisi

Kemungkinan perubahan dari satu keadaan ke keadaan yang lain dalam

prose Markov disebut kemungkinan transisi, ditampilkan dengan matriks

kemungkinan transisi seperti pada tabel.

Tabel 2.1 : Matriks Transisi

Dari keadaan ke

Pindah ke keadaan ke

1 2 . . j . . n

1 P11 P12 . . P1j . . P1n

2 P21 P22 . . P2j . . P2n

. . . . . . . . .i Pi1 Pi2 . . Pij . . Pin

. . . . . . . . .n Pn1 Pn2 . . Pnj . . Pnn

Keterangan :

n adalah jumlah keadaan dalam proses dan P ij adalah kemungkinan

transisi dari keadaan saat i ke keadaan j. Jika saat ini berada pada

keadaan i maka baris i dari tabel di atas berisi angka-angka P i1, Pi2 , …….,

Pin merupakan kemungkinan berubah ke keadaan berikutnya. Oleh

karena angka tersebut melambangkan kemungkinan, maka semuanya

melupakan bilangan non negatif dan

tidak lebih dari satu. Secara matematis :

0 < P i j   < 1

i = 1, 2, ….., n

Σ P i j   = 1

i = 1, 2, ….., n

Steady State Probability

Dalam banyak kasus, proses markov akan menuju pada Steady State

(keseimbangan) artinya setelah proses berjalan selama beberapa periode,

probabilitas yang dihasilkan akan bernilai tetap, dan probabilitas ini

dinamakan Probabilitas Staedy State. 

Untuk mencari Probabilitas Steady State dari suatu matrix Transisi, maka kita

dapat menggunakan rumus:

( Nn (i=1) Mn (i=1) ) = (Nn (i) Mn (i) ) x Matrix Probabilitas Transisi

Karena Steady State akan menghasilkan probabilitas yang sama pada periode

ke depan maka rumus tersebu akan berubah menjadi

( Nn (i) Mn (i) ) = ( Nn (i) Mn (i) 0 x Matrix Probabilitas Transisi

2.3 Rantai Markov2.3.1 Pengertian Rantai Markov

Rantai Markov (Markov Chain) dapat didefinisikan sebagai suatu teknik

matematika yang biasa digunakan untuk melakukan pembuatan

model(modeling) bermacam-macam sistem dan proses bisnis. Rantai Markov

merupakan penerapan baru Progran Dinamis terhadap pemecahan masalah

suatu proses stochastic yang dapat dijelaskan oleh sejumlah state yang

terbatas. Teknik ini dapat digunakan untuk memperkirakan perubahan-

perubahan yang akan terjadi diwaktu yang akan datang dalam variabel-

variabel dinamis atas dasar perubahan-perubahan dari variabel-variabel

dinamis tersebut dimasa lalu, sebagai suatu alat dalam riset operasi untuk

mengambil keputusan manajerial.

2.3.2 Proses Model Rantai MarkovSuatu proses markov terdiri dari suatu himpunan obyek dan suatu himpunan

keadaan yang sedemikian rupa sehingga:

1. Pada sembarang waktu yang diketahui, tiap-tiap obyek harus berada

dalam suatu keadaan tertentu (obyek-obyek yang berbeda tidak perlu

berada pada keadaan yang berbeda).

2. Probabilitas untuk sebuah obyek berpindah ke keadaan lainnya (yang

mungkin sama seperti keadaan pertama) dalam satu selang waktu

tertentu hanyalah tergantung pada kedua keadaan itu.

Secara garis besar proses model rantai markov adalah sebagai berikut:

1. Menyusun matriks probabilitas transisi.

2. Menghitung kemungkinan market share diwaktu yang akan datang.

Pada dasarnya rantai markov dapat dibedakan menjadi dua, yaitu rantai

markov berhingga dan rantai markov dengan horizon yang tidak terbatasi.

1. Rantai Markov Berhingga

Rantai Markov berhingga adalah suatu rantai markov yang memiliki jumlah

keadaan yang berhingga.

2.  Rantai Markov dengan horizon yang tidak terbatasi

Suatu keputusan dengan horizon tidak terbatasi adalah proses keputusan

yang memiliki tahap yang tak berhingga banyaknya.

Keadaan ini jarang terjadi namun merupakan model yang menarik untuk

digunakan dalam analisis proses yang tidak memiliki titik akhir yang jelas.

Keseimbangan Pangsa Pasar Dalam Rantai Markov

Pangsa pasar adalah bagian pasar yang bisa dikuasai oleh perusahaan.

Secara teoritis, pangsa pasar adalah perbandingan antara volume penjualan

perusahaan dengan permintaan industri. Pangsa pasar perusahaan

sebenarnya merupakan informasi strategis yang dapat memberikan

gambaran mengenai eksistensinya. Informasi mengenai volume penjualan

memang bisa memberikan informasi mengenai penurunan atau kenaikan

penjualan, akan tetapi tidak mungkin bisa memberikan gambaran tentang

eksistensi atau kekuatan perusahaan di pasar.

BAB 3ANALISIS DAN INTERPRESTASI DATA

3.1 Pengumpulan DataWestvale adalah sebuah komunitas pedesaan yang kecil di Maine. Karena

letaknya jauh dari kota lain, 2000 nasabah bank di Westvale melakukan kegiatan

bisnis perbankan dan keuangan mereka pada dua bank yang ada di kota

tersebut, the American National Bank dan the Bank of Westvale. The Bank of

Westvale sedang mempertimbangkan kampanye pemasaran yang berpusat pada

penambahan beberapa jasa baru dan pemberian bunga tabungan yang lebih

tinggi. Pangsa pasar Bank of Westvale saat ini 65%. Dalam persiapan kampanye

ini, bagian pemasaran bank melakukan sebuah penelitian dan menemukan

bahwa:

- Jika seorang pelanggan melakukan transaksi dengan Bank of Westvale dalam

suatu bulan tertentu, terdapat probabilitas sebesar 0.40 bahwa pelanggan

tersebut akan melakukan transaksi lagi dengan Bank of Westvale di bulan

berikutnya dan probabilitas sebesar 0.60 bahwa ia melakukan transaksi dengan

American National di bulan berikutnya.

- Demikian pula sebaliknya, jika seorang pelanggan melakukan transaksi dengan

American National dalam suatu bulan tertentu, terdapat probabilitas sebesar 0.3

bahwa pelangaan tersebut akan tetap melakukan transaksi dengan America

National di bulan berikutnya dan probabilita sebesar 0.7 bahwa ia akan pindah ke

Bank of Westvale.

Tabel 3.1 : Data

Bulan 1

Bulan BerikutnyaBank of

Westvale American National

Bank

Bank of Westvale 0.40 0.60American National

Bank 0.70 0.30Sumber : www.4shared.com/file/oF81GTUt/RO_-

_Analisa_Markov.html

3.2 Pengolahan dan Output DataSetelah data-data dari hasil observasi terkumpul, langkah selanjutnya adalah

melakukan pengolahan data dengan menggunakan software QM untuk

mempermudah dalam mengerjakan laporan ini. Output data bisa dilakukan

setelah proses pengolahan data selesai. Langkah-langkah penyelesaian

pengolahan data terdapat pada gambar-gambar dibawah ini

Gambar 3.1 : Pilih Module – Markov Analysis

Gambar 3.2 : Pilih File - New

Gambar 3.3 : Masukkan Number of States = 2

Gambar 3.4 : Input data

Gambar 3.5 : Output

3.3 Interprestasi DataBerdasarkan output di atas, didapat hasil sebagai berikut:

Pangsa pasar Bank of Westvale untuk 3 bulan ke depan adalah sebesar

0,5354 atau 53.54%.

Pangsa pasar American national Bank untuk 3 bulan ke depan adalah sebesar

0,4646 atau 46,46%.

53.54% x 2000 orang = 1070.8 atau 1071 orang

Jumlah penduduk yang tetap menabung di Bank of Westvale sebanyak 1071

orang.

3.4 Perhitungan ManualDIAGRAM POHON

Untuk menghitung probabilita konsumen yang menabung di Bank of Westvale pada

bulan ketiga kita harus menjumlahkan dua nilai probabilita yang mengacu pada Bank

of Westvale di bulan ketiga.

= (0,4 x 0,4) + (0,6 x 0,7) = 0,58

Jadi probabilita pelanggan yang menabung di Bank of Westvale pada bulan ketiga adalah 0.58

0.4 x 0.4 = 0.16

0.

0.6

0.

0.

0.

0.

0.4 x 0.6 = 0.24

0.6 x 0.7 = 0.42

0.6 x 0.3 = 0.18

MATRIKS TRANSISI

BOW ANB

T = Bank of Westvale [0.4 0.6]

American National Bank [0.7 0.3]

A mewakili probabilita pelanggan yang menabung di Bank of Westvale (BOW).

B mewakili probabilita pelanggan yang menabung di American National Bank (ANB).

A atau B yang ditulis lebih dulu dinyatakan sebagai probabilita yang akan dicari.

(i) menunjukkan periode ke berapa yang akan dicari probabilitanya.

Misalnya, kita ingin menulis “besarnya probabilita pelanggan yang menabung di BOW

pada bulan ke-5 --yang mana pelanggan tersebut pada awalnya merupakan

pelanggan ANB-- adalah sebesar 0,50”. Kalimat tersebut dapat kita ringkas menjadi

AB(5) = 0,5

Untuk menghitung probabilita pelanggan yang menabung di BOW dan ANB pada

bulan kedua dimana keadaan awalnya pelanggan tersebut merupakan pelanggan di

BOW, kita dapat menggunakan matriks.

[AA(2) BA(2)] = [AA(1) BA(1)][0.4 0.6]

[0.7 0.3]

= [1 0] [0.4 0.6]

[0.7 0.3]

= [0.4 0.6]

Artinya, probabilita pelanggan menabung di Bank of Westvale pada bulan ke-2

adalah sebesar 0,4. Dan probabilita pelanggan yang meanbung di American National

Bank adalah 0,6.

Jika kita ingin menghitung probabilita pelanggan yang awalnya menabung di Bank of

Westvale pada bulan ketiga kita cukup mengalikan hasil matriks probabilita bulan

kedua dengan matriks transisi.

[AA(3) BA(3)] = [AA(2) BA(2)[0.4 0.6]

[0.7 0.3]

= [0.4 0.6] [0.4 0.6]

[0.7 0.3]

= [0.58 0.42]

Artinya, probabilita pelanggan menabung di Bank of Westvale pada bulan ketiga

adalah sebesar 0,58. Dan probabilita pelanggan yang menabung di American

National Bank adalah sebesar 0,42.

Keadaan Tetap (Steady State)

Keadaan tetap adalah suatu keadaan dimana nilai probabilita mencapai nilai yang

tetap/tidak berubah. Untuk mengetahui nilai probabilita dalam keadaan tetap, kita

harus menghitung nilai-nilai probabilita tersebut satu-persatu hingga nilai-nilai

probabilita yang dihasilkan tidak berubah dalam beberapa periode terakhir.

Nilai probabilitas dalam keadaan tetap ini juga dapat dicari dengan cara :

Selanjutnya, kita cukup mensubstitusikan persamaan-persamaan di atas.

A = 0.4 A + 0.7 B

= 0.4 A + 0.7 (1-A)

= 0.4 A + 0.7 – 0.7 A

= -0.3 A + 0.7

= 0.5385

Karena A+B = 1 è B = 1-A maka B = 0,4615

Jadi, probabilita pelanggan yang menabung di Bank of Westvale dalam jangka

panjang sebesar 0,5385 dan 0,4615 yang menabung di American National Bank.

Ekspektasi Pelanggan dalam Jangka Panjang

Jika terdapat 2000 pelanggan tetap tiap bulannya dalam desa tersebut, maka

perkiraan jumlah pelanggan yang menabung di Bank of Westvale adalah sebesar

Periode tidak perlu ditulis, karena steady state tidak menunjuk ke

periode manapun

0,5385 x 2000, yaitu 1077 orang. Dan pelanggan yang menabung di American

National Bank diperkirakan sebanyak 923 orang.

BAB 4SIMPULAN dan SARAN

4.1 Simpulan

Setelah melakukan pengumpulan data sampai ke proses akhir pengolahan data yaitu

perhitungan data dengan QM dan manual, maka dapat saya ambil kesimpulan

mengenai “ANALISIS MARKOV DALAM MEMPREDIKSI PANGSA PASAR

PERBANKAN DI DESA WESTVALE” sebagai berikut :

Pangsa pasar Bank of Westvale untuk bulan ketiga adalah sebesar 53.54%

Penduduk yang menjadi pelanggan Bank of Westvale untuk bulan ketiga

adalah 1070.8 orang atau 1071 orang.

Sedangkan ekspektasi pelanggan jangka panjang di Bank of Westvale dan

American National Bank masing-masing adalah 1077 dan 923 orang.

Probabilitas steady state untuk Bank of Westvale dan American National Bank

masing-masing adalah 0.5385 dan 0.4615

Untuk saat ini sampai dengan bulan ketiga, masyarakat desa Westvale lebih

banyak yang memilih untuk menabung di Bank of Westvale.

4.2 SaranBerdasarkan laporan yang saya kerjakan bahwa penduduk di desa Westvale lebih

cenderung memilih untuk menabung di Bank of Westvale, sebaiknya Bank of

Westvale lebih meningkatkan pelayanannya agar lebih bisa meraih pangsa pasar

yang lebih banyak lagi dibulan berikutnya, dan untuk American National Bank lebih

meningkatkan pemasaran dan promosi bank mereka, agar dapat menyaingi Bank of

Westvale.

DAFTAR PUSTAKA

Agus. (2009), Markov 4, (ON LINE),

http://www.scribd.com/doc/23585405/markov-4 , 03 Juni 2011

Garenk, Purwanto. (2009), Analisis Markov, (ON LINE),

http://www.scribd.com/doc/39026785/Modul-10-Analisis-Markov , 03 Juni 2011

Markov, Andrei Andreevich. (2003), Markov Analysis, (ON-LINE),

http://www.businessdictionary.com/definition/Markov-analysis.html , 03 Juni 2011

Ririez. (2011), Analisis Markov, (ON LINE),

http://ririez.blog.uns.ac.id/files/2011/05/analisis-marcov.pdf , 03 Juni 2011

Sonya, Ramos. (2010), Analisa Markov, (ON LINE),

http://www.4shared.com/file/oF81GTUt/RO_-_Analisa_Markov.html , 03 Juni 2011

Utaminingsih. (2011), Riset Operasi, (ON LINE),

http://blog.uad.ac.id/utaminingsih/ , 03 Juni 2011