19
2.4.
Model Markov
Model Markov adalah cara
yang sangat baik dari konsep abstrak
yang sederhana
menjadi bentuk
yang relatif
yang
mudah dikomputasi. Model Markov
digunakan dalam
segala
hal
seperti
kompresi
data
untuk
pengenalan suara.
Dalam
artificial
intelligence,
digunakan dalam pengolahan bahasa dan pengenalan suara.
2.4.1. Definisi Proses Markov
Proses stokastik X(t) adalah aturan
untuk menentukan fungsi X(t, ?) untuk setiap
?.
Jadi proses
stokastik
adalah keluarga
fungsi
waktu
yang
tergantung pada parameter ?
atau
secara
ekivalen fungsi
t
dan
?.
X(t)
adalah
proses
keadaan
diskret
bila
harga-
harganya bulat. Bila tidak demikian X(t) adalah proses kontinu.
Pada
tahun
1906,
A.A.
Markov
seorang
ahli
matematika dari
Rusia
yang
merupakan
murid
Chebysev
mengemukakan teori
ketergantungan variabel
acak
proses
acak
yang dikenal dengan proses
Markov.
Proses
Markov
adalah proses
stokastik masa
lalu
tidak
mempunyai pengaruh
pada
masa
yang
akan
datang
bila
masa
sekarang
diketahui.
Bila tn-1<tn maka :
P{X(tn) =
X(t), t = tn-1} = P { X(tn) = X
X(tn-1)} Bila
t1<t2<…….<tn maka :
P { X(tn) = X
X(tn-1),…….X(t1)} = P { X(tn) = Xn X(tn-1)}
Definisi di atas berlaku juga untuk waktu diskret bila X(tn) diganti Xn.
 |