OUTLINE. BAGIAN I Statistik Deskriptif. Pengertian Statistika. Penyajian Data. Ukuran Pemusatan. Ukuran Penyebaran. Angka Indeks
|
|
- Widyawati Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 6 DERET BERKALA DAN PERAMALAN 1
2 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend (Linear, Kuadratis, Eksponensial) Analisis Variasi Musim (Metode rata-rata bergerak) Analisis Siklis (Siklus, Spektral) Menggunakan Analisis Trend Untuk Mendapatkan Estimasi Nilai di Masa Mendatang Pengolahan Analisis Deret Berkala dengan MS Excel 2
3 PENDAHULUAN Data deret berkala adalah sekumpulan data yang dicatat dalam suatu periode tertentu. Manfaat analisis data berkala adalah mengetahui kondisi masa mendatang. Peramalan kondisi mendatang bermanfaat untuk perencanaan produksi, pemasaran, keuangan dan bidang lainnya. 3
4 KOMPONEN DATA BERKALA Trend Variasi Musim Variasi Siklus Variasi yang Tidak Tetap (Irregular) 4
5 TREND Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata (smooth). Y Y Tahun (X) Trend Positif Tahun (X) Trend Negatif 5
6 METODE ANALISIS TREND 1. Metode Semi Rata-rata Membagi data menjadi 2 bagian Menghitung rata-rata kelompok. Kelompok 1 (K1) dan kelompok 2 (K2) Menghitung perubahan trend dengan rumus: b = (K2 K1) (tahun dasar K2 tahun dasar K1) Merumuskan persamaan trend Y = a + bx 6
7 CONTOH METODE SEMI RATA-RATA Tahun Pelanggan Ratarata Nilai X th dasar 1997 Nilai X th dasar , K ,0 4, , ,1 2-1 K ,7 6, ,2 4 1 Y th 1997 = 4,93 + 0,58 X Y th 2000 = 6,67 + 0,58 X b = (6,67 4,93)/ b = 0,58 7
8 METODE ANALISIS TREND 2. Metode Kuadrat Terkecil Menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat selisih data asli dengan data pada garis trendnya. Trend Pelanggan PT. Telkom Y = a + bx a = Y/N Pelanggan (Jutaan) Tahun b = YX/X 2 Data Y' Data Y 8
9 CONTOH METODE KUADRAT TERKECIL Tahun Pelanggan Kode X Y.X X 2 =Y (tahun) , , ,6-1 -5, , ,7 1 6, ,2 2 14,4 4 Y=30,6 Y.X=5,5 X 2 =10 Nilai a = 30,6/5=6,12 Nilai b =5,5/10=0,55 Jadi persamaan trend Y =6,12+0,55x 9
10 METODE ANALISIS TREND 3. Metode Kuadratis Untuk jangka waktu pendek, kemungkinan trend tidak bersifat linear. Metode kuadratis adalah contoh metode nonlinear Y = a + bx + cx 2 Jumlah Pelanggan (jutaan) Trend Kuadratis Tahun Y=a+bX+c X 2 Koefisien a, b, dan c dicari dengan rumus sebagai berikut: a = ( Y) ( X 4 ) ( X 2 Y) ( X 2 )/ n ( X 4 ) - ( X 2 ) 2 b = XY/ X 2 c = n( X 2 Y) ( X 2 ) ( Y)/ n ( X 4 ) - ( X 2 ) 2 10
11 CONTOH METODE KUADRATIS Tahun Y X XY X 2 X 2 Y X , ,00 4,00 20,00 16, ,6-1 -5,60 1,00 5,60 1, ,1 0 0,00 0,00 0,00 0, ,7 1 6,70 1,00 6,70 1, ,2 2 14,40 4, , ,50 10,00 61,10 34,00 a = ( Y) ( X 4 ) ( X 2 Y) ( X 2 ) = {(30,6)(34)-(61,1)(10)}/{(5)(34)-(10) 2 }=6,13 n ( X 4 ) - ( X 2 ) 2 b = XY/ X 2 = 5,5/10=0,55 c = n( X 2 Y) ( X 2 ) ( Y) = {(5)(61,1)-(10)(30,6)}/{(5)(34)-(10) 2 }=-0,0071 n ( X 4 ) - ( X 2 ) 2 Jadi persamaan kuadratisnya adalah Y =6,13+0,55x-0,0071x 2 11
12 METODE ANALISIS TREND 4. Trend Eksponensial Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X) dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data Y dan X, digunakan rumus sebagai berikut: Y = a (1 + b) X Ln Y = Ln a + X Ln (1+b) Sehingga a = anti ln ( LnY)/n b = anti ln (X. LnY) - 1 (X) 2 Jumlah Pelanggan (jutaan) Trend Eskponensial 15,00 10,00 5,00 0, Tahun Y= a(1+b) X 12
13 CONTOH TREND EKSPONENSIAL Tahun Y X Ln Y X 2 X Ln Y ,0-2 1,6 4,00-3, ,6-1 1,7 1,00-1, ,1 0 1,8 0,00 0, ,7 1 1,9 1,00 1, ,2 2 2,0 4,00 3,9 9,0 10,00 0,9 Nilai a dan b didapat dengan: a = anti ln ( LnY)/n = anti ln 9/5=6,049 b = anti ln (X. LnY) - 1 = {anti ln0,9/10}-1=0,094 (X) 2 Sehingga persamaan eksponensial Y =6,049(1+0,094) x 13
14 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend (Linear, Kuadratis, Eksponensial) Analisis Variasi Musim (Metode rata-rata bergerak) Analisis Siklis (Siklus, Spektral) Menggunakan Analisis Trend Untuk Mendapatkan Estimasi Nilai di Masa Mendatang Pengolahan Analisis Deret Berkala dengan MS Excel 14
15 VARIASI MUSIM Variasi musim terkait dengan perubahan atau fluktuasi dalam musimmusim atau bulan tertentu dalam 1 tahun. Produksi Padi Permusim Pergerakan Inflasi 2002 Indeks Saham PT. Astra Agro Lestari, Maret 2003 Produksi (000 ton) Triwulan I- II- III- I- II- III- I- II- III I- II- III Inflasi (%) 2,5 2 1,5 1 0, Bulan Indeks Tanggal Variasi Musim Produk Pertanian Variasi Inflasi Bulanan Variasi Harga Saham Harian 15
16 VARIASI MUSIM DENGAN METODE RATA-RATA SEDERHANA Indeks Musim = (Rata-rata per kuartal/rata-rata total) x 100 Bulan Pendapatan Rumus= Nilai bulan ini x 100 Nilai rata-rata Indeks Musim Januari 88 (88/95) x Februari 82 (82/95) x Maret 106 (106/95) x April 98 (98/95) x Mei 112 (112/95) x Juni 92 (92/95) x Juli 102 (102/95) x Agustus 96 (96/95) x September 105 (105/95) x Oktober 85 (85/95) x November 102 (102/95) x Desember 76 (76/95) x Rata-rata 95 16
17 METODE RATA-RATA DENGAN TREND Metode rata-rata dengan trend dilakukan dengan cara yaitu indeks musim diperoleh dari perbandingan antara nilai data asli dibagi dengan nilai trend. Oleh sebab itu nilai trend Y harus diketahui dengan persamaan Y = a + bx. 17
18 METODE RATA-RATA DENGAN TREND Bulan Y Y Perhitungan Indeks Musim Januari 88 97,41 (88/97,41) x ,3 Februari 82 97,09 (82/97,09) x ,5 Maret ,77 (106/96,77) x ,5 April 98 96,13 (98/96,13) x ,9 Mei ,81 (112/95,81) x ,9 Juni 92 95,49 (92/95,49) x ,3 Juli ,17 (102/95,17) x ,2 Agustus 96 94,85 (96/94,85) x ,2 September ,53 (105/94,53) x ,1 Oktober 85 93,89 (85/93,89) x ,5 November ,57 (102/93,57) x ,0 Desember 76 93,25 (76/93,25) x ,5 18
19 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend (Linear, Kuadratis, Eksponensial) Analisis Variasi Musim (Metode rata-rata bergerak) Analisis Siklis (Siklus, Spektral) Menggunakan Analisis Trend Untuk Mendapatkan Estimasi Nilai di Masa Mendatang Pengolahan Analisis Deret Berkala dengan MS Excel 19
20 Deret Berkala Dan Peramalan Bab 6 VARIASI SIKLUS Siklus Ingat Y = T x S x C x I Maka TCI = Y/S CI = TCI/T Di mana CI adalah Indeks Siklus IHSG Siklus Indeks Saham Gabungan 2,5 2 1,5 1 0,5 0-0, ,5-2 -2,5 Tahun 20
21 CONTOH SIKLUS Th Trwl Y T S TCI=Y/S CI=TCI/T C I 22 17, II 14 17, ,7 86 III 8 16, , I 25 16, , II 15 16, , III 8 15, , I 26 15, , II 14 15, , III 8 14, , I 24 14, , II 14 14, ,7 112 III 9 13,6 21
22 GERAK TAK BERATURAN Siklus Ingat Y = T x S x C x I TCI = Y/S CI = TCI/T I = CI/C Perkemb ang an Inf lasi d an Suku B ung a Tahun Inflasi Suku Bunga 22
23 GERAK TAK BERATURAN Th Trwl CI=TCI/T C I=(CI/C) x 100 I II III I II III I II III I II III 23
24 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend (Linear, Kuadratis, Eksponensial) Analisis Variasi Musim (Metode rata-rata bergerak) Analisis Siklis (Siklus, Spektral) Menggunakan Analisis Trend Untuk Mendapatkan Estimasi Nilai di Masa Mendatang Pengolahan Analisis Deret Berkala dengan MS Excel 24
25 PENGGUNAAN MS EXCEL Masukkan data Y dan data X pada sheet MS Excel, misalnya data Y di kolom A dan X pada kolom B dari baris 1 sampai 5. Klik icon tools, pilih data analysis, dan pilih simple linear regression. Pada kotak data tertulis Y variable cell range: masukkan data Y dengan mem-blok kolom a atau a1:a5. Pada X variable cell range: masukkan data X dengan mem-blok kolom b atau b1:b5. Anda klik OK, maka hasilnya akan keluar. Y = a+b X; a dinyatakan sebagai intercept dan b sebagai X variable1 pada kolom coefficients. 25
26 26
27 27
28 28
29 TERIMA KASIH 29
DERET BERKALA DAN PERAMALAN
DERET BERKALA DAN PERAMALAN 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend (Linear,
Lebih terperinciANGKA INDEKS. Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M.
ANGKA INDEKS Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M. A. PENGERTIAN Angka indeks adalah angka yang digunakan sebagai perbandingan dua atau lebih kegiatan yang sama untuk kurun waktu yang berbeda.
Lebih terperinciTIME SERIES. Deret berkala dan Peramalan
TIME SERIES Deret berkala dan Peramalan Pendahuluan Deret berkala Time series Sekumpulan data yang dicatat dalam satu periode waktu Digunakan untuk meramalkan kondisi masa mendatang Dalam jangka pendek
Lebih terperinciCROSS SECTION. Data yang tidak berdasar waktu DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU TIME SERIES. Berbasis Waktu
1 CROSS SECTION DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU Data yang tidak berdasar waktu TIME SERIES Berbasis Waktu 2 DERET BERKALA (TIME SERIES) Suatu deret berkala merupakan suatu himpunan observasi
Lebih terperinciCROSS SECTION. Data yang tidak berdasar waktu DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU TIME SERIES. Berbasis Waktu
1 CROSS SECTION DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU Data yang tidak berdasar waktu TIME SERIES Berbasis Waktu 2 DERET BERKALA (TIME SERIES) Suatu deret berkala merupakan suatu himpunan observasi
Lebih terperinciDeret Berkala dan Peramalan
Deret Berkala dan Peramalan Times Series & Forecasting Oleh : Riandy Syarif Definisi Deret berkala adalah sekumpulan data yg dicatat dalam satu periode waktu. Contoh data penjualan motor yamaha 2000-2010.
Lebih terperinciStatistika untuk Ekonomi dan Keuangan Modern Edisi 3, Buku 1 SUHARYADI PURWANTO S.K
Statistika untuk Ekonomi dan Keuangan Modern Edisi 3, Buku 1 SUHARYADI PURWANTO S.K BAB 1 PENGERTIAN STATISTIKA 2 Pengertian Statistika Bab 1 OUTLINE 3 BAGIAN I Statistik Deskriptif Pengertian Statistika
Lebih terperinciBAB II TINJAUAN PUATAKA. Penelitian yang dilakukan oleh Ivarani Mega Safitri (2012), dengan
9 BAB II TINJAUAN PUATAKA A. Landasan Penelitian Terdahulu Penelitian yang dilakukan oleh Ivarani Mega Safitri (2012), dengan objek penelitian yaitu Perusahaan Pelayanan Jasa Tiket Pada Terminal Tiket
Lebih terperinciBAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi
Lebih terperinciBAB III METODE DEKOMPOSISI. 3.1 Arti dan Pentingnya Analisis Deret Waktu. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI 3.1 Arti dan Pentingnya Analisis Deret Waktu Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi,
Lebih terperinciANALISIS DERET BERKALA
ANALISIS DERET BERKALA PENDAHULUAN Analisis deret berkala merupakan prosedur analisis yang dapat digunakan untuk mengetahui gerak perubahan nilai suatu variabel sebagai akibat dari perubahan waktu. Dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA. estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Peramalan Peramalan adalah data di masa lalu yang digunakan untuk keperluan estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian
Lebih terperinci* Menetapkan model peramalan dimasa yang akan datang, baik ramal-an jangka pendek maupun jangka panjang.
TIME SERIES Data Deret Waktu Materi dalam bab ini adalah suatu pendekatan Statistika dalam memecahkan persoalan perubahan/pertumbuhan variabel atau faktor tertentu. Seperti diketahui Statistika membantu
Lebih terperinciOUTLINE BAGIAN I Statistik Deskriptif
UKURAN PENYEBARAN 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Range, Deviasi Rata-rata, Varians
Lebih terperinciBAB IV STUDI KASUS. Data yang digunakan adalah data jumlah pengunjung objek wisata Kebun
BAB IV STUDI KASUS 4.1 Plot Data Data yang digunakan adalah data jumlah pengunjung objek wisata Kebun Raya Cibodas dari bulan Januari 2005 hingga Desember 2009. Data selengkapnya dapat dilihat pada Tabel
Lebih terperinciBAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI. Metode peramalan yang biasanya dilakukan didasarkan atas konsep
BAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI Metode peramalan yang biasanya dilakukan didasarkan atas konsep bahwa apabila terdapat pola yang mendasari suatu deret data, maka pola tersebut dapat
Lebih terperinciANALISIS RANGKAIAN WAKTU (TIME SERIES ANALYSIS)
BAB 5 ANALISIS RANGKAIAN WAKTU (TIME SERIES ANALYSIS) Kompetensi Menjelaskan konsep dasar time series. Indikator 1. Menjelaskan konsep dasar time series analysis: trend linear.. Menjelaskan konsep dasar
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciTrend Sekuler Linier. Analisis Runtut Waktu (Time Series) adalah analisis pergerakan atau perubahan variabel bisnis/ekonomi dari waktu ke waktu.
Trend Sekuler Linier 1. Pendahuluan Analisis Runtut Waktu (Time Series) adalah analisis pergerakan atau perubahan variabel bisnis/ekonomi dari waktu ke waktu. Pola dasar pergerakan runtut waktu : 1) Trend
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan. Peramalan
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)
GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata Kuliah : Statistik Bobot Mata Kuliah : 3 Sks Deskripsi Mata Kuliah : Pengertian dasar statistik, pengolahan dan penyajian data, ukuran dan lokasi (central
Lebih terperinciAnalisis Deret Waktu (Time Series Analysis) 3 sesi. Disusun oleh : Sigit Nugroho Sigma Mu Rho
Analisis Deret Waktu (Time Series Analysis) 3 sesi Disusun oleh : Sigit Nugroho Sigma Mu Rho Konsep Dasar Tersedianya data satu peubah (variabel) berdasarkan waktu Perilaku informasi spt: permintaan, penawaran,
Lebih terperinciBAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
Lebih terperinciFebriyanto, S.E., M.M.
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Pada dasarnya pasar modal (capital market) merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang bisa diperjualbelikan, baik dalam bentuk
Lebih terperinciPenyajian Data Bab 2 PENGANTAR. Tujuan:
PENYAJIAN DATA 1 PENGANTAR Tujuan: Untuk menyajikan data mentah yang diperoleh dari populasi atau sampel menjadi data yang tertata dengan baik, sehingga bermakna informasi bagi pengambilan keputusan manajerial.
Lebih terperinciABSTRAK. Kata Kunci : Sparepart, Peramalan, Trend Moment
PERAMALAN PENJUALAN SPAREPART MOTOR HONDA MENGGUNAKAN METODE TRENDMOMENT (Studi Kasus : AHASS MOTOR PARE) Yusuf Engga Dikdawan 1, Hendra Pradibta 2, Mungki Astiningrum 3 Jurusan Teknologi Informasi, Program
Lebih terperinciRegresi Linier Berganda dan Korelasi Parsial
Regresi Linier Berganda dan Korelasi Parsial Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 2015 Regresi Linier Berganda Korelasi Regresi Linier Sederhana Variabel X dan Variabel Y Contoh: X: pendapatan
Lebih terperinciDeteksi Autokorelasi dengan Metode Grafik Excel
Deteksi Autokorelasi dengan Metode Grafik Excel Junaidi Junaidi A. Pengantar Salah satu asumsi dalam model regresi linear klasik adalah tidak adanya autokorelasi. Autokorelasi adalah kondisi dimana terdapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1. Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciREGRESI SEDERHANA PENDEKATAN MATEMATIKA, STATISTIK DAN EKONOMETRIKA Agus Tri Basuki Universitas Muhammadiyah Yogyakarta
REGRESI SEDERHANA PENDEKATAN MATEMATIKA, STATISTIK DAN EKONOMETRIKA Agus Tri Basuki Universitas Muhammadiyah Yogyakarta A. Pendekatan Matematika Dalam matematika hubungan antar variable bisa dinyatakan
Lebih terperinciBAB II KAJIAN PUSTAKA Definisi dan Tujuan Forecasting. yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan
BAB II KAJIAN PUSTAKA 2.1 Forecasting 2.1.1 Definisi dan Tujuan Forecasting Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan
Lebih terperinciMata Kuliah: Statistik Inferensial
ANALISIS REGRESI DAN KORELASI LINIER 1 OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Pengertian Korelasi Sederhana Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Uji Signifikansi
Lebih terperinciPERAMALAN NILAI INFLASI KESEHATAN DI KABUPATEN SEMARANG DENGAN METODE KUADRATIK
PERAMALAN NILAI INFLASI KESEHATAN DI KABUPATEN SEMARANG DENGAN METODE KUADRATIK Adib Khoiruddin Fahmi 1, Much Aziz Muslim 2 1 Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2 Jurusan Ilmu Komputer,
Lebih terperinciPENAKSIRAN FUNGSI PERMINTAAN ESTIMASI PERMINTAAN PASAR
PENAKSIRAN FUNGSI PERMINTAAN ESTIMASI PERMINTAAN PASAR ESTIMASI PERMINTAAN PASAR Bagi para manajer produksi, estimasi atau perkiraan secara kuantitatif permintaan terhadap suatu produk penting untuk diketahui
Lebih terperinci02FEB. Akuntansi Biaya. Cost Behavior Analysis, Classifying Cost, Separating Fixed and Variable Cost. Angela Dirman, SE., M.Ak. Modul ke: Fakultas
Akuntansi Biaya Modul ke: Fakultas 02FEB Cost Behavior Analysis, Classifying Cost, Separating Fixed and Variable Cost Angela Dirman, SE., M.Ak Program Studi Manajemen Content Cost behavior analysis, Classifying
Lebih terperinciAnalisa Perilaku Biaya
Modul ke: Analisa Perilaku Biaya Mengenali Prilaku biaya. Metode memisahkan biaya semivariabel atas biaya variable dan biaya tetap. Fakultas FEB Minanari, SE, M.Si Program Studi Manajemen Biaya VS Beban
Lebih terperinciModul ke: STATISTIKA BISNIS PENYEJIAN DATA. Tri Wahyono, SE. MM. Fakultas EKONOMI DAN BISNIS. Program Studi AKUNTANSI S1.
Modul ke: STATISTIKA BISNIS PENYEJIAN DATA Fakultas EKONOMI DAN BISNIS Tri Wahyono, SE. MM. Program Studi AKUNTANSI S1 www.mercubuana.ac.id BAB 2 PENYAJIAN DATA 2 PENGANTAR Tujuan: Untuk menyajikan data
Lebih terperinciWaktu (Tahun)
ANALISIS DATA BERKALA. Pengertian Data Berkala Data berkala merupakan data dari suatu kejadian menurut waktu yang lazim dikenal dengan data time series yaitu merupakan historical data (data sebenarnya).
Lebih terperinciMODUL 2 penyajian data
Modul ke: 02 MODUL 2 penyajian data Fakultas FEB Nur Azmi Karim, SE, M.Si Program Studi Akuntansi BAB 2 PENYAJIAN DATA 2 PENGANTAR Tujuan Untuk menyajikan data mentah yang diperoleh dari populasi atau
Lebih terperinciBAB 3 PENGOLAHAN DATA
18 BAB 3 PENGOLAHAN DATA 3.1. Pengumpulan Data Data yang akan diolah dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara di Jln. Asrama No. 179 Medan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan
BAB I PENDAHULUAN 1.1. Latar Belakang Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan pesat. Metosdenya berkembang sejajar dengan penemuan-penemuan penting oleh para ahli matematis
Lebih terperinciMinggu-3. Metode Penaksiran Kuantitatif. Penganggaran Perusahaan. By : Ai Lili Yuliati, Dra, MM
Penganggaran Perusahaan Minggu-3 Metode Penaksiran Kuantitatif By : Ai Lili Yuliati, Dra, MM Further Information : Mobile: 08122035131 Email: ailili1955@gmail.com 1 Pokok Bahasan Cara penaksiran (forecasting)
Lebih terperinciTABEL 3 DATA PENELITIAN
Analisis Regresi Linier Bentuk LN (Logaritma Natural) Pengubahan data ke bentuk LN dimaksudkan untuk meniadakan atau meminimalkan adanya pelanggaran asumsi normalitas dan asumsi klasik regresi. Jika data-data
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciLEMBAR AKTIVITAS SISWA BENTUK PANGKAT (EKSPONEN)
Nama Siswa Kelas PETA KONSEP: LEMBAR AKTIVITAS SISWA BENTUK PANGKAT (EKSPONEN) Latihan :. :. 3. A. PANGKAT BULAT POSITIF Jika a R dan bilangan bulat positif n, maka a n didefinisikan sbg berikut: a n =
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciBAB IV HAS IL D AN PEMBAHAS AN. sampai dengan November Data-data lengkap ini dapat dilihat dalam lampiran.
BAB IV HAS IL D AN PEMBAHAS AN 4.1 Deskripsi Data Penelitian Data Kurs, Indeks Dow Jones, IHSG dan data Harga Saham dari Januari 2010 sampai dengan November 2010. Data-data lengkap ini dapat dilihat dalam
Lebih terperinciFungsi Eksponensial dan Logaritma Beserta Aplikasinya
Fungsi Eksponensial dan Logaritma Beserta Aplikasinya Week 04 W. Rofianto, ST, MSi PERBANDINGAN ANTAR JENIS FUNGSI x 0 1 2 3 4 5 y = 2x 0 2 4 6 8 10 ( y/ x) 2 2 2 2 2 ( y/ x)/y - 100% 50% 33.33% 25% y
Lebih terperinciOLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
PERANCANGAN PERCOBAAN OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 I. ANALISIS REGRESI 1. 2. Regresi Linear : Regresi Linear Sederhana
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel
Estimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel Author: Junaidi Junaidi Terdapat berbagai pola pergerakan data deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model
Lebih terperinciBAB I PENDAHULUAN. bidang kehidupan sehari-hari, baik di bidang ekonomi, psikologi, sosial,
BAB I PENDAHULUAN A. Latar Belakang Statistika seringkali digunakan untuk memecahkan masalah dalam berbagai bidang kehidupan sehari-hari, baik di bidang ekonomi, psikologi, sosial, kedokteran, kesehatan,
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciMata Kuliah: Statistik Inferensial
ANALISIS REGRESI DAN KORELASI BERGANDA OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengertian Bentuk Fungsi, Variabel, dan
Lebih terperinciPerangkat Lunak Untuk Pengolah Data. Nur Edy
Perangkat Lunak Untuk Pengolah Data Nur Edy Outline PERTEMUAN I Definisi Jenis perangkat lunak pengolah angka Fungsi-fungsi Microsoft Excel untuk pengolahan data sederhana Membuat Grafik dengan Mikrosoft
Lebih terperinciLangkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000:
BAB 1 STATISTIK DESKRIPTIF Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkatan data, serta penyajian hasil peringkasan tersebut. Data statistik yang bisa diperoleh dari hasil sensus,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciANALISIS DATA BERKALA (TIME SERIES)
ANALISIS DATA BERKALA (TIME SERIES) CONTOH DATA BERKALA Pertumbuhan ekonomi pertahun dari tahun 1995 sampai tahun 000 Nilai ekspor tekstil per tahun dari tahun 1990 sampai tahun 000 Jumlah produksi minyak
Lebih terperinciTUGAS MAKALAH MATA KULIAH ANALISIS LAPORAN KEUANGAN ANALISIS TIME SERIES
TUGAS MAKALAH MATA KULIAH ANALISIS LAPORAN KEUANGAN ANALISIS TIME SERIES Disusun Oleh : Ria Resti Yunita (C1C014006) Mudia Ilrani (C1C014011) Imron Rosady (C1C014015) Konsentrasi : Akuntansi Keuangan Jurusan
Lebih terperinciANALISIS FUNDAMENTAL TERHADAP HARGA SAHAM PADA PT. ASTRA AGRO LESTARI, TBK UNTUK PERIODE
ANALISIS FUNDAMENTAL TERHADAP HARGA SAHAM PADA PT. ASTRA AGRO LESTARI, TBK UNTUK PERIODE 2010-2012 Nurlita 25210182 Jurusan Akuntansi Fakultas Ekonomi Universitas Gunadarma 2010 Dosen Pembimbing : Heru
Lebih terperinciPENERAPAN METODE ANALISIS TREND PADA CV. ARSILASHALZA BANJARMASIN. Adisa Putri. (Universitas Lambung Mangkurat)
PENERAPAN METODE ANALISIS TREND PADA CV. ARSILASHALZA BANJARMASIN Adisa Putri (Universitas Lambung Mangkurat) ABSTRAKSI Penelitian ini dilakukan pada CV. ARSILASHALZA yang merupakan perusahaan dagang bergerak
Lebih terperinciHASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
Lebih terperinciInstitut Manajemen Telkom
Institut Manajemen Telkom Osa Omar Sharif JENIS JENIS FUNGSI1 JENIS JENIS FUNGSI 2 Jenis Fungsi Gambar 1. FUNGSI POLINOM mengandung banyak suku (polinom) dalam variabel bebas y = a 0 + a 1 x + a 2 x 2
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciPERSAMAAN KUADRAT. Persamaan. Sistem Persamaan Linear
Persamaan Sistem Persamaan Linear PENGERTIAN Definisi Persamaan kuadrat adalah kalimat matematika terbuka yang memuat hubungan sama dengan yang pangkat tertinggi dari variabelnya adalah 2. Bentuk umum
Lebih terperinciPERAMALAN (FORECASTING)
PERAMALAN (FORECASTING) Jenis Peramalan Peramalan (forecasting) : Adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi, dengan menggunakan data historis dan memproyeksikannya ke masa
Lebih terperinciRAMALAN PENJUALAN SEPEDA MOTOR HONDA PADA CV. RODA MITRA LESTARI
1 UNIVERSITAS GUNADARMA FAKULTAS EKONOMI RAMALAN PENJUALAN SEPEDA MOTOR HONDA PADA CV. RODA MITRA LESTARI Disusun Oleh : Nama : Joko Widodo NPM : 10204526 Jurusan : Manajemen Pembimbing : Prof. Suryadi
Lebih terperinciUNIVERSITAS TEUKU UMAR FAKULTAS EKONOMI PRODI S1 MANAJEMEN
UNIVERSITAS TEUKU UMAR FAKULTAS EKONOMI PRODI S1 MANAJEMEN RENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah: KODE Rumpun MK Bobot (SKS) Semester Tgl. Penyusunan Statistika Bisnis dan Ekonomi I EKU009-3
Lebih terperinciBAB 3 PEMECAHAN MASALAH DENGAN MENGGUNAKAN EXCEL
23 BAB 3 PEMECAHAN MASALAH DENGAN MENGGUNAKAN EXCEL Seperti sudah disinggung dalam Bab 1, penggunaan spreadsheet dalam pembelajaran matematika untuk level kedua dan ketiga berturut-turut adalah siswa merancang
Lebih terperinciPERILAKU BIAYA DAN PERENCANAAN BIAYA
PERILAKU BIAYA DAN PERENCANAAN BIAYA PERILAKU BIAYA DAN PERENCANAAN BIAYA A. Perilaku Biaya Yang dimaksud dengan perilaku biaya adalah studi mengnai hubungan fungsional kausal antara Total Biaya yang
Lebih terperinciOUTLINE. BAGIAN I Statistik Deskriptif. Pengertian Statistika. Penyajian Data. Ukuran Pemusatan. Ukuran Penyebaran. Angka Indeks
ANGKA INDEKS 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Angka Indeks Relatif Sederhana Angka
Lebih terperinciPERILAKU BIAYA DAN PERENCANAAN BIAYA
PERILAKU BIAYA DAN PERENCANAAN BIAYA A. Perilaku Biaya Yang dimaksud dengan perilaku biaya adalah studi mengnai hubungan fungsional kausal antara Total Biaya yang terjadi dengan Cost driver (Pemicu biaya)
Lebih terperinciStatistik Deskriptif dengan Microsoft Office Excel
Statistik Deskriptif dengan Microsoft Office Excel Junaidi, Junaidi I. Prosedur Statistik Deskriptif pada Excel Statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan atau menggambarkan
Lebih terperinciMetode Penelitian. Bagan 3.1 Bagan Kerangka Pikir. Pengumpulan data sampel dilakukan dalam kurun waktu 3 bulan (14 minggu)
Bagan 3. Bagan Kerangka Pikir III. Metode Penelitian Pengumpulan data sampel dilakukan dalam kurun waktu 3 bulan (4 minggu) sebelum 008, bulan (56 minggu) selama 008, 3 bulan (4 minggu) setelah 008 3 untuk
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sumber data utama yang digunakan dalam penelitian ini berasal dari data
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Penelitian dan Pengumpulan Data Sumber data utama yang digunakan dalam penelitian ini berasal dari data penjualan motor merek Yamaha tahun 2011 sampai
Lebih terperinciAkuntansi Biaya. Analisis Perilaku Biaya (Cost Behaviour Analysis) Rista Bintara, SE., M.Ak. Modul ke: Fakultas Ekonomi dan Bisnis
Akuntansi Biaya Modul ke: Fakultas Ekonomi dan Bisnis Analisis Perilaku Biaya (Cost Behaviour Analysis) Rista Bintara, SE., M.Ak Program Studi Akuntansi www.mercubuana.ac.id Analisis Perilaku Biaya BAB
Lebih terperinciPOKOK BAHASAN. : Peramalan (Forecasting) Bab II : Manajemen Proyek. Bab III : Manajemen Persediaan. Bab IV : Supply-Chain Management
MANAJEMEN OPERASI 1 POKOK BAHASAN Bab I : Peramalan (Forecasting) Bab II : Manajemen Proyek Bab III : Manajemen Persediaan Bab IV : Supply-Chain Management Bab V : Penetapan Harga (Pricing) 2 BAB I PERAMALAN
Lebih terperinciANALISIS REGRESI SEDERHANA
ANALISIS REGRESI SEDERHANA ANALISIS KORELASI DAN REGRESI Koefisien Regresi Analisis untuk mengukur besarnya pengaruh X terhadap Y Koefisien Korelasi Analisis untuk mengukur kuat tidaknya hubungan X dan
Lebih terperinciUkuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.
UKURAN PENYEBARAN 1 Bab 4 PENGANTAR Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Ukuran penyebaran membantu
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi)
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Berdasarkan data jumlah kepala keluarga pada masing-masing perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah
Lebih terperinciStatistika Bisnis. Penyajian Data. Retno Puji Astuti, SE, M.Ak. Modul ke: Fakultas Ekonomi & Bisnis. Program Studi Akuntansi.
Statistika Bisnis Modul ke: Penyajian Data Fakultas Ekonomi & Bisnis Retno Puji Astuti, SE, M.Ak Program Studi Akuntansi www.mercubuana.ac.id Outline Pengertian Statistika BAGIAN I Statistik Deskriptif
Lebih terperinciBAB I PENDAHULUAN. Investasi melalui pasar modal selain memberikan hasil, juga
BAB I PENDAHULUAN 1.1 Latar Belakang Investasi melalui pasar modal selain memberikan hasil, juga mengandung resiko. Besar kecilnya resiko di pasar modal sangat dipengaruhi oleh keadaan negara khususnya
Lebih terperinciBAB IV PEMBAHASAN. IV.1 Analisis Pergerakan Nilai Tukar USD/JPY Tahun 2008
BAB IV PEMBAHASAN IV.1 Analisis Pergerakan Nilai Tukar USD/JPY Tahun 2008 Dalam semester pertama di tahun 2008, pergerakan USD/JPY lebih cendrung mengalami konsolidasi. Ini diakibatkan karena kondisi ekonomi
Lebih terperinciBentuk Fungsional Regresi Linear (Aplikasi Model dengan Program SPSS)
Bentuk Fungsional Regresi Linear (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Pengertian model regresi linear bukanlah model yang linear dalam paramater dan variabel, tetapi
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Pada bab-bab yang telah dijelaskan sebelumnya pengamatan terhadap variabel Y yang tersedia dari waktu ke waktu disebut data time series. Pengamatan-pengamatan tersebut seringkali dicatat
Lebih terperinciANALISIS REGRESI DENGAN EXCEL
ANALISIS REGRESI DENGAN EXCEL Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak. Karenanya, software-software statistik umumnya
Lebih terperinciMinggu-9. Budget Variabel (variable budget) Penganggaran Perusahaan. By : Ai Lili Yuliati, Dra, MM
Penganggaran Perusahaan Minggu-9 Budget Variabel (variable budget) By : Ai Lili Yuliati, Dra, MM Further Information : Mobile : 08122035131 Email: ailili1955@gmail.com 1 TOPIK BAHASAN (1) Pengertian Budget
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciMODEL MODEL LEBIH RUMIT
08/0/06 MODEL MODEL LEBIH RUMIT Di susun oleh Nurul Hani Ulvatunnisa Kanthi Wulandari Sri Siska Wirdaniyati Kamal Adyasa Unib Sedya Pramuji 08/0/06 Model Polinom Berbagai Ordo Model Yang Melibatkan Transformasi
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
29 BAB IV ANALISA DAN PEMBAHASAN A. Pemisahan Biaya Semi variabel Dalam menerapkan analisa break even point terlebih dahulu dilakukan pemisahan biaya ke dalam unsur tetap dan unsur variabel, untuk biaya
Lebih terperinciBAB III HASIL ANALISIS
51 BAB III HASIL ANALISIS 3.1 Pengumpulan Data Pada tahap ini, penulis secara langsung mengambil data dari PT. Coca-Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006. Disamping
Lebih terperinciKATA PENGANTAR. Kelapa Dua, September Tim Litbang
KATA PENGANTAR Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-nya sehingga modul praktikum Statistika 1 materi ukuran statistik ini dapat terselesaikan. Modul praktikum
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER 3 disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan Disusun Oleh :. Ilani Agustina M00037 2. Intan Purnomosari M00042
Lebih terperinciDAFTAR ISI. ABSTRACT... i. ABSTRAK... ii. KATA PENGANTAR... iii. UCAPAN TERIMA KASIH... iv. DAFTAR ISI... v. DAFTAR GAMBAR... viii. DAFTAR TABEL...
DAFTAR ISI ABSTRACT... i ABSTRAK... ii KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR GAMBAR... viii DAFTAR TABEL... ix DAFTAR BAGAN... xi DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN
Lebih terperinci4. Hasil Penelitian. Tabel 4.1 Koefisien Korelasi Inflasi, Suku Bunga dan Return Kurs terhadap
4. Hasil Penelitian Tabel 4.1 Koefisien Korelasi Inflasi, Suku terhadap Return IHSG dan Indeks Sektoral -industri di BEJ Obyek Penelitian Inflasi Suku bunga Return Return IHSG 0.024-0.147-0.478** Return
Lebih terperinci