PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON"

Transkripsi

1 PEETUA HARGA OPI UTUK MODEL BLACK - CHOLE MEGGUAKA METODE BEDA HIGGA CRAK-ICOLO Rully Chatas Inda Pahmana dan Ds. umad, M. Absta Ops meupaan suatu onta antaa penual ops dengan pembel ops, dmana penual ops menamn adanya ha buan suatu ewaban da pembel ops untu membel atau menual saham tetentu pada watu dan haga yang telah dtentuan. Pape n membahas tentang penentuan haga ops untu model Blac- choles yang beupa pesamaan dfeensal pasal. Model Blac-choles tpe Eopa dapat dselesaan secaa esa, dengan mentansfomasan modelnya e dalam bentu pesamaan panas. Kemudan, untu menca solus numenya, dgunaan metode beda hngga Can-colson. Kata unc: Ops, Model Blac-choles, Metode Can-colson. Pendahuluan Ops adalah suatu onta atau peanan antaa dua pha, dmana pha petama adalah sebaga pembel yang meml ha buan ewaban untu membel atau menual da pha edua yatu penual tehadap suatu aset tetentu pada haga dan watu yang telah dtetapan. Bedasaan peode watu penggunaannya, ops delompoan menad dua, yatu ops tpe Amea dan ops tpe Eopa. Ops tpe Amea adalah ops yang bsa dpegunaan sebelum watu epaton date atau pada watu epaton date. edangan, ops tpe Eopa adalah ops yang bsa dpegunaan hanya pada watu epaton date. Dalam pape n, pembahasan aan dfousan dalam model Blac- choles dengan menggunaan asums ops tpe Eopa, emudan menyelesaan pesamaan dffeensalnya menggunaan metode beda hngga Can-colson. Model Blac-choles meupaan sebuah model yang beguna dalam menentuan haga ops. Model Blac-choles sangat beguna bag nvesto, untu menla apaah haga ops yang tead d pasa sudah meupaan haga yang danggap fa bag ops tesebut. Fa dsn beat nla ops yang dpedagangan ba ops ual maupun ops bel aan meml nla, sebesa haga saham pada saat atuh tempo. Jad, tead penngatan nla selama masa ops belau sampa atuh tempo, sebesa selsh nla saham seaang dengan saat atuh tempo. ehngga, edua belah pha ba penual ops maupun pembel ops tda ada yang dugan bedasaan model Blac- choles. In meupaan poblem, yang dangat dalam penulsan pape n. eandanya haga ops tda sama dengan haga yang dhaslan da model Blac-choles, maa hal tu aan mencptaan peluang bag nvesto untu mendapatan euntungan. Model Haga aham Menuut hpotess efsens pasa bahwa haga saham meupaan gea andom. Hpotess efsens pasa n dpengauh oleh dua fato yatu eadaan saham pada watu lalu yang bepengauh pada haga saham saat n dan espon saham tehadap nfomas bau tentang saham. Bedasaan edua asums n maa dapat dataan bahwa peubahan haga saham mengut poses Maov. Jad, model saham menyataan bahwa peds haga saham yang aan datang tda dpengauh oleh haga satu mnggu, satu bulan atau haga saham satu tahun yang lalu.

2 d Model umum etun da asset dnyataan dengan yang dbag edalam dua bagan. Bagan petama adalah bagan detemnst yang dlambangan dengan dt. meupaan uuan da ata-ata petumbuhan haga saham atau denal sebaga dft. dasumsan sebaga ate oblgas bebas eso dan meupaan fungs da dan t dan bagan edua meupaan model peubahan haga saham secaa andom yang dsebaban oleh fato estenal. Fato estenal dlambangan dengan db. Dalam umus n, ddefensan sebaga volatltas da saham yang dgunaan untu menguu standa devas da etun dan dapat dnyataan sebaga fungs da dan t. B dalam db menotasan gea Bownan. dan dapat destmas menggunaan haga saham pada ha sebelumnya. ehngga, dpeoleh pesamaan dfeensal stoast: d dt db, dengan: = nla espetas ate of etun saham = volatltas saham yang meupaan standa devas da etun B = gea Bownan atau poses Wene Model Blac-choles Model Blac-choles meupaan model yang dgunaan untu menentuan haga ops yang telah banya dtema oleh masyaaat euangan. Model n dembangan oleh Fsche Blac dan Myon choles. Model n penggunaannya tebatas aena hanya dapat dgunaan pada penentuan haga ops tpe Eopa Euopean opton yang dalanan pada watu epaton date saa, sedangan model n tda belau untu ops tpe Amea Amecan opton, aena Amecan opton dapat dalanan setap saat sampa watu epaton date. elan tu, model n hanya dapat dteapan pada saham yang tda membean dvden sepanang anga watu ops. Hal tesebut meupaan euangan da model Blac-choles, yang dapat dabaan apabla opsnya meupaan call opton dan tda membaya dvden. Model Blac-choles menggunaan bebeapa asums, yatu ops yang dgunaan adalah ops tpe Eopa Euopean opton, vaans haga saham besfat onstan selama usa ops dan detahu secaa past, poses aca dalam mempeoleh haga saham, suu bunga bebas so, saham yang dgunaan tda membean dvden, dan tda tedapat paa dan baya tansas. Devatf Model Blac-choles Detahu umus Itoˆ untu d a, t dt c, t db adalah: F F F F df a c dt cdb t., t meupaan ops pada saham dan pada watu t. Ja detahu peubahan saham d dt db, maa umus Itˆ o d atas menad: d, t db + dt t. la potofolo yang ted da ops dengan peubahan saham pada anga pende, yatu:. 3

3 Peubahan nla potofolo d pada nteval watu sngat dt dbean dengan: d dt t. Potofolo meupaan gabungan da aset-aset. Potofolo n dataan tda beso aena tda ada gea andom Bownan. Gea Bownan menyebaban teadnya peubahan haga. Potofolo n dataan onstan sehngga potofolo n mempunya pendapatan yang sama dengan saham anga pende lannya yang bebas so. Ja pendapatan yang dpeoleh lebh tngg da potofolo n, maa abtageu dapat mempeoleh euntungan dengan caa memlh saham bebas so dan menggunaan euntungan da saham bebas so n untu membel potofolo. Tetap a pendapatan yang dpeoleh lebh ecl maa abtageu dapat mempeoleh euntungan bebas so dengan caa memlh potofolo dan menggunaan euntungan n untu membel saham bebas so. Potofolo bebas so dapat dnyataan dengan d dt, dmana adalah suu bunga bebas so. Dengan mensubsttus d dan da pesamaan 3 dan ddapat:. 5 t Pesamaan 5 datas meupaan pesamaan dfeensal Blac-choles yang dgunaan untu menentuan haga ops. Metode Beda Hngga Can-colson Untu Model Blac-choles Detahu bahwa pesamaan dfeensal pasal Blac-choles t, 6 pesamaan d atas dbawa e vaabel dengan T t, dpeoleh:. 7 Pembahasan aan dfousan pada ops tpe Eopa. la Euopean call opton dnotasan dengan C, t. aat epaton date t = T, yatu: dengan syaat batas: C, T ma T E,, 8 C, t, untu semua t T, C, t, untu. 9 aat t = T, dpeoleh, sehngga nla Euopean call opton 8, menad: C, ma E,. edangan, la Euopean put opton dnotasan dengan P, t epaton date t = T: dengan syaat batas:. aat P, T ma E T,, 3

4 P, t Ee T t, untu semua t T, P, t, untu. aat t = T, dpeoleh, sehngga nla Euopean put opton menad: P, ma E,. 3 Kaena syaat batas untu Euopean call dan put opton mempunya doman [, ] maa sult untu dselesaan sehngga ange n haus dwal oleh hmpunan tt behngga, sehngga domannya menad [, L] dmana L mempunya nla yang sangat besa. yaat batas call opton 9 menad: C, dan C L, L. yaat batas put opton menad: P, Ee dan P L,. 5 h,,, t Aan dgunaan gd Detahu, =, untu menyelesaan masalah datas., menotasan solus nume saat level watu. Untu nla, dpeoleh da syaat awal 8 atau dan nla dpeoleh da syaat batas atau 5. t dan, untu semua Metode Can-colson untu pesamaan dfeensal pasal 7 yatu dengan menggunaan opeato beda pusat penuh untu dan beda pusat ode dua untu Dengan mensubsttus:., beda pusat tengah untu = h,,, h s h. h pada pesamaan 7 dpeoleh:, dan

5 5 h h h h. Pesamaan d atas dalan dengan, emudan untu semua, dpndahan e uas anan, sehngga ddapat: 6 Dbawa e dalam bentu mats ddapat: C = +, dmana: C I B, I F, =, T D D T I F, T D D T I B, D 3, D 3 dan

6 T, T. mulas ebaga lustas, untu menentuan nla call opton da model Blac choles datas, maa aan dbean contoh sebaga beut: Msal haga saham peusahaan A saat n $5 pe lemba. ementaa tu, call opton aan atuh tempo 6 ha, emudan d ual dengan ste pce $ 7. Detahu bahwa tngat suu bunga bebas eso 5% pe tahun dan standa devas tngat euntungan saham tesebut sebesa %. Dengan data tesebut, maa haga call opton dapat dhtung, menggunaan MATLAB, dan haslnya sebaga beut: Gamba. Gaf hasl smulas Call Opton gamba dan Put Opton gamba anan, da data datas. Jad, nla Call dan Put Opton, untu soal datas adalah: C = dan P =.868 pehtungan secaa nume menggunaan metode beda hngga Can-colson. edangan, untu esanya, yatu C = dan P =.855. Kesmpulan Model Blac-choles meupaan model untu menentuan haga ops yang telah banya dtema oleh masyaaat euangan. Model n dembangan oleh Fshe Blac dan Myon choles pada awal 97an. Model n meml bentu beupa pesamaan dffeensal. ehngga, ta dapat menentuan nla call opton dan put opton nya secaa numen, dengan menggunaan metode beda hngga Can-colson. Metode Can-colson meupaan salah satu da bebeapa metode beda hngga, yang meml establan tanpa syaat dan nla eo nya palng ecl dbandngan metodemetode lannya. Refeens Hgham, Desmond J.,. An Intoducton to Fnancal Opton aluaton. Unted Kngdom: Cambdge Unvesty Pess. 6

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV *

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV * PEDUGAA PARAMETER MODEL HIDDE MARKOV * BERLIA SETIAWATY DA LIDA KRISTIA Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Jl Meant, Kampus IPB Damaga, Bogo 6680 Indonesa

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI METODE SIMPLEKS A Bentu Standa Model Pogam Lnea Pelu dngatan embal bahwa pemasalahan model pogam lnea dapat meml pembatas-pembatas lnea yang betanda,,, dan peubah-peubah eputusannya dapat meupaan peubah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005)

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005) JMA, VOL 4, O2, DESEMBER, 25, 3-9 3 PEMODELA ILAI TUKAR RUPIAH TERHADAP $US MEGGUAKA HIDDE MARKOV* BERLIA SETIAWATY dan DEWI OVIYATI SARI Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

P(A S) = P(A S) = P(B A) = dengan P(A) > 0.

P(A S) = P(A S) = P(B A) = dengan P(A) > 0. 0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G PEMODELA ILAI TUKAR RUPIAH TERHADAP US DOLLAR MEGGUAKA HIDDE MARKOV Oleh: DEWI OVIYATI SARI G5444 DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM ISTITUT PERTAIA BOGOR 6 PEMODELA ILAI TUKAR

Lebih terperinci

Bab 4 ANALISIS KORELASI

Bab 4 ANALISIS KORELASI Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD Idam Had Ahmad dan Luca Ratnasa, Juusan Matemata, FMIPA UNDIP Jl. Pof. H. Soedato, S.H., Tembalang, Semaang Abstact. Lnea equaton system,

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Prinsip Dasar Matematika

Prinsip Dasar Matematika Modul Pnsp Dasa Matemata Ds. Gatot Muhsetyo, M.Sc. P PENDAHULUAN nsp dasa matemata meupaan onsep-onsep utama yang dapat dgunaan sebaga model peman dalam menjawab atau menyelesaan masalah yang seupa, yatu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Winarno Surakhmad (1982:131) mengemukakan bahwa metode adalah

BAB III METODOLOGI PENELITIAN. Winarno Surakhmad (1982:131) mengemukakan bahwa metode adalah 3 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode peneltan dpeluan untu mencapa tujuan peneltan. Wnano Suahmad (98:3) mengemuaan bahwa metode adalah meupaan caa utama yang dpegunaan untu mencapa

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor 5 I (Mnggu e- 1,,3) Konsep Dasa. Veto PENDHULUN Leanng Outcome: Setelah mengut ulah n, mahasswa dhaapan: Mampu menelasan pebedaan besaan sala dan veto dan mampu menelesaan setap asus nemata ang dbean.

Lebih terperinci

2 Tinjauan Pustaka. 2.1 Dasar Mekanika Kuantum Persamaan Schrödinger 4,7

2 Tinjauan Pustaka. 2.1 Dasar Mekanika Kuantum Persamaan Schrödinger 4,7 Tnauan Pustaa. Dasa Meana Kuantum.. Pesamaan Schödnge 4,7 Postulat mendasa dalam meana uantum menyataan bahwa untu setap sstem, tedapat suatu fungs gelombang,ψ, dan suatu opeato tetentu. Opeas opeato yang

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata 3 BAB III BAGAN CUSUM 3.. Dasa statstk bagan kendal Cumulatve Sum untuk ata-ata Bagan Cusum dgunakan untuk mendeteks pegesean kecl pada mean atau vaans dalam poses oleh kaena adanya penyebab khusus secaa

Lebih terperinci

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang 39 BAB III METODE PENELITIAN 3.1. Desan Peneltan Untuk mencapa tujuan peneltan, maka dpelukan suatu metode yang tepat aga peneltan dapat dlaksanakan dengan bak. Sebagamana yang dkemukakan oleh Mohammad

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN SFT - SFT MTRKS UNTER, MTRKS NORML, DN MTRKS HERMTN Tasa bstak : Tujuan peneltan n adalah untuk mengetahu pengetan dan sfat sfat da matks unte, matks nomal, dan matks hemtan. Metode peneltan yang dgunakan

Lebih terperinci

Week 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda

Week 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda Week 5 Knstanta Saluan Tansms pme dan sekunde Knstanta kabel kax dan kabel paalel ganda 1 Pada pembahasan lalu: Besaan γ dan Z da sebuah saluan tansms memankan peanan pentng pada fenmena peambatan gelmbang.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

4 Departemen Statistika FMIPA IPB

4 Departemen Statistika FMIPA IPB Suplemen Responsi Petemuan ANALISIS DATA KATEGORIK (STK351) 4 Depatemen Statistia FMIPA IPB Poo Bahasan Sub Poo Bahasan Refeensi Watu Ui Hipotesis Tiga Contoh atau Lebih Ui Fiedman (analisis agam dua-aah

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

PEMODELAN HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION DAN VALUE AT RISK PT CIPUTRA DEVELOPMENT Tbk

PEMODELAN HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION DAN VALUE AT RISK PT CIPUTRA DEVELOPMENT Tbk ISSN: 339-54 JURNAL GAUSSIAN, Volume 6, Nomor, Tahun 07, Halaman 6-70 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION DAN VALUE AT RISK PT CIPUTRA

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv KUNI JWBN SO EOI FISIK OIMPIDE SINS NSION 00. a. Dhtung dahulu watu yang derluan dar beban dleas sama e etnggan masmum yatu t. v 0 at 0 0t t =0, seon. Ketnggan masmum yang dcaa beban dhtung dar ermuaan

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) Intepetas pobablstk a fungs gelombang t suatu patkel telah kta pelaa yatu t yang menyatakan peluang menemukan patkel paa waktu

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

Bab III Reduksi Orde Model Sistem LPV

Bab III Reduksi Orde Model Sistem LPV Bab III Reduks Ode Model Sstem PV Metode eduks ode model melalu MI telah dgunakan untuk meeduks ode model sstem I bak untuk kasus kontnu maupun dskt. Melalu metode n telah dhaslkan pula bentuk da model

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

KONSTRUKSI RUANG TOPOLOGI LENGKAP

KONSTRUKSI RUANG TOPOLOGI LENGKAP KONSTRUKSI RUANG TOPOLOGI LENGKAP Sely Msdalfah Jsan Matemata FMIPA Unestas Tadlao Absta Hmpnan A mepaan semmet-semmet dpelas tedefns atas hmpnan X yang menghaslan sat eseagaman atas X yang aan membangn

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Pemodelan Lintasan Komet pada Tata Surya dengan Variasi Massa dan Posisi Ria Ananda a, Joko Sampurno a*, Boni P. Lapanporo a

Pemodelan Lintasan Komet pada Tata Surya dengan Variasi Massa dan Posisi Ria Ananda a, Joko Sampurno a*, Boni P. Lapanporo a Pemodelan Lintasan Komet pada Tata Suya dengan Vaiasi Massa dan Posisi Ria Ananda a, Joo Sampuno a*, Boni P. Lapanpoo a a Podi Fisia, FMIPA Univesitas Tanjungpua Jalan Pof. D. Hadai Nawawi, Pontiana, Indonesia

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB II PERPINDAHAN PANAS

BAB II PERPINDAHAN PANAS II PEPINDHN PNS.. Umum Pepndahan panas adalah pepndahan eneg yang tejad pada benda atau mateal yang besuhu tngg e benda atau mateal yang besuhu endah, hngga tecapanya esetmbangan panas. Kesetmbangan panas

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

DAFTAR ISI I. ALIRAN AIR DALAM TANAH (POMPA K) TEORI REMBESAN KONSOLIDASI DAN PENURUNAN STABILITAS LERENG. Mekanika Tanah II 0

DAFTAR ISI I. ALIRAN AIR DALAM TANAH (POMPA K) TEORI REMBESAN KONSOLIDASI DAN PENURUNAN STABILITAS LERENG. Mekanika Tanah II 0 DAFTA ISI I. ALIAN AI DALAM TANAH (POMPA K II. III. IV. TEOI EMBESAN KONSOLIDASI DAN PENUUNAN STABILITAS LEENG Meania Tanah II 0 I. ALIAN AI DALAM TANAH (POMPA K DEBIT AI SUMU MENENTUKAN DI LAPANGAN Ai

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP) PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator HUKUM GAUSS Fluks Lstk Pemukaan tetutup Hukum Gauss Kondukto dan Isolato 1 Mach 7 1 Gas gaya oleh muatan ttk - 1 Mach 7 Gas gaya akbat dpol - 1 Mach 7 Fluks Lstk Defns: banyaknya gas gaya lstk yang menembus

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum ewton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield Perbandngan Masalah Optmas TSP dengan Menggunaan Algortma Ant Colony dan Jarngan Hopfeld 1 Yulan, Moh.Isa Irawan, dan 3 Mardljah 1,, 3 Jurusan Matemata, Insttut Tenolog Sepuluh Noember Kampus ITS, Surabaya

Lebih terperinci

ANALISIS PENGARUH PERUBAHAN KECEPATAN, KAPASITANSI DAN BEBAN PADA GENERATOR INDUKSI SATU FASA DENGAN MODEL RANGKAIAN EKIVALEN TIPE

ANALISIS PENGARUH PERUBAHAN KECEPATAN, KAPASITANSI DAN BEBAN PADA GENERATOR INDUKSI SATU FASA DENGAN MODEL RANGKAIAN EKIVALEN TIPE AAISIS PEGARUH PERUBAHA KECEPATA, KAPASITASI DA BEBA PADA GEERATOR IDUKSI SATU FASA DEGA MODE RAGKAIA EKIVAE TIPE Am Hamzah Juusan Ten Eleto, Faultas Ten Unvestas Rau, Peanbau 28293 am_hzh@un.ac. Absta

Lebih terperinci

Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk mempekirakan / menaksir Y.

Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk mempekirakan / menaksir Y. ANALISIS KORELASI (ANALISIS HUBUNGAN) Korelas Hubungan antar kejadan (varabel) yang satu dengan kejadan (varabel) lannya (dua varabel atau lebh), yang dtemukan oleh Karl Pearson pada awal 1900 Apabla dua

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

Kaedah Runge-Kutta. Bab 25

Kaedah Runge-Kutta. Bab 25 Kaeda Runge-Kutta Bab 5 D ar bab n anda sepatutna: Bole menjelasan gambaran vsual aeda Euler Heun dan tt tenga Faam ubungan antara aeda Euler dan sr Talor dan ralat ang beratan Dapat membezaan ralat (local

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

METODE THETA UNTUK MENENTUKAN NILAI OPSI SAHAM TIPE EROPA. Afri Andriyani

METODE THETA UNTUK MENENTUKAN NILAI OPSI SAHAM TIPE EROPA. Afri Andriyani METODE THETA UNTUK MENENTUKAN NILAI OPSI SAHAM TIPE EROPA Afr Andryan Mahasswa Program Stud S1 Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Rau Kampus Bna Wdya Pekanbaru 893 afr andryan@yahoo.com

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB III PUNTIRAN. Gambar 3.1. Batang Silindris dengan Beban Puntiran

BAB III PUNTIRAN. Gambar 3.1. Batang Silindris dengan Beban Puntiran BAB III PUNIRAN Ba sebatang matea mendapat beban puntan, maka seat-seat antaa suatu penampang ntang penampang ntang yang an akan mengaam pegesean, sepet dtunjukkan pada Gamba 3.1(a). Gamba 3.1. Batang

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci