PENGGUNAAN RATA-RATA ARITMETIKA DENGAN APPROKSIMASI CURRAN DALAM MENENTUKAN HARGA OPSI ASIA

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGGUNAAN RATA-RATA ARITMETIKA DENGAN APPROKSIMASI CURRAN DALAM MENENTUKAN HARGA OPSI ASIA"

Transkripsi

1 Jural Matematika UNAND Vol. 3 No. 4 Hal ISSN : c Jurusa Matematika FMIPA UNAND PENGGUNAAN RATA-RATA ARITMETIKA DENGAN APPROKSIMASI CURRAN DALAM MENENTUKAN HARGA OPSI ASIA Steffay Harwella Program Studi Matematika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Adalas, Kampus UNAND Limau Mais Padag, Idoesia, h.steffay@ymail.com Abstrak. Opsi Asia adalah opsi dimaa payoff bergatug pada rata-rata harga aset selama opsi tersebut berlaku. Dalam meetuka harga opsi Asia dapat diguaka ratarata aritmatika. Ketika harga saham berdistribusi logormal, maka rata-rata aritmatika harga sahamya tidak berdistribusi logormal. Hal ii megakibatka dalam meetuka harga opsi Asia tidak dapat megguaka model black-scholes maka perlu dilakuka aproksimasi. Salah satu metode aproksimasi yag bisa dilakuka adalah aproksimasi Curra yag merupaka peetua opsi Asia megguaka rata-rata aritmatika melalui pedekata rata-rata geometrik. Kata Kuci: Opsi Asia, rata-rata Aritmatika, rata-rata geometrik, logormal, Aproksimasi Curra. Pedahulua Dalam duia pasar modal pemilik aset melakuka ivestasi utuk memiimalisir kerugia dalam pejuala atau pembelia sejumlah aset. Salah satu produk ivestasi yag mearik adalah saham. Selai berivestasi dega memiliki secara lagsug saham yag diperdagagka di pasar, ivestor juga dapat berivestasi dega cara membeli turua dari ilai saham yag disebut dega pasar derivatif fiacial derivative. Produk pasar derivatif yag bayak diperjualbelika adalah opsi. Opsi adalah sebuah kotrak atara dua pihak yag memberika kepada pembeli hak, buka kewajiba utuk membeli atau mejual sejumlah saham pada harga tertetu yag ditetuka sekarag utuk trasaksi yag aka terjadi dimasa yag aka datag. Dalam kotrak opsi, pemilik opsi memiliki resiko kerugia yaitu mejual saham dega harga lebih redah atau membeli harga saham lebih tiggi dibadigka dega harga saham pada pasar modal. Oleh karea itu harga opsi ditetuka utuk memiimalisasi kerugia tersebut. Masalah perhituga harga opsi optio pricig adalah meghitug harga yag wajar fair value dimaa opsi bisa dibeli atau dijual. Opsi eksotik merupaka opsi yag memberika keutuga yag lebih besar daripada opsi stadar, salah satu cotohya adalah opsi barrier yag maa payoff -ya selama masa berlaku opsi bergatug pada ilai aset. Selai opsi barrier, 70

2 Pegguaa Aproksimasi Curra Dalam Meetuka Harga Opsi Asia 7 opsi eksotik laiya adalah lookback opsi da opsi Asia. Opsi Asia adalah opsi yag payoff -ya bergatug pada rata-rata harga aset selama masa berlaku opsi. Perhituga harga opsi Asia dapat megguaka rata-rata geometrik da ratarata aritmatika. Ketika harga saham berdistribusi logormal, maka rata-rata geometrik harga sahamya juga harus berdistribusi logormal, sedagka distribusi pada rata-rata aritmatika harga sahamya tidak diketahui. Hal ii megakibatka rata-rata aritmatika tidak memeuhi salah satu asumsi dari model Black-Scholes yaitu harga aset berdistribusi logormal. Akibatya, perlu dilakuka aproksimasi distribusi rata-rata artimatika. Beberapa metode yag dapat diguaka utuk megaproksimasi distribusi rata-rata aritmatika tersebut ialah aproksimasi Turbull da Wakema, aproksimasi Levy, aproksimasi Curra, da Mote Carlo valuatio. Metode yag diguaka dalam paper ii adalah aproksimasi Curra yaitu pegguaa rata-rata aritmatika dega pedekata rata-rata geometrik.. Kosep Dasar Opsi saham adalah suatu opsi dega aset yag medasariya adalah saham. Berdasarka hak yag diberika kepada pemilik opsi, opsi dibedaka mejadi dua, yaitu opsi call adalah suatu opsi yag memberi hak kepada pemegagya utuk membeli sejumlah tertetu saham pada harga tertetu setiap waktu sampai suatu taggal jatuh tempo atau berakhirya kotrak opsi, da opsi put adalah suatu opsi yag memberika hak kepada pemegagya utuk mejual sejumlah tertetu saham pada harga tertetu setiap waktu sampai taggal jatuh tempo atau berakhirya kotrak opsi. Tigkat pegembalia retur yag diharapka adalah laba yag aka diterima oleh pemodal atas ivestasiya dalam waktu yag aka datag. Retur dihitug dega rasio harga saham pada waktu t + dega harga saham pada waktu t. Logaritma atural sampel retur pada t higga t + dapat diyataka sebagai: ˆR t = l S t+ S t ; t =,, 3,, dimaa adalah bayakya hari perdagaga saham da S t adalah harga saham pada waktu ke-t. Dalam meetuka Opsi Asia diguaka rata-rata aritmatika da rata-rata geometrik, dimaa A G dega A adalah rata-rata aritmatika da G adalah ratarata geomterik. Jika A da G peubah acak kotiu salig bebas, maka ilai harapa bersyaratya mejadi: EG a = EG da EA g = EA.. 3. Model Harga Saham Perubaha harga saham terjadi secara acak meurut waktu sehigga dapat diasumsika sebagai suatu proses stokastik. Misalka Xt megikuti proses Wieer, maka Xt dapat dikembagka mejadi persamaa pada proses Ito. Proses Wieer merupaka proses stokastik dimaa harga saat ii berpegaruh utuk memprediksi

3 7 Steffay Harwella harga yag aka datag. Harga saham dilambagka dega S da waktu dilambagka dega t. Maka perubaha harga saham dapat ditulis sebagai: dst = µstdt + σstdw t. 3. Selajutya persamaa diferesial stokastik bagi fugsi Xt dapat diyataka dalam betuk dxt = µst f s + f t + σ St f s dt + σst f dw t. 3. s Salah satu asumsi Black-scholes yaitu harga aset yag medasari megikuti proses Wieer yag mempuyai distribusi logormal dega parameter mea da varia yag diketahui da kosta. Logaritma harga saham pada saat jatuh tempo mem- puyai sebara ormal dega µ = l S0 + r σ T da V ar = σ T. 4. Karakteristik Rata-rata Aritmatika da Karakteristik Rata-rata Geometrik dari Harga Saham Ketika harga saham berdistribusi logormal, maka rata-rata aritmatika harga sahamya tidak terdistribusi logormal. Namu, rata-rata geometrik harga saham berdistribusi logormal yag dapat ditulis sebagai: l St i i N l S0 + ˆµ ˆσ T, ˆσ T 4. Oleh karea itu, peghituga opsi Asia megguaka rata-rata aritmatika dapat dilakuka dega pedekata rata-rata geometrik. 5. Pembetuka Model Opsi Call Asia da Opsi Put Asia Megguaka Aproksimasi Curra Metode Curra merupaka salah satu aproksimasi megguaka rata-rata aritmatika dega melakuka pedekata rata-rata geometrik. Sehigga Persamaa opsi call da opsi putya dapat ditulis mejadi: ] C e rt Ẽ [Ẽ[maxA K, 0 G], da ] P e rt Ẽ [Ẽ[maxK A, 0 G] dimaa C : Harga opsi call Asia, P : Harga opsi put Asia, Ẽ : Taksira ekspektasi, r : Tigkat suku buga bebas resiko, T : Waktu jatuh tempo, A : Rata-rata aritmatika dari harga saham, G : Rata-rata geomterik dari harga saham, K : Harga pelaksaaa. Pada jural ii haya dijelaska tetag pembetuka model opsi call Asia. Selajutya megguaka defiisi ekpektasi, persamaa opsi call Asia diatas dapat ditulis mejadi: C e rt Ẽ[maxa K, 0 g]pgdg 5. 0

4 Pegguaa Aproksimasi Curra Dalam Meetuka Harga Opsi Asia 73 dega pg adalah fugsi kepekata peluag dari variabel radom G, yag dapat ditulis: [ pg = gˆσ πt exp l g l S0 ˆµ ˆσ T ] ˆσ T Berdasarka pertidaksamaa rata-rata aritmatika da rata-rata geometrik yag meyataka bahwa A G utuk semua kemugkia harga saham, maka ilai G berada pada iterval K G < da 0 G K. Jika A G da G K, maka A G K, da dapat disimpulka bahwa A K sehigga ilai payoff ya dapat dicari. Jika A G, maka aka meghasilka dua kemugkia yaitu A K atau A K, da opsi mugki aka berakhir pada posisi out of the moey. Hal ii meyebabka kerugia karea holder membeli saham dega harga di atas harga pasar. Oleh karea itu, persamaa 5. mejadi: C e rt Ẽ[maxa K, 0 g]pgdg k = e rt k = e rt k Ẽ[a g] Ẽ[K g] pgdg Ẽ[a g] K pgdg 5. Misalka X i = l St i, dimaa X i Nµ i, σi dega i =,,, da X = l G dimaa G adalah rata-rata geometrik harga saham, maka: Ẽ[St i G] = E[St i ] = exp ˆµ i + ˆσ i da ekpektasi bersyarat diatas dapat ditulis: [ ] i Ẽ[St i G] = exp µ i + x µ x, σi σ x i / 5.3 Selajutya misalka X = l G, maka diperoleh gdx = dg, sehigga persamaa 5. mejadi: C e Ẽ[a X rt = x] K fxdx 5.4 l K dimaa fx adalah fugsi kepekata peluag dari variabel radom x. Jika A = i St i, maka persamaa dapat ditulis mejadi : [ ] C e rt Ẽ St i X = x K fxdx l K = e rt Ẽ[St i X = x] Kfxdx = e rt lk lk Ẽ[St i X = x]fxdx lk Kfxdx 5.5

5 74 Steffay Harwella Misalka I = I = lk lk Ẽ[St i X = x]fxdx Kfxdx Lagkah pertama adalah meghitug I Subtitusi persamaa 5.3 kedalam persamaa I,maka I = [ ] i exp µ i + lk x µ x σi σ x i / fxdx 5.6 Subtitusi persamaa betuk fx kedalam persamaa 5.6, maka diperoleh I = [ ] i exp µ i + lk x µ x σi σ x i / π [ exp ] x µx dx i exp x i µ x σ x i x µx dx 5.7 Selajutya misalka juga da Q = exp = exp i x i µ x σ x i x µ x i q = x µ x i dq = dx x µx 5.8 Dega megguaka persamaa 5.8 da dx = dq, maka persamaa dapat ditulis mejadi: I = exp µ i + σ i exp π q dq l K µx i Berdasarka sifat kesimetrisa distribusi Normal, maka I = l K µx exp µ i + σ i i exp π = exp µ i + σ i N [ l K µx + i q dq ]

6 Pegguaa Aproksimasi Curra Dalam Meetuka Harga Opsi Asia 75 Lagkah kedua meghitug I Dega cara yag sama dega meghitug I, maka Misalka, I = = lk lk Kfxdx K π exp r = x µ x dx = dr [ ] x µx dx 5. maka diperoleh, lk µx I = K exp π r dr l K µx = KN Setelah diperoleh ilai I da I, maka diperoleh ilai opsi call asia megguaka rata-rata aritmatika melalui pedekata rata-rata geometrik yaitu: C e rt exp µ i + σ i l K µx N + σ x i l K µx KN Da utuk Opsi put diperoleh betuk model opsi yaitu: lk P e KN rt µx exp µ i + σ i l K µx i N 6. Peerapa Model Harga Opsi Call da Opsi Put utuk Saham Tipe Asia Dalam peerapa model harga opsi Asia ii, data yag diguaka adalah data harga peutupa haria saham Yahoo!.Ic YHOO pada taggal 9 Agustus 03 sampai 9 Agustus 04 yag diakses lagsug dari Faktor yag diperluka dalam perhituga model yaitu, volatisitas retur saham yaitu σ = t ˆR t R ˆR = dega R = t ˆR t = da ˆR = = Harga saham awal S0 :38.5, waktu sekarag t : 0 September 04, waktu jatuh tempo : 0 September 04, yag berarti T = = Tigkat suku buga bebas resiko r : 0.05, da Harga pelaksaaa K: 5.00, 30.00, 35.00, 40.00, 45.00, Perhituga harga opsi call da opsi put dega megguaka aproksimasi Curra utuk harga pelaksaaa Nilai = σ ++ 6 = , ilai µ x = σ + r σ + = , σ i = T = , µ i = l S0 +

7 76 Steffay Harwella µx σ x T = Selajutya aka dilakuka perhituga dega megguaka software microsoft excel dega peritah NORMSDIST. Sehigga diperoleh, C 3.6 da P 3.6 = 0. Selajutya dega cara yag sama diperoleh harga opsi call da opsi put utuk harga pelaksaaa yag berbeda yaitu: No Harga Opsi Call Harga Opsi Call Harga Opsi Put Harga Opsi Put Hitug Curra di Pasar Saham Hitug Curra di Pasar Saham Perbadiga harga opsi yag dihitug megguaka aproksimasi Curra dega harga opsi dipasar saham dapat mejadi acua utuk para ivestor. Utuk semua harga pelaksaaa, sebaikya ivestor tidak membeli opsi call karea harga opsi call yag dihitug dega aproksimasi Curra lebih tiggi daripada harga opsi call dipasara. Sedagka utuk opsi put, pada harga pelaksaaa da dolar sebaikya ivestor tidak mejual opsi put pada harga tersebut, karea harga opsi di pasara lebih redah dibadigka harga opsi put yag dihitug dega aproksimasi Curra. Sebalikya pada harga pelaksaaa 5.00, 30.00, 35.00, dolar. 7. Peutup Opsi Asia adalah opsi dimaa payoff bergatug pada rata-rata harga aset selama opsi tersebut berlaku. Dalam meetuka harga opsi Asia megguaka rata-rata aritmatika tidak dapat dilakuka dega model Black-Scholes karea karakteristik dari rata-rata aritmatika tidak berdistribusi logormal. Oleh karea itu dilakuka aproksimasi Curra yaitu pedekata rata-rata geometrik dega l St i N i l S0 + ˆµ ˆσ T, ˆσ T sehigga diperoleh model aproksimasi Curra sebagai berikut: C e rt exp µ i + σ i l K µx N lk P e KN rt µx exp µ i + σ i + i N KN l K µx l K µx i

8 Pegguaa Aproksimasi Curra Dalam Meetuka Harga Opsi Asia 77 dega, µ i = l S0 + µ x σ x T σ i = σ xt µ x = σ + r σ + = σ i = ii + i + Model aproksimasi Curra harga opsi Asia diterapka pada saham Yahoo!.Ic. Perhituga harga opsi ii bisa diguaka sebagai acua oleh para ivestor dalam pelaksaaa opsi, agar bisa memiimalisir kerugia dalam megelola aset. 8. Ucapa Terima kasih Peulis megucapka terima kasih kepada Bapak Dr. Dodi Deviato, Ibu Izzati Rahmi HG, M.Si, Ibu Hazmira Yozza, M.Si, Bapak Yudiatri Asdi, M.Sc yag telah memberika masuka da sara sehigga paper ii dapat diselesaika dega baik. Daftar Pustaka [] Adams, A Ivestmet Mathematics. Caada:Joh Wiley ad Sos Ltd. [] Ato,H. 99. Aljabar Liier Elemeter Edisi 8, Jilid. Erlagga, Jakarta. [3] Bai, Lee J ad Max.E. 99. Itroductio To Probability ad Mathematical Statistics Secod Editio. Califoria: Duxbury Press. [4] Walpole, RE Pegatar Statistika. Edisi ke-3. Jakarta:PT Gramedia Pustaka Utama. [5] Closig price. 03. Available from: [diakses pada September 04]. [6] Uchida, Y A Sample proof of the geometric-arithmetic mea iequality. Japa: Okayama Pref. [7] Schlaifer, R, Johm W.Pratt, Howard.R Statistical Desicio Theory. Lodo:The Mil Press. [8] Lueberger, D.G.998.Ivestmet Sciece. Oxford Uiversity Press. New York.

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,

Lebih terperinci

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

Lebih terperinci

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN

Lebih terperinci

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

Lebih terperinci

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK Jural Matematika UNAND Vol. 2 No. 2 Hal. 71 75 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK SUCI SARI WAHYUNI,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas beberapa teori dasar yang diperlukan pada

BAB II LANDASAN TEORI. Pada bab ini akan dibahas beberapa teori dasar yang diperlukan pada BAB II LANDASAN TEORI Pada bab ii aka dibahas beberapa teori dasar yag diperluka pada bab bab selajutya, diataraya defiisi Persamaa Diferesial Stokastik, proses Wieer, itegral stokastik, order strog covergece

Lebih terperinci

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA Jural Matematika UNAND Vol. 3 No. Hal. 7 34 ISSN : 33 9 c Jurusa Matematika FMIPA UNAND REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA EKA RAHMI KAHAR, DODI DEVIANTO Program

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI

PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI Nadya Zulfa Negsih, Bustami Mahasiswa Program Studi S Matematika Dose Jurusa Matematika

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi. MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka

Lebih terperinci

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE 2 ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE Sri Purwati 1, Johaes Kho 2, Aziskha 2 1 Mahasiswa Program S1 Matematika FMIPA Uiversitas Riau email : srii_purwatii@yahoo.co.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

CATATAN KULIAH #12&13 Bunga Majemuk

CATATAN KULIAH #12&13 Bunga Majemuk CATATAN KULIAH #12&13 Buga Majemuk 10.1 Pedahulua Pada pembahasa sebelumya diasumsika bahwa P atau ilai pokok pembayara tidak megalami perubaha dari awal higga akhir sehigga ilai buga selalu dihitug dari

Lebih terperinci

DERET TAK HINGGA (INFITITE SERIES)

DERET TAK HINGGA (INFITITE SERIES) MATEMATIKA II DERET TAK HINGGA (INFITITE SERIES) sugegpb.lecture.ub.ac.id aada.lecture.ub.ac.id BARISAN Barisa merupaka kumpula suatu bilaga (atau betuk aljabar) yag disusu sehigga membetuk suku-suku yag

Lebih terperinci

METODE SIMPSON TERMODIFIKASI UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA LINEAR JENIS KEDUA. Jonas Lodewyk H 1, Zulkarnain 2 ABSTRACT

METODE SIMPSON TERMODIFIKASI UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA LINEAR JENIS KEDUA. Jonas Lodewyk H 1, Zulkarnain 2 ABSTRACT METODE SIMPSON TERMODIFIKASI UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA LINEAR JENIS KEDUA Joas Lodewyk H 1, Zulkarai 1 Mahasiswa Program Studi S1 Matematika Dose Jurusa Matematika Fakultas Matematika

Lebih terperinci

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL Karmila 1*, Hasriati 2, Haposa Sirait 2 1 Mahasiswa Program S1 Matematika 2 Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan Beberapa Metode Pendugaan Parameter AR(1) Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi Modul ke: 05 KONSEP WAKTU UANG PADA MASALAH KEUANGAN Fakultas EKONOMI DAN BISNIS Program Studi Akutasi Idik Sodiki,SE,MBA,MM Pedahulua Kosep ilai waktu dari uag (time value of moey) pada dasarya mejelaska

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

METODE TRAPESIUM NONLINEAR UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL ORDE SATU ABSTRACT

METODE TRAPESIUM NONLINEAR UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL ORDE SATU ABSTRACT METODE TRAPESIUM NONLINEAR UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL ORDE SATU Rahma Dodi 1, Musraii M 1 Mahasiswa Program Studi S1 Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua

Lebih terperinci

METODE DEKOMPOSISI LAPLACE UNTUK MENENTUKAN SOLUSI PERSAMAAN DIFERENSIAL PARSIAL NONLINIER

METODE DEKOMPOSISI LAPLACE UNTUK MENENTUKAN SOLUSI PERSAMAAN DIFERENSIAL PARSIAL NONLINIER Vol.1 No.1 (16) Hal. 38-45 METODE DEKOMPOSISI LAPLACE UNTUK MENENTUKAN SOLUSI PERSAMAAN DIFERENSIAL PARSIAL NONLINIER Siar Ismaya, Yui Yulida *, Na imah Hijriati Program Studi Matematika Fakultas MIPA

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Pegukura kierja keuaga perusahaa pada dasarya dilaksaaka karea igi megetahui tigkat profitabilitas (keutuga) da tigkat resiko atau tigkat kesehata suatu

Lebih terperinci

MATHunesa (Volume 3 No 3) 2014

MATHunesa (Volume 3 No 3) 2014 MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu

Lebih terperinci

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 1.1. Lokasi Peelitia Peelitia ii dilakuka di Pojok Bursa Efek Jakarta (BEJ) yag berlokasi di Uiversitas Islam Negeri Malag, Jala Gajayaa 50 malag. Peetua lokasi ii dilakuka dega

Lebih terperinci

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

Lebih terperinci

EMPAT CARA UNTUK MENENTUKAN NILAI INTEGRAL POISSON., Sri Gemawati 2, Agusni 2. Mahasiswa Program Studi S1 Matematika 2

EMPAT CARA UNTUK MENENTUKAN NILAI INTEGRAL POISSON., Sri Gemawati 2, Agusni 2. Mahasiswa Program Studi S1 Matematika 2 EMPAT CARA UNTUK MENENTUKAN NLA NTEGRAL POSSON Novrialma *, Sri Gemawati, Agusi Mahasiswa Program Studi S Matematika Dose Jurusa Matematika Fakultas Matematika da lmu Pegetahua Alam Uiversitas Riau Kampus

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

PENURUNAN MODEL BLACK SCHOLES DENGAN PERSAMAAN DIFERENSIAL STOKASTIK UNTUK OPSI TIPE EROPA

PENURUNAN MODEL BLACK SCHOLES DENGAN PERSAMAAN DIFERENSIAL STOKASTIK UNTUK OPSI TIPE EROPA Jurnal Matematika UNAND Vol. 3 No. Hal. 7 26 ISSN : 233 29 c Jurusan Matematika FMIPA UNAND PENURUNAN MODEL BLACK SCHOLES DENGAN PERSAMAAN DIFERENSIAL STOKASTIK UNTUK OPSI TIPE EROPA DESI SUSANTI, DODI

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

Muniya Alteza

Muniya Alteza NILAI WAKTU UANG 1. Kosep dasar ilai waktu uag (time value of moey) 2. Nilai masa depa (future value) 3. Nilai sekarag (preset value) 4. Auitas (auity) 5. Perpetuitas (perpetuity) 6. Buga tahua efektif/

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakag Risiko adalah suatu yag selalu dihubugka dega kemugkia terjadiya sesuatu yag merugika yag tidak terduga da tidak diharapka atau peyimpaga atara tigkat pegembalia yag

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik

Lebih terperinci

Projek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16,

Projek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16, Projek Himpulah miimal tiga masalah peerapa barisa da deret aritmatika dalam bidag fisika, tekologi iformasi, da masalah yata di sekitarmu. Ujilah berbagai kosep da atura barisa da deret aritmatika di

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci