Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom."

Transkripsi

1 Pokok Bahasa -9. Retur da Risiko Lecture Note: Defiisi retur da risiko Klasifikasi retur da risiko Hubuga retur da risiko Retur da Risiko Aktiva Tuggal Abormal Retur Retur da Risiko Portofolio 1 2 Retur Retur da Risiko PENDAHULUAN Meurut Va Hore & Wachowicz: Retur is icome receive o a ivestmet lus ay chage i market rice, usually exressed as a ercet of the begiig market rice of the ivestmet. Retur adalah imbala atas keberaia ivestor meaggug risiko, serta komitme waktu da daa yag telah dikeluarka oleh ivestor. 3 4 Retur Klasifikasi Retur Retur meruaka salah satu motivator orag melakuka ivestasi. Sumber-sumber retur terdiri dari dua komoe, yaitu: 1. Caital gai (loss) 2. Yield. Retur daat dibedaka mejadi: 1. Retur yag diharaka/eksektasi (exected retur), yaitu retur yag diharaka aka dieroleh oleh ivestor di masa medatag. 2. Retur aktual/realisasi (realized retur) meruaka retur yag telah terjadi. 6 1

2 Risiko Risiko adalah kemugkia erbedaa atara retur aktual yag diterima dega retur yag diharaka. Sumber-sumber risiko suatu ivestasi terdiri dari: 1. Risiko suku buga 2. Risiko asar 3. Risiko iflasi 4. Risiko bisis. Risiko fiasial 6. Risiko likuiditas 7. Risiko ilai tukar mata uag 8. Risiko egara (coutry risk). Klasifikasi Risiko Risiko daat dibedaka mejadi: Risiko dalam koteks aset tuggal Risiko yag harus ditaggug jika berivestasi haya ada satu aset saja. Risiko dalam koteks ortofolio aset 1. Risiko sistematis (risiko asar/risiko umum): Terkait dega erubaha yag terjadi di asar da memegaruhi retur seluruh saham yag ada di asar. 2. Risiko tidak sistematis (risiko sesifik): Terkait dega erubaha kodisi mikro erusahaa, da bisa dimiimalka dega melakuka diversifikasi. 7 8 Hubuga Retur da Risiko Hubuga Retur da Risiko Pada Berbagai Aset 9 10 Retur Realisasi Retur da Risiko RETURN DAN RISIKO ASET TUNGGAL Retur Realisasi daat dihitug megguaka rumus: R = P -P R = Retur realisasi i ada eriode eristiwa ke t P = harga sekuritas i ada eriode eristiwa ke t P -1 = harga sekuritas i ada eriode eristiwa ke t-1 P

3 Retur Eksektasi Aset Tuggal Utuk meghitug retur yag diharaka dari suatu aset tuggal, kita erlu megetahui distribusi robabilitas retur aset bersagkuta, yag terdiri dari: 1. Tigkat retur yag mugki terjadi 2. Probabilitas terjadiya tigkat retur tersebut. Retur Eksektasi Aset Tuggal Retur Eksektasi daat dihitug megguaka rumus: E(R i ) = Retur eksektasi dari sekuritas i P j = Probabilitas diraihya retur ada keadaa j = Retur aktual dari saham i ada keadaa j R ij E(R ) = (P )(R ) i j ij j= Retur Eksektasi Aset Tuggal Retur Eksektasi: Aset ABC Di samig cara erhituga retur di atas, kita juga bisa meghitug retur dega dua cara: 1. Arithmetic mea 2. Geometric mea Rumus utuk meghitug arithmetic mea: X X = Rumus utuk meghitug geometric mea: G = (1+R 1)(1+R 2)...(1+R ) 1 Berdasarka tabel distribusi robabilitas di atas, maka tigkat retur yag diharaka dari aset ABC tersebut bisa dihitug sbb: E(R) = [(0,30)(0,20)] + [(0,40)(0,1)] + [(0,30)(0,10)] = 0,1 atau 1% 1 16 Arithmetic Mea: Cotoh Geometric Mea: Cotoh Berdasarka data dalam tabel di atas, geometric mea bisa dihitug sbb: Berdasarka data dalam tabel di atas, arithmetic mea bisa dihitug sbb: [1,2 + 20,3 + (-17,0) + (-10,7) + 1,40] X = 22,7 X = = 4,% 17 G = G = (1+ 0,12)(1+ 0,203)(1-0,170)(1-0,107)(1+ 0,140) 1 1, G = 1, = 0,0334 = 3,34% 18 3

4 Risiko Aset Tuggal Risiko aset tuggal bisa dilihat dari besarya eyebara distribusi robabilitas retur. Ada dua ukura risiko aset tuggal, yaitu: 1. Varias 2. Deviasi stadar Di samig ukura eyebara tersebut, kita juga erlu meghitug risiko relatif aset tuggal, yag bisa diukur dega koefisie variasi. Risiko relatif ii meujukka risiko er uit retur yag diharaka. 19 Risiko Aset Tuggal Rumus utuk meghitug varias da stadar deviasi adalah: i j ij i j=1 = (P ){R -E(R )} 2 i = Varias dari ivestasi ada sekuritas i i = Stadar deviasi dari sekuritas i E(R i ) = Retur eksektasi dari sekuritas i P j = Probabilitas diraihya retur ada keadaa j R ij = Retur aktual dari saham i ada keadaa j = (P ){R -E(R )} i j ij i j= Risiko Aset Tuggal Perhituga Varias da Stadar Deviasi: Cotoh Rumus utuk meghitug koefisie korelasi adalah: Koefisie Korelasi = i Koefisie Korelasi = E(R ) Stadar Deviasi Retur Retur Eksektasi i Defiisi Abormal Retur Retur da Risiko ABNORMAL RETURN Abormal retur atau excess retur meruaka kelebiha dari retur yag sesugguhya terjadi terhada retur ormal. Retur ormal meruaka retur eksektasi (retur yag diharaka oleh ivestor)

5 Meghitug Abormal Retur Retur tidak ormal (abormal retur) adalah selisih atara retur sesugguhya yag terjadi dega retur eksektasi. RTN = R -E[R ] RTN = Abormal retur sekuritas i ada eriode eristiwa t R = Retur realisasi sekuritas i ada eriode eristiwa t E[R ] = Retur eksektasi sekuritas i ada eriode eristiwa t Meghitug Abormal Retur Retur realisasi meruaka retur yag terjadi ada waktu ke-t yag meruaka selisih harga sekarag relatif terhada harga sebelumya. Retur eksektasi meruaka retur yag harus diestimasi. Brow da Warer (198) megestimasi retur eksektasi megguaka model estimasi mea-adjusted model, market model, da market-adjusted model Retur Eksektasi Portofolio Retur Eksektasi daat dihitug megguaka rumus: Retur da risiko RETURN DAN RISIKO PORTOFOLIO E(R ) = Retur eksektasi dari ortofolio E(R i ) = Retur eksektasi dari sekuritas i = Proorsi dari sekuritas i ada ortofolio W i E(R ) = E(R )(W ) i i i= Risiko Portofolio: Kasus 2 Sekuritas Rumus yag diakai adalah: = WA A +WB B+2(W A )(W B)(ρ AB)( A )( B) Atau = W A A +W B B+2(W A )(W B)(Cov AB) = Stadar deviasi ortofolio W A = Proorsi dari sekuritas A ada ortofolio W B = Proorsi dari sekuritas B ada ortofolio ρ AB = Koefisie korelasi ada sekuritas A da B 29 Risiko Portofolio: Kasus 2 Sekuritas (Cotoh) Portofolio yag terdiri dari saham A da B masigmasig meawarka retur sebesar 10% da 2%; serta stadar deviasi masig-masig sebesar 30% da 60%. Alokasi daa ivestor ada kedua aset tersebut masig-masig sebesar 0% utuk setia aset. Perhitugaya adalah sbb: = = = (0,) (0,3) + (0,) (0,6) + 2(0,)(0,)(0,3)(0,6) 0,022+ 0,09 + (0,09)(ρ 0,112+ (0,09)(ρ AB ) AB ) 30

6 Risiko Portofolio: Kasus 2 Sekuritas (Cotoh) Berikut adalah tabel risiko ortofolio A da B jika dihitug dalam berbagai skeario koefisie korelasi: Risiko Portofolio: Kasus Sekuritas Rumus yag diakai adalah: i i i j ij i=1 i=1 j=1 = W + W W Risiko Portofolio: Kasus Sekuritas Peulisa rumus di atas baragkali tamak sedikit rumit. Utuk itu, rumus tersebut bisa digambarka dalam betuk matriks berikut: 33 6

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom. Pokok Bahasa 3-6. Retur da Risiko Lecture Note: Defiisi retur da risiko Klasifikasi retur da risiko Hubuga retur da risiko Retur da Risiko Aktiva Tuggal Abormal Retur Retur da Risiko Portofolio 1 Retur

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

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

MATERI 14 EVALUASI KINERJA PORTOFOLIO

MATERI 14 EVALUASI KINERJA PORTOFOLIO MATERI 14 EVALUASI KINERJA PORTOFOLIO KERANGKA PIKIR EVALUASI KINERjA PORTOFOLIO (EKP) MENGUKUR TINGKAT RETURN PORTOFOLIO RISK-ADJUSTED PERFORMANCE - INDEKS SHARPE - INDEKS TREYNOR - INDEKS JENSEN dede08m.com

Lebih terperinci

MATERI 12 ANALISIS PERUSAHAAN

MATERI 12 ANALISIS PERUSAHAAN MATERI 12 ANALISIS PERUSAHAAN EPS DAN INFORMASI LAPORAN KEUANGAN KELEMAHAN PELAPORAN EPS DALAM LAPORAN KEUANGAN ANALISIS RASIO PROFITABILITAS PERUSAHAAN EARNING PER SHARE (EPS) PRICE EARNING RATIO (PER)

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

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

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

Buku Padua Belajar Maajeme Keuaga Chapter 0 KONSEP NILAI WAKTU UANG. Pegertia. Nilai Uag meurut waktu, berarti uag hari ii lebih baik / berharga dari pada ilai uag dimasa medatag pada harga omial yag sama.

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

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis.

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis. III. METODE PENELITIAN 1.1. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag bersifat historis. Sumber data sekuder adalah sumber data peelitia yag diperoleh peeliti secara

Lebih terperinci

BAB IV HASIL & PEMBAHASAN

BAB IV HASIL & PEMBAHASAN 46 BAB IV HASIL & PEMBAHASAN A. Gambara Umum Objek Peelitia Pembetuka portofolio optimal bertujua utuk mecari kombiasi saham yag dapat memberika retur ekspektasi maksimum dega risiko tertetu. Salah satu

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii bertujua utuk megaalisis pembetuka portofolio optimal saham-saham pada ideks LQ-45 megguaka model ideks tuggal periode 2014 2015. Berdasarka tujua

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

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

RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO ANALISIS INVESTASI DAN PORTOFOLIO ANDRI HELMI M, SE., MM.

RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO ANALISIS INVESTASI DAN PORTOFOLIO ANDRI HELMI M, SE., MM. RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO ANALISIS INVESTASI DAN PORTOFOLIO ANDRI HELMI M, SE., MM. OVERVIEW Tujuan dari bab ini adalah untuk mempelajari konsep return dan risiko portofolio dalam investasi

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 33 BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Obyek yag aka diteliti dalam peelitia ii merupaka perusahaa/emite berstatus tetap yag termasuk dalam Jakarta islamic idex (JII) da SBI dega periode

Lebih terperinci

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang BAB II LANDASAN TEORI A. Maajeme Keuaga Keuaga terdiri dari tiga bidag yag salig berhubuga: (1) pasar uag da pasar modal, berkaita dega pasar sekuritas da lembaga keuaga; () ivestasi, yag memfokuska pada

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Tijaua Peeliti Terdahulu Peelitia yag dilakuka oleh Laraswati tahu 2010 yag meeliti tetag portofolio optimal saham yag masuk dalam Jakarta Islamic Idex (JII). Kesimpula dari

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

Pembentukan dan Pemilihan Portofolio

Pembentukan dan Pemilihan Portofolio Pembentukan dan Pemilihan Portofolio 1. Konse ortofolio efisien. Pembentukan ortofolio efisien Kombinasi sekuritas berisiko, tana short sales Kombinasi sekuritas berisiko, dgn short sales Kombinasi sekuritas

Lebih terperinci

A. Varians dan Kovarians

A. Varians dan Kovarians BAB II LANDASAN TORI Pada bab ii dibahas tetag materi dasar yag diguaka utuk medukug embahasa ada bab-bab berikutya, yaitu varias da kovarias, distribusi ormal, matriks, aalisis multivariat, movig average,

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

Pengujian Hipotesis. 1/26/2010 Pengujian Hipotesis 1

Pengujian Hipotesis. 1/26/2010 Pengujian Hipotesis 1 Pegujia Hiotesis /6/00 Pegujia Hiotesis Estimasi da Pegujia Pada ertemua sebelumya, samel diguaka utuk membuat estimasi iterval ilai arameter oulasi berdasarka suatu robabilitas keyakia yag kita tetuka.

Lebih terperinci

Pengenalan Pola. Regresi Linier

Pengenalan Pola. Regresi Linier Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk

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

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara

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

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

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

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

AKTIVA TUNGGAL. Jurusan Akuntansi Fakultas Ekonomi Universitas Tunas Pembangunan Surakarta.

AKTIVA TUNGGAL. Jurusan Akuntansi Fakultas Ekonomi Universitas Tunas Pembangunan Surakarta. ETURN DAN ISIKO AKTIVA TUNGGAL Jurusan Akuntansi Fakultas Ekonomi Universitas Tunas Pembangunan Surakarta ririkyunita@yahoo.co.id Return Investasi Rate of return dari suatu investasi dapat dihitung dengan

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai

BAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai 20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif

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

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

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Investasi merupakan bentuk penundaan konsumsi sekarang untuk konsumsi

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Investasi merupakan bentuk penundaan konsumsi sekarang untuk konsumsi BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Ivestasi merupaka betuk peudaa kosumsi sekarag utuk kosumsi medatag. Secara umum ivestasi dikeal sebagai kegiata utuk meaamka harta ataupu modal, baik pada aktiva

Lebih terperinci

ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI

ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI Jural Ilmu da Riset Maajeme Volume, Nomor, Jui ISSN : - ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI Raga Samudra ragasamudra@gmail.com Prijati Sekolah Tiggi Ilmu

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

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 III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Keragka Pikir Peelitia Peelitia ii dilakuka dega pola pemikira yag berdasarka latar belakag, perumusa masalah, da tujua yag igi dicapai beserta alat aalisis yag diguaka utuk

Lebih terperinci

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan.

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan. Arti ivestasi : a. Hasil pejuala. b. Biaya c. Ekspektasi da kepercayaa. Ivestasi : peigkata barag modal berujud Kekuata Ekoomi Utama; Hasil pegembalia ivestasi yag dipegaruhi oleh struktur ekoomi, biaya

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

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

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

Konsep Penting dalam Investasi

Konsep Penting dalam Investasi Konsep Penting dalam Investasi Prof. Dr. Deden Mulyana, SE., M.Si. RETURN YANG DIHARAPKAN DAN RISIKO PORTOFOLIO PENGERTIAN RETURN DAN RISIKO ESTIMASI RETURN DAN RISIKO ASET TUNGGAL ANALISIS RISIKO PORTOFOLIO

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

MATERI 11 ANALISIS INDUSTRI

MATERI 11 ANALISIS INDUSTRI MATERI 11 ANALISIS INDUSTRI PENGERTIAN INDUSTRI PENTINGNYA ANALISIS INDUSTRI ESTIMASI TINGKAT KEUNTUNGAN INDUSTRI ESTIMASI EARNING PER SHARE (EPS) INDUSTRI PERSAINGAN DAN RETURN INDUSTRI YANG DIHARAPKAN

Lebih terperinci

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

1. Pendahuluan. Materi 3 Pengujuan Hipotesis Materi 3 Pegujua Hiotesis. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu atau lebih oulasi) Kebeara suatu hiotesis diuji dega megguaka statistik samel hiotesis

Lebih terperinci

UKURAN TENDENSI SENTRAL

UKURAN TENDENSI SENTRAL BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis

Lebih terperinci

Michael Krismeidyan Topowijono Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Michael Krismeidyan Topowijono Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang PENENTUAN PORTOFOLIO SAHAM YANG OPTIMAL DENGAN SINGLE INDEX MODEL SEBAGAI SALAH SATU ALAT PENGAMBILAN KEPUTUSAN INVESTASI SAHAM (Studi pada Perusahaa yag Terdaftar di BEI periode 011-013) Michael Krismeidya

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

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

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk

Lebih terperinci

ANALISA RESIKO. I. Model Keputusan

ANALISA RESIKO. I. Model Keputusan ANALISA RESIKO I Model Keputusa 1 Model Determiistik / Certaity Haya ada satu kemugkia hasil Tidak ada resiko Selalu sesuai dega perhituga Cotoh : Deposito di Bak Bak Pemeritah 2 Model dega Resiko / Risk

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

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

BAB III KONSEP PENTING DALAM INVESTASI

BAB III KONSEP PENTING DALAM INVESTASI BAB III KONSEP PENTING DALAM INVESTASI Return dan Risiko Investasi 1 Pengertian Return dan Resiko Return merupakan salah satu faktor yang memotivasi investor berinvestasi dan juga merupakan imbalan atas

Lebih terperinci

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si.

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si. ANUITAS 9/19/2012 MK. Aktuaria Darmato,S.Si. 1 OVERVIEW Auitas adl suatu pembayara dalam jumlah tertetu, yag dilakuka setiap selag waktu da lama tertetu, secara berkelajuta. Suatu auitas yg pasti dilakuka

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

BAB III METODOLOGI PENELITIAN DAN DATA

BAB III METODOLOGI PENELITIAN DAN DATA BAB III METODOLOGI PENELITIAN DAN DATA 3.1 Pegatar Pada bab ii aka dibahas megeai metodologi peelitia da data yag dipakai. Jeis peelitia ii megguaka metode kuatitatif. 3. Metodologi utuk pemecaha masalah

Lebih terperinci

LOGO MATEMATIKA BISNIS (Deret)

LOGO MATEMATIKA BISNIS (Deret) LOGO MATEMATIKA BISNIS (Deret) DOSEN FEBRIYANTO, SE., MM. www.febriyato79.wordpress.com 1 MATEMATIKA BISNIS Matematika Bisis memberika pemahama ilmu megeai kosep matematika dalam bidag bisis. Sehigga suatu

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

STATISTIKA SMA (Bag.1)

STATISTIKA SMA (Bag.1) SMA - STATISTIKA SMA (Bag. A. DATA TUNGGAL. Ukura Pemusata : Terdapat ilai statistika yag dapat dimiliki oleh sekumpula data yag diperoleh yaitu : a. Rata-rata Rata-rata jumlah seluruh data bayakya data

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

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

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu

Lebih terperinci

MATERI 4 RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO

MATERI 4 RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO 1 MATERI 4 RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO Prof. DR. H. DEDEN MULYANA, SE., M.Si. 4-1 PENGERTIAN RETURN Return adalah imbalan atas keberanian investor menanggung risiko, serta komitmen waktu

Lebih terperinci

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia yag Diguaka Metode peelitia pada dasarya merupaka cara ilmiah utuk medapatka data dega tujua da keguaa tertetu. Tujua peelitia secara umum ada empat macam

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci

Firdani Antika Sari Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Firdani Antika Sari Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MODEL INDEKS TUNGGAL (Studi Pada Perusahaa Property, Real Estate Ad Buildig Costructio Yag Tercatat Di Bursa Efek Idoesia Periode 013-015) Firdai Atika Sari Nila Firdausi

Lebih terperinci

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

Lebih terperinci

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA Cara Peyajia Data dega Tabel Distribusi Frekuesi Distribusi Frekuesi adalah data yag disusu dalam betuk kelompok baris berdasarka

Lebih terperinci

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi Chapter 6 Studet Lecture Notes 6-1 Hal-1 Hal-2 Estimasi (Pedugaa) Estimasi (Pedugaa) TOPIK Pegertia Estimasi Estimasi titik Nilai rata-rata populasi Nilai proporsi populasi Estimasi Iterval Estimasi iterval

Lebih terperinci

Bab 6 PENAKSIRAN PARAMETER

Bab 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Stadar Kompetesi : Setelah megikuti kuliah ii, mahasiswa dapat memahami hubuga ilai sampel da populasi da meetuka distribusi samplig yag tepat utuk diguaka Kompetesi Dasar :

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI LNDSN TEORI. Risiko da Maajeme Risiko Defiisi Risiko dalam arti luas adalah potesial kejadia yag tidak diigika jaga terjadi tetapi terjadi, atau sebalikya potesi kejadia yag diigika terjadi tetapi tidak

Lebih terperinci

BAB II KAJIAN PUSTAKA. dua hal, yaitu risiko dan return. Dalam melakukan investasi khususnya pada

BAB II KAJIAN PUSTAKA. dua hal, yaitu risiko dan return. Dalam melakukan investasi khususnya pada BAB II KAJIAN PUSTAKA 2.1 Landasan Teori 2.1.1 Teori Investasi Teori investasi menjelaskan bahwa keputusan investasi selalu menyangkut dua hal, yaitu risiko dan return. Dalam melakukan investasi khususnya

Lebih terperinci

Analisis Resiko Investasi Pada PT. Unilever. Tbk Aris Munandar

Analisis Resiko Investasi Pada PT. Unilever. Tbk Aris Munandar Aalisis Resiko Ivestasi Pada PT. Uilever. Tbk Aris Muadar Peelitia ii bertujua utuk megetahui da megaalisis seberapa besar risiko ivestasi pada PT. Uilever. Tbk. Jeis peelitia yag dilakuka adalah peelitia

Lebih terperinci

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1 Kuliah : Rekayasa Hidrologi II TA : Geap 2015/2016 Dose : 1. Novriati.,MT 1 Materi : 1.Limpasa: Limpasa Metoda Rasioal 2. Uit Hidrograf & Hidrograf Satua Metoda SCS Statistik Hidrologi Metode Gumbel Metode

Lebih terperinci

Tri Ratna Adiningrum Raden Rustam Hidayat Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Tri Ratna Adiningrum Raden Rustam Hidayat Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang PENGGUNAAN METODE SINGLE INDEX MODEL DALAM MENENTUKAN PORTOFOLIO OPTIMAL TAHUN 2012-2015 (Studi pada Saham-Saham yag Terdaftar dalam Ideks IDX30 Di BursaiEfekiIdoesia PeriodehFebruari 2012 - Agustus 2015)

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

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

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

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

Nindi Shinta Wati Topowijono Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Nindi Shinta Wati Topowijono Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang ANALISIS SINGLE INDEX MODEL UNTUK MENENTUKAN KOMPOSISI PORTOFOLIO OPTIMAL (Studi pada Saham yag Termasuk 50 Leadig Compaies i Market Capitalizatio Periode 01-015) Nidi Shita Wati Topowijoo Sri Sulasmiyati

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di lokasi huta taama idustri yag terdapat di PT. Wirakarya Sakti Provisi Jambi. Waktu pelaksaaa peelitia ii adalah bula April

Lebih terperinci

PERSAMAAN DIFERENSIAL

PERSAMAAN DIFERENSIAL PERSAMAAN DIFERENSIAL A. Persamaa Diferesial Liier Tigkat Satu Betuk umum ersamaa diferesial liier tigkat satu adalah sebagai berikut: P( ) y Q( ) d atau y P( ) y Q( ) Rumus eyelesaia umum utuk ersamaa

Lebih terperinci

UNIVERSITAS NEGERI YOGYAKARTA FAKULTAS EKONOMI S I L A B U S

UNIVERSITAS NEGERI YOGYAKARTA FAKULTAS EKONOMI S I L A B U S S I L A B U S FRM/FISE/46-01 Jauari 009 Fakultas : Ekoomi Jurusa/Program Studi : Maajeme/ Maajeme Mata Kuliah : Maajeme Ivestasi Kode : SMJ 1 SKS : Teori: SKS Praktik: 1 : VI (Eam) Mata Kuliah Prasyarat

Lebih terperinci

RETURN YANG DIHARAPKAN DAN RISIKO

RETURN YANG DIHARAPKAN DAN RISIKO RETURN YANG DIHARAPKAN DAN RISIKO RETURN Definisi : merupakan imbalan atas keberanian investor menanggung risiko atas investasi yang dilakukannya. Komponen Return : Yield dan Capital Gain ( Loss). Yield

Lebih terperinci

BARISAN DAN DERET. Materi ke 1

BARISAN DAN DERET. Materi ke 1 BARISAN DAN DERET Materi ke 1 Pola Bilaga adalah? Susua bilaga yag disusu meurut atura tertetu. Cotoh : 1. Pola Bilaga Gajil 1, 3, 5,... 2. Pola Bilaga Geap 2, 4, 6,... PERHATIKAN SSNAN BILANGAN DI BAWAH

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