Denny et al., Analisis Investasi Melalui Penetapan Portofolio Saham Optimal... 1

Ukuran: px
Mulai penontonan dengan halaman:

Download "Denny et al., Analisis Investasi Melalui Penetapan Portofolio Saham Optimal... 1"

Transkripsi

1 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 1 Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal Pada Saham LQ-45 Bursa Efek Idoesa (The Aalyss of Ivesmet by Determato Optmal Portofolo of LQ-45 at Idoesa Stock Exchage) Ahmad Dey Frdausy Jurusa Akutas, Fakultas Ekoom, Uverstas Jember (UNEJ) Jl. Kalmata 37, Jember 6811 E-mal: dey_doesa@yahoo.co.d Abstrak Rsko dapat dmmumka dega membetuk portofolo (dverfkas), sedagka utuk memperoleh retur optmal perlu dbetuk portofolo optmal. Saham LQ-45 pada Bursa Efek Idoesa merupaka objek dar peelta. Aalss utuk meetuka portofolo optmal megguaka model deks tuggal. Tujua dar peelta adalah utuk megetahu da megaalss plha vestas dega megguaka perhtuga portofolo saham optmal, megetahu saham perusahaa yag masuk dalam portofolo optmal da megetahu propors utuk tap saham optmal. Jes peelta yag dpaka dalam peelta adalah peelta deskrptf dega pedekata kuattatf. Peelta dlakuka dega megambl sampel populas 45 perusahaa yag termasuk dalam LQ-45 da dperoleh 3 sampel perusahaa. Hasl perhtuga megguaka model deks tuggal meghaslka 14 saham yag membetuk portofolo optmal, yatu AALI (0,4%), BBCA (7,78%), BBNI (4,0%), BBRI (10,31%), BMRI (6,16%), CPIN (4,56%), GGRM (,35%), INDF (3,41%), INTP (18,66%), JSMR (10,41%), LPKR (4,7%), PGAS (1,98%), SMGR (18,36%), da UNVR (6,68%). Ivestor yag megvestaska daaya dalam portofolo saham, hedakya melakuka dversvkas pada beberapa saham utuk megurag rsko. Kata Kuc: Portofolo Saham Optmal, Saham LQ-45, Model Ideks Tuggal, Kaddat Portofolo. Abstract For mmsg ther rsk levels, eeds to be doe s verfed by formg a portfolo, whereas to obta optmal retur to optmal portfolo formed. LQ-45 shares Idoesa stock exchage s the object of ths research. Aalyss to determe optmal portfolo usg sgle dex model. The purpose of ths research s to kow ad to aalyss vestmet optos by usg the calculato of the optmal portfolo, kowg the compay s shares are cluded the optmal portfolo ad kowg the optmal proporto for each stock. Type of ths research s descrptve research wth quattatve approach. Ths research was coducted at Idoesa Stock Exchage, wth a populato of 45 compaes reply cluded LQ-45 ad gaed 3 sample. Results of calculatos usg the sgle dex model yeld 14 caddate shares that form the optmal portfolo, amely AALI (0,4%), BBCA (7,78%), BBNI (4,0%), BBRI (10,31%), BMRI (6,16%), CPIN (4,56%), GGRM (,35%), INDF (3,41%), INTP (18,66%), JSMR (10,41%), LPKR (4,7%), PGAS (1,98%), SMGR (18,36%), da UNVR (6,68%). Ivestors who vested ther fuds portfolo of the stock should do dversvkas o some shares to reduce rsk. Keywords: Optmal Portfolo Idex, LQ-45 Idex, Sgle Idex Model, Portfolo Caddate. Pedahulua Ada bayak cara dalam bervestas, yag dapat dplh oleh para vestor. Pasar modal merupaka salah satu plha alteratf. Meurut UU No.8 Th 1995 Pasar Modal, yatu suatu tempat berlagsugya kegata yag berkata dega peawara umum da perdagaga efek, serta lembaga da profes yag berkata dega efek. Dapat dkataka pasar modal memlk pera yag strategs sebaga salah satu sumber pembayaa bag dua usaha da tempat vestas bag masyarakat. Pasar modal d Idoesa berdr pada tahu 191. Pasar modal d Idoesa megalam pasag surut. Pemertah membetuk BAPEPAM ( Bada Pegawas Pasar Modal). Sesua dalam Keputusa Meter Keuaga RI No. 503/KMK.01/1997, BAPEPAM berfugs sebaga pemba, pegatur, pegawas kegata pasar modal. Dega dbetukya BAPEPAM serta dberlakukaya beberapa deregulas pemertah, yag berkata dega pasar modal mejadka kegata pasar modal megkat. Semak bayakya perusahaa yag mejad emte d pasar modal aka membulka berbaga kombas saham yag bsa d plh oleh vestor dalam bervestas d pasar modal portofolo. Berdasarka keyataa bahwa pada umumya vestor tdak megvestaska seluruh daaya pada satu jes saham tap mereka melakuka dversfkas saham yag bertujua utuk megurag rsko yag dtaggug akbat daa yag dvestaska. Utuk medapatka keutuga yag semaksmal mugk maka aalss portofolo merupaka salah satu alat yag tepat utuk memperkecl resko yag dterma dega tujua memaksmalka proft dega tgkat rsko yag sama datara saham yag ada. Hasl dar aalss aka meetuka ketepata dalam pegambla keputusa vestas yag aka dambl oleh vestor. Artkel Ilmah Mahasswa 015

2 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... Portofolo adalah gabuga dar berbaga strume vestas (Zubr, 011:1). Dega kataya dega rsko vestas, Halm (005:44) mejelaska bahwa semak bayak jumlah saham dalam portofolo, maka semak kecl rsko yag tdak sstemats. Hal tetuya dapat dmafaatka oleh vestor dega tpe rsk adverse, vestors who are reject vestmet portfolos that are far games or worse (Bode et. al, 00:157). Sedagka meurut Fahm da Lavat (011:) portofolo adalah Sebuah bdag lmu yag khusus megkaj tetag bagamaa cara yag dlakuka oleh seorag vestor utuk meuruka rsko dalam bervestas secara semmal mugk, termasuk salah satuya dega megaekaragamka rsko tersebut. Retur merupaka tujua para vestor dalam bervestas. Utuk memaksmalka retur yag dharapka dega tgkat rsko tertetu, basaya para vestor meyasat dega portofolo saham da salah satu cara utuk megurag rsko vestas saham bsa dlakuka dega melakuka dversfkas kepemlka saham, yatu dega megkombaska berbaga saham dalam vestasya atau dega membetuk portofolo. Karea pada dasarya vestor sagat meyuka vestas yag meghaslka pegembala yag tgg, aka tetap tdak begtu meyuka adaya rsko. Dalam bervestas ada dua faktor yag palg dpertmbagka oleh vestor, yatu tgkat pegembala (retur) da rsko (rsk). Dua faktor merupaka hal yag berlawaa, dalam art vertor meyuka retur yag tgg da tdak begtu meyuka rsko yag tgg. Pada keyataa terdapat hubuga yag alam atara besarya pegembala da besarya rsko, karea semak besar pegembala yag dharapka maka aka semak besar pula rsko yag aka dhadap atau Tgkat pegembala yag tgg aka selalu dkut dega tgkat rsko yag tgg pula (Jogyato, 000). Saham-saham yag masuk dalam kategor deks LQ-45 merupaka kumpula saham plha yag memeuh krtera-krtera tertetu, yag termasuk ke dalam krtera saham Ideks LQ-45 yatu saham yag memeuh krtera rakg tgg pada total trasaks, la trasaks, da frekues trasaks. Kelompok saham yag termasuk dalam dek LQ-45 tdak bersfat tetap, setap eam bula sekal ada peetapa kembal saham yag memeuh krtera serta megelmas saham yag tdak lag memeuh krtera yag sudah dtetapka. Poss saham yag terelmas aka ds oleh saham pada rakg berkutya, da setap tga bula sekal ada evaluas. Agar vestor medapatka pegembala yag sesua dega harapa dega rsko yag mmal. Ivestor harus dapat meetuka jes saham yag mempuya karakterstk searah dega perubaha IHSG msalya deks saham LQ-45. Karakterstk saham yag termasuk dalam kategor dek LQ-45, adalah saham-saham yag cederug stabl karea saham-saham tersebut termasuk saham-saham yag mudah dperjual-belka bak dalam kods pasar lemah maupu kuat, dega mudahya saham-saham LQ-45 dperjual-belka maka aka dapat meujukka suatu portofolo yag optmal. Aalss vestas melalu peetapa portofolo saham optmal pada saham LQ-45 Bursa Efek Idoesa dapat megguaka beberapa model yatu; model markowtzs, berdasarka preferes vestor, adaya smpaa da pjama bebas rsko, model deks gada, da model deks tuggal. Berdasarka model deks tuggal model merupaka peyederhaaa model markowts. Alteratf pemlha saham da peetua portofolo dapat dlakuka dega megguaka berbaga alat aalss, salah satuya dega megguaka model deks tuggal. Model deks tuggal bayak dperguaka sebaga alat aalss utuk medapatka portofolo yag efse, sela modelya sederhaa juga mudah utuk doperaska. Ivestor harus berskap rasoal dalam meghadap pasar jual bel saham. Namu, vestor terkadag serg kal haya megkut kega dvdu, kut-kuta atau gamblg dalam meetuka portofolo. Hal lebh dkeal dega peetua portofolo secara radom atau acak (tapa memperhatka karakterstk vestas secara releva). Asums model deks tuggal mempuya mplkas bahwa sekurtas-sekurtas bergerak bersama-sama buka karea efek d luar pasar, melaka karea mempuya hubuga yag umum terhadap deks pasar yag searah dega perubaha IHSG. Model deks tuggal dapat dterma da mewakl keyataa sesugguhya bergatug dar seberapa besar asums-asums realsts. Racaga Peelta Metode Peelta. Jes peelta yag dlakuka adalah peelta deskrptf, artya peelta yag dlakuka dega tujua memperoleh formas-formas megea keadaa saat (Jogyato, 007: 11). Populas da Sampel Peelta megguaka populas berupa sahamsaham d BEI yag tergolog dalam saham LQ-45. Dar populas tersebut selajutya dambl beberapa sampel dega megguaka tekk purposve samplg, yatu dega haya memlh saham-saham yag secara beruruta masuk sebaga perhtuga deks LQ-45 secara berturutturut selama tujuh perode pegamata dar Februar 011 sampa dega Jul 014 yag aka mejad sampel. Perusahaa yag tergolog dalam saham LQ-45 dapat dlhat melalu IDX LQ45 yag dpublkaska oleh BEI melalu Jes da Sumber Data Jes data yag dguaka dalam peelta adalah data sekuder yag dakses dar webste Bursa Efek Idoesa. Data tersebut dambl dar lapora tahua masg-masg perusahaa dar Februar 011 sampa dega Jul 014. Data dperoleh dar pegamata saham-saham yag masuk dalam saham LQ-45 selama tujuh perode pegamata dar Februar 011- Februar 014, data harga saham peutupa (closg prce) bulaa selama tujuh perode pegamata, data Ideks Harga Saham Gabuga (IHSG) selama tujuh perode pegamata, da lapora Bak Idoesa atas perkembaga buga deposto bulaa selama tujuh perode pegamata sebaga rsk free rate. Artkel Ilmah Mahasswa 015

3 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 3 Tekk Pegumpula Data Tekk pegumpula data yag dguaka adalah dokumetas, yatu suatu peelta utuk memperoleh data teorts melalu buku-buku atau lteratur da la-la, yag berhubuga dega masalah yag aka dbahas serta melalu data-data lapora keuaga perusahaa yag aka dtelt. Metode Aalss Data Tekk aalss data meguaka metode deks tuggal. Lagkah-lagkah yag dguaka dalam aalss data adalah sebaga berkut: a. Retur atau tgkat pegembala saham adalah selsh atara harga peutupa dega harga pembukaa, da dber smbol R. Retur sergkal juga daggap keutuga. Jka harga saham ak, artya selsh harga postf, dega demka merupaka keutuga bag pemlk saham. Retur atau tgkat pegembala saham (R) dapat dhtug dega rumus : R = (Pt Pt-1)/(Pt-1) R = retur atau tgkat pegembala saham Pt = harga saham perode t Pt-1 = harga saham perode sebelumya Sehgga Expectato retur atau tgkat pegembala yag dharapka, dhtug dega mejumlah retur setap perode da membagya dega jumlah perode observas. E(R) = Σ Rj E(R) = Expectato retur Rj = retur saham pada perode j = jumlah perode observas b. Rsko saham dapat dhtug dega rumus vara (σ²): [(Rj)- E(R)]² σ² = Σ c. Retur market (Rm) da Rsko pasar (σm²) megacu pada Ideks Harga Saham Gabuga (IHSG). Retur market (Rm) dapat dhtug sebaga berkut: R(m.t) = (IHSGt IHSGt-1)/( IHSGt-1) Sehgga Expectato retur market yag dotaska E(Rm) dapat dhtug sebaga berkut: Σ Rm.t E(Rm) = d. Rsko pasar (σm²) dapat dhtug sebaga berkut: [(Rm.t)- E(Rm)]² σm² = Σ e. Retur ekspektas portofolo E(Rp) adalah ratarata tertmbag dar retur ekspektas dvdual E(R)masg-masg sekurtas dega megguaka satua rupah. Utuk meetuka model portofolo harus dhtug dulu beta sekurtas (β) da alpha sekurtas (α). Rumus beta sekurtas (β) adalah β = σ² / σm Alpha sekurtas (α) dhtug dega cara sebaga berkut: E(R) = α + β. E(Rm) sehgga, da α = β. E(Rm) E(R) σe² = σ² β². σm² e = vara dar kesalaha resdu sekurtas ke- yag juga merupaka rsko uk atau rsko tdak sstemats. f. Meghtug portofolo optmal. 1) Meetuka excess retur to beta (ERB) ER R ERB keteraga: ERB = excess retur to beta sekurtas ke- E(R) = retur ekpektas berdasarka model deks tuggal utuk sekurtas ke- RBR = retur aktva bebas rsko, dmaa RBR megacu pada tgkat Suku Buga Bak Idoesa (SBI). = beta sekurtas ke- ) Meetuka besarya ttk pembatas. Meghtug besarya ttk pembatas dawal dega meghtug la A da B utuk masg-masg sekurtas ke-, dega rumus sebaga berkut: A [ E( R) R BR ]. B e e BR e = vara dar kesalaha resdu sekurtas ke- yag juga merupaka rsko uk atau rsko tdak sstemats. 3) Meghtug la C yatu la C utuk sekurtas ke- yag dhtug dar kumulas la-la A1 sampa dega A da lala B1 sampa dega B (Jogyato, 000: 7). Artkel Ilmah Mahasswa 015

4 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 4 m Aj j C I 1 m j j Dega mesubstuska la A da B maka rumus C mejad: m C j E ( R) ( R e j BR 1 m e. ) 4) Meetuka besarya cut off pot (C*) Besarya cut-off pot (C*) adalah la C yag terbesar. 5) Meetuka sekurtassekurtas yag membetuk portofolo optmal, yatu sekurtas dega la ERB yag lebh besar dar cut-off pot (C*) a. Meetuka propors ke masg-masg sekurtas dalam portofolo besarya propors utuk sekurtas ke- adalah sebaga berkut (Jogyato, 000: 30): X W K Xj j I dega la X adalah sebesar X ( ERB C*) e Keteraga; w = propors sekurtas ke- K = jumlah sekurtas d portofolo optmall C* = la cut off pot yag merupaka la C terbesar. = beta sekurtas ke- e = vara dar kesalaha resdu sekurtas ke- ERB = excess retur to beta sekurtas ke- Portofolo optmal dperoleh dar : ( W. E( R)) t b. Meghtug Expectato Retur Portofolo (ERp) E(Rp) = αp + βp. E(Rm) dmaa rumus αp adalah αp = Σ w. α da βp = Σ w. β =1 =1 c. Meghtug rsko portofolo dega meghtug vara (p ). p = βp. m + (Σ w.e) d. Model Portofolo dapat dterma apabla Expectato Retur Portofolo (ERp) lebh besar dar Expectato Retur Market (ERm) da lebh besar dar aktva bebas rsko (RBR). Hasl Peelta Berdasarka hasl perhtuga yag telah dperoleh, maka hasl dar Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal pada Saham LQ-45 Bursa Efek Idoesa dega megguaka model perhtuga deks tuggal sehgga dperoleh beberapa saham yag optmal. Dar 45 sampel saham perusahaa yag masuk dalam daftar LQ-45 Bursa Efek Idoesa selajutya dsarg kembal mejad 3 saham perusahaa dmaa selama tujuh perode pegamata tercatat dalam deks LQ-45. Setelah 3 saham perusahaa tersebut dolah da dhtug megguaka model deks tuggal, mula dar meghtug Retur da Rsk setap saham perusahaa hgga meetuka ttk pembatas yag d badgka dega ERB (Excess Retur to Beta) maka telah d tetuka 14 saham perusahaa yag optmal. Berkut daftar saham perusahaa yag optmal: Tabel 1. Saham Portofolo Optmal No Kode Emte Nama Perusahaa 1 AALI Astra Agro Lestar Tbk. BBCA Bak Cetral Asa Tbk. 3 BBNI Bak Negara Idoesa (Persero)Tbk. 4 BBRI Bak Rakyat Idoesa (Persero)Tbk. 5 BMRI Bak Madr (Persero)Tbk. 6 CPIN Charoe Pokphad Idoesa Tbk. 7 GGRM Gudag Garam Tbk. 8 INDF Idka Eergy Tbk. 9 INTP Idocemet Tuggal Prakasa Tbk. 10 JSMR Jasa Marga (Persero)Tbk. 11 LPKR Lppo Karawac Tbk. 1 PGAS Perusahaa Gas Negara (Persero)Tbk. 13 SMGR Seme Idoesa (Persero)Tbk. 14 UNVR Ulever Idoesa Tbk. Saham yag dplh utuk vestas dega model portofolo dbel secara proporsoal, agar dapat dperoleh keutuga yag maksmal. Oleh Karea tu, setelah dketahu saham yag dplh utuk portofolo, selajutya adalah meghtug propors masg-masg saham yag aka dbel. Pembahasa Objek dalam peelta adalah saham-saham perusahaa yag masuk dalam deks LQ-45. Ideks terdr dar 45 saham yag dplh setelah melalu beberapa krtera sehgga deks terdr dar saham-saham yag mempuya lkudtas yag tgg da juga mempertmbagka kaptalsas pasar dar saham-saham tersebut.pergata saham aka dlakuka setap 6 bula sekal, yatu pada setap awal bula Februar da Agustus. Bla terdapat saham yag tdak memeuh krtera, saham tersebutaka dkeluarka dar perhtuga deks da dgatka dega saham yag memeuh krtera. Artkel Ilmah Mahasswa 015

5 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 5 Perhtuga retur saham dvdual ddasarka pada perubaha harga peutupa per bula.dega memasukka retur saham dalam rumus perhtuga maka aka dperoleh retur ekspektas da resko saham dvdual. Berkut adalah tabel yag meujukka retur ekspektas da resko dar 3 saham LQ-45. Tabel. Retur Ekspektas da Resko dar 3 Saham LQ-45 Kode E(R) σ² σ AALI ADRO ASII BBCA BBNI BBRI BDMN BMRI CPIN GGRM INDF INTP ITMG JSMR KLBF LPKR LSIP PGAS PTBA SMGR TLKM UNTR UNVR Dega melhat tabel datas maka dapat dketahu bahwa terdapat 14 saham yag memlk tgkat pegembala yag postf dataraya : AALI, BBCA, BBNI, BBRI, BMRI, CPIN, GGRM, INDF, INTP, JSMR, LPKR, PGAS, SMGR da UNVR. Saham yag retur Artkel Ilmah Mahasswa 015 ekspektasya postf adalah saham yag layak utuk djadka alteratf dalam bervestas. Ideks pasar yag dapat dplh utuk pasar BEI yatu IHSG (Ideks Harga Saham Gabuga). Dalam peelta dguaka data IHSG yag dambl pada akhr bula. Dar perhtuga IHSG tersebut dperoleh ekspektas retur market yatu da vara pasar sebesar Tabel 3. Besarya Beta da Alpha dar 3 Saham LQ-45 Kode β α AALI ADRO ASII BBCA BBNI BBRI BDMN BMRI CPIN GGRM INDF INTP ITMG JSMR KLBF LPKR LSIP PGAS PTBA SMGR TLKM UNTR UNVR Saham terhadap kods pasar secara umum dtujukka oleh koefse Beta (β). Koefse beta dapat dapat berla postf maupu egatve. Jka beta postf, maka keaka retur pasar aka meyebabka keaka retur saham. Sedagka jka Beta egatve, maka keaka retur saham aka meyebabka peurua retur saham. Rsko (Vara Retur) sekurtas yag dhtug berdasarka model terdr dar dua baga: rsko yag berhubuga dega pasar da rsko uk. Vara dar kesalaha resdu 3 saham LQ-45 sebaga berkut: Tabel 4. Vara dar Kesalaha Resdu 3 Saham LQ-45 Kode σe² AALI ADRO ASII BBCA BBNI 0.05 BBRI BDMN BMRI 0.07 CPIN GGRM INDF INTP ITMG

6 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 6 JSMR 0.03 KLBF LPKR LSIP PGAS PTBA SMGR 0.01 TLKM UNTR UNVR Metode yag dguaka dalam pembetuka portofolo optmaldar 3 saham adalah model deks tuggal. Dalam pemlha saham yag aka dmasukka dalam suatu portofolo, perlu adaya suatu krtera tertetu. Pada model deks tuggal, lagkah pertama yag harus dlakuka adalah meghtug la ERB (Exess Retur to Beta) utuk masg-masg sekurtas. Dalam meghtug ERB dbutuhka tgkat pegembala bebas rsko (RBR). Tgkat pegembala bebas rsko dhtug berdasarka tgkat suku buga Sertfkat Bak Idoesa (SBI). Dalam pemelta SBI perode Maret 015 adalah 7,50% per tahu; sehgga dalam satua semester Suku Buga Bak Idoesa adalah 3,75%. Tabel 5. Nla ERB Dar Masg-Masg Sekurtas Kode ERB AALI ADRO ASII BBCA BBNI BBRI BDMN BMRI CPIN GGRM INDF INTP ITMG JSMR 0.41 KLBF LPKR LSIP PGAS PTBA SMGR TLKM UNTR UNVR Lagkah selajutya adalah membadgka la ERB da la Cut of POt (C). Nla Cut of Pot aka mejad batasa suatu saham masuk dalam portofolo. Besarya la Cut of Pot adah la C terbesar, sedagka sekurtas yag membetuk portofolo optmal adalah sekurtas-sekurtas yag mempuya la ERB lebh besar atau sama dega la ERB d ttk C*. Tabel 6. Perbadga Nla ERB Dega Nla C Per Artkel Ilmah Mahasswa 015 Saham. Kode ERB C AALI > ADRO < ASII < BBCA > BBNI > BBRI > BDMN < BMRI > CPIN > GGRM > INDF > INTP > ITMG < JSMR 0.41 > KLBF < LPKR > LSIP < PGAS > PTBA < SMGR > TLKM < UNTR < UNVR > Dapat dlhat bahwa ada 14 saham yag la ERB lebh besar darpada la C, sehgga dapat dplh utuk model portofolo optmal. Adapu saham yag dplh adalah AALI, BBCA, BBNI, BBRI, BMRI, CPIN, GGRM, INDF, INTP, JSMR, LPKR, PGAS, SMGR da UNVR. Saham yag dplh utuk vestas dega model portofolo dbel secara proporsoal, agar dapat dperoleh keutuga yag maksmal. Oleh Karea tu, setelah dketahu saham yag dplh utuk portofolo, selajutya adalah meghtug propors masg-masg saham yag aka dbel. Propors masg-masg sekurtas dalam portofolo dtetuka dega lagkah berkut: a. Meghtug Expectato Retur Portofolo (ERp) b. Meghtug rsko portofolo dega meghtug vara (p ) c. Model Portofolo dapat dterma apabla Expectato Retur Portofolo (ERp) lebh besar dar Expectato Retur Market (ERm) da lebh besar dar aktva bebas rsko (RBR). Dtujukka bahwa Expectato Retur Portofolo (ERp) lebh besar dar Expectato Retur Market (ERm), da lebh besar dar tgkat Suku Buga Bak Idoesa (RBR = 3,75%). Artya portofolo tersebut layak utuk dplh sebaga vestas. Propors terbesar utuk saham yag harus mejad plha vestas adalah saham INTP (PT. Idocemet Tuggal Prakasa Tbk) sebesar 18,66%; selajutya saham SMGR (PT. Seme Idoesa Tbk) sebesar 18,36%; da saham JSMR (PT. Jasa Marga Tbk) sebesar 10,41%. Kesmpula da Keterbatasa Peelta

7 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 7 Kesmpula Berdasarka aalss data dperoleh kesmpula bahwa terdapat 14 saham yag dplh utuk model portofolo da propors masg masg saham portofolo, yatu sebaga berkut: No. Tabel 7. Daftar Saham Portofolo Nama Saham Retur Ekspektas E(R) Vara (σ²) Propors (W) (%) 1. AALI %. BBCA % 3. BBNI % 4. BBRI % 5. BMRI % 6. CPIN % 7. GGRM % 8. INDF % 9. INTP % 10. JSMR % 11. LPKR % 1. PGAS % 13. SMGR % 14. UNVR % Keterbatasa Peelta 1. Data yag dguaka dalam peelta adalah data hstors yag meskpu dapat dguaka utuk megestmas beta saham, tetap memlk kekuraga yatu dapat berubah jka kods pasar berubah. Oleh karea tu, harus dlakuka aalss-aalss secara berkala sesua dega perubaha kods pasar.. Peelta haya megguaka salah satu model pembetuka portofolo optmal, yatu model deks tuggal. Sebakya utuk meghaslka komposs portofolo yag bear-bear optmal, perlu dlakuka perbadga atara model-model pembetuka portofolo optmal yag ada. Daftar Pustaka [1]. Bode, Z., Alex, K., da Ala, J.M., 00. Ivestmet, Ffth Edto, McGraw-Hll, Ic, New York []. Euga, Darmto, da W Edag, 014, Peetua Portofolo Saham yag Optmal dega Model Markowtz sebaga Dasar Peetapa Ivestas Saham (Stud pada Perusahaa Food ad Beverage yag Terdaftar d Bursa Efek Idoesa Tahu 01), Jural Admstras Bss (JAB) Vol. 9 No. 1 Aprl 014 Hartoo, Jogyato, 010, Teor Portofolo da Aalss Ivestas, Eds Ketujuh, Salemba Empat, Jakarta. Irham, Fahm da Yov. (011). Teor Portofolo da Aalss Ivestas. Cetaka Kedua. Badug: Alfabeta. [6]. Jogyato, 000, Teor Portofolo da Aalss Ivestas, BPFE, Yogyakarta. Zubr, Zalm, 011, Maajeme Portofolo: Peerapaya dalam Ivestas Saham, Eds Pertama, Salemba Empat, Jakarta. Artkel Ilmah Mahasswa 015

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka

Lebih terperinci

ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Pada Saham Jakarta Islamic Index (JII) Periode )

ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Pada Saham Jakarta Islamic Index (JII) Periode ) ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Stud Pada Saham Jakarta Islamc Idex (JII) Perode 011-013) M. Bagus Wsambud Negah Sudjaa Topowjoo Fakultas Ilmu Admstras

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Studi Kasus pada Kelompok Saham LQ-45 di BEI Tahun )

SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Studi Kasus pada Kelompok Saham LQ-45 di BEI Tahun ) 1 Jural Ilmu Maajeme & Bss - Vol. 04, No. 01. Maret 013 SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Stud Kasus pada Kelompok Saham LQ-45 d BEI Tahu 009-011) Sgt Trharjoo

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 3 (014), hal 15. PENGGUNAAN VALUE AT ISK DALAM ANALISIS ISIKO PADA POTOFOLIO SINGLE INDEX MODEL (Stud Kasus Data Saham LQ 45) Ed Saputra, Neva

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 III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB III METODOLOGI PENELITIAN. perdagangan saham dari berbagai jenis perusahaan yang ada di Indonesia.

BAB III METODOLOGI PENELITIAN. perdagangan saham dari berbagai jenis perusahaan yang ada di Indonesia. BAB III METODOLOGI PENELITIAN 3.1 Lokas da Subjek Populas/Sampel Peelta Pemlha lokas peelta d Bursa Efek Idoesa (BEI) melalu stus resmya www.dx.co.d, ddasarka atas pertmbaga objektf sesua dega tujua peelta

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

Menghitung Kinerja Investasi

Menghitung Kinerja Investasi Meghtug Kerja Ivestas Dalam perjalaa vestas, la suatu asset bsa berubah dar waktu ke waktu akbat perubaha kods pasar. Sela tu, sebaga baga dar proses vestas, vestor perlu mematau da megevaluas kerja vestas

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. A. Analisis Portofolio Optimal Menggunakan Model Indeks Tunggal

BAB IV HASIL DAN PEMBAHASAN. A. Analisis Portofolio Optimal Menggunakan Model Indeks Tunggal BAB IV HASIL DAN PEMBAHASAN A. Analisis Portofolio Optimal Menggunakan Model Indeks Tunggal Dalam portofolio yang dibentuk, kita membentuk kombinasi yang optimal dari beberapa asset (sekuritas) sehingga

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

: Amelia Pujaastuti Npm : Jurusan : Manajemen Pembimbing : Dr. Ati Harmoni, SSi., MM

: Amelia Pujaastuti Npm : Jurusan : Manajemen Pembimbing : Dr. Ati Harmoni, SSi., MM ANALISIS PENENTUAN PORTOFOLIO OPTIMAL SAHAM DENGAN MODEL INDEKS TUNGGAL (Studi Pada Saham Indeks LQ-45 di BEI Tahun 2011-2015) Nama : Amelia Pujaastuti Npm : 10212705 Jurusan : Manajemen Pembimbing : Dr.

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

ANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK

ANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK ANALISIS PRBANDINGAN ARUS KAS PT DUTA PRTIWI TBK DAN PT KAWASAN INDUSTRI JABABKA TBK (Rsk ad Cash Flow Aalyss) Oleh/By: Sutart da Sr Bawoo Dose Akadem Maajeme Kesatua da STI Kesatua ABSTRAK Perusahaa megguaka

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya 017 3 Septeber 017, Saarda, Idoesa ISBN: 978-60-5031-0-3 Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek

Lebih terperinci

ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN

ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN Uas 970 ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN 014 016 I Waya Suarjaa Progra Stud Maajee, FakultasEkoo UverstasMahasaraswat wysuarjaa11@gal.co ABSTRAK Bayakya julah perusahaa yag ada d BEI, ebua

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jes Peelta Dalam pelta peelt megguaka racaga eksperme. Eksperme adalah observas dbawah kods buata (artfcal codto), dmaa kods tersebut dbuat da d atur oleh s peelt. Dega

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Agustin Tri Setyoningsih Suhadak Topowijono Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Agustin Tri Setyoningsih Suhadak Topowijono Fakultas Ilmu Administrasi Universitas Brawijaya Malang ANALISIS PORTOFOLIO OPTIAL DENGAN SINGLE INDEX ODEL UNTUK EINIUKAN RISIKO BAGI INVESTOR DI BURSA EFEK INDONESIA (STUDI PADA SAHA INDEKS KOPAS 100 PERIODE FEBRUARI 010-JULI 014) Agust Tr Setyogsh Suhadak

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Penurunan Persamaan Perpetuitas dan Anuitas

Penurunan Persamaan Perpetuitas dan Anuitas SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY 2016 Peurua Persamaa Perpetutas da utas T - 6 Bud Fresdy Fakultas Ekoom da Bss Uverstas Idosa bstrak Mahasswa bss da akutas, debtor bak, da vestor memerluka

Lebih terperinci

Bab I Pendahuluan & Statistika Deskriptif

Bab I Pendahuluan & Statistika Deskriptif Bab I Pedahulua & Statstka Deskrptf Pegerta Statstka Dstrbus Frekues Cetral Tedecy Measure of Dsperso Pegerta Statstka Statstk (statstc) vs statstka (statstcs) Statstk: agka-agka Statstka: pegguaa data

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

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

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

ANALISIS PERBANDINGAN MEAN VARIANCE

ANALISIS PERBANDINGAN MEAN VARIANCE Perbadga MV da MAD (Susy Arska Putr) 1 ANALISIS PERBANDINGAN MEAN VARIANCE (MV) DAN MEAN ABSOLUTE DEVIATION (MAD) DALAM PEMBENTUKAN PORTOFOLIO COMPARATIVE ANALYSIS MEAN VARIANCE (MV) AND MEAN ABSOLUTE

Lebih terperinci

Qur anitasari Raden Rustam Hidayat Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Qur anitasari Raden Rustam Hidayat Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DALAM MEMINALKAN TINGKAT RISIKO INVESTASI DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Kasus LQ-45 Di Bursa Efek Idoesia Periode Jauari 2013-Juli 2015) Qur aitasari

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci