Analisis Kriteria Investasi TUJUAN

Save this PDF as:

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Kriteria Investasi TUJUAN"

Transkripsi

1 Aalss Krtera Ivestas TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa recaa bss melalu metode NPV, IRR, PP, da BEP. 2

2 PENDAHULUAN Hasl perhtuga krtera vestas merupaka dkator dar modal yag dvestaska, yatu perbadga atara total beeft yag dterma dega total baya yag dkeluarka dalam betuk preset value selama umur ekooms. Perkraa beeft (cash flows) da perkraa cost (Cash out flows) merupaka alat kotrol dalam pegedala baya utuk memudahka dalam mecapa tujua usaha/proyek. Hasl perhtuga krtera vestas dapat dguaka sebaga baha pertmbaga dalam megambl keputusa peaama modal. Krtera vestas yag dapat dguaka: NPV, IRR, Net B/C, Gross B/C, PR Keputusa yag tmbul dar hasl aalss: meerma atau meolak, memlh satu atau beberapa proyek, atau meetapka skala prortas dar proyek yag layak. 3 PERHITUNGAN KRITERIA INVESTASI. Net Preset Value (NPV) NPV merupaka et beeft yag telah ddsko dega megguaka socal opportuty cost of captal sebaga dsko faktor. Rumus: NPV = atau NPV = atau NPV = NB ( + ) ( + ) NB B C = N B Dmaa: NB = Net beeft = Beeft Cost C = Baya vestas + Baya operas B = Beeft yag telah ddsko C = Cost yag telah ddsko = dsko faktor = tahu (waktu 4 2

3 Krtera: NPV > 0 (ol) usaha/proyek layak (feasble) utuk dlaksaaka NPV < 0 (ol) usaha/proyek tdak layak (feasble) utuk dlaksaaka NPV = 0 (ol) usaha/proyek berada dalam keadaa BEP dmaa TR=TC dalam betuk preset value. Utuk meghtug NPV dperluka data tetag perkraa baya vestas, baya operas, da pemelharaa serta perkraa beeft dar proyek yag drecaaka. 5 Cotoh : Berdasarka hasl peelta yag dlakuka utuk membagu dustr pegolaha hasl pertaa, dketahu: Daa vestas: Rp , dalokaska selama 2 tahu, yatu tahu persapa Rp , da tahu pertama Rp ,. Kegata pabrk dmula setelah tahu ke 2 dar pegembaga kotruks. Jumlah baya operas da pemelharaa berdasarka rekaptulas dar berbaga baya pada tahu kedua sebesar Rp , per tahu da utuk tahutahu berkutya sepert pada tabel. 6 3

4 Beeft dar kegata dustr adalah jumlah produks dar pegolaha haslhasl pertaa. Kegata produks dmula padatahu kedua dega jumlah peghasla Rp , sedag tahu tahu berkutya sepert terlhat pada tabel. Berdasarka data d atas, apakah recaa pembukaa dustr yag megolah hasl pertaa tersebut layak utuk dkembagka bla dlhat dar seg NPV dega dsko faktor sebesar 8%? 7 Tabel : Persapa Perhtuga NPV (dalam Rp.000, ) Th Ivestas Baya Operas Total Cost Beeft Net Beeft D.F. 8% Preset Value , ,8475 2, ,782 3, ,6086 3, ,558 4, ,437 4, ,3704 5, ,339 5, ,2660 5, ,2255 5, ,9 6,5 NPV.5,

5 Dar keteraga da tabel yag dberkamaka: NPV = NB ( + ) NPV = Hasl meujukka bahwa NPV > 0, berart gagasa usaha (proyek) layak dusahaka. Catata: Perkraa cash flow da cash out flow yag meyagkut proyeks harus medapat perhata Perkraa beeft harus dperhtugka dega megguaka berbaga varabel (perkembaga tred, potes pasar, perkembaga proyek sejes d masa datag, perubaha tekolog, perubaha selera kosume). Stud Kelayaka Bss 9 Tabel 2: Persapa Perhtuga NPV Th Ivestas Baya Operas Total Cost Beeft Net Beeft (dalam Rp.000, ) D.F. 8% , , , , , , , , , , , NPV B C 0 5

6 Dega megguaka rumus yag la, NPV dapat juga dhtug dega batua Tabel 2 berkut. Pada tabel tersebut cost da beeft lagsug dkalka dega DF: NPV = B C NPV = NPV =.4 = Rp.4.000, Hasl meujukka bahwa NPV > 0, berart gagasa usaha (proyek) layak dusahaka. Cotoh 2: Pmpa perusahaa aka meggat mes lama dega mes baru karea mes lama tdak ekooms lag, bak secara teks maupu ekooms. Utuk meggat mes lama dbutuhka daa vestas sebesar Rp ,. Mes baru mempuya umur ekooms selama 5 tahu dega salvage value berdasarka pegalama pada akhr tahu kelma sebesar Rp ,. Berdasarka pegalama pegusaha, cash flows setap tahu dperkraka sebesar Rp , dega baya modal 8% per tahu. Apakah peggata mes layak utuk dlakuka apabla dlhat dar PV da NPV? 2 6

7 PV = CF Sv r + m ( + r) ( + ) D maa: PV = Preset value CF = Cash flow = perode waktu tahu ke m = perode waktu r = tgkat buga Sv = salvage value PV = ( + 0,8) ( + 0,8) ( + 0,8) ( + 0,8) ( + 0,8) PV = PV = Berdasarka pada hasl perhtuga d atas, pembela mes baru dega harga Rp , teryata tdak feasble karea PV lebh kecl dar orgal outlays atau orgal cost (harga bel). NPV = PV OO = = , dmaa OO=orgal outlays Berdasarka perhtuga NPV dperoleh la egatf, maka pembela mes pu tdak feasble Iteral Rate of Retur (IRR) IRR adalah suatu tgkat dscout rate yag meghaslka NPV = 0 (ol). Jka IRR > SOCC maka proyek dkataka layak IRR = SOCC berart proyek pada BEP IRR < SOCC dkataka bahwa proyek tdak layak. Utuk meetuka besarya la IRR harus dhtug dulu NPV da NPV 2 dega cara coba coba. Jka NPV berla postf maka dscout factor kedua harus lebh besar dar SOCC, da sebalkya. Dar percobaa tersebut maka IRR berada atara la NPV postf da NPV egatf yatu pada NPV = 0. Rumus: NPV IRR = + ( NPV NPV ) 2 ( ) 2 dmaa: = tgkat dscout rate yag meghaslka NPV 2 = tgkat dscout rate yag meghaslka NPV 2 Stud Kelayaka Bss 4 7

8 Dar Cotoh dbuat Tabel 3 berkut: Tabel 3: Persapa Perhtuga IRR (dalam Rp.000, ) Th Net Beeft D.F. Preset Value D.F. Preset 8% 24% Value , , ,8475 2,73 0,8065 2, ,782 3,59 0,6504 3, ,6086 3,652 0,5245 3, ,558 4,26 0,4230 4, ,437 4,37 0,34 4, ,3704 5,86 0,275 5, ,339 5,336 0,228 5, ,2660 5,586 0,789 5, ,2255 5,863 0,443 5, ,9 6,5 0,64 6,5 Stud Kelayaka Bss NPV.5,73 48,94 5 NPV IRR = + 2 ( NPV NPV ) IRR = 0,23974 = 23,97% 2 ( ).4 IRR = 0,8 + (0,24 0,8) ( ) Hasl perhtuga meujukka bahwa IRR 23,97% lebh besar dar SOCC sebesar 8%, berart proyek tersebut layak utuk dkerjaka. Stud Kelayaka Bss 6 8

9 Dar Cotoh 2, IRR merupaka tgkat buga yag meyamaka atara harga bel aset (Orgal outlays) dega preset value. Jad utuk medapatka la PV=OO harus dcar dega megguaka dua tgkat buga. Tgkat buga I meghaslka PV < OO da tgkat buga II meghaslka PV > OO. PV I dega DF=8% meghaslka Rp , da PV II dega DF=4% adalah: PV = ( + 0,4) ( + 0,4) ( + 0,4) ( + 0,4) ( + 0,5) PV = PV = Berdasarka pada hasl perhtuga d atas, maka: 2 IRR = + ( PV OO) PV PV IRR = 4 + ( )( ) IRR = 4 + ( )( ) IRR = 4 + 0,79 = 4,79% Stud Kelayaka Bss IRR=4,79% lebh kecl dar tgkat buga yag berlaku (DF) y 8% berart peggata mes tdak layak Net Beeft Cost Rato (Net B/C) Net B/C adalah perbadga atara et beeft yag telah ddsko postf (+) dega et beeft yag telah lhdd ddsko egatf. Rumus: N B ( + ) NetB / C = Jka: Net B/C > (satu) N B ( ) berart proyek (usaha) layak dkerjaka Net B/C < (satu) berart proyek tdak layak dkerjaka B/C = (satu) berart cash flows = cash out flows (BEP) atau TR=TC Net Stud Kelayaka Bss 8 9

10 Dar Cotoh dbuat Tabel 4 berkut: Tabel 4: Jumlah beeft da persapa Perhtuga Net B/C Proyek Th Net Beeft D.F. Preset Value 8% , , , ,7828 3, , , , , , , , , , , , , , , ,9064 6,4.048 Stud Kelayaka Bss 9 NetB / C = N B ( + ) N B ( ) NetB / C = =,3703 =, Hasl perhtuga meujukka bahwa Net B/C >, berart proyek tersebut layak utuk dkerjaka. Stud Kelayaka Bss 20 0

11 4. Gross Beeft Cost Rato (Gross B/C) GrossB/C adalah perbadga atara beeft kotor yag telah ddsko dega cost secara keseluruha yag telah ddsko. Rumus: B( + r) GrossB / C = C ( + r) Jka: Gross B/C > (satu) berart proyek (usaha) layak dkerjaka Gross B/C < (satu) berart proyek tdak layak dkerjaka Gross B/C = (satu) berart proyek dalam keadaa BEP. Dar cotoh (tabel 2), Gross B/C dapat dhtug sbb: GrossB / C = =,97 =, Gross B/C meujukka bahwa proyek layak dkerjaka. Stud Kelayaka Bss 2 5. Proftablty Rato (PR) PR adalah raso perbadga atara selsh beeft dega baya operas da pemelharaa dega jumlah vestas. Nla dar masg masg varabel dalam betuk preset value (telah ddsko dega DF dar SOCC) Rumus: PR B = I OM Jka: PR > (satu) berart proyek (usaha) layak dkerjaka PR < (satu) berart proyek tdak layak dkerjaka PR = (satu) berart proyek dalam keadaa BEP. Stud Kelayaka Bss 22

12 Tabel 5: Jumlah Ivestas, Baya Operas, da Baya Pemelharaa dalam Harga Berlaku da dalam Preset Value (dalam Rp.000, ) Th Ivestas Baya Operas Beeft Net 8% ī OM B , , , , , , , , , , , Stud Kelayaka Bss 23 PR = B I OM PR =,3397 =, Hasl perhtuga meujukka bahwa PR >, berart proyek tersebut layak utuk dkerjaka. Stud Kelayaka Bss 24 2

13 ANALISIS PAY BACK PERIOD DAN BEP. Pay Back Perod (PBP) PBP adalah jagka waktu tertetu yag meujukka terjadya arus peermaa (cash flows) yag secara kumulatf sama dega jumlah vestas dalam betuk preset value. PBP dguaka utuk megetahu berapa lama proyek dapat megembalka vestas. Rumus: Dmaa: I B PBP = Pay Back Perod cp PBP = T + = = T p = Tahu sebelum terdapat PBP p B I p = Jumlah vestas telah ddsko B cp = Jumlah beeft yag telah ddsko sebelum PBP = Jumlah beeft pada PBP B p Stud Kelayaka Bss 25 Dar Tabel 5, PBP dapat dhtug sbb: PBP = PBP = 5 + 0,4596 PBP = 5 tahu 5 bula 5 har. Utuk la T p dhtug secara kumulatf dar la beeft yag telah ddsko ( =29.37) karea pada tahu kelma terdapat kumulatf beeft d bawah jumlah vestas yag telah ddsko. Nla B p yatu jumlah beeft pada PBP adalah sebesar 7.778, 778 berart pada tahu keeam terdapat jumlah kumlatf beeft sama dega jumlah vestas. Stud Kelayaka Bss 26 3

14 2. Break Eve Pot (BEP) BEP adalah ttk pulag pokok dmaa TR=TC. Terjadya BEP tergatug pada lama arus peermaa sebuah proyek dapat meutup segala baya operas da pemelharaa serta baya modal laya. Selama perusahaa mash berada d bawah BEP, selama tu perusahaa mash mederta keruga. Semak lama perusahaa mecapa BEP, semak besar saldo rug. Rumus: Dmaa: TC B BEP = Break Eve Pot cp BEP = Tp + T p = Tahu sebelum terdapat BEP B TC p = Jumlah total cost yag telah ddsko B cp = Jumlah beeft yag telah ddsko sebelum BEP = Jumlah beeft pada BEP B p Stud Kelayaka Bss 27 Dar Tabel 2 da Tabel 5, BEP dapat dhtug sbb: BEP = BEP = 8 + 0,643 BEP = 8 tahu 7 bula 22 har. Dlhat dar jumlah produks: TR = p x q da TC = a + bq pada keadaaa BEP: TR = TC p.q = a + bq pq Dmaa: a=fxed cost b= baya var per ut p.q bq = a q (p b) = a p=harga per ut q = a/(p b) q=jumlah produks BEP (Q) = a/(p b) BEP (RP) = a/( b/p) BEP dalam rupah adalah dega megalka dega harga per ut produks Stud Kelayaka Bss 28 4

15 PV,I,C,B TR PBP BEP TC I Tahu Grafk. BEP Pada grafk tsb terlhat keutuga ddapat setelah perusahaa mecapa BEP. D bawah BEP kegata megalam keruga karea keutuga yag dperoleh mash dguaka meutup baya yag dkeluarka utuk pegadaa vestas da baya operas. Jad, pegembala baya modal da baya la dcapa selama 8 th 7 bl da 22 hr. PBP selama 5 th 5 bl 5 hr, pada saat TR=I sebesar Rp dlm preset value. Stud Kelayaka Bss 29 CONTOH KASUS Berdasarka hasl peelta yag dlakuka thd sebuah gagasa usaha pembagua perusahaa batu bata dperoleh data sbb:.a. Kebutuha vestas Bagua utk tempat kerja ukura 0x20 m x Rp 7.500, Rp , Bagua kator 5x4 m x Rp 0.000, Rp , Peralata kator Rp , Bagua/dapur pembakar 8x6 m x Rp 2.000, Rp , Peralata pecetak dar kayu Rp , Taah lokas usaha 500m2 dega Rp 7.000, Rp , b. Kebutuha modal kerja Rp , , Jumlah Rp. Stud Kelayaka Bss 30 5

16 2. Sumber daa drecaaka melalu kredt bak sebesar Rp , dega suku buga 8% per tahu da dmajemukka setap tahu selama 5 tahu. Ssa modal sebesar Rp , merupaka modal sedr. 3. Kapastas produks (full capacty) per tahu sebesar ut yag dlakuka dalam 4 kal pembakara da setap kal pembakara sebayak ut. Recaa produks pada tahu pertama da kedua sebesar 75% da tahu ketga sampa dega tahu kelma sebesar 00%. 4. Baya operas da pemelharaa a. Baya tdak tetap Baya baha baku per ut produks dterma d tempat usaha dperhtugka sebesar Rp. 5, Baya baha pembatu per ut produks dperkraka sebesar Rp 3, Upah teaga kerja lagsug dperhtugka per ut produks Rp 6, Baya baha kayu bakar pd setap pembakara sebesar Rp80.000, Stud Kelayaka Bss 3 b. Baya tetap Gaj karyawa tetap orag per bula Rp , Baya umum rata rata per tahu Rp , 000 Baya peyusuta rata rata per tahu dperhtugka Rp , Nla scrap value asset pada akhr tahu kelma Rp , Baya perawata per tahu rata rata Rp , 5. Harga jual hasl produks sesua dega harga pasar Rp 65, per ut da pajak dperhtugka sebesar 5% dar hasl et beeft. Berdasarka pada kasus d atas, apakah gagasa usaha layak utuk dkembagka bla dlhat dar NPV, IRR, da Net B/C? Stud Kelayaka Bss 32 6

17 Peyelesaa: Ccla pegembala pokok pjama da buga bak dar jumlah pjama sebesar Rp , 0,8 R = = Rp { ( + 0,8) } Jadwal peluasa kredt terlhat pada tabel K., rekaptulas baya operas da pemelharaa pada tabel K.2, perhtuga NPV dapat dlhat pada tabel K.3, perhtuga IRR da Net B/C terlhat pada tabel K.4. Stud Kelayaka Bss 33 Tabel K. Jadwal pegembala Kredt Perusahaa Batu Bata (Rp Rbua) Akhr Ccla/Tahu Buga P.Pokok Jumlah Kwt (8%) Pjama PPP Ssa Kredt ,00.98,67.080,00 838,67 838,67 5.6, ,67 929,04 989,63.828,30 4.7, ,67 750,9.67, , , ,67 540,7.377, ,03.625, ,67 292,68.625, ,02 0,00 Stud Kelayaka Bss 34 7

18 Tabel K.2 Rekaptulas Baya Operas da Baya Pemelharaa Perusahaa Batu Bata (Rp Rbua) Jes Baya Tahu A. Baya Tdk Tetap.290,00.290,00.720,00.720,00.720,00. Baha baku 375,00 375,00 500,00 500,00 500,00 2. Baha Pembatu 225,00 225,00 300,00 300,00 300,00 3. Upah Teega Kerja 450,00 450,00 600,00 600,00 600,00 4. Baha Bakar Kayu 240,00 240,00 320,00 320,00 320,00 B. Baya Tetap.464,20.464,20.464,20.464,20.464,20 5. Baya gaj 900,00 900,00 900,00 900,00 900,00 6. Baya Umum 30,00 30,00 30,00 30,00 30,00 7. Baya Peyusuta 459,20 459,20 459,20 459,20 459,20 8. Baya Perawata 75,00 75,00 75,00 75,00 75,00 Total Baya 2.754, , , , ,20 35 Tabel K.3 Persapa Perhtuga NPV Perusahaa Batu Bata (Rp Rbua) No. Uraa Tahu Pedapata a. Hasl Usaha b. Salvage Value 4.875, , , , , ,00 Gross Beeft 4.875, , , ,00.000,00 2. Ivestas Awal 3. Operatg Cost Kredt Bak a. Pokok pjama b. Buga bak Total Cost 4. Net Beeft 5. Pajak 5% 6. Net Beeft 7. DF 8% 2.296, ,20 838,67.080, ,20 989,63 929, ,20.67,76 750,9 3.84,20.377,96 540,7 3.84,20.625,99 292, , , , , , , , ,00, ,3 30,22 7,8 0, ,3 30,32 7,8 0, ,3 209,57.87,56 0, ,3 209,57.87,56 0, ,3 884, ,56 0,437 Preset Value (PV) NPV = Total PV 2.296,00.499,35 45,60 23,39 722,79 62,53 2.9,

19 Tabel K.4 Persapa Perhtuga IRR da Net B/C Tahu Net beeft D.F Preset Value D.F Preset (Rp 000) 8% (Rp 000) 34% Kredt (Rp 000) ,00, ,00, ,00 7,8 0, ,60 0, ,72 2 7,8 0,782 23,39 0, , ,56 0, ,79 0, , ,56 0,558 62,53 0, , ,56 0, ,04 0,235.60,2 NPV.499,35 50, ,35 IRR = 0,8 + ( )(0,34 0,8).499, ,00 IRR = 0,3348 = 33,48% NetB / C = N B ( + ) N B ( ) 3.795,35 NetB / C = =, ,00 Berdasarka pada hasl perhtuga, proyek layak utuk dkerjaka karea: NPV > 0, IRR > D.F da Net B/C > 38 9

20 Sumber Pustaka Stud Kelayaka Bssm, At Harmo Stud Kelayaka Bss 39 20

NPV DAN IRR IR. ASEP TOTO KARTAMAN, MENG

NPV DAN IRR IR. ASEP TOTO KARTAMAN, MENG DAN IRR IR. ASEP TOTO KARTAMAN, MENG SEMESTER PENDEK SEMESTER TAHUN AKADEMIK 03-04 Prod Tekk Idustr Fakultas Tekk Uverstas Pasuda Badug 04 PERHITUNGAN KELAYAKAN INVESTASI. Net Preset Value () merupaka

Lebih terperinci

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

Lebih terperinci

STUDI KELAYAKAN BISNIS. Investment Criteria Analysis. Arranged by : R. AGUS BAKTIONO UNIVERSITAS NAROTAMA SURABAYA 2010

STUDI KELAYAKAN BISNIS. Investment Criteria Analysis. Arranged by : R. AGUS BAKTIONO UNIVERSITAS NAROTAMA SURABAYA 2010 STUDI KELAYAKAN BISNIS Arraged by : R. AGUS BAKTIONO UNIVERSITAS NAROTAMA SURABAYA 2010 TUJUAN Setelah mempelajari Bab ii diharapka mahasiswa dapat memahami: Apakah gagasa usaha (proyek) yag direcaaka

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

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 KELAYAKAN USAHA PUPUK ORGANIK (PO) CURAH. Oleh : CECEP PARDANI FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS

ANALISIS KELAYAKAN USAHA PUPUK ORGANIK (PO) CURAH. Oleh : CECEP PARDANI FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS ANALISIS KELAYAKAN USAHA PUPUK ORGANIK (PO) CURAH Oleh : CECEP PARDANI FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS e-mal : alfarhac@gmal.com DEVI SUTRIANA FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS e-mal

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

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

ANALISIS KELAYAKAN FINANSIAL USAHA PENGOLAHAN DODOL SIRSAK

ANALISIS KELAYAKAN FINANSIAL USAHA PENGOLAHAN DODOL SIRSAK ANALISIS KELAYAKAN FINANSIAL USAHA PENGOLAHAN DODOL SIRSAK (Aoa murcata) (Stud Kasus d Desa Sgapara Kecamata Sgapara Kabupate Taskmalaya) Oleh: Ga Ekayaa 1, Soetoro 2, Mochamad Ramda 3 1,3 Fakultas Pertaa

Lebih terperinci

MUTUALLY EXCLUSIVE ALTERNATIVE PROJECT UNTUK ANALISIS KELAYAKAN USAHA INDUSTRI KECIL

MUTUALLY EXCLUSIVE ALTERNATIVE PROJECT UNTUK ANALISIS KELAYAKAN USAHA INDUSTRI KECIL Jural Sstem Tekk Idustr Volume 6, No. Jul 005 MUTUALLY EXCLUSIVE ALTERNATIVE PROJECT UNTUK ANALISIS KELAYAKAN USAHA INDUSTRI KECIL A Had Arf Fakultas Ekoom Uverstas Malkussaleh Abstrak: Pembagua asoal

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

Angka Banding Manfaat dan Biaya

Angka Banding Manfaat dan Biaya METODE ANALISIS PERENCANAAN 2 Mater 3 : TPL 311 Oleh : Ke Marta Kaskoe Agka Badg Mafaat da Baya Dalam proyek pembagua, perlu dketahu apa mafaat dar proyek tersebut? Bagamaa keutuga ekoom atau keutuga sosal

Lebih terperinci

EKIVALENSI PRESENT WORTH FUTURE WORTH ANNUAL WORTH GRADIENT SERIES. Christina Wirawan 1

EKIVALENSI PRESENT WORTH FUTURE WORTH ANNUAL WORTH GRADIENT SERIES. Christina Wirawan 1 EKIVLENSI RESENT WORTH UTURE WORTH NNUL WORTH GRDIENT SERIES Chrsta Wrawa KONSE Dperluka terutama utuk memlh alteratf Ekvales tergatug pada : Tgkat suku buga Jumlah uag Waktu peermaa/pegeluara Cara buga

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

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

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 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, BAB LANDASAN TEORI Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut varabel tak bebas (depedet

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 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 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

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

ANALISIS KELAYAKAN FINANSIAL PADA AGROINDUSTRI TEMPE (Studi Kasus pada Perajin Tempe di Kelurahan Banjar Kecamatan Banjar Kota Banjar)

ANALISIS KELAYAKAN FINANSIAL PADA AGROINDUSTRI TEMPE (Studi Kasus pada Perajin Tempe di Kelurahan Banjar Kecamatan Banjar Kota Banjar) ANALISIS KELAYAKAN FINANSIAL PADA AGROINDUSTRI TEMPE (Stud Kasus pada Peraj Tempe d Keluraha Bajar Kecamata Bajar Kota Bajar) Oleh: Hel Oktavyat 1, Soetoro 2, Cecep Parda 3 1) Mahasswa Fakultas Pertaa

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

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 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

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

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

EKONOMI TEKNIK. Ekuivalensi

EKONOMI TEKNIK. Ekuivalensi EKONOMI TEKNIK Ekuvales Ekuvales Ekuvales = Nla uag yag sama pada waktu yag berbeda. Jumlah uag berbeda pada waktu berbeda dapat berla ekooms sama. Cotoh = harga bes Rp 4.5, (25), Rp 5.5, (29), da Rp 6.5

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

PENERAPAN BARISAN DAN DERET

PENERAPAN BARISAN DAN DERET PENERPN BRIN DN DERET. MODEL PERKEMBNGN UH Jka perkembaga varabel-varabel tertetu dalam kegata usaha (msalya: produks, baya, pedapata, pegguaa teaga kerja, peaama modal) berpola sepert barsa artmetka,

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

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

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Tgg tekaa [m] UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 11 Desember 017 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 50%] Sebuah PDAM melakuka pegukura

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

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 19 Desember 016 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 40%] Hasl pegukura sampel d beberapa sekolah da

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

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

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

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

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

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 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

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

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 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

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

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

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

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

ANALISIS KORELASI DAN REGRESI (LINEAR)

ANALISIS KORELASI DAN REGRESI (LINEAR) ANALISIS KORELASI DAN REGRESI (LINEAR) Hubuga atara dua kejada dapat dyataka dega hubuga dua varabel Apabla dua varabel da mempuya hubuga, maka la varabel yag sudah dketahu dapat dperguaka utuk memperkraka/meaksr.

Lebih terperinci

Kriteria Analisis Investasi

Kriteria Analisis Investasi Kriteria Analisis Investasi Dalam mengukur atau menilai adanya suatu proyek yang akan didirikan terdapat beberapa kriteria yang digunakan, yaitu : 1. NPV (Net Present value) 2. Net B/C 3. Gross B/C 4.

Lebih terperinci

BAB I PENDAHULUAN. Proyeksi pada dasarnya merupakan suatu pikiran atau taksiran mengenai. proyeksi bibit kelapa sawit untuk 5 tahun yang akan datang.

BAB I PENDAHULUAN. Proyeksi pada dasarnya merupakan suatu pikiran atau taksiran mengenai. proyeksi bibit kelapa sawit untuk 5 tahun yang akan datang. BAB I PENDAHULUAN 1.1. Latar Belakag Proyeks pada dasarya merupaka suatu pkra atau taksra megea terjadya suatu kejada (la dar suatu varabel) utuk waktu yag aka datag sepert proyeks bbt kelapa sawt utuk

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

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

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 III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

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

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

BAB 2 TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB 2 TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB 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 kumpula

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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014 BAB III METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia ii dilaksaaka pada bula Juli 2013 sampai Jauari 201 berlokasi di Kabupate Gorotalo. B. Jeis Peelitia Peilitia tetag evaluasi program pegembaga

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

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

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

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN MEOOLOGI PENELIIAN empat da Waktu Peelta Peelta dlaksaaka d P Bukt Raya Mudsa, Kabupate Sawah Luto/Sjujug, Props Sumatera Barat. Peelta dlakuka dua tahap selama 3 bula yatu bula Maret sampa dega bula Me

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

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

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

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

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

* 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

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

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

UKURAN PEMUSATAN & PENYEBARAN

UKURAN PEMUSATAN & PENYEBARAN UKURAN PEMUSATAN & PENYEBARAN RATA - RATA UKURAN PEMUSATAN MEDIAN MODUS Rata rata htug (mea) Merupaka hasl bag dar sejumlah skr dega bayakya respde Utuk Data Tdak Berkelmpk x Dmaa : = la samapa x = la

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Waktu da Tempat Peelta megea la ekoom koflk mausa da gajah dlaksaaka selama 2 bula mula dar bula Jul hgga Agustus 2009. Pegambla data lapaga dlaksaaka d Desa Lubuk Kembag

Lebih terperinci

METODE PERBANDINGAN EKONOMI. Pusat Pengembangan Pendidikan - Universitas Gadjah Mada

METODE PERBANDINGAN EKONOMI. Pusat Pengembangan Pendidikan - Universitas Gadjah Mada METODE PERBANDINGAN EKONOMI METODE BIAYA TAHUNAN EKIVALEN Untuk tujuan perbandingan, digunakan perubahan nilai menjadi biaya tahunan seragam ekivalen. Perhitungan secara pendekatan : Perlu diperhitungkan

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

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

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

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

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

BAHAN DAN METODE. Lokasi dan Waktu Penelitian. Tabel 3 Lokasi, ukuran, tahun pembuatan, dan tahun pengukuran PUP Kayu Bawang di Propinsi Bengkulu.

BAHAN DAN METODE. Lokasi dan Waktu Penelitian. Tabel 3 Lokasi, ukuran, tahun pembuatan, dan tahun pengukuran PUP Kayu Bawang di Propinsi Bengkulu. BAHAN DAN METODE Lokas da Waktu Peelta Peelta dlaksaaka d huta rakyat kayu bawag yag terdapat d 3 kecamata d Kabupate Begkulu Utara, Props Begkulu (Tabel 3, Gambar 5). Pembuata PUP dlakuka pada tahu 005

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

ANALISIS PROYEK Krisdinar Sumadja FAKULTAS PERTANIAN UNBAR Bandung

ANALISIS PROYEK Krisdinar Sumadja FAKULTAS PERTANIAN UNBAR Bandung ANALISIS PROYEK Krisdinar Sumadja FAKULTAS PERTANIAN UNBAR Bandung 1 BUKU REFERENSI A. Choliq dan Ofan, 1991, Evaluasi Proyek, Linda Karya, Bandung J. Price Gittinger, 1982, Economic Analiis Of agricultural

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

MATERI HITUNG KEUANGAN

MATERI HITUNG KEUANGAN ATERI HITUNG KEUANGAN. emecahka masalah keuaga megguaka kosep matematka. eyelesaka masalah buga tuggal da buga majemuk dalam keuaga.2 eyelesaka masalah rete dalam sstem keuaga.3 eyelesaka masalah autas

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

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

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

CAL ( ) ( ) E r. Var rp i M im

CAL ( ) ( ) E r. Var rp i M im LAIRAN 3 Lampra Bukt ersamaa ( Gambar: Kurva Froter da CAL E ( r CAL E ( r ( E r r roter r ( E r r Kemrga gars CAL adalah, merupaka market prce o rsk (rsko harga pasar da dsebut raso mbal hasl terhadap

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

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 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

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 3 METODOLOGI PEMECAHAN MASALAH BAB 3 METODOLOGI PEMECAHAN MASALAH 3. Metode Pemecaha Masalah Metodolog peelta merupaka tahap-tahap dalam suatu peelta yag harus dtetapka atau dlakuka terlebh dahulu sebelum melakuka pecara solus masalah

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

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