Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)"

Transkripsi

1 Otmas Bobot Portofolo dan Estmas VaR * (Portfolo Weghted Otmzaton and VaR Estmaton) Suono, Subanar & Ded Rosad 3 Jurusan Matemata FMIPA UNPAD Bandung, e-mal : fsuono@yahoo.com Jurusan Matemata FMIPA UGM Yogyaarta, e-mal : subanar@yahoo.com 3 Jurusan Matemata FMIPA UGM Yogyaarta, e-mal : dedrosad@ugm.ac.d ABSTRAK Penlaan harga saham, emlhan ombnas otmum, dan enguuran rso suatu ortofolo nvestas meruaan salah satu ersoalan entng bag nvestor. Dalam aer n model ndes tunggal dgunaan untu enlaan harga saham, dan formulas model otmas dembangan dengan menggunaan ten Lagrangean Multler untu menentuan roors asset yang aan dnvestasan. Sedangan tngat rso yang dhada destmas menggunaan Value at Rs. Model-model n dgunaan untu menganalss data harga saham ban Lo dan ban Bum Putera. Kata Kunc : Indes tunggal, ortofolo nvestas, Lagrangean Multler, Value at Rs. ABSTRACT Stoc rce valuaton, combnaton otmum selecton, and rs measurement of the ortfolo nvestment are the mortance roblems for nvestor. In ths aer, the sngle ndex model used for stoc rce valuaton, and the formulaton of otmzaton model develoed by usng Lagrangean Multler for determne the roorton of asset that wll be nvested. Whle the rs level that faced wll be estmated by usng Value at Rs. Ths models are usng to anlzng the stoc rce data of Lo Ban and Bum Putera Ban. Keywords : Sngle ndex, ortfolo nvestment, Lagrangean Multler, Value at Rs.. PENDAHULUAN Dalam menghada esematan nvestas berso, lhan nvestas tda daat hanya mengandalan ada tngat euntungan yang dharaan. Investor harus berseda menaggung rso yang tngg aabla mengharaan untu memeroleh tngat euntungan yang tngg (Bod et al., 999). Oleh arena tu, analss enlaan harga saham, emlhan ombnas saham dalam ortofolo yang otmum, dan enguuran * Dublasan dalam Semnar Nasonal Matemata dan Penddan Matemata d Jurusan Penddan Matemata FMIPA Unverstas Neger Yogyaarta, tanggal 8 November 008. Semnas Matemata dan Penddan Matemata 008-9

2 rso dalam nvestas d asar modal adalah sangat derluan. D snlah model matemata memunya eranan yang sangat entng untu melauan analss embentuan ortofolo tersebut. Model matemata, hususnya model ndes tunggal berusaha memudahan analss nvestas. Hal n arena dalam model ndes tunggal dasumsan bahwa orelas return antara saham terjad dsebaban adanya reson saham tersebut terhada erubahan ada Indes Harga Saham Gabungan (general maret ndex). Pada saat asar memba (dtunjuan oleh ndes asar), harga saham-saham ndvdual juga menngat, deman sebalnya (Gruber et al., 99). Model ndes tunggal n dgunaan untu enlaan saham dalam suatu nvestas. Menurut Kevn et al. (997) dalam onds nvestas yang berso, strateg yang daat dlauan untu mengurang besarnya rso nvestas adalah dengan membentu ortofolo. Untu membentu ortofolo yang otmum salah satunya daat dlauan dengan bantuan otmas menggunaan ten Lagrangean Multler. Sedangan untu menguur besarnya rso daat dgunaan dengan mengestmas Value at Rs (VaR). Perlu detahu, bahwa VaR telah dgunaan secara luas dan menjad standar umum dalam enghtungan reso ada nvestas fnansal. Dalam aer n bertujuan untu melauan analss enlaan harga saham dengan model ndes tunggal, menentuan bobot ombnas ortofolo dengan ten Lagrangean Multler, dan mengestmas besarnya rso dengan menggunaan uuran VaR dalam ortofolo yang yang dbentu.. METODE PENELITIAN Sejalan dengan tahaan analss enlaan harga saham, otmas bobot ortofolo, dan estmas besarnya rso nvestas, dengan deman ertama yang dlauan adalah menghtung return saham dan return asar seert berut n.. Menghtung Return Saham dan Return Pasar Untu menentuan esetas return dan varans saham derluan data return saham dan return asar ta erode eneltan. Menurut Gruber et al. (99) return saham untu ta erode daat dhtung dengan menggunaan rumus sebaga berut: R t P t + = ln (.) Pt Semnas Matemata dan Penddan Matemata

3 d mana Rt adalah return saham ada erode t, dan Pt adalah harga saham ada erode t. Sedangan ndes asar dwal oleh Indes Harga saham Gabungan (IHSG). Dengan cara yang sama return asar dhtung dengan menggunaan rumus sebaga berut: R mt IHSG t + = ln (.) IHSGt d mana R adalah return asar ada erode t, dan IHSG adalah IHSG ada mt erode t. Data return n selanjutnya aan dergunaan untu embentuan model ndes tunggal berut n.. Membentu Model Indes Tunggal Berdasaran Gruber et al. (99) cr utama dar model ndes tunggal adalah bahwa model n dterma ja dan hanya ja asums yang melandasnya denuh. Model ndes tunggal memunya beberaa araterst sebaga berut: () Persamaan dasar R = a + β dan a = α + e, sehngga model ndes tunggal berbentu: R = α + β R + e, dengan =,,..., (.3) m d mana banyanya saham yang danalss. () Berdasaran embentuan ersamaan, rata-rata e adalan nol, atau E( ) = 0 e (3) Berdasaran asums: a. Indes tda berhubungan ( tda berorelas) dengan unque return. E [ e ( R m R m )] = 0 b. Saham berorelas hanya arena memberan reson terhada asar. E [ e. e j ] = 0, untu j (4) Berdasaran defns t a. Varans e adalah [ ] E e = σ e b. Varans R m adalah E [( R ) ] m R m = σ m D mana a adalah unque return saham, α adalah esetas unque return, adalah uuran senstvtas saham terhada asar, dan e β adalah resdual error dar Semnas Matemata dan Penddan Matemata

4 unque return. Data return tersebut d atas dgunaan untu mengestmas berut n..3 Mengestmas α dan β α dan Dalam enlaan saham, rso asar yang laya dertmbangan adalah rso sstemats. Oleh arena tu, nvestor erlu mengestmas besarnya beta sebaga uuran rso asar. Untu menasr beta daat dlauan dengan metode least square. Dar ersamaan (.3) daat deroleh jumlah uadrat terecl resdual error: ε n n = et = ( R α β t ) t = t = Menurunan (.4) terhada arameter deroleh sstem ersamaan: ε α = 0 ε dan = 0 β α dan (.4) β β serta menyamaan dengan nol (.5) Dengan menyelesaan sstem ersamaan (.5) untu arameter β aan ddaat: n n t Rt t Rt ˆ t = t = β = (.6) n n t = R mt n t = n ( t = R mt n ) Sedangan untu arameter α daat dhtung dengan menggunaan ersamaan: ˆ α ˆ = R β (.7) Langah selanjutnya adalah menentuan esetas return dan varans saham sebaga berut..4 Mengestmas Esetas Return dan Varans Saham Berdasaran araterst model ndes tunggal, esetas return saham ndvdual adalah: E [ R ] = E[ α + β + e ] = E [ α ] + E[ β ] + E[ e ] R = α + β (.8) Semnas Matemata dan Penddan Matemata

5 Persamaan (.8) menunjuan bahwa esetas return saham ndvdual terdr dar unque return (tda terengaruh asar) dan tngat euntungan yang berhubungan dengan asar (maret related return). Varans return saham ndvdual dengan menggunaan ndes tunggal daat dhtung melalu ersamaan: E [( R R ) ] = β E[( ) ] + β E[ e ( )] + E[ e ] (.9) Karena araterst (3.a), (4.a) dan (4.b), maa ersamaan (.9) menjad: m σ = β σ + σ e (.0) Persamaan (.0) terlhat bahwa varans return saham ndvdual terdr dar dua e m bagan, yatu unque rs ( σ ) dan rso yang berhubungan dengan asar ( β σ ). Selanjutnya juga destmas ovarans dan orelas antar saham..5 Mengestmas Kovarans dan Korelas Antar Saham Untu menentuan besarnya ovarans antar saham dengan model ndes tunggal daat dlauan sebaga berut: Cov( R, R j ) = E[( R R )( R j R j )] = β β j E [( )] + β j E[ e ( + )] + β E e ( R R )] + E[ e. e ] (.) [ j m m j Berdasaran araterst (3.a) dan (3.b), ersamaan (.) dtuls sebaga: Cov ( R, R j ) = ββ jσ m (.) Dar ersamaan (.) tama bahwa ovarans antar saham hanya dengaruh oleh maret rs (n sesua dengan asums). Inlah yang denal dengan model ndes tunggal. Selanjutnya, berdasaran ersamaan (.), oefsen orelas antar saham, ρ, daat dnyataan dengan: Cov Atau, ddaat ( R, R j ) = ρ jσ σ j = ββ jσ m j m ββ jσ ˆ ρj = (.3) σ σ Setelah masng-masng secara ndvdual dnla dan dlh, selanjutnya menentuan model esetas dan varans return ortofolo berut n. Semnas Matemata dan Penddan Matemata

6 .6 Membentu Model Esetas Return dan Varans Portofolo Msalan w menyataan roors (bobot) asset yang dnvestasan ada saham dalam embentuan ortofolo, dengan deman return ortofolo adalah: Berdasaran ersamaan (.4) esetas return ortofolo deroleh sebaga berut: E[ R ] = E[ w R ] = E[ = = atau deroleh R = w + = = w w ( α + β )] α β = α + β dengan α = w α dan β = w β. = = (.5) Sedangan varans return ortofolo daat dtentuan dengan cara seert d bawah n. σ = E[( R R ) ] = w σ + = = j = w w Cov( R, R j j ); j σ = β σ m + w σ e = (.6) Untu mendaatan roors asset yang teat, dlauan otmas ortofolo sebaga berut n..7 Melauan Otmas Bobot Kombnas Portofolo Msalan seorang nvestor meml fator eengganan (rs averson)θ, n daat destmas dengan cara erbandngan dua ortofolo. Ja seorang nvestor dengan rs averson θ, dengan dua ortofolo yang memunya average rate of return R dan R ~, serta dengan varans dan σ, erbandngan antara dua ortofolo tersebut adalah dengan menyamaan: R ~ = R σ σ ~ ~ θσ θ (.7) Menyelesaan ersamaan (.7) untu θ aan deroleh: Semnas Matemata dan Penddan Matemata

7 ˆ θ ~ R R = (.8) σ ~ σ Otmas bertujuan memasmuman ortofolo daat drumusan sebaga berut: R θσ, sehngga masalah otmas Fungs tujuan: f ( w, w,..., w ) = ( wα + w β ) = = θ ( β σ m + = Fungs endala: g( w, w,..., w ) = w = 0 = w σ e ) (.9) (.0) Dar ersamaan (.9) dan (.0) selanjutnya fungs Lagrangean dbentu sebaga enjumlahan fungs tujuan dan fungs endala, dengan fator multler Lagrange λ sebaga berut: L( w, w,..., w ; λ ) = f ( w, w,..., w ) + λg( w, w,..., w ) (.) Menurunan secara arsal terhada w, w,..., w dan λ, serta menyamaan dengan nol aan deroleh ersamaan-ersamaan: L / w = 0 λ = α + ( R m θσ m ) β + w σ e (.) L / w = 0 λ = α + ( R m θσ m ) β + w σ e (.3) Dan seterusnya hngga: L / w = 0 λ = α + ( θσ m ) β + wσ e (.4) L / λ = 0 = (.5) w = 0 Semnas Matemata dan Penddan Matemata

8 Menyelesaan sstem ersamaan tersebut, aan deroleh w, w,..., w. Penyamaan ersamaan (.4) dengan ersamaan (.) dan menyelesaannya aan deroleh: w θσ m ) w σ e e ( α α) + ( β β)( + = (.6) e Dan sterusnya hngga enyamaan ersamaan (.3) dengan ersamaan (.) dan menyelesaannya deroleh: dan w θσ m ) w σ e e ( α α) + ( β β)( + = (.7) e w = = w Nla-nla roors w, w,..., w (.8) n adalah menunjuan omoss aloas asset (dana) yang aan dnvestasan ada masng-masng saham dalam embentuan ortofolo, agar rate of return on ortfolo nvestment masmum (Tadeln et al., 00). Ahrnya, estmas VaR aan dlauan berut n..8 Mengestmas VaR Estmas VaR secara arametr adalah mengasumsan bahwa return saham berdstrbus normal, dan VaR destmas dengan menggunaan arameter-arameter mean dan devas standar (Ruert,004:348). Perlu detahu bahwa quantle e-α dar dstrbus N( μ, σ ) adalah μ + Φ ( α) σ, oleh arena tu etmas VaR ( α ) adalah: VaR( α) = S { μ + Φ ( α) σ} (.9) Gambar 3. Hubungan antara VaR dengan Devas Standar D mana S adalah besarnya asset yang dnvestasan. Estmas VaR dengan metode n sangat dengaruh oleh devas standar. Semnas Matemata dan Penddan Matemata

9 3. ANALISIS KASUS Data yang danalss adalah harga saham haran Ban Lo dan Bum Putera serta Indes Harga Saham Gabungan (IHSG) nerja 9 har erja terahr tahun 007. Kemudan data n masng-masng dtentuan besarnya nla log return dengan menggunaan ersamaan (.) dan (.). Berdasaran statst desrtf, masngmasng data log return tersebut meml nla mean dan varans seert dberan dalam Tabel 3. berut n. Tabel 3. Mean dan Varans Data Log Retrurn Data Log Return Mean Varans Log Return Lo 0, , Log Return Bum Putera 0,006 0, Log Return IHSG 0, ,050 Regres antara log return saham Lo dan IHSG mengslan ersamaan LIPPO = IHSG, Sedangan regres antara log return saham Bum Puter menghaslan ersamaan BUMPU = IHSG. Resdual uadrat dar regres LIPPO adalah σ el = 0, dan resdual uadrat dar regres Bum Puter adalah = 0, σ eb. Serngal untu menentuan bobot ortofolo nvestas dtentuan berdasaran erbandngan nla data log return saham terahr, yang mana nla data log return saham Lo terahr adalah 0, dan nla data log return saham Bum Putera terahr adalah 0,0809; dengan deman bobot ortofolo untul saham Lo adalah 0,7 dan bobot ortofolo untu saham Bum Putera adalah 0,83. Menggunaan nla-nla bobot n varans ortofolo dhtung dengan menggunaan rumus (.6), haslnya adalah σ = Dengan asums mean log return ortofolo adalah nol, dan dengan tngat sgnfas 5%, serta dengan nvestas awal adalah satu satuan, Value at Rs yang dhtung dengan menggunaan ersamaan (.9) ddaat VaR( 5%) = 0,7. Aan berbeda haslnya ja dgunaan endeatan otmas Lagrangean Multler. Aabla ada ersamaan (.8) ddeat dengan beberaa tngatan enantang rso (rs taer) : 0< a dan beberaa tngatan enghndar rso (rs avers) : a < 0; maa bobot ortofolo bag nvestor rs taer dan bag nvestor rs avers daat dtunjuan dalam Gambar 3. berut n. Semnas Matemata dan Penddan Matemata

10 w Rs Taer/Avers Level w Rs Taer w Rs Taer w Rs Avers w Rs Avers Gambar 3. Graf bobot ortofolo bag nvestor rs taer dan rs avers Tama bahwa bag nvestor yang meml tngat rs taer satu cenderung membag dua aloas modalnya dengan bobot yang sama, yatu 0,5 untu saham Lo dan 0,5 untu saham Bum Putera. Sedangan bag nvestor yang meml tngat rs avers satu aan membag dua aloas modalnya dengan bobot 0,67 untu saham Lo dan 0,33 untu saham Bum Putera. Dengan asums yang sama, yan mean log return ortofolo adalah nol, dan dengan tngat sgnfas 5%, serta dengan nvestas awal adalah satu satuan, Value at Rs yang dhtung dengan menggunaan ersamaan (.9) bag nvestor dengan beberaa tngatan rs taer mauun rs avers seert Gambar 3. berut VaR(5%)% VaR bag Rs Taer VaR bag Rs Avers Rs Taer/Avers Level Gambar 3. Value at Rs untu beberaa tngatan rs taer/avers Tama bahwa ba bag nvestor dengan tngatan rs taer mauun rs avers rendah 0, Value at Rs hamr sama, yan 0,86 bag nvestor rs taer dan 0,89 bag Semnas Matemata dan Penddan Matemata

11 nvestor rs avers. Teta, untu tngatan rs taer/avers yang seman besar, Value at Rs bag nvestor rs taer menurun ceat, sedangan bag nvestor rs avers menngat erlahan. Tama bahwa ada tngatan rs taer/avers, Value at Rs bag nvestor rs taer hanya 0,8 dan bag nvestor rs avers 0,96. Jelaslah bahwa d sn bag nvestor yang sangat berhat-hat tda selalu menghaslan Value at Rs yang rendah atau sebalnya. 4. SIMPULAN DAN SARAN Dar hasl eneltan dan embahasan d atas ahrnya daat dambl esmulan dan saran-saran bag enelt lan yang bermnat menelt lebh lanjut eneltan n. 4. Smulan Hasl otmas bobot ortofolo bag nvestor rs taer dengan tngat rs taer/avers tngg cenderaung membag dua sama besar aloas dananya ada nvestas sahamsaham dalam ortofolonya. Sedangan bag nvestor dengan tngatan rs taer/avers seman tngg teta menjaga secara roorsonal yang berbeda bobot aloas dananya ada nvestas saham-saham dalam ortofolonya. Value at Rs yang dhaslan oleh nvestor dengan tngatan rs taer/avers yang seman tngg justeru seman menurun. Sedangan Value at Rs yang dhaslan oleh nvestor rs avers seman menngat serng dengan seman tnggnya tngatan rs taer/avers. 4. Saran Untu estmas VaR dalam aer n return saham dasumsan berdstrbus normal. Sedangan untu eneltan lan mash daat dembangan bag data return saham yang tda berdstrbus normal, dan juga dengan menggunaan endeatan tme seres. DAFTAR PUSTAKA Alexader, C. (Edtor). (999). Rs Management and Analyss. Volume : Measurng and Modellng Fnancal Rs. New Yor : John Wley & Sons Inc. Dowd, K. (00). An Introducton to Maret Rs Measurement. Unted State Amercan : John Wley & Sons Inc. Bode et al. (999). Investment. Fourth Edton. Sngaore : Irwn / McGraw-Hll. Semnas Matemata dan Penddan Matemata

12 Gruber et al. (99). Modern Portfolo Theory and Investment Analyss. Sngaore : John Wley & Sons, Inc. Joron, P. (004). Ban Tradng Rs and Systemc Rs. Thrd draft : December 004. Ruert, Davd Statstcs and Fnanace an Introducton. New Yor: Srnger. Suono. (00). Model Matemata Pembentuan Portofolo Investas Otmum Dengan Menggunaan Indes Tunggal. Jurnal Matemata Integratf. Vol., No., Arl 00. Tadelln, E. (00). Analss Investas. Yogyaarta : BPFE. Semnas Matemata dan Penddan Matemata

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

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

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

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL -6 98:. eguh d. AAR UADRA ESEMBLE ALMA FILER (A-EnF PADA ESIMASI POSISI ROBO MOBIL. eguh, Subchan,*,. endro, A. Erna, S.P. Dd 2, dan M. omarudn 3 Insttut enolog Seuluh oember 2 Polten Eletrna eger Surabaya

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

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

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

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

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

Lebih terperinci

1. Pendahuluan MENENTUKAN PROPORSI SAHAM PORTOFOLIO DENGAN METODE LAGRANGE

1. Pendahuluan MENENTUKAN PROPORSI SAHAM PORTOFOLIO DENGAN METODE LAGRANGE Prosdng SNaPP04 Sans, Teknolog, dan Kesehatan ISSN 089-358 EISSN 303-480 MENENTUKAN PROPORSI SAHAM PORTOFOLIO DENGAN METODE LAGRANGE Et Kurnat, Gan Gunaan, 3 Tegar Aj Sukma Bestar,,3 Prod Matematka FMIPA

Lebih terperinci

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

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

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) 1. Konse Dasar Sngle Index Model. Forula SIM untuk Sekurtas 3. SIM untuk Sekurtas Tunggal 4. SIM untuk Portofolo 5. Portofolo Otal Berdasarkan SIM Munya Alteza

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

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

Lebih terperinci

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

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

Lebih terperinci

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Model Value at Risk Contribution Portofolio Investasi *

Model Value at Risk Contribution Portofolio Investasi * Model Value at Rsk Contrbuton ortofolo Investas * Sukono, Subanar & Ded Rosad 3 Jurusan Matematka FMI UD andung, e-mal : fsukono@yahoo.com Jurusan Matematka FMI UGM Yogyakarta, e-mal : subanar@yahoo.com

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

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

Lebih terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data

Lebih terperinci

KINERJA MODEL BLACK LITTERMAN DENGAN MINIMUM VARIANCE DALAM ANALISIS PORTOFOLIO SAHAM SYARIAH

KINERJA MODEL BLACK LITTERMAN DENGAN MINIMUM VARIANCE DALAM ANALISIS PORTOFOLIO SAHAM SYARIAH Knerja Model Black Ltterman (Sara Haerunnsa) 1 KINERJA MODEL BLACK LITTERMAN DENGAN MINIMUM VARIANCE DALAM ANALISIS PORTOFOLIO SAHAM SYARIAH PERFORMANCE OF BLACK LITTERMAN MODEL WITH MINIMUM VARIANCE IN

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,

Lebih terperinci

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

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

Lebih terperinci

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion 7 Otmum Smlex.(Ruslan et al.) Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron ) Ruslan,

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT)

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT) Evaluas Tngkat Valdtas Metode Penggabungan Reson (Indeks Penamlan Tanaman, IPT) 1 Gust N Adh Wbawa I Made Sumertajaya 3 Ahmad Ansor Mattjk 1 Mahasswa S3 Pascasarjana Statstka IPB,3 Staf Pengajar Deartemen

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3) Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu

Lebih terperinci

ANALISIS PORTOFOLIO DENGAN MODEL INDEKS TUNGGAL UNTUK MENENTUKAN PORTOFOLIO YANG OPTIMAL

ANALISIS PORTOFOLIO DENGAN MODEL INDEKS TUNGGAL UNTUK MENENTUKAN PORTOFOLIO YANG OPTIMAL Jurnal Ilmu & Rset Manajemen Vol. No. 1 (013) ANALISIS PORTOFOLIO DENGAN MODEL INDEKS TUNGGAL UNTUK MENENTUKAN PORTOFOLIO YANG OPTIMAL Kun Wnart kana_rncess@yahoo.co.d Nurul Wdyawat Sekolah Tngg Ilmu Ekonom

Lebih terperinci

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

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

Lebih terperinci

PERBANDINGAN METODE KALMAN FILTER DAN METODE ENSEMBLE KALMAN FILTER DALAM MENDETEKSI GANGGUAN KONDUKSI PANAS PADA BATANG LOGAM SKRIPSI

PERBANDINGAN METODE KALMAN FILTER DAN METODE ENSEMBLE KALMAN FILTER DALAM MENDETEKSI GANGGUAN KONDUKSI PANAS PADA BATANG LOGAM SKRIPSI PERBANDINGAN METODE KALMAN FILTER DAN METODE ENSEMBLE KALMAN FILTER DALAM MENDETEKSI GANGGAN KONDKSI PANAS PADA BATANG LOGAM SKRIPSI Oleh Tra Nugrahn NIM 88 JRSAN MATEMATIKA FAKLTAS MATEMATIKA DAN ILM

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

BAB II DIMENSI PARTISI

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

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

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

Lebih terperinci

Pengolahan lanjut data gravitasi

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

Lebih terperinci

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

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

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

CAKUPAN PEMBAHASAN. APT (Arbritage Pricing Theory) Overview. Pengujian CAPM. CAPM (Capital Asset Pricing Model) Portofolio pasar.

CAKUPAN PEMBAHASAN. APT (Arbritage Pricing Theory) Overview. Pengujian CAPM. CAPM (Capital Asset Pricing Model) Portofolio pasar. http://www.deden08m.wordpress.com CAKUPAN PEBAHASAN Overvew CAP (Captal Asset Prcng odel) Portofolo pasar Gars pasar modal Gars pasar sekurtas Estmas Beta Pengujan CAP APT (Arbrtage Prcng Theory) 1/40

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

ANALISIS KAPABILITAS PROSES

ANALISIS KAPABILITAS PROSES TI PENGENLIN KULITS STTISTIK TOPIK 0 NLISIS KPILITS PROSES L, Semester II 00/0 Hlm. TI PENGENLIN KULITS STTISTIK. PENHULUN esrps : Merupaan uuran eseragaman proses dalam menghaslan produ dengan araterst

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN: ANALISIS ANGKA KEMATIAN IBU MENGGUNAKAN MODEL REGRESI BINOMIAL NEGATIF (Stud kasus : Angka Kematan Ibu d Provns Jawa Tmur Tahun 011) M. Al Ma sum 1, Suart, Dw Isryant 3 1 Mahasswa Jurusan Statstka FSM

Lebih terperinci

Kritikan Terhadap Varians Sebagai Alat Ukur

Kritikan Terhadap Varians Sebagai Alat Ukur Krtkan Terhadap Varans Sebaga Alat Ukur Varans mengukur penympangan pengembalan aktva d sektar nla yang dharapkan, maka varans mempertmbangkan juga pengembalan d atas atau d bawah nla pengembalan yang

Lebih terperinci

TEORI INVESTASI DAN PORTFOLIO MATERI 4.

TEORI INVESTASI DAN PORTFOLIO MATERI 4. TEORI INVESTASI DAN PORTFOLIO MATERI 4 KONSEP DASAR 2/40 Ada tga konsep dasar yang perlu dketahu untuk memaham pembentukan portofolo optmal, yatu: portofolo efsen dan portofolo optmal fungs utltas dan

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA KOMBIASI PEAKSIR RASIO-PRODUK EKSPOESIAL UTUK RATA-RATA POPULASI MEGGUAKA PROPORSI PADA SAMPLIG GADA ke Selna *, Arsman Adnan, Sgt Sugarto Mahasswa Program S Matematka Dosen jurusan Matematka Fakultas

Lebih terperinci

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression JURNAL SAINS DAN SENI POMIS Vol., No., (3) 337-35 (3-98 Prnt) D-48 Pemodelan Baya Langsung Proyek Perusahaan Jasa Konstruks P. dengan Multvarate Regresson Sulstanngrum, Irhamah, dan Muhammad Mashur Jurusan

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

OVERVIEW 1/40

OVERVIEW 1/40 http://www..deden08m.wordpress.com OVERVIEW 1/40 Konsep-konsep dasar dalam pembentukan portofolo optmal. Perbedaan tentang aset bersko dan aset bebas rsko. Perbedaan preferens nvestor dalam memlh portofolo

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

Konsep Penting dalam Investasi

Konsep Penting dalam Investasi Mater 3 Konsep Pentng dalam Investas Prof. Dr. Deden Mulyana, SE., M.S. RETURN YANG DIHARAPKAN DAN RISIKO PORTOFOLIO PENGERTIAN RETURN DAN RISIKO ESTIMASI RETURN DAN RISIKO ASET TUNGGAL ANALISIS RISIKO

Lebih terperinci

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT Ngarap Im Man Jurusan Matemata FST BINUS Unversty, Jln.Kebon Jeru Raya no.27 Jaarta Barat 11480, Indonesa

Lebih terperinci

RETURN DAN RISIKO DALAM INVESTASI

RETURN DAN RISIKO DALAM INVESTASI RETURN DAN RISIKO DALAM INVESTASI 1 Return (Imbal hasl) nvestas Expected return (Return ekspetas) return yang dharapkan akan ddapat oleh nvestor d masa depan Actual return/ Realzed return (Return aktual)

Lebih terperinci

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

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

Lebih terperinci

CAPITAL ASSET PRICING MODEL

CAPITAL ASSET PRICING MODEL CAPITAL ASSET PRICING ODEL 1. Konsep CAP 2. Perumusan CAP (CL dan SL) 3. Pelonggaran CAP unya Alteza Konsep Dasar CAP Drumuskan oleh Sharpe, Lntner & ossn (1960an) odel yang menghubungkan expected return

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea

Lebih terperinci

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien JURAL TEKIK POITS Vol., o., (0) -6 Stud Perhtungan CCT enggunaan etode EEAC (Extended Equal Area Crteron) Dan Trajetor Krts/ Crtcal Trajectory Untu Kestablan Transen Hardansyah Pratama, Ardyono Pryad,

Lebih terperinci

INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah

INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah S-20 INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5 An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Analss erentanan berembang dan dgunaan dalam

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

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

Lebih terperinci

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT LAORAN HASIL ENELITIAN ANALISIS MOEL ERSEIAAN BARANG EO ENGAN MEMERTIMBANGKAN FAKTOR KAALUARSA AN FAKTOR ALL UNIT ISOUNT Tauf Lmansyah LEMBAGA ENELITIAN AN ENGABIAN KEAA MASYARAKAT UNIVERSITAS KATOLIK

Lebih terperinci