Peramalan Harga Saham Perusahaan Selular di Indonesia Menggunakan Metode Vector Autoregressive (VAR)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Harga Saham Perusahaan Selular di Indonesia Menggunakan Metode Vector Autoregressive (VAR)"

Transkripsi

1 Permln Hrg Shm Perushn Selulr di Indonesi Menggunkn Meode Vecor Auoregressive (VAR) Rez Tino, Agus Suhrsono dn Seiwn Jurusn Sisik, Fkuls Memik dn Ilmu Pengehun Alm, Insiu Teknologi Sepuluh Nopember (ITS) Jl. Arief Rhmn Hkim, Surby 6 E-mil: Agus_s@sisik.is.c.id Absrk- Pergerkn hrg shm perushn selulr yng sellu berflukuif membu pr invesor psr modl khususny di bidng jul-beli shm suli unuk memuuskn kpn hrus jul dn membeli sur shm perushn dibidng selulr. Flukusi hrg shm yng inggi disebbkn kren persingn psr perushn selulr di Indonesi yng inggi. Unuk mermlkn hrg shm perushn selulr di Indonesi dibuuhkn eknik permln. Kren di Indonesi erdp bnyk perushn selulr mk, eknik permln dengn meode yng digunkn dlh Mulivrie Time series. Dlm peneliin ini berujun mermlkn hrg shm perushn selulr dengn menggunkn Vecor Auoregressive (VAR). Vribel d shm pd peneliin ini dlh hrg shm milik PT Telkom IndonesiTbk. (), PT XL Axi Tbk. (), PT Indos Tbk. dn PT Smr Telecom Tbk. (). Dengn meode mulivrie ime series idk hny dp mermlkn hrg shm perushn selulr, pi jug bis menjelskn hubungn nr shm perushn selulr.berdsrkn hsil pengmn dn dp mempengruhi epi hrg shm dn idk dp dipengruhi oleh hrg shm mnpun. K kunci - Invessi, Hrg shm, Time Series, VAR I. PENDAHULUAN I nvessi dlh suu isilh dengn beberp pengerin yng berhubungn dengn keungn dn ekonomi. Menuru Frncis[], invessi dlh pennmn modl yng dihrpkn dp menghsilkn mbhn dn pd ms yng kn dng. Reilly mengkn, invessi dlh komimen su dollr dlm su periode erenu, kn mmpu memenuhi kebuuhn invesor di ms yng kn dng dengn: wku dn ersebu kn digunkn, ingk inflsi yng erjdi, keidkpsin kondisi ekonomi di ms yng kn dng[]. Kegin invessi slh suny yng dipilih oleh invesor dlh berinvessi di psr modl. Di Indonesi erdp emp perushn yng nili erbesr dlm mengusi psr dlm bidng selulr dri perushn nr lin PT.Telkom Indonesi Tbk, PT. XL Axi Tbk, PT. Indos Tbk, dn PT. Smr Telecom Tbk. Pd psr modl selin mengunungkn epi jug mempunyi resiko yng besr, mk dlm hl ini pr invesor memerlukn suu informsi. Informsi ersebu sng bergun kren membnu invesor dlm menenukn shm mn yng kn dibeli, dul u diperhnkn. Menuru Peneliin Roshi Mellui persmn model VAR dikehui bhw Indeks Hrg Shm Gbungn Indonesi dipengruhi oleh indeks hrg shm Amerik dn Jepng[9]. Sedngkn indeks hrg shm Amerik idk dipengruhi oleh indeks hrg shm mnpun, nmun indeks hrg shm Amerik ini mempengruhi semu indeks hrg shm yng lin. Indeks hrg shm London dipengruhi oleh indeks hrg shm Amerik sj, begiu pul dengn indeks hrg shm Jepng. Peneliin linny dilkukn oleh Yulnd enng pemodeln IHSG (Indeks Hrg Shm Gbungn) menggunkn fungsi Trnsfer dengn du vribel X, yiu ingk suku bung dn nili ukr Rupih erhdp Dollr dengn Men Absolue Percenge Error (MAPE) ou smple cenderung kecil. Unuk mermlkn hrg shm perushn selulr dengn kondisi mrke shre yng diisi oleh bnyk perushn selulr mk, meode Vecor Auoregressive (VAR) yng kn digunkn unuk mermlkn hrg shm perushn selulr di Indonesi. Model VAR dlh mulivrie ime series yng dinmis. Model VAR elh dikembngkn unuk menjelskn perilku ekonomi dn keungn yng dinmis berdsrkn dere wku. Model VAR dp mermlkn dn mengurikn eori berdsrkn persmn simuln[]. Permln menggunkn model VAR sng fleksibel kren erbenuk oleh vribel erenu yng berpoensi mempengruhi ms depn. dengn meode VAR dihrpkn dp dierpkn unuk mermlkn hrg shm perushn selulr di Indonesi dn menjelskn keerkin nr shm perushn[]. Unuk mengehui hubungn nr vribel dilkukn uji Person II. TINJAUAN PUSTAKA A. Vecor Auoregressive (VAR) Pemodeln VAR idk juh berbed dengn model Auoregressive (AR), pd ininy model AR diidenifiksi dri fungsi PACF dlm menenukn orde ke-p, sedngkn model VAR diidenifiksi dri MPACF. Dlm VAR sumsi yng hrus dipenuhi dlh sm dengn AR, yiu d hrus ssioner dlm men dn vrins ser error hrus whie noise. Benuk umum VAR(p) dlh [] : p p dengn : = besrny nili mriks prmeer model ke- p = besrny nili mriks prmeer model ke-p = nili vekor residul pd s = vekor pd wku Pengujin kessionern dlm peneliin ini menggu-nkn Augmened Dickey Fuller pd derj yng sm hingg diperoleh suu d yng ssioner yiu d yng vrinsiny idk erllu besr dn mempunyi kecenderungn unuk mendeki nili rrny []. Sisik uji: ()

2 ˆ hiung () S ˆ hipoesis yng digunkn dlh H :, H :. Kepuusn olk H jik nili ADF lebih kecil dri Mc Kinnon Criicl vlue (nili prob.) mk hipoesis nol yng menykn bhw d idk ssioner dengn k lin dengn menolk H berri d ssioner. Proses mensionerkn d dlm men dp dilkukn dengn menggunkn meode differencing d dengn menggunkn rumus sebgi beriku []: Y () Y merupkn d hsil differencing sedngkn dlh vribel pd wku ke dn dlh wku. Proses unuk menssionerkn d dlm vrins dp lkukn dengn menggunkn rnsformsi Box-Cox seperi pd Tbel. D perlu dirnsformsi u idk, menuru Box Jenkins ergn-ung pd nili lmbd (λ) u nili esimsi pd Box-Cox. Rounded Vlue - -, Trnsformsi Ln, Tidk d Trnsformsi Slh su meode esimsi yng dp digunkn dlm VAR dlh meode Les Squre. Meode ini bekerj dengn cr meminimumkn jumlh kudr error (Sc)[6]. Diperimbngkn proses ssioner dri vekor AR(p) dp diulis sebgi beriku []: p () j j dlh vekor konsn. Jik erdp n observsi, unuk = p+,..., n, diperoleh : Y X e (6) Y e = p p, X, dn n n n p p p p p n mk penksir koefisien regresi dengn pendekn OLS unuk Ф dlh sebgi beriku : ˆ X X X (7) Y Asumsi berikuny yng hrus erpenuhi dlh residul whie noise dn berdisribusi mulivri norml. Residul (error) dikkn whie noise pbil residul idk erdp korelsi nr residul u residul idk mempunyi pol ppun. Sisik uji j yng digunkn dlm hl ini dlh uji Ljung-Box. Sisik uji [] : * K Q k n n k r k k (8) n k = jumlh residul k = jumlh ksirn nili mrik korelsi silng residul pd lg ke-k k = k k = lg invers :K = invers mriks vrin kovrin residul Dengn hipoesis dlh H : () () ( k),, H : miniml d su ( m) m=,,,k (residul belum memenuhi syr Whie noise). Kesimpuln olk H jik Q*> u Pvlue < α., k p nili p dlh order dri AR(P). Pengujin sumsi disribusi mulivri norml dilkukn dengn menggunkn hsil perhiungn nili jrk kudr di dlh sebgi beriku : ) S (, i, n di i i,..., S = Invers mriks vrin kovrin i = Pengmn wku ke- S : Invers mriks vrin kovrin dengn hipoesis H : residul berdisribusi mulivrie norml dn H : residul idk berdisribusi mulivri norml. Kepuusn olk H, jik nili d j ( p,.) (9) yng berri d idk berdisribusi mulivrie norml. Pemilihn model erbik dlm peneliin ini dilkukn dengn krieri AIC (Akike s Informion Crierion). Pd krieri ini semkin kecil nili AIC, mk model semkbik dn lyk unuk digunkn. Persmn yng digunkn dlh :, AIC( M ) T log N () = Deerminsi mriks vrin kovrin M = jumlh prmeer yng diksir (p + q) N = jumlh pengmn. Dlm nlisis dere wku univri Box dn Pierce (97) mengemukkn pormneu es dengn persmn sisik uji sebgi beriku m QBP n rˆ k (7) k n n rˆ l l ˆ ˆ l ˆ (8),..., ˆ dn ˆ n dlh residul. Sisic uji ini dp diimplemensikn dlm dlm ksus mulivrie dengn bik. Pd persmn 7, Q Berdisribusi Chi-Squre ( ) dengn BP perhiungn derj bebs (m-p-q). Kemudin Ljung dn Box (978) memperbruhi sisik uji pormneu sebgi beriku [] m rˆ k QLB n n (9) k n k

3 ˆ k = dlh smpel dri uo korelsi dri residul orde ke-k. n = Jumlh Residul k = lg Hipoesis unuk pormneu dlh sebgi beriku H : ()..., ()..., ( k). H : Miniml d ( m), unuk m =,,,k Pvlue Kesimpuln olk H jik p dlh order dri AR(p). B. Hrg Shm QLB, k p u Hrg shm dlh hrg psr yng erc seip hri pd wku penuupn (closing price) dri suu shm. Dlm peneliin ini, hrg shm yng dimksud dlh r-r hrg shm (lim) hri seelh publiksi lporn keungn pd periode pengmn. Lporn keungn dp menyjikn informsi yng relevn dengn model kepuusn yng digunkn oleh invesor dlm membu kepuusn buy, hold, u sell shm. Hrg shm yng erjdi di psr modl sellu berflukusi dri wku ke wku. Adpun pemilihn model erbik berdsrkn ou smple dengn smape (Symeric Men Absolue Persenge Error) dengn rumus sebgi beriku smape n ˆ () ˆ / dlh nili kul, dn Ẑ nili rmln III. METODOLOGI PENELITIAN D yng digunkn merupkn d sekunder hrg shm perushn selulr di Indonesi posisi penuupn yng dic hrin oleh sius dengn renng wku muli Jnuri smpi dengn Jnuri. Adpun vribel peneliin sebgi beriku :,,,, : Hrg shm penuupn PT.Telkom Indonesi.Tbk (.JK) sebnyk 6 d : Hrg shm penuupn PT XL Axi Tbk (.JK) sebnyk 6 d : Hrg shm penuupn PT Indos Tbk (.JK) : Hrg shm penuupn PT Smrfren Telecom Tbk (.JK). Anlisis D Anlisis yng digunkn dlh model univrie ime series mulivrie ime series menggunkn meode Vecor Auoregression (VAR). D pembenuk model Vecor Auoregressive berdsrkn d vribel shm,,,,, dn, dengn ou smple d sebnyk d dn in smple d sebnyk 6 d.. Lngkh-lngkh nlisis dlm peneliin ini dlh sebgi beriku :. Membu Time Series plo dri d d vribel shm,,,,,, dn, b. Idenifiksi kessionern Idenifiksi kessionern d dengn menggunkn Box- Cox Trnsformion unuk melih kesionern dlm vrin dn plo MACF dri emp vribel d shm perushn selulr di Indonesi unuk melih kesioneris dlm men. Jik d penuupn belum ssioner erhdp vrins mk dilkukn proses rnsformsi d. Apbil belum sioner dlm men mk dilkukn differencing c. Model VAR dlh model unuk mulivrie ime series. Model VAR wl dp didug dengn menggunkn nili AIC erkecil. Lg yng memu nili AIC erkecil digunkn sebgi penfsirn orde pd model VAR. Melkukn penksirn Prmeer Penksirn prmeer dilkukn dengn menggunkn MLE (Mximum Likelihood Esimion). d. Pemeriksn dn pengujin residul Pengujin whie noise menggunkn Pormneu Tes, sedngkn sumsi berdisribusi norml dp menggunkn uji Mulivrie Norml. e. Memilih model erbik Memilih model erbik dengn menggunkn nili AIC yng erkecil smape erkecil. f. Mermlkn hrg emp hrg shm perushnn selulr di Indonesi. IV. HASIL DAN PEMBAHASAN. Deskripsi Hrg Shm Perushn Selulr di Indonesi Peneliin ugs khir ini menggunkn d hrg shm hrin diposisi close price selm buln hri, muli nggl jnuri hingg nggl Desember. Hsil nlis dri sisik deskripif dri keemp d hrg shm dimpilkn dlm Tbel. Tbel Deskripsi Hrg EmpShm Perushn Selulr Indonesi Skew Tol Vribel Men SDev Vrince Min Mx Kurosis ness.7,9 6,6.799, ,9 -, 6.89,8 8,7 9.,8. 6., -,9 6.,6 88, , -,7 6 76,8,86,96 -, -, 6 Tbel menunjukn bhw hrg shm yng memiliki rr hrg hrinny eringgi dri emp perushn selulr linny dlh PT Indos Tbk dengn r-r hrg hrin mencpi Rp.,6. Sedngkn PT Smrfren Tbk. mempunyi nili hrg shm r-r hrin erendh. Nili r-r merupkn slh su ukurn pemusn d. Ukurn penyebrn d, bis dkehui dri nili sndr devisi d. nili kergmn pling inggi erdp pd vribel hrg shm yiu sebesr.8.7. Benuk disribusi dri d secr deskripif dp dilih mellui nili skewness dn kurosis yng diperoleh dri nili indeks hrg msing-msing vribel. Pd d dn memiliki nili skewness posiif sehingg kemiringn grfik keknn, sedngkn unuk d dn memiliki nili skewness negif sehingg kemiringn grfik kekiri. Kurosis menunjukn ingk keruncingn dri grfik disribusi norml yng erbenuk. Nili posiif menunjukn bhw grfik memiliki punck yng meruncing lebih inggi dri kurv norml u disebu lepokurik. Sedngkn nili negif menunjukn bhw kurv norml lebih lndi dn disebu plikurik. Nili nol menunjukn grfik berbenuk kurv norml yng disebu mesokurik. D,, nili kurosis negif sehingg kurv norml yng erbenuk lebih lndi dri kurv norml. Dlm melkukn permln, d hrus memenuhi sumsi idenic, independen, dn berdisribusi norml. Grfik pergerkn d hrg shm hrin hun pd emp vribel shm dimpilkn dlm benuk ime series plo pd Gmbr sebgi beriku

4 Idenifiksi Model Proses idenifiksi sioneris dlm vrins erhdp d shm dp dilih mellui box-cox rnsformion seperi pd gmbr, sedngkn unuk melih sioneris d dp memperhikn plo dri MACF (Mrix Auocorrelion Funcion) seperi pd gmbr 6 9 8,79,79,79 (using 9,% confidence) Esime -, Lower CL * Upper CL * Rounded Vlue -,,,9 Lower CL (using 9,% confidence) Esime, Lower CL -,6 Upper CL * Rounded Vlue, 7 6 SDev,79 SDev, Gmbr Plo Time Series Emp Vribel D Hrg Shm Perushn Selulr di Indonesi Berdsrkn Gmbr dikehui bhw plo ime series memiliki flukusi yng besr dn ini menunjukn bhw d ime series belum sioner. Unuk mengehui pkh d hrg keemp shm memiliki keerkin u idk, dp dilih mellui nili korelsi. Korelsi ini mengukur derj linier hubungn pd kelim vribel. Korelsi nr kelim vribel disjikn dlm Tbel. Mellui Tbel dp dikehui bhw d shm memiliki korelsi dengn shm linny. Nili korelsi yng mendeki ngk bik posiif mupun negif berri korelsi yng ku, sedngkn nili korelsi yng mendeki nili posiif mupun negif berri menunjukn korelsi yng lemh. Tbel Nili Korelsi D Emp Hrg Shm Perushn Selulr di Indonesi Person Correlion , -,7 -,9 Sig. (-iled),,, n Person Correlion -,,79,6 Sig. (-iled),,, n Person Correlion -,7,79,9 Sig. (-iled),,, n Person Correlion -,9,6,9 Sig. (-iled),,, 8 8 SDev,79,789,6,,,,,,,9,8,7 -, -, Lower CL -, -,,, Upper CL,,,, Limi (using 9,% confidence) Esime -,6 Lower CL -, Upper CL, Rounded Vlue -, SDev,7,6,,,,,,,, -, -, -, -,, Lower CL,,,, Upper CL, Limi Limi (using 9,% confidence) Esime,9 Lower CL,9 Upper CL, Rounded Vlue, Gmbr Box-Cox Emp Vribel D Hrg Shm Perushn Selulr di Indonesi Pd Gmbr Rounded Vlue yng dihsilkn pd Box- Cox rnsformion d shm sebesr dn erdp bs s bernd binng (*) dn bs bwh sebesr -,6 yng riny bsnny di posiif idk hingg smpi posiif idk erhingg yng elh melewi ngk, ini menunjukn bhw d shm sudh sioner erhdp vrins. Dengn cr yng sm, dilkukn deeksi sioneris dlm vrins pd kelim vribel linny. Hsil idenifiksi menunjukn bhw semu series pd indeks hrg shm sudh sioner dlm vrins. Nili rounded vlue disjikn dlm Tbel sebgi beriku Tbel. Trnsformion pd d shm,,, dn Indeks Hrg Shm Rounded Vlue UCL LCL -, * * * -,6 -., -,,,9 Berdsrkn Tbel, memiliki Rounded Vlue sebesr epi Upper Cener Limi (UCL) dn Lower Cener Limi (LCL) melewi ngk mengindiksikn bhw d sudh sioner erhdp vrins. Bnykny nd iik yng muncul secr bersmn dlm plo MACF dlm gmbr menunjukn bhw d hrg shm pd kelim vribel sudh sioner. D yng sudh ssioner ini diperoleh keik sudh melkukn proses differencing. Kren model yng ingin dibenuk dlm nlisis ini dlh model VAR, mk idenifiksi orde model lebih di-idenifiksi mellui plo MACF pd Gmbr sebgi beriku. n Dengn H : = dn H: dlh korelsi nr kedu vribel, mk kepuusn menolk H erjdi s p- vlue kurng dri,. Tbel menunjukn bhw semu vribel hrg shm perushn selulr berkorelsi u d hubungn.. Pemodeln dengn VAR Pemodeln dengn Vecor Auoregressive merupkn pemodeln mulivrie ime series. Mellui pemodeln ini dp digunkn unuk mengehui hubungn nr su vribel dengn vribel linny. Schemic Represenion of Correlions Nme/Lg is > *sd error, - is < -*sd error,. is beween Gmbr MACF Emp D Shm Perushn Selulr di Indonesi VARIMA (,,)

5 q Kemudin unuk pemilihn orde jug bis dilih mellui nili AIC erkecil pd minimum informion crierion di dlm oupu sofwre SAS. Pd pemilihn nili AIC erkecil pemilihn model erbik jug bis dilkukn dengn melkukn ry nd error sehingg model VAR ersebu memenuhi sumsi whie noise. Seelh melkukn beberpkli percobn khirny didpkn model VAR erbik yiu VARIMA (,,). Dlm Tbel disjikn nili AIC sebgi beriku Tbel. Minimum Informion Crierion pd VARIMA (,,) Lg MA() MA() MA() MA() MA() MA() AR() -8,9-8,8-8,87-8,9-7,966-7,889 AR() -8,9-7,997-7,986-7,9-7,86-7,766 AR() -8,7-7,989-7,99-7,8-7,79-7,68 AR() -8,77-7,96-7,88-7,7-7,6-7,67 AR() -7,98-7,87-7,7-7,6676-7,79-7,9 AR() -7,88-7,7799-7,689-7,6-7,67-7,7 Berdsrkn Tbel dikehui bhw pd AR(),AR() dn AR() merupkn AIC erkecil. Selin melih dri nili AIC erkecil, ki pkh model ersebu sudh memenuhi sumsi whie noise, u belum. Sehingg dilkukn ry nd error dn didpkn VARIMA (,,). Unuk mengsi dny vribelvribel yng idk signifikn pd model ini mk dilkukn resric pd vribel-vribel ersebu. Perinh resric dilkukn secr berhp, dimuli dri prmeer dengn nili P-vlue eringgi hingg erendh smpi nili P-vlue pd prmeer lebih rendh dri nili signifiknsi (, 6). Jik P-vlue dri nili mk vribel ersebu sudh signifikn erhdp model.. Cek Residul Lngkh selnjuny yng perlu dilkukn dlh pengujin whie noise dn berdisribusi norml pd residul. Pengujin whie noise dlh pengujin unuk melih pkh residul sudh idenik dn independen. Dlm pemodeln mulivrie ime series, pengujin sumsi whie noise pd residul dp dilkukn dengn melih nili pd pormneu es bhw hingg lg ke- p-vlue lebih besr dri lph (,), yng berri residul sudh whie noise. Nili Pormneu es disjikn dlm Tbel sebgi beriku Tbel. Hsil Pormneu Tes VARIMA (,,) Lg Pvlue Lg Pvlue Lg Pvlue,6 7,,97, 8,,8, ,9,6 Pengujin selnjuny dlh menguji residul pkh mengikui disribusi mulivri norml. Pengujin sumsi ini menggunkn hipoesis wl dl d residul dri model mengikui disribusi norml. Sedngkn hipoesis lernifny dlh d residul dri model idk mengikui disribusi mulivri norml. Hipoesis wl dierim jik p-vlue hsil pengujin melebihi nili lph (,). Penrikn kesimpuln dri uji sumsi mulivri norml jug bis dilkukn dengn cr visul mellui plo residul yng erbenuk. Asumsi dipenuhi keik plo residul cenderung membenuk gris lurus digonl Berdsrkn Gmbr, dikehui bhw plo cenderung membenuk gris lurus digonl yng berri d residul dri model sudh mengikui disribusi norml jik dilih dri nili lebih dri % ykni sebesr 8,89% ini membukikn bhw d residul dri model sudh memenuhi sumsi mulivri norml. Krenn d sudh sioner erhdp men dn vrins mk penepn model bis dilkukn dengn melih AIC erkecil. Pd Tbel erulis bhw AR(), AR(), dn AR() memiliki nili erkecil. Kemudin penelii mencob menguji pkh model dengn AIC erkecil ini memenuhi sumsi. Hsil uji sumsi dibelkn dlm Tbel6 sebgi beriku. Tbel 6 Whie Noise, Mulivri norml dn Nili AIC Model VAR Whie Mulivri Model AIC Noise Norml AR() none y -8,9 AR() idk y -8,9 AR() y y -8,7 Pd Tbel 6 dp dikehui bhw AR() yng memenuhi semu sumsi sehingg diepkn model VAR (,,). Esimsi Prmeer Hsil esimsi prmeer dri model VARIMA (,,) menunjukn bhw model ersebu memiliki prmeer. Jik dilih dri p-vlue msing-msing prmeer ini dp dikehui bhw idk semu prmeer memiliki pengruh signifikn erhdp model. Unuk mengsi dny vribel-vribel yng idk signifikn pd model ini mk dilkukn resric erhdp vribel-vribel ersebu. Perinh resric dilkukn berhp su demi su prmeer yng idk signifikn secr berhp, dimuli dri vribel dengn p-vlue eringgi, hingg semu vribel yng idk di-resric menunjukn p-vlue eringgi, sehingg semu vribel yng idk di-resric menunjukn p-vlue yng lebih kecil dri nili signifiknsi (α =,6). Jik p-vlue dri msing-msing vribel sudh lebih kecil dri nili lph mk dp dikkn bhw vribel-vribel ersebu sudh signifikn erhdp model. Hsil esimsi prmeer model VARIMA (,,) seelh dilkukn resric dimpilkn dlm Tbel7, yng menunjukn bhw erdp prmeer yng memiliki pengruh signifikn erhdp model. Tbel 7 Hsil Esimsi Prmeer VARIMA (,,) Sd - P- Vribel Prmeer Esimsi Eror vlue vlue () () () () Vribel AR -,8,67 -., (-) AR,79,6.7,66 (-) AR,966,677,,6 (-) AR -,6,6 -,,9 (-) AR,69,8,9,7 (-) Dp dikehui bhw hrg shm dipengruhi oleh du perushn yiu,, dn perushn Indos iu sendiri. Pd hrg shm dipengruhi oleh hrg shm pd s -. Pd d hrg shm dipengruhi oleh hrg shm pd s - Model VARIMA (,,) elh memenuhi semu sumsi. Model yng disudh didpkn kn digunkn unuk melih keerkin nr vribel, Unuk keperlun penyusunn model, nili-nili koefisien prmeer ini selnjuny diubh kedlm benuk mriks. Mriks-mriks koefisien dri model VARIMA (,,) dlh sebgi beriku. dd Gmbr. Q-Q Plo Residul Model VARIMA (,,)

6 6,,,,,,,,,79,79,,,,,,8,966,8,966,69,,,,69,,6,,,,,6,,,, Persmn dis dp dbrkn hingg diperoleh persmn model VAR unuk msing-msing vribel hrg shm perushn selulr, dengn dikehui bhw model persmn model VAR unuk dlh sebgi beriku,, 8,, Mellui persmn ersebu dikehui bhw hrg shm dipengruhi oleh hrg shmny sendiri keik -. Kemudin unuk Model VAR hrg shm dlh sebgi beriku,, Persmn ersebu menunjukn bhw hrg shm idk dipengruhi oleh hrg shm perushn selulr mnpun dlm peneliin ini. Hrg shm hny dp dipengruhi hrg shm pd hri sebelumny u pd posisi penuupn erkhir (ls close price). Kemudin unuk model dp diuliskn sebgi beriku,,79,,966,, 6,, Persmn ersebu menunjukn bhw hrg shm dipengruhi oleh ig shm, yiu, dn hrg shm sendiri keik -.,, 69,, Pd persmn ersebu hrg shm dipengruhi oleh hrg shm pd s hrg shm -. Dri semu persmn dis dp disimpulkn bhw hrg shm beser dp mempengruhi hrg shm. Shm menuru Persmn dis menginformsikn bhw hrg shm idk mempengruhi hrg shm linny pi hrg shmny bergnung pd hrg - u hrg shm du hri sebelumny. Unuk mempermudh melih keerkin nr shm unuk jelsny pd gmbr Gmbr - - (,) (,) Gmbr Keerkin Anr Hrg Shm Perushn Selulr di Indonesi Dri model VAR (,,) dengn ingk signifiknsi prmeer 6% ki bis menggmbrkn hubungn emp vribel hrg shm perushn selulr di Indonesi pd gmbr.. Pd gmbr. bis dikehui bhw dp mempengruhi hrg shm dn epi hrg shm perushn selulr linny. Nili hrg shm dipengruhi oleh hrg shmny du hri sebelumny. Rmln Hrg Shm (,) (,),,,, Lngkh selnjuny dlh melkukn permln dengn model permln dengn model yng diperoleh. Permln ini menggunkn d ousmple dn insmple Hsil permlnny dp diunjukn dlm Gmbr sebgi beriku D D 7 rel forecs rel forecs Gmbr 6 Time Series Plo Rmln Emp Shm Perushn Selulr di Indonesi Grfik puus-puus wrn merh dlh grfik rmln hrg shm perushn selulr di Indonesi, sedngkn yng him dlh nili hrg shm sebenrny. Pd dikehu dri grfik wrn merh. Pd rmln ig hri kedepn nili rmln dn nili hrg shm sli idk begiu juh berbed, keik rmln hri ke- hingg rmln hri ke- semu hrg shm perushn selulr nik. Dugn penelii erhdp hrg nikny shm dlh dny window dressing yiu d rekys keungn perushn keik membu lporn keungn dikhir hun, sehingg lporn keungn ip msing-msing perushn erlih bik. Kemudin unuk melih pkh nili rmln model VAR ini bik bis melih nili smape yng kecil. Pd Tbel 8 disjikn d ou smple sebgi beriku. Tbel 8 D Ou Smple Dri Emp Vribel Shm Perushn Selulr di Indonesi D D /6/ /7/ /9/ // // Dn pd Tbel 9 disjikn d hsil rmln dri model VARIMA (,,) sebgi beriku,,8,6,,, Tbel 9 Permln Emp Hrg Shm /6/ 8,97.6 /7/,.99 /9/. 989,6 //,67.99 //.99 Unuk mengehui sebrp bgus nili rmln, ki dp melih dri nili smape yng disjikn dlm Tbel sebgi beriku Tbel Nili smape Dri Permln Hrg Shm Shm smape,,6898,6,6786 rel forecs rel forecs

7 7 Menuru Tbel nili smape lebih dri,6. Nili smape ini yng cukup kecil ini disebkn d peningkn hrg shm pd khir hun. Didug d inervensi window dressing pd seip perushn selulr yng di gunkn dlm peneliin ini. Window dressing dlh rekys keungn perushn keik membu lporn keungn sehingg membu kesn bhw kinerj perushn bik. Dugn kedu d dn sing msuk Indonesi pd H+ sehingg memberi simulus IHSG dn membu hrg shm seleruh perushn nik. Unuk mendpkn rmln yng bik mk kn dilkukn -sep forecs sebgi beriku Hsil -sep forecs disjikn dlm Tbel. sebgi beriku Tbel -Sep Forecs unuk Perushn Selulr di Indonesi /6/ 8, 9,99 967,6,8 /7/,97 9,99 999,97, /9/,96 999,96 6,, //, 99,9 6,7,9 // 6, 99,9 6,,7 Dri hsil rmln dengn cr -sep forecs menghsilkn nili smape yng sjikn dlm Tbel sebgi beriku Tbel Nili smape Dri Permln Hrg Shm menggunkn cr - Sep Forecs Shm smape,977,7,7866, Berdsrkn Tbel mermlkn hrg shm dengn cr -sep forecs menghsilkn smape yng kecil. Nili smape yng kecil menujukn bhw permln hrg shm perushn selulr dengn meode Auo Regressive (VAR) sng bik jik digunkn unuk mermlkn hrg su hri kedepn. Unuk mempermudh membc nili rmln dp melih ime series plo kul dengn forecs yng digmbrkn pd Gmbr 7 sebgi beriku D D 9 Gmbr 7 Rmln Hrg Shm Perushn Selulr Dengn Forecsing F_ F_ D D F_ F_ -Sep Pd Gmbr 7 gris merh puus-puus dlh gris rmln hrg shm. Gris rmln idk erllu juh dri gris nili hrg shm kul. Gmbr.8 menunjukn bhw permln hrg shm dengn meode Vecor Auoregressive (VAR) dengn model VARIMA (,,) bik unuk mermlkn one sep forecsing. V. KESIMPULAN DAN SARAN Unuk menjwb ujun yng elh diepkn, mk kesimpuln yng dp dimbil dri hsil nlisis dn pembhsn dn bb sebelumny sebgi beriku.:. Kesimpuln. Model Vecor Auo Regrssive (VAR) unuk mermlkn hrg shm perushn selulr dlh orde dengn differens u VARIMA (,,). b. Berdsrkn permln yng dilkukn Pergerkn hrg shm perushn selulr dipengunjung hun idk erllu flukuif nik u urun, jik menggunkn k-forecs menghsilkn smape yng besr sehingg menghsilkn rmln yng idk kur. Keik mermlkn hrg shm dengn -sep forecs unuk hri kemudin menghsilkn smape yng kecil yiu dibwh % sehingg menghsilkn rmln yng bik c. Keerkin hrg shm perushn selulr di Indonesi dp dikehui bhw hrg shm idk dp dipengruhi oleh shm perushn mnpun keculi hrg shmny sendiri keik hri yng llu (-). Unuk shm ini dp mempengruhi hrg shm dn epi hrg shm idk dipengruhi hrg shm mnpun. Hrg shm dipengruhi oleh hrg shm yiu hrg shm yiu, keik -, hrg shm dn.. Srn Unuk peneliin dengn mulivrie ime series selnjuny disrnkn melibkn fkor lin yng menenukn pergerkn hrg shm, Anr lin hrg perushn selulr Indonesi yng msuk 9 besr pengus mrke shre di Indonesi menuru Inernsionl Finnce Corporion. DAFTAR PUSTAKA [] Dewi, S.R.(). Permln Hrg Shm Di Indonesi Dn Duni Dengn Model Univrie dn Mulivrie Time Series. Tugs Akhir Sisik ITS. Surby [] Fbozzi, F. J. (). Mnjemen Invessi. Buku. Jkr: Slemb Emp. [] Frncis, Jck C. (99). Invesmen: Anlysis nd Mngemen, h ediion, McGrw-Hill Inc., Singpore. [] Gooer, J.G.D., & Hyndmn, R. J. (6). Yers of Time [] Series Forecsing. Inernionl Journl of Forecsing,, -7. [6] Gujri, D. N. (). Bsic Economeric. Fourh ediion. New York: Mc.Grwhill. [7] Johnson, R.A nd Wichern D.W. (). Applied Mulivrie Sisicl Anlysis. Fifh Ediion. Prenice Hll. New Jersey [8] Mkridkis, S., & Hibon, M. (). The M-Compeiion: Resuls, Conclusions nd Implicions. Inernionl Journl of Forcsing, 6, -76. [9] Mrono.. Bnk dn Lembg Keungn Lin, Ekonisi. Yogykr. [] Reilly, Frnk K. nd Keih C. Brown. (). Invesmen Anlysis & Porofolio Mngemen. Sevenh Ediion. Souh Wesern division of Thomson Lerning Ohio, USA. [] Sdeq, Ahmd. (8). Anlisis Prediksi Indeks Hrg Shm Gbungn Dengn Meode Arim (Sudi Pd Ihsg Di Burs Efek Jkr). Mser hesis, progrm Pscsrjn Universis Diponegoro. [] Seiwn, D.O. (). Pemodeln Indeks Hrg Shm Gbungn (IHSG), Kurs, dn Hrg Minyk Duni dengn Pendekn Vecor Auoregressive. Tugs Akhir mhsisw ITS. Surby.

8 [] Tsy, R.S. (). Anlysis of Finncil Time Series: Finncil Economerics. Universiy of Chicgo: John Wiley & Sons, Inc. [] Wei, W.W.S. 6. Time Series Anlysis Univrie nd Mulivrie Mehod. Cnd : Addison Wesley Publishing Compny, Inc. [] Widomojo, S. (996). Psr Modl Indonesi: Pengnr dn Sudi Ksus. Penerbi Ghli Indonesi. [6] Wusq, D. U. (8). Model Feedforwrd Neurl Nework unuk D Time Series Mulivri. Disersi Universis Gjh Md Yogykr. [7] Wlpole, R.E. (99). Pengnr Sisik. Penerbi PT Grmedi Pusk Um. Jkr. 8

Penentuan Panjang Optimal Data Deret Waktu Bebas Outlier dengan Menggunakan Metode Window Time

Penentuan Panjang Optimal Data Deret Waktu Bebas Outlier dengan Menggunakan Metode Window Time JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (017) ISSN: 337-350 (301-98X Prin) D-137 Penenun Pnjng Opiml D Dere Wku Bebs Oulier dengn Menggunkn Meode Window Time Ry Sofi Auli dn Rden Mohmd Aok Jurusn Sisik,

Lebih terperinci

INTEGRAL TAK-WAJAR. bentuk tak-tentu karena bentuk ini saling membantu dan tidak bersaing.

INTEGRAL TAK-WAJAR. bentuk tak-tentu karena bentuk ini saling membantu dan tidak bersaing. INTEGRAL TAK-WAJAR A. Tk Terhingg Seip ilngn sli merupkn ilngn erhingg dn dp menykn sesuu yng nykny erhingg. Arisoeles menykn hw ilngn sli n dp ernili seesr-esrny epi ep erhingg dn idk kn pernh sm dengn

Lebih terperinci

MODUL VIII FISIKA MODERN Transformasi Lorentz

MODUL VIII FISIKA MODERN Transformasi Lorentz MODUL VIII FISIKA MODERN Trnsformsi Loren Tujun Insruksionl Umum : Agr mhsisw dp memhmi mengeni Trnsformsi Loren Tujun Insruksionl Khusus : Dp menjelskn enng kedu posul Einsein Dp menjelskn enng perbedn

Lebih terperinci

PERAMALAN CURAH HUJAN DI KOTA YOGYAKARTA DENGAN MODEL FUNGSI TRANSFER MULTIVARIAT

PERAMALAN CURAH HUJAN DI KOTA YOGYAKARTA DENGAN MODEL FUNGSI TRANSFER MULTIVARIAT Prosiding Seminr Nsionl Peneliin, Pendidikn dn Penerpn MIPA, Fkuls MIPA, Universis Negeri Yogykr, Mei PERAMALAN CURAH HUJAN DI KOTA YOGYAKARTA DENGAN MODEL FUNGSI TRANSFER MULTIVARIAT Khrisn Yuli Siswni

Lebih terperinci

Pemodelan Inflasi Provinsi Riau Menggunakan ARIMA Dengan Deteksi Outlier dan Model Intervensi

Pemodelan Inflasi Provinsi Riau Menggunakan ARIMA Dengan Deteksi Outlier dan Model Intervensi Pemodeln nflsi Provinsi Riu Menggunkn ARMA Dengn Deeksi Oulier dn Model nervensi Erie Sdewo Progrm Pscsrjn Sisik FMPA TS Surby erie@mhs.sisik.is.c.id Absrk Permslhn inflsi memiliki dmpk lus dlm perekonomin

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN

RENCANA PELAKSANAAN PEMBELAJARAN 7 RENCANA PELAKSANAAN PEMBELAJARAN M Peljrn : Memik Kels/ Semeser: XI Progrm IPA/ Aloksi Wku: 6 jm Peljrn ( Peremun) A. Sndr Kompeensi Menggunkn konsep i fungsi dn urunn fungsi dlm pemehn mslh. B. Kompeensi

Lebih terperinci

Kesesuaian Persamaan Pola Intensitas Curah Hujan Sebagai Fungsi dari Durasi Hujan di Balai Pengamatan Dirgantara Pontianak

Kesesuaian Persamaan Pola Intensitas Curah Hujan Sebagai Fungsi dari Durasi Hujan di Balai Pengamatan Dirgantara Pontianak Kesesuin Persmn Pol nensis Curh Hujn Sebgi Fungsi dri Dursi Hujn di Bli Pengmn Dirgnr Ponink Ann Krin 1), M. shk Jumrng 1)* 1)Progrm Sudi Fisik, FMPA, Universis njungpur Jln Jendrl Ahmd Yni, Ponink, ndonesi

Lebih terperinci

SOAL PILIHAN GANDA A. 10 B. 100 C D E

SOAL PILIHAN GANDA A. 10 B. 100 C D E OLIMPIADE SAINS TAHUN 004 TINGKAT KABUPATEN/KOTA DIREKTORAT PENDIDIKAN LANJUTAN PERTAMA DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DEPARTEMEN PENDIDIKAN NASIONAL BIDANG STUDI: MATEMATIKA. Ad du

Lebih terperinci

PENDETEKSIAN PENCILAN ADITIF DAN INOVATIF DALAM DATA DERET WAKTU MELALUI METODE ITERATIF

PENDETEKSIAN PENCILAN ADITIF DAN INOVATIF DALAM DATA DERET WAKTU MELALUI METODE ITERATIF Forum Sisik dn Kompusi, Vol No., 8 ISSN : 85-85 PENDEEKSIAN PENCILAN ADIF DAN INOVIF DALAM DA DERE WAKU MELALUI MEODE ERIF Kusmn Sdik, Erfini, Noviyni WP Depremen Sisik FMIPA Insiu Pernin Bogor E-mil :

Lebih terperinci

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia)

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia) Permln Neflow Ung Krl dengn Meode ARIMAX dn Rdil Bsis Funcion Nework (Sudi Ksus Di Bnk Indonesi) Renny Elfir Wulnsri dn Suhrono Jurusn Sisik, FMIPA, Insiu Teknologi Seuluh Noember (ITS) Jl. Arief Rhmn

Lebih terperinci

BAB III METODOLOGI PE ELITIA

BAB III METODOLOGI PE ELITIA 24 BAB III METODOLOGI PE ELITIA Meodologi yng digunkn dlm peneliin ini merujuk pd proses Knowledge Discovery in Dbse (KDD). KDD merupkn nm lin dri D Mining yng bis digunkn dlm jurnl ilmih. Lngkh-lngkh

Lebih terperinci

Diana Holidah Bagian Farmasi Klinik dan Komunitas Fakultas Farmasi Universitas Jember

Diana Holidah Bagian Farmasi Klinik dan Komunitas Fakultas Farmasi Universitas Jember Din Holidh Bgin Frmsi Klinik dn Komunis Fkuls Frmsi Universis Jember Absorpsi Ob Absorpsi sisemik dri slurn cern ergnung pd:. Benuk sedin ble, kpsul, sirup dll b. Anomi fisiologi emp bsorpsi, melipui :

Lebih terperinci

PERTEMUAN 2 DASAR METODE NUMERIK

PERTEMUAN 2 DASAR METODE NUMERIK PERTEMUAN DASAR METODE NUMERIK Meri pd peremun ini:. Dlil-dlil dsr memik unuk meode numerik. Teori bilngn. Rl Seelh menyelesikn peremun ini, mhsisw dihrpkn dp menjelskn dlil dsr memik unuk meode numerik,

Lebih terperinci

Oleh: Abstrak. Kata kunci : data multivariat, deret waktu dan lokasi, VAR, STAR.

Oleh:  Abstrak. Kata kunci : data multivariat, deret waktu dan lokasi, VAR, STAR. Perbndingn Model VAR dn STAR pd Permln Produksi Teh di Jw Br Comprison beween VAR nd STAR models for Te Producion Forecsing Wes Jv Oleh: Suhrono dn Dhoriv Urwul Wusq Jurusn Sisik, Insiu Teknologi Sepuluh

Lebih terperinci

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA Yogyakarta 2011

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA Yogyakarta 2011 Progrm Sudi M Kulih Pokok hsn : Memik : Geomeri : Kesengunn isusun oleh r. li Mhmudi FKULTS MTEMTIK N ILMU PENGETHUN LM UNIVERSITS NEGERI YOGYKRT Yogykr 0 Lemr Kegin Mhsisw Geomeri Lemr Kegin Mhsisw M

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN ARIMAX

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN ARIMAX ANALII PERAMALAN PENJUALAN EPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN ARIMAX Muflih Rori Pur Hrh, Agus uhrsono Jurusn isik, Fkuls Memik dn Ilmu Pengehun Alm, Insiu Teknologi euluh Noember (IT) Jl.

Lebih terperinci

Analisis Peramalan Penjualan Sepeda Motor Di Kabupaten Ngawi Dengan Arima Dan Arimax

Analisis Peramalan Penjualan Sepeda Motor Di Kabupaten Ngawi Dengan Arima Dan Arimax JURNAL AIN DAN ENI POMIT Vol. 3, No.2, (2014) 2337-3520 (2301-928X Prin) D-122 Anlisis Permln Penjuln eed Moor Di Kbuen Ngwi Dengn Arim Dn Arimx Muflih Rori Pur Hrh dn Agus uhrsono Jurusn isik, Fkuls Memik

Lebih terperinci

Penaksiran parameter model ARIMA dengan menggunakan Algoritma Genetika

Penaksiran parameter model ARIMA dengan menggunakan Algoritma Genetika Penksirn prmeer model ARIMA dengn menggunkn Algorim Geneik Wiwin yulini 306 00 070 Dosen Pembimbing I Dr. Irhmh, S.Si,M.Si Dosen Pembimbing II Dedy Dwi Prsyo, S.Si, M.Si Pge Pendhulun Lr belkng Permslhn

Lebih terperinci

SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA TAHUN 2002 TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2003

SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA TAHUN 2002 TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2003 SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA TAHUN 00 TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 00 Bidng Memik Wku : 90 Meni DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH

Lebih terperinci

Matematika EBTANAS Tahun 1987

Matematika EBTANAS Tahun 1987 Memik EBTANAS Thun 987 EBT-SMA-87-0 Himpunn penyelesin dri persmn : x + = x unuk x R dlh {, } {, } {, } {, } {, } EBT-SMA-87-0 Di bwh ini dlh gmbrpenmpng sebuh pip. Jik jri jri pip cm dn AB = 0 cm (AB

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bb berikut ini kn disjikn mteri pendukung yng dpt membntu penulis untuk menyelesikn permslhn yng kn dibhs pd bb selnjutny. Adpun mteri pendukungny dlh pengertin mtriks, jenis-jenis

Lebih terperinci

Two-Stage Nested Design

Two-Stage Nested Design Mteri #13 TIN309 DESAIN EKSPERIMEN Two-Stge Nested Design Nested design dlh slh stu ksus dri desin multi fktor dimn level dri slh stu fktor (misl: fktor B) serup tpi tidk identik untuk setip level yng

Lebih terperinci

ANALISIS NUMERIK. Inter polasi. SPL simultan. Akar Persama. linear

ANALISIS NUMERIK. Inter polasi. SPL simultan. Akar Persama. linear ANALISIS NUMERIK Inter polsi SPL simultn Akr Persm n Non liner INTERPOLASI Tujun Interpolsi bergun untuk menksir hrg-hrg tengh ntr titik dt yng sudh tept. Interpolsi mempunyi orde tu derjt. Mcm Interpolsi

Lebih terperinci

matematika PEMINATAN Kelas X FUNGSI LOGARITMA K-13 A. Definisi Fungsi Logaritma

matematika PEMINATAN Kelas X FUNGSI LOGARITMA K-13 A. Definisi Fungsi Logaritma K-3 Kels mtemtik PEMINATAN FUNGSI LOGARITMA Tujun Pembeljrn Setelh mempeljri mteri ini, kmu dihrpkn memiliki kemmpun berikut.. Memhmi definisi fungsi logritm.. Dpt menggunkn konsep fungsi logritm dlm menyelesikn

Lebih terperinci

ANALISIS PENGARUH STRATEGI BAURAN PEMASARAN TERHADAP MINAT BELI ULANG PRODUK BARU

ANALISIS PENGARUH STRATEGI BAURAN PEMASARAN TERHADAP MINAT BELI ULANG PRODUK BARU ANALISIS PENGARUH STRATEGI BAURAN PEMASARAN TERHADAP MINAT BELI ULANG PRODUK BARU Oleh : Bmng Srjono Sf Pengjr Polieknik Negeri Semrng Jl. Prof. Sudro SH. Temlng. Semrng 50275 Asrk Peneliin ini unuk mengehui

Lebih terperinci

perusahaan-perusahaan go public yang terdaftar di BEJ sampai dengan tahun

perusahaan-perusahaan go public yang terdaftar di BEJ sampai dengan tahun BAB IV ANALISIS DAN PEMBAHASAN Pd bgin ini kn dilkukn nlisis terhdp dt yng diteliti. Penelitin ini bertujun untuk mengethui hubungn kinerj keungn dengn hrg shm bik secr prsil mupun secr simultn. Dlm penelitin

Lebih terperinci

VII. FUNGSI PERMINTAAN TAMAN WISATA TIRTA SANITA Fungsi Permintaan Taman Wisata Tirta Sanita

VII. FUNGSI PERMINTAAN TAMAN WISATA TIRTA SANITA Fungsi Permintaan Taman Wisata Tirta Sanita VII. FUNGSI PERMINTAAN TAMAN WISATA TIRTA SANITA 7.1. Fungsi Permintn Tmn Wist Tirt Snit Model persmn fungsi permintn di bwh ini sudh menglmi pemilihn independent vrible, untuk menghindri mslh multikolinerits.

Lebih terperinci

PEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA

PEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA PEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA SKRIPSI Disusun Oleh : Nm : Bony Yudhisir Nugrh NIM : JE 004 6 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO

PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 4, Thun 05, Hlmn 037-044 Online di: h://eournl-s.undi.c.id/index.h/gussin PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN

Lebih terperinci

PEMILIHAN METODE INTENSITAS HUJAN YANG SESUAI DENGAN KARAKTERISTIK STASIUN PEKANBARU

PEMILIHAN METODE INTENSITAS HUJAN YANG SESUAI DENGAN KARAKTERISTIK STASIUN PEKANBARU PEMILIHAN METODE INTENSITAS HUJAN YANG SESUAI DENGAN KARAKTERISTIK STASIUN PEKANBARU Yohnn Lilis Hndyni Jurusn Teknik Sipil Fkuls Teknik Universis Riu Kmpus Bin Widy Jl. H.R. Soebrns Km. 1,5 Peknbru emil

Lebih terperinci

STRATEGI PENGAJARAN MATEMATIKA UNTUK MENENTUKAN AKAR-AKAR PERSAMAAN KUADRAT

STRATEGI PENGAJARAN MATEMATIKA UNTUK MENENTUKAN AKAR-AKAR PERSAMAAN KUADRAT Jurnl Vol II. No., Mret 08, hlm. 9-95 vilble online t www.jurnl.un.c.id/indeks/jmp STRTEGI PENGJRN MTEMTIK UNTUK MENENTUKN KR-KR PERSMN KUDRT Indh Purnm Putri, Symsudhuh, Ihd Hsbiyti 3 Progrm Studi Mgister

Lebih terperinci

FISIKA BESARAN VEKTOR

FISIKA BESARAN VEKTOR K-3 Kels X FISIKA BESARAN VEKTOR TUJUAN PEMBELAJARAN Setelh mempeljri mteri ini, kmu dihrpkn memiliki kemmpun berikut.. Memhmi pengertin besrn vektor.. Mengusi konsep penjumlhn vektor dengn berbgi metode.

Lebih terperinci

Jawaban Tugas Awal Gerak dan Gaya. Eksperimen Kereta dinamika

Jawaban Tugas Awal Gerak dan Gaya. Eksperimen Kereta dinamika Jwbn Tugs Awl Gerk dn Gy Eksperimen Kere dinmik. Bil du buh blok erbu dri bhn yng sm epi M>M dijuhkn pd bidng miring yng sm dengn posisi yng sm, mn yng lebih cep smpi ke dsr? Mengp demikin? Jwb : Mg sin

Lebih terperinci

PROBLEM SOLVING TERKAIT DENGAN KELAS X SEMESTER 1 PADA STANDAR KOMPETENSI (SK) 1.

PROBLEM SOLVING TERKAIT DENGAN KELAS X SEMESTER 1 PADA STANDAR KOMPETENSI (SK) 1. PROLEM SOLVING TERKIT DENGN KELS X SEMESTER PD STNDR KOMPETENSI (SK). LJR Memechkn mslh yng berkitn dengn bentuk pngkt, kr, dn logritm Oleh: Sigit Tri Guntoro. Du orng berselisih mengeni bnykny psngn bilngn

Lebih terperinci

Model Sederhana Penyebaran Avian Flu di Cikelet

Model Sederhana Penyebaran Avian Flu di Cikelet 13 Bb III Model Sedern Penyebrn Avin Flu di Cikele Pd bb ini kn dibs mengeni model penyebrn virus flu burung di der Cikele bik penyebrn pd ym mupun penyebrn dri ym erdp mnusi dengn memnfkn berbgi informsi

Lebih terperinci

PENYELESAIAN SOAL UJIAN TENGAH SEMESTER 2010

PENYELESAIAN SOAL UJIAN TENGAH SEMESTER 2010 PNYLSAIAN SOAL UJIAN TNGAH SMSTR SOAL A Pengolhn dt nnul series curh hujn hrin mximum, H mm, di sutu stsiun ARR menunjukkn bhw sebrn probbilits sutu besrn curh hujn, p H (h), dpt dinytkn dengn sutu ungsi

Lebih terperinci

r x = 0. Koefisien-koefisien persamaan yang dihasilkan adalah analitik pada x = 0. Jadi dapat kita gunakan metode deret pangkat.

r x = 0. Koefisien-koefisien persamaan yang dihasilkan adalah analitik pada x = 0. Jadi dapat kita gunakan metode deret pangkat. Husn Arifh,M.Sc : Persmn Legendre Emil : husnrifh@uny.c.id Persmn diferensil Legendre (1) 1 x 2 y 2xy + n n + 1 y = 0 Prmeter n pd (1) dlh bilngn rill yng diberikn. Setip penyelesin dri (1) dinmkn fungsi

Lebih terperinci

BAB ALJABAR MARIX Dlm pokok bhsn ini kn disjikn dsr-dsr opersi ljbr mtrix yng berhubungn dengn nlisis struktur dengn menggunkn metode mtrix kekkun (stiffness method)... Pengertin Mtrix Mtrix merupkn sutu

Lebih terperinci

Bab 2 HUKUM KEKEKALAN. 2.1 Hukum Kekekalan Skalar

Bab 2 HUKUM KEKEKALAN. 2.1 Hukum Kekekalan Skalar Bb 2 HUKUM KEKEKALAN 2.1 Hukum Kekekln Sklr Hukum kekekln mendeskripsikn dinmik suu kunis dlm sisem eruup. Khususny, hukum kekekln menykn bhw lju perubhn kumulif kunis ersebu hny ergnung pd fluks yng msuk,

Lebih terperinci

Fisika Dasar I (FI-321) 3) Gerak dalam Dua dan Tiga Dimensi Posisi dan Perpindahan Kecepatan Percepatan Gerak Parabola Gerak Melingkar

Fisika Dasar I (FI-321) 3) Gerak dalam Dua dan Tiga Dimensi Posisi dan Perpindahan Kecepatan Percepatan Gerak Parabola Gerak Melingkar Fisik Ds I (FI-31) Topik hi ini (minggu 3) Gek dlm Du dn Tig Dimensi Posisi dn Pepindhn Kecepn Pecepn Gek Pbol Gek Melingk Gek dlm Du dn Tig Dimensi Menggunkn nd u idk cukup unuk menjelskn sec lengkp gek

Lebih terperinci

6. Himpunan Fungsi Ortogonal

6. Himpunan Fungsi Ortogonal 6. Himpunn Fungsi Ortogonl Mislkn f periodik dengn periode, dn mulus bgin demi bgin pd [ π, π]. Jik S f N (θ) = N n= N c ne inθ, n =,, 2,..., dlh jumlh prsil dri deret Fourier f, mk kit telh menunjukkn

Lebih terperinci

Kerjakan di buku tugas. Tentukan hasil operasi berikut. a. A 2 d. (A B) (A + B) b. B 2 e. A (B + B t ) c. A B f. A t (A t + B t ) Tes Mandiri

Kerjakan di buku tugas. Tentukan hasil operasi berikut. a. A 2 d. (A B) (A + B) b. B 2 e. A (B + B t ) c. A B f. A t (A t + B t ) Tes Mandiri Mmt Apliksi SMA Bhs Dikethui A = Tentukn hsil opersi berikut A c A A b A A d A Dikethui A = Tentukn hsil opersi berikut (A + B) c (B A) b A + AB + B d B BA + A Sol Terbuk Kerjkn di buku tugs Jik X = dn

Lebih terperinci

BAB 2 LANDASAN TEORI. pengetahuan, terutama para peneliti yang dalam penelitiannya banyak

BAB 2 LANDASAN TEORI. pengetahuan, terutama para peneliti yang dalam penelitiannya banyak BAB 2 LANDASAN TEORI 2.1 Pengertin Anlisis Regresi Sttistik merupkn slh stu cbng ilmu pengethun yng pling bnyk mendptkn perhtin dn dipeljri oleh ilmun dri hmpir semu ilmu bidng pengethun, terutm pr peneliti

Lebih terperinci

15. INTEGRAL SEBAGAI LIMIT

15. INTEGRAL SEBAGAI LIMIT 15. INTEGRAL SEBAGAI LIMIT 15.1 Jumlh Riemnn Dlm kulih Klkulus pd thun pertm, integrl Riemnn bisny diperkenlkn sebgi limit dri jumlh Riemnn, tidk mellui integrl Riemnn ts dn integrl Riemnn bwh. Hl ini

Lebih terperinci

matematika K-13 TEOREMA FAKTOR DAN OPERASI AKAR K e l a s

matematika K-13 TEOREMA FAKTOR DAN OPERASI AKAR K e l a s K-3 mtemtik K e l s XI TEOREMA FAKTOR DAN OPERASI AKAR Tujun Pemeljrn Setelh mempeljri mteri ini, kmu dihrpkn memiliki kemmpun erikut.. Memhmi teorem fktor.. Menentukn kr dn fktor liner suku nyk dengn

Lebih terperinci

Skew- Semifield dan Beberapa Sifatnya 1

Skew- Semifield dan Beberapa Sifatnya 1 Skew- Semifield dn Beberp Siftny K r y t i Jurusn Pendidikn Mtemtik Fkults Mtemtik dn Ilmu Pengethun Alm Universits Negeri Yogykrt E-mil: ytiuny@yhoo.com Abstrk Sutu field ( lpngn ) F dlh struktur ljbr

Lebih terperinci

SISTEM BILANGAN REAL. 1. Sifat Aljabar Bilangan Real

SISTEM BILANGAN REAL. 1. Sifat Aljabar Bilangan Real SISTEM BILANGAN REAL Dlm terminologi Aljbr Abstrk, sistem bilngn rel disebut dengn field (lpngn) pd opersi penjumlhn dn perklin. Sutu opersi biner bis ditulis dengn sutu psngn terurut (, b) yng unik dri

Lebih terperinci

11. PROGRAM LINEAR. A. Persamaan Garis Lurus. (x 2, y 2 ) (0, a) y 2. y 1. (x 1, y 1 ) (b, 0) X. x 1

11. PROGRAM LINEAR. A. Persamaan Garis Lurus. (x 2, y 2 ) (0, a) y 2. y 1. (x 1, y 1 ) (b, 0) X. x 1 11. PROGRAM LINEAR A. Persmn Gris Lurus y 1 (x 1, y 1 ) y 2 y 1 (x 1, y 1 ) (x 2, y 2 ) (, ) x 1 x 1 x 2 (b, ) b. Persmn gris yng bergrdien m dn mellui titik (x 1, y 1 ) dlh: y y 1 = m(x x 1 ) b. Persmn

Lebih terperinci

1) BENTUK UMUM DAN BAGIAN-BAGIAN PERSAMAAN KUADRAT Bentuk umum persamaan kuadrat adalah seperti di bawah ini:

1) BENTUK UMUM DAN BAGIAN-BAGIAN PERSAMAAN KUADRAT Bentuk umum persamaan kuadrat adalah seperti di bawah ini: ) BENTUK UMUM DAN BAGIAN-BAGIAN PERSAMAAN KUADRAT Bentuk umum persmn kudrt dlh seperti di bwh ini: b c dengn, b, c bilngn dn riil Dimn, disebut sebgi koefisien dri b disebut sebgi koefisien dri c disebut

Lebih terperinci

17. PROGRAM LINEAR. A. Persamaan Garis Lurus. (x 2, y 2 ) (0, a) y 2. y 1. (x 1, y 1 ) (b, 0) X. x 1

17. PROGRAM LINEAR. A. Persamaan Garis Lurus. (x 2, y 2 ) (0, a) y 2. y 1. (x 1, y 1 ) (b, 0) X. x 1 17. PROGRAM LINEAR A. Persmn Gris Lurus y 1 (x 1, y 1 ) y 2 y 1 (x 1, y 1 ) (x 2, y 2 ) (0, ) 0 x 1 x 1 0 x 2 (b, 0) 0 b. Persmn gris yng bergrdien m dn mellui titik (x 1, y 1 ) dlh: y y 1 = m(x x 1 )

Lebih terperinci

Jurnal Ilmu Keolahragaan Vol. 14 (1) Januari Juni 2015: 47-57

Jurnal Ilmu Keolahragaan Vol. 14 (1) Januari Juni 2015: 47-57 Jurnl Ilmu Keolhrgn Vol. 14 (1) Jnuri Juni 215: 47-57 PERBEDAAN PENGARUH LATIHAN DOUBLE LEG SPEED HOP DENGAN SKIPPING TERHADAP POWER OTOT TUNGKAI DAN DAYA TAHAN OTOT TUNGKAI PEMAIN BOLA VOLIBUANA PUTRA

Lebih terperinci

MODEL POTENSIAL 1 DIMENSI

MODEL POTENSIAL 1 DIMENSI MODEL POTENSIAL 1 DIMENSI 1. Sumur Potensil Tk Berhingg Kit tinju prtikel bermss m dengn energi positif, berd dlm sumur potensil stu dimensi dengn dinding potensil tk berhingg dn potensil didlmny nol,

Lebih terperinci

Integral Tak Wajar. Ayundyah Kesumawati. March 25, Prodi Statistika FMIPA-UII

Integral Tak Wajar. Ayundyah Kesumawati. March 25, Prodi Statistika FMIPA-UII Kesumwti Prodi Sttistik FMIPA-UII Mrch 25, 205 Sutu integrl tertentu b f (x)dx () diktkn wjr jik i memenuhi du syrt berikut: i. Bts integrsi dn b merupkn bilngn berhingg ii. fungsi f (x) terbts pd intervl

Lebih terperinci

METODE PENELITIAN. Penelitian dilaksanakan pada bulan Oktober sampai dengan November 2011

METODE PENELITIAN. Penelitian dilaksanakan pada bulan Oktober sampai dengan November 2011 III. METODE PENELITIAN 3.1. Tempt dn Wktu Penelitin Penelitin dilksnkn pd buln Oktober smpi dengn November 2011 bertempt di Lbortorium Rekys Bioproses dn Psc Pnen, Jurusn Teknik Pertnin, Fkults Pertnin,

Lebih terperinci

CONTOH SOLUSI BEBERAPA SOAL OLIMPIADE MATEMATIKA Oleh: Wiworo, S.Si, M.M. 3. Untuk k 2 didefinisikan bahwa a

CONTOH SOLUSI BEBERAPA SOAL OLIMPIADE MATEMATIKA Oleh: Wiworo, S.Si, M.M. 3. Untuk k 2 didefinisikan bahwa a CONTOH SOLUSI BEBERAPA SOAL OLIMPIADE MATEMATIKA Oleh: Wiworo, S.Si, M.M. Dikethui bhw,. Untuk k didefinisikn bhw k k k. Tentukn jumlh tk hingg dri. Kit mislkn S S. Dengn demikin kit dpt menuliskn Kedu

Lebih terperinci

Hendra Gunawan. 1 November 2013

Hendra Gunawan. 1 November 2013 MA0 MATEMATIKA A Henr Gunwn Semeser I, 0/04 November 0 Lihn (Kulih yng Llu). Hiung inegrl enu/k enu beriku:. +.. cos( + ).. ( ). 4. 0 / 4 cos 0 4 5. (.. ) /0/0 (c) Henr Gunwn Ssrn Kulih Hri Ini 4.4. Teorem

Lebih terperinci

MATEMATIKA DASAR. 1. Jika x 1 dan x 2 adalah penyelesaian. persamaan Diketahui x 1 dan x 2 akar-akar persamaan 6x 2 5x + 2m 5 = 0.

MATEMATIKA DASAR. 1. Jika x 1 dan x 2 adalah penyelesaian. persamaan Diketahui x 1 dan x 2 akar-akar persamaan 6x 2 5x + 2m 5 = 0. MATEMATIKA ASAR. Jik dn dlh penyelesin persmn mk ( ).. E. B 7 6 6 + - ( + ) ( ). ( ) ( ) 7. Jik dn y b dengn, y > + y, mk. + y + b log b. + b log b b E. + log b E log dn y log b + y + y log + log b log

Lebih terperinci

QUANTUM, Jurnal Inovasi Pendidikan Sains, Vol.6, No.2, Oktober 2015, hlm

QUANTUM, Jurnal Inovasi Pendidikan Sains, Vol.6, No.2, Oktober 2015, hlm QUANTUM, Jurnl Inovsi Pendidikn Sins, Vol.6, No.2, Okober 2015, hlm. 11-22 11 PENGARUH MODEL PROBLEM BASED LEARNING (PBL) BERBASIS AKTIVITAS METAKOGNISI TERHADAP KEMAMPUAN MEMECAHKAN MASALAH KELARUTAN

Lebih terperinci

Analisa Regresi Linear. Akibat dari nilai σε yang membesar. Analisa Regresi Linear. Regresi Linear Sederhana dan Korelasi

Analisa Regresi Linear. Akibat dari nilai σε yang membesar. Analisa Regresi Linear. Regresi Linear Sederhana dan Korelasi Anlis Regresi Liner Anlis regresi digunkn untuk mermlkn nili dri stu peubh (peubh Terikt) berdsrkn peubh yng yng lin (peubh bebs). Peubh Terikt: dituliskn sebgi Y Peubh Bebs: dituliskn sebgi X1, X2,, Xk

Lebih terperinci

AUTOMATA SEBAGAI MODEL PENGENAL BAHASA

AUTOMATA SEBAGAI MODEL PENGENAL BAHASA JMP : Volume Nomor Oktober 9 AUTOMATA SEBAGAI MODEL PENGENAL BAHASA Eddy Mrynto Fkults Sins dn Teknik Universits Jenderl Soedirmn Purwokerto Indonesi emil: eddy_mrynto@unsoed.c.id Abstrct. A deterministic

Lebih terperinci

DETERMINAN DAN INVERS MATRIKS BLOK 2 2

DETERMINAN DAN INVERS MATRIKS BLOK 2 2 Buletin Ilmih Mth. Stt. dn Terpnny (Bimster) Volume 06, No. 3(2017), hl 193 202. DETERMINAN DAN INVERS MATRIKS BLOK 2 2 Ilhmsyh, Helmi, Frnsiskus Frn INTISARI Mtriks blok merupkn mtriks persegi yng diblok

Lebih terperinci

BAB II PANGKAT, AKAR DAN LOGARITMA

BAB II PANGKAT, AKAR DAN LOGARITMA BAB II PANGKAT, AKAR DAN LOGARITMA ILUSTRASI Sony kn membeli sebuh motor secr kredit, ketentun yng ditwrkn oleh perushn lesing dlh, ung muk sebesr Rp.500.000,00 dn ngsurn perbulnny sebesr Rp 365.000,00

Lebih terperinci

IV. METODE PENELITIAN. Secara umum analisis yang digunakan dalam penelitian ini menggunakan

IV. METODE PENELITIAN. Secara umum analisis yang digunakan dalam penelitian ini menggunakan 93 IV. METODE PENELITIAN 4.. Pendekn dn Kerngk Anlisis Secr umum nlisis yng digunkn dlm peneliin ini menggunkn pendekn ekonomerik. Meod dn eknik p yng digunkn ergnung pd ujun yng ingin dicpi dn jenis d

Lebih terperinci

PEMERINTAH KABUPATEN TANAH DATAR DINAS PENDIDIKAN SMA NEGERI 1 SUNGAI TARAB

PEMERINTAH KABUPATEN TANAH DATAR DINAS PENDIDIKAN SMA NEGERI 1 SUNGAI TARAB PEMERINTAH KABUPATEN TANAH DATAR DINAS PENDIDIKAN SMA NEGERI SUNGAI TARAB Jln Ldng Koto Sungi Trb Telp.07790 PAKET A b c. Bentuk sederhn dri : - bc bc b c dlh... bc 9 bc c b. Bentuk sederhn dlh. b c c

Lebih terperinci

Bab a. maka notasi determinan dari matriks A ditulis : det (A) atau. atau A.

Bab a. maka notasi determinan dari matriks A ditulis : det (A) atau. atau A. Bb DETERMINAN MATRIKS Determinn sutu mtriks dlh sutu fungsi sklr dengn domin mtriks bujur sngkr. Dengn kt lin, determinn merupkn pemetn dengn domin berup mtriks bujur sngkr, sementr kodomin berup sutu

Lebih terperinci

DETERMINAN. Misalkan A adalah suatu matriks persegi. a) Jika A memiliki satu baris atau satu kolom bilangan nol, maka det(a) = 0.

DETERMINAN. Misalkan A adalah suatu matriks persegi. a) Jika A memiliki satu baris atau satu kolom bilangan nol, maka det(a) = 0. DETERMINAN Fungsi determinn dri sutu mtriks persegi A (dinotsikn dengn det(a) tu A ) didefinisikn sebgi jumlh dri semu hsil kli elementer bertnd dri A. Sementr, ngk tu bilngn dri det(a) disebut determinn

Lebih terperinci

Aplikasi Teori Permainan Lawan pemain (punya intelegensi yang sama). Setiap pemain mempunyai beberapa strategi untuk saling mengalahkan.

Aplikasi Teori Permainan Lawan pemain (punya intelegensi yang sama). Setiap pemain mempunyai beberapa strategi untuk saling mengalahkan. Apliksi Teori Perminn Lwn pemin (puny intelegensi yng sm) Setip pemin mempunyi beberp strtegi untuk sling menglhkn Two-Person Zero-Sum Gme Perminn dengn pemin dengn perolehn (keuntungn) bgi slh stu pemin

Lebih terperinci

2. PERSAMAAN, PERTIDAKSAMAAN DAN FUNGSI KUADRAT

2. PERSAMAAN, PERTIDAKSAMAAN DAN FUNGSI KUADRAT . PERSAMAAN, PERTIDAKSAMAAN DAN FUNGSI KUADRAT A. Persmn Kudrt. Bentuk umum persmn kudrt : x + bx + c = 0, 0. Nili determinn persmn kudrt : D = b c. Akr-kr persmn kudrt dpt dicri dengn memfktorkn tupun

Lebih terperinci

LIMIT FUNGSI DAN KEKONTINUAN

LIMIT FUNGSI DAN KEKONTINUAN LIMIT FUNGSI DAN KEKONTINUAN RANGKUMAN MATERI Sebelum memsuki mteri, perhtikn himpunn-himpunn berikut: ) Himpunn bilngn sli:,,,4,5,.... b) Himpunn bilngn bult:...,,,0,,,.... p c) Himpunn bilngn rsionl:

Lebih terperinci

PERTEMUAN 4 Metode Simpleks Kasus Maksimum

PERTEMUAN 4 Metode Simpleks Kasus Maksimum PERTEMUAN 4 Metode Simpleks Ksus Mksimum Untuk menyelesikn Persoln Progrm Linier dengn Metode Simpleks untuk fungsi tujun memksimumkn dn meminimumkn crny ered Model mtemtik dri Permslhn Progrm Linier dpt

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer ljbr Liner Elementer M SKS Silbus : Bb I Mtriks dn Opersiny Bb II Determinn Mtriks Bb III Sistem Persmn Liner Bb IV Vektor di Bidng dn di Rung Bb V Rung Vektor Bb VI Rung Hsil Kli Dlm Bb VII Trnsformsi

Lebih terperinci

Eyus Sudihartinih Tugas MK Geometri

Eyus Sudihartinih Tugas MK Geometri Eyus Sudihrinih Tugs MK Geomeri Posul Prlel Euclid Mellui suu iik A yng idk erlek pd gris m, erdp pling nyk su gris yng kn mellui A dn prlel erhdp m Konvers Teorem Sudu Dlm Berseerngn Jik erdp du gris

Lebih terperinci

Matriks yang mempunyai jumlah baris sama dengan jumlah kolomnya disebut matriks bujur sangkar (square matrix). contoh :

Matriks yang mempunyai jumlah baris sama dengan jumlah kolomnya disebut matriks bujur sangkar (square matrix). contoh : TRIKS. PENGERTIN triks dlh sutu deretn elemen yng mementuk empt persegi pnjng, terdiri dri m ris dn n kolom. Elemen terseut dpt erentuk koefisien, ilngn tu simul. triks yng mempunyi m ris dn n kolom diseut

Lebih terperinci

MATEMATIKA IPA PAKET A KUNCI JAWABAN

MATEMATIKA IPA PAKET A KUNCI JAWABAN MATEMATIKA IPA PAKET A KUNCI JAWABAN. Jwbn : A Mislkn : p : Msyrkt membung smph pd temptny. q: Kesehtn msyrkt terjg. Diperoleh: Premis : ~q ~p p q Premis : p Kesimpuln : q Jdi, kesimpuln dri premis-premis

Lebih terperinci

Vektor di R 2 dan R 3

Vektor di R 2 dan R 3 Vektor di R dn R Pengertin Vektor dlh besrn yng mempunyi besr dn rh Vektor digmbrkn oleh rus gris yng dilengkpi dengn nk pnh vektor dimuli dri titik wl (initil point) dn dikhiri oleh titik khir (terminl

Lebih terperinci

VEKTOR. 1. Pengertian Vektor adalah besaran yang memiliki besar (nilai) dan arah. Vektor merupakan sebuah ruas garis yang

VEKTOR. 1. Pengertian Vektor adalah besaran yang memiliki besar (nilai) dan arah. Vektor merupakan sebuah ruas garis yang VEKTOR 1. Pengertin Vektor dlh besrn yng memiliki besr (nili dn rh. Vektor merupkn sebuh rus gris yng P berrh dn memiliki pnjng. Pnjng rus gris tersebut dlh pnjng vektor. Rus gris dri titik P dn berujung

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP 2013 TINGKAT KABUPATEN

PEMBAHASAN SOAL OSN MATEMATIKA SMP 2013 TINGKAT KABUPATEN www.sip-osn.blogspot.com @Mret 0 PEMBAHASAN SOAL OSN MATEMATIKA SMP 0 TINGKAT KABUPATEN. B. x ( x ) ( x + )( x ) ( x ( ) )( x ) ( x + )( x )( x + )( x ) (d fktor) Tidk d penjelsn tentng fktor hrus bilngn

Lebih terperinci

NFA. Teori Bahasa dan Automata. Viska Mutiawani - Informatika FMIPA Unsyiah

NFA. Teori Bahasa dan Automata. Viska Mutiawani - Informatika FMIPA Unsyiah NFA Teori Bhs dn Automt Visk Mutiwni - Informtik FMIPA Unsyih 1 NFA NFA: Nondeterministic Finite Automt Atu Automt Hingg NonDeterministik (AHND) Slh stu bentuk dri Finite Automt NFA memiliki kemmpun untuk

Lebih terperinci

IV. METODE PENELITIAN. deret waktu (time series) yang bersumber dari International Financial Statistic

IV. METODE PENELITIAN. deret waktu (time series) yang bersumber dari International Financial Statistic 56 IV. METODE PENELITIAN 4.. D 4... Sumber D D yng digunkn dlm sudi ini dl d sekunder dlm benuk dere wku (ime series) yng bersumber dri Inernionl Finncil Sisic (IFS) yng dipubliksikn ole Inernionl Moneery

Lebih terperinci

Perhitungan Biaya Tenaga Kerja Sesungguhnya Pada Cafe WarunKomando

Perhitungan Biaya Tenaga Kerja Sesungguhnya Pada Cafe WarunKomando Perhitungn Biy Teng Kerj Sesungguhny Pd Cfe WrunKomndo Jnuri Posisi Keterngn: JKS (Jm) TUS JKS : Jm Kerj Sesungguhny TUS : Trif Uph Sesungguhny JTUS : Jumlh Trif Uph per orng (JKS x TUS) JTK : Jumlh Teng

Lebih terperinci

BAB 10. MATRIKS DAN DETERMINAN

BAB 10. MATRIKS DAN DETERMINAN Dessy Dwiynti, S.Si, MBA Mtemtik Ekonomi 1 BAB 10. MATRIKS DAN DETERMINAN 1. Pengertin mtriks Mtriks kumpuln bilngn yng disjikn secr tertur dlm bris dn kolom yng membentuk sutu persegi pnjng, sert termut

Lebih terperinci

Konstruksi Super Matriks Simetris Persegi Latin

Konstruksi Super Matriks Simetris Persegi Latin SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY Konstruksi Super Mtriks Simetris Persegi Ltin T - Hendr Krtik Progrm Studi Pendidikn Mtemtik, Universits Singperbngs Krwng, Jln. H.S. Ronggowluyo Telukjmbe

Lebih terperinci

A. PENGERTIAN B. DETERMINAN MATRIKS

A. PENGERTIAN B. DETERMINAN MATRIKS ATRIKS A. PENGERTIAN triks dlh sutu deretn elemen yng mementuk empt persegi pnjng, terdiri dri m ris dn n kolom. Elemen terseut dpt erentuk koefisien, ilngn tu simul. triks yng mempunyi m ris dn n kolom

Lebih terperinci

TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2009

TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2009 SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 009 Bidng Mtemtik Wktu :,5 Jm DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT

Lebih terperinci

BAB 7. LIMIT DAN LAJU PERUBAHAN

BAB 7. LIMIT DAN LAJU PERUBAHAN BAB 7. LIMIT DAN LAJU PERUBAHAN 7. LIMIT FUNGSI 7.. Limit fungsi di sutu titik Menggmbrkn perilku fungsi jik peubhn mendekti sutu titik Illustrsi: Dikethui f( ) f(), 3,30,0 3,030,00 3,003 3 f() = f() 3,000?

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN MATEMATIKA BAB IV PERSAMAAN DAN PERTIDAKSAMAAN

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN MATEMATIKA BAB IV PERSAMAAN DAN PERTIDAKSAMAAN SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN MATEMATIKA BAB IV PERSAMAAN DAN PERTIDAKSAMAAN Dr. Djdir, M.Pd. Dr. Ilhm Minggi, M.Si J fruddin,s.pd.,m.pd. Ahmd Zki, S.Si.,M.Si Shln Sidjr,

Lebih terperinci

STRUKTUR BETON BERTULANG I. Tulangan Rangkap. Oleh Resmi Bestari Muin

STRUKTUR BETON BERTULANG I. Tulangan Rangkap. Oleh Resmi Bestari Muin MODUL KULIAH STRUKTUR BETON BERTULANG I Minggu ke : 9 Tulngn Rngkp Oleh Resmi Bestri Muin PRODI TEKNIK SIPIL FAKULTAS TEKNIK SIPIL dn PERENCANAAN UNIVERSITAS MERCU BUANA 2010 DAFTAR ISI DAFTAR ISI i IX

Lebih terperinci

TOPIK 2 FORECAST DAN PERAMALAN PENJUALAN

TOPIK 2 FORECAST DAN PERAMALAN PENJUALAN TOPIK 2 FORECAST DAN PERAMALAN PENJUALAN A. Konsep-konsep pokok forecst dn nggrn penjuln Forecst penjuln dlh sutu teknik proyeksi tentng tingkt permintn konsumer, potensil pd sutu periode tertentu dengn

Lebih terperinci

BAB 1 PENDAHULUAN LATAR BELAKANG

BAB 1 PENDAHULUAN LATAR BELAKANG BAB PENDAHULUAN LATAR BELAKANG Slh su penmbh devis negr erbesr dihsiln dri seor priwis. Seip provinsi di Indonesi memilii obje wisny msing-msing, seperi provinsi Sumer Ur yng erenl dengn dy ri Dnu Tobny

Lebih terperinci

Teorema Dasar Integral Garis

Teorema Dasar Integral Garis ISBN: 978-979-79-55-9 Teorem Dsr Integrl Gris Erdwti Nurdin Progrm Studi Pendidikn Mtemtik FKIP UIR d_1910@yhoo.com Abstrk Slh stu generlissi integrl tentu (definite integrl) f x dx diperoleh dengn menggnti

Lebih terperinci

Minggu ke 3 : Lanjutan Matriks

Minggu ke 3 : Lanjutan Matriks inggu ke : Lnjutn triks Pokok Bhsn Sub Pokok Bhsn Tujun Instruksionl Umum Tujun Instruksionl Khusus : triks :. Trnsformsi Elementer. Trnsformsi Elementer pd bris dn kolom. triks Ekivlen. Rnk triks B. Determinn.

Lebih terperinci

ANALISIS FLUKTUASI NILAI TUKAR RUPIAH DAN INFLASI INDONESIA PERIODE )

ANALISIS FLUKTUASI NILAI TUKAR RUPIAH DAN INFLASI INDONESIA PERIODE ) Anlisis Flukusi Nili Tukr Rupih dn Inflsi Indonesi Periode 999-26 (M.I. Riydh e l.) ANALII FLUKTUAI NILAI TUKAR RUPIAH DAN INFLAI INDONEIA PERIODE 999-26 ) (The Anlysis of Flucuion of Rupih Exchnge Re

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer ljbr Liner Elementer M3 3 SKS Silbus : Bb I Mtriks dn Opersiny Bb II Determinn Mtriks Bb III Sistem Persmn Liner Bb IV Vektor di Bidng dn di Rung Bb V Rung Vektor Bb VI Rung Hsil Kli Dlm Bb VII Trnsformsi

Lebih terperinci

KINEMATIKA. Membahas gerak suatu benda tanpa memandang penyebabnya. Dinamika : Membahas hubungan gaya & gerak

KINEMATIKA. Membahas gerak suatu benda tanpa memandang penyebabnya. Dinamika : Membahas hubungan gaya & gerak KINEMATIKA Membhs gerk suu bend np memndng penyebbny. Dinmik : Membhs hubungn gy & gerk Trnslsi : Gerk yg berhubungn dgn perpindhn seluruh bgin bend dri suu emp ke emp lin PENDAHULUAN Suu bend dikkn bergerk

Lebih terperinci

Sistem Persamaan Linear

Sistem Persamaan Linear Sistem Persmn Liner Muhtdin, ST. MT. Metode Numerik & Komputsi. By : Muhtdin Persmn Aljbr Liner Simultn Metode Numerik & Komputsi. By : Muhtdin 9 Menyelesikn SPL sederhn Grphicl Method dri kedu persmn

Lebih terperinci

STATIKA (Reaksi Perletakan)

STATIKA (Reaksi Perletakan) STTIK (Reksi erletkn) Meknik Rekys I Norm uspit, ST.MT. Tumpun Tumpun merupkn tempt perletkn konstruksi tu dukungn bgi konstruksi dlm meneruskn gy gyyng bekerj ke pondsi Dlm ilmu Meknik Rekys dikenl 3

Lebih terperinci

ANALISIS DISPARITAS INPUT PEMBANGUNAN, 2010

ANALISIS DISPARITAS INPUT PEMBANGUNAN, 2010 BADAN PUSAT STATISTIK ANALISIS DISPARITAS INPUT PEMBANGUNAN, 2010 ABSTRAKSI Ltr belkng: 1. Pelksnn Otonomi Derh msih bnyk ditemukn permslhn kibt perbedn ltr belkng demogrfi, geogrfi, infrstruktur, ekonomi,

Lebih terperinci

POKOK BAHASAN: PERMINTAAN, DAN HARGA. Suharyanto

POKOK BAHASAN: PERMINTAAN, DAN HARGA. Suharyanto POKOK BAHASAN: PERMINTAAN, PENAWARAN DAN HARGA Suhrynto Tujun Perkulihn ini: Mhsisw dpt mengnlisis kondisi psr berdsrkn konsep dsr permintn, penwrn dn hrg dlm meknisme psr. Bhn bcn: Smuelson, Pul A. &

Lebih terperinci

MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ MTRIKS gustin Prdjningsih, M.Si. Jurusn Mtemtik FMIP UNEJ tinprdj.mth@gmil.com DEFINISI MTRIKS Sutu dftr bilngn-bilngn rel tu kompleks terdiri ts m bris dn n kolom, m dn n bilngn bult positip disebut mtriks

Lebih terperinci

BAB III METODE PENELITIAN. Objek penelitian merupakan salah satu faktor yang tidak dapat dipisahkan dari

BAB III METODE PENELITIAN. Objek penelitian merupakan salah satu faktor yang tidak dapat dipisahkan dari 69 BAB III METODE PENELITIAN 3.1 Objek Penelitin Objek penelitin merupkn slh stu fktor yng tidk dpt dipishkn dri sutu penelitin, kren objek penelitin merupkn sumber diperolehny dt dri penelitin yng dilkukn.

Lebih terperinci