BAB II LANDASAN TEORI. pembahasan bab-bab berikutnya antara lain tentang model pergerakan harga

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI. pembahasan bab-bab berikutnya antara lain tentang model pergerakan harga"

Transkripsi

1 BAB II LANDASAN TEORI Pada bab aka dbahas bebeapa eo dasa yag dpeluka pada pembahasa bab-bab bekuya aaa la eag model pegeaka haga saham, model kesembaga, meode maxmum lkelhood esmao, ops pu Ameka, smulas Moe Calo, da meode leas-squae.. Model Pegeaka Haga Saham Pada subbab aka dbahas eag model pegeaka haga saham dalam beuk pesamaa dfeesal sokask. Pegeaka haga saham dkaaka memeuh poses sokask kaea laya beubah ehadap waku dega pola yag dak eduga. Pegeaka dapa dgologka ke dalam poses sokask vaabel kou - waku kou, hal dsebabka oleh faka bahwa haga saham dapa beubah secaa acak pada selag waku eeu, da juga dapa beubah pada waku kapa saja. Pada ahu 86-87, R.Bow meel geak pakel yag dak beaua uuk kemuda haslya saga begua uuk memodelka pegeaka haga saham. Geak yag dak beaua esebu kemuda dsebu geak Bow (Bowa Moo). Geak Bow aau juga dkeal dega poses Wee pada eval [,T] adalah poses sokask Z() yag memeuh ga kods beku :. Z() =, dega pobablas. Implemeas Meode..., Had Ismal, FMIPA UI, 8 9

2 . Z() Z(s) bedsbus N(,-s) uuk semua s. 3. Uuk s < < u < v T, Z() Z(s) da Z(v) Z(u) salg depede. Selajuya geak Bow esebu aka dguaka dalam model pegeaka saham yag aka djelaska pada baga selajuya... Model Haga Saham Tapa Pembayaa Dvde Msalka S adalah haga saham pada saa da μ meupaka ekspekas gka mbal hasl saham pe saua waku yag dyaaka dalam desmal, maka besa mbal hasl yag dhaapka da haga saham S sebesa μs. Aya uuk selag waku yag cukup kecl δ, ekspekas keaka haga saham S adalah μsδ. Jka volalas haga saham selalu ol, maka model pegeaka haga saham adalah δs = μsδ (.) Uuk δ, maka pesamaa d aas dapa duls mejad aau ds = μsd ds S = μd. Jka pesamaa d aas degaska pada eval [,T], dpeoleh ST T = S e μ Implemeas Meode..., Had Ismal, FMIPA UI, 8

3 dega S da S T adalah haga saham pada waku da T. Pesamaa daas meujukka haga saham megka secaa couously compoudg. μs pada pesamaa (.) dsebu juga dega poses df uuk S. Pada keadaa sebeaya, volalas aka mucul pada pegeaka haga saham. Dalam jagka waku yag pedek δ, dasumska peubaha gka mbal hasl adalah sama elepas da sebeapa besa haga sahamya. Akbaya, dapa dasumska bahwa sada devas peubaha haga saham pada selag waku δ hauslah poposoal dega haga saham. Maka model (.) dega volalas mejad ds = μsd + σsdz, (.) aau dapa duls sebaga ds S = μd + σdz dega μ adalah ekspekas gka mbal hasl pe saua waku, σ meepeseaska volalas haga saham, da Z adalah poses Wee. Secaa fomal dyaaka, vaabel Z megku poses Wee jka memlk dua sfa beku :. Peubaha δz sepajag peode yag kecl δ adalah δ Z = ε δ dmaa ε adalah blaga adom yag bedsbus omal sada. Implemeas Meode..., Had Ismal, FMIPA UI, 8

4 . Nla δz uuk sembaag dua eval kecl yag bebeda pada waku δ besfa depede. Sehgga pesamaa (.) uuk δ dapa duls sebaga ds = μsd + σsε d. (.3) Model dsebu juga model pegeaka haga saham uuk waku dsk. Model selajuya aka dguaka dalam lusas smulas Moe Calo pada subbab.4. dpeoleh Megguaka lemma Io (Hull,3), da pesamaa (.) juga aka σ dls = μ d + σdz. Dega demka peubaha l(s) aaa saa = da saa medaag =T, bedsbus omal dega mea σ μ T da vaas σ T. Dega kaa la σ lst l S ~ N μ T, σ T (.4) da σ l ST ~ N l S + μ T, σ T Implemeas Meode..., Had Ismal, FMIPA UI, 8

5 3 dega ST adalah haga saham pada saa medaag =T, da S adalah haga saham pada saa =. Sfa pesamaa (.4) aka dguaka pada esmas volalas haga saham da vaas sho ae. Seelah ddapa model pegeaka haga saham (.3) yag bebeuk pesamaa dffeesal sokask, selajuya aka djelaska eag pegauh pembayaa dvde ehadap model pegeaka haga saham esebu... Pegauh Pembayaa Dvde pada Model Pegeaka Haga Saham Pada subbab aka dbahas megea pegauh dvde ehadap pegeaka haga saham. Tap ahuya, eme (peusahaa peeb saham) basaya membagka dvde dalam beuk uag ua kepada paa pemegag saham peusahaa. Pada saa dmaa pemegag saham aka dcaumka sebaga peema dvde (waku esebu dkeal dega slah ecodg dae), paa calo veso basaya aka membel saham peusahaa esebu dega haapa meeka medapaka keuuga da pembayaa dvde. Kods megakbaka akya pemaa aas saham esebu. Namu veso pemegag saham dak bayak yag melepas sahamya kaea juga meggka dvde, sehgga suply sedk da haga saham aka ak. Sesaa seelah masa ecodg dae beakh, dkeal dega Implemeas Meode..., Had Ismal, FMIPA UI, 8

6 4 masa ex-dvded dae, haga saham aka kembal uu sebesa dvde yag dbayaka (R.Bal,998). Dasumska pembayaa dvde dbeka secaa u dega gka dvde eap sebesa D. Kaea saham aka uu sebesa dvde yag dbayaka, maka model pegeaka haga saham pada pesamaa (.) beubah mejad ds = μsd DSd + σsdz Da dapa juga duls sebaga ds = ( μ D) Sd + σsdz. (.5) Dalam kods dmaa veso dasumska sk eual, yau veso haya melha vesas sebaas ekspekas gka mbal haslya, veso esebu aka meema sebesa la yag sama dega gka suku buga (basaya gka suku buga bebas sko) uuk semua jes sekuas. Jad ekspekas mbal hasl semua jes sekuas yag dhaapka oleh veso yag sk eual adalah sebesa gka suku buga bebas sko. Oleh kaeaya la μ pada pesamaa (.5) dapa dgaka dega gka suku buga bebas sko. Sehgga pesamaa (.5) dapa duls sebaga ds = ( D) Sd + σsdz (.6) Pesamaa (.6) meepeseaska poses pegeaka haga saham dega sau fako sokask yau volalas haga saham. Pesamaa aka dguaka uuk mesmulaska lasa haga saham pada meode Leas-Squae Moe Calo yag aka dbahas d bab III. Implemeas Meode..., Had Ismal, FMIPA UI, 8

7 5 Sebelum ka dapa megguaka pesamaa (.6), paamee yag dguaka hauslah elebh dahulu ka keahu. Oleh kaea u, pada subbab beku aka djelaska bagamaa megesmas paamee yag dguaka pada pesamaa (.6)...3 Esmas Paamee Pada subbab aka djelaska bagamaa megesmas paamee yag dbuuhka pesamaa (.6), yau gka suku buga bebas sko, gka hasl dvde (dvded yeld) D, da volalas haga saham σ. Tgka suku buga bebas sko meupaka suku buga yag dasumska ddapa da vesas pada sume keuaga yag dak megadug sko defaul, yau sko gagal dalam membaya buga da pokok vesas. D Idoesa, sume esebu adalah Sefka Bak Idoesa (SBI), dmaa pemeah mejam sepeuhya pegembala vesas pada sume esebu. Oleh kaea u, gka suku buga bebas sko d Idoesa meujuk pada suku buga SBI. Selajuya aka djelaska esmas paamee D. Esmas la D ddapa dega membag jumlah dvde yag dema oleh pemegag saham selama sau ahu dega haga saham saa. Msalka sebuah eme membagka dvde sebayak kal yag besaya dv, dv,dv 3,, dv pada aggal yag belaa dalam jagka waku sau ahu da msalka pula haga saham saa adalah S. Maka Implemeas Meode..., Had Ismal, FMIPA UI, 8

8 6 D dv + dv + + dv S... =. Pada kasus dmaa eme dak membagka dvde selama sau ahu, maka D =. Selajuya aka djelaska bagamaa megesmas la volalas haga saham σ. Volalas haga saham meguku kedakpasa mbal hasl yag dbeka saham yag dapa duku dega sada devas da mbal hasl yag dbeka saham selama jagka waku eeu (Hull,3). Uuk megesmas σ secaa emps, haga saham dama dalam eval waku yag eap, msalya seap ha, seap mggu aau bula. Msalka + = jumlah pegamaa S = haga saham pada akh eval ke- ( =,,..., ) τ = pajag eval waku dalam seahu da msalka u S = l = ls ls S uuk,,...,. Besa esmas sada devas s da u adalah s = u u ( ), Implemeas Meode..., Had Ismal, FMIPA UI, 8

9 7 dmaa u adalah mea da u. Da pesamaa (.4), sada devas da u adalah σ τ, dega kaa la s dapa megesmas σ τ. Kemuda volalas σ u sed dapa desmas oleh σ dega s σ =. τ Msalka haga saham dasakska sebayak T ha, maka pajag eval waku dalam seahu adalah τ = /T, sehgga s σ = = s T. T Dega esmas paamee yag ddapa, maka model pegeaka haga saham (.6) dapa dguaka. Sela pesamaa (.6) yag meyaaka volalas haga saham sebaga fako sokask, pada skps juga aka dlha jka gka suku buga bebas sko sebaga fako sokask. Secaa spesfk, dasumska bahwa dak lag kosa, eap dapa beubah seap saa sesua dega eo mea eveso, da megku model kesembaga Vascek beku d = a( b ) d + νdw. Pejelasa lebh laju megea model aka djelaska pada subbab beku. Implemeas Meode..., Had Ismal, FMIPA UI, 8

10 8. Model Kesembaga Pada subbab aka djelaska megea model kesembaga. Model kesembaga meupaka model yag meggambaka pelaku aau peubaha gka suku buga jagka pedek (sho ae),. Da model dapa dlha pegauh da poses ehadap haga saham da ehadap ase devaf da saham. Sho ae pada waku adalah gka suku buga yag dguaka pada peode waku yag saga pedek pada waku. Aau dsebu juga sho ae sesaa. Dalam suau peode waku yag saga sgka aaa da + δ, secaa aa-aa seoag veso aka medapaka mbal hasl sebesa ()δ. Semua poses yag aka dbahas pada baga meupaka poses dalam sk eual. Pada model kesembaga dega sau fako, poses pegeaka dpegauh oleh volalas u sed sebaga fako kedakpasa. Secaa umum, model esebu dapa dulska sebaga suau pesamaa dffeesal sokask dega beuk d = m( ) d + s( ) dw (.7) dega df sesaa m da sada devas sesaa s dasumska meupaka fugs da apa begaug pada waku. Sfa pegeaka yag megku poses sokask pada gka suku buga jagka pedek yag dujukka oleh pesamaaa (.7) da haga saham S pada pesamaa (.) dak sepeuhya sama. Pebedaa yag Implemeas Meode..., Had Ismal, FMIPA UI, 8

11 9 palg uama adalah gka suku buga pada akhya elha aka meuju suau level aa-aa gka suku buga yag dpeoleh dalam jagka waku yag lama, da poses dsebu sebaga mea eveso. Sedagka pegeaka haga saham megku keja da peusahaa, dmaa haga saham aka cedeug eus ak jka keja peusahaa eus dgkaka. Begu juga dega sebalkya, aka cedeug uu apabla keja peusahaa eus meuu. Sebuah agumeas ekoom yag medukug eo megea mea eveso meyaaka bahwa keka suku buga gg, ekoom cedeug melamba da ejad edahya pemaa ked da pemjam. Sebaga dampakya, suku buga aka uu. Da keka suku buga edah, aka ejad kecedeuga akya pemaa ked da pemjam da suku buga aka cedeug ak. Uuk lebh jelasya, pehaka lusas pada gamba beku: Tgka suku buga Tgka suku buga yag gg memlk ed egaf Reveso Level Leve Tgka suku buga yag edah memlk ed posf Waku Gamba. Mea Reveso Implemeas Meode..., Had Ismal, FMIPA UI, 8

12 Beku aka djelaska model kesembaga yag aka dguaka dalam skps... Model Vascek Meujuk pada eo mea eveso yag elah djelaska, Vascek pada ahu 977 mempekealka model kesembaga bedasaka eo esebu. Msalka meuju suau level aa-aa (eveso level) gka suku buga yag dsebu b. Kemuda kelajua meuju level b adalah sebesa a. Maka suku df pada pesamaa (.7) mejad ab ( ) da model (.7) mejad d = a( b ) d + sdw. (.8) s pada pesamaa daas kemuda dasumska sebaga kosaa ν yag meupaka sada devas sesaa da, da W adalah poses Wee, maka pesamaa (.8) mejad d = a( b ) d + νdw. (.9) Model (.9) dsebu model Vascek. Model esebu aka dguaka dalam mesmulaska sho ae yag kemuda dguaka uuk membeuk lasa haga saham. Model Vascek meupaka cooh poses Ose- Uhlebeck, aau basa dkeal dega poses mea eveg, yau poses sokask yag dbeka pesamaa dffeesal sokask beku d = θ( μ ) d + σdw, dmaa θ, μ, da σ meupaka paamee da W meyaaka poses Wee Implemeas Meode..., Had Ismal, FMIPA UI, 8

13 (Wkpeda, 8). Poses Ose-Uhlebeck adalah solus uk da pesamaa beku dx = cxd +σdw, X = x (.) dmaa c sembaag kosaa. Solus pesamaa (.) dapa duls secaa ekspls sebaga beku c c cs X = xe + σe e dw s (Yolcu, 5). Uuk meghug sho ae megguaka pesamaa (.9), dpeluka solus ekusf da pesamaa esebu. Subbab beku aka mejelaska peuua pesamaa esebu... Solus Rekusf Model Vascek Meujuk pada model (.9), msalka X = b dega sho ae pada saa. X adalah solus pesamaa dffeesal sokask dx = ax d + νdw, yag meupaka poses Ose-Uhlebeck. Msalka pula Y a = e X, (.) maka Implemeas Meode..., Had Ismal, FMIPA UI, 8

14 dy = ae X d + e dx a a [ ν ] = + + a a ae Xd e axd dw a = e νdw. Sehgga as Y = Y + e νdw. (.) s Da (.), maka Y = e X = X (.3). Da (.), (.) da (.3), maka a as e X = X + e νdws a as X = e X + e νdws. Kaea X = b, maka dapa dhug sebagamaa beku a a as ( ) ν s a a( s) ( ) ν s a a a( s) ( ) ν = e b + e e dw + b = e b + e dw + b = e + b e + e dw, dmaa adalah sho ae pada saa =. Sehgga uuk < u < s a ( u ) ( a ( u ) a ) ( s ) u ν s = e + b e + e dw (.4) Da pesamaa (.4) bedasaka pesamaa (.4), u bedsbus omal dega mea Implemeas Meode..., Had Ismal, FMIPA UI, 8

15 3 e + b e a u ( ) a ( u) ( ) u da vaas σ a ( u) ν a ( u) ν e dwu = e a u. Uuk mesmulaska pada waku = < <... <, pesamaa (.4) mejad ( ) = e + b + e + σ ε. a ( + ) a ( + ) dega ε blaga adom yag bedsbus N(,). Aau dapa duls pula sebaga e + = e + b( e ) + ν. ε, =,,, -. (.5) a Pesamaa (.5) aka dguaka uuk membeuk lasa sho ae yag dbuuhka uuk smulas haga saham. Uuk dapa megguaka model (.5), elebh dahulu ka haus megesmas paamee pada model esebu. Subbab beku aka djelaska esmas paamee model (.5) dega megguaka maxmum lkelhood esmao (MLE)..3 Maxmum Lkelhood Esmao (MLE) Pada subbab aka dbahas megea meode MLE dalam megesmas paamee model Vascek, yau ba,,da ν. MLE meupaka meode sask yag seg dguaka uuk medapaka aksa Implemeas Meode..., Had Ismal, FMIPA UI, 8

16 4 paamee uuk model maemaka da sekumpula obsevas. Daa sho ae yag aka dobsevas dasumska bedsbus omal. Daa esebu dambl da sembaag sampel da populas yag bedsbus omal dega paamee ba,,da ν yag belum dkeahu. Daa sho ae meupaka daa yag begaug dega daa sebelumya. MLE adalah meode yag memaksmumka fugs lkelhood yag dapa duuka da codoal pobably desy fuco (pdf besyaa) vaabel + yag besyaa vaabel. Dkeahu bahwa pobably desy fuco (pdf) uuk dsbus omal adalah f x μσ = πσ (, ) exp Sehgga uuk dsbus N(,) adalah ( x μ ) σ. x f( x,) = e. π Pdf besyaa da vaabel + yag besyaa vaabel sebelumya dujukka oleh ;,, = exp ( b aσ ) f ( ( )) e b e + πσ σ Dega σ adalah beuk sedehaa da e σ = ν. a Implemeas Meode..., Had Ismal, FMIPA UI, 8

17 5 Dkeahu fugs lkelhood uuk sampel sebayak buah yag salg depede decally dsbued (..d) adalah ( + σ ) ( σ ) ( ( )) e b e ;,, =,, = exp πσ σ f b a f b a aau ( b aσ ) f ( ) ad ad + ;,, = exp πσ σ ( ) + e b( e ) Fugs log-lkelhood da hmpua sampel adom (,,, ) dapa duuka da fugs lkelhood. ( ba,, σ ) = l f( ; ba,, σ ) L = l( π) l( σ ) e b e σ ( ) Sehgga maksmum da fugs log-lkelhood dapa dpeoleh keka uua pasal fugs esebu sama dega ol. L ( ba,, σ ) b = e b( e ) = σ b = e ( e ) Implemeas Meode..., Had Ismal, FMIPA UI, 8

18 6 ( ba,, σ ) L = a d. e ( b)( b) e ( b) = σ 3 ( ba,, σ ) = ( b) e ( b) = σ σ L σ a = l d ( b)( b) ( b) σ = ( b) e ( b) (.6) Masalah yag demuka pada pehuga (.6) daas adalah, solus yag begaug sau sama laya. Aka eap, a da b dak begaug pada σ, jka ka megeahu a aau b aka mudah megeahu yag la. Uuk meca b dapa dlakuka dega mesubsus kods a kedalam b. Sebelumya aka dubah elebh dahulu, oas da kods a da b megguaka oas yag sama yau x =, y =, xx =, yy =, xy = sehgga b = y e x ( e ) da Implemeas Meode..., Had Ismal, FMIPA UI, 8

19 7 l xy bx by + b a = d b + b xx x. Dega mesubsus a ke b ddapa b = xy bx by + b y xx bx b + xy bx by + b xx bx + b x maka ( + ) ( + ) ( xx bx + b ) ( xy bx by + b ) ( y xx x xy) + b( x x y) + b( y x) ( xx xy ) + b( y x ) b b b b b b = = y xx x xy x y x da ( ) ( ) b b =. xx xy x x y y xx x xy Sehgga ka dapaka solus uuk masg-masg paamee sebaga beku y xx x xy b = ( xx xy ) ( x x y ) l xy bx by + b a = d b + b σ = e + e b e e + b e xx x ( )( ) ( ) ad yy xy xx y x a e ν = σ. Implemeas Meode..., Had Ismal, FMIPA UI, 8

20 8 Seelah pembahasa model pegeaka haga saham da gka suku buga, selajuya aka dbahas megea ops pu Ameka yag megguaka saham sebaga ase duk..4 Ops Pu Ameka Pada subbab kal aka djelaska megea ops pu Ameka. Ops pu Ameka adalah ops yag membeka hak kepada holde uuk mejual sejumlah saham yag a mlk dega haga eeu dmaa ops esebu dapa deksekus sebelum aau pada saa jauh empo. Sebelum pembahasa lebh jauh eag ops pu Ameka, aka djelaska elebh dahulu eag payoff, poss he moey, poss ou of he moey, da poss a he moey pada ops pu. Payoff meupaka sejumlah uag ua yag dema oleh holde saa a megeksekus ops esebu. Uuk lebh memaham eag pegea payoff, pehaka cooh beku. Msalka edapa suau ops pu saham dega haga eksekus E da haga saham S ( T), dega T adalah waku jauh empo. Jka saa, S < E,maka holde aka megeksekus ops esebu kaea a dapa mejual saham dega haga E yag lebh mahal da S, sehgga payoff yag demaya sebesa E - S. Aka eap, jka S E, holde dak haus megeksekus ops esebu, kaea a dapa mejual saham yag dmlkya d pasa dega haga yag lebh mahal aau sama dega haga eksekus Implemeas Meode..., Had Ismal, FMIPA UI, 8

21 9 E, sehgga payoff yag demaya adalah ol. Dega demka, dapa dsmpulka bahwa payoff yag dema oleh seoag holde saa waku adalah sebesa P() = max(e-s,). Uuk lebh jelasya pehaka lusas beku. Gamba.. Gafk fugs payoff ehadap haga saham Bedasaka Gamba., msalka edapa ops pu dega haga eksekus E sebesa Rp 5.,, da haga saham pada saa yau S sebesa Rp 4.,. Maka payoff P yag dema holde jka a megeksekus ops pu esebu pada saa adalah sebesa Rp 5, Rp 4., = Rp.,. Suau ops pu dkaaka beada dalam poss he moey jka saa megeksekus ops, haga saham lebh edah da haga eksekus yag eea pada ops aau S < E. Sebalkya, jka haga saham lebh gg da haga eksekus aau S > E, ops pu esebu beada dalam poss ou of he Implemeas Meode..., Had Ismal, FMIPA UI, 8

22 3 moey. Sedagka keka haga saham sama dega haga eksekus aau S = E, ops pu beada pada poss a he moey. Saa waku, jka haga saham beada dalam poss ou of he moey maka kepuusa yag palg bak adalah dak megeksekus ops saa u. Teap jka haga saham beada dalam poss he moey, holde haus meeuka apakah a aka megeksekusya sekaag aau dsaa medaag jkalau a befk medapa payoff yag lebh besa lag. Kaea adaya hak eksekus awal da kepuusa yag haus dambl eka waku dmaa hak esebu aka dlaksaaka oleh holde, maka pelu bag holde uuk megeahu kapa saa-saa yag opmal uuk megeksekus ops yag dmlkya. Selajuya aka djelaska eag smulas Moe Calo yag dapa dguaka uuk membua smulas lasa da ase duk ops yau haga saham..5 Smulas Moe Calo Smulas Moe Calo aau Moe Calo Smulao (MCS) dalam poses sokask adalah meode yag secaa eaf megevaluas model sokask megguaka blaga adom sebaga pu. MCS dapa dkaegoka sebaga meode pegambla sampel (samplg), kaea puya dbagkka secaa adom da suau dsbus pobablas uuk mesmulaska poses samplg dega daa yag akual. Implemeas Meode..., Had Ismal, FMIPA UI, 8

23 3 Uuk lebh jelasya, pehaka lusas beku. Msalka ekspekas gka mbal hasl saham sebesa 4% pe ahu da sada devas (volalas) da mbal hasl esebu sebesa % pe ahu. Msalka juga δ =,, dega kaa la ka membag waku sau ahu mejad eval kecl dega pajag 3,65 ha. Maka da model pegeaka haga saham waku dsk ka dapaka δs =,4x,. S+,ε,S aau δs =,4S+,εS. (.7) haga saham (.7) dapa dsmulaska dalam beuk lasa dega samplg beulag-ulag blaga adom ε da mesubsuskaya saupesau kedalam pesamaa (.7). Blaga adom ε meupaka daa sampel yag bedsbus N(,). Salah sau caa membagkka blaga adom esebu adalah dega peah ad( ) pada Mcosof Excel aau dega Malab. Bayak blaga adom ε yag dambl sesua dega bayakya eval waku selama masa pegamaa. Pada cooh daas, maka bayakya blaga ε yag dambl adalah buah, yau 365 ha dbag dega pajag eval 3,65. Tabel. beku meujukka hasl da poses daas. Implemeas Meode..., Had Ismal, FMIPA UI, 8

24 3 Tabel.. Smulas Moe Calo uuk haga saham. Haga awal saham pada peode ke Sampel Radom uuk ε Peubaha haga saham pada masg peode., , , , , , , , , ,6 57.4,56. Dasumska haga saham awal adalah Rp.,. Uuk peode peama la ε yag eambl adalah,5. Da (.7), peubaha selama peode peama sebesa δ S =,4(.) +,(,5)(.) = 36 Dega demka, pada awal peode kedua, haga saham awalya adalah Rp.36,. Nla ε yag eambl pada peode kedua adalah,44. Sehgga da (.7), peubaha selama peode kedua adalah δ S =,4(.36) +,(,44)(.36) = 6. Maka, pada awal peode kega haga saham awalya adalah Rp.847,, da begu seeusya. Dalam pekembagaya, meode MCS dapa dpeluas pegguaaya uuk meghug ekspekas payoff haga saham da Implemeas Meode..., Had Ismal, FMIPA UI, 8

25 33 akhya dapa meeuka la ops. Ekspekas payoff dalam kods sk eual dhug megguaka posedu samplg (Hull,3). Kemuda ddskoo pada suku buga bebas sko. Uuk lebh jelasya, beku aka djelaska posedu uuk meeuka la ops. Msalka suau ops dega ase duk S yag meghaslka payoff d waku T. Dega asums suku buga kosa, ka dapa mela ops esebu dega lagkah-lagkah beku :. Ambl sampel lasa S secaa adom. Hug payoff yag ddapa da ops 3. Ulag lagkah da uuk medapaka bayak sampel payoff yag ddapa ops 4. Hug aa-aa sampel payoff uuk medapaka esmas da ekspekas payoff 5. Dskooka ekspekas payoff pada suku buga bebas sko uuk medapaka esmas la ops. Pada skps kal lagkah-lagkah daas dak dbahas secaa legkap, kaea haya lagkah, da 3 yag aka dguaka pada meode Leas-Squae Moe Calo yag aka dbahas pada bab III. Beku aka djelaska bagamaa membeuk lasa haga saham da sho ae. Msalka poses pegeaka haga saham megku poses pada pesamaa (.6) beku : Implemeas Meode..., Had Ismal, FMIPA UI, 8

26 34 ds = ( D) Sd + σsdz. Uuk mesmulas lasa haga saham, ka bag jagka waku belaku ops mejad N buah eval kecl dega pajag δ kemuda apoksmas pesamaa daas dega S ( + δ) S () = ( DS ) () δ+ σs () ε δ (.8) dega ε adalah sampel adom yag bedsbus N(,) da la awal S pada = yag dbeka. ε δ dapa meggaka dz kaea sfa Z yag megku poses Wee, sehgga uuk peubaha δz sepajag peode yag kecl δ adalah δ Z = ε δ. Pada pakekya, basaya aka lebh akua uuk mesmulas l S kembag S. Da lemma Io, l S pada (.6) megku poses σ d ls = D d + σdz maka l S ( ) l S ( ) σ + δ = D δ+ σε δ σ S ( + δ) = S ( ).exp D δ+ σε δ aau σ S+ = S.exp D d + σε d, =,,, -. (.9) Implemeas Meode..., Had Ismal, FMIPA UI, 8

27 35 Pesamaa dguaka uuk membeuk lasa S dega caa yag sama dega pesamaa (.8). Pebedaaya adalah pesamaa (.8) aka akua jka δ, sedagka pesamaa (.9) meghaslka la yag akua uuk semua δ kaea meupaka solus uuk pesamaa (.6). Dalam skps, sela uuk mesmulas lasa haga saham, MCS juga dguaka uuk mesmulas lasa gka suku buga bebas sko jagka pedek (sho ae). Smulas esebu megguaka pesamaa (.5) yag elah djelaska yau e + = e + b( e ) + ν. ε, =,,, -. a Dmaa ε adalah sampel adom yag bedsbus N(,) da la awal pada = yag dbeka. Haga saham da gka suku buga dasumska memlk gocaga yag salg bekoelas da dapa dyaaka dega dz()dw() = ρd dega dz adalah poses Wee uuk pesamaa haga saham da dw uuk sho ae, maka ε pada (.9) da ε pada (.5) memlk koefse koelas kosa yag ka sebu ρ. Sehgga σ S ( + ) = S ( ).exp D d σ d ρ ε3 ρε + + (.) dega {ε (), ε 3 ()},,, blaga adom omal sada bvaa yag salg bebas (Nawalkha,996). Implemeas Meode..., Had Ismal, FMIPA UI, 8

28 36 Selajuya aka djelaska eag meode leas-squae yag aka dguaka dalam salah sau ahapa meode Leas-Squae Moe Calo..6 Meode Leas-Squae Pada subbab aka djelaska megea meode leas-squae. Meode leas-squae adalah salah sau caa uuk meyelesaka aalss eges, yau meode yag dguaka uuk memodelka daa umek yag ddapa da obsevas dega caa memmalka sum squae eo da selsh aaa la obsevas da esmas. Daa umek esebu pada umumya bsa dklasfkas mejad sebuah vaabel ak bebas da sau aau lebh vaabel bebas. Model yag palg sedehaa adalah model eges lea dega sebuah vaabel bebas x (egesso) yag memlk elas beupa gas luus dega vaabel ak bebas y. Hubuga dmodelka dalam beuk beku y = β + β x + ω,,, (.) dega β (ecep) da β (slope) meupaka kosaa da ω adalah kompoe adom eo. Eo pada model (.) dasumska memlk aa- aa ol da vaas σ. Sebaga ambaha, basaya dasumska pula bahwa aaa eo dseap k obsevas dak salg bekoelas. Aya la sebuah eo dak dpegauh oleh la sembaag eo laya. Paamee β da β dsebu juga koefse eges. Iepeas uuk β adalah seap peubaha sau u vaabel x aka meyebabka Implemeas Meode..., Had Ismal, FMIPA UI, 8

29 37 peubaha la aa-aa vaabel y sebesa β. Sedagka uuk β memlk epeas bahwa jka vaabel x bela ol maka la aa-aa y sebesa β. Paamee β da β dapa desmas megguaka sampel. Msalka ka memlk sejumlah buah pasag daa (y,x ), (y,x ),, (y,x ). Meode leas-squae aka dguaka uuk megesmas β da β sedemka sehgga jumlah kuada da selsh aaa la obsevas y dega la apoksmas y aka mempuya la yag mmum. Dega demka kea leas-squae uuk pesamaa (.) adalah sebaga beku memeuh S( β, β ) = ( y ( β + β x )). Esmao leas-squae β da β yag ka sebu β da β,hauslah S β β, β = da S β β, β =. Sehgga aka ka dapaka la esmao sebaga beku da y = = = = y β β β x x Implemeas Meode..., Had Ismal, FMIPA UI, 8

30 38 y x yx = = β = x x. Paamee β da β pada pesamaa daas meupaka esmao leassquaes da masg-masg paamee. Dega demka model eges lea sedehaa dapa dyaaka dega y = β + β x. (.3) Selsh aaa la pegamaa y da la esmas y yag bekoespodes dsebu sebaga esdual. Secaa maemas, esdual ke- adalah e y y y x = = β + β,,,,. Resdual mejad baga peg d dalam hal ka aka meyeldk keepaa model eges yag ddapa da dalam medeeks peympaga da asums dasa. Sela model dega sau vaabel bebas, edapa pula kods dmaa edapa bayak vaabel bebas yag mempegauh sau vaabel ak bebas, yau model eges dega lebh da sau vaabel egesso. Model dsebu juga model eges begada. Model esebu secaa umum dyaaka sebaga beku Implemeas Meode..., Had Ismal, FMIPA UI, 8

31 39 y k = β + β x + ω,,,,.. (.4) j j j = Sela beuk-beuk daas, edapa model eges la yag aka dguaka pada skps yau eges polomal. Sebaga cooh, eges polomal ode dua dega sau vaabel y = + x+ x + (.5) β β β ω da eges polomal ode dua dega dua vaabel y = β + β x + β x + β x + β x + β x x + ω. (.6) Polomal dguaka maakala ejad kods dmaa vaabel y membeuk kuva yag dak lea. Model eges uuk sampel yag behubuga dega pesamaa (.6) dapa duls sebaga beku y = β + β x + β x + β x + β x + β x x + ω (.7) Dalam skps, fugs ekspekas besyaa yag dguaka pada lagkah ke dua pada meode Leas-Squae Moe Calo (LSM) yag aka dbahas pada bab III adalah megguaka pesamaa (.7), dega vaabel haga saham da gka suku buga sebaga vaabel egesso da vaabel ak bebasya adalah la dskoo payoff medaag. Dalam oas maks, model (.7) dapa duls sebaga dmaa y = Xβ + ω Implemeas Meode..., Had Ismal, FMIPA UI, 8

32 4 y x x x x x x y x x x x x x y = :, X = x x x3 x x x 3 : : : : : : : y x x x x x x β β β β =, ε = β β β ω ω :. : ω Fugs leas-squae da model (.7) adalah ( ( )) S( β, β, β, β, β, β ) = y β + β x + β x + β x + β x + β x x Pesamaa (.8) dapa pula duls sebaga beku sehgga S ( β ) = ω = ' = ( )'( ) ω ω β β. S( β ) = y' y β' X' y y' Xβ + β' X' Xβ = y' y β' X' y + β' X' Xβ Fugs S daas haus dmmumka dega pemlha β, β, β, β, β, β (.8) yag sesua. Esmao leas-squae da β, β, β, β, β, β haus memeuh S β β, β, β, β, β, β = da Implemeas Meode..., Had Ismal, FMIPA UI, 8

33 4 S β j β, β, β, β, β, β =, j =,,,,da. Maka esmao leas-squae haus memeuh S β yag dapa dsedehaaka mejad β = X' y + X' X β = X' X β = X' y (.9) Pesamaa (.9) meupaka pesamaa omal leas-squae. Uuk meyelesakaya, kalka dua uas dega ves da esmao leas-squae da β adalah X ' X. Maka, β = ( X' X) X' y. (.3) Da pehuga daas, aka dpeoleh aksa paamee da (.7), sehgga model esmas yag ddapa adalah y β βx β x βx β x β xx = (.3) Pesamaa (.3) meupaka apoksmas fugs ekspekas besyaa payoff ops dmasa medaag da aka dguaka pada lagkah kedua meode LSM yag dbahas pada bab III. Implemeas Meode..., Had Ismal, FMIPA UI, 8

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

Kredibilitas dengan Pendekatan Bühlmann

Kredibilitas dengan Pendekatan Bühlmann Kedblas dega Pedekaa Bühlma Isada Slame da Ksa Naala Juusa Maemaka FMIPA UNS Absak Teo kedblas meupaka poses pembuaa a oleh akuas uuk melakuka peyesuaa pem d masa depa meuu pegalama masa lampau. Pada eo

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract Esmas Paamee (Ida sa) ESIMASI PARAMEER DISRIBUSI WEIBULL DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah, Sugo, Ra Rahmawa Mahasswa Juusa Saska FSM Uvesas Dpoegoo Sa Pegaja Juusa Saska FSM UNDIP Absa

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain Jual Gade Vol.4 No. Jaua 28 : 328-332 edeskpsa Kou Da Image Suau Kawasa Eksploas egguaka oe Calo akov Cha Jose Rzal, Ulfasa Rafflesa Juusa aemaka, Fakulas aemaka da Ilmu egeahua Alam, Uvesas Begkulu, Idoesa

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA Pada bab aka dbahas eag posedu peguja hpoess uuk daa yag beasal da dua sampel salg behubuga aau slah la dua sampel bepasaga. Salah sau cooh adalah ekspeme yag pegukuaya dlakuka

Lebih terperinci

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

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

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

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

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

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

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

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

Lebih terperinci

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BILANGAN BAB V BARISAN BILANGAN DAN DERET Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Bulet Ilmah Mat. Stat. da eapaa (Bmaste) Volume 0, No. (0), hal 79-86. ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI PRODUKSI ANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Zaal Ap, Muhlasah Novtasa Maa, Neva Satahadew

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES JURNA GAUSSIAN Volume Nomo ahu 0 Halama 03- Ole d: hp://ejoual-sudpad/dephp/aussa ESIMASI PARAMEER DISRIBUSI WEIBU DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah Suo Ra Rahmawa 3 Mahasswa Juusa Saska

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV BAB III STATISTIK INFERENSI PADA RANTAI MARKOV 3. Pedahulua Pada Bab II elah dibahas megeai aai Makov beode- aau Ō() da maiks peluag asisiya. Pada bagia ii, aka dibahas bagaimaa meeuka ode aai Makov dai

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI *)

VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI *) VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI Baso Iag Sappale * Absac To measue a vaable eeded by vald sume ad elabel. Resul of measueme a vaable vey flueced by qualy of sume,

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

Lebih terperinci

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee Jural ILMU DASAR Vol. 0 No.. 009 : 85 9 85 Esmas Parameer Model Log pada Respos Ber Mulvara Megguaka Meode Mle da Gee Esmag Parameers of Log Model o Mulvarae Bary Respose Usg Mle ad Gee Jaka Nugraha, Suryo

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMA YP Ula Badalampug yag belokas d Jl. Jedal R. Supapto No.88 Tajug Kaag Badalampug. Populas yag dguaka dalam peelta adalah seluuh sswa kelas

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1 BAHAN AJAR POLA, BARISAN DAN DERET BILANGAN Oleh : Muhammad Imo H 0 Modul Baisa da Deet Hal. BARISAN DAN DERET A. POLA BILANGAN. Pegetia Baisa Bilaga Baisa bilaga adalah uuta bilaga-bilaga dega atua tetetu.

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai BAB III MATERI DAN METODE Peelta tetag hubuga ataa bobot potog dega bobot kakas da o kakas kambg Jawaadu beta dlaksaaka pada bula Jul sampa dega Oktobe 2016 d tempat pemotoga hewa (TPH) Bustama d Jala

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

TINJAUAN PUSTAKA. Pra-pemrosesan Koreksi Pencaran Multiplikatif. ˆβ, kemudian. dan

TINJAUAN PUSTAKA. Pra-pemrosesan Koreksi Pencaran Multiplikatif. ˆβ, kemudian. dan 5 INJAUAN PUAKA Pa-peosesa Koeks Pecaa Mulplkaf Pa-peosesa ya eka ea peauh ya ucul akba sfa fsk a kaw cooh aau se sebu sebaa peauh pecaa eupaka ahapa pe ala oel kalbas Pa-peosesa esebu beujua uuk ehaslka

Lebih terperinci

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

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

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

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

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

Lebih terperinci

Reliabilitas. A. Pengertian

Reliabilitas. A. Pengertian Relablas A. Pengean Relablas adalah sejauh mana hasl ujan sswa eap aau konssen da posedu penlaan (Nko, 007:66). Menuu Ellen, suau es dkaakan elabel jka sko obsevas nla awal behubungan dengan sko yang sebenanya.

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR PERBNDINGN METODE BUNG MJEMUK DN TURN 78 DLM MENENTUKN SIS PINJMN SETIP PERIODE PD NUITS DUE ( Sudi Kasus: Kopeasi Uiesias Islam Negei Sula Syaif Kasim Riau ) TUGS KHIR Diajuka Sebagai Salah Sau Syaa Uuk

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

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

Lebih terperinci

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

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

Lebih terperinci

Model Probit pada Respons Biner Multivariat Menggunakan Simulated Maximum Likelihood Estimator

Model Probit pada Respons Biner Multivariat Menggunakan Simulated Maximum Likelihood Estimator 70 Mode Pob... (Jaka Nugaha dkk) Mode Pob pada Respos Be Muvaa Megguaka Smuaed Maxmum Lkehood Esmao Pob Mode o Muvaae Bay Respose Usg Smuaed Maxmum Lkehood Esmao Jaka Nugaha ), Suyo Guo ), S Hayam ) Juusa

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

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

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

Lebih terperinci

COMPLETELY RANDOMIZED DESIGN (CRD)

COMPLETELY RANDOMIZED DESIGN (CRD) COMPLETELY RANDOMIZED DESIGN (CRD) CRD Tdak ada kea pengelompokan: Lngkungan homogen Bahan homogen (pebedaan danaa expemenal un yang mempeoleh pelakuan yang ama dalam CRD debu ebaga expemenal eo) Ala homogen

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci