Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2.

Ukuran: px
Mulai penontonan dengan halaman:

Download "Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2."

Transkripsi

1 ROSIDING ISBN: Model Suu Bunga Mulnomal 4 S-5 Danang Teguh Qoyym *, Ded Rosad Jurusan Maemaa FMIA Unversas Gadah Mada *qoyym@ugm.ac.d Maalah n adalah merupaan pengembangan dar model suu bunga bnomal seper yang elah banya denal. Dengan menggunaan asums mulnomal dharapan model bnomal dapa dperluas menad model suu bunga mulnomal. Ja deahu suu bunga sampa saa n, maa suu bunga pada perode berunya aan mempunya + nla yang mungn. Sfa pah-ndependence aan membua benu mulnomal relaf lebh sederhana. Dengan sfa n a deahu searang wau e dan suu bunga meml + nla yang mungn pada perode berunya, maa pada wau e aan demuan hanya + nla yang mungn. Kaa unc: model suu bunga, mulnomal, erm srucure, conngen clam.. Laar Belaang enghungan harga pada produ-produ fnansal serng memaa asums suu bunga erenu. Unu mempermudah proses pemodelan selanunya dasumsan bahwa suu bunga eap pada besaran erenu. engasumsan suu bunga eap n serng menyebaban beberapa esalahan dalam penghungan, arena faanya suu bunga mengalam pergeraan. Sehngga dperluan suau model yang dapa mempreds pergeraan suu bunga yang aan daang. Model suu bunga wau dsre yang sudah banya dgunaan adalah Model BDT yang dperenalan oleh Blac, Derman, dan Toy pada ahun 99. Blac, d (99 mengasumsan bahwa suu bunga yang aan daang hanya mempunya dua emungnan pergeraan, yau na dan urun. Dengan menggunaan pendeaan dsrbus bnomal emudan dapa dsmulasan suau dagram pohon pergeraan suu bunga yang aan daang. Maalah n aan menga pengembangan model BDT dengan mengasumsan bahwa suu bunga yang aan daang aan bergera dengan + buah nla yang mungn. Flesblas nla suu bunga yang aan daang n dharapan dapa memperluas penggunaan model pada pemberan harga produ-produ fnancal yang 4 Dpresenasan pada Semnar Nasonal Maemaa dan enddan Maemaa UNY 9. Sabu, 5 Desember 9. Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 666

2 ROSIDING ISBN: lan. Sebaga conoh mplemenasnya, aan dlha mplemenas model unu menghung harga waar suau conngen clam suu bunga.. Model Mulnomal Dalam bagan n aan danalsa model mulnomal unu suu bunga sesaa. Deahu erdapa + nla suu bunga pada perode berunya a deahu nla suu bunga sesaa saa u,. Dberan beberapa asums sebaga beru:. Oblgas anpa upon dengan wau auh empo T,,..., m dperdagangan pada wau dsre,,..., n.. ada wau e- erdapa beberapa fungs dsono yang mungn, dnoasan T,,,,..., n,,,...,, T,,..., m. sebaga 3. Benu ranss dar fungs dsono denuan oleh fungs h menguur eaenuan dnamsas suu bunga sesaa dan dsampng u h ( T T, yang uga menguur devas dar fungs dsono dar fungs forward faor dsono. Dan aan dunuan model n mempunya: 4. ah-ndependence, bla dmula dar fungs dsono erenu pada, fungs dsono yang sama aan dperoleh anpa melha dmana poss sebelumnya dalam dagram pohon modelnya. 5. Memenuh asums no-arbrage. Dengan melha erm srucure pada wau e- dan referens harga oblgas anpa T, dengan menunuan poss pada wau e-, T anga upon erdsono, wau oblgas, fungs dsono pada wau e- dberan sebaga beru, ( T +,,, K,. ( T h T Teorema.5. (Abaffy a el, 5: Dberan pergeraan erm srucure pasar pada perode yang aan daang dapa dbedaan dalam (+ buah. Dengan menggunaan onsep no-arbrage, fungs perurbas dapa dplh yang memenuh persamaan beru, h ( T π, ( unu seap dan T dengan, π. (3 Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 667

3 ROSIDING ISBN: Bu: Dambl dan dhlangan ndes. orofolo pada wau ersusun dar oblgas dengan wau auh empo T + dan buah oblgas dengan auh empo T + dengan bobo τ. Nla awal porofolo n adalah, V ( T + + τ ( T +. (4 Nla τ da deahu dan mash harus dcar. ada, dengan menggunaan persamaan (, nla porofolo dengan alernaf adalah, V ( T h ( T τ ( T h ( T,,...,. ( (5 Nla porofolo n ndependen unu ap sae yang aan erad pada wau. Sehngga nla porofolo seper dberan dalam (5 aan onsan unu seap, dengan dberan nla searang pada. Dengan aa lan seap nla porofolo aan memberan nga mbal hasl bebas reso yang sama, dan hal n seharusnya sama dengan nla awal dar porofolo pada wau, V, sehngga, V V L V V. (6 Hasl n aan memberan ssem lnear dengan buah τ yang da deahu dar buah persamaan yang perama, ( + + τ ( + ( + + τ ( + T h T T h T T h T T h T, unu seap,, 3,...,. Berunya dnoasan suau dh (. dengan, Sehngga dperoleh, (. (. (. dh h h. (7 τ ( T + dh ( T ( T + dh ( T,,,...,. (8 Dberan, de ( A ( + L ( + T dh T T dh T ( + L ( + M O M T dh T T dh T Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 668

4 ROSIDING ISBN: T + ( ( A ( T L de +. dh T dh T M O M dh T dh T L Solus unggal unu ssem persamaan lnear (8 ada a dan hanya a de (A. Ja dberan mars A adalah mars yang dperoleh dar mars A dengan mensubsusan ruas anan dar (8 e dalam olom e dar A, aan dperoleh, ( A ( T + ( T, + de ( A ( T + de τ,,,...,. (9 ersamaan erahr dar (6 dan dengan melha persamaan (4 maa dperoleh hubungan,. ( ( + + τ ( + ( + + τ ( + T T T h T T h T Subsus hasl (9 e dalam persamaan ( menghaslan, de ( A de ( A h ( T h ( T de ( A, de ( A de ( A h ( T + ( h ( T de ( A + +. ( Selanunya perhaan mars A. Kolom e mars n adalah (dh (T,..., dh (T. Dar persamaan (7 dan sfa deermnan maa dperoleh, dengan de dan, ( B ( A ( B ( C de de de, ( L dh T h T dh T L L M L dh T h T dh T de ( C L dh T h T dh T L L M L dh T h T dh T. Sehngga persamaan ( aan menad, Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 669

5 ROSIDING ISBN: ( T h + + h ( T ( h ( T ( de ( B de ( C de ( A (3 + ( h ( T ( h ( T de ( B h ( T de ( C de ( A Dmana de(b dan de(c adalah mnor dar B dan C pada poss (,. (4 Selanunya persamaan (4 aan menad, + de ( A ( ( h ( T de ( C h ( T + + ( ( h ( T de ( B h ( T de ( A. (5 de A de B de C, unu,,...,. erlu dperhaan bahwa ( ( ( Ambl, + π de ( A ( h ( T de A de A dan, ( ( + h ( T de A de A,,,...,. (6 π Maa, π. Dengan menggunaan (5 dan (6 dperoleh, h ( T π. h. Langah selanunya adalah menyeld sfa pah ndependen dar fungs Dengan sfa pah-ndependen (aau reombnas pada dagram pohon deahu bahwa sae neror (sae d dalam dapa dperoleh dar lebh sau node, sedangan ouer (sae erluar aan hanya dperoleh dar sau node saa. Unu melha eadaan n msalan dnoasan +,,,,...,, dmana ndes d aas menunuan bahwa + dhung mula dar dan menggunaan h (. dan h (.. Conoh: Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 67

6 ROSIDING ISBN: Unu menghung + ( T dmula dar ( T + beru n, T T + h T +, ( ( T T + h T +, Dengan, ( h, Sehngga, ( T 4 6 ( + + ( + + ( h T h T h T memerluan langah-langah Teorema.5. (Abaffy e al, 5: Model mulnomal aan pah ndependen a memenuh persamaan beru n, + h T + h T h T + h T h T + h T L, ( h + h + h + unu,..., -,,,...,, + m, dan m,,..., -. Bu: Dmula dar dan wau auh empo T + dengan fungs dsono (T+. Dapa dunuan bahwa dalam cabang reombnas perode berunya aan mengu dere arme + n, dmana n,,... sealan dengan wau +, +,.... Jad unu n > umlah rana dar persamaan yang memenuh asums pah dependence adalah, ( + n Dan umlah syara pada fungs h (yau umlah ruas anan dan ruas r dar (7 adalah. Rana persamaan harus memenuh, T + T L T,,...,,,...,, ( Dmana + m, m,,...,. Aan dperhaan salah sau persamaan dalam (8 dan dengan loga yang sama dapa dperluas berlau unu seap + m, m [, ]. Msalan dambl persamaan yang palng depan yau, m T T T + h + T + h + T T + h + T + h + T h h + + Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 67

7 ROSIDING ISBN: h h + h + T + h + T h + T + h + T. (9 Dengan menggunaan loga yang sama maa dperoleh persamaan (7. Aba: Unu seap wau auh empo T berlau persamaan beru, + h / T + h + T h + T,,...,, ( h T h T h T h T h T h T L ( Bu: Aan dbuan hasl unu. Dar persamaan (7 dambl hanya persamaan yang perama d awal, yau unu m dan, h + ( T + h + ( T h + ( T + h + ( T ( h h dan + + h h h T + h T h T + h T. ( Dengan membag persamaan ( dengan persamaan (3 dan dsederhanaan maa dperoleh persamaan (. Analog yang sama berlau unu persamaan-persamaan dalam (7. Hasl (3 dperoleh dengan menggunaan persamaan yang lan unu m dan m yang sama. Dar ( dan ( dapa dperoleh, h ( h ( h (. (4 Dengan menggunaan persamaan (4 dua buah fungs dapa dplh secara bebas ea fungs yang lan elah dhung dengan menggunaan persamaan (4. Dengan menggunaan persamaan (4 de (A dapa dsaan dalam benu beru, h T h T L h T h T de ( A ( ( ( L h T h T h T h T h T h T O L h T h T h T h T h T h T. (5 Gambar.3 Ilusras dagram pohon unu dengan sfa pah-ndependence Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 67

8 ROSIDING ISBN: enenuan fungs h Unu memudahan penganalsaan, dalam subbab n dasumsan h da aan berubah aas wau, sehngga ndes dapa dhlangan. Menuru eorema-eorema pada subbab sebelumnya fungs h harus memenuh persamaan (7 dan (, dan dengan menggunaan persamaan (4 aan dcar solus persamaan-persamaan beru, h T + h T h h T + h T h, (6 π h ( T h ( T h ( T. (7 Ambl γ h (, δ h (, dan h ( T sehngga persamaan (6 menad, v T + v ( T h T, (8 v( T δ. (9 γ ersamaan (9 n adalah persamaan dferens order sau, yang meml solus umum, γ v ( T + v (. (3 δ Karena h ( h (, maa v(, dan persamaan (3 aan menad, γ v( T +. (3 δ Subus persamaan (3 e dalam persamaan (8 dperoleh, γ h ( T h ( T δ. (3 Subsus hasl (3 e dalam (7 dperoleh, T + T + ( T γ T π, (33 h T h T δ h ( T ( T γ π (34 δ ( T γ π h ( T (35 δ Dengan mengambl T pada (35 dperoleh, ( γ π δ h (36 Karena deahu bahwa h ( δ maa syara beru harus erpenuh, Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 673

9 ROSIDING ISBN: Dar persamaan (4 dan (3 deahu, ( γ π. (37 δ δ ( T T γ. h T h ( T h ( T h (38 h δ Unu oblgas sau perode (T harga oblgas pada wau n dan sae adalah, ( + γ γ γ ( ( δ ( ( δ L ( ( δ γ γ L n h n h h h n n h h h δ dmana menuru sfa pah ndependence, n. Hal n menghaslan, ( n n + γ n h ( n δ. (4 Teorema.6. (Abaffy e al, 5: Dberan q >,,,...,, adalah probablas unu mencapa pah. robablas unu mencapa node n pada wau...t dberan sebaga, n! n X X q q q Kq {, K, } Dengan { X X }! K! δ (39, (4,, K adalah probablas bersama dmana dambl langah perama sampa langah e dengan,, >,,...,, (4 Dan umlahan dalam (4 dapa dhung unu semua pah dalam node ersebu dan dengan selsh. Selanunya pada prcng oblgas anpa upon denal syara cuup dan perlu unu erpenuh local expecaon hypohess (LEH. rnsp LEH mengaaan bahwa epeas holdng perod reurn pada semua oblgas anpa upon yang mungn aan sama, dmana holdng perod adalah nerval perode erpende selanunya (dalam hal n sau perode. Jad ea LEH da erad dapa dharapan epeas obgas dengan anga wau yang lebh lama aan memberan epeas reurn yang lebh besar, dan dapa dbua suau T-perode wau premum, τ(t, yau epeas holdng perod reurn dar oblgas perode T dbandng dengan reurn oblgas sau perode. Hal n berar bahwa harus dlha selsh anara epeas reurn dar oblgas perode (T+ dengan sau perode dan rae of reun sau perode. ada model yang elah donsrusan d aas espeas rae of reurn dar oblgas perode (T+ dbag sau perode adalah, ( T + q h ( T, (43 ( T + Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 674

10 ROSIDING ISBN: Dengan q, q adalah probablas aan menempa pah dan fungs h memenuh persyaraan dalam ( dan (3. Rae of reurn sau perode dberan sebaga /(, sehngga T-perod erm premum τ(t adalah, τ ( T q h ( T (, (44 dengan q, π, h π. Dar pengeran n dan dengan melha hasl dar subbab.5 maa dapa dlha bahwa LEH aan erpenuh a dan hanya a q π unu,...,. 6. enuup Dengan melha model suu bunga wau dsre asums mulnomal n dharapan dapa dgunaan unu valuas berbaga macam produ fnansal yang berhubungan sengan suu bunga aau hasl nvesas ergarans (guaraned rae. Sehngga analsa dan penelan lebh lanu yang aan melha perlau model ea dmplemenasan pada valuas produ fnansal yang lan. Benu n uga mash relaf sederhana sehngga mash dperluan penelan-penelan lanuan yang aan melha benu mulnomal yang lebh umum. Dafar usaa Abaffy, J, e al, 5, Exenson of he Ho and Lee Ineres-rae Model o The Mulnomal Case, European Journal of Operaonal Research 63 (5, Bueow, Jr., GW, e.al,. Term-Srucure Models Usng Bnomal Trees, The Research Foundaon of AIMR. Blac, Fscher, Derman, Emanuel, Toy, Wllam, 99. A One-Facor Model of Ineres Rae and Is Applcaon o Treasury Bond Opons. Fnancal Analys Journal 46 (January-February, Fabozz, Fran, e.al,. Ineres Rae, Term-Srucure, and Valuaon Modellng, Jogn Wlley & Sons, Inc Jay, Burhon D, d,. Far Valuaon of Insurance Lables: rncples and Mehods. Amercan Academy of Acuares. Ln, X. Sheldon, 6. Inroducory Sochasc Analyss for Fnance and Insurance. Hoboen, New Jersey : Wlley & Sons, Inc. aner, Harry H., d, 998. Fnancal Economcs wh Applcaons o Invesmen, Insurance and ensons. The Acuaral Foundaon, Schaumburg, IL. Wuhrch, Maro Valenn, Buhlmann, Hans, Furrer, Hansorg, 8. Mare-Conssen Acuaral Valuaon. Berln Hedelberg, New Yor: Sprnger-Verlag. Semnar Nasonal Maemaa dan enddan Maemaa Jurusan enddan Maemaa FMIA UNY, 5 Desember 9 675

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET BAB PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET MENGENAI METODE NUMERIK Persoalan yang melbaan model maemaa banya munul dalam berbaga lmu pengeahuan seper halnya dalam asus

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

METODE BEDA HINGGA UNTUK SOLUSI NUMERIK DARI PERSAMAAN BLACK-SCHOLES HARGA OPSI PUT AMERIKA SURITNO

METODE BEDA HINGGA UNTUK SOLUSI NUMERIK DARI PERSAMAAN BLACK-SCHOLES HARGA OPSI PUT AMERIKA SURITNO MEODE BEDA HINGGA UNUK OLUI NUMERIK DARI PERAMAAN BLACK-CHOLE HARGA OPI PU AMERIKA URINO EKOLAH PACAARJANA INIU PERANIAN BOGOR BOGOR 8 PERNYAAAN MENGENAI EI DAN UMBER INFORMAI Dengan n saya menyaaan baha

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

SIMULASI PERGERAKAN TRAJECTORY PLANNING PADA ROBOT LENGAN ANTHROPOMORPHIC. Moh. Imam Afandi

SIMULASI PERGERAKAN TRAJECTORY PLANNING PADA ROBOT LENGAN ANTHROPOMORPHIC. Moh. Imam Afandi SIMUASI ERGERAKAN TRAJECTOR ANNING ADA ROBOT ENGAN ANTHROOMORHIC Moh Imam Afand usl KIM-II, Kawasan usppe Serpong, Tangerang 54 INTISARI Robo lengan yang mampu bergera secara oomas membuuhan suau ssem

Lebih terperinci

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Jurusan Maemaa FMIPA Unversas Dponegoro Jl Prof H Soedaro, SH, Tembalang Semarang Absrac In

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

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

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial 96 Vol. 3, No., 96-, Januar 7 Kombnas Penasran Model Lag Terdsrbus Dengan Espeas Adapf Dan Penyesuaan Parsal Adawaya Rangu Absra Dalam menasr Model Lag Terdsrbus, masalah yang mungn erjad adalah da adanya

Lebih terperinci

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering Penggerombolan Model Parameer Regres dengan Error-Based Cluserng 1 I Made Sumerajaya 2 Gus Adh Wbawa 3 I Gede Nyoman Mndra Jaya 1 Saf Pengajar Deparemen Sasa IPB 2,3 Mahsswa Pascasarjana Sasa IPB ABSTRAK

Lebih terperinci

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

BAB II DIMENSI PARTISI

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

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia JURNAL SAINS DAN SENI ITS Vol. 4, No., ( 337-3 (3-9X Prn D-7 Pemodelan Indes Pembangunan Gender dengan Pendeaan Regres Nonparamer Splne d Indonesa Nurul Fajryyah dan I Nyoman Budanara Jurusan Sasa, Faulas

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012 InfiniyJurnal Ilmiah Program Sudi Maemaia STKIP Siliwangi Bandung, Vol 1, No.2, Sepember 2012 GRUP PERMUTASI SIKLIS DALAM PERMAINAN SUIT Oleh: Bagus Ardi Sapuro Jurusan Pendidian Maemaia, IKIP PGRI Semarang

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

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

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

Lebih terperinci

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya JURNL TEKNIK POMITS Vol 2, No 1, (214) 1 Penempaan Opmal Sensor Dengan Meode Parcle Swarm Opmzaon (PSO) Unu Sae Esmaon Pada Ssem Dsrbus Surabaya j Dharma, Onoseno Penangsang, Rony Seo Wbowo Jurusan Ten

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

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

Lebih terperinci

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH)

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) erusaaan.uns.ac.d dglb.uns.ac.d PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY APARCH Oleh BONDRA UJI PRATAMA M007075 SKRIPSI duls

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Semnar Nasonal Ssem Informas Indonesa, - 4 Desember 03 SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Suparman Penddan Maemaa FKIP UAD

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDAAN TEORI Pada bab n akan dbahas beberapa eor maemaka keuangan dan saska yang mendukung dalam penurunan formula Lookback Opons pada Bab III dan pembuaan program pada Bab IV. Teor-eor yang

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

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

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

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

( ) r( t) 0 : tingkat pertumbuhan populasi x

( ) r( t) 0 : tingkat pertumbuhan populasi x III PEMODELAN Model Perumbuan Koninu Terbaasnya sumber-sumber penyoong (ruang, air, maanan, dll) menyebaban populasi dibaasi ole suau daya duung lingungan Perumbuan populasi lamba laun aan menurun dan

Lebih terperinci

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

PEMODELAN ALJABAR MAX-PLUS DAN EVALUASI KINERJA JARINGAN ANTRIAN FORK-JOIN TAKSIKLIK DENGAN KAPASITAS PENYANGGA TAKHINGGA INTISARI

PEMODELAN ALJABAR MAX-PLUS DAN EVALUASI KINERJA JARINGAN ANTRIAN FORK-JOIN TAKSIKLIK DENGAN KAPASITAS PENYANGGA TAKHINGGA INTISARI Jurnal Maemaa, Vol, No,, 8 PEMODELAN ALJABAR MAX-PLUS DAN EVALUASI KINERJA JARINGAN ANTRIAN FORK-JOIN TAKSIKLIK DENGAN KAPASITAS PENYANGGA TAKHINGGA M ANDY RUDHITO, SRI WAHYUNI, ARI SUPARWANTO, DAN F SUSILO

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

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryano Sudrham nalss Rangkaan Lsrk D Kawasan Waku BB 12 nalss Transen d Kawasan Waku Rangkaan Orde Perama Yang dmaksud dengan analss ransen adalah analss rangkaan yang sedang dalam keadaan peralhan

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

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

Lebih terperinci

Konferensi Nasional Sistem dan Informatika 2008; Bali, November 15, 2008

Konferensi Nasional Sistem dan Informatika 2008; Bali, November 15, 2008 Konferens asonal Ssem dan Informaka 008; Bal, ovember, 008 KSI08-0 APLIKASI MATEMATIKA UMERIK METODE EWTO RAPHSO DALAM BIDAG MAAJEME KEUAGA: SUATU TIJAUA KHUSUS MEETUKA ILAI ITERAL RATE OF RETUR DA YIELD

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI 4. ALIDITAS DA RELIABILITAS DALAM MEMBUAT EALUASI Tujuan : Seelah mempelajari modul ini mahasiswa mampu membua ala evaluasi bau unu program pembelajaran Evaluasi pembelajaran adalah ahap ahir dalam prosedur

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang JURNAL MATEMATIKA DAN KOMPUTER ol. 4. No., - 22, Aprl 2, ISSN : 4-858 SUBRUANG MARKED Suryoto Jurusan Matemata, FMIPA-UNDIP Semarang Abstra Msalan suatu ruang vetor berdmens ngga atas lapangan omples C,

Lebih terperinci

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Yeffransjah Salm STMIK Indonesa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik 6 BAB LANDASAN TEORI. Model Persedaan.. Model Deermnsk Model Deermnsk adalah model yang menganggap nla-nla parameer elah dkeahu dengan pas. Model n dbedakan menjad dua: a. Deermnsk Sas. D dalam model n

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci

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

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

Lebih terperinci

Tentukan invers transformasi dari hasil kali kedua fungsi dalam kawasan frekuensi berikut :

Tentukan invers transformasi dari hasil kali kedua fungsi dalam kawasan frekuensi berikut : Tenuan nver ranforma ar hal al eua fung alam awaan freuen beru : Pen: F () an F () Inver ranforma Laplace mang-mang fung erebu enu aja aalah f () u() an f () e - u() engan menggunaan negral onvolu ang

Lebih terperinci

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang Fska Modern Persaaan Schroodnger dan Fngs Gelobang Apa Persaaan unuk Gelobang Maer? De Brogle eberkan posula bahwa seap parkel elk hubungan: h/ p Golobang aer ala n dkonfras oleh percobaan dfraks elekron,

Lebih terperinci

4. Hukum Dan Kaidah Rangkaian

4. Hukum Dan Kaidah Rangkaian Inroducon o rcu naly Tme Doman www.drhamblora.com. Huum Dan Kadah angaan.. Huum-Huum angaan Peerjaan anal erhadap uau rangaan lner yang parameernya deahu mencaup pemlhan en anal dan penenuan bearan eluaran

Lebih terperinci

PENGARUH PENGGUNAAN METODE POWER DAN TRUNCATED POWER PADA PCA-PART UNTUK INISIALISASI K-MEANS ABSTRACT

PENGARUH PENGGUNAAN METODE POWER DAN TRUNCATED POWER PADA PCA-PART UNTUK INISIALISASI K-MEANS ABSTRACT Semnar Nasonal Sans & Tenolog V Lembaga Penelan Unversas Lampung PENGARUH PENGGUNAAN METODE POWER DAN TRUNCATED POWER PADA PCA-PART UNTUK INISIALISASI K-MEANS Ere Sadewo 1, Muhammad Mashur 2, dan Al Rdho

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

PERAMALAN DENGAN MODEL ARCH SKRIPSI

PERAMALAN DENGAN MODEL ARCH SKRIPSI PERAMALAN DENGAN MODEL ARCH SKRIPSI Dajuan unu Memenuh Salah Sau Syara Memeroleh Gelar Sarjana Sans (S.S) Program Sud Maemaa Oleh: SUHARTINI NIM : 48 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Defns Parwsaa dan Wsaawan Parwsaa adalah slah yang dberan apabla seseorang wsaawan melauan perjalanan u sendr, aau dengan aa lan avas dan ejadan yang erjad ea seseorang pengunjung melauan

Lebih terperinci

Bab 3 Beberapa Skema Pembagian Rahasia

Bab 3 Beberapa Skema Pembagian Rahasia 9 Ba 3 Beeraa Skema Pemagan Rahasa Skema emagan rahasa adalah meode unuk memag rahasa K d anara anggoaanggoa suau hmunan arsan P {P,P, P n } sedemkan sehngga ka arsan ada suhmunan A P yang derolehkan mengeahu

Lebih terperinci

Analisis Faktorisasi Matriks Tak Negatif

Analisis Faktorisasi Matriks Tak Negatif Jurnal Maemaa, Saisa, & Kompuasi Vol. 3 No. Januari 07 Jurnal Maemaa, Saisa & Kompuasi Edisi Khusus Juli 007 Vol. 3, No.,, 4-46, 47-5, Januari January 07 07 47 57 nalisis Fakorisasi Mars ak Negaif bsrak

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

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

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1 ISSN 907-0500 Analss Kepeaan engembangan Sstem Transms Tenaga Lstr Ternternes Menggunaan Successve Frward Methd Stud Kasus: Sstem Transms 500 V Jawa-Bal engembangantahun 007 06 Nurhalm Jurusan Ten Eletr

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

V E K T O R Kompetensi Dasar :

V E K T O R Kompetensi Dasar : MODUL PEMELJRN I V E K T O R Kompetens Dasar : 1. Mahasswa mampu memaham perbedaan besaran vetor dan salar serta memberan contohcontohna dalam ehdupan sehar-har, 2. Mahasswa mampu melauan operas penumlahan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci