ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Pada Saham Jakarta Islamic Index (JII) Periode )

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Pada Saham Jakarta Islamic Index (JII) Periode )"

Transkripsi

1 ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Stud Pada Saham Jakarta Islamc Idex (JII) Perode ) M. Bagus Wsambud Negah Sudjaa Topowjoo Fakultas Ilmu Admstras Uverstas Brawjaya Malag E-mal: Abstrak Tujua peelta adalah utuk megetahu saham-saham portofolo optmal yag terbetuk melalu Model Ideks Tuggal. Metode peelta megguaka peelta dskrptf dega pedekata kuattatf. Tempat peeltaya d Bursa Efek Idoesa (BEI), da secara berturut-turut masuk dalam Jakarta Islamc Idex (JII) perode Data pada peelta adalah data sekuder. Peelta dperoleh populas sebayak 46 saham da sampelya dambl sebayak 16 saham. Hasl aalss meujukka bahwa saham yag meujukka saham yag optmal haya 4 dega propors daaya adalah UNVR (33,30%), KLBF (55,77%), ASRI (6,1%) da CPIN (4,8%). Berdasarka perhtuga saham optmal yag terbetuk, maka ddapat expected retur portofolo sebesar 0,068 da rsko portofolo sebesar 0,004 Kata kuc: Model Ideks Tuggal, Portofolo optmal, Rsko portofolo da Expected retur portofolo Abstract The purpose of ths study was to determe the optmal portfolo of stocks that s formed through the Sgle Idex Model. Ths research method uses a descrptve study wth a quattatve approach. Place of research o the Idoesa Stock Exchage (BEI), ad successvely to the Jakarta Islamc Idex (JII) The data ths study s a secodary data. Ths study obtaed a populato of 46 shares ad 16 shares as the sample s take. The aalyss showed that the stock whch shows the optmal stock proporto of fuds wth oly 4 s UNVR (33.30%), KLBF (55.77%), ASRI (6.1%) ad CPIN (4.8%). Based o the calculato of the optmal stock form, the mportace of the expected portfolo retur of ad for portfolo rsk Keywords: Sgle Idex Model, the optmal portfolo, portfolo rsk ad Expected retur portfolo 1. PENDAHULUAN Pasar modal merupaka sebuah wadah alteratf plha vestas yag dapat meghaslka tgkat keutuga optmal bag vestor, da merupaka suatu hubuga yag mejebata atara pemlk daa (vestor) da peggua daa (emte). Ivestas pada saham daggap mempuya tgkat rsko yag lebh besar dbadgka dega alteratf la sepert oblgas, deposto, da tabuga. Ivestas merupaka Peudaa kosums sekarag utuk dmasukka ke aktva produktf selama perode waktu yag tertetu (Hartoo, 013:5). Hal dapat dartka bahwa pemlk daa (vestor) megharapka tgkat pegembala (retur) tertetu dega tgkat rsko tertetu dar vestas yag aka dlakukaya. Agar vestor tdak rug dalam vestasya, maka vestor harus melakuka dversvkas yatu dega megvestaskamodalya dalam betuk portofolo. Dalam pembetuka portofolo, Ivestor dhadapka lagsug dega bayak kombas saham dalam pembetuka portofolo, sehgga Jural Admstras Bss (JAB) Vol. 1 No. 1 Jul 014 admstrasbss.studetjoural.ub.ac.d 1

2 vestor dharuska megambl keputusa tetag pembetuka portofolo maa yag harus dplh. Portofolo ada dua macam yatu, portofolo efse da portofolo optmal. Jka vestor memlk lebh dar satu portofolo efse, maka portofolo optmal yag aka dplh. Model Ideks Tuggal mejelaska cara pembetuka portofolo optmal dar beberapa portofolo yag efse, sedagka pembetukaya dapat dlakuka dega meyeleks dar seka bayak jumlah saham dpergkat berdasarka ecess retur to beta (ERB) da cut-off pot (C*) sebaga pemsah portofolo optmal. Peelta megguaka Jakarta Islamc Idex (JII) karea perusahaa yag sudah masuk JII merupaka perusahaa yag sudah go-publc da memeuh krtera syarah. Dar seka bayak saham syarah yag lstg d Bursa Efek Idoesa (BEI) maka saham-saham yag masuk dalam Jakarta Islamc Idex (JII) merupaka saham-saham yag lqud, dalam arta mudah dperjual-belka, sehgga portofolo optmal yag dhaslka dapat meujukka hasl yag optmal atara rsko da hasl yag dharapka (retur). Berdasarka uraa dar latar belakag yag telah dpaparka, maka peelt tertark utuk megambl judul Aalss Pembetuka Portofolo Optmal dega Megguaka Ideks Tuggal (Stud pada Saham Jakarta Islamc Idex (JII) Perode ).. KAJIAN PUSTAKA A. Pasar Modal Pasar modal merupaka pertemua atara phak yag memlk kelebha daa dega phak yag membutuhka daa dega cara meperjualbelka sekurtas, sedag tempat d maa terjadya jual bel sekurtas dsebut dega bursa efek (Tadell, 010:6). Dalam peerapaya, pasar modal merupaka saraa perusahaa utuk megkatka kebutuhakebutuha jagka pajag dega mejual saham atau megeluarka oblgas. Secara umum, pasar modal mempuya fugs peraa dalam suatu perokooma suatu egara sebaga berkut (Suaryah, 006:9): a. Fugs Tabuga b. Fugs Kekayaa c. Fugs Lkudtas d. Fugs Pjama B. Ivestas Istlah bervestas berkata dega keutuga dega berbaga macam aktvtas. Meurut Suarah (003:4) Ivestas adalah peaama modal utuk satu atau lebh aktva yag dmlkda basaya berjagka waktu lama dega harapa medapatka keutuga d masa-masa yag aka datag. Sedagka tujua vestas adalah utuk medapatka kehdupa yag layak d masa yag aka datag, utuk megurag tekaa flas, medorog utuk meghemat pajak (Ahmad, 004:4). C. Saham Saham merupaka sebaga tada bukt kepemlka atau peyertaa pemegagya atas perusahaa yag megeluarka saham tersebut (Hartoo, 013:30). Jes-jes saham ada 3, yatu saham prefere, saham basa, saham treasur. D. Tgkat Keutuga yag Dharapka Retur dapat berupa retur realsas yag sudah terjad atau retur ekspektas yag belum terjad, tetap yag dharapka aka terjad d masa medatag. Retur realsas petg karea dguaka sebaga salah satu pegukur kerja dar perusahaa. Tgkat pegembala pasar merupaka tgkat pegembala yag ddasarka pada perkembaga deks harga saham. Tgkat pegembala dapat djadka sebaga dasar performace vestas portofolo. E. Rsko Ivestas pada Saham Rsko dapat ddefska sebaga kemugka la atau vestas aka berbeda dega yag dharapka atau kemugka terjad perstwa yag tdak dharapka (Husa, 005:5). Beta (β) sebaga pegukur rsko sstematk dar suau sekurtas atau portofolo relatve terhadap rsko pasar. F. Teor Portofolo Portofolo data dartka sebaga kombas atau gabuga atau sekumpula aset, bak berupa aset rl maupu aset fasal yag dmlk oleh vestor. Tujua pembetuka portofolo adalah utuk mecar kombas optmum dar berbaga sekurtas utuk memperoleh tgkat keutuga yag maksmum. Rsko portofolo dapat dpsahka mejad dua jes, yatu (Tadell, 010:104). a. Rsko Sstemats Berkata dega perubaha yag terjad d pasar secara keseluruha. b. Rsko tdak sstemats Rsko yag berkata dega perubaha kods pasar mkro perusahaa peerbt Jural Admstras Bss (JAB) Vol. 1 No. 1 Jul 014 admstrasbss.studetjoural.ub.ac.d

3 sekurtas. Rsko perusahaa dapat dmmalka dega melakuka dversfkas ase dalam suatu portofolo. G. Model Ideks Tuggal Model deks tuggal ddasarka pada pegamata bahwa harga dar suatu sekurtas berfluktuas searah dega deks pasar. Secara kusus dapat damat bahwa kebayaka saham cederug megalam keaka harga jka deks harga saham ak. Portofolo yag efse memberka tgkat retur tertgg pada tgkat rsko tertetu, portofolo efse dcapa dega megkombaska beberapa sekurtas dega propors yag tepat da memaksmalka expected retur da memmalka rsko. Sedagka portofolo optmal aka bers dega aktvaaktva yag memula rsko ERB yag tgg. Aktva dega ERB yag redah tdak aka dmasukka ke dalam portofolo optmal dega pembatas C* (cut-off pot) sebaga peetu portofolo optmal. H. Jakarta Islamc Idex (JII) Jakarta Islamc Idex(JII) merupaka salah satu deks saham yag d Idoesa yag meghtug harga rata-rata utuk jes saham yag memeuh krtera syarah yag tercatum dalam Dewa Pegawas Syarah da peratura Bapepam da LK o IXA.A METODE PENELITIAN A. Jes Peelta Metode peelta yag dlakuka dalam peelta adalah peelta deskrptf dega pedekata kuattatf. Peelta tdak dmasudka utuk meguj hpotess tertetu tetap haya meggambarka apa adaya tetag suatu varabel, gejala, atau keadaa. B. Lokas Peelta Peelta dlakuka d Bursa Efek Idoesa (BEI) atau Idoesa Stock Exchage Corer (IDX). C. Varabel Peelta 1. Retur realsas (R ). Expected retur E(R ) 3. Retur pasar (R M ) 4. Beta (β) 5. Retur Bebas Rsko (R BR ) 6. Rsko total (σ ) 7. Propors daa (W ) 8. Beta portofolo (β p ) 9. Expected retur portofolo E(R p ) 10. Vara retur sekurtas (σ p ) D. Tekk Pegumpula Data Tekk pegumpula bertujua utuk melhat data-data yag sudah terseda atau dalam betuk data hstors yag sudah ddokumetaska. Stud dokumetas merupaka tekk pegumpula data yag tdak lagsug dtujuka kepada subjek peelta (Soegartoo, 008:70). Data yag dguaka merupaka data sekuder yag telah dsedaka oleh Bursa Efek Idoesa melput catata-catata, laporalapora, maupu formulr-formulr yag releva dega peelta, dega mempelajar, megklasfkaska, da megguakaya. E. Populas da Sampel Populas adalah wlayah geeralsas yag terdratas: obyek/subyek yag mempuya kualtas da karakterstk tertetu yag dtetapka oleh peelta utuk dpelajar da kemuda dtark kesmpulaya (Sugyoo, 011:80). Populas peelta adalah perusahaa yag tercatat dalam Jakarta Islamc Idex (JII) selama perode Sehgga dperoleh jumlah populas sebayak 46 saham. Sedagka ampel ddefska sebaga baga atau subset dar populas yag terdr dar aggota-aggota populas yag terplh (Zulgaef, 008:134). Dalam peelta beberapa hal yag mejad pertmbaga dalam meetuka sampel adalah Saham perusahaa tercatat d Bursa Efek Idoesa (BEI) da saham perusahaa tersebut tercatat sejak selama berturut-turut, da merupaka saham yag selalu aktf dalam Jakarta Islamc Idex. Sehgga dperoleh sampel sebayak 16 perusahaa. F. Tekk Aalss Data Tekk aalss data merupaka suatu usaha utuk dapat meemuka jawaba dalam suatu peelta atau dega maksud utuk memecahka masalah peelta. Tujua aals data adalah meyederhaaka data kedalam betuk-betuk yag mudah dbaca da dterpretaska. Berkut tahapa-tahapa dalam aalss peelta adalah: 1. Meghtug total retur realsas masgmasg saham Retur saham (R ) = (P t -P t- ) t P t- Sumber (Jogyato, 013:06) Jural Admstras Bss (JAB) Vol. 1 No. 1 Jul 014 admstrasbss.studetjoural.ub.ac.d 3

4 . Meghtug expected retur masg-masg saham (R ) R Sumber (Husa, 003:47) 3. Meghtug retur pasar (R ) da retur ekspektas pasar (E(R )) dega dasar JII R t t (R ) R Sumber (Jogyato, 013:340) 4. Meghtug Beta da Alpha masg-masg saham β = σ σ Sumber (Jogyato, 013:383) (R ) (β. (R )) Sumber (Husa, 003:104) 5. Meghtug rsko vestas a. Meghtug rsko uk atau rsko tdak stemtas ( ) σ (e ) e b. Meghtug rsko total saham σ β. σ σ e Sumber (Jogyato, 013:345) 6. Meetuka tgkat pegembala beba rsko( ) 7. Meghtug excess retur to beta (ERB) RB t (R ) R BR β Sumber (Jogyato, 013:36) 8. Meghtug la da [ (R ) R BR ]. β σ e B β σ e Sumber (Jogyato, 013:363) 9. Meghtug Cut-Off Pot ( ) (Jogyato, 013:364) σ σ 10. Meghtug besarya propors daa masgmasg sekurtas dalam portofolo optmal Dega la sebesar: k β ( ) Sumber (Jogyato, 013:366) 11. Meghtug Beta da Alpha portofolo β w p w. β. Sumber (Jogyato, 013:356) 1. Meetuka expected retur portofolo (R p ) p β p. (R ) Sumber (Jogyato, 013:357) 13. Meetuka rsko portofolo σ p β p. σ Sumber (Jogyato, 013:357) 4. HASIL DAN PEMBAHASAN A. Aalass da Itrepretas Data 1. Perhtuga retur saham dvdu (R) da Rata-rata Tgkat Pegembala Saham Peelta, data yag dguaka adalah harga saham bulaa, yatu harga peutupa (close prce) pada akhr bula. Sela tu, perhtuga retur realsas juga megguaka usur devde. Ragkuma hasl perhtuga total retur realsas perode dsajka pada tabel 1. Tabel 1. Total Retur Realsas Masg-Masg Saham (R ) da Rata-Rata Tgkat Pegembala Saham Idvdu E(R) No Kode Emte R E(R) 1 AALI 0,07 0,0061 ANTM -0,4185-0, ASII 0, ASRI 1,7714 0,049 5 CPIN 0,9745 0,071 6 INCO -0,1699-0, INTP 0,4135 0, ITMG 0, KLBF 0, LPKR 0,5878 0, LSIP 0,1670 0, PTBA -0,5179-0, SMGR 0,6171-0, TLKM -0,578 0, UNTR -0,0037-0, UNVR 0,6318 0,0175 Sumber: Data dolah Jural Admstras Bss (JAB) Vol. 1 No. 1 Jul 014 admstrasbss.studetjoural.ub.ac.d 4

5 . Perhtuga Retur Pasar (R M ) da Retur Ekspektas Pasar E(R M ) Tgkat pegembala pasar atau retur pasar (R M ) pada peelta megguaka JII, yag dperoleh dar setap akhr bula (close prze) dega total retur pasar sebesar 0,1316. Begtu juga dega perhtuga retur ekspektas pasar megguaka artmatc mea, yatu total retur pasar selama perode dbag dega jumlah perode peelta (36 bula) dega total 0,0037. Tabel. Rsko Masg-masg Saham No Kode Emte σ 1 AALI 0,0095 ASII 0, ASRI 0, CPIN 0, INTP 0,008 6 ITMG 0,083 7 KLBF 0, LPKR 0,016 9 LSIP 0, SMGR 0, UNVR 0,0057 Sumber: Data dolah 3. Perhtuga Rsko Ivestas pada Masg- Masg Saham (σ e ) Rsko total merupaka pejumlaha atara rsko tdak sstemats (σ e ) da rsko sstemtas (β. σ M ) dmaa vara retur pasar (σ M ) sebesar 0,001. Berkut perhtuga dar rsko masgmasg saham: Tabel 3. Perhtuga Nla ERB da (Cut-Off Pot) C* No Kode Emte ERB C 1 UNVR 0,0610 0,0011 KLBF 0,018 0, ASRI 0,0177 0, CPIN 0,011 *0, INTP 0,0091 0, LPKR 0,0091 0,010 7 ITMG 0,0089 0,010 8 SMGR 0,0077 0,009 9 ASII 0,0058 0, AALI 0,009 0,0084 Sumber: Data dolah Berdasarka tabel 3, C* sebesar 0,0104, la tersebut berada pada uruta ke empat, yatu pada saham CPIN. Terdapat saham memeuh krtera cut-off pot (C*) dmaa la ERB terakhr kal mash lebh besar dar la C da mempuya la ERB lebh besar atau sama dega la ERB d ttk C* adalah (UNVR), (KLBF), (ASRI), da (CPIN). 4. Pemlha Excess Retur to Beta (ERB) da (Cut-Off Pot) C* ERB merupaka selsh retur ekspektas dega retur aktva bebas rsko, dmaa R BR sebesar 0,0047 atau 0,47%. Nla ERB merupaka agka yag djadka dasar utuk meetuka apakah suatu saham dapat dmasukka dalam portofolo optmal. Portofolo optmal terdr dar saham-saham yag memlk la ERB tgg. Dega demka dbutuhka sebuah ttk mpas (cut-off pot) C* dmaa la ERB terakhr kal mash lebh besar dar la C. 5. Perhtuga Besarya Propors Daa Masg-Masg Sekurtas dalam Portofolo Optmal (W ) Besarya propors daa masg-masg pada saham optmal dpegaruh oleh ERB da cut-off pot, la rsko tdak sstemats da rsko sstemats. Semak besar la ERB semak besar pula propors daaya. Secara berturut-turut propors daaya adalah (UNVR) 33,30%, (KLBF) 55,77%, (ASRI) 6,1%, (CPIN) 4,8%. 6. Perhtuga Expected Retur Portofolo E(R p ) Expected Retur Portofolo bertujua utuk megetahu tgkat pegembala yag aka dperoleh dar portofolo terbetuk. Terdr dar tga kompoe perhtuga, yatu beta portofolo 0,8107, alpha portofolo 0,038, da retur ekspektas pasar sebesar 0,0037. Agka-agka tersebut dmasukka dalam perhtuga expected retur portofolo dega rumus: (R p ) p β p. (R ) Dar rumus d atas, besarya expedted retur portofolo dapat dhtug sebaga berkut: E(R p ) = 0,038 + (0,8107 x 0,0037) = 0,068 Berdasarka hasl perhtuga Expected retur portofolo, portofolo yag terdr dar lma saham mampu memberka expected retur sebesar 0,068 atau,68%. Hasl perhtuga meujukka tgkat pegembala yag terdapat dalam rage expected retur masg-masg saham yag membetuk portofolo optmal. Jural Admstras Bss (JAB) Vol. 1 No. 1 Jul 014 admstrasbss.studetjoural.ub.ac.d 5

6 7. Perhtuga Rsko Portofolo Rsko portofolo atau vara portofolo buka merupaka rata-rata dar rsko masg-masg saham pembetuk portofolo optmal. Rsko portofolo dhtug megguaka rumus: σ p β p. σ Berdasarka rumus datas maka dperoleh hasl perhtuga sebaga berkut. σ p = (0,8107) x (0,0037) = 0,004 Berdasarka perhtuga d atas, portofolo yag terdr dar empat saham megadug rsko sebesar 0,004 atau 0,04%. Hal meujukka tgkat rsko mmum yag dberka portofolo apabla dbadgka dega rsko total yag dmlk masg-masg saham dalam portofolo optmal. 5. PENUTUP A. Kesmpula Berdasarka hasl da pembahasa peelta memberka kesmpula sebaga berkut: 1. Hasl peelta meujukka bahwa terdapat empat saham yag pemebetuk portofolo optmal, yatu: a. PT. Ulever Idoesa,Tbk (UNVR) b. PT. Kalbe Farma, Tbk (KLBF) c. PT. Alam Sutera Realty,Tbk (ASRI) d. PT. Chareo Pokpad Iodoesa (CPIN). Apabla vestor g memperoleh tgkat pegembala tertetu dega rsko palg redah, maka vestor dapat meempatka daaya pada saham-saham pembetuk portofolo optmal, yatu UNVR, KLBF, ASRI, da CPIN dega propors daa masg-masg saham berturut-turut adaah sebesar 0,3330 atau 33,30%, 0,5577 atau 55,77%, 0,061 atau 6,1%, da 0,048 atau 4,8%. 3. Portofolo yag dbetuk memeberka expected retur portofolo sebesar 0,068atau,68%. Perhtuga beta portofolo meujukka agka yag lebh kecl jka dbadgka dega beta dvdu, meskpu ada sedkt yag lebh redah darpada beta portofolo. sesua dega propors daa yag dtetuka dega megguaka Model Ideks Tuggal utuk medapatka retur ekspektas tgg dega tggat rsko yag palg redah.. Bag vestor yag aka megvestaska daaya dalam betuk saham, sebakya tdak megvestaskaya haya pada satu saham saja. Hal dkareaka rsko yag aka dtaggug adalah relatf lebh besar da bla terjad keruga, vestor tdak aka medapatka keutuga apapu. Sebakya, vestor meempatka daaya pada beberapa saham, karea rsko yag dtaggug aka terdversfkas. Apabla terjad keruga pada satu saham, vestor mash medapatka keutuga dar saham la sehgga meutup keruga tersebut. DAFTAR PUSTAKA Ahmad, Kamarud Dasar-dasar Maajeme Ivestas da Portofolo. Cetaka Kedua. Jakarta: PT. Reka Cpta. Hartoo, Jogyato Teor Portofolo da Aalss Ivestas. Eds ketujuh. Yogyakarta: BPFE-Yogyakarta. Husa, Suad Dasar-dasar Teor Portofolo da Aalss Sekurtas. Eds Keempat. Yogyakarta: UPP-AMP YKPN. Sugyoo, 010. Metode Peelta Kuattatf da R&D. Badug: Alfabeta. Suaryah Pegatar Pegetahua Pasar Modal. Eds Kelma. Yogyakarta: UPP STIM YKPIN Yogyakarta. Tadell, Eduardus Aalss Ivestas da Maajeme Portofolo. Yogyakarta: BPFE-Yogyakarta. Zulgaef, Zubr Maajeme Portofolo, Peerapa dalam Ivestas Saham. Jakarta: Salemba Empat. A. Sara 1. Sebakya vestor meaamka sahamya pada saham UNVR, KLBF, ASRI, da CPIN Jural Admstras Bss (JAB) Vol. 1 No. 1 Jul 014 admstrasbss.studetjoural.ub.ac.d 6

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka

Lebih terperinci

Denny et al., Analisis Investasi Melalui Penetapan Portofolio Saham Optimal... 1

Denny et al., Analisis Investasi Melalui Penetapan Portofolio Saham Optimal... 1 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 1 Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal Pada Saham LQ-45 Bursa Efek Idoesa (The Aalyss of Ivesmet by Determato Optmal Portofolo

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

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

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

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

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 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 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

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

SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Studi Kasus pada Kelompok Saham LQ-45 di BEI Tahun )

SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Studi Kasus pada Kelompok Saham LQ-45 di BEI Tahun ) 1 Jural Ilmu Maajeme & Bss - Vol. 04, No. 01. Maret 013 SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Stud Kasus pada Kelompok Saham LQ-45 d BEI Tahu 009-011) Sgt Trharjoo

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

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 3 (014), hal 15. PENGGUNAAN VALUE AT ISK DALAM ANALISIS ISIKO PADA POTOFOLIO SINGLE INDEX MODEL (Stud Kasus Data Saham LQ 45) Ed Saputra, Neva

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB 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

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

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

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis.

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis. III. METODE PENELITIAN 1.1. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag bersifat historis. Sumber data sekuder adalah sumber data peelitia yag diperoleh peeliti secara

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

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

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

ANALISIS PERBANDINGAN MEAN VARIANCE

ANALISIS PERBANDINGAN MEAN VARIANCE Perbadga MV da MAD (Susy Arska Putr) 1 ANALISIS PERBANDINGAN MEAN VARIANCE (MV) DAN MEAN ABSOLUTE DEVIATION (MAD) DALAM PEMBENTUKAN PORTOFOLIO COMPARATIVE ANALYSIS MEAN VARIANCE (MV) AND MEAN ABSOLUTE

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

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

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

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya 017 3 Septeber 017, Saarda, Idoesa ISBN: 978-60-5031-0-3 Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek

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 II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Agustin Tri Setyoningsih Suhadak Topowijono Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Agustin Tri Setyoningsih Suhadak Topowijono Fakultas Ilmu Administrasi Universitas Brawijaya Malang ANALISIS PORTOFOLIO OPTIAL DENGAN SINGLE INDEX ODEL UNTUK EINIUKAN RISIKO BAGI INVESTOR DI BURSA EFEK INDONESIA (STUDI PADA SAHA INDEKS KOPAS 100 PERIODE FEBRUARI 010-JULI 014) Agust Tr Setyogsh Suhadak

Lebih terperinci

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

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

Lebih terperinci

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

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

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

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

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

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

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 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

BAB 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 INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

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

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

PEMANFAATAN LAYANAN REFERENSI DI UPT PERPUSTAKAAN UNIVERSITAS UDAYANA

PEMANFAATAN LAYANAN REFERENSI DI UPT PERPUSTAKAAN UNIVERSITAS UDAYANA PEMAFAATA LAYAA REFERESI DI UPT PERPUSTAKAA UIVERSITAS UDAYAA I KADEK OKA SULAKSAA FAKULTAS ILMU SOSIAL DA ILMU POLITIK UIVERSITAS UDAYAA DEPASAR EMAIL : kasulaksaa22@gmal.cm ABSTRACT The research s a

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

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

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

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

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Berdasarkan permasalahan yang akan diteliti oleh penulis, maka metode

BAB III METODOLOGI PENELITIAN. Berdasarkan permasalahan yang akan diteliti oleh penulis, maka metode 4 BAB III METODOLOGI PENELITIAN A. Metode da Desa Peelta Berdasarka permasalaha yag aka dtelt oleh peuls, maka metode peelta yag dguaka yatu metode deskrptf komparatf (descrptvecomparatve). Sebagamaa yag

Lebih terperinci

Penurunan Persamaan Perpetuitas dan Anuitas

Penurunan Persamaan Perpetuitas dan Anuitas SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY 2016 Peurua Persamaa Perpetutas da utas T - 6 Bud Fresdy Fakultas Ekoom da Bss Uverstas Idosa bstrak Mahasswa bss da akutas, debtor bak, da vestor memerluka

Lebih terperinci

Menghitung Kinerja Investasi

Menghitung Kinerja Investasi Meghtug Kerja Ivestas Dalam perjalaa vestas, la suatu asset bsa berubah dar waktu ke waktu akbat perubaha kods pasar. Sela tu, sebaga baga dar proses vestas, vestor perlu mematau da megevaluas kerja vestas

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

ANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK

ANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK ANALISIS PRBANDINGAN ARUS KAS PT DUTA PRTIWI TBK DAN PT KAWASAN INDUSTRI JABABKA TBK (Rsk ad Cash Flow Aalyss) Oleh/By: Sutart da Sr Bawoo Dose Akadem Maajeme Kesatua da STI Kesatua ABSTRAK Perusahaa megguaka

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

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 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

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

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

BAB 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

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap BAB III METODOLOGI PENELITIAN 3. Lokas Da Waktu Peelta Peelta dlaksaaka d SMP Neger Paleleh pada semester geap tahu ajara 0/0. Peelta berlagsug selama 4 bula (Aprl, Me, Ju, Jul) mula dar persapa hgga pelaksaaa

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

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

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18 ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua

Lebih terperinci

ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN

ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN Uas 970 ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN 014 016 I Waya Suarjaa Progra Stud Maajee, FakultasEkoo UverstasMahasaraswat wysuarjaa11@gal.co ABSTRAK Bayakya julah perusahaa yag ada d BEI, ebua

Lebih terperinci

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

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

Lebih terperinci

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

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1 8 III. MEODOLOGI PEELIIA A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela X SMA eger Bagurejo Lampug egah tahu pelajara 009/00 ebayak 75 orag yag terdtrbu dalam lma kela dmaa tgkat kemampua

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

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

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci