PEMILIHAN PORTOFOLIO MENGGUNAKAN BETA TERBAIK ELI GUSDIANTI

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMILIHAN PORTOFOLIO MENGGUNAKAN BETA TERBAIK ELI GUSDIANTI"

Transkripsi

1 PEMILIHAN PORTOFOLIO MENGGUNAKAN ETA TERAIK ELI GUSDIANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN OGOR OGOR 9

2 PEMILIHAN PORTOFOLIO MENGGUNAKAN ETA TERAIK ELI GUSDIANTI G54147 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN OGOR OGOR 9

3 ASTRACT ELI GUSDIANTI. Portfolo Selecto usg est eta. Suervsed by DONNY CITRA LESMANA ad RETNO UDIARTI. A vestor, who wll ake decso o vestg hs catal, usually cosders a odel. Ths odel s called Catal Assets Prcg Model (CAPM. Ths odel exlas how a vestor ca calculate hs exected returs. The CAPM gves redcto about relatosh betwee rsk ad exected returs. The CAPM has beta araeter whch refers to a easure of rsk. y cororatg a target varable to the vestor refereces, a best-beta CAPM (CAPM ca be derved. CAPM atas the CAPM s theoretcal roertes ad aalytcal slcty, yet uabguously roves ts rcg accuracy. y calbratg the US hstorcal data to the odel, t s foud that the CAPM tycally roves the rcg accuracy of the CAPM by % to 3% aualy. oth the CAPM ad the CAPM redct a lear relato betwee assets rsk reus ad beta. The a of ths study s to derve a sle varato of the CAPM, whch called CAPM. I both odels there are ossbly rcg errors. Alha s defed as rcg errors betwee the true exected returs ad redcted exected returs. Ths odel gves a relatosh betwee alha o CAPM ad alha o CAPM. If there are rcg errors, ths odel shows that alha o CAPM s saller tha alha o CAPM for all assets.

4 ASTRAK ELI GUSDIANTI. Pelha Portofolo Megguaka eta Terbak. Dbbg oleh DONNY CITRA LESMANA da RETNO UDIARTI. Seta vestor yag aka egabl keutusa dala egvestaska odalya basaya berdasarka ada suatu odel yag dsebut Catal Asset Prcg Model karea odel tersebut ejelaska keada erusahaa bagaaa cara eghtug tgkat bal hasl yag dharaka oleh vestor. Catal Asset Prcg Model (CAPM eberka redks hubuga atara rsko da bal hasl yag dharaka. Dala odel CAPM terdaat suatu araeter beta yag eujukka suatu ukura rsko. Dega easukka varabel target ke dala lha vestor, deroleh suatu best-beta CAPM (CAPM yag ebahas erbadga teor CAPM da aalss sederhaa dala egkatka akuras eetaa harga. Dega eyesuaa data hstor Aerka Serkat ke dala odel tersebut dteuka bahwa CAPM egkatka akuras eetaa harga dar CAPM sebesar % saa 3% er tahu. Persaaa atara CAPM da CAPM saa-saa eredkska hubuga lear atara re aset bersko dega beta. Tulsa bertujua utuk eeroleh suatu varas sederhaa dar CAPM dega akuras eetaa harga yag lebh bak, yag dsebut CAPM. Pada odel ugk aka terdaat kesalaha dala eetaa harga. Alfa ddefska sebaga kesalaha eetaa harga atara haraa bal hasl yag sebearya dega haraa bal hasl yag dredkska. Model eberka hubuga atara alfa ada CAPM da alfa ada CAPM. Jka terjad kesalaha eetaa harga, odel eujukka bahwa alfa CAPM lebh kecl darada alfa CAPM utuk seua aset.

5 PEMILIHAN PORTOFOLIO MENGGUNAKAN ETA TERAIK Skrs Sebaga salah satu syarat utuk eeroleh gelar Sarjaa Sas ada Fakultas Mateatka da Ilu Pegetahua Ala Isttut Pertaa ogor Oleh : ELI GUSDIANTI G54147 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN OGOR OGOR 9

6 Judul : Pelha Portofolo Megguaka eta Terbak Naa : El Gusdat NIM : G54147 Meyetuju: Pebbg I, Pebbg II, Doy Ctra Lesaa, M.F.Math. NIP Ir. Reto udart, MS. NIP Megetahu: Deka Fakultas Mateatka da Ilu Pegetahua Ala Isttut Pertaa ogor Dr. Drh. Has, DEA NIP Taggal Lulus :

7 RIWAYAT HIDUP Peuls dlahrka d Cas ada taggal 6 Agustus 1986 dar asaga Maa da Eros Rosat. Peuls eruaka aak ertaa dar tga bersaudara. Tahu 1998 euls eyelesaka eddka dasar d SD Neger Galuh XXIX Cas da ada tahu yag saa, euls elajutka eddka tgkat ertaa d SMP Neger 9 Cas. Pada tahu 1 euls elajutka eddka tgkat eegah d SMA Cas. Pada tahu 4 euls dtera sebaga ahassw Deartee Mateatka, Fakultas Mateatka da Ilu Pegetahua Ala, Isttut Pertaa ogor elalu jalur USMI (Udaga Seleks Masuk Isttut Pertaa ogor. Selaa egkut kegata erkulaha, euls aktf d kegata ahasswa yatu sebaga staf Deartee Pegebaga Suber Daya Mahasswa (PSDM GUMATIKA (Gugus Mahasswa Mateatka ada erode 5/6, staf Deartee Keutera ROHIS Mateatka 41, juga aktf dala keataa yag dseleggaraka oleh GUMATIKA sebaga ata d berbaga kegata atara la Masa Perkeala Deartee (MPD Mateatka 4, da Mateatka Ra 6.

8 KATA PENGANTAR Alhadulllahrabbl ala, Puj Syukur kehadrat Allah SWT atas rahat da karua-nya sehgga euls bsa eyelesaka karya lah yag berjudul Pelha Portofolo Megguaka eta Terbak. Shalawat serta sala selalu tercurah keada jujuga kta ab besar Muhaad SAW yag terula datara seua akhluk, dutus dega ebawa kebeara da etujuk sebaga rahat bag ses ala. Karya lah dsusu sebaga salah satu syarat utuk eeroleh gelar Sarjaa Sas ada rogra stud ateatka. Peuls eyaaka tera kash keada : 1. aak Doy Ctra Lesaa, S.S.,M.F.Math. selaku Pebbg I yag telah eluagka waktu utuk eberka bbga, egaraha, seagat da sara sehgga euls daat eyelesaka karya lah.. Ibu Ir. Reto udart, MS. selaku Pebbg II atas bbga da sara yag telah dberka. 3. Ibu Dr. Dra. erla Setawaty, MS. selaku eguj yag telah eberka sara da asukaya. 4. Keluarga d Cas (Maa, aak, Fera da Ad tera kash atas doa, seagat da kash sayagya. 5. Nova Ardasyah, S.Ko. yag telah eberka doa, kash sayag, erhata da seagatya. 6. Dose-dose atas lu yag telah dberka keada euls, serta staf Deartee Mateatka: u Ade, u Sus, u Mars, Mas oo, Mas Yoo, Mas Dey, da Mas Her, tera kash atas batua selaa d Deartee Mateatka. 7. Tea-tea Mateatka 41: Darwsah, La, Eje, Marya, Mukt (akash atas doa da seagatya, ag Iedrs, Fred (akash udah au jad ebahas, Mahar, Lay, Eeh, Uwe, Zal, Ita, Roro, Iby, Kot, Ika, Dka, Aj, Deedee, Rte, Stul, Kurez, Nut, Da, Edt, Syfa, Yaya, Ey, Ayu, Tryad, Neg Ra, Gaga, Great, Muta, Eche, Roce, Rzule, Ragga, Mazed, Eyo, Oezak, Pey, Ar, Ae, Dey, Nda, Ftr, Febra, Ttes, Mahur, Chuby, Mora, tera kash atas kebersaaaya selaa. 8. Tea-tea kosta Faruz: Teh Rey, Ia, Rzka, Va, Pagkau, Ra, Edah, Naa, Aa, Whey, Jojo, Iho, Wda, Sta, Iel, Ef, yag telah eberka seagat. 9. Seua hak yag kut ebatu da euls tdak daat eyebutka satu ersatu. Peulsa Karya Ilah ash terdaat kekuraga. Oleh karea tu, krtk da sara dar seua hak aka sagat ebatu de keseuraa eulsa. Seoga Karya Ilah daat berafaat bag hak yag ebaca. ogor, Jauar 9 El Gusdat

9 DAFTAR ISI Halaa PENDAHULUAN Latar elakag... 1 Tujua... 1 Metode... 1 Ssteatka Peulsa... 1 LANDASAN TEORI Ruag cotoh, Kejada da Peluag... Peubah Acak da Sebaraya... Nla Haraa, Raga, Stadar devas da Koraga... Fugs Pebagkt Moe, Moe da Moe Pusat... 3 Deret Taylor, Metode Lagrage da Teorea Alo... 4 Fugs Kokaf... 4 Fugs Keuasa Vo Neua da Morgestre... 4 Two Fud Searato... 5 Portofolo Model Markowtz... 5 Model Ideks Tuggal... 5 Catal Asset rcg Model (CAPM... 6 PEMAHASAN Pebetukka harga Aset Modal (CAP... 6 Peurua Catal Asset Prcg Model (CAPM... 7 Peurua est-eta Catal Asset Prcg Model (CAPM... 9 CAPM versus CAPM Pelha Portofolo Cotoh Ers KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 16

10 PENDAHULUAN Latar elakag Para vestor jarag sekal duj karea alurya yag bak. Teta selaa dua dekade terakhr sejulah erusahaa yag egala ertubuha edasarka keutusa ereka ada odel yag berasus bahwa ausa bertdak rasoal secara seura. Jka ereka tdak rasoal, aakah elaku bss aka ebuat keutusa yag salah? Model yag basa dsebut dega odel eetaa harga aset odal atau Catal Assets Prcg Model (CAPM telah edoas keuaga oder. Har seta aajer yag aka ebuat keutusa tetag suatu royek harus edaatka ebeara keutusa tersebut sebaga berdasarka CAPM. Alasaya adalah bahwa odel tersebut ejelaska keada erusahaa bagaaa eghtug tgkat bal hasl yag dgka vestor. Jka eegag saha hedak dutugka, bal hasl suatu royek harus lebh tgg dbadgka tgkat batasya. Model Peetaa Harga Aset Modal eruaka usat dar lu ekoo keuaga oder. Model eberka redks tetag hubuga atara rsko da bal hasl yag dharaka. Hubuga euya fugs etg. Salah satuya eyedaka tolok ukur tgkat bal hasl utuk egevaluas alteratf vestas yag ugk. Sebaga cotoh, jka kta egaalss beberaa sekurtas, kta ugk tertark ada aakah haraa bal hasl yag dredks atas suatu saha adalah lebh tgg atau lebh redah darada bal hasl wajar ya dega rsko tertetu. eta dar suatu sekurtas eruaka ukura rsko yag teat karea beta adalah roorsoal terhada rsko yag dsubagka sekurtas tersebut ke dala ortofolo aset yag bersko yag otal. Mesku suatu vestas eghada berbaga rsko, vestor yag terdversfkas seharusya haya eerhatka rsko yag terkat dega asar. eta buka haya ejelaska bagaaa egukur rsko tersebut, teta juga eugkka aajer utuk lagsug eerjeahkaya ke dala tgkat batas (hurdle rate. Jka laba d asa yag aka datag dar suatu royek tdak lebh tgg dar ada tgkat batas tersebut, aka royek tersebut tdak aka egkatka la uag vestor. Dega easukka varabel target ke dala lha vestor, deroleh suatu bestbeta CAPM (CAPM yag ebahas erbadga teor CAPM da aalss sederhaa dala egkatka akuras eetaa harga. Dega eyesuaa data hstor Aerka Serkat ke dala odel tersebut dteuka bahwa CAPM egkatka akuras eetaa harga dar CAPM sebesar % saa 3% er tahu. Tujua Tulsa bertujua utuk eeroleh suatu varas sederhaa dar CAPM dega akuras eetaa harga yag lebh bak, yag dsebut CAPM. Metode Metode eulsa karya lah adalah stud lteratur da karya lah dabl dar jural yag berjudul The best-beta CAPM oleh Lag Zou ada tahu 6. aha-baha yag eujag eulsa karya lah deroleh dar buku-buku da jural yag terkat dega tulsa. Ssteatka Peulsa Adau ssteatka eulsa terdr atas eat baga. Pada baga ertaa djelaska latar belakag asalah, sasara da etode yag dguaka. aga kedua eyajka ladasa teor berua defs, lea da teorea dar stlah ateats yag dguaka dala ebahasa sebaga alat aalss asalah. aga ketga ebahas egea s dar karya lah, yatu tetag ebetuka harga aset odal (CAP, eurua ruus CAPM, eurua ruus CAPM, erbedaa atara CAPM dega CAPM da tetag elha ortofolo. aga terakhr dar karya lah euat kesula.

11 LANDASAN TEORI Dala baga aka dbahas teor-teor yag berkata dega ebahasa selajutya, yag dberka dala betuk defs-defs, beberaa lea da teoreateorea etg. Ruag Cotoh, Kejada, da Peluag Defs 1 (Percobaa Acak Percobaa acak adalah suatu ercobaa yag daat dulag dala kods yag saa. Nau hasl ada ercobaa berkutya tdak daat dtebak dega teat, teta daat dketahu seua keugka hasl yag ucul. [Hogg da Crag, 1995] Defs (Ruag Cotoh Ruag cotoh adalah hua yag beraggotaka seua hasl yag ugk ucul dar suatu ercobaa acak da basa dotaska dega Ω. [Hogg da Crag, 1995] Defs 3 (Meda-σ Meda-σ adalah suatu hua F yag aggotaya adalah hua baga dar ruag cotoh Ω serta eeuh syarat-syarat berkut: 1. F. Jka A1, A,... F aka A F 1 c c 3. Jka AF aka A F, dega A eyataka kolee dar hua A. [Grett da Strzaker, 199] Defs 4 (Ukura Peluag Suatu ukura eluag P ada (, F adalah suatu fugs P : F [,1] yag eeuh syarat-syarat berkut: 1. P( da P( 1. Jka A1, A,... F adalah huahua yag salg leas, yatu A A utuk seta asaga, j j dega j aka P A P( A. 1 1 Pasaga (, F, P dsebut ruag eluag. [Grett da Strzaker, 199] Peubah Acak da Sebaraya Defs 5 (Peubah Acak Suatu eubah acak adalah suatu fugs X : R dega sfat bahwa utuk seta x R, { ; X ( x } F. [Grett da Strzaker, 199] Defs 6 (Fugs Sebara Fugs sebara dar suatu eubah acak X adalah fugs F : R [,1], yag dberka X oleh FX ( x P ( X x. [Grett da Strzaker, 199] Defs 7 (Peubah Acak Kotu Peubah acak X dkataka kotu jka fugs sebaraya daat deksreska sebaga berkut x F ( x f ( u du X X x R, utuk suatu fugs f : R [, yag daat dtegralka. Selajutya fugs f dsebut fugs keekata eluag bag X. [Grett da Strzaker, 199] Defs 8 (Fugs Keekata Peluag Msalka X adalah eubah acak. Fugs f : R [, sedeka sehgga utuk seta hua A R, P( X A f ( x dx dsebut fugs keekata eluag dar eubah acak X. [Grett da Strzaker, 199] Nla Haraa, Raga, Stadar Devas da Koraga Defs 9 (Nla Haraa Msalka X adalah eubah acak kotu dega fugs keekata eluag f ( x. X Nla haraa dar X adalah E[ X ] xf ( x asalka tegralya ada. A, eberaa sfat dar la haraa 1. Jka k suatu kostata, aka E[ k ] k. X

12 . Jka k suatu kostata da X1, X adalah eubah acak, aka E[ k X k X ] k E[ X ] k E[ X ] Secara uu, jka k, k,..., k adalah 1 kostata da X, X,..., X adalah 1 eubah acak, aka E[ k X k X... k X ] 1 1 k E[ X ] k E[ X ]... k E[ X ]. 1 1 [Grett da Strzaker, 199] Defs 1 (Raga Raga dar eubah acak X adalah la haraa dar kuadrat selsh atara X dega la haraaya. Secara ateats daat dyataka sebaga berkut Var( X E ( X E [ X] E[ X ] ( E[ X ] eberaa sfat dar raga 1. Jka k suatu kostata, aka Var( kx k Var( X.. Jka k suatu kostata da X, X 1 adalah eubah acak, aka Var( k X k X k Var( X k Var( X k k E [ X E ( X ][ X E( X ]. [Ghahraa, ] Defs 11 (Stadar Devas Jka X adalah eubah acak, dsebut X stadar devas dar X yag ddefska sebaga Var( X X E X E X [Ghahraa, ] Defs 1 (Koraga Msalka X da Y dua eubah acak dega E( X da E( Y, aka 1 Cov( X, Y E ( X ( Y 1 E ( XY 1 dsebut koraga eubah acak X da Y. eberaa sfat dar koraga 1. Jka k suatu kostata da X, Y adalah eubah acak, aka Cov( k1 X, ky k 1kCov( X, Y. Jka k suatu kostata da X, Y adalah eubah acak, aka Cov( k X k, k Y k k k Cov( X, Y Jka k suatu kostata da X1, X,..., X adalah eubah acak, aka Cov( X, k X k X... k X 1 1 k Cov( X, X k Cov( X, X k Cov( X, X [Ghahraa, ] Fugs Pebagkt Moe, Moe, Moe Pusat Defs 13 (Fugs Pebagkt Moe Fugs ebagkt oe dar suatu eubah acak X ddefska sebaga tx tx M ( t E e e f ( x X utuk t R sehgga la haraa d atas ada. Turua ertaaya d sektar ol sebaga la haraa dar eubah acak X. ' d tx M ( t M ( t xe f ( x X X dt M ( xe f ( x x f ( x M ' t X x ' X ( E [ X] x Turua keduaya d sektar ol sebaga la haraa dar eubah acak X '' d tx M ( t M ( t x e f ( x X X dt M ( x e f ( x x f ( x M '' t X x ( E[ X ]. '' X x x x x [Hogg da Crag, 1995] Defs 14 (Moe Jka X adalah eubah acak dskret dega fugs keraata assa, aka oe ke-k dar X ddefska sebaga k E( X, k = 1,,3,... k [Hogg da Crag, 1995] Defs 15 (Moe Pusat Msalka la haraa dar eubah acak X, 1, aka oe usat ke-k dar eubah acak X ddefska sebaga berkut k E ( X 1, k dega k = 1,,3,... 1 = oe ke-1= la haraa dar eubah acak X. [Hogg da Crag, 1995]

13 Deret Taylor, Metode Lagrage, da Teorea Alo Defs 16 (Deret Taylor Jka suatu fugs f dega y f ( x elk turua aka fugs tersebut elk eksas deret Taylor h f ( x h f ( x h f '( x! f ''( x h3 f '''( x 3!... [Fsher, 1988] Defs 17 (Metode Lagrage Utuk eaksuka atau euka f ( x, x terhada kedala g( x, x, 1 1 adalah dega eyelesaka sste ersaaa berkut aksuka f ( x1, x, dega kedala g( x, x. 1 Dar asalah tersebut, aka deroleh fugs Lagrage sebaga berkut: L( x, x, f ( x, x g( x, x Syarat erlu utuk eksstes ttk ekstr * * ( x, x ( x, x aka tereuh jka turua 1 1 arsal dar fugs Lagrage saa dega ol sehgga eghaslka: L ( x 1, x, x 1 f g x1 x x1 x x 1 x 1 L ( x,, 1 x x (, (, f g x1 x x1 x x x (, (, (a (b L ( x 1, x, g ( x 1, x. Dar ersaaa (a da (b aka dhaslka * * ttk ekstr ( x, x. yag beradaa 1 dega fugs g( x, x 1 dsebut egal Lagrage. [Rao, 1978] Teorea Alo Teorea Alo adalah teorea dasar yag dguaka utuk eyelesaka akssas asalah dala kroekoo. Peryataa dar teorea sebaga berkut: Dberka asalah akssas arbtras dega suatu fugs f bergatug ada araeter a: M ( a ax f ( x, a x dega fugs M ( a eberka la aksal dar fugs f sebaga fugs dar araeter a. Dberka x( a la dar x yag egatas akssas asalah dala araeter a sehgga M ( a f ( x( a, a. Teorea alo eyataka bagaaa erubaha M ( a sebaga erubaha araeter a, yatu: dm a f x a da a * ( (, x* x ( a Turua ertaa dar M bergatug ada a yag dberka oleh turua arsal dar f ( x, a, x teta, keuda dhtug lha otal * ( x. Dega dredkska * x x( a. Fugs Kokaf [McLea, 1999] Defs 18 (Fugs Kokaf Fugs f dkataka fugs kokaf ada selag I jka da haya jka f ( x (1 x f ( x (1 f ( x 1 1 utuk seta x, x I da utuk seta 1 1. Jka yag berlaku f ( x (1 x f ( x (1 f ( x 1 1 utuk x 1 x da 1 aka f dkataka fugs kokaf seura (strctly cocave. [Peress, 1988] Fugs Keuasa Vo Neua da Morgester Defs 19 (Fugs Keuasa Vo Neua da Morgester Fugs keuasa U ddefska oleh '. Dega dberka 1 (, adalah egeluara yag 1 alg dsuka da (, adalah egeluara yag alg sedkt dsuka. Utuk asg-asg egeluara ddefska u( q sehgga ( 1 ( q, (1 q Fugs keuasa Vo Neua da Morgester utuk ' adalah la yag dharaka dar fugs keuasa u( sebagaaa ddefska (

14 U( ( q, ( q,..., ( q 1 1 q u( q u(... q u( 1 1 Two-fud Searato ( [Goyal da Saxea, 8] Defs (Two-fud searato Two-fud searato berlaku jka da haya jka ortofolo otal utuk seta fugs keuasa u U teta dar fraks ostf yag dvestaska dala ortofolo asar da ssa aset bersko dtulska T E[ u '( kx X ], k u U Jka k 1, vestor aka eja (egabl short osto dala aset bersko, jka k 1, vestor aka ejaka (egabl log osto dala aset bersko, jka k 1 vestor aka eaha ortofolo asar taa ejaka atau eja. [Post da Versj, 5] Portofolo Otal erdasarka Model Markowtz Model Markowtz eruaka odel yag egguaka dua araeter yag eegaruh keutusa vestor utuk bervestas, yatu la haraa bal hasl, E( R, da rsko aset, σ. Model Markowtz berladaska asus sebaga berkut: 1. Haya dua araeter yag eegaruh keutusa vestor dala bervestas, yatu la haraa bal hasl da rsko.. Ivestor bersfat rsk averse. Artya utuk ortofolo dega bal hasl yag saa vestor aka elh rsko yag alg kecl, da juga bla dhadaka ada tgkat rsko yag saa vestor aka elh ortofolo yag elk la haraa bal hasl alg tgg. 3. Ivestor elk erode vestas yag saa. Ivestor juga elk erses yag saa utuk la haraa bal hasl, raga da koraga dar ortofoloortofolo yag ada d asar. 4. Dala ebetuka ortofolo, haya sekurtas bersko saja yag dlhat. 5. Ada sekurtas yag derdagagka dega raga berhgga da la haraa bal hasl yag berbeda. Ibal hasl yag dharaka dar suatu ortofolo adalah ejulaha bal hasl yag dharaka dar seta sekurtas dkalka dega roors asg-asg sekurtas dala ortofolo. E( R la haraa bal hasl da adalah eruaka roors sekurtas dala ortofolo atau dtuls sebaga. 1 E( R E( R Karea dala ebetuk ortofolo haya dlhat sekurtas yag bersko saja, aka julah roors dala suatu ortofolo adalah satu, atau secara ateats dtuls 1. 1 Raga ortofolo, eruaka rsko dar ortofolo. adalah roors sekurtas ke- dala ortofolo. Secara ateats raga dar suatu ortofolo dtulska sebaga berkut Var( R Cov( R, R Cov( R, R Cov( R, R... Cov( R, R Dega eulska Cov( R, R Var( R, dega Var( R adalah raga sekurtas ke- aka Var( R Var( R... Var( R 1 Cov( R, R... Cov( R, R Cov( R, R 1 1 ( ( (, j j 1 1 j1 Var R Var R Cov R R ; j. Karea Cov( R, R Cov ( R, R j j j dega Cov( R, R adalah koraga sekurtas da j utuk j da j j aka ( ( j (, j 1 1 j1 Var R Var R Cov R R ; j. Portofolo Markowtz dguaka utuk elh sehgga Var( R u atau daat dtuls { } Var( R dega kedala 1. 1 Model Ideks Tuggal [Va Keeke, 1] Model deks tuggal dguaka utuk eyederhaaka eghtuga ada odel Markowtz. Model ddasarka ada

15 aggaa bahwa harga sekurtas berubah searah dega harga deks asar. Model deks tuggal adalah odel yag eyataka bahwa bal hasl seta sekurtas euya hubuga dega bal hasl ortofolo asar. Portofolo asar adalah ortofolo yag terdr atas seua sekurtas yag ada d asar da ortofolo asar daat dwakl oleh deks asar. Hubuga bal hasl dar suatu sekurtas dega bal hasl deks asar daat dtulska sebaga berkut R c b R ; 1,,..., dega R :bal hasl sekurtas, c : suatu eubah acak yag eujukka kooe dar bal hasl sekurtas yag tdak bergatug ada asar, b : koefse rsko yag egukur R erubaha R akbat dar erubaha R, : Tgkat bal hasl dar deks asar, juga eruaka eubah acak. c adalah kooe bal hasl yag Karea tdak bergatug ada bal hasl asar aka c daat decah ejad la yag dharaka ( a da kesalaha/resdu ( yag dtulska sebaga berkut c a ; 1,,...,. Sehgga hubuga bal hasl dar suatu sekurtas dega bal hasl deks asar daat dtulska sebaga berkut R a b R ; 1,,..., dega E(, karea ersaaa tersebut berfugs eduga bal hasl sekurtas suaya la yag dduga edekat la yag sebearya aka dharaka tdak ada kesalaha atau kesalahaya edekat ol. Pada odel deks tuggal, bal hasl dar sekurtasya daat juga dyataka dala betuk la haraa bal hasl. [ode, et al, ] Catal Asset Prcg Model (CAPM Keaua utuk egestas bal hasl da rsko sebuah sekurtas dvdual eruaka hal yag sagat etg da derluka oleh vestor ketka hedak eaaka odalya ada sebuah asar sekurtas. Catal Asset Prcg Model (CAPM eruaka suatu odel utuk eredks kesebaga bal hasl yag dharaka dar suatu aset bersko. Model eberka redks tetag bagaaa hubuga atara rsko da bal hasl yag dharaka. Pedekata berladaska ada asusasus berkut: 1. Terdaat bayak vestor, ereka bertdak sebaga rce takers yatu seta tdaka yag ereka lakuka secara eroraga tdak eegaruh harga suatu sekurtas.. Seluruh vestor erecaaka utuk satu erode vestas yag saa. 3. Ivestas dbatas haya ada aset keuaga yag derdagagka secara uu seert saha da oblgas. 4. Ivestor tdak ebayar ajak atas bal hasl da juga tdak terdaat baya trasaks atas erdagaga sekurtas. 5. Seluruh vestor berusaha egotalka bal hasl rsko yag rasoal. 6. Seta vestor euya haraa yag saa utuk seta odal yag dvestaskaya. [ode, et al, ] PEMAHASAN Pebetuka Harga Aset Modal (CAP Model dar ebetuka harga aset odal yag basa dsebut Catal Assets Prcg Model (CAPM eberka redks tetag hubuga atara rsko da bal hasl yag dharaka. CAPM eredks la haraa bal hasl berdasarka asus bahwa seluruh vestor egguaka daftar ut yag saa, yatu estas yag saa tetag bal hasl yag dharaka, raga da koraga. Ketka seluruh vestor daat eja da eber jaa daa ada tgkat bebas rsko, aka seluruh vestor aka euya ttk ortofolo yag otal. Ketka jaa dbatas, aka suku buga jaa lebh tgg darada suku buga ebera jaa sehgga ortofolo asar tdak lag eruaka ortofolo otal

16 da efse bag seluruh vestor. Jka ortofolo asar tdak lag efse, aka hubuga atara bal hasl da beta dar CAPM tdak lag ebetuk kesebaga asar. D dua dega seua asus, seua aset dvdual aka eaha ortofolo asar berdasarka toleras rsko. Seseorag dega toleras rsko redah eya sebaga besar dar uagya dala sekurtas bebas rsko, sedagka seseorag dega toleras rsko tgg eya sebaga besar dar uagya dala ortofolo asar. Peurua Catal Asset Prcg Model (CAPM Dberka suatu ersaaa CAPM (ode, et al, E ( R r E ( R r dega E( R : haraa bal hasl aset ke- : tgkat suku buga bebas rsko r E( R : haraa bal hasl ada ortofolo asar : rsko aset ke-. Pada roors vestas otal, asgasg vestor ada asar eeuh keugka gars asar tertgg. Gars asar bsa dcar dega eerkecl stadar devas utuk seua haraa bal hasl ortofolo E( R. Var( R jcov( R, Rj 1 1 j terhada E( R E( R 1 r dega (1 ( 1 1 adalah roors dar ortofolo sekurtas ke-. Ddefska suatu fugs L yag ddaat utuk euka stadar devas sebaga berkut L E ( R E( R 1 r 1 1 (3 dega adalah egal lagrage. Utuk selajutya aka dcoba ecar roors otal dar seta aset, dega eerkecl rsko dar ortofolo otal. Gars asar bsa dcar secara aalsa dega euruka ersaaa (3 terhada da terhada egal lagrage, da hasl turua ertaaya saa dega ol. Hal berlaku utuk 1 ersaaa. L 1 Var( R Cov( R, R 1 1 j 1 j 1 j 1 E( R r (4.1 L 1 Var ( R jcov( R, R j j 1 j E( R r : (4. : 1 L 1 Var( R jcov( R, R j j1 E( R r L E ( R E( R 1 r 1 1 (4.3 (4.4 Selajutya dega edaatka hua dar ersaaa (4.1 saa ersaaa (4.4 da erkala atara, 1 da la-la, deroleh 1 1Var( R1 1 jcov( R1, R j j E( R r Var( R jcov( R, R j j1 j E( X r (5.1 : (5. : 1 1 Var( R jcov( R, R j j 1 E( R r E( R E( R 1 r. 1 1 (5.3 (5.4

17 Jka djulahka ersaaa (5.1 saa (5.3 aka aka deroleh 1 ( (, Var R jcov R R j 1 1 j 1 j 1 E( R r (6 tada kurug d ruas kr eujukka raga dar ortofolo otal, aka deroleh 1 Var( R E( R r 1 1 (7 dega deka aka stadar devas terkecl dar ortofolo otal adalah E( R 1 r r. 1 1 (8 Pada ttk sesfk dega 1 berlaku 1 E ( R r. (9 Oleh karea tu 1 E( R r, (1 dega adalah ortofolo asar yag otal utuk seua vestor da adalah stadar devas dar ortofolo asar. E( R r ddefska sebaga sloe dar gars asar. Sekarag daat dturuka hubuga kesebaga atara haraa bal hasl aset ke- da rskoya: Gabara rsko adalah stadar devas dar bal hasl ada aset tu sedr da koraga dega bal hasl dar seua aset rsko laya dala asar, dega cara egguaka ersaaa (4.1 saa ersaaa (4.4 utuk euruka ersaaaa uu atara haraa bal hasl dar seua saha da rskoya. Secara uu, dar ersaaa (4.1 saa ersaaa (4.4 ada ttk dtuls kebal sebaga: 1 1 daat 1 Var( R Cov( R, R j j j 1 j E( R r. (11 Peyelesaa dar ersaaa tersebut utuk haraa bal hasl dar aset ke- E( R deroleh 1 E( R r Var ( R jcov( R, Rj j1 j (1 Selajutya dega easukka dar ersaaa (1 aka deroleh E( R r E( R r Var( R Cov( R, R j j Var( R j1 j (13 erdasarka defs, koraga dar aset ke- dega ortofolo asar daat dtulska kebal sebaga berkut j j j1 j Cov( R, R Var( R Cov( R, R (14 Keuda haraa bal hasl seua aset bersko daat dtulska kebal sebaga berkut E( R r E( R r Cov( R, R Var( R (15 atau E( R r E( R r, (16 dega Cov( R, R. (17 Var ( R Catal Asset Prcg Model (CAPM eyajka la yag dharaka dar bal hasl sekurtas ke- yag lear ada beta sekurtas tertetu. est-eta Catal Asset Model (CAPM adalah varas sederhaa dar CAPM. Persaaa atara CAPM da CAPM adalah keduaya daat dguaka utuk eredkska suatu hubuga lear atara re aset bersko E( X da, yag dberka oleh

18 E( X E ( X, (18 dega E(. adalah oerator haraa, X R r da X R r adalah bal hasl berlebh (dar suku buga bebas rsko, r berturut-turut ada sekurtas aset da asar. Perbedaa kedua odel terletak ada asus tetag referes vestor, yag aa ada kataya eyataka sesfkas yag berbeda dar. Meurut defs beta dar CAPM eyataka Cov( R, R Var( R dega Cov(.,. adalah koraga da Var(. adalah raga. Pada odel CAPM vestor euya erses yag saa tetag rsko yag dukur oleh raga dar ortofolo bal hasl da berbeda dala tgkat avers rskoya. Makalah juga ebahas keuggula CAPM da asus bahwa vestor egabl oe kedua dar ortofolo bal hasl sebaga suatu ukura rsko, karea oe kedua berhubuga dega raga da raga sedr berbadg terbalk dega beta. Oleh karea tu vestor ugk euya erses yag berbeda tetag keduaya atara rsko da tgkat avers rsko. Mesku berbeda dala tgkat avers rsko, teta seua vestor elh ortofolo bersko otal yag saa. Kods kesebaga utuk haraa bal hasl dyataka dega ukura baru dar beta E( X X, E X ( dega berasal dar kata best-beta dega eraaya dala euka otes kesalaha eetaa harga hasl erkala terkecl. ddefska sebaga kesalaha eetaa harga yag berbeda atara haraa bal hasl sebearya da haraa bal hasl yag dredkska. Aka dtujukka bahwa (1 Peurua est-eta Catal Asset Prcg Model (CAPM Ddefska beberaa varabel ada erode t, t 1, sebaga berkut : : bal hasl ada aset ke-, R, t 1 E t : oerator haraa ada waktu t, : tgkat buga bebas rsko, r, t 1 R, t : bal hasl dar ortofolo asar 1 dega R, t 1, Et ( R, t1 r, t1 da Var ( R, t 1. Dberka X R r eyataka selsh, t1, t 1, t1 bal hasl da E ( X t, t la haraa re 1 aset bersko ke-. Dega egguaka asus dar asar ersaga seura, karea dala asar ersaga seura terdr atas bayak asar yag salg bersag da eertbagka kosus yag otal, aka keutusa vestas dar vestor ada seta erode bertujua utuk eaksuka la kekayaa erusahaa (Rubste,1974. Dberka suatu odel, yatu: ax V ( w, U ( w w E [ U ( wr ] w w, P (19 dega V : la kekayaa erusahaa w : kekayaa vestor saat, w w : kosus saat, w : odal vestas, U : fugs keuasa vestor dar kosus saat, U : fugs keuasa vestor dar kekayaa d asa dea (vo Neua-Morgester. Fugs keuasa tersebut ooto ak, kokaf, terdferesalka dua kal, da P adalah hua dar seua ortofolo vestor yag elut log ostos da short ostos ada aset ke-. Log osto adalah oss ketka vestor telah ebel sekurtas da dasuska roors sekurtas tersebut berla ostf satu. Sedagka short osto adalah oss ketka vestor telah ejual sekurtas da dasuska roors sekurtas tersebut berla egatf satu. Megasuska solus dar ersaaa (19, (Rubste, 1974 yatu solus otal * * ( w, yag dkarakterstkka oleh

19 da r E[ U '( w * r ] U ' ( w w* ( * E[ U '( w * r r ] U ' ( w w* (1 utuk seua aset ke-. * Dega eguragka ersaaa ( da ersaaa (1 deroleh E[ U '( w * r r ] E [ U '( w * r r ] * * E[ U '( w * r X ] utuk seua. * ( ukt: Utuk seta sekurtas dala asar ersaga seura dalokaska kekayaa seseorag atara kosus da odal utuk sekurtas bersko da bebas rsko. s eyataka roors dar odal w yag dalokaska ada sekurtas bebas rsko. l eyataka roors dar odal w(1 s yag dalokaska ada seta sekurtas bersko sedeka sehgga l 1. Kekayaa d asa dea daat dtulska sebaga wr w (1 sr (1 s l r. Dega easukka hasl dar turua ertaa fugs keuasa, ddaatka egaruh ada grafk aka ak, oleh karea tu dasuska U ', U ' aka erasalaha d atas daat dtulska ejad ax U ( ww EU w (1 sr (1 s l r w, s,{ l } l 1, dega adalah egal lagrage. Dega euruka ersaaa d atas terhada asg-asg varabel, ddaatka kods otu sebaga berkut U ' ( ww * r E[ U '( w* r *] ( E[ U '( w* r ( r r ] ( Terbukt Meurut eksas Deret Taylor dar U ( wr dega w, araeter eruaka target bal hasl vestor. Maka dtuls U ( wr U ( w U '( w ( wr w U ''( kw ( wr w, dega ( r, k ax( r,. Maka erkraa dar sasara vestor ada ersaaa (19 bsa dtulska kebal ejad V w U w w EU w w w, P ax (, ( ( b( w, a( w, E( wr w E( wr w (3 dega, a( w,, b( w,. Nla relatf dar fugs tersebut dasuska bsa eeuh kods keootoa dar tujua vestor ada ersaaa (3 yag egkat dala haraa kekayaa, salya cuku dega egasuska bahwa bal hasl elk sebara seraga da b( w, lebh kecl darada a( w,. Dega egasuska ( w, adalah solus ada ersaaa (3, k euda dega easuka keteraga tersebut ke dala ersaaa (, deroleh E[ U '( wr X ] E[( a( w, b ( w, w ( r X ] t E[ a( w, b ( w, w ( r ] E( X t a( w, E ( X b ( w, w E[( r X ] t Sehgga ddaatka a( w, E( X b ( w, w E[( r X ] utuk seua. (4 Hasl yag ertaa ddaat adalah suatu vers baru dar teorea Two-fud searato, dega eta-rato ddefska oleh: E( X ( X (5 E( X dega E( X adalah oe kedua dar bal hasl X. Teorea 1 (searato D bawah asus CAPM (Share, 1964, kalau tdak seua vestor euya tujua eaksuka kekayaaya ada betuk ersaaa (3, two-fud searato tertaha. Portofolo otal seua vestor bsa dsahka ejad kobas aset bebas rsko da ortofolo bersko, yag aa ortofolo asar ada ekulbru

20 euya eta-rato alg tgg. Utuk seua aset bersko E( X E( X ( X ( E( X ( ukt: Lhat Lara 1 X E X Defs 19 (Share-rato Share rato dguaka utuk ebatu ecar keugka roors terbak dar seua sekurtas yag dguaka, defs dar share rato adalah E ( X S( X. Var ( X Hubuga atara eta-rato da share-rato adalah sebaga berkut [ S( X ] [ ( X] [ S( X ] 1. (6 Dega ddaatkaya kuadrat dar dua raso tersebut eberka tgkata yag saa dar seua aset utuk dua varabel acak X da 1 X, yatu 1 1 [ ( X ] [ ( X ] [ S( X ] [ S( X ]. Dega kata la tujua vestas yag baru ada ersaaa (3 tdak egubah krtera efses rataa-raga dar teor ortofolo oder atau MPT (Markowtz, 195. Jka ortofolo adalah ortofolo dega raga terkecl Var( X, juga euya oe kedua terkecl E X ( atara seua aset dega rataa E( X yag saa. Oleh karea tu rosedur Markowtz utuk edaatka ortofolo otal ada ssa odel rataa-raga sebaga besar dlegka ada odel yag baru. Teorea (CAPM D bawah asus dar Teorea 1, CAPM bertaha ada kesebaga. Utuk seua aset ke- E( X E( X (7 dega E( X X. (8 E( X ukt: Lhat Lara Dega eggatka lha yag baru ada ersaaa (3 utuk lha rataaraga ( U ( w aw b ( w E ( w d dala Moder Portofolo Theory (MPT, sebaga besar dar hasl dala MPT sebearya daat dtuls ulag taa bayak hal la yag tdak erlu, esku kedua jes lha sagat berbeda. Hal etg laya, erbedaa tafsra ekoo atara raga da oe kedua, atau secara uu atara koraga Cov( X, X da kooe E( XX, adalah tada erulaa yag sgfka CAPM dar CAPM. Karea E ( X Var ( X [ E ( X ], besarya oe kedua bsa degaruh oleh keduaya, raga da haraa bal hasl. Oleh karea tu ketaksaaa raga tdak selaaya egterretaska E( X sebaga ukura suatu rsko. Dega cara yag saa, E( XX Cov ( X, X E ( X E( X eyataka bahwa kooe E( XX bergatug ada keduaya, koraga da haraa bal hasl. Taa teor eetaa harga aset, E( XX bsa berbeda karea bal hasl acak X tdak euya korelas dega asar. E( XX dyataka sebaga ukura kooe. erdasarka ketetua kta bsa eyataka sebaga ukura yag dodfkas dar aset bersko ssteats. Perbedaa satu-satuya adalah bahwa egukur bagaaa bal hasl dar aset ke- da koraga asar sedagka egukur bagaaa surrses tetag bal hasl aset ke- da koraga asar. Kedua beta tersebut saa-saa eyaraka tetag tutf gagasa yag saa bahwa jka suatu bal hasl aset ke- cederug bergerak bersaa-saa dega asar, aka cederug utuk euya suatu rsko ssteats yag lebh tgg. CAPM versus CAPM Utuk eberka aalss koaratf, bahasa lebh berska aalss berdasarka data ers. Dotaska:

21 X E( X : bal hasl berlebh yag dberka oleh ortofolo asar, : haraa bal hasl yag sebearya dar aset ke-, : beta sebearya dar aset ke- yag eeuh hubuga ada ersaaa (18 dega asar. Megea keyataa bahwa keduaya, CAPM da CAPM, adalah edekata odel eetaa harga yag ugk terdaat adaya kesalaha, redks odel haraa bal hasl dar CAPM da CAPM ddefska berturut-turut, E ( X E( X, (9 E ( X E( X. (3 Suatu ukura kesalaha eetaa harga dar CAPM da CAPM yag ddefska berturut-turut (Pastor da Stabaugh, 1999 E ( X E ( X, E( X E ( X. Teorea eujukka dua odel akuras eetaa harga relatf. Teorea 3 Utuk seua aset, dega (1 (31 (1 (3 [ E( X ] [,1]. E( X ukt: Lhat Lara 3 erdasarka ebahasa tersebut, CAPM bsa eujukka redks eetaa kesalaha yag lebh teat darada CAPM. Teorea tersebut eujukka bahwa hubuga atara bal hasl yag dharaka dega beta yag dredkska dala CAPM daat dtgkatka. Teorea tersebut juga eujukka etgya elha beta sebearya utuk egukur rsko ssteatk suatu aset ketka odel eujukka kesalaha. Karea tujua dar tok adalah utuk ebadgka odel eetaa harga aset, seetara secara ekslst berlaku bahwa odel tersebut tdak seura, egea aakah CAPM bsa dujka sebaga odel yag teat adalah buka asalah. Ada juga yag tdak eerluka utuk uj ers dar hasl koaratf dar Teorea 3 karea hubuga ersaaa (31 da ersaaa (3 secara uu d bawah sebara eluag bersaa. Utuk eeroleh egetahua yag lebh lajut daat dguaka odel deks tuggal utuk eyederhaaka eghtuga odel tersebut, dketahu suatu hubuga atara X da X : X a b X ;=1,,.., (33 utuk a da b adalah kostata rl teta, da varabel acak dega E(. Taa batasa lebh lajut, hubuga ada ersaaa uu (33 daat dtuls ejad da X a b X ;=1,,.., a E ( X b ( X ;=1,,.., utuk sebarag b. Meggat dua erasalaha da solusya dar ersaaa tersebut. Masalah yag ertaa adalah euka la haraa kuadrat dar. E( X a b X a, b eghaslka b a E ( X E( X. ukt: E( X a b X E X a X a b X X E X a E X a be X X, (34 ( a b X b X ( ( ( a b E( X b E( X, (35 Daat dcar dega euruka fugs tersebut berturut-turut terhada a da b, E ( X a b X a E( X a b E( X a b E( X E( X ( da

22 E ( X a b X b E( X X a E( X b E( X ( ( ( a E X b E X E X X ( dega egalka E( X ada ersaaa ( da eguragkaya dega ersaaa ( aka a E X b E X E X E X ( [ ( ] ( ( a E X b E X E X X ( ( ( E( X X E ( X E( X b E X ( [ E( X ] Cov( X X Var( X a E ( X b E( X E ( X E( X Terbukt Masalah yag kedua adalah euka la haraa kuadrat dar a. E( X b eghaslka b a E ( X E( X. ukt: E( X b X ( ( ( ( E X b X X b X E X b E X X b E X b X, (36 (37 Daat dcar dega euruka fugs tersebut berturut-turut terhada b, E ( X b X b E( X X b E( X b E X ( E( X X ( E( X X b E X Terbukt Suatu hubuga ada ersaaa uu (33, terlhat dar ersaaa (35 da (37 bahwa kostata a adalah suber otes kesalaha eetaa harga utuk keduaya, CAPM da CAPM. CAPM egaku ketdakastaya da berusaha euka E( a, darada E(. Eta-rato (dkareaka Share-rato egabl egerta baru utuk eecahka Teorea 3: kuadrat dar etarato sekarag egukur seberaa bayak CAPM egkatka akuras eetaa harga dar CAPM. Oleh karea tu Teorea 3 eetaka ketelta hubuga atara dua bukt erasalaha esaha: salah satuya eaksuka rataa oe kedua ada ersaaa (33 da yag laya euka kesalaha eetaa harga ada ersaaa (33. Dega kata la, jka terjad kesalaha eetaa harga aka kesalaha eetaa harga dar CAPM teryata lebh kecl darada CAPM utuk seua aset ke-, dega raso egkata eetaa harga dotaska dega. Pelha Portofolo Dala elakuka vestas, terseda bayak lha jes sekurtas bag vestor. Seua jes sekurtas ejajka bal hasl bag elkya, terutaa sekurtas bersko. Seak tgg rsko suatu sekurtas, basaya seak tgg bal hasl yag djajka erusahaa sekurtas. ag vestor hal cuku ebgugka, karea vestor harus elh sekurtas yag egutugka dar sekurtas yag terseda. Hal yag etg dala egabl keutusa adalah bal hasl da rsko. Masalah yag dhada vestor decahka oleh Markowtz dala Joural of Face ada tahu 195 dega judul Portfolo Selecto. Markowtz eerkealka suatu edekata oder utuk eyeleks ortofolo dega elhat tgkat bal hasl da rsko suatu sekurtas berdasarka ada aalss fudaetal. Jad dega adaya elha ortofolo Markowtz, vestor daat egabaka foras tetag erusahaa sekurtas, kebjakaya, da agsa asar ortofolo, da haya elhat ada beberaa eghtuga statstk. Ivestor aka elh ortofolo yag euya tgkat bal hasl yag tgg da tgkat rsko yag seredah ugk utuk eaksuka keutugaya.

23 Cotoh ers erdasarka Cabell da Vcera (, Tabel 3., kekayaa ertahu AS atas NYSE, AMEX, da NASDAQ euya bal hasl rata-rata 7.67% (dega saga baku 16.3% utuk erode 195 saa 1999 da 1.61% (dega saga baku 15.15% utuk erode 1983 saa Catata bahwa [ E( X ] [ E ( X ]. E( X Var( X [ E( X ] Raso egkata eetaa harga utuk dua erode d atas adalah ( : ( ( : ( Dala ersetase hasl yag ddaat, la tersebut cuku eark erhata. Utuk ara rakts yag harus ebuat keutusa vestas berkal-kal da taruhaya tgg, ereka aka edaatka CAPM lebh bak darada CAPM utuk redks bal hasl saha da egevaluas odal baya erusahaa.

24 KESIMPULAN erdasarka hasl yag deroleh aka daat dsulka bahwa est-eta Catal Assets Prcg Model (CAPM euya alfa lebh kecl darada alfa Catal Asset Prcg Model (CAPM, dega alfa eruaka kesalaha eetaa harga. Sehgga ara vestor daat egabl keutusa vestas dega egevaluas odal baya erusahaaya. DAFTAR PUSTAKA Ao, 8. Dervato of CAPM. [terhubug berkala]. htt://saba.fsv.cu.cz/~blahaz/dervat o_of_ca.doc [3 Ju 8] ode, et al.. Ivestet. Sxth edto. The McGraw-Hll Coaes, Ic. New York. Cabell, J. Y. & L. M. Vcera.. Strategc Asset Allocato: Portfolo Choce for Log-Ter Ivestors. Uversty Press. Oxord, New York. Fsher, M. E Itroducto to Nuercal Methods wth the NAG Software Lbrary. Matheatcs Deartet. The Uversty of Wester Australa. Ghahraa, S.. Fudaetals of Probablty. Ed. Ke-. Pretce Hall, Ic. New Jersey. Goyal, V. & A. S. Saxea.. Vo Neua Ad Morgester Utlty Fucto. [terhubug berkala]. htt:// /lecture7/dex.htl [1 Agustus 8]. Grett, G. R. & D. R. Strzaker Probablty ad Rado Processes. Secod edto. Claredo Press. Oxord, New York. Hogg, R. V. & A. T. Crag Itroducto to Matheatcal Statstcs. Ffth edto. Pretce Hall, Ic. New Jersey. Markowtz, H. M Portfolo selecto. J F. 7: Aerca Face Assocato. McLea, A Itroducto to Matheatcal Ecoocs. [terhubug berkala]. htt:// asses/ec5113/ec5113-lec df [19 Jul 8]. Pastor, L. & R. Stabaugh Costs of Equty Catal ad Model Msrcg. J F. 54: Peress, et al The Matheatcs of Nolear Prograg. Sger- Verlag, New York. Post, G. T. & P. Versj. 5. A Ercal Test for Two Fud Searato. Erasus Uversty Rotterda, Netherlads. Rao, S. S Otzato Theory ad Alcato. Sa Dego State Uversty, Sa Dego. Rubste, M A Aggregato Theore for Securtas Market. J F Eco. 1:5 44. Share, W. F Catal asset rces: a theory of arket equlbru uder codtos of rsk. J F. 19: Va Keeke, M. N. 1. Mebetuk Portofolo ersko yag Otal dega Seleks Portfolo Markowtz. [Skrs] ogor: Fakultas Mateatka da Ilu Pegetahua Ala, Isttt Pertaa ogor. Zao, L. 6. The best-beta CAPM. Asterda Uversty, Netherlads.

25 L A M P I R A N

26 Lara 1 ukt Teorea 1 Dega Teorea Alo udah utuk ebuktka bahwa utuk eeuka ortofolo lha yag otal utuk ersaaa (3 haya dbutuhka utuk eertbagka baga dar asalah berkut, dega egasuska bahwa odal vestas yag otal dberka teta: dega ax Vˆ( E( r E( r P w (38 b( w, w a( w, Utuk ketetaa taa arbtrase dasuska bahwa 1 r. Oleh karea tu seua ortofolo daat dkoosska ke dala suatu kobas tetag aset bebas rsko da suatu ortofolo bersko, utuk asus bahwa ortofolo vestor otal euya forat egalokaska suatu ersetase θdar odal yag dvestaska utuk beberaa ortofolo bersko dega E( r r hasl da bal hasl berlebh dberka oleh : da (1-θ utuk eguagka, dega bal r r r (1 da X X r ( r r Substtuska ke ersaaa (38 Vˆ( E ( r E ( r E ( X r E( X r r E ( X ( E( X E( X ( r ( r r E ( X E( X E( X ( r ( r r ( r E ( X (1 ( r E( X r ( r E( X (1 ( r E( X (39 Utuk egotalka Vˆ( ax ˆ V ( yag eghaslka dasuska eduga araeter θutuk eyelesaka asalah V ˆ( E X r E X E( X (1 ( r * E ( X * ( (1 ( ( (4

27 Catata: * 1 ( r [ ( ] E X E( X E X ( * 1 ( r [ E( X ] E( X E( X Substtuska θ * utuk θada ersaaa (39 E( X (1 ( r E( X (1 ( r V ( r ( r E( X (1 ( r E( X * E ( X E ( X E( X 1 ( r E( X 1 ( r r ( r E ( X E( X E( X 1 ( r E( X 1 ( r r ( r E ( X E ( X E X E ( X 1 ( r r ( r ( ( r,, ( r,, [ ( X ] Utuk seua r, ;, daa. Karea utuk seua da, ortofolo bersko otal P euya eta-rato tertgg. Maka dar tu dega keercayaa hooge ortofolo rsko otal utuk seua vestor dega sasara ada ersaaa (3 harus saa dega erbedaa target bal hasl da derajat rsko. Pada kods kesebaga daat dsulka bahwa ortofolo asar euya tertgg da seua vestor haya ebutuhka egalokasa odalya datara asar da aset bebas rsko. Terbukt

28 Lara ukt Teorea Catata ersaaa (4 secara ekuvale dtuls sebaga utuk seua ( a bw ( r E( X bw E[( r r X ] Dar Teorea 1 tdak ada yag hlag secara uu utuk euls bal hasl dar ortofolo otal vestor dega r r r ( (1 (, atau X ( X Dega deka ( a bw ( r E( X bw E[( r r X ] bw E[( ( r (1 ( r r X ] bw E[( ( r r ( r r X ] bw E[( ( r ( r X ] bw E[ ( ( r r X ] bw ( E( X X utuk seua, (41 ( a bw ( r E( X bw ( E( X (4 Mebag (41 dega (4 E( X E( X X E( X X dega E X E( X ( E( X Maka E( X sehgga E( X E( X E( X Terbukt eghaslka CAPM utuk seua vestor.

29 Lara 3 ukt Teorea 3 E ( X ( X E( X X E ( X E X ( Cov( X, X E ( X E( X E ( X E( X Cov X X E X E X E X (, ( [ ( ] ( E( X Var X Cov X X E X E X E X E( X ( (, ( [ ( ] ( Var( X Var X Cov X X E X Var X E X E X ( (, ( ( [ ( ] ( E( X Var( X [ E( X ] E( X Var( X Cov( X, X ( E X E( X E( X Var( X [ E( X ] Var( X E X E X E( X E( X ( [ ( ] Defska [ E( X ] E X ( [ E ( X ] Var ( X E( X E( X E ( X E( X [ E( X ] [ E( X ] E( X [ E( X ] E( X E ( X E( X ( E X E( X (1 E ( X sehgga E X E X E X (43 ( ( (1 ( E ( X kobas koveks dar E( X da E ( X secara udah dlhat 1 Dega utuk E( X da 1 utuk Var( X. Ta ada dua kasus ekstr yag tdak kosste dega kesebaga rsko vestor da dasuska (,1. Masukka keduaya dar ersaaa (43 dar E( X ddaat ersaaa (31

30 E ( X E ( X E( X E ( X E X E X E X ( ( (1 ( (1 E( X (1 E ( X (1 [ E ( X E ( X ] (1 Da dega ebag ss keduaya dar ersaaa (43 dega E( X ersaaa (3. E ( X E( X E ( X (1 E( X E( X E( X (1 dberka oleh Terbukt

PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil.

PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil. aggaa bahwa harga sekurtas berubah searah dega harga deks asar Model deks tuggal adalah odel yag eyataka bahwa bal hasl seta sekurtas euya hubuga dega bal hasl ortofolo asar Portofolo asar adalah ortofolo

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

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

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

Lebih terperinci

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta Vol 4 No, 46-58, Arl 00, ISSN : 40-858 PEMILIHAN MODEL REGRESI LINIER DENGAN STRAP Taro Jurusa Mateatka FMIPA UNDIP Searag Subaar Jurusa Mateatka FMIPA UGM Yogyakarta Abstrak Tulsa ebcaraka tetag eeraa

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

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

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, ) LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa

Lebih terperinci

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Jural Ilu & Rset Maajee Vol. No. 1 (013) ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Zulfa Yuta Ntawbsoo.w@gal.co Tryoowat Sekolah Tgg Ilu Ekoo

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

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

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)

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

Lebih terperinci

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

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG)

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Prosdg SPMIPA 177-184 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Taro Progra Stud Statstka FMIPA UNDIP Searag Jl Prof Soedarto,

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

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

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

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

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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 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

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

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

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

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

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

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

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

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

Lebih terperinci

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

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

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

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

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

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 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

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

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

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

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

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

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

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

Kata kunci : Portofolio Optimal, Nilai Slope, Metode Constant Correlation Model

Kata kunci : Portofolio Optimal, Nilai Slope, Metode Constant Correlation Model PEMBENTUKAN PORTOFOLIO ASET YANG OPTIMAL MENGGUNAKAN METODE CONSTANT CORRELATION MODEL (Stud Kasus PT. Batava Prosperdo Sekurtas pada Saha Blue Chps) Syafdes Wda.S 1, Dr. Leda Novyat, M.S, Achad Zabar

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

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

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

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

Lebih terperinci

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION MODEL OPIMISASI POROFOLIO SAHAM DAN DEPOSIO SECARA ERINEGRASI MENGGUNAKAN MEAN ABSOLUE DEVIAION Husa Athfal Hdayat 1, De Saepud, Ira Palup 3 1,,3 Progra Stud Ilu Koputas elko Uversty, Badug 1 hshdayat@studets.telkouversty.ac.d,

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

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

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

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

Lebih terperinci

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

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

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

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

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

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

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

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

Lebih terperinci

BAB 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 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

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

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

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

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

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

EKONOMI TEKNIK. Ekuivalensi

EKONOMI TEKNIK. Ekuivalensi EKONOMI TEKNIK Ekuvales Ekuvales Ekuvales = Nla uag yag sama pada waktu yag berbeda. Jumlah uag berbeda pada waktu berbeda dapat berla ekooms sama. Cotoh = harga bes Rp 4.5, (25), Rp 5.5, (29), da Rp 6.5

Lebih terperinci

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

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

Lebih terperinci

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

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

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

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

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

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

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

Bab II Teori Pendukung

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

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

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

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

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

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

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

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

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 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

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci