PETA KONSEP RETURN dan RISIKO PORTOFOLIO

Ukuran: px
Mulai penontonan dengan halaman:

Download "PETA KONSEP RETURN dan RISIKO PORTOFOLIO"

Transkripsi

1 PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI SECARA RANDOM KOVARIAN DENGAN CARA PROPABILITAS KOVARIAN MENGGUNAKAN DATA HISTORIS DIVERSIFIABLE RISK NON DIVERSIFIABLE RISK DEVERSIFIKASI SECARA MARKOWITZ KOEFISIEN KORELASI RISIKO SISTEMATIS RISIKO TIDAK SISTEMATIS RISIKO TOTAL 1

2 1. RETURN PORTOFOLIO Portofolio adalah sekumpula ivestasi/gabuga dari 2 atau lebih surat berharga pada beberapa alat ivestasi, bisa sejeis da juga tidak sejeis yag tujuaya adalah utuk meghidari resiko da meghasilka pedapata sesuai dega tujua yag telah diharapka. Retur realisasia portofolio merupaka rata-rata tertimbag dari retur-retur realisasia masig-masig sekuritas tuggal didalam portofolio tersebut. Secara sistematis, retur realisasia portofolio dapat ditulis sebagai berikut: Rp = (Wi Ri) i=1 Keteraga: Rp wi Ri : Retur realisasia portofolio : Porsi dari sekuritas i terhadap seluruh sekuritas di portofolio : Retur realisasia dari sekuritas ke-i : Jumlah dari sekuritas tuggal Sedagka retur ekspektaria portofolio merupaka rata-rata tertimbag dari retur-retur ekspektasia masig-masig sekuritas tuggal didalam portofolio. Retur ekspektaria portofolio dapat diyataka secara sistematis sebagai berikut: E(Rp) = (Wi E ( Ri)) i=1 Keteraga: E(Rp): Retur ekspektasia dari portofolio wi : Porsi dari sekuritas i terhadap seluruh sekuritas di portofolio 2

3 E(Ri) : Retur ekspektasia dari sekuritas ke-i : Jumlah dari sekuritas tuggal 2. RISIKO PORTOFOLIO Tidak seperti halya retur portofolio yag merupaka rata-rata tertimbag sari seluruh retur sekuritas tuggal, risiko portofolio tidak merupaka rata-rata tertimbag sari seluruh risiko sekuritas stuggal. Risiko portofolio mugki dapat lebih kecil dari risiko rata-rata tertimbag masig-masig sekuritas tuggal. Kosep risiko portofolio pertama kali diperkealka oleh Harry M. Markowitz (1950). Meurut Markowitz secara umum risiko portofolio dapat dikuragi dega meggabugka beberapa sekuritas tuggal ke dalam portofolio. Syaratya : retur masig-masig sekuritas tidak berkorelasi secara positif da sempura. Dalam meghitug risiko portofolio ada 3 hal yag perlu ditetuka, yaitu : a. Varias setiap sekuritas b. Kovarias atara satu sekuritas dega sekuritas laiya c. Bobot portofolio utuk masig-masig sekuritas 2.1. Portofolio Dega Dua Aktiva Misalya suatu portofolio terdiri dari dua aktiva, yaitu sekuritas A da B. Porsi sekuritas A di dalam portofolio asalah sebesar a da B sebesar b atau (1-a). Retur retur realisasia sekuritas A da B berturut-turut adalah RA dab RB. Dega demikia retur realisasia sari portofolio yag merupaka rata-rata tertimbag retur-retur sekuritas A da B adalah sebesar : Rp = a RA + b RB Retur portofolio ekspektasia adalah sebesar : E(Rp) = E(a RA) + E(b RB) Dega megguaka properti ke 2 di bab 7.5 yag meyataka bahwa ilai ekspektasia suatu variable dikalika dega suatu kostata adalah sama dega ilai kostataya dikalika 3

4 dega ilai ekspektasia variabeleya yaitu E(a RA) adalah sama dega a E(RA) da E(b RB) sama dega b E(RB), maka : E(Rp) = a E(RA) + b E(RB) a. Kovaria Dega Cara Probabilitas Kovaria yag dihitug dega megguaka probabilitas dapat dihitug dega rumus sebagai berikut: Cov(R A,R B ) = RA.RB = Keteraga: i 1 [R A E(R A )] [R B E(R B )] P I Cov (RA,RB) R Ai R Bi E(R A ) : Kovaria retur atara saham A da saham B : Retur masa depa saham A kodisi ke-i : Retur masa depa saham B kodisi ke-i : Retur ekspektasia saham A E(R B ): Retur ekspektasia saham A Pi : Probabilitas terjadiya masa depa utuk kodisi ke-i : Jumlah dari kodisi masa depa dari I = 1 b. Kovaria Megguaka Data Historis Kovaria yag dihitug dega megguaka probabilitas dapat dihitug dega rumus sebagai berikut: Cov(R A,R B ) = RA.RB = [R AI E(R A )] [R BI E(R B )] i 1 4

5 Keteraga: Cov (RA,RB) R Ai R Bi E(R A ) : Kovaria retur atara saham A da saham B : Retur masa depa saham A kodisi ke-i : Retur masa depa saham B kodisi ke-i : Retur ekspektasia saham A E(R B ): Retur ekspektasia saham A : Jumlah dari observasi data historis utuk sampel besar (miimal 30 observasi) da utuk sampel kecil diguaka (-1) c. Koefisie Korelasi Kosep dari kovaria dapat diyataka dalam betuk korelasi. Koefisie korelasi meujukka besarya hubuga pergeraka atara dua variabel relative terhadap masig-masig deviasiya. Dega demikia, ilai koefisie korelasi atara variabel A da B dapat dihitug dega membagi ilai kovaria dega deviasi variabel-variabel: r AB = P AB = Cov ( R A, B B) ( A ) ( B ) 2.2. Portofolio dega Bayak Aktiva Uraia sebelumya megguaka portofolio yag berisi dua buah aktiva, yaitu sekuritas A da B. Bagaimaa ii aka membahas portofolio dega bayak aktiva, yaitu terdiri buah sekuritas. Proporsi dari masig-masig aktiva ke i yag membetuk portofolio adalah sebesar w 1, w 2, w 3, berturut-turut utuk sekuritas ke 1, 2, 3. Besarya varia utuk sekuritas ke 1, 2, 3 adalah 1, 2, 3. Besarya kovaria utuk sekuritas (1 da 2), (1 da 3) (2 da 3) adalah 12, 13, 23. megguaka rumus : 2 Var = p = a 2 Var (Ra) + b 2 Var (Rb) + 2 a b Cov (Ra Rb) 5

6 3. RESIKO TOTAL Dalam koteks portfolio, risiko dari suatu aset dibagi mejadi dua kompoe: 3.1. Diversifiable Risk Bagia dari resiko sekuritas yag dapat dihilagka dega membetuk portofolio yag well-diversifield yag dapat di diversifikasi. Karea resiko ii uik utuk suatu perusahaa, yaitu hal yag buruk terjadi di suatu perusahaa dapat diimbagi dega hal yag baik terjadi di perusahaa lai, maka resiko ii dapat di-diversifikasi didalam portofolio. Cotoh dari diversifiable risk adalah pemogoka buruh, tututa oleh pihak lai, peelitia yag tidak berhasil Nodiversifiable Risk Resiko ii tidak dapat di diversifikasika oleh portofolio. Resiko ii terjadi karea kejadia-kejadia diluar kegiata perusahaa, seperti iflasi, resesi, aikya harga bbm, perag. a. Risiko Sistematis Suatu risiko yag tidak dapat dihilagka dega melakuka diversifikasi, karea fluktuasi risiko ii dipegaruhi oleh faktor makro yag dapat mempegaruhi pasar secara keseluruha Faktor yag mempegaruhi : Perubaha tigkat buga Kurs valuta asig Kebijaka pemeritah b. Risiko Tidak Sistematis Suatu risiko yag dapat dihilagka dega melakuka diversifikasi, sebab risiko ii haya ada dalam satu perusahaa atau idustri tertetu 6

7 c. Resiko Total (Total Risk) Merupaka pejumlaha dari diversifiable da odiversifiable risks sebagai berikut ii: Risiko Total = Risiko dapat didiversifikasi + Risiko tak dapat didiversifikasi = Risiko perusahaa + Risiko pasar = Risiko tidak sistematik + Risiko sistematik 4. DIVERSIFIKASI Diversifikasi adalah berivestasi pada berbagai jeis saham, dega harapa jika terjadi peurua pegembalia satu saham aka ditutup oleh keaika pegembalia saham yag lai. Risiko yag dapat di diversifikasi adalah risiko yag tidak sistematik atau risiko spesifik da uik utuk perusahaa. Diversifikasi risiko ii sagat petig utuk ivestor, karea dapat memiimumka risiko tapa harus meguragi retur yag diterima. Ivestor dapat melakuka diversifikasi dega beberapa cara yaitu sebagai berikut: 4.1. Diversifikasi dega Bayak Aktiva Megikuti hokum statistic bahwa semaki besar ukura sampel, semaki dekat ilai ratarata sampel dega ilai ekspektasia dari populasi. Asumsi yag diguaka disii adalah bahwa tigkat hasil utuk masig-masig sekuritas secara statistik adalah idepede. Ii berarti bahwa rate of retur utuk satu sekuritas tidak terpegaruh oleh rate of retur sekuritas yag laiya. Dega asumsi ii, deviasi stadar yag mewakili risiko dari portofolio dapat dituliska sebagai berikut: p = i 7

8 4.2. Diversifikasi Secara Radom Diversifikasi secara radom merupaka pembetuka portofolio dega memilih sekuritas-sekuritas secara acak tapa memperhatika karakteristik dari ivestasi yag releva seperti misalya retur dari sekuritas itu sediri. Ivestor haya memilih sekuritas secara acak Diversifikasi Secara Markowitz Dega megguaka metode mea-variace dari Markowitz, sekuritas-sekuritas yag mempuyai korelasi lebih kecil dari +1 aka meuruka risiko portofolio. Semaki bayak sekuritas yag dimasukka ke dalam portofolio, semaki kecil risiko portofolio. Diversifikasi dapat ditujukka dega jumlah aktiva yag besar didalam portofolio. Jumlah aktiva yag besar ii dapat ditujukka dega ilai yag medekati (limit) tak berhigga. Utuk ilai varia yag besar (medekati tak berhigga) aka sama dega ol, sehigga utuk diversifikasi dega bayak aktiva, ilai varia portofolio aka hilag. Dega demikia, diversifikasi aka meghilagka efek dari varia, tetapi efek kovaria masih tetap ada, yaitu sebesar ilai rata-rata semua kovaria atau dega kata lai, utuk portofolio yag didiversifikasika dega baik yag terjadi dari bayak aktiva efek dari kovaria mejadi lebih petig dibadigka efek dari varia masig-masig aktiva. 8

9 KESIMPULAN Dari pejelasa di atas, dapat disimpulka bahwa portofolio adalah ivestasi atau gabuga dari beberapa surat berharga pada beberapa alat ivestasi. Di dalam portofolio itu sediri ada beberapa istilah seperti retur realisasi yag merupaka rata-rata tertimbag dari retur realisasia masig-masig sekuritas tuggal didalam portofolio tersebut. Da ada juga resiko portofolio yag dapat dihitug dega Varias setiap sekuritas, Kovarias atara satu sekuritas dega sekuritas laiya, da Bobot portofolio utuk masigmasig sekuritas. Ada beberapa kodisi portofolio yag membuat perbedaa dalam cara peghitugaya, seperti portofolio dega dua aktiva, kovaria yag megguaka cara probabilitas da data historis, koefisie korelasi, da portofolio dega bayak cara. Da ada resiko total yag dapat dibagi mejadi diversifiable risk da odiversifiable risk, di maa odiversifiable risk dapat dibagi mejadi resiko sistematis da o sistematis. Yag terakhir adalah Diversifikasi adalah berivestasi pada berbagai jeis saham, dega harapa jika terjadi peurua pegembalia satu saham aka ditutup oleh keaika pegembalia saham yag lai. Deversifikasi dapat dibedaka mejadi tiga yaitu deversifikasi dega bayak aktiva, deversifikasi secara radom da deversifikasi secara markowitz. 9

10 DAFTAR PUSTAKA Hartoo, Jogiyato., Teori Portofolio da Aalisis Ivestasi, Edisi Delapa, 10

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Tijaua Peeliti Terdahulu Peelitia yag dilakuka oleh Laraswati tahu 2010 yag meeliti tetag portofolio optimal saham yag masuk dalam Jakarta Islamic Idex (JII). Kesimpula dari

Lebih terperinci

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom. Pokok Bahasa 3-6. Retur da Risiko Lecture Note: Defiisi retur da risiko Klasifikasi retur da risiko Hubuga retur da risiko Retur da Risiko Aktiva Tuggal Abormal Retur Retur da Risiko Portofolio 1 Retur

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom. Pokok Bahasa -9. Retur da Risiko Lecture Note: Defiisi retur da risiko Klasifikasi retur da risiko Hubuga retur da risiko Retur da Risiko Aktiva Tuggal Abormal Retur Retur da Risiko Portofolio 1 2 Retur

Lebih terperinci

BAB IV HASIL & PEMBAHASAN

BAB IV HASIL & PEMBAHASAN 46 BAB IV HASIL & PEMBAHASAN A. Gambara Umum Objek Peelitia Pembetuka portofolio optimal bertujua utuk mecari kombiasi saham yag dapat memberika retur ekspektasi maksimum dega risiko tertetu. Salah satu

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 33 BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Obyek yag aka diteliti dalam peelitia ii merupaka perusahaa/emite berstatus tetap yag termasuk dalam Jakarta islamic idex (JII) da SBI dega periode

Lebih terperinci

RANGKUMAN MATERI KULIAH TEORI PORTOFOLIO DAN ANALISIS INVESTASI BAB 9: RETURN DAN RESIKO PORTOFOLIO

RANGKUMAN MATERI KULIAH TEORI PORTOFOLIO DAN ANALISIS INVESTASI BAB 9: RETURN DAN RESIKO PORTOFOLIO 1.1 PENDAHULUAN RANGKUMAN MATERI KULIAH TEORI PORTOFOLIO DAN ANALISIS INVESTASI BAB 9: RETURN DAN RESIKO PORTOFOLIO Mengukur return dan resiko untuk sekuritas tunggal memang penting, tetapi bagi manajer

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI LNDSN TEORI. Risiko da Maajeme Risiko Defiisi Risiko dalam arti luas adalah potesial kejadia yag tidak diigika jaga terjadi tetapi terjadi, atau sebalikya potesi kejadia yag diigika terjadi tetapi tidak

Lebih terperinci

MATERI 14 EVALUASI KINERJA PORTOFOLIO

MATERI 14 EVALUASI KINERJA PORTOFOLIO MATERI 14 EVALUASI KINERJA PORTOFOLIO KERANGKA PIKIR EVALUASI KINERjA PORTOFOLIO (EKP) MENGUKUR TINGKAT RETURN PORTOFOLIO RISK-ADJUSTED PERFORMANCE - INDEKS SHARPE - INDEKS TREYNOR - INDEKS JENSEN dede08m.com

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

Lebih terperinci

Inflasi dan Indeks Harga I

Inflasi dan Indeks Harga I PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Keragka Pikir Peelitia Peelitia ii dilakuka dega pola pemikira yag berdasarka latar belakag, perumusa masalah, da tujua yag igi dicapai beserta alat aalisis yag diguaka utuk

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

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang BAB II LANDASAN TEORI A. Maajeme Keuaga Keuaga terdiri dari tiga bidag yag salig berhubuga: (1) pasar uag da pasar modal, berkaita dega pasar sekuritas da lembaga keuaga; () ivestasi, yag memfokuska pada

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

M.Andryzal Fajar

M.Andryzal Fajar M.Andryzal Fajar andryzal_fajar@uny.ac.id Portofolio : gabungan 2 atau lebih surat berharga Markowitz : efisien apabila resiko tinggi return tertentu, risiko rendah return tertentu John Dickinson : 1.

Lebih terperinci

BAB III METODOLOGI PENELITIAN DAN DATA

BAB III METODOLOGI PENELITIAN DAN DATA BAB III METODOLOGI PENELITIAN DAN DATA 3.1 Pegatar Pada bab ii aka dibahas megeai metodologi peelitia da data yag dipakai. Jeis peelitia ii megguaka metode kuatitatif. 3. Metodologi utuk pemecaha masalah

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia yag Diguaka Metode peelitia pada dasarya merupaka cara ilmiah utuk medapatka data dega tujua da keguaa tertetu. Tujua peelitia secara umum ada empat macam

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii bertujua utuk megaalisis pembetuka portofolio optimal saham-saham pada ideks LQ-45 megguaka model ideks tuggal periode 2014 2015. Berdasarka tujua

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

MATERI 12 ANALISIS PERUSAHAAN

MATERI 12 ANALISIS PERUSAHAAN MATERI 12 ANALISIS PERUSAHAAN EPS DAN INFORMASI LAPORAN KEUANGAN KELEMAHAN PELAPORAN EPS DALAM LAPORAN KEUANGAN ANALISIS RASIO PROFITABILITAS PERUSAHAAN EARNING PER SHARE (EPS) PRICE EARNING RATIO (PER)

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 1.1. Lokasi Peelitia Peelitia ii dilakuka di Pojok Bursa Efek Jakarta (BEJ) yag berlokasi di Uiversitas Islam Negeri Malag, Jala Gajayaa 50 malag. Peetua lokasi ii dilakuka dega

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Investasi merupakan bentuk penundaan konsumsi sekarang untuk konsumsi

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Investasi merupakan bentuk penundaan konsumsi sekarang untuk konsumsi BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Ivestasi merupaka betuk peudaa kosumsi sekarag utuk kosumsi medatag. Secara umum ivestasi dikeal sebagai kegiata utuk meaamka harta ataupu modal, baik pada aktiva

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai 1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh

Lebih terperinci

UKURAN PEMUSATAN UKURAN PENYEBARAN

UKURAN PEMUSATAN UKURAN PENYEBARAN UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Pegukura kierja keuaga perusahaa pada dasarya dilaksaaka karea igi megetahui tigkat profitabilitas (keutuga) da tigkat resiko atau tigkat kesehata suatu

Lebih terperinci

MATERI 11 ANALISIS INDUSTRI

MATERI 11 ANALISIS INDUSTRI MATERI 11 ANALISIS INDUSTRI PENGERTIAN INDUSTRI PENTINGNYA ANALISIS INDUSTRI ESTIMASI TINGKAT KEUNTUNGAN INDUSTRI ESTIMASI EARNING PER SHARE (EPS) INDUSTRI PERSAINGAN DAN RETURN INDUSTRI YANG DIHARAPKAN

Lebih terperinci

PORTOFOLIO OPTIMAL EFISIENSI RISK DAN RETURN MODEL INDEKS TUNGGAL PADA PERUSAHAAN BUILDING CONTRUCTION

PORTOFOLIO OPTIMAL EFISIENSI RISK DAN RETURN MODEL INDEKS TUNGGAL PADA PERUSAHAAN BUILDING CONTRUCTION Jural Ilmu da Riset Maajeme : Volume 5, Nomor 5, Mei 2016 ISSN : 2461-0593 PORTOFOLIO OPTIMAL EFISIENSI RISK DAN RETURN MODEL INDEKS TUNGGAL PADA PERUSAHAAN BUILDING CONTRUCTION Febri Nur Choiriyah Febriurchoiriyah11@gmail.com

Lebih terperinci

ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI

ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI Jural Ilmu da Riset Maajeme Volume, Nomor, Jui ISSN : - ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI Raga Samudra ragasamudra@gmail.com Prijati Sekolah Tiggi Ilmu

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakag Risiko adalah suatu yag selalu dihubugka dega kemugkia terjadiya sesuatu yag merugika yag tidak terduga da tidak diharapka atau peyimpaga atara tigkat pegembalia yag

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Pendahuluan. Dalam statistika tercakup dua pekerjaan penting, yaitu : penyajian DATA menghasilkan INFORMASI penafsiran

Pendahuluan. Dalam statistika tercakup dua pekerjaan penting, yaitu : penyajian DATA menghasilkan INFORMASI penafsiran 1. Pegertia Statistika Pedahulua Statistika metode yag berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah Dalam statistika tercakup dua pekerjaa

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

PENDAHULUAN. (ingat : STATISTIKA STATISTIK!!! )

PENDAHULUAN. (ingat : STATISTIKA STATISTIK!!! ) Hal dari 7 PENDAHULUAN. PENGERTIAN STATISTIKA Statistika metode yag berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah (igat : STATISTIKA

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

Lebih terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

ANALISA RESIKO. I. Model Keputusan

ANALISA RESIKO. I. Model Keputusan ANALISA RESIKO I Model Keputusa 1 Model Determiistik / Certaity Haya ada satu kemugkia hasil Tidak ada resiko Selalu sesuai dega perhituga Cotoh : Deposito di Bak Bak Pemeritah 2 Model dega Resiko / Risk

Lebih terperinci

Firdani Antika Sari Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Firdani Antika Sari Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MODEL INDEKS TUNGGAL (Studi Pada Perusahaa Property, Real Estate Ad Buildig Costructio Yag Tercatat Di Bursa Efek Idoesia Periode 013-015) Firdai Atika Sari Nila Firdausi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

III. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di

III. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di III. MATERI DAN METODE PENELITIAN 3.. Waktu da Tempat Peelitia telah dilakuka pada bula November - Desember 203 di peteraka Kambig yag ada di Kota Pekabaru Provisi Riau. 3.2. Alat da Baha Materi yag diguaka

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

Lebih terperinci

ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL SAHAM PERUSAHAAN INDEKS SRI KEHATI-BEI MENGGUNAKAN MODEL INDEKS TUNGGAL ( )

ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL SAHAM PERUSAHAAN INDEKS SRI KEHATI-BEI MENGGUNAKAN MODEL INDEKS TUNGGAL ( ) ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL SAHAM PERUSAHAAN INDEKS SRI KEHATI-BEI MENGGUNAKAN MODEL INDEKS TUNGGAL (2013-2015) Farah Widia Defri Moch. Dzulkirom AR. Fakultas Ilmu Admiistrasi Uiversitas Brawijaya

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,

Lebih terperinci

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

KIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P)

KIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P) KIMIA KELAS XII IA - KURIKULUM GABUNGAN 02 Sesi NGAN Sifat Koligatif (Bagia II) Iteraksi atara pelarut da zat megakibatka perubaha fisik pada kompoekompoe peyusu laruta. Salah satu sifat yag diakibatka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

DERET TAK HINGGA (INFITITE SERIES)

DERET TAK HINGGA (INFITITE SERIES) MATEMATIKA II DERET TAK HINGGA (INFITITE SERIES) sugegpb.lecture.ub.ac.id aada.lecture.ub.ac.id BARISAN Barisa merupaka kumpula suatu bilaga (atau betuk aljabar) yag disusu sehigga membetuk suku-suku yag

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan.

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan. Arti ivestasi : a. Hasil pejuala. b. Biaya c. Ekspektasi da kepercayaa. Ivestasi : peigkata barag modal berujud Kekuata Ekoomi Utama; Hasil pegembalia ivestasi yag dipegaruhi oleh struktur ekoomi, biaya

Lebih terperinci