BAB III FORMULA PENENTUAN HARGA OPSI ASIA

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III FORMULA PENENTUAN HARGA OPSI ASIA"

Transkripsi

1 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi Asia yag aka dibahas di sii aara lai average value da average srike opio dega raa-raa arimaika koiu, average value opio dega raa-raa geomerik, sera average value opio dega raa-raa arimaika diskri. Perama-ama, aka erlebih dahulu didefiisika apakah iu suau Asia Opio. Asia Opio adalah sebuah averagig opios, yaki opsi yag payoffya bergaug pada suau beuk raa-raa dari harga uderlyig asse selama sebagia aau seluruh waku berlakuya opsi ersebu. Feomea payoff dari opsi eis ii diilai oleh sebagia pihak saga meguugka, salah sau alasaya karea opsi eis ii lebih ama dibadigka vaiila opio. Jika eradi maipulasi harga ase meelag mauriy ime, perubaha yag eradi pada payoffya (dibadigka ika idak eradi maipulasi harga ase idak aka sebesar yag mugki eradi pada vailla opio. Peeua Harga Opsi Asia Riswa Harapa (34

2 Berdasarka eis payoffya, erdapa kelas uama dari Asia Opio, yaki (uuk eis call opio:. Average value call opio, yaiu call opio yag payoffya berbeuk : max ( A X, (3.. Average srike call opio, yaiu call opio yag payoffya berbeuk : max ( ST A, (3. dega A adalah suau beuk raa-raa harga saham. Adapu beuk raa-raa harga saham yag biasa diguaka aara lai:. Raa-raa arimaika diskri, yaiu A S (3.3 i. Raa-raa geomerik diskri, yaiu 3. Raa-raa arimaika koiu, yaiu i A S( i (3.4 i A T 4. Raa-raa geomerik koiu, yaiu A T Sd ( T T (3.5 T exp l T T T Sd ( Formulasi persamaa diferesial Asia Opio Persamaa diferesial Asia Opio aka diguaka dalam meeuka harga beberapa ipe dari Asia Opio, eruama pada eis opsi yag idak memiliki ilai eksak. Perama, misalka raa-raa harga saham diuliska dalam beuk: A f( S, τ dτ (3.7 o di maa f ( S, τ dipilih berdasarka ipe raa-raa yag dipilih pada sebuah Asia Opio (perlu dikeahui bahwa medefiisika f ( S, τ idak selalu mudah uuk semua eis opsi Asia. Harga sebuah opsi Asia merupaka Peeua Harga Opsi Asia Riswa Harapa (34 4

3 sebuah fugsi erhadap waku da dua variabel, yaiu S (harga saham da A. Berdasarka eorema ilai raa-raa, da lim f ( S, τ dτ Δ lim f ( S, τ* d, < τ* < +Δ Δ +Δ f( S, d sehigga da bersifa deermiisik. Oleh karea iu, hedgig apa resiko yag igi dilakuka pada Asia Opio haya membuuhka elimiasi resiko dari resiko yag dikadug asse. Misalka erdapa sebuah porofolio yag erdiri dari sebuah Asia Opio da asse sebayak Δ. aiya kia aka memilih Δ sehigga usur sokasik yag erdapa pada opsi da uga pada asse aka salig meghilagka. Misalka pergeraka harga asse megikui persamaa: [ μ (, ] ds S D S d +σ SdZ, (3.8 di maa : - dz adalah suau gerak Brow sadar, - D(S, adalah divide yag dihasilka dari asse ersebu, - μ adalah ekspekasi dari rae of reur, da - σ adalah volailias dari harga saham Misalka V( S, A, adalah harga dari Asia Opio da Π adalah ilai dari porofolio yag elah dielaska di aas. Jadi, kia mempuyai Π V( S, A, Δ (3.9 da dega megguaka Lemma Io, didapa V V V σ V d d + f ( S, d + ds + S d ΔdS ΔD( S, d A S (3. Peeua Harga Opsi Asia Riswa Harapa (34 5

4 Kemudia, aka dipilih V Δ sehigga usur sokasik dalam persamaa S di aas (yaki yag megadug usur ds aka salig meghilagka. Lalu, eorema o arbirage meyaaka di maa r adalah suku buga. dπ rπ d, (3. Dega megguaka persamaa (3. da (3., aka didapa V V V V V V V d f ( S, d ds σ S d ds D( S, d r( V S d A S S S S V V σ V V V + f( S, + S D( S, rv rs (3. A S S da akhirya dihasilka persamaa umum uuk V( S, A,, yaki V σ V V V + S + [ rs D( S, ] + f( S, rv (3.3 S S A dimaa kodisi uuk syara baas maupu syara awalya bergaug pada sifa-sifa spesifik dari opsi ersebu. 3. Average Srike Asia Opio dega raa-raa arimaika koiu Misalka ada sebuah Europea call opio dega srike price X, di maa X adalah raa-raa harga uderlyig asse selama masa hidup ECO ersebu [,T], di maa X diformulasika sebagai: T A( T X S d T τ τ T dega A( S( τ dτ Jika kia megasumsika idak ada pembayara divide pada saham ersebu, maka persamaa umum Asia Opio pada persamaa (3.3 diuliska kembali meadi V σ V V V S S A S rs S rv (3.4 (3.5 Peeua Harga Opsi Asia Riswa Harapa (34 6

5 Kemudia aka dicari syara-syara uuk persamaa diferesial di aas:. pada saa di-exercise, ilai opsi sama dega ilai payoff, yaki AT V( S, A, T max S, T. ika S, maka opsi idak aka di-exercise, sehigga didapa V(, A, 3. ika A, maka opsi uga idak aka di-exercise, sehigga didapa lim V( S, A, A 4. uuk S, maka opsi hampir pasi aka di-exercise, da karea maka didapa AT V( S, A, T S, T V lim V ( S, A, S S Pada persamaa (3.5, urua parsial erhadap peubah acak A haya erdapa sampai urua perama, sehigga syara baas uuk A haya dibuuhka sau saa. Selai iu, persamaa da syara baas di aas bersifa homoge (dega orde sau erhadap S da A, yag ariya AT V( S, A, T max S, T λ AT V( λs, λa, T max λs, T AT λmax S, λv( S, A, T T Dega memafaaka sifa ersebu, kia dapa meuliska V( S, A, T A( y,, dega y S A da kia aka meemuka bahwa: V. A S A y y Peeua Harga Opsi Asia Riswa Harapa (34 7

6 . V A 3. V y S S A y V 4. A y y sehigga persamaa (3.5 bisa diuliska kembali meadi σ + y + ry + y y r y y y σ + y + ( ry y + ( y r y y (3.6 dega syara baas uuk persamaa (3.6 adalah sebagai beriku:. (,. lim ( y,, da y 3. yt (, max y, T Sebagai caaa, sifa-sifa di aas berlaku uga uuk ipe average value opio. Sau caaa lai, persamaa diferesial di aas idak bisa diubah meadi persamaa dega koefisie kosa (seperi persamaa Black- Scholes, sehigga suli sekali uuk mecari solusi eksakya, adi yag mugki dikeraka adalah membua aproksimasi dari solusiya (dega pedekaa umerik. 3.3 Average Value Opio dega raa-raa arimaika koiu Misalka ada sebuah Europea Call Opios dega payoffya : V( S, AT, max AT X, (3.7 di maa T merupaka waku expiraio, X adalah srike price, da A( S( τ dτ, T T T T < < T (3.8 Peeua Harga Opsi Asia Riswa Harapa (34 8

7 di maa selag [ T T adalah selag di maa ilai raa-raa harga saham o, diperhiugka. Caa bahwa ika T ] A( merupaka raa-raa yag sebearya. Selai iu, kia masih megasumsika bahwa idak ada divide yag dibayarka pada asse ii. Persamaa umum uuk Asia Opio eis ii adalah V σ V V V + S + rs + S rv S S T T A dega S >, A>, T < < T Uuk meeuka ilai opsi ii, erdapa dua kemugkia, yaki pada saa ii (, berlaku A( X aau berlaku A( (3.9 < X. Selauya erlebih dahulu aka dibahas bagaimaa opio pricig uuk kasus yag perama. Misalka pada saa ii (yaiu pada saa, berlaku A( X. Karea A( merupaka fugsi aik, maka dapa dipasika opsi aka di-exercise pada saa mauriy ime. Payoff pada saa ersebu dapa diuliska meadi: T T S( τ dτ X S( τ dτ X + S( τ dτ T T T T T T T T A ( X+ S( τ dτ T T (3. Payoff seperi di aas uga bisa didapaka dega meerapka sraegi selffiacig duplicaig porfolio. Misalka seorag ivesor megivesasika rt ( ( A ( X e saua uag ke suau riskless bod sehigga pada saa T, dia aka memiliki uag sebayak A( X. Agar bisa meuupi resiko ersebu, ia harus merasfer ke riskless bod seumlah T T buah asse seiap selag waku ( τ, τ τ rt ( τ e Δτ + Δ erlewai. Sehigga uuk dari waku higga T, dibuuhka asse (uuk dirasfer ke riskless bod sebayak : Peeua Harga Opsi Asia Riswa Harapa (34 9

8 T e dτ e T T T T r rt τ T rt ( τ ( r T ( rt ( T rt ( e e T e rt ( T rt ( buah. Dega prisip o-arbirage, ilai opsi aka sama dega ilai selffiacig porfolio di aas, yaki rt ( rt ( e V( S, A, ( A( X e + S, A( X rt ( T Uuk kasus yag kedua, misalka keika waku saa ii (, berlaku A( < X. Persamaa yag berlaku uuk opsi dega keadaa seperi ii adalah persamaa (3.9, di maa solusi eksakya idak dapa diselesaika secara aaliik. ilai opsi ii dapa dieuka dega megguaka kompuasi (mugki dega meode beda higga dega memafaaka syara-syara baas uuk persamaa (3.9. (3. Syara-syara ersebu adalah:. Jika S, maka dega mesubsiusikaya ke dalam persamaa ( rt ( (3.9, didapa V(, A, max A( X e,. Jika S, maka didapaka V e lim V( S, A, S S r( T T rt ( 3. Jika AX, maka dega mesubsiusikaya ke dalam persamaa rt ( e (3.9, didapa V( S, X, rt ( T S 3.4 Average Value Opio dega raa-raa geomerik Misalka raa-raa geomerik uuk opsi eis ii berlagsug pada selag waku diskri i T + iδ, i,,..., dega Δ merupaka selag waku Peeua Harga Opsi Asia Riswa Harapa (34

9 uiform da T merupaka expiry ime. Kemudia, raa-raa geomerik yag diberlakuka di sii didefiisika dega k k k S( i, k,,..., (3. i Payoff pada saa ermial dari suau Europea average value call opio dega raa-raa geomerik diskri diberika oleh di maa max ( X, (3.3 X merupaka srike price. Asumsika uga pergeraka harga asse berdisribusi logormal dega variasi σ, da raio harga asse S ( i Ri, i,,..., uga berdisribusi logormal, di maa S ( i dega r merupaka suku buga. σ l ~, Ri r Δ σ Δ (3.4 Perumusa peeua harga opsi average value call Eropa bergaug pada leak ilai saa ii (, yaki apakah berada sebelum averagig period aau berada di dalam averagig period. Averagig period adalah selag waku di maa raa-raa geomerik ( dierapka, misal [ T, T ] k Perama kali aka dibahas kasus di maa waku saa ii berada sebelum averagig period, yaki < T. Persamaa (3. dapa diuliska kembali meadi S( S( S( S( (3.5 S( S( S( S( S( aau dalam beuk logarimaya: ( ( S l l + [ l R + l R l R ] (3.6 S ( S Peeua Harga Opsi Asia Riswa Harapa (34

10 Karea di maa l R i ( ( S l S S l Ri, i,,..., da l berdisribusi ormal da uga salig S bebas, maka dapa disimpulka bahwa l S ( berdisribusi ormal dega raa-raa σ σ σ + i r ( T + r Δ i r ( T + ( T T (3.7 da variasi ( + ( + σ ( T + σ Δ i σ ( T + T T. i 6 (3.8 Kemudia misalka τ T adalah ime o expiry, ika diulis ( + ( + ( στ σ τ T T 6 σ σ μ τ r τ ( T T (3.9 (3.3 maka fugsi pada peluag dari diberika harga ase S, uuk < T adalah pada saa T (dega erlebih dahulu ψ σ l l S( + μ τ ; exp στ πσ τ ( S( (3.3 Dega megguaka risk eural discoued expecaio approach, harga dari suau average value call Eropa dega raa-raa geomerik diskri diberika oleh Peeua Harga Opsi Asia Riswa Harapa (34

11 di maa rτ ( (, τ ( ψ X c S e X ; S d rτ μ ( τ τ (3.3 c S, e S e d X d, τ > T T (3.33 d σ S l + μ + τ X, da d d σ τ σ τ Lalu kia megguaka hasil di aas uuk kasus yag eksrim, yaki ika aau. Perama, ika, maka σ μ + da στ masigmasig aka berubah meadi σ r Δda σ τ, yag ariya ika, maka harga call meadi sama dega vailla opio. Lalu keika, σ μ + da στ masig-masig aka meuu ke beuk σ T T r τ da σ τ ( 3 T T, da raa-raa geomerik diskri berubah meadi raa-raa geomerik koiu. Sehigga, kia bisa medapaka ilai coiuous average value call saa T, yaki ( r σ + ( T T 6 rt ( T c S T, T T S T e d Xe ( d (3.34 dega d S T σ l + r + ( T T X 6 T T, da d d σ 3 σ 3 T T Lalu, iau kasus kedua, di maa waku saa ii berada di dalam selag averagig period, yaki T, di maa + ξδdega k suau bilaga k Peeua Harga Opsi Asia Riswa Harapa (34 3

12 bula, k, da ξ <. Pada saa ii, ilai-ilai ( S, S,, S k adalah ilai-ilai yag elah dikeahui, buka lagi merupaka peubah acak. Sedagka raio harga asse ( k ( ( k ( S + S + S,,, S S S k+ merupaka peubah acak yag berdisribusi logormal da salig bebas. Jadi kia dapa meyaaka ( k k S S S k+ ( S S S k S (3.35 S S S sehigga l l R + l R ( k l Rk+ + ( k l S ( R (3.36 dega S( S( S( S( S( S k k + k da R (. ( S Misalka raaa da variasi dari l S ( masig-masig diyaaka oleh σ μ τ da σ τ, di maa ( k ( k ( k( k σ τ σ Δ ξ + 6 (3.37 da σ σ k k k μ τ r Δ ( ξ + (3.38 Dega cara yag sama (seperi pada persamaa (3.33, ilai dari average value call opio berbeuk: di maa rτ μτ ( ( τ c S, e S e d X d, T, (3.39 Peeua Harga Opsi Asia Riswa Harapa (34 4

13 d σ S l + μ + τ X, da d d σ τ σ τ Sekali lagi, dega megambil ilai eksrim, beuk raa-raa geomerik diskri aka berubah meadi raa-raa geomerik koiu, sehigga didapa lim σ T T σ T 3 σ σ T T lim μ r ( T T lim S ( S( T T (, di maa ( exp l S( τ dτ T T T Harga dari suau average value call opio dega raa-raa geomerik koiu dapa dieuka dega mesubsiusika ilai-ilai limi di aas ke dalam persamaa ( Average Value Opio dega raa-raa arimaika diskri Opsi Asia dega raaa arimaika diskri merupaka eis opsi Asia yag palig erkeal. Formula peeua opsi eis ii cukup suli karea umlah dari kompoe-kompoe logormal idak bisa direpreseasika dega mudah. Perama, kia aka medeskripsika secara formal opsi eis ii. Misal raaa harga saham dikalkulasi selama selag waku [, ] sera pada iik i + iδ,,,,, da Δ mauriy ime. Sedagka raa-raa yag masih berala didefiisika (pada waku, di maa m+, sebagai: m, (di maa adalah waku m A( S( i, m (3.4 + m i Peeua Harga Opsi Asia Riswa Harapa (34 5

14 da A(, ( uuk <. Fugsi payoff uuk sebuah average value opio dega ipe raa-raa { X } arimaika diskri ii adalah A merupaka srike price. max,, uuk eis call, di maa X Pada pembahasa selauya, aka dilakuka modifikasi dalam cara meliha payoff akhir, yaki dalam beuk A (,, di maa m A + (, A( A( S( i, + + (3.4 + i m merupaka raa-raa dari kompoe-kompoe harga saham yag belum dikeahui ilaiya selama masa berlaku raa-raa. Dega memadag beuk ii, maka payoff opsi ii (eis call dapa diulis kembali dalam beuk dega srike price-ya meadi * { A ( X } max,, (3.4 * m + X X A + Perlu dicaa bahwa disribusi dari A(, ( idak dapa dikeahui dega elas. Cara palig baik yag harus dilakuka adalah melakuka pedekaa erhadap disribusi A( dega megaproksimasiya megguaka, disribusi lai, yaiu disribusi logormal melalui ekspasi dere Edgeworh ([],[5]. Ekspasi ii mirip dega ekspasi dere Taylor yag diguaka uuk megaproksimasi sebuah fugsi. (3.43 Ekspasi Dere Edgeworh Misalka erdapa suau disribusi F (s yag igi kia dekai oleh suau disribusi aproksimasi F a (s (sebu F (s sebagai disribusi sesugguhya. Asumsika kedua disribusi di aas ermasuk ke dalam kelompok disribusi Peeua Harga Opsi Asia Riswa Harapa (34 6

15 yag fugsi pada peluagya koiu, di maa df a ( s ds a ( s f keduaya ada. df s ds ( s f da Perama, aka didefiisika persamaa beriku:. Fugsi karakerisik dari suau disribusi F is φ F, e f sds, di maa i (3.44. Raw mome ke- dari disribusi F α F s f s ds ( Ceral mome ke- dari disribusi F α ds (3.46 μ F s F f s 4. Fugsi pembagki cumula dari disribusi F i (3.47! + ( l φ F, k F o Formula fugsi pembagki cumula ([4] Misalka Y suau peubah acak yag memiliki fugsi karakerisik φ. is is Kemudia, dikeahui φ ( F, e f ( s ds E( e ( is ( is 3 is E ( e E + is + + +! 3!, da i i + E s i+ E s + + E s +!. Fugsi pembagki cumula : i i F k F + o + E s l φ, l!! Kemudia, dikeahui bahwa ika z a+ bi, i, maka Peeua Harga Opsi Asia Riswa Harapa (34 7

16 ( z ( l + z, sehigga ( F l φ, k+ E s k k! i 3 E s i + E s + E s + + 3! i 3 i 3 E s i + E s + E s i + E s + +! i i 4 E s i + E s + E s i + E s + 3! i i i k 3 i E s i + E s + E s + +! 3! { E( s E( s( i + E( s E( s + } + 3 { E( s E( s E( s( i + } + 3 i Kemudia, koefisie! 3 dari dere di aas didefiisika sebagai cumula ke- dari disribusi F, da bisa dikeahui bahwa iga cumula perama adalah α k F E s s, k( F E( s E( s E( s μ( s,! k3 ( F E( s.. E( s E( s. + ( E( s ( E s E s E s + E s μ 3 ( F 3 + Lalu aka diasumsika bahwa cumula perama higga cumula ke- + ada, mome perama higga mome ke- dari disribusi F ada, sera Peeua Harga Opsi Asia Riswa Harapa (34 8

17 d Fa ds ( s uuk m uga ada. Misalka didefiisika sebagai mi { m, }, maka selisih dari l φ ( F, da l ( F, φ adalah i (3.48! + φ( a + ( l φ F, k F k F l F, o Kemudia dega megambil fugsi ekspoe dari persamaa di aas, da dega memperimbagka bahwa a o e + o, maka didapa (, exp φ F k F k F φ( Fa, + o( ( i (3.49! Perhaika fugsi ekspoesial pada persamaa ( F, φ di aas. Jika kia ekspasi fugsi ekspoesial ersebu ke dalam beuk poliomial dalam ( i, didapa: y i ( i exp k F k F k F k F! y! + k F k F + +!! ( i ( i k F k F i! ( ( ( i i i + k F k Fa + k( F k( Fa + + k F k Fa ( ( i i + k F k Fa + k F k F a +! ( 3 ( 3 i i + k F k Fa + k F k F a + 3! E + o! (! di maa : Peeua Harga Opsi Asia Riswa Harapa (34 9

18 E, ( ( a, ( E k F k F ( E k F k F + k F k F k F k F + E a a a da seerusya, Sehigga, persamaa (3.49 meadi: ( i φ( F E F o, φ( a, + (3.5! Sebagai lagkah erakhir, kia aka memafaaka Fourier rasform. Kia puya hubuga beriku: is f( s e φ ( F,, π d fa ( s is e ( i φ ( Fa, d, dega,,, ds π da kemudia d fa ( s ( s ( i is f( s e E φ ( Fa, o( d π +! is is e ( i φ ( Fa, E d e o( d π +! π d fa is E e o( d ds +! π d fa s d fa s is E + E ( + E ( + e o (! ds! ds! ds π d d fa ( s fa( s + E ( + ε ( s,! ds (3.5 s e o d π is di maa ε (, ( Uuk meghiug ilai opsi Asia dega raa-raa arimaika, maka aka dilakuka aproksimasi disribusi oleh disribusi piliha, dalam hal ii disribusi logormal, yaki dega meyamaka dua mome perama dari Peeua Harga Opsi Asia Riswa Harapa (34 3

19 disribusi sebearya (idak dikeahui eisya da disribusi aproksimasi (logormal, yaki α α ( F da μ μ ( F F a persamaa dere Edgeworh (3.6. meadi ε (,3 a F a, sehigga f s f s + s (3.5 di maa E α ( F α ( F da a ( a E k F k F + E. Formulasi harga opsi Average Value Arihmeic Opios Sebuah average value opio dega raa-raa arimaika diskri mempuyai payoff A * { X } max,, da ilai opsi call pada saa ii adalah * ( { } rτ c S, A, e E max A, X, (3.53 dega τ. Seperi yag elah dibahas sebelumya, disribusi dari A (, aka diaproksimasi oleh disribusi logormal, aau dega kaa lai, disribusi dari ( ( l A, aka diaproksimasi oleh disribusi ormal. Asumsika disribusi ormal ii memiliki mea ( μ da variasi σ. Kemudia, mome perama da kedua dari disribusi logormal yag aka dipakai uuk megaproksimasi adalah ( σ ( ( F μ( +, da α ( F μ( σ ( α a a +. Pemberlakua ekspasi dere Edgeworh dua suku erhadap disribusi dari A (, dilakuka dega meyamaka mome perama da kedua dari disribusi logormal di aas dega mome perama da kedua dari disribusi A (,, yaiu σ ( μ ( + l E A (, μ( + σ ( l E A (, ( ( da. Dega meyelesaikaya erhadap μ ( da σ (, didapa: Peeua Harga Opsi Asia Riswa Harapa (34 3

20 ( ( ( ( ( ( ( μ l E A, l E A, σ l E A, l E A, sehigga dega megasumsika l A(, mea μ ( da variasi σ ( (,, r τ τ (, berdisribusi ormal dega, bisa didapa ilai call sebagai beriku: * ( c S A e E A d X d (3.54 dega d ( σ ( σ ( * μ + l X, da d d σ (. Formulasi ilai call ersebu adalah pedekaa yag cukup baik disribusi (buka ilai yag eksak/sebearya. Sisa pekeraa kia dari A(, (, (, adalah meeuka formulasi dari E A ( da E A (. Misalka S( adalah harga asse pada waku, di maa m + ζδ, dega ζ <. Uuk waku >, elah dikeahui bahwa ( (, ( i i m+ E A E S +. Selai iu, uga elah dikeahui bahwa pergeraka harga saham megikui beuk ( S( d S rd + σ dz, dega r adalah suku buga da σ adalah ilai variasi. Kemudia kia puya E S( i m+ ri ( m ζ ( i S( e Δ, di maa ( ζ Δ ( ζ Δ ( ζ Δ ( ζ ri m r r e e + e + + e ( rδ rδ m rδ e e e ζδ ζδ ζδ e e e r m Δ Peeua Harga Opsi Asia Riswa Harapa (34 3

21 merupaka dere geomeri dega rasio e rδ. Karea dikeahui umlah dari dere geomeri eis ii adalah r a, di maa a adalah suku perama r dari dere, adalah umlah suku dari dere, da r adalah rasio dari dere. Sehigga didapaka : i m+ e ( ζ ( ζ ( ζ r m Δ e e rδ e, da ri m Δ r Δ r( ζ ( ζ r m Δ S e E ( A Δ (, e, rδ + e (3.55 Kemudia, uuk kasus di maa <, maka berlaku ( (, ( E A E S i, da dega prosedur yag serupa + didapaka i r ( r + Δ S e E ( A ( e rδ + e,, < (3.56 Uuk mecari mome kedua dari disribusi A ( prosedur yag serupa dega prosedur mecari E A (, (,, uga diguaka, yaiu dimulai dega pemisaha kasus, yaki kasus di maa da <. Pada kasus di maa, kia puya ( (, ( + ( + i m+ m+ i m+ m+ ( ( i S( ( ( i E A E S S da akhirya bisa didapaka ([]: ( (, S( ( + S( ( + E S + Δ + mi, i m+ m+ E A e ζr( σ ( ( m ζ ζ( r+ σ Δ e A A + A A, 3 4, (3.57 di maa Peeua Harga Opsi Asia Riswa Harapa (34 33

22 ( r+ σ Δ ( r+ σ ( m+ Δ r( m+ + σ Δ ( r+ σ ( m+ Δ e e e e A, A, rδ ( r+ σ Δ rδ ( r+ σ Δ e e e e ( 3r+ σ Δ r( m+ + σ Δ ( r+ σ Δ ( r+ σ ( m+ Δ e e e e A3, A 4 rδ ( r+ σ Δ e e e (, r+ σ Δ r+ σ Δ e Kemudia uga dega cara yag sama, uuk < didapa ([]: ( ( S( ( + ( r + σ ( + < (3.58 E A, e B B B3 B4, di maa ( σ ( σ r+ + Δ r+ + Δ r + Δ e e e B, B, rδ ( r+ σ Δ rδ ( r+ σ Δ ( e ( e ( e ( e rδ r( + Δ ( r+ σ Δ ( r+ σ ( + Δ e e e e B3, B 4, rδ ( r+ σ Δ ( r+ σ Δ r+ σ Δ e e e e Peeua Harga Opsi Asia Riswa Harapa (34 34

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

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

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

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

BAB 2 Materi Penunjang

BAB 2 Materi Penunjang BAB. MATERI PENUNJANG 4 BAB Maeri Penunjang. Vanilla Opion Derivaives adalah salah sau conoh dari insrumen keuangan, aau lebih sederhananya bisa dianggap sebagai perjanjian anara dua orang, yang nilainya

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I. PENDAHULUAN. Laar Belakang Menuru Sharpe e al (993), invesasi adalah mengorbankan ase yang dimiliki sekarang guna mendapakan ase pada masa mendaang yang enu saja dengan jumlah yang lebih besar. Invesasi

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: muy.sms@gmail.com ABSTRAK

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

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

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

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 II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Model Pertumbuha Betuk ugsi pertumbuha satu jeis spesies pada umumya megguaka otasi ugsi aalitik yag diyataka dalam satu persamaa. Secara umum ugsi pertumbuha meyataka hubuga

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

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

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

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 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

BAB IV METODE BINOMIAL UNTUK PENENTUAN HARGA OPSI ASIA

BAB IV METODE BINOMIAL UNTUK PENENTUAN HARGA OPSI ASIA BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA 35 BAB IV METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA Pada bab ii aka dibahas sat pedekata merik tk peeta harga opsi Asia, khssya opsi Asia dega rata-rata

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009 BAB II TEORI DASAR 2.1. Proses Pemesia Muli-Ais Proses pemesia muli-ais didefiisika sebagai proses pemesia ag dilakuka dega mesi frais/millig (CNC) dega pergeraka lima-ais (5- ais), aau biasa disebu pemesia

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL BAB III PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP PADA GENERAL LINEAR MIXED MODEL Pada Bab III ii aka dibahas megeai taksira parameter pada Geeral Liear Mixed Model berdasarka asumsi

Lebih terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

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

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

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

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

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

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4 JURNAL ILMU-ILMU EKNIK - SISEM Vol. 3 No. OPIMASI INVENORY COS PAA MOEL MAEMAIKA EP (ECONOMIC PROUCION UANIY) ENGAN ACKORER AN VARIASI SE UP COS Rofila El Maghfiroh 4 Absrak: Masalah pegedalia persediaa

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 15 BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian 2.1.1 Definisi Ruang Sampel Himpunan semua hasil semua hasil (oucome) yang mungkin muncul pada suau percobaan disebu ruang sampel dan dinoasikan dengan

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

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

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

Analisis Model dan Contoh Numerik

Analisis Model dan Contoh Numerik Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

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

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP ( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai :

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai : Defiisi Trasformasi Laplace Trasformasi Laplace Bilateral Trasformasi Laplace bilateral atau dua sisi dari siyal berilai riil x(t) didefiisika sebagai : X B x(t)e Operasi trasformasi Laplace bilateral

Lebih terperinci

KAJIAN MODEL FRAKSIONAL PROSES DIFUSI. Siwi Tri Rahayu Universitas Jenderal Soedirman

KAJIAN MODEL FRAKSIONAL PROSES DIFUSI. Siwi Tri Rahayu Universitas Jenderal Soedirman Prosidig Semiar Nasioal Maemaika da Terapaya 6 p-issn : 55-384; e-issn : 55-39 KAJIAN MODEL FRAKSIONAL PROSES DIFUSI Siwi Tri Rahayu Uiversias Jederal Soedirma 53siwi@gmailcom Bambag Hedriya Guswao Uiversias

Lebih terperinci

Solusi Numerik Persamaan Transport

Solusi Numerik Persamaan Transport Solusi Numerik Persamaa Trasport M. Jamhuri December 16, 2013 Diberika persamaa Trasport u t + 2u x = 0 1) Diberika persamaa Trasport u t + 2u x = 0 1) Diskretka persamaa trasport 1) dega megguaka persamaa

Lebih terperinci

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET Pertemua 7. BAHAN AJAR ANALISIS REAL Matematika STKIP Tuaku Tambusai Bagkiag 5. da kekovergeaya 5. DERET Diberika sebuah barisa a, dapat didefeisika barisa bilaga real S N dega S N := N a = a + a 2 +...

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

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

Lebih terperinci