MODEL VALUASI PREMI ASURANSI JIWA ENDOWMEN BERBASIS SUKU BUNGA STOKASTIK. Oleh Sudianto Manullang, S.Si., M.Sc ABSTRAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL VALUASI PREMI ASURANSI JIWA ENDOWMEN BERBASIS SUKU BUNGA STOKASTIK. Oleh Sudianto Manullang, S.Si., M.Sc ABSTRAK"

Transkripsi

1 MODEL VALUASI PREMI ASURANSI JIWA ENDOWMEN BERBASIS SUKU BUNGA STOKASTIK Oleh Sudiato Maullag, S.Si., M.Sc ABSTRAK Peelitia ii bertujua utuk medapatka model premi asurasi jiwa edowme dega megguaka suku buga stokastik Vasicek Faktor suku buga da mortalitas merupaka kompoe utama pembetuk premi asurasi jiwa edowme. Model suku buga Vasicek adalah salah satu model suku buga stokastik yag diguaka pada derivatif yag mejadi faktor disko dari harga zero coupo bod utuk medapatka ilai auitas, asurasi sehigga meghasilka ilai premi bersih tahua asurasi jiwa edowme. 1. PENDAHULUAN Hidup mausia merupaka sebuah aset yag dapat medatagka pedapata. Aset ii juga meghadapi risiko seperti kematia, sakit, da cacat yag membuat seseorag tidak mampu memperoleh peghasila. Hal ii megakibatka pihak-pihak yag bergatug seperti keluarga megalami kesulita. Da asurasi meyediaka perliduga terhadap risiko-risiko tersebut. Pada asurasi tradisioal ilai aset (hidup mausia) diaggap sama disetiap waktu padahal ilai hidup mausia tidak sama sepajag waktu (dimais). Jika karir seseorag maki meigkat maka ilai ekomois dari hidupya pu aka aik atau sebalikya Sedagka hukum pasar dari idustri asurasi adalah meciptaka premi da beefit yag seoptimal mugki. Jika premi yag ditawarka terlalu mahal maka kemugkia besar produk tersebut tidak aka laku dijual sedagka apabila premi terlalu murah maka perusahaa aka medapatka resiko yag besar da profit yag kecil pula. Pada dasarya premi asurasi jiwa dipegaruhi oleh tiga faktor yaitu: peluag seseorag usia tertetu aka meiggal dalam jagka waktu tertetu (mortalitas), suku buga yaitu tigkat suku buga yag diperoleh oleh daa yag diivestasika, da biaya utuk memasarka polis da biaya admiistrasi laiya utuk pegelolaa polis tersebut. Model buga stokastik yag dipakai adalah model buga yag megikuti suatu persamaa diferesial stokastik, model ii diaggap dapat meyempuraka model kovesioal, yaitu model buga determiistik. Selai itu model buga stokastik juga merupaka betuk umum dari model buga determiistik, dimaa 1

2 model buga determiistik merupaka kasus khusus dari model buga stokastik Usur stokastik dalam peetua besara aktuaria pada suku buga stokastik dapat dilakuka dega megguaka model tigkat suku buga derivatif yag ada dalam duia pasar modal. Model yag palig popular dalam struktur waktu suku buga (term structure of iterest rate) adalah model kesetimbaga karea memuat usur determiistik da stokastik didalamya. Salah satu model yag berkembag tersebut adalah model Vasicek (1977), model ii merupaka pegembaga dari model Orstei-Uhlebeck (1931). Salah satu istrume pasar yaki obligasi yag megguaka tigkat buga derivatif serig diaplikasika dalam perhituga aktuaria pada asurasi jiwa. Betuk obligasi tapa buga (zero coupo bod) yag memuat faktor disko pada ilai premi dapat dirumuska dega megguaka model ii, yag pada akhirya juga dapat meggambarka perubaha-perubaha tigkat suku buga dari perhituga aktuaria. 2. TEORI DASAR 2.1 Proses Stokastik Defeisi 2.1 Suatu proses stokastik dega waktu kotiu X t, t T disebut memiliki ikreme idepede (idepedet icremet) jika semua t t 1 t 2... t, variabel radom X t 1 X t, X t 2 X t 1,..., X t X t 1 adalah salig idepede. 2.2 Gerak Brow Defeisi 2.2 (Ross, 1996) Gerak brow serig juga disebut sebagai proses Wieer. Suatu proses stokastik W t : t disebut gerak Brow jika proses tersebut memeuhi beberapa kriteria berikut ii : i) W da W t adalah kotiu saat t ii) W t N, t yag berarti W t berdistribusi ormal dega mea da variasi t. iii) W t W s N, t s da aka idepede selama proses sampai waktu ke-s 2.3 Asurasi Jiwa Edowme Diberika b k 1 adalah fugsi mafaat (beefit) asurasi da v k 1 meujukka fugsi diskoto. Nilai waktu sekarag (preset value) dari pembayara mafaat pada saat dikeluarkaya polis diotasika dega z k 1 z k 1 b k 1 v k 1 (2.2.1) Utuk asurasi jiwa edowme tahu yag memberika mafaat sebesar 1 satuaa di akhir tahu kematia dipuyai, 2

3 1 k,1,..., 1 b k 1 k laiya v k 1 v k 1, v K 1 Z K,1,..., 1 laiya Premi tuggal bersih utuk asurasi ii dega megguaka equivalece premium priciple diberika sebagai : A 1 1 E Z v k 1 k k p x q x k (2.2.2) dega k p x meujukka probabilitas seseorag yag sekarag berusia x tahu aka hidup sampai k tahu ke depa, da q meujukka probabilitas seseorag yag x k sekarag berusia (x +k) tahu aka meiggal 1 tahu yag aka datag. Diketahui hubuga, p p p... p (1 q )(1 q )...(1 q ) atau p l xk k x x x1 xk 1 x x1 xk 1 k x l x dimaa l x adalah jumlah yag hidup berusia x. Dalam hal ii A 1 meotasika premi tuggal bersih asurasi jiwa edowme tahu. Asurasi jiwa edowme muri tahu adalah salah jeis asurasi yag membayar sebesar 1 kepada tertaggug (isured) pada akhir tahu kemudia jika tertaggug masih hidup pada waktu tersebut. Jadi, fugsi utuk jeis asurasi ii adalah : k,1,..., 1 b k 1 1 k, 1,... k,1,..., 1 v k 1 v k, 1,... K,1,..., 1 Z v K, 1,... Premi tuggal bersih utuk jeis asurasi ii dega megguaka equivalece premium priciple diberika sebagai : A 1 E v x: x p x (2.2.3) 1 Sebagaiamaa peotasia pada asurasi jiwa edowme tahu, Ax: E x meujukka otasi utuk premi tuggal bersih utuk asurasi jiwa edowme muri tahu utuk seseorag yag berusia x tahu. Asurasi jiwa edowme (dwigua) adalah peggabuga atara asurasi jiwa edowme da asurasi jiwa edowme muri. Asurasi jiwa edowme yag aka membayar sebesar 1 kepada ahli waris jika tertaggug pada selag waktu atau aka membayar sebesar 1 pada akhir tahu kemudia jika tertaggug masih hidup pada waktu tersebut. Sehigga premi tuggal bersih utuk jeis asurasi jiwa edowme 1 x: diberika sebagai : A A 1 A 1 k x x k x k v k 1 p q v p 2.4 Auitas Hidup Auitas hidup merupaka seragkaia pembayara dikaitka dega mati 3

4 hidupya sesorag secara terus-meerus atau pada selag waktu yag sama, 4

5 seperti bula, triwula, atau tahua, selama seseorag yag mejadi tertaggug masih hidup. Dega kata lai Auitas hidup merupaka auitas yag pembayaraya dikaitka dega mati hidupya sesorag. Iterval pembayara dapat dilakuka pada awal (auities-due), atau auitas akhir (auitiesammediate) yag dapat dilakuka pada akhir waktu pembayara. Nilai auitas hidup edowme waktu tahu dapat dituliska sebagai berikut : a vt p dt t x Premi Premi dalam asurasi jiwa edowme dibayarka secara berkala selama jagka waktu kotrakya, yag biasaya dibayarka pada awal periode. Semaki pajag retag jagka waktu pembayara premi maka harga premi yag dibayarka aka semaki kecil. Perhituga premi secara berkala dega periode pembayara tahu serta memberika mafaat sebesar 1 satua pada saat tahu kematia adalah : Pa A dega a adalah ilai tuai auitas awal da A 1 adalah asurasi atau ilai satua. 3.1 Peetua Premi Bersih Asurasi Jiwa Edowme Persamaa model VASICEK Model Vacisek diperkealka pertama kali tahu 1977 oleh Oldrich Vasicek (Vasicek, 1977). Model ii merupaka salah satu model matematika yag mejelaska evolusi tigkat buga. Model Vacisek termasuk dalam persamaa diferesial stokastik yag mampu meggambarka fluktuasi pergeraka short-rate (tigkat suku buga sesaat) dari yield obligasi selama masa obligasi. Selai dapat memodelka fluktuasi tigkat suku buga, model Vacisek juga dapat diguaka utuk memprediksi besarya tigkat buga pada periode kedepa. Model Vasicek berbetuk sebagai berikut : dr t r t dt dw t, r t Dalam model ii ditujukka adaya mea reversio yaitu suatu kecedruga ilai berada disekitar rata-rata log ru atau dapat dikataka bahwa tigkat suku buga bergerak dalam rage terbatas. Sebagai ilustrasi jika tigkat buga berada diatas rata-rata log ru r maka faktor drift aka berilai egatif sehigga suku buga aka diteka sampai pada ilai rata-rata. Jika r maka faktor drift aka berilai positif sehigga buga juga harus diteka karea faktor drift berilai positif aka meaikka suku buga. Naikya suku buga pada akhirya aka meghambat percepata pertumbuha ekoomi. 5

6 Dega megguaka proses Orstei-Uhlebeck solusi persamaa mejadi : t s r t r e t e dw s r r e t t 1 e t e e dw t s s s ZCB (Zero Coupo Bod)/ Obligasi berkupo ol Yield dari ZCB, yaitu hasil yag aka diperoleh ivestor apabila meempatka daaya utuk dibelika obligasi, sepeuhya sama dega suku buga. Misalka r t mewakili suku buga pada waktu yag bersifat kotiu diperoleh ilai ZCB sebesar : P t,t e r t T t da diperoleh yield R t,t log P * t,t T t Solusi utuk masalah harga ZCB pada dapat ditetuka dega megguaka model Affie. Diasumsika drift da volatilitas spot rate pada model mea reversio masigmasig berbetuk r, t t t r da r, t 2 t t r t 1 2 t t 1 2 t utuk i t da i t, i 1, 2, adalah fugsi determiistik dalam t Sebuah ZCB edowme waktu T dega harga pada waktu t adalah P t,t, r P, r, misalka peetua harga megikuti formula P, r exp A B r t Solusi utuk A da B utuk peetua ilai ZCB dapat dicari dega mereduksi usur r t pada persamaa (3.5.5) sehigga diperoleh persamaa diferesial simulta 5

7 B ' 1 2 2t r B 2 t 2 t r t B 1 A ' 1 t B 2 t B dega : B 1 e A r B B 1 B 2 2 r B 1 B Premi tahua utuk asurasi jiwa dega 1 uit pembayara pada saat kematia x berdasarka model suku buga Vasicek diyataka dega A 1 A 1 E E v t E v t f TX t dt P, r t f TX t dt exp A B r t f TX t dt A exp r B r r B 2 exp ds dt 2 2 t x t x s da utuk auitas hidup kotiu pembayara 1 uit setiap periode berdasarka model suku buga Vasicek diyataka dega a 6

8 a a P t p x dt A exp B r p dt t t x 2 2 r 2 4 t t x r B B 2 exp B r p dt B B 2 exp B r exp ds dt 2 2 t x s 4 Berdasarka persamaa (2.1.11) da (3.1.12) maka premi asurasi jiwa seumur hidup dega suku buga Vasicek adalah Pa BA 1 P B A 1 a Studi kasus Dega megguaka bahasa pemograma R diperoleh hasil ilai asurasi, auitas, da harga premi bersih asurasi jiwa edowmeya sebagai berikut : 1. Premi Vasicek masa kotrak Auitas berfugsi sebagai pembagi ilai dari asurasi maka jika semaki besar ilai auitas maka pembagi aka semaki besar yag meyebabka harga premi aka semaki redah. Utuk melihat asumsi tersebut aka ditujukka dalm simulasi berikut. Dega megguaka data berikut aka diperoleh perubaha harga premi asurasi jiwa edowme. Berusia 4 tahu membeli kotrak asurasi jiwa edowme dega jagka waktu kotrak selama 1-5 tahu da uag pertagguga/beefit yag ditawarka sebesar Rp. 5.., da suku buga ista yag berlaku adalah 6.75% per tahu. Dega megguaka pemograma yag sama da fugsi perulaga terhadap masa asurasi pada perhituga harga premi maka aka diperoleh hasil sebagai berikut : Tabel 4.5 Harga premi dega suku buga Model Vasicek berdasarka perubaha masa kotrak asurasi buga asurasi auitas premi Fakultas Matematika Uiversitas.51 Negeri Meda

9 buga asurasi auitas premi

10 auitas premi Plot ilai Premi Plot ilai asurasi asurasi volatilitas volatilitas Plot ilai auitas volatilitas 9

11 Gambar 4.1 Grafik harga premi, asurasi da auitas asurasi jiwa edowme model Vasicek berdasarka masa kotrak asurasi 5.1 Kesimpula Dalam tesis ii dibahas tetag pembetuka ilai premi asurasi jiwa edowme dega megguaka suku buga deteriistik da suku buga stokastik model Vasicek da dalam implemetasiya dalam perhituga ilai asurasi, aiutas, serta premi, dega hasil sebagai berikut : 1. Nilai asurasi, auitas serta premi dega suku buga determiistik yag selalu kosta pada asurasi jiwa edowme lebih tiggi ilaiya dibadigka dega megguaka suku buga stokastik model Vasicek. 2. Dalam simulasi data dega megguaka model Vasicek yag diperoleh bahwa terdapat pegaruh jika ilai beefit, usia, suku buga ista, suku buga jagka pajag volatilitas da asumsi gompertz yaki aka meigkat ilai auitas, asurasi serta premi yag aik pula. Namu jagka waktu yag pajag aka relatif meuruka ilai auitas, asurasi serta premi. DAFTAR PUSTAKA Bai, L.J ad Egelhardt, M Itroductio to Probability ad Mathematical Statistics 2 d Edito. Belmot. Califoria : Duxbury Press. Bowers, N.L, et al Actuarial Mathematics 2 d Edito. Schaumburg, Illiois : The Society of Actuaries. Jorda, C.W Life Cotigecies 2 d Edito. Chicago, Illiois : The Society of Actuaries. Li, X.S. 26. Itroductory Stochastic Aalysis for Fiace ad Isurace Hoboke, New Jersey : Willey & Sos, Ic. Noviyati, L. Ad Syamsuddi, M. 25. Life Isurace with Sthochastic Iterest Rate, Proceedigs 13th East Asia Actuarial Coferece The Actuary at Risk, The Society of Actuaries of Idoesia. Kelliso, S.G., The Theory of Iterest 2 d Edito, Irwi Homewood, Bosto. Ross, S. M., Stochastic Processes, Joh Wiley & Sos, New York. Seydel, R.U., 26. Tools for Computatioal Fiace third editio. Netherlad. Spriger-Verlag. 1

12 Sudiato Mau/lag Sula, M.S. 24. Asurasi Syariah (Life ad Geeral) : Kosep da Sistem Operasioal. Jakarta: Gema Isai. Vasicek, A Equilibrium Characterizatio of Term Structure. Joual of Ecoomics. 1

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE 2 ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE Sri Purwati 1, Johaes Kho 2, Aziskha 2 1 Mahasiswa Program S1 Matematika FMIPA Uiversitas Riau email : srii_purwatii@yahoo.co.id

Lebih terperinci

(A.4) PENENTUAN CADANGAN DISESUAIKAN MELALUI METODE ILLINOIS PADA PRODUK ASURANSI DWIGUNA BERPASANGAN

(A.4) PENENTUAN CADANGAN DISESUAIKAN MELALUI METODE ILLINOIS PADA PRODUK ASURANSI DWIGUNA BERPASANGAN Prosidig Semiar Nasioal Statistika Uiversitas Padjadjara, 3 November 2 (A.4) PENENTUAN CADANGAN DSESUAKAN MELALU METODE LLNOS PADA PRODUK ASURANS DWGUNA BERPASANGAN Suhartii, Lieda Noviyati, Achmad Zabar

Lebih terperinci

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si.

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si. ANUITAS 9/19/2012 MK. Aktuaria Darmato,S.Si. 1 OVERVIEW Auitas adl suatu pembayara dalam jumlah tertetu, yag dilakuka setiap selag waktu da lama tertetu, secara berkelajuta. Suatu auitas yg pasti dilakuka

Lebih terperinci

APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION. Abstract. Sudianto Manullang

APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION. Abstract. Sudianto Manullang APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION Absrac Sudiao Maullag Facor of ieres rae ad moraliy is former pricipal compoes o ge premium of erm isurace. Vasicek's

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi Modul ke: 05 KONSEP WAKTU UANG PADA MASALAH KEUANGAN Fakultas EKONOMI DAN BISNIS Program Studi Akutasi Idik Sodiki,SE,MBA,MM Pedahulua Kosep ilai waktu dari uag (time value of moey) pada dasarya mejelaska

Lebih terperinci

CATATAN KULIAH #12&13 Bunga Majemuk

CATATAN KULIAH #12&13 Bunga Majemuk CATATAN KULIAH #12&13 Buga Majemuk 10.1 Pedahulua Pada pembahasa sebelumya diasumsika bahwa P atau ilai pokok pembayara tidak megalami perubaha dari awal higga akhir sehigga ilai buga selalu dihitug dari

Lebih terperinci

II. LANDASAN TEORI. Kajian tentang perhitungan nilai aktuaria yang akan dibayarkan n-kali pertahun

II. LANDASAN TEORI. Kajian tentang perhitungan nilai aktuaria yang akan dibayarkan n-kali pertahun 4 II. LANDASAN TEORI Kajia tetag perhituga ilai aktuaria yag aka dibayarka -kali pertahu utuk berbagai produk asurasi jiwa, dapat dilakuka dega terlebih dahulu megetahui beberapa teori-teori dasar terkait

Lebih terperinci

Modul 1 Modul 2 Modul 3 Modul 4 Modul 5 Modul 6

Modul 1 Modul 2 Modul 3 Modul 4 Modul 5 Modul 6 i B Tijaua Mata Kuliah uku Materi Pokok (BMP) Matematika Aktuaria ii disampaiika dalam sembila modul (pokok bahasa) yag diorgaisasika sebagai berikut. Modul 1. Probabilitas Modul 2. Teori Buga Modul 3.

Lebih terperinci

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

PEMODELAN ASURANSI JIWA BERDASARKAN ASUMSI MORTALITA WEIBULL

PEMODELAN ASURANSI JIWA BERDASARKAN ASUMSI MORTALITA WEIBULL PEMODELAN ASURANSI JIWA BERDASARKAN ASUMSI MORTALITA WEIBULL Des Alwie Zayati JurusaMatematika, FMIPA, UiversitasSriwijaya Email : dalwiezayati@yahoo.com ABSTRAK Pemodela asurasi jiwa berdasarka asumsi

Lebih terperinci

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL Karmila 1*, Hasriati 2, Haposa Sirait 2 1 Mahasiswa Program S1 Matematika 2 Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam

Lebih terperinci

(A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METODE OHIO PADA PRODUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN

(A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METODE OHIO PADA PRODUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN Prosidig Semiar Nasioal Statistika Uiversitas Padjadjara, 3 November 2 (A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METDE HI PADA PRDUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN Puput

Lebih terperinci

Muniya Alteza

Muniya Alteza NILAI WAKTU UANG 1. Kosep dasar ilai waktu uag (time value of moey) 2. Nilai masa depa (future value) 3. Nilai sekarag (preset value) 4. Auitas (auity) 5. Perpetuitas (perpetuity) 6. Buga tahua efektif/

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 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

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

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

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO 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

Lebih terperinci

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi. MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas beberapa teori dasar yang diperlukan pada

BAB II LANDASAN TEORI. Pada bab ini akan dibahas beberapa teori dasar yang diperlukan pada BAB II LANDASAN TEORI Pada bab ii aka dibahas beberapa teori dasar yag diperluka pada bab bab selajutya, diataraya defiisi Persamaa Diferesial Stokastik, proses Wieer, itegral stokastik, order strog covergece

Lebih terperinci

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

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

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

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

Buku Padua Belajar Maajeme Keuaga Chapter 0 KONSEP NILAI WAKTU UANG. Pegertia. Nilai Uag meurut waktu, berarti uag hari ii lebih baik / berharga dari pada ilai uag dimasa medatag pada harga omial yag sama.

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

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

Nilai Waktu dan Uang (Time Value of Money)

Nilai Waktu dan Uang (Time Value of Money) Nilai Waktu da Uag (Time Value of Moey) Kosep Dasar Jika ilai omialya sama, uag yag dimiliki saat ii lebih berharga daripada uag yag aka diterima di masa yag aka datag Lebih baik meerima Rp juta sekarag

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 CICILAN DAN BUNGA MAJEMUK

BAB II CICILAN DAN BUNGA MAJEMUK BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya

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

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da

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

= 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

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

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

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

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

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

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

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

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

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

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

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

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 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

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

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

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

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

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

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

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

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

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

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 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

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di lokasi huta taama idustri yag terdapat di PT. Wirakarya Sakti Provisi Jambi. Waktu pelaksaaa peelitia ii adalah bula April

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

III PERBANDINGAN MODEL-MODEL BINOMIAL. : harga saham : tingkat harapan pendapatan. yaitu

III PERBANDINGAN MODEL-MODEL BINOMIAL. : harga saham : tingkat harapan pendapatan. yaitu III PERBANDINGAN MODEL-MODEL BINOMIAL 3. Model Kotiu da Model Diskret Perkembaga Harga Saham Saham merupaka aset fiasial yag ilaiya berubah-ubah megikuti harga pasar, sehigga dalam jagka waktu tertetu

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

BAB III PERANCANGAN PROGRAM APLIKASI

BAB III PERANCANGAN PROGRAM APLIKASI BB III PERNCNGN PROGRM PLIKSI 3.1 Peracaga Program Utuk meracag program aplikasi perhituga premi ii dega pedekata Gompertz, peulis megguaka Delphi 7.0 yag dioperasika pada Microsoft Widows 2000. lgoritma

Lebih terperinci

Ketidaksamaan Chebyshev Hukum Bilangan Besar pada Bisnis Asuransi

Ketidaksamaan Chebyshev Hukum Bilangan Besar pada Bisnis Asuransi Vol. 5, No., 86-9, Jauari 009 Ketidaksamaa Chebyshev Hukum Bilaga Besar pada Bisis Asurasi Georgia M. Tiugki Abstrak Bisis asurasi sagat erat kaitaya dega teori statistik, khususya teori probabilitas (kemugkia)

Lebih terperinci

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014 BAB III METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia ii dilaksaaka pada bula Juli 2013 sampai Jauari 201 berlokasi di Kabupate Gorotalo. B. Jeis Peelitia Peilitia tetag evaluasi program pegembaga

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

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 METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

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

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan Beberapa Metode Pendugaan Parameter AR(1) Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad

Lebih terperinci

ANALISIS ANUITAS PADA PENENTUAN PREMI ASURANSI JIWA SKRIPSI

ANALISIS ANUITAS PADA PENENTUAN PREMI ASURANSI JIWA SKRIPSI ANALISIS ANUITAS PADA PENENTUAN PREMI ASURANSI JIWA SKRIPSI Oleh: LIFARA MARGARETA NIM. 06510055 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2010

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

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

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

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

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

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

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

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB II URAIAN TEORITIS. dalam Ginting (2004) berpendapat bahwa rasio PBV adalah alat pengukur dari

BAB II URAIAN TEORITIS. dalam Ginting (2004) berpendapat bahwa rasio PBV adalah alat pengukur dari BAB II URAIAN TEORITIS A. Peelitia Terdahulu Peelitia di luar egeri yag dilakuka oleh Fama da Frech (993) dalam Gitig (2004) berpedapat bahwa rasio PBV adalah alat pegukur dari keadaa kesulita keuaga (fiacial

Lebih terperinci