Penentuan Harga Opsi Asia dengan Metode Monte Carlo

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penentuan Harga Opsi Asia dengan Metode Monte Carlo"

Transkripsi

1 JURAL AEAIKA AIK Vol. 3 o. 1. ei 217. Penentuan Harga Opsi Asia dengan etode onte Carlo Surya Amami Pramuditya 1 FKIP, Universitas Swadaya Gunung Djati 1, amamisurya@fip-unswagati.ac.id 1 DOI: Abstra Opsi adalah ontra antara holder dan writer dimana writer memberian ha (buan ewajiban) epada holder untu membeli menjual aset dari writer dengan harga tertentu (strie price) dan pada watu yang telah ditentuan dimasa datang (maturity time). Opsi Asia termasu pada opsi path dependent. Artinya payoff opsi Asia tida hanya bergantung pada harga saham saat maturity time saja, tetapi merupaan rata-rata harga saham selama masa jatuh temponya dan disimbolan A (average). onte Carlo pada dasarnya digunaan sebagai prosedur numeri untu menasir nilai espetasi pricing product derivative. eni yang digunaan adalah onte Carlo standar dan redusi varians. Hasilnya diperoleh harga opsi Asia call dan put untu edua teni dengan selang epercayaan 95%. eni redusi varians terlihat lebih cepat memperecil selang epercayaan 95% dibandingan metode standar. Kata unci: opsi,, Asia, onte Carlo Abstract Option is a contract between a holder and a writer in which the writer grants the rights (not obligations) to the holder to buy or sell the assets of the writer at a certain price (strie price) at maturity time. Asian options are included in the dependent path option. his means that Asia's payoff option depends not only on the stoc price at maturity time, but it is the average stoc price during its maturity and symbolized A (average). onte Carlo is basically used as a numerical procedure to estimate the expected value of pricing product derivatives. he techniques used are the standard onte Carlo and variance reduction. he result obtained the Asia call option price and put for both techniques with 95% confidence interval. he variance reduction technique loos faster reducing 95% confidence interval than standard method. Keyword: option, Asian, onte Carlo 1. Pendahuluan Hull [2] mendefinisian opsi sebagai ontra antara holder dan writer dimana writer memberian ha (buan ewajiban) epada holder untu membeli menjual suatu aset dari writer dengan harga tertentu (strie exercise price) dan pada watu yang telah ditentuan dimasa datang (expiry date maturity time) [4][5]. Salah satu jenis opsi adalah opsi Asia. Opsi Asia termasu pada opsi path dependent [4]. Artinya payoff opsi Asia tida hanya bergantung pada harga saham saat maturity time saja. Di sini payoff opsi Asia merupaan rata-rata harga saham selama masa jatuh temponya dan disimbolan A (average). etode onte Carlo pada dasarnya digunaan sebagai prosedur numeri untu menasir nilai espetasi dari suatu peubah aca sehingga metoda ini dapat digunaan untu permasalahan pricing product derivative jia direpresentasian sebagai nilai espetasinya. Prosedur simulasi melibatan generating dari peubah aca dengan suatu fungsi epadatan dan dengan menggunaan law of large number maa rata-rata dari nilai ini dapat dinyataan sebagai penasir espetasi peubah aca tersebut. Penelitian ini bertujuan untu mencari payoff harga opsi Asia call dan put fixed strie dan 46

2 JURAL AEAIKA AIK Vol. 3 o. 1. ei 217. average strie disertai selang epercayaan 95%. Selanjutnya, dicari selang epercayaan terecil melalui metode onte Carlo standard dan redusi varians. 2. Simulasi onte Carlo isalan X peubah aca dengan espetasi E(X) = a dan Var (X) = b 2 yang nilainya belum dietahui. isalan X 1, X 2,, X adalah barisan peubah aca yang berdistribusi identi dengan X, maa penasir ta bias untu a [6][3] adalah a = 1 X i dan penasir ta bias untu b 2 adalah (1) b 2 = 1 1 (X i a ) 2 (2) Berdasaran teorema limit pusat untu berlau X i a ~(,1) b Sehingga, X i ~(a, b 2 ) a a = 1 X i a~(, b2 ) a a b ~(,1) Aan didapatan tasiran interval untu a. Perhatian P ( a a 1.96) =.95 b P ( 1.96 a a b 1.96) =.95 P (a 1.96 b a a b ) =.95 b Di sini merupaan standard error, dengan mengambil b b, maa P (a 1.96 b a a b ) =.95 (3) Sehingga diperoleh selang epercayaan 95 % untu a adalah [a 1.96 b, a b ]. Agar aurasi selang lebih aurat dapat diperoleh malalui dua cara yaitu : 1. emperbesar simulasi, tetapi hal ini memberian watu omputasi yang lama. 2. engecilan b meredusi variansi dengan menggunaan ontrol variat. 2.1 eni Redusi Variansi dengan Kontrol Variat asiran selang aan semain aurat jia lebar dari selang tersebut semain sempit/ecil, lebar selang epercayaan dapat dipersempit dengan cara memperbanya sampel (menambah jumlah simulasi). amun cara ini cuup menyulitan arena fator. Sebagai contoh, untu mendapatan selang epercayaan yang lebih aurat, yaitu menyusutan selang epercayaan dengan fator 1 membutuhan sampel seratus ali lebih banya dari semula. Cara lain yang dapat dilauan adalah memperecil standar deviasi (b ) yang berarti memperecil variansi [1]. Ide dari teni ini dalah mengganti X i dengan barisan peubah aca yang lain yang juga identi dengan mean sama dengan E(X i ) namun dengan variansi yang lebih ecil. isalan θ = E(X) ingin ditasir dengan simulasi onte Carlo. Andaian ada peubah aca lain, selain X yaitu Y dengan mean E(Y) = μ Y, emudian aan ditunjuan var (X) > var(y). ulis peubah aca Z = X + c(y μ Y ) (4) maa nilai espetasi dari Z adalah E(X + c(y μ Y )) = E(X) + ce(y μ Y ) = θ + ce(y μ Y ) = θ Sedangaan variansinya var(x + c(y μ Y )) = var (X + cy) = var (X) + var (Y) + 2cov(X, cy) = var (X) + c 2 var(y) + 2c cov(x, Y) (5) Pilih Y sedemiian rupa sehingga cov(x, Y). Karena var (X), var(y), Cov(X, Y) dietahui, maa var (Z) = f(c) yaitu fungsi uadrat dalam c. inimuman ruas anan pada persamaan (5) terhadap c diperoleh c cov(x, Y) = (6) var (Y) usahaan cov (Y, V) positif sehingga c negatif. Dengan mengsubsitusian persaman (6) e persamaan (5) diperoleh 47

3 JURAL AEAIKA AIK Vol. 3 o. 1. ei 217. var(x + c (Y μ Y )) = var(x) cov2 (X, Y) var(y) diperoleh redusi variansi var(z) var(y) = 1 cov2 (X, Y) var(y)var(x) = 1 corr 2 (X, Y) selanjutnya pilih Y = S(n) i dan lauan simulasi untu X dan Y diperoleh X i dan Y i (i = 1,2,, ). ulis cov (X, Y) = 1 X = 1 X i Y = 1 Y i 1 (X i X )(Y Y ) var (X, Y) = 1 1 ( Y i Y ) Peubah aca pembanding memilii mean sampel θ = 1 ( X i + c (Y μ Y )) 2.2 odel Harga Saham isalan model pergeraan harga saham [3] [2] [4] [5] adalah S() = S e (r 1 2 σ2 )+σ z dengan Z~(,1) (7) serta = 1, dimana merupaan banya hari erja dalam 1 tahun. Selanjutnya model saham ini menghasilaan espetasi dari peubah aca [4][5] C = e r mas{s e (r 1 2 σ2 )+σ z K, } yaitu nilai opsi call Eropa saat dihitung di t =. 2.3 Opsi Asia Average price Asian Call (fixed strie price) C(S, ) = mas ( 1 S(τ)dτ K, ) Average price Asian Put ((fixed strie price)) P(S, ) = mas (E 1 S(τ)dτ, ) Average Strie Price Asian Call C(S, ) = mas (S() 1 S(τ)dτ, ) Average Strie Price Asian Put P(S, ) = mas ( 1 S(τ)dτ S(),) Pandang S (τ)dτ t S j (8) dimana adalah banyanya partisi dan ingat bahwa =, maa S (τ)dτ = 1 t S t j = 1 S j (9) Sehingga penggunaan onte Carlo untu Asian Call Option memilii payoff [3] C i (S, ) = mas ( 1 S j K, ) (1) C i (S, ) = mas (S() 1 S j, ) (11) untu i = 1,2,,. Berdasaran persamaan (9), persamaan (1) dan (11) dapat ditulisan Vcprice = exp ( r n ) (1 n S j K, ) n Vcstrie = exp ( r n ) (S + (12) Payoff dari Asian option ditentuan dari nilai rata-rata untu tiap asusnya [2][6], yaitu: + n 1 n S j, ) (13) 48

4 JURAL AEAIKA AIK Vol. 3 o. 1. ei Algoritma etode onte Carlo Beriut merupaan algoritma menentuan harga opsi Asia dengan etode onte Carlo [6]. abel 1. Harga Saham Input: S, K, r, σ, n,, Bangitan fator aca z(, n) Hitung E(X) = mu = (r 1 2 σ2 ) Var(X) = dev = σ Untu i = 1,2,.., dan j = 1,2,.., n Untu j = 1, x(i, j) = mu + dev z(i, j) Untu j = 2,.., n, x(i, j) = x(i, j 1) + (mu + dev z(i, j)) Harga saham S b (i, j) = S exp (x(i, j)) abel 2. Opsi Asia Bangun harga saham S b Hitung A mean S b sebagai harga saham selama [, ] Hitung S n yaitu harga saham saat maturity time Hitung payoff Jia C standar, maa Jia opsi call, maa Vprice = exp( r n ) max(a K, ) lainnya, Vprice = exp( r n ) max(k A, ) Hitung mean dan standar deviasi dari Vprice, serta selang epercayaan 95% lainnya, (ontrol variat) pilih Y = n S i Jia opsi call, maa hitung X = exp( r n ) max(a K, ) Cov(X, Y) Corr(X, Y) c Z = X + c (Y μ Y ) Hitung mean dan standar deviasi dari Z, serta selang epercayaan 95% lainnya, Vprice = exp( r n ) max(k A, ) Cov(X, Y) Corr(X, Y) c Z = X + c (Y μ Y ) Hitung mean dan standar deviasi dari Z, serta selang epercayaan 95% Hitung rasio (redusi) Hasil Dan Pembahasan Untu menentuan selang epercayaan serta harga opsi Call dan Put Asia digunaan program atlab. Program ini menggunaan data fitif dengan r = 6%; σ =.3; = 1; S = 15; = 252; n = 1. Adapun r adalah suu bunga, σ adalah volatilitas, adalah watu satu tahun erja, S adalah harga saham awal, adalah watu hari erja dan n adalah partisi watu. abel 3. Selang Kepercayaan Opsi Call Asia onte Carlo Standar K=9 Average Price Average Strie abel 4. Harga Opsi Call Asia onte Carlo Standar K=9 Fixed Strie Average Strie Berdasaran tabel 3 dan tabel 4 di atas, semain besar langah, maa selang epercayaan 95% semain ecil, sehingga tasiran harga opsi call Asia untu fixed strie maupun average strie semain bai. abel 5. Selang Kepercayaan Opsi Call Asia onte Carlo Redusi Varians K=9 Average Price Average Strie abel 6. Harga Opsi Call Asia onte Carlo Redusi Varians K=9 Fixed Strie Average Strie Berdasaran tabel 5 dan tabel 6 di atas, semain besar langah, maa selang epercayaan 95% semain ecil, sehingga tasiran harga opsi call Asia untu fixed strie maupun

5 JURAL AEAIKA AIK Vol. 3 o. 1. ei 217. average strie semain bai. eni redusi varians terlihat lebih cepat memperecil selang epercayaan 95% dibandingan metode standar. abel 7. Selang Kepercayaan Opsi Put Asia onte Carlo Standar K=17 Average Price Average Strie abel 8. Harga Opsi Put Asia onte Carlo Standar K=17 Fixed Strie Average Strie Berdasaran tabel 7 dan tabel 8 di atas, semain besar langah, maa selang epercayaan 95% semain ecil, sehingga tasiran harga opsi put Asia untu fixed strie maupun average strie semain bai. abel 9. Selang Kepercayaan Opsi Put Asia onte Carlo Redusi Varians K=17 Average Price Average Strie Kesimpulan Semain besar banyanya langah, maa semain memperecil jara selang epercayaan 95%, untu menasir harga opsi Call maupun opsi Put. Dengan menggunaan teni redusi varians terlihat lebih cepat memperecil selang epercayaan 95% dibandingan metode standar. Daftar Pustaa [1] Fu,. C., adan, D. B., & Wang,. Pricing continuous Asian options: a comparison of onte Carlo and Laplace transform inversion methods. Journal of Computational Finance, 2(2), (1999) [2] Hull, J.C., Options, Futures, and Other Derivatives (Eighth Edition). Pearson, England. (212). [3] Podlozhnyu, V., & Harris,. onte Carlo Option Pricing. CUDA SDK. (28). [4] Pramuditya, S.A., & Sidarto, K. A. Penentuan Harga Opsi Asia Dengan odel Binomial Dipercepat. Repository FKIP Unswagati. (213). [5] Pramuditya, S.A. Perbandingan etode Binomial dan etode Blac-Scholes Dalam Penentuan Harga Opsi. SAISA, 5(1). (216). [6] Seydel, R., ools for Computational Finance. Springer-Verlag, Berlin. (22). abel 1. Harga Opsi Put Asia onte Carlo Redusi Varians K=17 Fixed Strie Average Strie Berdasaran tabel 9 dan tabel 1 di atas, semain besar langah, maa selang epercayaan 95% semain ecil, sehingga tasiran harga opsi put Asia untu fixed strie maupun average strie semain bai. eni redusi varians terlihat lebih cepat memperecil selang epercayaan 95% dibandingan metode standar 5

ABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER

ABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER ABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER Djaffar Lessy, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon 081343357498, E-mail: Djefles79@yahoo.com Opsi yang

Lebih terperinci

Perbandingan Metode Binomial dan Metode Black-Scholes Dalam Penentuan Harga Opsi

Perbandingan Metode Binomial dan Metode Black-Scholes Dalam Penentuan Harga Opsi Jurnal Sainsmat, Maret 2016, Halaman 1-6 Vol. V, No. 1 ISSN 2086-6755 http://ojs.unm.ac.id/index.php/sainsmat Perbandingan Metode Binomial dan Metode Black-Scholes Dalam Penentuan Harga Opsi Comparison

Lebih terperinci

TEKNIK REDUKSI VARIAN DALAM METODE MONTE CARLO UNTUK PENENTUAN HARGA OPSI ASIA. M. Febbry Sya bantio ABSTRACT

TEKNIK REDUKSI VARIAN DALAM METODE MONTE CARLO UNTUK PENENTUAN HARGA OPSI ASIA. M. Febbry Sya bantio ABSTRACT TEKNIK REDUKSI VARIAN DALA ETODE ONTE CARLO UNTUK PENENTUAN HARGA OPSI ASIA. Febbry Sya bantio ahasiswa Program Studi S1 atematika Fakultas atematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina

Lebih terperinci

ABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL

ABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL ABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL Djaffar Lessy, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon 081343357498, E-mail: Djefles79@yahoo.om Banyak model telah

Lebih terperinci

PERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO

PERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO PERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO Ardhia Pringgowati 1 1 Prodi Ilmu Komputasi Telkom University, Bandung 1 ardya.p@gmail.com Abstrak Pada penelitian ini berhubungan

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

BAB III METODE MONTE CARLO

BAB III METODE MONTE CARLO BAB III ETODE ONTE CARLO 3.1 etode onte Carlo etode onte Carlo pertama kali ditemukan oleh Enrico Fermi pada tahun 1930-an. etode ini diawali dengan adanya penelitian mengenai pemeriksaan radiasi dan jarak

Lebih terperinci

2.5.1 Penentuan Nilai Return Saham Penentuan Volatilitas Saham Dasar- dasar Simulasi Monte Carlo Bilangan Acak...

2.5.1 Penentuan Nilai Return Saham Penentuan Volatilitas Saham Dasar- dasar Simulasi Monte Carlo Bilangan Acak... Judul Nama Pembimbing : Penentuan Harga Opsi Beli Tipe Asia dengan Metode Monte Carlo-Control Variate : Ni Nyoman Ayu Artanadi : 1. Ir. Komang Dharmawan, M.Math, Ph.D. 2. Drs. Ketut Jayanegara, M.Si. ABSTRAK

Lebih terperinci

PENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE

PENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE E-Jurnal Matematika Vol. 6 (1), Januari 2017, pp. 29-36 ISSN: 2303-1751 PENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE Ni Nyoman Ayu Artanadi 1, Komang Dharmawan 2, Ketut

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN

LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... x BAB I PENDAHULUAN...

Lebih terperinci

PENENTUAN HARGA OPSI CALL WINDOW RESET MENGGUNAKAN METODE BINOMIAL TREE DAN TRINOMIAL TREE

PENENTUAN HARGA OPSI CALL WINDOW RESET MENGGUNAKAN METODE BINOMIAL TREE DAN TRINOMIAL TREE PENENTUAN HARGA OPSI CALL WINDOW RESET MENGGUNAKAN METODE BINOMIAL TREE DAN TRINOMIAL TREE R. MELIYANI 1, E. H. NUGRAHANI 2, D. C. LESMANA 3 Abstrak Opsi window reset merupakan salah satu jenis opsi yang

Lebih terperinci

PENENTUAN NILAI OPSI LOOKBACK DENGAN MENGGUNAKAN METODE TRINOMIAL Intan Pelangi Astridnindya 1 dan J. Dharma Lesmono 2 1 Mahasiswa Jurusan Matematika Universitas Katolik Parahyangan Bandung e-mail: intan_pelangi4@yahoo.com

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

BAB V PENUTUP ( ( ) )

BAB V PENUTUP ( ( ) ) BAB V PENUTUP 5.1 Kesimpulan Penentuan harga opsi Asia menggunakan rata-rata Aritmatik melalui Simulasi Monte Carlo dapat dinyatakan sebagai berikut. ( ( ) ) ( ( ) ) dimana merupakan harga opsi Call Asia

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

Penentuan Nilai Opsi Call Eropa Dengan Pembayaran Dividen

Penentuan Nilai Opsi Call Eropa Dengan Pembayaran Dividen Jurnal ainsmat, eptember 16, Halaman 143-1 ol., No. IN 79-686 (Online) IN 86-67 (Cetak) http://ojs.unm.ac.id/index.php/sainsmat Penentuan Nilai Opsi Call Eropa Dengan Pembayaran Dividen Determine the value

Lebih terperinci

PEMANFAATAN SIMULASI MONTE CARLO PADA OPSI KEUANGAN

PEMANFAATAN SIMULASI MONTE CARLO PADA OPSI KEUANGAN BAB IV PEMANFAATAN SIMULASI MONTE CARLO PADA OPSI KEUANGAN. Program GUI Simulasi Monte Carlo untuk Menilai Opsi Keuangan. Berikut adalah tampilan dari program GUI Simulasi Monte Carlo untuk Menilai Opsi

Lebih terperinci

LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN

LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... xi BAB I PENDAHULUAN...

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

BAB I PENDAHULUAN. seperti; saham, obligasi, mata uang dan lain-lain. Seiring dengan

BAB I PENDAHULUAN. seperti; saham, obligasi, mata uang dan lain-lain. Seiring dengan 1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam dunia pasar modal, terdapat berbagai macam aset yang diperjualbelikan seperti; saham, obligasi, mata uang dan lain-lain. Seiring dengan perkembangan

Lebih terperinci

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

PENENTUAN HARGA OPSI PUT AMERIKA MENGGUNAKAN ALGORITMA MONTE CARLO. Rina Ayuhana

PENENTUAN HARGA OPSI PUT AMERIKA MENGGUNAKAN ALGORITMA MONTE CARLO. Rina Ayuhana PENENTUAN HARGA OPSI PUT AMERIKA MENGGUNAKAN ALGORITMA MONTE CARLO Rina Ayuhana Program Studi Ilmu Komputasi Universitas Telkom, Bandung rina.21.kids@gmail.com Abstrak Opsi adalah suatu kontrak yang memberikan

Lebih terperinci

LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN

LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... x BAB I PENDAHULUAN...

Lebih terperinci

BAB I PENDAHULUAN. Opsi merupakan suatu kontrak/perjanjian antara writer dan holder yang

BAB I PENDAHULUAN. Opsi merupakan suatu kontrak/perjanjian antara writer dan holder yang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Opsi merupakan suatu kontrak/perjanjian antara writer dan holder yang memberikan hak, bukan kewajiban, kepada holder untuk membeli atau menjual suatu aset

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

: Mengestimasi Value at Risk (VaR) pada Opsi Beli Tipe Asia yang Dihitung Menggunakan Metode Importance Sampling

: Mengestimasi Value at Risk (VaR) pada Opsi Beli Tipe Asia yang Dihitung Menggunakan Metode Importance Sampling v Judul : Mengestimasi Value at Risk (VaR) pada Opsi Beli Tipe Asia yang Dihitung Menggunakan Metode Importance Sampling Nama : Ni Komang Ayu Artini (NIM : 1208405036) Pembimbing : 1. Ir. Komang Dharmawan,

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

PENENTUAN HARGA OPSI AMERIKA MELALUI MODIFIKASI MODEL BLACK- SCHOLES PRICING AMERICAN OPTION USING BLACK-SCHOLES MODIFICATION MODEL

PENENTUAN HARGA OPSI AMERIKA MELALUI MODIFIKASI MODEL BLACK- SCHOLES PRICING AMERICAN OPTION USING BLACK-SCHOLES MODIFICATION MODEL PENENTUAN HARGA OPSI AMERIKA MELALUI MODIFIKASI MODEL BLACK- SCHOLES PRICING AMERICAN OPTION USING BLACK-SCHOLES MODIFICATION MODEL Hesekiel Maranatha Gultom 1 Irma Palupi 2 Rian Febrian Umbara 3 1,2,3

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing . DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

Praktikum Manajemen Investasi Menghitung keuntungan memegang opsi jual atau beli Penilaian opsi dengan pendekatan blackscholes

Praktikum Manajemen Investasi Menghitung keuntungan memegang opsi jual atau beli Penilaian opsi dengan pendekatan blackscholes Modul ke: Fakultas EKONOMI DAN BISNIS Praktikum Manajemen Investasi Menghitung keuntungan memegang opsi jual atau beli Penilaian opsi dengan pendekatan blackscholes Agus Herta Sumarto, S.P., M.Si. Program

Lebih terperinci

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

HASIL EMPIRIS. Tabel 4.1 Hasil Penilaian Numerik

HASIL EMPIRIS. Tabel 4.1 Hasil Penilaian Numerik 31 IV HASIL EMPIRIS 4.1 Penilaian Numerik Untuk melihat bagaimana model bekerja, dapat disimulasikan harga saham dan membandingkan beberapa hasil numerik dari beberapa model yang dibangun sebelumnya. Di

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010

Lebih terperinci

- Persoalan nilai perbatasan (PNP/PNB)

- Persoalan nilai perbatasan (PNP/PNB) PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

METODE MONTE CARLO UNTUK MENENTUKAN HARGA OPSI BARRIER DENGAN SUKU BUNGA TAKKONSTAN 1 PENDAHULUAN

METODE MONTE CARLO UNTUK MENENTUKAN HARGA OPSI BARRIER DENGAN SUKU BUNGA TAKKONSTAN 1 PENDAHULUAN ETODE ONTE CARLO UNTUK ENENTUKAN HARGA OPSI BARRIER DENGAN SUKU BUNGA TAKKONSTAN I. KAILA 1, E. H. NUGRAHANI, D. C. LESANA Abstrak Asumsi suku bunga konstan pada penentuan harga opsi barrier tidak sesuai

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

BAB 1 PENDAHULUAN. Secara umum investasi adalah meliputi pertambahan barang-barang dan

BAB 1 PENDAHULUAN. Secara umum investasi adalah meliputi pertambahan barang-barang dan BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Secara umum investasi adalah meliputi pertambahan barang-barang dan jasa dalam masyarakat, seperti pertambahan mesin-mesin baru, pembuatan jalan baru,pembukaan

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

Pengenalan Pola. Klasifikasi Linear Discriminant Analysis

Pengenalan Pola. Klasifikasi Linear Discriminant Analysis Pengenalan Pola Klasifiasi Linear Discriminant Analysis PTIIK - 2014 Course Contents 1 Analisis Disriminan 2 Linear Classification 3 Linear Discriminant Analysis (LDA 4 Studi Kasus dan Latihan Analisis

Lebih terperinci

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

Neural Network menyerupai otak manusia dalam dua hal, yaitu: 2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

3.1 TEOREMA DASAR ARITMATIKA

3.1 TEOREMA DASAR ARITMATIKA 3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)

Lebih terperinci

PENENTUAN HARGA OPSI KEUANGAN DENGAN SIMULASI MONTE CARLO

PENENTUAN HARGA OPSI KEUANGAN DENGAN SIMULASI MONTE CARLO PENENTUAN HARGA OPSI KEUANGAN DENGAN SIMULASI MONTE CARLO TUGAS AKHIR Diajukan sebagai salah satu syarat untuk mengikuti sidang Sarjana Program Studi Matematika Institut Teknologi Bandung Oleh : Kunarto

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

VALUASI COMPOUND OPTION PUT ON PUT TIPE EROPA SKRIPSI. Disusun oleh YULIA AGNIS SUTARNO JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

VALUASI COMPOUND OPTION PUT ON PUT TIPE EROPA SKRIPSI. Disusun oleh YULIA AGNIS SUTARNO JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA VALUASI COMPOUND OPTION PUT ON PUT TIPE EROPA SKRIPSI Disusun oleh YULIA AGNIS SUTARNO 24010210110009 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2014 VALUASI COMPOUND

Lebih terperinci

APLIKASI SIMULASI MONTE CARLO UNTUK MENENTUKAN NILAI OPSI ASIA DENGAN MENGGUNAKAN METODE CONTROL VARIATE PADA KOMODITAS PERTANIAN

APLIKASI SIMULASI MONTE CARLO UNTUK MENENTUKAN NILAI OPSI ASIA DENGAN MENGGUNAKAN METODE CONTROL VARIATE PADA KOMODITAS PERTANIAN APLIKASI SIMULASI MONTE CARLO UNTUK MENENTUKAN NILAI OPSI ASIA DENGAN MENGGUNAKAN METODE CONTROL VARIATE PADA KOMODITAS PERTANIAN D. P. ANGGRAINI 1, D. C. LESMANA 2, B. SETIAWATY 2 Abstrak Petani memiliki

Lebih terperinci

Penentuan Harga Wajar Opsi Saham Karyawan dengan Metode Binomial (Studi Kasus BCA)

Penentuan Harga Wajar Opsi Saham Karyawan dengan Metode Binomial (Studi Kasus BCA) ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6735 Penentuan Harga Wajar Opsi Saham Karyawan dengan Metode Binomial (Studi Kasus BCA) Determination of Employee Stock Options

Lebih terperinci

PENENTUAN HARGA OPSI SAHAM DENGAN MENGGUNAKAN METODE BEDA HINGGA CRANK-NICHOLSON (C-N)

PENENTUAN HARGA OPSI SAHAM DENGAN MENGGUNAKAN METODE BEDA HINGGA CRANK-NICHOLSON (C-N) PENENTUAN HARGA OPSI SAHAM DENGAN MENGGUNAKAN METODE BEDA HINGGA CRANK-NICHOLSON (C-N) OKI TJANDRA SURYA KURNIAWAN 1 1 Jurusan Matematika, Fakultas MIPA, Universitas Udayana, email: tjandra07.hartoyo@gmail.com

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

VALUASI COMPOUND OPTION PUT ON CALL TIPE EROPA PADA DATA SAHAM FACEBOOK

VALUASI COMPOUND OPTION PUT ON CALL TIPE EROPA PADA DATA SAHAM FACEBOOK ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 355-364 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian VALUASI COMPOUND OPTION PUT ON CALL TIPE EROPA PADA DATA SAHAM

Lebih terperinci

PENENTUAN NILAI KONTRAK OPSI TIPE BINARY PADA KOMODITAS KAKAO MENGGUNAKAN METODE QUASI MONTE CARLO DENGAN BARISAN BILANGAN ACAK FAURE

PENENTUAN NILAI KONTRAK OPSI TIPE BINARY PADA KOMODITAS KAKAO MENGGUNAKAN METODE QUASI MONTE CARLO DENGAN BARISAN BILANGAN ACAK FAURE E-Jurnal Matematika Vol. 6 (4), November 2017, pp. 214-219 ISSN: 2303-1751 DOI: https://doi.org/10.24843/mtk.2017.v06.i04.p168 PENENTUAN NILAI KONTRAK OPSI TIPE BINARY PADA KOMODITAS KAKAO MENGGUNAKAN

Lebih terperinci

Bab 2. Landasan Teori. 2.1 Fungsi Convex

Bab 2. Landasan Teori. 2.1 Fungsi Convex Bab 2 Landasan Teori Salah satu hal yang menarik dari topik tugas akhir ini adalah penggunaan sebuah ilmu dari dunia insurance (teori comonotonic) ke dunia matematika keuangan. Oleh karena itu untuk memahaminya

Lebih terperinci

BAB III METODE BINOMIAL DIPERCEPAT

BAB III METODE BINOMIAL DIPERCEPAT BAB III METODE BIOMIAL DIPERCEPAT 3.1 Deskripsi Umum Metode Binomial dipercepat merupakan pengembangan dari metode Binomial CRR. Metode Binomial dipercepat dikembangkan oleh T.R Klassen yang merupakan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Wulansari Mudayanti, 2013

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Wulansari Mudayanti, 2013 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam dunia pasar modal terdapat berbagai macam aset yang diperjualbelikan seperti saham, mata uang, komoditas dan lain-lain. Seiring perkembangan waktu, pemilik

Lebih terperinci

Penentuan Harga Opsi (call) Asia Menggunakan Metode Lattice multinomial

Penentuan Harga Opsi (call) Asia Menggunakan Metode Lattice multinomial Penentuan Harga Opsi (call) Asia Menggunakan Metode Lattice multinomial Nur Roza Fitriyana 1, Deni Saepudin 2, Irma Palupi 3 1.2.3 Prodi S1 Ilmu Komputasi, Fakultas Informatika, Universitas Telkom Jalan

Lebih terperinci

FIKA DARA NURINA FIRDAUS,

FIKA DARA NURINA FIRDAUS, BAB I PENDAHULUAN 1.1 Latar Belakang Dalam pasar modal, terdapat berbagai aset pokok yang dapat diperjualbelikan, diantaranya adalah mata uang, sepaket saham, dan komoditas. Seiring dengan berkembangnya

Lebih terperinci

PENURUNAN MODEL BLACK-SCHOLES DENGAN METODE BINOMIAL UNTUK SAHAM TIPE EROPA

PENURUNAN MODEL BLACK-SCHOLES DENGAN METODE BINOMIAL UNTUK SAHAM TIPE EROPA Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 49 57 ISSN : 2303 290 c Jurusan Matematika FMIPA UNAND PENURUNAN MODEL BLAC-SCHOLES DENGAN MEODE BINOMIAL UNU SAHAM IPE EROPA LINA MUAWANAH NASIR Program Studi

Lebih terperinci

PENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

PENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA PENAIR RAIO-PRODU EPONENIAL YANG EFIIEN UNTU RATA-RATA POPULAI PADA AMPLING ACA BERTRATA Dess Nuralita 1*, Ruam Efendi, Haposan irait 1 Maasiswa Program 1 Matematia Dosen Jurusan Matematia Faultas Matematia

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

STUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING

STUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id

Lebih terperinci

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process

Lebih terperinci

PENENTUAN HARGA KONTRAK OPSI TIPE EROPA MENGGUNAKAN METODE QUASI MONTE CARLO DENGAN BARISAN KUASI-ACAK HALTON

PENENTUAN HARGA KONTRAK OPSI TIPE EROPA MENGGUNAKAN METODE QUASI MONTE CARLO DENGAN BARISAN KUASI-ACAK HALTON E-Jurnal Matematika Vol. 3 (4), November 2014, pp. 154-159 ISSN: 2303-1751 PENENTUAN HARGA KONTRAK OPSI TIPE EROPA MENGGUNAKAN METODE QUASI MONTE CARLO DENGAN BARISAN KUASI-ACAK HALTON I Gusti Putu Ngurah

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK

Lebih terperinci

Indonesia Symposium On Computing 2015 ISSN:

Indonesia Symposium On Computing 2015 ISSN: IMPLEMENTASI MODEL BINOMIAL UNTUK PENENTUAN HARGA WAJAR OPSI SAHAM KARYAWAN I Wayan Ade Sugisnawan 1, Rian Febrian Umbara 2, Irma Palupi 3 Prodi S1 Ilmu Komputasi, Fakultas Informatika Universitas TelkomBandung

Lebih terperinci