RETENSI OPTIMAL UNTUK SUATU REASURANSI STOP- LOSS SKRIPSI

Ukuran: px
Mulai penontonan dengan halaman:

Download "RETENSI OPTIMAL UNTUK SUATU REASURANSI STOP- LOSS SKRIPSI"

Transkripsi

1 UNIVERSITAS INDONESIA RETENSI OPTIMAL UNTUK SUATU REASURANSI STOP- LOSS SKRIPSI EKA HANNA SIDABALOK FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK JUNI 212 Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

2 UNIVERSITAS INDONESIA RETENSI OPTIMAL UNTUK SUATU REASURANSI STOP- LOSS SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar sarjana sains EKA HANNA SIDABALOK FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK JUNI 212 Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

3 HALAMAN PERNYATAAN ORISINALITAS Skripsi ini aalah hasil karya saya seniri, an semua sumber baik yang ikutip maupun irujuk telah saya nyatakan engan benar. Nama : Eka Hanna Siabalok NPM : Tana Tangan : Tanggal : 22 Juni 212 Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212 iii

4 HALAMAN PENGESAHAN Skripsi ini iajukan oleh Nama : Eka Hanna Siabalok NPM : Program Stui : Matematika Juul Skripsi : Retensi Optimal untuk Suatu Reasuransi Stop-loss Telah berhasil ipertahankan i haapan Dewan Penguji an iterima sebagai bagian persyaratan yang iperlukan untuk memperoleh gelar Sarjana Sains paa Program Stui Matematika, Fakultas Matematika an Ilmu Pengetahuan Alam Universitas Inonesia DEWAN PENGUJI Pembimbing : Dra. Netty Sunani, M.Si ( ) Penguji : Sarini Abullah, S.Si, M.Stat ( ) Penguji : Fevi Novkaniza, S.Si, M.Si ( ) Penguji : Dr. Dian Lestari ( ) Ditetapkan i : Depok Tanggal : 22 Juni 212 Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212 iv

5 KATA PENGANTAR Ucapan syukur an puji-pujian penulis haturkan kepaa Allah Bapa, Tuhan Yesus Kristus, an Roh Kuus, atas kasih an penyertaannya alam hiup penulis an yang telah mengaruniakan anugerah sehingga penulis beroleh kesempatan untuk menimba ilmu an menyelesaikan stui i Universitas Inonesia. Tugas akhir ini ibuat sebagai salah satu syarat memperoleh gelar Sarjana Sains Jurusan Matematika Fakultas Matematika an Ilmu Pengetahuan Alam Universitas Inonesia. Dengan penuh kerenahan hati, penulis menyaari bahwa tugas akhir ini apat ikerjakan an terselesaikan engan baik berkat bimbingan, oa, an ukungan ari berbagai pihak. Untuk itu paa kesempatan ini, penulis henak menyampaikan terima kasih yang sebesar-besarnya kepaa: 1. Dra. Netty Sunani, M.Si selaku osen pembimbing yang telah berseia meluangkan waktu, membagikan ilmu, memotivasi, memberikan saran an masukan, serta membimbing penulis alam menyelesaikan tugas akhir ini. Mohon maaf jikalau selama bimbingan penulis melakukan hal-hal yang tiak sesuai engan perkenaan Ibu. 2. Orang tua (papa (alm) an mama) atas cinta kasih yang iberikan. Bahwa penulis boleh tumbuh an berkembang i bawah asuhan mama an papa merupakan berkat Tuhan yang paling luar biasa alam hiup ini. Kalianlah orang tua terhebat bagi pribai penulis. 3. Dr. Sri Mariyati, selaku osen pembimbing akaemis yang telah banyak membantu penulis, khususnya alam bimbingan akaemis selama masa perkuliahan ini. Terima kasih juga atas ukungan, saran, an masukan yang Ibu berikan selama proses pengerjaan tugas akhir ini. 4. Dr. Yui Satria, M.T. selaku ketua jurusan Matematika FMIPA UI an Mbak Rahmi Rusin, S.Si, M.ScTech selaku sekretaris jurusan Matematika FMIPA UI atas segala bantuan an ukungan yang telah iberikan. 5. Seluruh osen Matematika FMIPA UI atas ilmu yang telah iberikan, terutama Ibu Rianti an Ibu Fevi yang telah banyak memberikan motivasi an semangat. Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212 v

6 6. Seluruh staf TU an staf Perpustakaan Matematika atas bantuan yang telah iberikan, terutama buat Mbak Santi yang telah banyak membantu penulis alam mengurus aministrasi (maaf ya mbak sering ngerepotin mbak ). 7. Keua aik penulis, Intan an Samuel. Terima kasih buat oa, ukungan, an semangat yang kalian berikan. I love both of you so much 8. Keluarga besar (mamatua, Bang Johan an Kak Ellya, Bang Toni, an Bang Daniel) atas kebersamaan an kasih sayang kalian. 9. Sahabat-sahabat penulis (Gaby, Emy, Liia, Mela, Chrisna, Susi, an May) atas kasih persahabatan yang terjalin i antara kita. Terima kasih juga atas oa, motivasi, an kebersamaan kalian selama penulis menyelesaikan tugas akhir ini, Our frienship will never en 1. PKK (Kak Tika), TKK (Agnes, Citra), AKK (Chacha, Citra, Meta), terima kasih buat sukacita pelayanan KK kita selama ini. 11. Teman-teman angkatan 28, terima kasih atas kebersamaan, suka an uka yang boleh ialami bersama selama menuntut ilmu i Matematika UI. Khususnya buat Icha, Numa, an Ciny yang mengambil peminatan aktuaria. Juga buat teman-teman seperjuangan alam pengerjaan tugas akhir (Ega, Icha, Numa, Sita, Ciny, Luthfa, Hinun, Emy, Ines, Mei, Henry, Any, Tuti, Umbu, an yang lainnya), terima kasih buat semua hal yang suah ilewati bersama. Wish u all the best 12. Teman-teman angkatan 29 an 21, juga Kak Ajat yang telah banyak membantu penulis selama kuliah an pengerjaan tugas akhir. 13. Teman-teman PO FMIPA UI atas sukacita an ukungan oa yang iberikan, juga buat kesempatan melayani bersama. 14. Pihak-pihak lain yang telah banyak membantu alam penyelesaian tugas akhir ini namun tiak isebutkan satu per satu karena keterbatasan tempat. Penulis menyaari bahwa tugas akhir ini masih jauh ari sempurna. Oleh karena itu, segala kritik an saran yang membangun senantiasa penulis harapkan. Akhir kata, kiranya tugas akhir ini bermanfaat bagi unia ilmu pengetahuan. Penulis 212 Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212 vi

7 HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akaemik Universitas Inonesia, saya yang bertana tangan i bawah ini: Nama : Eka Hanna Siabalok NPM : Program Stui : Matematika Departemen : Matematika Fakultas : Matematika an Ilmu Pengetahuan Alam Jenis karya : Skripsi emi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepaa Universitas Inonesia Hak Bebas Royalti Noneksklusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang berjuul : Retensi Optimal untuk Suatu Reasuransi Stop-loss beserta perangkat yang aa (jika iperlukan). Dengan Hak Bebas Royalti Noneksklusif ini Universitas Inonesia berhak menyimpan, mengalih meia/format-kan, mengelola alam bentuk pangkalan ata (atabase), merawat an memublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta an sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat engan sebenarnya. Dibuat i : Depok Paa tanggal : 22 Juni 212 Yang menyatakan (Eka Hanna Siabalok) vii Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

8 ABSTRAK Nama : Eka Hanna Siabalok Program Stui : Matematika Juul : Retensi Optimal untuk Suatu Reasuransi Stop-loss Dalam menanggung risiko-risiko ari tertanggung (nasabah/pemegang polis), aakalanya tiak semua bagian risiko tersebut itanggung seniri oleh perusahaan asuransi, terutama untuk risiko-risiko yang besar. Perusahaan asuransi menggunakan jasa reasuransi untuk mengasuransikan kembali sebagian risiko yang itanggungnya. Salah satu jenis reasuransi yang paling ikenal yaitu reasuransi stop-loss. Dalam praktik reasuransi stop-loss, perusahaan asuransi menentukan terlebih ahulu besar retensi yang itahannya an sisanya akan ibayarkan oleh perusahaan reasuransi. Retensi aalah batas maksimum ari uang pertanggungan yang apat itanggung oleh perusahaan asuransi atas suatu risiko tertentu. Penentuan retensi yang optimal sangat penting bagi perusahaan asuransi. Tiga kriteria penentuan retensi optimal untuk suatu reasuransi stop-loss yang akan ibahas i sini aalah retensi optimal untuk suatu moal tertentu, retensi optimal berasarkan optimisasi Value at Risk (VaR), an retensi optimal berasarkan optimisasi Conitional Tail Expectation (CTE). Kriteria pertama iasarkan paa besar moal awal yang fixe. Aapun keua kriteria lainnya iasarkan paa optimisasi ukuran risiko VaR an CTE ari biaya total (total risiko) yang itanggung oleh perusahaan asuransi. Jika solusi untuk keua optimisasi VaR an CTE aa, maka keua optimisasi tersebut memberikan nilai retensi optimal yang sama. Kata Kunci : reasuransi stop-loss, prinsip nilai ekpektasi, retensi, loaing factor, Value at Risk (VaR), Conitional Tail Expectation (CTE) xii+77 halaman : 21 gambar Daftar Pustaka : 1 ( ) viii Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

9 ABSTRACT Name : Eka Hanna Siabalok Program Stuy : Mathematics Title : Optimal Retention for A Stop-loss Reinsurance In covering the risks of the insure (policy holer), occasionally not all of the risks are insure by the insurer itself, especially for the large ones. To cover the top part of the risk, the insurer purchases reinsurance coverage from another company (calle reinsurer). One of reinsurance esigns is a stop-loss contract. In the stop-loss reinsurance practice, the insurer etermines a retention limit to be retaine an the reinsurer will pay for the remainer. The retention equals the maximum amount to be pai out for every single claim by the insurer. Determining an optimal level of retention is important for the insurer. Three criteria of etermining the optimal retention for a stop-loss reinsurance which will be iscusse here are the optimal retention for a fixe capital, the optimal retention base on VaR-optimization, an the optimal retention base on CTEoptimization. The first criterion is base on an initial fixe capital of the insurer. The two others are base on optimization of VaR an CTE risk measures of the total risks of the insurer. If optimal solutions exist, then both VaR- an CTEoptimization criteria yiel the same optimal retentions. Key Wors : stop-loss reinsurance, expecte value principle, retention, loaing factor, Value at Risk (VaR), Conitional Tail Expectation (CTE) xii+ 77 pages : 21 pictures Bibliography : 1 ( ) ix Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

10 DAFTAR ISI HALAMAN PERNYATAAN ORISINALITAS...iii HALAMAN PENGESAHAN... iv KATA PENGANTAR... v HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI... vii ABSTRAK... viii ABSTRACT... ix DAFTAR ISI... x DAFTAR GAMBAR... xii BAB 1 PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penulisan Pembatasan Masalah... 4 BAB 2 LANDASAN TEORI Infimum Prinsip Perhitungan Premi Retensi an Reasuransi Stop-loss Prinsip Nilai Ekspektasi Ukuran Risiko an Koherensi Value at Risk Conitional Tail Expectation BAB 3 RETENSI OPTIMAL UNTUK SUATU REASURANSI STOP-LOSS Retensi Optimal untuk Suatu Moal Tertentu Retensi Optimal: Optimisasi VaR Retensi Optimal: Optimisasi CTE x Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

11 BAB 4 PENUTUP Kesimpulan Saran DAFTAR PUSTAKA xi Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

12 DAFTAR GAMBAR Gambar 2.1 Bukti grafis persamaan ( ) Gambar 3.1 Grafik Fungsi Survival jika Gambar 3.2 Grafik Fungsi Survival jika Gambar 3.3 Grafik Fungsi Survival jika Gambar 3.4 Grafik Fungsi jika Teorema terpenuhi Gambar 3.5 Grafik Fungsi i jika Gambar 3.6 Grafik Fungsi i ( ) jika Gambar 3.7 Grafik Fungsi i ] jika Gambar 3.8 Grafik Fungsi jika Gambar 3.9 Grafik Fungsi jika an ( ) Gambar 3.1 Daerah yang terkurung i antara kurva Fungsi Survival, sumbu-, garis, an... 5 Gambar 3.11 Grafik Fungsi i ] jika Gambar 3.12 Grafik Fungsi i ] jika Gambar 3.13 Grafik Fungsi i jika Gambar 3.14 Grafik Fungsi i jika Gambar 3.15 Grafik Fungsi jika Gambar 3.16 Grafik Fungsi jika Gambar 3.17 Grafik Fungsi i ( ) jika Gambar 3.18 Grafik Fungsi i ] jika Gambar 3.19 Grafik Fungsi i jika... 7 Gambar 3.2 Grafik Fungsi jika xii Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi aalah pihak yang memberi jaminan atas risiko yang itanggung para nasabahnya sesuai engan proseur perasuransian. Reasuransi aalah suatu mekanisme pengalihan risiko ari pihak penanggung (perusahaan asuransi) kepaa pihak penanggung yang lain (perusahaan reasuransi). Perusahaan reasuransi sama engan perusahaan asuransi, namun nasabahnya berupa perusahaan-perusahaan asuransi. Biasanya perusahaan reasuransi aalah perusahaan asuransi yang besar an profesional. Reasuransi memberikan kesempatan kepaa perusahaan asuransi untuk mengurangi risiko yang itanggung engan memberikan suatu manajemen risiko yang lebih efektif. Stop-loss, excess-of-loss, an quota-share aalah beberapa contoh bentuk reasuransi. Reasuransi stop-loss aalah suatu kontrak asuransi euctible ari perusahaan reasuransi i mana perusahaan asuransi menetapkan besar klaim terenah yang iajukan kepaa perusahaan reasuransi untuk memperoleh ganti rugi ari perusahaan reasuransi. Misalkan X menyatakan loss untuk suatu perusahaan asuransi. Diasumsikan X aalah variabel ranom nonnegatif engan fungsi istribusi kumulatif F X x = Pr X x, fungsi survival S X x = Pr X > x, an mean E X >. Misalkan X I an X R berturut-turut aalah variabel ranom bagian loss yang itanggung oleh perusahaan asuransi an perusahaan reasuransi paa reasuransi stop-loss. Maka X I = X, X, X > = X an X R =, X X, X > = X + i mana parameter > ikenal sebagai retensi, a b = min a, b, an a + = max a,. Di bawah persetujuan stop-loss, perusahaan reasuransi membayar bagian loss yang melampaui batas retensi. Dengan kata lain, perusahaan reasuransi menyerap risiko yang nilainya melampaui batas retensi, 1 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

14 2 seangkan perusahaan asuransi secara efektif terlinungi ari kerugian (loss) yang mungkin bernilai besar engan membatasi kecenerungan ke tingkat retensi. Di alam pengalihan penanggungan risiko, pihak perusahaan reasuransi membebankan premi reasuransi kepaa pihak perusahaan asuransi. Salah satu prinsip umum yang igunakan untuk menentukan besarnya premi yang sesuai aalah prinsip nilai ekspektasi, yaitu premi reasuransi δ() itentukan oleh δ = 1 + ρ π(), i mana ρ > ikenal sebagai relative safety loaing an π = E X R. Dalam kaitannya engan reasuransi stop-loss, T menyatakan biaya total yang akan ikeluarkan oleh perusahaan asuransi. Biaya total T teriri ari ua komponen, yaitu loss yang itanggung an premi reasuransi, itulis: T = X I + δ Jika nilai retensi kecil, maka perusahaan asuransi ikatakan memiliki kemampuan yang renah alam menanggung risiko an premi yang ibayarkan kepaa perusahaan reasuransi nilainya lebih besar. Sebaliknya, jika perusahaan asuransi mengurangi besar premi reasuransinya engan menaikkan nilai retensi, maka perusahaan asuransi tersebut harus memiliki kemampuan yang tinggi alam menanggung risiko. Oleh karena itu, penentuan nilai retensi yang optimal sangat penting bagi perusahaan asuransi. Aa banyak cara menentukan retensi optimal berasarkan kriteria yang ipilih. Di antaranya, engan memaksimumkan probabilitas kesanggupan finansial perusahaan asuransi, mengoptimisasi ukuran risiko VaR, an mengoptimisasi ukuran risiko CTE. Kriteria yang pertama iasarkan paa besar moal awal yang fixe. Artinya, engan menetapkan atau menyeiakan moal awal yang besarnya fixe, perusahaan asuransi akan mencari nilai retensi optimal yang memaksimumkan probabilitas kesanggupan membayar biaya total T. Kriteria yang keua an ketiga masing-masing isebut engan optimisasi VaR an optimisasi CTE. Value at Risk (VaR) an Conitional Tail Expectation (CTE) aalah ukuran risiko yang banyak igunakan secara luas alam sektor Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

15 3 perasuransian. VaR ari variabel ranom X paa tingkat keamanan sebesar (1 α) iefinisikan oleh VaR X α = inf x Pr X > x α an CTE ari variabel ranom X paa tingkat keamanan sebesar (1 α) iefinisikan oleh CTE X α = Ε X X VaR X α. Dari suut panang perusahaan asuransi, manajemen risiko yang bijaksana aalah yang menjamin bahwa ukuran risiko ari T aalah seoptimal mungkin. Hal inilah yang menjai motivasi untuk mempertimbangkan ua kriteria optimisasi berikut untuk mencari nilai retensi yang optimal: Optimisasi VaR: VaR T, α = min > VaR T, α yaitu menentukan retensi optimal engan meminimumkan VaR ari T, an Optimisasi CTE: CTE T, α = min > CTE T, α yaitu menentukan retensi optimal engan meminimumkan CTE ari T. Paa tugas akhir ini, penulis akan membahas mengenai penentuan retensi optimal ari reasuransi stop-loss berasarkan suatu moal tertentu, optimisasi Value at Risk (VaR) an optimisasi Conitional Tail Expectation (CTE). 1.2 Perumusan Masalah 1. Bagaimana mencari nilai retensi optimal ari reasuransi stop-loss untuk suatu moal tertentu? 2. Bagaimana mencari nilai retensi optimal ari reasuransi stop-loss engan optimisasi ukuran risiko Value at Risk (VaR)? 3. Bagaimana mencari nilai retensi optimal ari reasuransi stop-loss engan optimisasi ukuran risiko Conitional Tail Expectation (CTE)? Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

16 4 1.3 Tujuan Penulisan 1. Mencari nilai retensi optimal ari reasuransi stop-loss untuk suatu moal tertentu. 2. Mencari nilai retensi optimal ari reasuransi stop-loss engan mengoptimisasi ukuran risiko Value at Risk (VaR). 3. Mencari nilai retensi optimal ari reasuransi stop-loss engan mengoptimisasi ukuran risiko Conitional Tail Expectation (CTE). 1.4 Pembatasan Masalah 1. Perhitungan premi reasuransi menggunakan prinsip nilai ekpektasi. Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

17 BAB 2 LANDASAN TEORI 2.1 Infimum Definisi Anaikan S aalah suatu himpunan bagian tak kosong ari R yang terbatas i bawah. Maka, suatu bilangan w isebut infimum (batas bawah terbesar) ari S jika memenuhi keua syarat berikut: a) w aalah batas bawah ari S, an b) jika t aalah sebarang batas bawah yang lain ari S, maka t w. (Bartle & Sherbert, 2) Teorema Anaikan S aalah himpunan bagian tak kosong ari himpunan bilangan real yang terbatas i bawah, an misalkan a aalah sebarang bilangan real. Diefinisikan himpunan a + S = a + s s S, maka inf a + S = a + inf S Bukti Misalkan u = inf S, maka x u untuk semua x S, sehingga a + x a + u. Oleh karena itu, a + u aalah batas bawah ari himpunan a + S; akibatnya, iperoleh inf(a + S) a + u. Dimisalkan pula v aalah sebarang batas bawah ari himpunan a + S, maka a + x v untuk semua x S. Akibatnya x v a untuk semua x S, sehingga v a aalah batas bawah ari S. Oleh karena itu, u = inf S v a yang mengimplikasikan a + u v. Karena v aalah sebarang batas bawah ari a + S, maka v apat igantikan oleh inf(a + S) untuk menapatkan a + u inf(a + S). 5 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

18 6 Dengan menggabungkan keua pertiaksamaan ini, iperoleh (Bartle & Sherbert, 2) inf(a + S) = a + u = a + inf S Teorema Anaikan S aalah himpunan bagian tak kosong ari R yang terbatas i bawah, an misalkan a >. Diefinisikan himpunan as = as s S, maka inf as = a inf S Bukti Misalkan u = inf S, maka x u untuk semua x S, sehingga ax au. Oleh karena itu, au aalah batas bawah ari himpunan as; akibatnya, iperoleh inf(as) au. Dimisalkan pula v aalah sebarang batas bawah ari himpunan as, maka ax v untuk semua x S. Akibatnya x v untuk semua x S, sehingga v aalah batas a a bawah ari S. Oleh karena itu, u = inf S v a yang mengimplikasikan au v. Karena v aalah sebarang batas bawah ari as, maka v apat igantikan oleh inf(as) untuk menapatkan au inf(as). Dengan menggabungkan keua pertiaksamaan: iperoleh inf(as) au an au inf(as) inf(as) = au = a inf S (Bartle & Sherbert, 2) Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

19 7 2.2 Prinsip Perhitungan Premi Aktivitas perasuransian apat ijelaskan sebagai sistem input-output. Input berasal ari premi an aset-aset perusahaan, seangkan output berasal ari klaim an biaya-biaya lainnya (biaya operasional, pajak, gaji karyawan, an lain-lain). Premi aalah sejumlah uang yang ibayarkan oleh tertanggung (nasabah atau pemegang polis) kepaa penanggung sebagai imbalan jasa atas pengalihan risiko ari tertanggung kepaa penanggung. Dengan emikian, premi merupakan 1. Imbalan jasa atas jaminan yang iberikan oleh penanggung kepaa tertanggung untuk mengganti kerugian yang mungkin ierita oleh tertanggung (paa asuransi kerugian). 2. Imbalan jasa atas jaminan perlinungan yang iberikan oleh penanggung kepaa tertanggung engan menyeiakan sejumlah uang (benefit) terhaap risiko hari tua atau kematian. Besarnya premi yang harus ibayarkan oleh tertanggung itetapkan oleh penanggung engan mengaplikasikan prinsip perhitungan premi. Berbagai jenis prinsip perhitungan premi telah banyak iperkenalkan (Kaas, et al., 21). Notasi θ X menyatakan premi yang ibebankan kepaa tertanggung untuk menapatkan jaminan perlinungan terhaap risiko X. Yang imaksu engan risiko X yaitu klaim ari suatu risiko teristribusi sebagai variabel ranom X. Berikut iberikan beberapa prinsip perhitungan premi. a. Prinsip premi bersih: θ X = E X Juga ikenal engan prinsip ekuivalen; premi ini hanya sesuai untuk penanggung risiko netral. b. Prinsip nilai ekspektasi: θ X = (1 + ρ)e X Di sini, nilai loaing alam premi sama engan ρe X, i mana ρ > aalah safety loaing factor. c. Prinsip variansi: θ X = E X + ρvar X Di sini, nilai loaing alam premi proporsional terhaap Var X an ρ > aalah safety loaing factor.. Prinsip stanar eviasi: θ X = E X + ρς X Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

20 8 Di sini, nilai loaing alam premi proporsional terhaap stanar eviasi ari X an ρ > aalah safety loaing factor. e. Prinsip eksponensial: θ X = 1 log m α X α Di sini, parameter α > isebut risk aversion coefficient. 2.3 Retensi an Reasuransi Stop-loss Risiko yang itanggung perusahaan asuransi apat ikurangi engan memanfaatkan jasa reasuransi, i mana perusahaan reasuransi bertinak sebagai pihak penanggung (insurer) bagi perusahaan asuransi yang paa awalnya menanggung seniri risikonya. Kontrak reasuransi hanya melinungi sebagian tertentu ari risiko. Reasuransi stop-loss merupakan jenis reasuransi yang melinungi bagian risiko yang melebihi suatu batas retensi. Misalkan X menyatakan loss untuk suatu perusahaan asuransi. Diasumsikan X aalah variabel ranom nonnegatif engan fungsi istribusi kumulatif F X x = Pr X x, fungsi survival S X x = Pr X > x, an mean E X >. Misalkan X I an X R berturutturut aalah variabel ranom bagian loss yang itanggung oleh perusahaan asuransi an perusahaan reasuransi paa reasuransi stop-loss. Maka i bawah kontrak stop-loss: an X I = X, X, X > = X (2.3.1) X R =, X X, X > = X + (2.3.2) i mana parameter > ikenal sebagai retensi, a b = min a, b, an a + = max a,. Perusahaan asuransi menahan risiko sampai batas an membiarkan perusahaan reasuransi membayar sisanya (bagian risiko yang melebihi ). Sebagai contoh, jika itetapkan retensi sebesar 1,6 an seorang nasabah (tertanggung) mengajukan klaim asuransi sebesar 2, maka perusahaan asuransi akan membayar sebesar 1,6 an sisanya sebesar,4 akan ibayar oleh Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

21 9 perusahaan reasuransi. Jai, retensi aalah batas maksimum ari uang pertanggungan yang bisa itanggung oleh perusahaan asuransi atas suatu risiko tertentu. Dengan kata lain, retensi sama engan besar pembayaran maksimum oleh perusahaan asuransi untuk setiap klaim nasabah. Mengapa jenis reasuransi ini isebut stop-loss? Aalah jelas untuk ilihat bahwa ari suut panang perusahaan asuransi, loss yang itanggung berhenti i. Dalam teorema berikut, akan ibuktikan bahwa kontrak stop-loss meminimumkan variansi ari risiko yang itanggung oleh perusahaan asuransi. Teorema Diasumsikan X aalah variabel ranom loss untuk suatu perusahaan asuransi. Misalkan I X menyatakan bagian loss yang ibayarkan oleh perusahaan reasuransi paa kontrak reasuransi bukan stop-loss. Diasumsikan bahwa I x x berlaku untuk semua x. Maka, Jika E I X = E X +, maka Var X I X Var X X +. Bukti Misalkan an V X = X I X W X = X X +, maka Var X I X = E X I X 2 E X I X 2 = E V X 2 E V X 2, Var X X + = E X X 2 + E X X 2 + = E W X 2 E W X 2, an E X I X = E X E I X = E X E X + Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

22 1 = E X X + Dari persamaan terakhir apat itulis E V X = E W X. Sekarang tinggal ibuktikan bahwa E V X 2 E W X 2. a) Untuk X, X + = sehingga W X = X X + = X. Dari penjabaran berikut, V X = X I X X = W X V X W X V X W X V X 2 W X 2 E V X 2 E W X 2 E V X 2 2V X + 2 E W X 2 2W X + 2 E V X 2 E W X 2 iperoleh E V X 2 E W X 2. b) Untuk X >, X + = X sehingga W X = X X + =. Dari penjabaran berikut, W X = W X = V X = W X V X 2 W X 2 E V X 2 E W X 2 E V X 2 2V X + 2 E W X 2 2W X + 2 E V X 2 E W X 2 iperoleh E V X 2 E W X 2. Jai, terbukti bahwa jika E I X = E X +, makavar X I X Var X X +. (Kaas, et al., 21) Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

23 11 Dari Teorema i atas, iapat suatu penjelasan bahwa jika premi bersih reasuransi besarnya sama untuk semua jenis reasuransi, maka kontrak stop-loss merupakan pilihan terbaik i antara berbagai jenis reasuransi ikarenakan paa kontrak ini variansi ari bagian loss yang ibayarkan oleh perusahaan asuransi bernilai minimum. 2.4 Prinsip Nilai Ekspektasi Salah satu prinsip perhitungan premi yang umum igunakan yaitu prinsip nilai ekpektasi yang inyatakan oleh θ X = 1 + ρ E X i mana ρ > ikenal sebagai relative safety loaing. Berasarkan prinsip ini, untuk kontrak stop-loss premi reasuransi itentukan oleh δ = 1 + ρ π() (2.4.1) i mana π = E X R. Dengan menulis kembali persamaan (2.3.2): maka iperoleh X R = X + =, X X, X > = max, X π = E X R = E X + = (x )f X x x> (x )f X x x (X iskrit) (X kontinu) = 1 F X x x = S X x x Gambar 2.1 memberikan bukti grafis untuk apat menulis persamaan (x )f X x x> = 1 F X x x Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

24 12 ketika X aalah variabel ranom iskrit. y 1 f X x n FX(x) xn x Gambar 2.1. Bukti Grafis Persamaan x > (x )f X x = 1 F X x x Seangkan ketika X aalah variabel ranom kontinu, π = E X R = E X + = = (x ) F X x + C x f X x x = (x ) F X x + C F X x + C x i mana C aalah suatu konstanta, an nilai konstanta C yang memenuhi agar nilai E X + aa aalah C =, sehingga E X + = (x ) F X x 1 F X x 1 x = 1 F X x x = S X x x Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

25 13 Jai, terbukti untuk X aalah variabel ranom iskrit maupun kontinu apat itulis π = S X x x Dengan emikian, persamaan (2.4.1) apat itulis δ = 1 + ρ S X x x 2.5 Ukuran Risiko an Koherensi Suatu ukuran risiko aalah pemetaan ari variabel ranom yang menyatakan loss yang berhubungan engan risiko ke himpunan bilangan real. Suatu ukuran risiko memberikan sebuah bilangan tunggal yang imaksukan untuk mengukur risiko. Sebagai contoh, stanar eviasi, atau perkalian/pengganaan stanar eviasi ari suatu istribusi, merupakan suatu ukuran risiko karena stanar eviasi memberikan ukuran ketiakpastian. Misalkan ukuran risiko inyatakan oleh fungsi γ(x). Panang himpunan variabel ranom loss seemikian sehingga jika X an Y aalah ua anggota ari himpunan tersebut, maka untuk suatu konstanta positif c, cx an X + Y juga anggota ari himpunan tersebut. Definisi Suatu ukuran risiko yang koheren aalah suatu ukuran risiko γ(x) yang memiliki keempat sifat berikut untuk variabel ranom loss X an Y: 1. Subaitivitas: γ X + Y γ X + γ(y). 2. Monotonisitas: Jika X Y untuk semua hasil yang mungkin, maka γ(x) γ(y). 3. Homogenitas positif: Untuk sebarang konstanta positif c, γ cx = cγ(x). 4. Translasi invarian: Untuk sebarang konstanta positif c, γ X + c = γ X + c. (Klugman, Panjer, & Wilmot, 28) Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

26 14 Subaitivitas menjelaskan bahwa ukuran risiko ari ua risiko yang igabungkan tiak lebih besar ari jumlah ukuran risiko ari masing-masing risiko. Subaitivitas menggambarkan fakta bahwa seharusnya terapat manfaat iversifikasi ari menggabungkan risiko. Monotonisitas menjelaskan bahwa jika sebuah risiko memiliki loss yang selalu lebih besar aripaa risiko lainnya, maka ukuran risikonya juga selalu emikian. Homogenitas positif menjelaskan bahwa jika risiko ilipatganakan, maka ukuran risikonya juga emikian. Translasi invarian menjelaskan bahwa tiak aa risiko tambahan untuk penambahan risiko yang pasti. Ukuran risiko yang memenuhi keempat sifat paa Definisi ikatakan koheren. Ukuran risiko yang akan igunakan paa tugas akhir ini aalah Value at Risk (VaR) an Conitional Tail Expectation (CTE). 2.6 Value at Risk Definisi Misalkan X menyatakan suatu variabel ranom loss. Value at Risk ari X paa tingkat keamanan (1 α), inyatakan oleh VaR X α, < α < 1, aalah persentil (atau kuantil) ke-1 1 α ari istribusi X. (Klugman, Panjer, & Wilmot, 28) Secara matematis, VaR X α = inf x Pr X > x α (2.6.1) Jika X memiliki fungsi istribusi kontinu satu-satu i,, maka VaR X α aalah solusi unik untuk persamaan Pr X > VaR X α = α atau apat juga itulis sebagai VaR X α = S X (α), i mana S X aalah fungsi invers ari fungsi survival S X. Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

27 15 Sayangnya, VaR hanya memenuhi tiga ari empat sifat koherensi yang harus ipenuhi, yaitu monotonisitas, homogenitas positif, an translasi invarian. Bukti Akan ibuktikan bahwa VaR memenuhi monotonisitas, yaitu: Jika X Y untuk semua hasil yang mungkin, maka VaR X α VaR Y α. Misalkan X an Y aalah variabel ranom loss nonnegatif. Maka engan mengambil tingkat keamanan sebesar 1 α, VaR untuk variabel ranom X iberikan oleh VaR X α = inf x Pr X > x α an VaR untuk variabel ranom Y iberikan oleh VaR Y α = inf y Pr Y > y α Ambil Y = cx, i mana c 1, maka ari VaR Y α = inf y Pr Y > y α VaR cx α = inf y Pr cx > y α VaR cx α = inf y Pr X > y c α VaR cx α = inf cx Pr X > x α (misalkan y = cx) VaR cx α = c inf x Pr X > x α (Teorema 2.1.2) VaR cx α = cvar X α an karena c 1, iperoleh VaR X α VaR Y α Terbukti bahwa ukuran risiko VaR memenuhi monotonisitas. Akan ibuktikan bahwa VaR memenuhi homogenitas positif, yaitu: Untuk sebarang konstanta positif c, VaR cx α = cvar X α. Misalkan X an Y aalah variabel ranom loss nonnegatif. Ambil Y = cx, i mana c >. Dengan mengambil tingkat keamanan sebesar 1 α, maka, sama seperti penurunan i atas, iperoleh Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

28 16 VaR cx α = cvar X α Terbukti bahwa ukuran risiko VaR memenuhi homogenitas positif. Akan ibuktikan bahwa VaR memenuhi translasi invarian, yaitu: Untuk sebarang konstanta positif c, VaR X+c α = VaR X α + c. Misalkan X an Y aalah variabel ranom loss nonnegatif. Maka engan mengambil tingkat keamanan sebesar 1 α, VaR untuk variabel ranom X iberikan oleh VaR X α = inf x Pr X > x α an VaR untuk variabel ranom Y iberikan oleh VaR Y α = inf y Pr Y > y α Ambil Y = X + c i mana c >, maka ari VaR Y α = inf y Pr Y > y α VaR X+c α = inf y Pr X + c > y α VaR X+c α = inf y Pr X > y c α VaR X+c α = inf x + c Pr X > x α (misalkan y = x + c) VaR X+c α = inf x Pr X > x α + c (Teorema 2.1.1) VaR X+c α = VaR X α + c iperoleh VaR X+c α = VaR X α + c Terbukti bahwa ukuran risiko VaR memenuhi translasi invarian. VaR tiak memenuhi subaitivitas. Pembuktian mengenai hal ini tiak akan ibahas i sini, melainkan apat merujuk paa contoh yang ijelaskan paa jurnal Raising Value at Risk yang itulis oleh Julia Wirch (1999). Jai, terbukti bahwa VaR aalah ukuran risiko yang tiak koheren. Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

29 17 Ukuran risiko VaR sering igunakan karena muah ipahami. Jika nilai VaR yang berhubungan engan suatu risiko iketahui (engan tingkat keamanan sebesar 1 α ), maka ijamin bahwa probabilitas risiko melampaui nilai VaR tersebut tiak lebih ari α. Dalam hal ini, α apat iinterpretasikan sebagai probabilitas toleransi risiko. Dalam praktiknya, seringkali nilai α yang ipilih lebih kecil ari 5%. Kekurangan ari VaR aalah bahwa VaR gagal memenuhi sifat-sifat ukuran risiko yang koheren. 2.7 Conitional Tail Expectation (CTE) Definisi Misalkan X aalah suatu variabel ranom loss. Conitional Tail Expectation ari X paa tingkat keamanan 1 α, inyatakan oleh CTE X α, aalah ekspektasi loss iberikan bahwa loss melampaui persentil (atau kuantil) ke-1 1 α ari istribusi X. (Klugman, Panjer, & Wilmot, 28) Secara matematis, CTE X α = Ε X X VaR X α (2.7.1) Jika X aalah variabel ranom loss kontinu, persamaan (2.7.1) apat itulis menjai CTE X α = Ε X X VaR X α xf X (x)x VaR = X α 1 F X VaR X α = 1 α VaR X α xf X (x)x Lebih jauh, jika nilai integral i atas aalah berhingga, engan menggunakan substitusi x = VaR X u iapat persamaan Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

30 18 CTE X α = 1 α α VaR X u u Oleh karena itu, CTE apat ilihat sebagai rata-rata semua nilai VaR paa tingkat keamanan i atas 1 α. Artinya, CTE memberikan lebih banyak informasi mengenai tail of istribution ari suatu risiko. CTE juga apat itulis sebagai CTE X α = Ε X X VaR X α = Ε VaR X α + X VaR X α X VaR X α = Ε VaR X α X VaR X α + Ε X VaR X α X VaR X α = VaR X α + x VaR X α f X (x)x VaR X α 1 F X VaR X α = VaR X α + 1 α VaR X α S X (x)x Jelas bahwa suku keua paa ruas kanan persamaan i atas bernilai nonnegatif. Oleh karena itu, CTE X α VaR X α. CTE aalah ukuran risiko yang koheren apabila iaplikasikan paa risiko (loss) yang beristribusi kontinu. Bukti Akan ibuktikan bahwa CTE memenuhi monotonisitas, yaitu: Jika X Y untuk semua hasil yang mungkin, maka CTE X α CTE Y α. Misalkan X an Y aalah variabel ranom loss nonnegatif ari suatu istribusi kontinu. Maka engan mengambil tingkat keamanan sebesar 1 α, CTE untuk variabel ranom X iberikan oleh CTE X α = Ε X X VaR X α an CTE untuk variabel ranom Y iberikan oleh Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

31 19 CTE Y α = Ε Y Y VaR Y α Ambil Y = cx, i mana c 1, maka ari CTE Y α = Ε Y Y VaR Y α CTE cx α = Ε cx cx VaR cx α CTE cx α = Ε cx cx cvar X α CTE cx α = Ε cx X VaR X α CTE cx α = cε X X VaR X α CTE cx α = ccte X α (VaR memenuhi homogenitas positif) an karena c 1, iperoleh CTE X α CTE Y α Terbukti bahwa ukuran risiko CTE memenuhi monotonisitas. Akan ibuktikan bahwa CTE memenuhi homogenitas positif, yaitu: Untuk sebarang konstanta positif c, CTE cx α = ccte X α. Misalkan X an Y aalah variabel ranom loss nonnegatif ari suatu istribusi kontinu. Ambil Y = cx, i mana c >. Dengan mengambil tingkat keamanan sebesar 1 α, maka sama seperti penurunan i atas, iperoleh CTE cx α = ccte X α Terbukti bahwa ukuran risiko VaR memenuhi homogenitas positif. Akan ibuktikan bahwa CTE memenuhi translasi invarian, yaitu: Untuk sebarang konstanta positif c, CTE X+c α = CTE X α + c. Misalkan X an Y aalah variabel ranom loss nonnegatif ari suatu istribusi kontinu. Maka engan mengambil tingkat keamanan sebesar 1 α, CTE untuk variabel ranom X iberikan oleh CTE X α = Ε X X VaR X α an CTE untuk variabel ranom Y iberikan oleh CTE Y α = Ε Y Y VaR Y α Ambil Y = X + c i mana c >, maka ari Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

32 2 CTE Y α = Ε Y Y VaR Y α CTE X+c α = Ε X + c X + c VaR X+c α CTE X+c α = Ε X + c X + c VaR X α + c (VaR memenuhi translasi invarian) CTE X+c α = Ε X + c X VaR X α CTE X+c α = Ε X X VaR X α + c CTE X+c α = CTE X α + c iperoleh CTE X+c α = CTE X α + c Terbukti bahwa ukuran risiko CTE memenuhi translasi invarian. CTE memenuhi subaitivitas. Pembuktian mengenai hal ini tiak akan ibahas i sini, melainkan apat merujuk paa pembuktian yang ijelaskan paa jurnal On The Coherence of Expecte Shortfall yang itulis oleh Carlo Acerbi an Dirk Tasche (22). Jai, terbukti bahwa CTE aalah ukuran risiko yang koheren. Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

33 BAB 3 RETENSI OPTIMAL UNTUK SUATU REASURANSI STOP-LOSS Dengan memanfaatkan jasa reasuransi, perusahaan asuransi berusaha mengurangi risiko yang itanggungnya engan mengalihkan sebagian tertentu risiko tersebut kepaa pihak perusahaan reasuransi. Penentuan retensi optimal aalah hal yang sangat penting bagi perusahaan asuransi ketika menggunakan jasa reasuransi. Dalam bab ini akan ibahas mengenai penentuan retensi optimal untuk suatu reasuransi stop-loss berasarkan suatu moal tertentu yang telah itetapkan (fixe), optimisasi ukuran risiko VaR, an optimisasi ukuran risiko CTE. 3.1 Retensi Optimal untuk Suatu Moal Tertentu Dalam menggunakan jasa reasuransi, selain membayar total klaim, perusahaan asuransi harus membayar premi reasuransi kepaa perusahaan reasuransi. Perusahaan asuransi harus menyeiakan moal sebesar B i awal yang antara lain berasal ari aset-aset yang imilikinya an premi yang ikumpulkan ari para nasabah. Moal B inilah yang akan igunakan untuk membayar klaim nasabah an premi reasuransi. Di alam memenuhi kewajibannya membayar klaim, perusahaan asuransi ingin mengoptimisasi probabilitas kesanggupan finansialnya (kesanggupan membayar total klaim an premi reasuransi) engan cara memilih retensi terbaik. Untuk lebih jelasnya, berikut iberikan ilustrasi bagaimana menentukan retensi optimal untuk suatu moal tertentu. Anaikan sebuah perusahaan asuransi memiliki suatu portofolio yang teriri ari 2. polis asuransi jiwa satu-tahun yang ikelompokkan sebagai berikut: Besar manfaat/klaim Banyaknya polis Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

34 22 Probabilitas masing-masing nasabah meninggal alam satu tahun masa berlakunya polis aalah sama yaitu q =,1, an polis iasumsikan inepenen satu terhaap yang lain. Perusahaan asuransi tersebut akan menggunakan jasa reasuransi stop-loss. Di alam menggunakan jasa reasuransi stop-loss, perusahaan asuransi menetapkan retensi yang merupakan pembayaran maksimum untuk masing-masing polis. Bagian sisa ari klaim ibayar oleh perusahaan reasuransi. Sebagai contoh, jika itetapkan retensi sebesar 2,6 an seorang nasabah (engan besar klaim asuransi aalah 3) meninggal, maka perusahaan asuransi akan membayar sebesar 2,6 an sisanya sebesar,4 akan ibayar oleh perusahaan reasuransi. Untuk itu, perusahaan asuransi akan mencari retensi optimal. Diasumsikan perusahaan asuransi memiliki moal sebesar 45 an besarnya premi reasuransi itentukan berasarkan prinsip nilai ekspektasi engan ρ =,2, i mana ρ aalah safety loaing factor, sehingga engan kata lain besarnya premi reasuransi aalah 12% ari premi bersih yang ibayarkan kepaa perusahaan reasuransi. Misalkan, i : variabel ranom inikator engan nilai i = 1, jika terjai kematian i =, jika tiak terjai kematian, i mana untuk semua polis iasumsikan an Pr i = 1 = q =,1 Pr i = = 1 q =,99 : retensi, i mana < < 3 X Ij : variabel ranom klaim untuk polis ke-j yang ibayar oleh perusahaan asuransi; X Ij = b j i, i mana b j = min b j,, b j = 1,2,3, an j = 1, 2, 3,, 2. X I : variabel ranom total klaim yang ibayar oleh perusahaan asuransi; Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

35 23 2. X I = X Ij j =1 Y j : variabel ranom klaim untuk polis ke-j yang itujukan kepaa perusahaan reasuransi; Y j = b j + i, i mana b j + = max b j,, b j = 1,2,3 an j = 1, 2, 3,, 2. X R : variabel ranom total klaim yang itujukan kepaa perusahaan reasuransi; 2. X R = Y j j =1 π : premi bersih reasuransi, i mana π = E X R δ(): premi reasuransi, alam hal ini δ() = 1,2π = 1,2E X R T : variabel ranom biaya total yang harus itanggung perusahaan asuransi yang teriri ari total klaim an premi reasuransi, yaitu T = X I + δ() Pertama-tama, tinjau kasus = 1,5. Dari suut panang perusahaan reasuransi, 2. X R = Y j j = E X R = E Y j = E Y j = E b j + i j =1 j =1 j =1 = 1.E 1 + i + 5.E 2 + i + 5.E 3 + i = 1.E 1 1,5 + i + 5.E 2 1,5 + i + 5.E 3 1,5 + i = + 5.(,5)E i + 5.(1,5)E i = 1.E i = 1. 1(q) + (1 q) Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

36 24 = 1. 1(,1) + (,99) = 1 Perusahaan reasuransi akan membebankan premi kepaa perusahaan asuransi sebesar δ(1,5) = 1,2π X R = 1,2E X R = 1,2 1 = 12 Dari suut panang perusahaan asuransi, penyebaran polis-polis itampilkan sebagai berikut. Besar manfaat/klaim 1 1,5 Banyaknya polis Nilai ekspektasi an variansi ari variabel ranom total klaim yang ibayar oleh perusahaan asuransi (X I ) apat itentukan sebagai berikut. 2. X I = X Ij j = E X I = E X Ij = E X Ij = E b j i j =1 j =1 j =1 = 1.E i + 1. E 1,5i = 1.E i E i = 25.E i = 25. 1(q) + (1 q) = 25. 1,1 + (,99) = 25 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

37 25 Var X I = Var 2. j =1 X Ij 2. = Var X Ij j =1 = 1.Var i + 1. Var 1,5i = 1.Var i Var i = 32.5Var i = 32.5 q 1 q = 32.5 (,1),99 = 321,75 Aapun biaya total T yang harus ibayar oleh perusahaan asuransi aalah T = X I + δ(1,5) = X I + 12 Dengan moal sebesar B yang fixe, perusahaan asuransi tentunya ingin agar Pr T < B = p menghasilkan nilai p yang sangat besar. Telah iberikan B = 45, maka engan menggunakan Teorema Limit Pusat iperoleh Pr T < B = Pr X I + 12 < B = Pr X I E X I σ XI < B 12 E X I σ XI = Pr X I E X I < σ XI 321,75 = Pr X I E X I σ XI < ,75 Φ ,75 =,9744 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

38 26 Jai, engan mengambil retensi sebesar 1,5 an moal sebesar 45, perusahaan asuransi akan sanggup membayar X I + 12 engan aproksimasi probabilitas sebesar,9744. Sekarang tinjau kasus = 2. Dari suut panang perusahaan reasuransi, 2. X R = Y j j =1 E X R = E 2. j =1 Y j 2. = E Y j j =1 = 1.E 1 + i + 5.E 2 + i + 5.E 3 + i = 1.E i + 5.E i + 5.E i = E i = 5.E i = 5. 1(q) + (1 q) = 5. 1(,1) + (,99) = 5 Perusahaan reasuransi akan membebankan premi kepaa perusahaan asuransi sebesar δ(2) = 1,2π X R = 1,2E X R = 1,2 5 = 6 Dari suut panang perusahaan asuransi, penyebaran polis-polis itampilkan sebagai berikut. Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

39 27 Besar manfaat/klaim 1 2 Banyaknya polis Nilai ekspektasi an variansi ari variabel ranom total klaim yang ibayar oleh perusahaan asuransi (X I ) apat itentukan sebagai berikut. 2. X I = X Ij j =1 E X I = E 2. j =1 X Ij 2. = E X Ij j =1 = 1.E i + 1. E 2i = 1.E i + 2. E i = 3.E i = 3. 1(q) + (1 q) = 3. 1,1 + (,99) = 3 Var X I = Var 2. j =1 X Ij 2. = Var X Ij j =1 = 1.Var i + 1. Var 2i = 1.Var i + 4. Var i = 5.Var i = 5. q 1 q = 5. (,1),99 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

40 28 = 495 Aapun biaya total T yang harus ibayar oleh perusahaan asuransi aalah T = X I + δ(2) = X I + 6 Diberikan B = 45, maka engan menggunakan Teorema Limit Pusat iperoleh Pr T < B = Pr X I + 6 < B = Pr X I E(X I ) σ XI < B 6 E(X I) σ XI = Pr X I E(X I ) < σ XI 495 = Pr X I E(X I ) σ XI < Φ =,9783 Jai, engan mengambil retensi sebesar 2 an moal sebesar 45, perusahaan asuransi akan sanggup membayar X I + 6 engan aproksimasi probabilitas sebesar,9783. Selanjutnya tinjau kasus = 2,5, maka engan cara yang sama iperoleh δ(2,5) = 3 E X I = 325 Var X I = 66,375 sehingga engan besar moal yang sama (B = 45) iperoleh Pr T < B = Pr X I + δ(2,5) < B = Pr X I + 3 < 45 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

41 29 = Pr X I E X I σ XI < 45 3 E X I σ XI = Pr X I E X I σ XI < 5 66,375 Φ 5 66,375 =,9788 Ternyata nilai aproksimasi Pr T < B semakin meningkat seiring engan bertambahnya nilai. Dengan emikian, iuga terapat 2, 3 yang memaksimumkan Pr T < B, i mana alam kasus ini B = 45. Untuk retensi 2, 3, ari suut panang perusahaan reasuransi, 2. X R = Y j j =1 E X R = E 2. j =1 Y j 2. = E Y j j =1 = 1.E 1 + i + 5.E 2 + i + 5.E 3 + i = 1.E 1 + i + 5.E 2 + i + 5.E 3 + i = E i = (q) + (1 q) = (,1) + (,99) = 5 3 Perusahaan reasuransi akan membebankan premi kepaa perusahaan asuransi sebesar δ() = 1,2π X R = 1,2E X R = 1,2 5 3 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

42 3 = 6 3 = 18 6 Sementara itu, ari suut panang perusahaan asuransi, penyebaran polis-polis itampilkan sebagai berikut. Besar manfaat/klaim 1 2 Banyaknya polis Nilai ekspektasi an variansi ari variabel ranom total klaim yang ibayar oleh perusahaan asuransi (X I ) apat itentukan sebagai berikut. 2. X I = X Ij j =1 E X I = E 2. j =1 X Ij 2. = E X Ij j =1 = 1.E i + 5. E 2i + 5. E i = 1.E i + 1. E i + 5. E i = E i = (q) + (1 q) = ,1 + (,99) = Var X I = Var 2. j =1 X Ij 2. = Var X Ij j =1 = 1.Var i + 5. Var 2i + 5. Var i = 1.Var i + 2. Var i Var i Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

43 31 = Var i = q(1 q) = ,1(,99) = ,5 2 Biaya total T yang harus ibayar perusahaan asuransi inyatakan oleh T = X I + δ() = X I Maka engan menggunakan Teorema Limit Pusat, iperoleh Pr T < B = Pr X I < B = Pr X I E X I σ XI = Pr X I E X I σ XI < B E X I σ XI < ,5 2 = Pr X I E X I σ XI < ,5 2 Φ ,5 2 Misalkan g = ,5 2. Nilai yang memaksimumkan Φ g aalah sama engan nilai yang memaksimumkan g. Dengan menggunakan konsep turunan (g () = ), maka g = ,5 2 g = , , ,5 2, ,5 2 = , , ,5 2, ,5 2 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

44 32 = , = = 594 = 2,4 sehingga iperoleh retensi terbaik untuk kasus ini aalah = 2,4. Aapun aproksimasi probabilitas perusahaan asuransi kuat membayar total klaim an premi reasuransi paa = 2,4 aalah Φ g 2,4 = Φ = Φ (2,4) ,5(2,4) ,12 =,9789 Di masa epan, berbagai faktor eksternal (seperti inflasi atau tingkat suku bunga) akan sangat mempengaruhi aset-aset yang imiliki oleh perusahaan asuransi sehingga besar moal perusahaan asuransi tiak apat itentukan engan pasti. Dengan memilih tingkat keamanan sebesar (1 α) yang fixe, retensi optimal apat itentukan berasarkan ukuran risiko Value at Risk an Conitional Tail Expectation. Retensi optimal apat iperoleh engan mengoptimisasi VaR an CTE paa tingkat keamanan sebesar (1 α). Untuk optimisasi VaR an optimisasi CTE, iasumsikan variabel ranom loss X memiliki fungsi istribusi kontinu satu-satu i, engan kemungkinan terjai loncatan i x =. 3.2 Retensi Optimal: Optimisasi VaR Paa subbab ini, akan ibahas mengenai penentuan retensi optimal ( ) untuk optimisasi VaR : VaR T, α = min > VaR T, α Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

45 33 Panang VaR T, α sebagai suatu fungsi ua variabel i mana, an α,1. Optimisasi VaR merupakan suatu kriteria mencari nilai yang optimal yaitu nilai yang meminimumkan fungsi VaR T, α paa suatu nilai α yang fixe. Pertama-tama, icari ahulu fungsi survival ari bagian loss yang itanggung oleh perusahaan asuransi X I, i mana X I = X, X, X > = min X, Fungsi survival ari variabel ranom X I iberikan oleh S XI x = Pr X I > x = Pr min X, > x = S X Dari hasil i atas iperoleh bahwa x, x <, x (3.2.1) 1. Jika < α S X < S X atau ekuivalennya < S X α, (Gambar 3.1) y SX() SX() α SX(x) S -1 X(α) x Gambar 3.1. Grafik Fungsi Survival S X jika < S X α Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

46 34 maka VaR XI, α = inf x Pr X I > x α = inf x = inf x = S X x α, x < α, x 2. Jika < S X < α < S X atau ekuivalennya > S X α, (Gambar 3.2) y SX() α SX() SX(x) S -1 X(α) x Gambar 3.2. Grafik Fungsi Survival S X jika > S X α maka VaR XI, α = inf x Pr X I > x α = inf x S X x α, x < α, x = inf S X (α) x < x = S X (α) 3. Jika α S X, (Gambar 3.3) maka VaR XI, α = inf x Pr X I > x α = inf x S X x α, x < α, x Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

47 35 = inf x < x = y α SX() SX(x) SX() x Gambar 3.3. Grafik Fungsi Survival S X jika α S X Kasus i mana VaR XI, α = tiak akan menjai perhatian paa pembahasan tugas akhir ini. Jai untuk selanjutnya, α harus memenuhi < α < S X (). Dengan emikian, iperoleh VaR ari X I paa tingkat keamanan sebesar (1 α) aalah VaR XI, α =, < S X (α) S X α, > S X (α) (3.2.2) Perlu iperhatikan bahwa jika iberikan suatu >, maka VaR XI, α = aalah sama untuk semua α, S X () sebab X I aalah variabel ranom terbatas i mana X I. Ditulis kembali persamaan T = X I + δ() (3.2.3) Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

48 36 i mana T : variabel ranom biaya total yang harus ikeluarkan oleh perusahaan asuransi X I : variabel ranom bagian loss yang ibayar oleh perusahaan asuransi δ() : premi reasuransi yang itentukan berasarkan prinsip nilai ekspektasi Dari persamaan (3.2.3) an berasarkan efinisi VaR secara matematis, apat itunjukkan bahwa untuk an α tertentu (fixe), aa hubungan antara VaR ari T an VaR ari X I, yang inyatakan oleh persamaan berikut: VaR T, α = VaR XI, α + δ() (3.2.4) Bukti VaR T, α = inf t Pr T > t α (efinisi VaR T, α ) = inf t Pr X I + δ() > t α (T = X I + δ ) = inf t Pr X I > t δ() α = inf x + δ Pr X I > x α (misalkan t = x + δ()) = inf x Pr X I > x α + δ (Teorema 2.1.1) = VaR XI, α + δ Dapat ibuktikan bahwa fungsi δ merupakan fungsi turun alam untuk,. Bukti δ = 1 + ρ π(), i mana ari Bab 2 iketahui π = S X x x. Karena fungsi survival ari variabel ranom kontinu aalah fungsi tiak naik, maka untuk sebarang < 1 < 2 iperoleh S X x x > S X x x 1 2 Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

49 37 π 1 > π 2 Karena ρ >, maka 1 + ρ π 1 > (1 + ρ)π 2 δ 1 > δ 2 Jai, untuk sebarang < 1 < 2, δ 1 > δ 2 sehingga iapat δ aalah fungsi turun alam untuk,. Kemuian apat ibuktikan bahwa fungsi VaR XI, α merupakan fungsi tiak turun alam untuk, an untuk suatu nilai α yang fixe. Bukti a) Ambil sebarang < 1 < 2 < S X α, maka iperoleh VaR XI 1, α = 1 an VaR XI 2, α = 2. Karena 1 < 2, maka VaR XI 1, α < VaR XI 2, α. b) Ambil sebarang < 1 < S X α < 2, maka iperoleh VaR XI 1, α = 1 an VaR XI 2, α = S X α. Karena 1 < S X α, maka VaR XI 1, α < VaR XI 2, α. c) Ambil sebarang < S X α < 1 < 2, maka iperoleh VaR XI 1, α = S X α an VaR XI 2, α = S X α. Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

50 38 Sehingga untuk sebarang < S X α < 1 < 2, VaR XI 1, α = VaR XI 2, α. Jai, karena VaR XI 1, α VaR XI 2, α berlaku untuk ketiga konisi i atas, maka terbukti bahwa VaR XI, α merupakan fungsi tiak turun alam untuk, an untuk suatu nilai α yang fixe. Karena δ aalah fungsi turun i, an VaR XI, α aalah fungsi tiak turun i,, maka iuga fungsi VaR T, α = VaR XI, α + δ() memiliki nilai optimal i,. Dari persamaan (3.2.2) an (3.2.4), iperoleh proposisi berikut. Proposisi Untuk setiap > an < α < S X (), VaR T, α = + δ, < S X (α) S X α + δ, > S X (α). (3.2.5) Sama halnya engan VaR XI, α, jika iberikan suatu >, VaR T, α = + δ() aalah sama untuk semua α, S X (). Diefinisikan ρ = 1, i mana ρ > aalah safety loaing factor, yang akan 1+ρ memainkan peran penting alam mencari solusi permasalahan optimisasi VaR. Berikut aalah teorema yang menyatakan syarat perlu an cukup untuk keberaaan retensi optimal paa optimisasi VaR: Teorema VaR T, α = min > VaR T 1. Retensi optimal > aa jika an hanya jika, α. an α < ρ < S X () (3.2.6) Universitas Inonesia Retensi optimal..., Eka Hanna Siabalok, FMIPA UI, 212

1.1. Sub Ruang Vektor

1.1. Sub Ruang Vektor 1.1. Sub Ruang Vektor Dalam membiarakan ruang vektor, tiak hanya vektoer-vektornya saja yang menarik, tetapi juga himpunan bagian ari ruang vektor tersebut yang membentuk ruang vektor lagi terhaap operasi

Lebih terperinci

METODE PENELITIAN Data Langkah-Langkah Penelitian

METODE PENELITIAN Data Langkah-Langkah Penelitian METODE PENELITIAN Data Inonesia merupakan salah satu negara yang tiak mempunyai ata vital statistik yang lengkap. Dengan memperhatikan hal tersebut, sangat tepat menggunakan Moel CPA untuk mengukur tingkat

Lebih terperinci

Solusi Tutorial 6 Matematika 1A

Solusi Tutorial 6 Matematika 1A Solusi Tutorial 6 Matematika A Arif Nurwahi ) Pernyataan benar atau salah. a) Salah, sebab ln tiak terefinisi untuk 0. b) Betul. Seerhananya, titik belok apat ikatakan sebagai lokasi perubahan kecekungan.

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n

MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n Oleh : JOHANES ARIF PURWONO 105 100 00 Pembimbing : Drs. Suhu Wahyui, MSi 131 651 47 ABSTRAK Graph aalah suatu sistem

Lebih terperinci

PENGUKURAN RISIKO DENGAN VALUE AT RISK PADA RETENSI OPTIMAL UNTUK REASURANSI STOP LOSS

PENGUKURAN RISIKO DENGAN VALUE AT RISK PADA RETENSI OPTIMAL UNTUK REASURANSI STOP LOSS PENGUKURAN RISIKO DENGAN VALUE AT RISK PADA RETENSI OPTIMAL UNTUK REASURANSI STOP LOSS SKRIPSI Oleh : AGUSTINA SUNARWATININGSIH J2A 605 007 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

FUNGSI TRANSENDEN J.M. TUWANKOTTA

FUNGSI TRANSENDEN J.M. TUWANKOTTA FUNGSI TRANSENDEN J.M. TUWANKOTTA. Penekatan Kalkulus: menefinisikan fungsi logaritma natural sebagai integral Panang sebuah fungsi yang iefinisikan engan menggunakan integral: (.) L(x) = t t. Dari Teorema

Lebih terperinci

DIFERENSIAL FUNGSI SEDERHANA

DIFERENSIAL FUNGSI SEDERHANA DIFERENSIAL FUNGSI SEDERHANA Salah satu metoe yang cukup penting alam matematika aalah turunan (iferensial). Sejalan engan perkembangannya aplikasi turunan telah banyak igunakan untuk biang-biang rekayasa

Lebih terperinci

, serta notasi turunan total ρ

, serta notasi turunan total ρ LANDASAN TEORI Lanasan teori ini berasarkan rujukan Jaharuin (4 an Groesen et al (99, berisi penurunan persamaan asar fluia ieal, sarat batas fluia ua lapisan an sistem Hamiltonian Penentuan karakteristik

Lebih terperinci

Ax b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan

Ax b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS Bui Cahyono Peniikan Matematika, FSAINSTEK, Universitas Walisongo Semarang bui_oplang@yahoo.com Abstrak Dalam kehiupan sehari-hari seringkali kita menapatkan

Lebih terperinci

3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang?

3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang? Paa bab ini ipelajari aritmatika moular yaitu aritmatika tentang kelas-kelas ekuivalensi, imana permasalahan alam teori bilangan iseerhanakan engan cara mengganti setiap bilangan bulat engan sisanya bila

Lebih terperinci

3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang?

3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang? Paa bab ini ipelajari aritmatika moular yaitu aritmatika tentang kelas-kelas ekuivalensi, imana permasalahan alam teori bilangan iseerhanakan engan cara mengganti setiap bilangan bulat engan sisanya bila

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Suatu badan usaha yang selalu menghadapi risiko akan berusaha menghindarkan diri atau memperkecil risiko dengan berbagai macam cara. Salah satu cara yang ditempuh badan

Lebih terperinci

PERENCANAAN PENULANGAN LENTUR DAN GESER BALOK PERSEGI MENURUT SNI 03-847-00 Slamet Wioo Staf Pengajar Peniikan Teknik Sipil an Perenanaan FT UNY Balok merupakan elemen struktur yang menanggung beban layan

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

UJIAN TENGAH SEMESTER KALKULUS/KALKULUS1

UJIAN TENGAH SEMESTER KALKULUS/KALKULUS1 Jurusan Matematika FMIPA IPB UJIAN TENGAH SEMESTER KALKULUS/KALKULUS1 Sabtu, 4 Maret 003 Waktu : jam SETIAP NOMOR MEMPUNYAI BOBOT 10 1. Tentukan: (a) (b) x sin x x + 1 ; x (cos (x 1)) :. Diberikan fungsi

Lebih terperinci

BAB II DASAR TEORI. II.1 Saham

BAB II DASAR TEORI. II.1 Saham BAB II DASAR TEORI Paa bab ini akan ijelaskan asar teori yang igunakan selama pelaksanaan Tugas Akhir ini: saham, analisis funamental, analisis teknis, moving average, oscillator, an metoe Relative Strength

Lebih terperinci

MA4181 MODEL RISIKO Enjoy the Risks

MA4181 MODEL RISIKO Enjoy the Risks Catatan Kuliah MA48 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2 Tentang MA48 Model Risiko A. Jadwal kuliah:

Lebih terperinci

BAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH

BAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau

Lebih terperinci

Praktikum Total Quality Management

Praktikum Total Quality Management Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau

Lebih terperinci

VIII. ALIRAN MELALUI LUBANG DAN PELUAP

VIII. ALIRAN MELALUI LUBANG DAN PELUAP VIII. ALIRAN MELALUI LUBANG DAN PELUAP 8.. Penahuluan Lubang aalah bukaan paa ining atau asar tangki imana zat cair mengalir melaluinya. Lubang tersebut bisa berbentuk segi empat, segi tiga, ataupun lingkaran.

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA4183 Model Risiko Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI WEIBULL BERDASARKAN SENSOR TIPE I. Rizka Anggraini ABSTRACT

PENAKSIR PARAMETER DISTRIBUSI WEIBULL BERDASARKAN SENSOR TIPE I. Rizka Anggraini ABSTRACT PENAKSIR PARAMETER DISTRIBUSI WEIBULL BERDASARKAN SENSOR TIPE I Rizka Anggraini Mahasiswa Program Stui S1 Matematika Jurusan Matematika Fakultas Matematika an Ilmu Pengetahuan Alam, Universitas Riau Kampus

Lebih terperinci

ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT

ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT 1 Safa at Yulianto, Kishera Hilya Hiayatullah 1, Ak. Statistika Muhammaiyah Semarang

Lebih terperinci

SUATU FORMULASI HAMILTON BAGI GERAK GELOMBANG INTERFACIAL YANG MERAMBAT DALAM DUA ARAH

SUATU FORMULASI HAMILTON BAGI GERAK GELOMBANG INTERFACIAL YANG MERAMBAT DALAM DUA ARAH SUATU FORMULASI HAMILTON BAGI GERAK GELOMBANG INTERFACIAL YANG MERAMBAT DALAM DUA ARAH JAHARUDDIN Departemen Matematika, Fakultas Matematika an Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Raya

Lebih terperinci

MA4183 MODEL RISIKO Control your Risk!

MA4183 MODEL RISIKO Control your Risk! Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal

Lebih terperinci

ISNN WAHANA Volume 68, Nomer 1, 1 Juni 2017 HUBUNGAN ANTARA DAERAH IDEAL UTAMA, DAERAH FAKTORISASI TUNGGAL, DAN DAERAH DEDEKIND

ISNN WAHANA Volume 68, Nomer 1, 1 Juni 2017 HUBUNGAN ANTARA DAERAH IDEAL UTAMA, DAERAH FAKTORISASI TUNGGAL, DAN DAERAH DEDEKIND HUBUNGAN ANTARA AERAH IEAL UTAMA, AERAH FATORISASI TUNGGAL, AN AERAH EEIN Eka Susilowati Fakultas eguruan an Ilmu Peniikan, Universitas PGRI Aibuana Surabaya eka50@gmailcom Abstrak Setiap aerah ieal utama

Lebih terperinci

KENDALI LQR DISKRIT UNTUK SISTEM TRANSMISI DATA DENGAN SUMBER JARINGAN TUNGGAL. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

KENDALI LQR DISKRIT UNTUK SISTEM TRANSMISI DATA DENGAN SUMBER JARINGAN TUNGGAL. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang KENDALI LQR DISKRIT UNTUK SISTEM TRANSMISI DATA DENGAN SUMBER JARINGAN TUNGGAL Dita Anies Munawwaroh Sutrisno Jurusan Matematika FSM Universitas Diponegoro Jl Prof H Soearto SH Tembalang Semarang itaaniesm@gmailcom

Lebih terperinci

Kombinasi Gaya Tekan dan Lentur

Kombinasi Gaya Tekan dan Lentur Mata Kuliah Koe SKS : Perancangan Struktur Beton : CIV-204 : 3 SKS Kombinasi Gaya Tekan an Lentur Pertemuan 9,10,11 Sub Pokok Bahasan : Analisis an Desain Kolom Penek Kolom aalah salah satu komponen struktur

Lebih terperinci

MA4183 MODEL RISIKO Control your Risk!

MA4183 MODEL RISIKO Control your Risk! Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal

Lebih terperinci

ANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI

ANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI ANALISAPERITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI Nurnilam Oemiati Staf Pengajar Jurusan Sipil Fakultas Teknik Universitas Muhammaiyah Palembang Email: nurnilamoemiatie@yahoo.com Abstrak paa

Lebih terperinci

BAB III INTERFERENSI SEL

BAB III INTERFERENSI SEL BAB NTEFEENS SEL Kinerja sistem raio seluler sangat ipengaruhi oleh faktor interferensi. Sumber-sumber interferensi apat berasal ari ponsel lainya ialam sel yang sama an percakapan yang seang berlangsung

Lebih terperinci

Arus Melingkar (Circular Flow) dalam Perekonomian 2 Sektor

Arus Melingkar (Circular Flow) dalam Perekonomian 2 Sektor Perekonomian suatu negara igerakkan oleh pelaku-pelaku kegiatan ekonomi. Pelaku kegiatan ekonomi secara umum ikelompokkan kepaa empat pelaku, yaitu rumah tangga, perusahaan (swasta), pemerintah an ekspor-impor.

Lebih terperinci

MA4181 MODEL RISIKO Enjoy the Risks

MA4181 MODEL RISIKO Enjoy the Risks Catatan Kuliah MA4181 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4181 Model Risiko A. Jadwal

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA4183 Model Risiko Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko

Lebih terperinci

matriks A. PENGERTIAN MATRIKS Persija Persib baris

matriks A. PENGERTIAN MATRIKS Persija Persib baris Kolom 1. Pengertian Matriks matriks A. PENGERTIAN MATRIKS Dalam kehiupan sehari-hari an alam matematika, berbagai keterangan seringkali isajikan alam bentuk matriks. Contoh 1: Hasil pertaningan grup I

Lebih terperinci

PERSAMAAN SCHRODINGER YANG BERGANTUNG WAKTU

PERSAMAAN SCHRODINGER YANG BERGANTUNG WAKTU PERSAMAAN SCHRODINGER YANG BERGANTUNG WAKTU Perbeaan pokok antara mekanika newton an mekanika kuantum aalah cara menggambarkannya. Dalam mekanika newton, masa epan partikel telah itentukan oleh keuukan

Lebih terperinci

BAB VI. FUNGSI TRANSENDEN

BAB VI. FUNGSI TRANSENDEN BAB VI. FUNGSI TRANSENDEN Fungsi Logaritma Natural Fungsi Balikan (Invers) Fungsi Eksponen Natural Fungsi Eksponen Umum an Fungsi Logaritma Umum Masalah Laju Perubahan Seerhana Fungsi Trigonometri Balikan

Lebih terperinci

BAB III UJICOBA KALIBRASI KAMERA

BAB III UJICOBA KALIBRASI KAMERA BAB III UJICOBA KALIBRASI KAMERA 3.1 Spesifikasi kamera Kamera yang igunakan alam percobaan paa tugas akhir ini aalah kamera NIKON Coolpix 7900, engan spesifikasi sebagai berikut : Resolusi maksimum :

Lebih terperinci

PENGUKURAN RISIKO PADA RETENSI OPTIMAL UNTUK REASURANSI STOP LOSS DENGAN VALUE AT RISK. Jurusan Matematika FMIPA UNDIP. PS Statistika FMIPA UNDIP

PENGUKURAN RISIKO PADA RETENSI OPTIMAL UNTUK REASURANSI STOP LOSS DENGAN VALUE AT RISK. Jurusan Matematika FMIPA UNDIP. PS Statistika FMIPA UNDIP Pengukuran Risiko... (Agustina) PENGUKURAN RISIKO PADA RETENSI OPTIMAL UNTUK REASURANSI STOP LOSS DENGAN VALUE AT RISK Agustina Sunarwatiningsih 1, Yuciana Wilandari 2, Agus Rusgiyono 2 1 Jurusan Matematika

Lebih terperinci

Bagian 3 Differensiasi

Bagian 3 Differensiasi Bagian Differensiasi Bagian Differensiasi berisi materi tentang penerapan konsep limit untuk mengitung turunan an berbagai teknik ifferensial. Paa penerapan konsep limit, Ana akan iperkenalkan engan konsep

Lebih terperinci

METODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER

METODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER METODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER Asrul Syam Program Stui Teknik Informatika, STMIK Dipanegara, Makassar e-mail: assyams03@gmail.com Abstrak Masalah optimasi

Lebih terperinci

GROUP YANG DIBANGUN OPERATOR LINEAR TERBATAS SEBAGAI SUATU PENYELESAIAN MCA HOMOGEN

GROUP YANG DIBANGUN OPERATOR LINEAR TERBATAS SEBAGAI SUATU PENYELESAIAN MCA HOMOGEN M-10 GROUP YANG DIBANGUN OPERATOR LINEAR TERBATAS SEBAGAI SUATU PENYELESAIAN MCA HOMOGEN Susilo Hariyanto Departemen Matematika Fakultas Sains an Matematika Universitas Diponegoro Semarang sus2_hariyanto@yahoo.co.i

Lebih terperinci

F = M a Oleh karena diameter pipa adalah konstan, maka kecepatan aliran di sepanjang pipa adalah konstan, sehingga percepatan adalah nol, d dr.

F = M a Oleh karena diameter pipa adalah konstan, maka kecepatan aliran di sepanjang pipa adalah konstan, sehingga percepatan adalah nol, d dr. Hukum Newton II : F = M a Oleh karena iameter pipa aalah konstan, maka kecepatan aliran i sepanjang pipa aalah konstan, sehingga percepatan aalah nol, rr rr( s) rs rs( r r) rrs sin o Bentuk tersebut apat

Lebih terperinci

Sudaryatno Sudirham. Diferensiasi

Sudaryatno Sudirham. Diferensiasi Suaratno Suirham Diferensiasi Bahan Kuliah Terbuka alam format pf terseia i.buku-e.lipi.go.i alam format pps beranimasi terseia i.ee-cafe.org Pengertian-Pengertian 0-0 Kita telah melihat baha kemiringan

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematik(a) Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014

Lebih terperinci

IMPLEMENTASI TEKNIK FEATURE MORPHING PADA CITRA DUA DIMENSI

IMPLEMENTASI TEKNIK FEATURE MORPHING PADA CITRA DUA DIMENSI IMPLEMENTSI TEKNIK FETURE MORPHING PD CITR DU DIMENSI Luciana benego an Nico Saputro Jurusan Intisari Pemanfaatan teknologi animasi semakin meluas seiring engan semakin muah an murahnya penggunaan teknologi

Lebih terperinci

PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak

PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN Ruy Setiawan, ST., MT. Sukanto Tejokusuma, Ir., M.Sc. Jenny Purwonegoro, ST. Staf Pengajar Fakultas Staf Pengajar Fakultas Alumni Fakultas Teknik Sipil

Lebih terperinci

JUDUL PENUH MENGGUNAKAN HURUF KAPITAL

JUDUL PENUH MENGGUNAKAN HURUF KAPITAL Saintia Matematika Vol. XX, No. XX (XXXX), pp. 17 24. JUDUL PENUH MENGGUNAKAN HURUF KAPITAL Penulis Abstrak. Ketikkan Abstrak Ana i sini. Sebaiknya tiak lebih ari 250 kata. Abstrak sebaiknya menjelaskan

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko

Lebih terperinci

BAB III PROSES PERANCANGAN DAN PERHITUNGAN

BAB III PROSES PERANCANGAN DAN PERHITUNGAN BB III PROSES PERNCNGN DN PERHITUNGN 3.1 Diagram alir penelitian MULI material ie an material aluminium yang iekstrusi Perancangan ie Proses pembuatan ie : 1. Pemotongan bahan 2. Pembuatan lubang port

Lebih terperinci

1 Kapasitor Lempeng Sejajar

1 Kapasitor Lempeng Sejajar FI1201 Fisika Dasar IIA Kapasitor 1 Kapasitor Lempeng Sejajar Dosen: Agus Suroso Paa bab sebelumnya, telah ibahas mean listrik i sekitar lempeng-yang-sangat-luas yang bermuatan, E = σ 2ε 0 ˆn, (1) engan

Lebih terperinci

SURAT KETERANGAN TUGAS AKHIR

SURAT KETERANGAN TUGAS AKHIR SURAT KETERANGAN TUGAS AKHIR Sesuai engan persetujuan ari Ketua Jurusan Teknik Sipil, Fakultas Teknik Universitas Kristen Maranatha, melalui surat 812/TA/FTS/UKM/III/2004 tanggal 9 Februari 2004, engan

Lebih terperinci

Keywords: transaction volume, market risk, debt to equity ratio and dividend policy.

Keywords: transaction volume, market risk, debt to equity ratio and dividend policy. PENGARUH VOLUME TRANSAKSI, RESIKO PASAR DAN DEBT to EQUITY RATIO TERHADAP KEBIJAKAN DIVIDEN (Stui Kasus Paa PT. Ino Tambangraya Megah, Tbk, PT. Inosat, Tbk, PT. Inocement Tunggal Prakarsa, Tbk, PT. Inofoo

Lebih terperinci

: Premi Tunggal Bersih Asuransi Jiwa Seumur Hidup Unit Link. : 1. I Wayan Sumarjaya, S.Si, M.Stats. 2. Drs. I Nyoman Widana, M.

: Premi Tunggal Bersih Asuransi Jiwa Seumur Hidup Unit Link. : 1. I Wayan Sumarjaya, S.Si, M.Stats. 2. Drs. I Nyoman Widana, M. Judul : Premi Tunggal Bersih Asuransi Jiwa Seumur Hidup Unit Link dengan Garansi Minimum dan Nilai Cap Menggunakan Metode Point To Point Nama : Ni Luh Juliantari Pembimbing : 1. I Wayan Sumarjaya, S.Si,

Lebih terperinci

Penerapan Aljabar Max-Plus Pada Sistem Produksi Meubel Rotan

Penerapan Aljabar Max-Plus Pada Sistem Produksi Meubel Rotan Jurnal Graien Vol 8 No 1 Januari 2012:775-779 Penerapan Aljabar Max-Plus Paa Sistem Prouksi Meubel Rotan Ulfasari Rafflesia Jurusan Matematika, Fakultas Matematika an Ilmu Pengetahuan Alam, Universitas

Lebih terperinci

V. HASIL DAN PEMBAHASAN

V. HASIL DAN PEMBAHASAN 34 V. HASIL DAN PEMBAHASAN 5.1. Hirarki Pusat-Pusat Pelayanan i Kecamatan Leuwiliang Analisis hirarki pusat-pusat pelayanan i Kecamatan Leuwiliang ilakukan engan menggunakan metoe skalogram berbobot berasarkan

Lebih terperinci

Mursyidah Pratiwi, Yuni Yulida*, Faisal Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat *

Mursyidah Pratiwi, Yuni Yulida*, Faisal Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat * Jurnal Matematika Murni an Terapan εpsilon ANALISIS MODEL PREDATOR-PREY TERHADAP EFEK PERPINDAHAN PREDASI PADA SPESIES PREY YANG BERJUMLAH BESAR DENGAN ADANYA PERTAHANAN KELOMPOK Mursyiah Pratiwi, Yuni

Lebih terperinci

GAMBARAN KINERJA PEGAWAI DI INSTALASI GIZI RSUD KOJA TAHUN 2009

GAMBARAN KINERJA PEGAWAI DI INSTALASI GIZI RSUD KOJA TAHUN 2009 UNIVERSITAS INDONESIA GAMBARAN KINERJA PEGAWAI DI INSTALASI GIZI RSUD KOJA TAHUN 2009 Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Kesehatan Masyarakat (SKM) FITA KARTIKA ARIANI 1005000777

Lebih terperinci

dan E 3 = 3 Tetapi integral garis dari keping A ke keping D harus nol, karena keduanya memiliki potensial yang sama akibat dihubungkan oleh kawat.

dan E 3 = 3 Tetapi integral garis dari keping A ke keping D harus nol, karena keduanya memiliki potensial yang sama akibat dihubungkan oleh kawat. E 3 E 1 -σ 3 σ 3 σ 1 1 a Namakan keping paling atas aalah keping A, keping keua ari atas aalah keping B, keping ketiga ari atas aalah keping C an keping paling bawah aalah keping D E 2 muatan bawah keping

Lebih terperinci

STRATEGI PENDANAAN MELALUI SEKURITISASI PIUTANG PEMBIAYAAN KONSUMEN PADA PT. ABC FINANCE TESIS

STRATEGI PENDANAAN MELALUI SEKURITISASI PIUTANG PEMBIAYAAN KONSUMEN PADA PT. ABC FINANCE TESIS UNIVERSITAS INDONESIA STRATEGI PENDANAAN MELALUI SEKURITISASI PIUTANG PEMBIAYAAN KONSUMEN PADA PT. ABC FINANCE TESIS AGUNG YUDIVIANTHO 0806432101 FAKULTAS EKONOMI PROGRAM STUDI MAGISTER MANAJEMEN JAKARTA

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183

Lebih terperinci

PERSAMAAN DIFFERENSIAL. Disusun untuk memenuhi tugas mata kuliah Matematika

PERSAMAAN DIFFERENSIAL. Disusun untuk memenuhi tugas mata kuliah Matematika PERSAMAAN DIFFERENSIAL Disusun untuk memenuhi tugas mata kuliah Matematika Disusun oleh: Aurey Devina B 1211041005 Irul Mauliia 1211041007 Anhy Ramahan 1211041021 Azhar Fuai P 1211041025 Murni Mariatus

Lebih terperinci

DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB

DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB ISSN: 1693-6930 17 DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB Kartika Firausy, Yusron Saui, Tole Sutikno Program Stui Teknik Elektro, Fakultas Teknologi Inustri, Universitas Ahma Dahlan

Lebih terperinci

1 Kapasitor Lempeng Sejajar

1 Kapasitor Lempeng Sejajar FI1201 Fisika Dasar IIA Kapasitor 1 Kapasitor Lempeng Sejajar Dosen: Agus Suroso Paa bab sebelumnya, telah ibahas mean listrik i sekitar lempeng-yang-sangat-luas yang bermuatan, E = σ 2ε 0 ˆn, (1) engan

Lebih terperinci

Jurnal Teknika ISSN : Fakultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 201

Jurnal Teknika ISSN : Fakultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 201 akultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 20 PEMBUATAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DALAM PENGEMBANGAN INDUSTRI POTENSIAL DENGAN METODE PROMETHEE II Ahma Jalaluin )

Lebih terperinci

ANALISIS KESTABILAN MODEL MATEMATIKA DARI POPULASI PENDERITA DIABETES MELLITUS

ANALISIS KESTABILAN MODEL MATEMATIKA DARI POPULASI PENDERITA DIABETES MELLITUS KNM XVI 3-6 Juli 01 UNPAD, Jatinangor ANALISIS KESTABILAN MODEL MATEMATIKA DARI POPULASI PENDERITA DIABETES MELLITUS NANIK LISTIANA 1, WIDOWATI, KARTONO 3 1,,3 Jurusan Matematika FSM Universitas Diponegoro

Lebih terperinci

ABSTRACT. Keywords: Training, Evaluation, Kirkpatrick Model, Employees. 376 Hania Aminah. Hania Aminah Fakultas Ekonomi, Universitas Negeri Jakarta

ABSTRACT. Keywords: Training, Evaluation, Kirkpatrick Model, Employees. 376 Hania Aminah. Hania Aminah Fakultas Ekonomi, Universitas Negeri Jakarta MODEL EVALUASI KIRIKPATRICK DAN APLIKASINYA DALAM PELAKSANAAN PELATIHAN (LEVEL REAKSI DAN PEMBELAJARAN) DI PUSAT PENDIDIKAN DAN PELATIHAN PERUM JAKARTA Hania Aminah Fakultas Ekonomi, Universitas Negeri

Lebih terperinci

Jurnal Agribisnis dan Ekonomi Pertanian (Volume 1. No 2 Desember 2007)

Jurnal Agribisnis dan Ekonomi Pertanian (Volume 1. No 2 Desember 2007) Jurnal Agribisnis an Ekonomi Pertanian (Volume 1. No 2 Desember 2007) 13 DAMPAK KEBIJAKAN TARIF IMPOR GULA TERHADAP KESEJAHTERAAN PRODUSEN DAN KONSUMEN (The Effects of Sugar Import Tariff Policy on the

Lebih terperinci

BAB II TINJAUAN PUSTAKA. return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula,

BAB II TINJAUAN PUSTAKA. return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula, BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula, VaR, estimasi VaR dengan

Lebih terperinci

BAB III LANDASAN TEORI. Beton bertulang merupakan kombinasi antara beton dan baja. Kombinasi

BAB III LANDASAN TEORI. Beton bertulang merupakan kombinasi antara beton dan baja. Kombinasi 16 BAB III LANDASAN TEORI 3.1. Umum Beton bertulang merupakan kombinasi antara beton an baja. Kombinasi keuanya membentuk suatu elemen struktur imana ua macam komponen saling bekerjasama alam menahan beban

Lebih terperinci

BAB 4 HASIL PENELITIAN. identitas responden seperti jenis kelamin. Tabel 4.1 Identitas Jenis Kelamin Responden. Frequ Percent

BAB 4 HASIL PENELITIAN. identitas responden seperti jenis kelamin. Tabel 4.1 Identitas Jenis Kelamin Responden. Frequ Percent BAB 4 HASIL PENELITIAN 4.1 Hasil Penelitian 4.1.1 Ientitas Responen Dari analisis ata ang iperoleh peneliti ari lapangan akan iuraikan alam bab ini. Penelitian ini bertujuan untuk mengetahui pengaruh taangan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 15 BAB II LANDASAN TEORI Pada bab ini diberikan tinjauan pustaka, teori penunjang dan kerangka pemikiran. Tinjauan pustaka terdiri dari penelitian-penelitian sebelumnya yang mendasari skripsi ini, teori

Lebih terperinci

TURUNAN FUNGSI (DIFERENSIAL)

TURUNAN FUNGSI (DIFERENSIAL) TURUNAN FUNGSI (DIFERENSIAL) A. Pengertian Derivatif (turunan) suatu fungsi. Perhatikan grafik fungsi f( (pengertian secara geometri) ang melalui garis singgung. f( f( f(+ Q [( +, f ( + ] f( P (, f ( )

Lebih terperinci

DIFERENSIAL FUNGSI SEDERHANA

DIFERENSIAL FUNGSI SEDERHANA DIFERENSIAL FUNGSI SEDERHANA Tujuan instruktusional khusus : Diharapkan mahasiswa apat memahami konsep iferensial an memanfaatkannya alam melakukan analisis bisnis an ekonomi yang berkaitan engan masalah

Lebih terperinci

Nurnasrina

Nurnasrina PENGARUH KARAKTERISTIK NASABAH TERHADAP OFFICE CHANNELING DALAM MENGGUNAKAN PRODUK DAN JASA PERBANKAN SYARIAH TESIS Nurnasrina 7105090471 UNIVERSITAS INDONESIA PROGRAM PASCASARJANA PROGRAM STUDI KAJIAN

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, 57-64, Agustus 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, 57-64, Agustus 2002, ISSN : JURN MTEMTIK N KOMPUTER Vol 5 No, 57-64, gustus, ISSN : 141-8518 FORMUSI VRISION N PENYEESIN RI MSH SYRT BTS RI PERSMN ORER U Sutrima Jurusan Matematika FMIP UNS bstract The urose of this research is to

Lebih terperinci

PENENTUAN FREKUENSI MAKSIMUM KOMUNIKASI RADIO DAN SUDUT ELEVASI ANTENA

PENENTUAN FREKUENSI MAKSIMUM KOMUNIKASI RADIO DAN SUDUT ELEVASI ANTENA Penentuan Frekuensi Maksimum Komunikasi Raio an Suut..(Jiyo) PENENTUAN FREKUENSI MAKSIMUM KOMUNIKASI RADIO DAN SUDUT ELEVASI ANTENA J i y o Peneliti iang Ionosfer an Telekomunikasi, LAPAN ASTRACT In this

Lebih terperinci

MAKALAH TURUNAN. Disusun oleh: Agusman Bahri A1C Dosen Pengampu: Dra. Irma Suryani, M.Pd

MAKALAH TURUNAN. Disusun oleh: Agusman Bahri A1C Dosen Pengampu: Dra. Irma Suryani, M.Pd MAKALAH TURUNAN Disusun ole: Agusman Bari A1C214027 Dosen Pengampu: Dra. Irma Suryani, M.P PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS JAMBI 2015 KATA PENGANTAR

Lebih terperinci

UNIVERSITAS INDONESIA PENERAPAN NILAI PASAR WAJAR EFEK DALAM PORTOFOLIO REKSA DANA BERBENTUK KONTRAK INVESTASI KOLEKTIF TESIS

UNIVERSITAS INDONESIA PENERAPAN NILAI PASAR WAJAR EFEK DALAM PORTOFOLIO REKSA DANA BERBENTUK KONTRAK INVESTASI KOLEKTIF TESIS UNIVERSITAS INDONESIA PENERAPAN NILAI PASAR WAJAR EFEK DALAM PORTOFOLIO REKSA DANA BERBENTUK KONTRAK INVESTASI KOLEKTIF TESIS ILLSYA MEILANDA 0 7 0 6 1 7 7 5 8 3 FAKULTAS HUKUM MAGISTER KENOTARIATAN DEPOK

Lebih terperinci

SYARAT CUKUP UNTUK OPTIMALITAS MASALAH KONTROL KUADRATIK LINIER

SYARAT CUKUP UNTUK OPTIMALITAS MASALAH KONTROL KUADRATIK LINIER Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 63 7 ISSN : 233 291 c Jurusan Matematika FMIPA UNAND SYARAT CUKUP UNTUK OPTIMALITAS MASALAH KONTROL KUADRATIK LINIER SUCI FRATAMA SARI Program Stui Matematika,

Lebih terperinci

IV. ANALISA RANCANGAN

IV. ANALISA RANCANGAN IV. ANALISA RANCANGAN A. Rancangan Fungsional Dalam penelitian ini, telah irancang suatu perontok pai yang mempunyai bentuk an konstruksi seerhana an igerakkan engan menggunakan tenaga manusia. Secara

Lebih terperinci

Perbandingan Model Pembelajaran Kooperatif Berbasis Multiple Intelligences dengan Kooperatif Tipe STAD

Perbandingan Model Pembelajaran Kooperatif Berbasis Multiple Intelligences dengan Kooperatif Tipe STAD Perbaningan Moel Pembelajaran Kooperatif Berbasis Multiple Intelligences engan Kooperatif Tipe STAD Perbaningan Moel Pembelajaran Kooperatif Berbasis Multiple Intelligences engan Kooperatif Tipe STAD terhaap

Lebih terperinci

BAB I PENDAHULUAN. Kelompok II, Teknik Elektro, Unhas

BAB I PENDAHULUAN. Kelompok II, Teknik Elektro, Unhas BAB I PENDAHULUAN A. Latar Belakang Matematika asar II merupakan matakuliah lanjutan ari matematika asar I yang telah ipelajari paa semester sebelumnya. Matematika asar II juga merupakan matakuliah pengantar

Lebih terperinci

Hubungan antara Risiko, Premium dan Tingkat Diskonto dalam Struktur Modal Project Finance dari Perspektif Teorema Utilitas

Hubungan antara Risiko, Premium dan Tingkat Diskonto dalam Struktur Modal Project Finance dari Perspektif Teorema Utilitas Wibowo ISSN 0853-98 Jurnal Teoretis an Terapan Biang Rekayasa Sipil Hubungan antara Risiko, Premium an Tingkat iskonto alam Struktur Moal Project Finance ari Perspektif Teorema Utilitas Abstrak Struktur

Lebih terperinci

MA4183 MODEL RISIKO Control your Risk!

MA4183 MODEL RISIKO Control your Risk! Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal

Lebih terperinci

3. Kegiatan Belajar Medan listrik

3. Kegiatan Belajar Medan listrik 3. Kegiatan Belajar Mean listrik a. Tujuan Kegiatan Pembelajaran Setelah mempelajari kegiatan belajar 3, iharapkan Ana apat: Menjelaskan hubungan antara kuat mean listrik i suatu titik, gaya interaksi,

Lebih terperinci

TESIS MERRY MAGDALENA UNIVERSITAS INDONESIA FAKULTAS EKONOMI PROGRAM STUDI MAGISTER MANAJEMEN JAKARTA DESEMBER 2008

TESIS MERRY MAGDALENA UNIVERSITAS INDONESIA FAKULTAS EKONOMI PROGRAM STUDI MAGISTER MANAJEMEN JAKARTA DESEMBER 2008 FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN INVESTASI AKTIVA TETAP PADA PERUSAHAAN YANG DIKELOMPOKAN DALAM FINANCIALLY CONSTRAINED STUDI KASUS: INDUSTRI MANUFAKTUR TESIS MERRY MAGDALENA 0606145233 UNIVERSITAS

Lebih terperinci

Hukum Coulomb. a. Uraian Materi

Hukum Coulomb. a. Uraian Materi Hukum oulomb a. Tujuan Kegiatan Pembelajaran Setelah mempelajari kegiatan belajar, iharapkan ana apat: - menjelaskan hubungan antara gaya interaksi ua muatan listrik, besar muatan-muatan, an jarak pisah

Lebih terperinci

ANALISIS PERHITUNGAN CREDIT RISK + UNTUK KREDIT BISNIS MIKRO PADA BANK RAKYAT INDONESIA TESIS

ANALISIS PERHITUNGAN CREDIT RISK + UNTUK KREDIT BISNIS MIKRO PADA BANK RAKYAT INDONESIA TESIS UNIVERSITAS INDONESIA ANALISIS PERHITUNGAN CREDIT RISK + UNTUK KREDIT BISNIS MIKRO PADA BANK RAKYAT INDONESIA TESIS INDRA KURNIAWAN 0806432985 FAKULTAS EKONOMI PROGRAM MAGISTER MANAJEMEN JAKARTA DESEMBER

Lebih terperinci

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018

Lebih terperinci

UN SMA IPA 2009 Matematika

UN SMA IPA 2009 Matematika UN SMA IPA 009 Matematika Koe Soal P88 Doc. Name: UNSMAIPA009MATP88 Doc. Version : 0-0 halaman 0. Perhatikan premis-premis berikut ini : :Jika Ai muri rajin maka Ai muri panai :Jika Ai muri panai maka

Lebih terperinci

FEAR OF FLOATING: STUDI EMPIRIS SISTEM NILAI TUKAR SECARA DE FACTO DI INDONESIA DALAM PERIODE

FEAR OF FLOATING: STUDI EMPIRIS SISTEM NILAI TUKAR SECARA DE FACTO DI INDONESIA DALAM PERIODE FEAR OF FLOATING: STUDI EMPIRIS SISTEM NILAI TUKAR SECARA DE FACTO DI INDONESIA DALAM PERIODE 1994-2003 Skripsi diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi Oleh: VIANY INDAH

Lebih terperinci

GAMBARAN MANAJEMEN PELATIHAN TENAGA PERAWAT DI BIDANG KEPERAWATAN RSU KABUPATEN TANGERANG TAHUN 2008 SKRIPSI

GAMBARAN MANAJEMEN PELATIHAN TENAGA PERAWAT DI BIDANG KEPERAWATAN RSU KABUPATEN TANGERANG TAHUN 2008 SKRIPSI UNIVERSITAS INDONESIA GAMBARAN MANAJEMEN PELATIHAN TENAGA PERAWAT DI BIDANG KEPERAWATAN RSU KABUPATEN TANGERANG TAHUN 2008 SKRIPSI BERTHA ROSANICA VERAWATI 1005000246 FAKULTAS KESEHATAN MASYARAKAT PROGRAM

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183

Lebih terperinci

MODEL MODEL BEBERAPA PENYEBAB KEGAGALAN DAN PENERAPANNYA PADA DUNIA ASURANSI JIWA SKRIPSI

MODEL MODEL BEBERAPA PENYEBAB KEGAGALAN DAN PENERAPANNYA PADA DUNIA ASURANSI JIWA SKRIPSI UNIVERSITAS INDONESIA MODEL MODEL BEBERAPA PENYEBAB KEGAGALAN DAN PENERAPANNYA PADA DUNIA ASURANSI JIWA SKRIPSI RISKI DEFRI HERIYANTO 0706163136 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI

Lebih terperinci

BAB III KONTROL PADA STRUKTUR

BAB III KONTROL PADA STRUKTUR BAB III KONROL PADA SRUKUR III. Klasifikasi Kontrol paa Struktur Sistem kontrol aktif aalah suatu sistem yang menggunakan tambahan energi luar. Sistem kontrol aktif ioperasikan engan sistem kalang-terbuka

Lebih terperinci

PENGARUH INSENTIF TERHADAP PRESTASI KERJA KARYAWAN PADA PT. BANK MUAMALAT CABANG GORONTALO Tbk. Jurusan Manajemen ABSTRAK

PENGARUH INSENTIF TERHADAP PRESTASI KERJA KARYAWAN PADA PT. BANK MUAMALAT CABANG GORONTALO Tbk. Jurusan Manajemen ABSTRAK PENGARUH INENTIF TERHADAP PRETAI KERJA KARYAWAN PADA PT. BANK MUAMALAT CABANG GORONTALO Tbk Maria Junita Hasana Irwan Yantu.P M.i Robiyati Poungge.P M.AP 3 Jurusan Manajemen ABTRAK MARIA JUNITA HAANA NIM.

Lebih terperinci

( ) P = P T. RT a. 1 v. b v c

( ) P = P T. RT a. 1 v. b v c Bab X 10.1 Zat murni aalah zat yang teriri atas sutau senyawa kimia tertentu, misalnya CO alam bentuk gas, cairan atau paatan, atau campuran aripaya, tetapi tiak merupakan campuran engan zat murni lain

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA4183 Model Risiko Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko

Lebih terperinci

ANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ ABSTRACT

ANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ ABSTRACT ANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ Chintari Nurul Hananti 1 Khozin Mu tamar 2 12 Program Stui S1 Matematika Jurusan Matematika Fakultas Matematika an

Lebih terperinci