Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika terhadap Rupiah
|
|
- Widya Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 J. Mat. and Its Appl. ISSN: X Vol. 2, No., May. 2005, Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia I Gst Ngr Rai Usada, Erika Eka Santi Jurusan Matematika Institut Teknologi Sepulu Nopember, Surabaya ngura@matematika.its.ac.id Abstrak Dalam paper ini diaplikasikan teori praktal pada suatu data runtun waktu nilai tukar Dollar Amerika teradap Rupia. Dengan metode R/S dapat diperole parameter Hurst yang merupakan indeks keserupaan diri yang merupakan sala satu ciri fraktal. Dari model umum distribusi fraktal yang diperole, data return menunjukkan berdistribusi NonGauss. Kata kunci: sifat keserupaan diri, parameter Hurst, metode R/S. Pendauluan Banyak fenomena ekonomi dan keuangan dimodelkan dengan asumsi distribusi yang berbentuk Gaussian. Seperti penelitian yang dilakukan Louis Bacelier, matematikawan Perancis, yang mengajukan model matematika untuk proses penyusunan data ekonomi keuangan dengan menggunakan metoda stokastik dari keuntungan (return). Model Bacelier tersebut menggunakan teori Gerak Brown dan memperliatkan distribusi keuntungan yang berbentuk Gaussian. Dari penelitian Bacelier tersebut kemudian dijadikan dasar pengambilan asumsi pemodelan data ekonomi keuangan berdistribusi Gaussian. Namun penelitianpenelitian dewasa ini memperliatkan penyimpangan teradap model tersebut, 27
2 28 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia seingga data riil dari data ekonomi keuangan tidak selalu akurat jika dimodelkan dengan distribusi Normal,[5]. Maka dari itu, diperlukan pengembangan modelmodel ekonomi untuk mendapatkan model yang lebi realistis. Benoit Mandelbrot, seorang ali geometri fraktal, melakukan penelitian teradap arga katun yang diperjualbelikan dan menemukan fakta menarik yaitu distribusi keuntungan untuk skala waktu yang berbeda memperliatkan kemiripan atau bentuk yang universal. Dengan kata lain bawa distribusi keuntungan tersebut memperliatkan sifat keserupaan diri (self-similarity). Sejak saat itu banyak diyakini bawa data return akan memiliki sifat fraktal yang dapat memperliatkan pola keserupaan diri (self-similarity),[2]. Bertitik tolak dari al tersebut, dalam paper ini dianalisa nilai tukar mata uang Dollar Amerika teradap Rupia (USD/IRD) menggunakan teori fraktal, yang lebi jau dapat digunakan untuk mencari model distribusi data yang lebi realistis. Data yang diola adala nilai tukar arian mata uang Dollar Amerika teradap Rupia(USD/IDR) untuk periode waktu Januari 994 sampai dengan 20 Maret 2005 dengan sumber data adala Oanda Corporation, ( 2. Teori Dasar Pada bagian ini dibicarakan beberapa pengertian dasar yang akan dipakai sebagai dalam pembicaraan selanjutnya. 2.. Proses Keserupaan Diri Proses kesebangunan diri (self-similarity) adala keidentikan (invariant) dalam distribusi pada skala waktu. Beberapa aspek dari sifat keserupaan diri tampak dalam geofisika, idrologi, ekonomi, komunikasi. Definisi 2. [2] Proses {X(t), t T }, T = {t, t 0} adala proses keserupaan diri dengan indeks H > 0 (dinotasikan dengan H ss) bila untuk semua nilai a > 0 distribusi dari {X(at), t T } identik dengan distribusi dari {a H X(t), t T }, yaitu untuk setiap d, t, t 2,, t d T dan untuk setiap a > 0, (X(at ), X(at 2 ),, X(at d ) i.d (a H X(t ), a H X(t 2 ),, a H X(t d )) () dapat ditulis (X(at), t T } i.d {a H X(t), t T } (2)
3 I Gst Ngr Rai Usada, Erika Eka Santi Proses H-sssi, Proses Levy Motion dan Parameter Hurst (Hurst Exponent) Jika proses pembangkitan yang mendasari suatu data runtun waktu didasarkan pada nilai tenga dan varians konstan, maka runtun waktu stationer. Data runtun waktu adala stationer jika sifat statistiknya bebas dari periode waktu selama pengamatan. Definisi 2.2 [2] Proses X(t) adala H sssi (stabil-simetri-self similar) bila X(t) self similar dengan index H dan mempuyai increman yang stationer. Proses X(t), t T dikatakan mempunyai increman yang stationer bila,untuk semua T, X(t + ) X(t) i.d X(t) X(0) (3) Teorema 2.3 [2] SαS Levy Motion, (Gerak stabil-simetri Levy), adala H sssi dengan indeks H = /α, α < 2. Proses {X(t), t 0} dikatakan α Levy Motion bila. X(0) = 0; 2. X memiliki increman yang independen yaitu untuk semua a > 0 dan t, s T maka X(at) X(as) i.d a /α (X(t) X(s)) (4) Ukuran kekasaran (smotness) dari grafik data runtun waktu tergantung pada pendekatan perilaku dari proses rescaled range. Definisi 2.4 [5] Parameter Hurst, H, didefinisikan sebagai H = log(r/s) log(t ) dimana T adala durasi dari conto data, dan R/S adala nilai yang bersesuaian dari rescaled range. H bernilai diantara satu dan nol (0 < H < ). Parameter Hurst, H, mempunyai ubungan dengan dimensi fraktal D, yaitu H = E + D, dimana E adala dimensi Euclid (E = 0 untuk titik, E = untuk garis, E = 2 untuk permukaan). Untuk sinyal satu dimensi H = 2 D Dimensi Fraktal Suatu impunan X dikatakan memiliki sifat keserupaan diri jika X dapat dibagi menjadi k subset (banyaknya pecaan data) yang sebangun yang masing-masing dapat digandakan dengan faktor konstan M (banyaknya penggandaan) untuk mengasilkan impunan semula.
4 30 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia Definisi 2.5 [4] Dimensi fraktal D dari X didefinisikan sebagai D = ln(k) ln(m) Dimensi fraktal D =.5 memberi arti bawa perilaku data runtun waktu sama dengan jalan acak yang berarti proses independen. Dimensi fraktal.5 < H < 2, menunjukkan perilaku yang kuat (persistent beavior) yang dicirikan dengan efek memori panjang (long memory effect). (conto dari persistent beavior adala autokorelasi positif). Bila dimensi fraktal < H <.5, maka menunjukkan antipersistent beavior (mempunyai autokorelasi negatif)[] Analisa Rescaled Range (Analisa R/S) Hurst, (965), mengembangkan analisa R/S (rescaled range analysis), metode statistik untuk menganalisa catatan panjang (long record) dari fenomena alam. Terdapat dua faktor yang digunakan dalam analisa ini, yaitu :. Range (R) yaitu beda (selisi) antara maksimum dan minimum nilai akumulasi atau jumla kumulatif dari X(t, n) dari fenomena alam dari data waktu diskrit t pada kutipan n data. 2. Simpangan baku (standart deviation),(s), diestimasi dari data amatan X. Jika diberikan data runtun waktu x t, maka. dengan n n = n n i= x i X(t, n) = t (x i x ) (5) i= X(t, n) adala jumla selisi data runtun waktu y t dengan rata-rata n data pertama. 2. R(n), self-adjusted range didefinisikan R(n) = max X(t, n) min X(t, n) 3. Simpangan baku (standart deviation) S(n) = [ n ] 2 t (x i x ) 2 i= (6) 4. R/S, self-rescaled range (R/S) = R(n) S(n) (R/S) n = n H (7)
5 I Gst Ngr Rai Usada, Erika Eka Santi 3 Jika pada Persamaan 5 dikenakan operasi logaritma maka dapat dinyatakan sebagai berikut Dari Persamaan 6 diperole parameter H yaitu log((r/s) n ) = H log(n) (8) H = log((r/s) n log(n) Dengan demikian untuk beberapa nilai n diperole kemiringan garis regresi pada plot log(r/s(n)) teradap log(n) yang merupakan estimator dari konstanta H sebagai long range proses dari proses Y.[] 3. Baasan dan Hasil Dalam analisa data ekonomi keuangan, yang menjadi pusat peratian adala fluktuasi arga yang terjadi. Fluktuasi arga merupakan variabel yang menunjukkan naik turunnya arga. Pendekatan untuk fluktuasi arga adala perubaan relatif atau return k-arian yang didefinisikan sebagai y t = ln p t ln p t k (9) dengan k adala selang waktu, dan p t, p t k adala nilai tukar pada saat t dan t k. Gambar menunjukkan grafik fluktuasi nilai tukar arian USD-IDR pada kurun waktu Januari 994 sampai dengan 20 Maret Gambar : USD-IDR Fluktuasi Nilai Tukar Gambar 2: Nilai Return Harian
6 32 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia 3.. Parameter Hurst dan Dimensi Fraktal Data Return - Harian Hal yang terpenting dalam menguji keberadaan sifat keserupaan diri pada data runtun waktu adala ditemukannya parameter Hurst (H) pada data return (Gambar 2) yang dianalisa sebagai parameter keserupaan diri. Sala satu metode untuk mendapatkan parameter Hurst adala dengan menggunakan analisa R/S. Pada analisa R/S data dipeca seingga masing-masing kelompok data sebanyak data, untuk i =, 2,, 326. Pada masing masing kelompok data dicari rata-rata kelompok, yaitu x n = n x t. Hal ini digunakan untuk mengindari asumsi bawa keseluruan data mempunyai rata-rata yang sama. Kemudi- n t= an dengan Persamaan 5, tiap kelompok data diitung jumlaan dari simpangan (selisi) tiap data dengan rata-ratanya. Dicari range X(t, n) yaitu dengan mencari selisi maksimum dan minimum dari yang kemudian dibagi dengan simpangan baku dari keseluruan data seingga diperole nilai R/S. Keseluruan prosedur diselesaikan dengan program Matlab. Parameter Hurst (H) diestimasi sebagai kemiringan garis regresi dari plot log nilai R/S dengan log n Gambar 3: Plot Log-log nilai R/S data return -arian Hasil regresi terliat pada Gambar3 dengan kemiringan sebesar , seingga parameter H = Dari persamaan ubungan antara parameter Hurst dengan dimensi fraktal, dapat diketaui besar dimensi fraktal dari data return -arian yaitu. Nilai D berada diantara < D <.5, berarti data return - arian menunjukkan persistent beavior. Hal ini menyatakan bawa data return satu arian memiliki kecenderungan untuk bertaan pada suatu tren dalam jangka waktu yang lebi lama, artinya kenaikan tren pada saat ini memiliki peluang yang besar untuk diikuti kenaikan tren pada saat yang akan datang. Dengan prosedur
7 I Gst Ngr Rai Usada, Erika Eka Santi 33 yang sama seperti pada data return k-arian, dengan k = 5, 0, 5, 20, diperole nilai-nilai parameter seperti pada Tabel. Tabel : Nilai parameter H dan dimensi D Return k- arian Parameter Hurst, H Dimensi Fraktal, D Return 5-arian 0,6532,3468 Return 0-arian 0,7008,2992 Return 5-arian ,2992 Return 20-arian ,2676 Nilai D berada diantara < D <.5, berarti data return k-arian, k = 5, 0, 5, 20 menunjukkan persistent beavior. Hal ini menyatakan bawa data return tersebut memiliki kecenderungan untuk bertaan pada suatu tren dalam jangka waktu yang lebi lama, artinya kenaikan tren pada saat ini memiliki peluang yang besar untuk diikuti kenaikan tren pada saat yang akan datang Sifat Distribusi Scaling Pada bagian ini akan diuji apaka data return memenui sifat scaling. Pada Persamaan 2 disebutkan bawa data runtun waktu memenui keserupaan diri bila X(t) i.d k H X( t k ) (0) dengan H adala parameter Hurst. X(t) merupakan variabel acak dan dalam Persamaan 9 berarti bawa kedua sisi dari persamaan tersebut mempunyai distribusi yang identik, seingga persamaan diatas dapat dinyatakan bawa atau P (X(t)) P (k H X( t )), untuk k > 0 () k P (X(kt)) P (k H X(t), untuk k > 0 (2) Jika Y (t) = k H X(t) didefinisikan sebagai variabel acak baru maka sesuai dengan Persamaan 4 dimana a = k H didapatkan P (k H X(t)) = k H f( k H kh X(t)) = f(x(t)) (3) kh Dari pengamatan plot data return pada Gambar 2 dapat diasumsikan bawa proses X(t) stationer seingga berdasarkan Persamaan 3 maka data runtun waktu X(t) maka X(t) X(0) i.d X(t + s) X(t), untuk semua s > 0 (4) Dengan mengambil X(0) = 0 maka fungsi dari Persamaan4 adala, f(x(t)) = f(x(t + s) X(t)), untuk s > 0 (5)
8 34 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia Dari Persamaan 3 dan 4 dapat dinyatakan sebagai berikut k H f(x(t)) = f(x(t + s) X(t)) (6) kh jika diambil s = k untuk mengekspresi data return maka k H f(x(t)) = f(x(t + k) X(t)) (7) kh diambil k =, maka f(x(t + ) X(t)) = H H f(x(t + ) X(t)) (8) sesuai denagn Persamaan 4 maka Persamaan 8 dapat dinyatakan sebagai berikut: f( H (X(t + ) X(t))) = f( H (X(t + ) X(t))) (9) Jika fungsi f pada Persamaan 9 diinterpretasikan sebagai distribusi peluang maka H (X(t + ) X(t)) H (X(t + ) X(t)) (20) H+ X(t + ) X(t) ( ) H+ ( X(t + ) X(t) ) (2) ( ) X(t + ) X(t) H+ ( X(t + ) X(t) ) (22) X(t + ) X(t) Jika ρ = adala sebagai variabel acak dan fungsi distribusi peluang/kepadatan P k (ρ), seingga Persamaan 22 dapat dinyatakan sebagai P k (ρ)k (H+) = Q(k H ρ) (23) Q adala fungsi umum untuk menggambarkan distribusi peluang pada skala yang berbeda. Plot P k (ρ)k (H+) dengan k H ρ pada data return akan membentuk disrribusi dasar untuk menentukan distribusi kesebangunan diri data return tersebut. Berikut adala asil plot pada data return nilai tukar mata uang USD-IDR dengan mengambil skala k = 0, 5, 20. Fungsi kepadatan peluang P k (ρ) dapat diitung dengan membagi nilai frekwensi pada istogram dengan total jumla data return. Dari Gambar 3 menunjukkan bawa variabel acak k H ρ memenui sifat scaling pada skala dengan k berbeda dan mempunyai kepadatan peluang Q(k H ρ). Dengan ukum pangkat, fungsi Q dapat didekati dengan Q(k H ρ) Ce k H ρ Persamaan 24 merupakan persamaan umum distribusi fraktal dari data nilai tukar mata uang Dollar Amerika teradap Rupia. Selanjutnya dengan metode fitting kurva diperole Gambar 4 yang menunjukkan bawa data return berdistribusi NonGauss dengan data adala ρ(k = 0), data2 adala ρ(k = 5), data3 adala ρ(k = 20) (24)
9 I Gst Ngr Rai Usada, Erika Eka Santi data data2 data3 data4 data5 data Gambar 4: Distribusi Data Return 4. Kesimpulan Dari pembaasan pada bagian sebelumnya, dapat disimpulkan sebagai berikut:. Model dasar distribusi fraktal untuk data tukar mata uang Dollar Amerika teradap Rupia adala sebagai berikut Q(k H ρ) Ce k H ρ yang berarti distribusi dari data tukar mata uang Dollar Amerika teradap Rupia menunjukkan distribusi NonGauss. 2. Data return nilai tukar mata uang Dollar Amerika teradap Rupia (USD- IDR) mempunyai kecenderungan perilaku untuk bertaan pada suatu tren dalam jangka waktu yang lebi lama ( persistent beavior ). Pustaka [] Kaplan, I. (2003), Estimating te Hurst Exponent, Wavelat and Hurst,pp.- 5. [2] Taqqu, M.S, dan G. Samorodnitsky (994), Stable Non-Gaussian Random Processes, Capman and Hall, London. [3] Papoulis, A. (992), Probabilitas, Variabel Random, dan Proses Stokastik, Gadjamada Universtas Press, Yogyakarta. [4] Falconer, K. (990), Fractal Geometry, Jon&Sons, New York.
10 36 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia [5] Bassingwaigte, J.B. (994), Evaluating Rescaled Range analysis for time series, Ann Biomed Eng, New York. [6] Foreign Excange Services & Trading.
BAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN Metodologi penelitian Efficient Market Hypothesis dan Fractal Market Hypothesis terhadap perilaku return harian indeks LQ45 dan saham-saham perbankan yang tergabung dalam LQ45
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perkembangan Efficient Market Hypothesis Perkembangan metode statistika untuk menganalisis return pertama kali diperkenalkan di tahun 1900 oleh Louis Bachelier. Tetapi, hanya sedikit
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pergerakan Harga Saham Pergerakan harga harian indeks LQ45 dan lima saham perbankan yang termasuk dalam kelompok LQ45 selama periode penelitian ditampilkan dalam bentuk
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adala penelitian komparasi. Kata komparasi dalam baasa inggris comparation yaitu perbandingan. Makna dari
Lebih terperinciBAB 5 DIFFERENSIASI NUMERIK
BAB 5 DIFFERENSIASI NUMERIK 5.1. Permasalaan Differensiasi Numerik Sala satu peritungan kalkulus yang banyak digunakan adala differensial, dimana differensial ini banyak digunakan untuk keperluan peritungan
Lebih terperinci19, 2. didefinisikan sebagai bilangan yang dapat ditulis dengan b
PENDAHULUAN. Sistem Bilangan Real Untuk mempelajari kalkulus perlu memaami baasan tentang system bilangan real karena kalkulus didasarkan pada system bilangan real dan sifatsifatnya. Sistem bilangan yang
Lebih terperinciDifferensiasi Numerik
Dierensiasi Numerik Yuliana Setiowati Politeknik Elektronika Negeri Surabaya 2007 1 Topik DIFFERENSIASI NUMERIK Mengapa perlu Metode Numerik? Dierensiasi dg MetNum Metode Selisi Maju Metode Selisi Tengaan
Lebih terperinciTurunan Fungsi. Penggunaan Konsep dan Aturan Turunan ; Penggunaan Turunan untuk Menentukan Karakteristik Suatu Fungsi
8 Penggunaan Konsep dan Aturan Turunan ; Penggunaan Turunan untuk Menentukan Karakteristik Suatu Fungsi ; Model Matematika dari Masala yang Berkaitan dengan ; Ekstrim Fungsi Model Matematika dari Masala
Lebih terperinciLEMBAR KERJA SISWA 1. : Menggunakan Konsep Limit Fungsi Dan Turunan Dalam Pemecahan Masalah
BAB V T U R U N A N 1. Menentukan Laju Perubaan Nilai Fungsi. Menggunakan Aturan Turunan Fungsi Aljabar 3. Menggunakan Rumus Turunan Fungsi Aljabar 4. Menentukan Persamaan Garis Singgung Kurva 5. Fungsi
Lebih terperinciSeri : Modul Diskusi Fakultas Ilmu Komputer. FAKULTAS ILMU KOMPUTER Sistem Komputer & Sistem Informasi HANDOUT : KALKULUS DASAR
Seri : Modul Diskusi Fakultas Ilmu Komputer FAKULTAS ILMU KOMPUTER Sistem Komputer & Sistem Informasi HANDOUT : KALKULUS DASAR Ole : Tony Hartono Bagio 00 KALKULUS DASAR Tony Hartono Bagio KATA PENGANTAR
Lebih terperinciSTATISTICS WEEK 8. By : Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 8 By : Hanung N. Prasetyo BAHASAN Pengertian Hypotesisdan Hypotesis Testing Tipe Kesalaan dalam Pengujian Hipotesis Lima Langka Pengujian Hipotesis Pengujian: Dua Sisi dan Satu Sisi Uji
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciLimit Fungsi. Limit Fungsi di Suatu Titik dan di Tak Hingga ; Sifat Limit Fungsi untuk Menghitung Bentuk Tak Tentu ; Fungsi Aljabar dan Trigonometri
7 Limit Fungsi Limit Fungsi di Suatu Titik dan di Tak Hingga ; Sifat Limit Fungsi untuk Mengitung Bentuk Tak Tentu ; Fungsi Aljabar dan Trigonometri Cobala kamu mengambil kembang gula-kembang gula dalam
Lebih terperinciSUATU CONTOH INVERSE PROBLEMS YANG BERKAITAN DENGAN HUKUM TORRICELLI
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 009 SUATU CONTOH INVERSE PROBLEMS YANG BERKAITAN DENGAN HUKUM TORRICELLI Suciati
Lebih terperinciMatematika ITB Tahun 1975
Matematika ITB Taun 975 ITB-75-0 + 5 6 tidak tau ITB-75-0 Nilai-nilai yang memenui ketidaksamaan kuadrat 5 7 0 atau atau 0 < ITB-75-0 Persamaan garis yang melalui A(,) dan tegak lurus garis + y = 0 + y
Lebih terperinciuntuk i = 0, 1, 2,..., n
RANGKUMAN KULIAH-2 ANALISIS NUMERIK INTERPOLASI POLINOMIAL DAN TURUNAN NUMERIK 1. Interpolasi linear a. Interpolasi Polinomial Lagrange Suatu fungsi f dapat di interpolasikan ke dalam bentuk interpolasi
Lebih terperinciA. Penggunaan Konsep dan Aturan Turunan
A. Penggunaan Konsep dan Aturan Turunan. Turunan Fungsi Aljabar a. Mengitung Limit Fungsi yang Mengara ke Konsep Turunan Dari grafik di bawa ini, diketaui fungsi y f() pada interval k < < k +, seingga
Lebih terperinciBAB III STRATIFIED CLUSTER SAMPLING
BAB III STRATIFIED CUSTER SAMPING 3.1 Pengertian Stratified Cluster Sampling Proses memprediksi asil quick count sangat dipengarui ole pemilian sampel yang dilakukan dengan metode sampling tertentu. Sampel
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian Penelitian ini menggunakan metode eksperimen kuantitati dengan desain posttest control group design yakni menempatkan subyek penelitian kedalam
Lebih terperinciPengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215 2337-352 (231-928X Print A-25 Pengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa Singgi Tawin Muammad, Erna Apriliani,
Lebih terperinciPenyelesaian Model Matematika Masalah yang Berkaitan dengan Ekstrim Fungsi dan Penafsirannya
. Tentukan nilai maksimum dan minimum pada interval tertutup [, 5] untuk fungsi f(x) x + 9 x. 4. Suatu kolam ikan dipagari kawat berduri, pagar kawat yang tersedia panjangnya 400 m dan kolam berbentuk
Lebih terperinciESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK
Jurnal Matematika Vol. 2 No. 1, Juni 2012. ISSN : 1693-1394 ESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK I Komang Gede Sukarsa e-mail: sukarsakomang@yaoo.com I Gusti Ayu Made Srinadi e-mail: srinadiigustiayumade@yaoo.co.id
Lebih terperinci65 Soal dengan Pembahasan, 315 Soal Latihan
Galeri Soal Soal dengan Pembaasan, Soal Latian Dirangkum Ole: Anang Wibowo, SPd April MatikZone s Series Email : matikzone@gmailcom Blog : HP : 8 8 8 Hak Cipta Dilindungi Undang-undang Dilarang mengkutip
Lebih terperinciAKAR PERSAMAAN Roots of Equations
AKAR PERSAMAAN Roots o Equations Akar Persamaan 2 Acuan Capra, S.C., Canale R.P., 1990, Numerical Metods or Engineers, 2nd Ed., McGraw-Hill Book Co., New York. n Capter 4 dan 5, lm. 117-170. 3 Persamaan
Lebih terperinciMETODE BEDA HINGGA PADA KESTABILAN PERSAMA- AN DIFUSI KOMPLEKS DIMENSI SATU
PROSIDING ISSN: 50-656 METODE BEDA HINGGA PADA KESTABILAN PERSAMA- AN DIFUSI KOMPLEKS DIMENSI SATU Danar Ardian Pramana, M.Sc 1) 1) DIV TeknikInformatikaPoliteknikHarapanBersama danar_ardian@ymail.com
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciBAB 3 ANALISA DENGAN UJI MODEL FISIK
28 BAB ANALISA DENGAN UJI MODEL FISIK.1 Deskripsi model.1.1 Pembuatan model Model yang digunakan adala saluran yang terbuat dari kaca berdimensi panjang (l) 8 m,tinggi () 0.7 m, dan lebar (b) 0.4 m dengan
Lebih terperinciBAB III METODE STRATIFIED RANDOM SAMPLING
BAB III METODE STRATIFIED RADOM SAMPIG 3.1 Pengertian Stratified Random Sampling Dalam bukunya Elementary Sampling Teory, Taro Yamane menuliskan Te process of breaking down te population into rata, selecting
Lebih terperinciESTIMASI FUNGSI DENSITAS GEMPA TEKTONIK DI JAWA BALI
ESTIMASI FUNGSI DENSITAS GEMPA TEKTONIK DI JAWA BALI Ole Pumma Purwani M004048 SKRIPSI ditulis dan diajukan untuk memenui sebagian persyaratan memperole gelar Sarjana Sains Matematika FAKULTAS MATEMATIKA
Lebih terperinci4. TURUNAN. MA1114 Kalkulus I 1
4. TURUNAN MA4 Kalkulus I 4. Konsep Turunan 4.. Turunan di satu titik Pendauluan dua masala dalam satu tema a. Garis Singgung Kemiringan tali busur PQ adala : m PQ Jika, maka tali busur PQ akan beruba
Lebih terperinciBAB III METODE PENELITIAN. Volume Perdagangan Saham. Dengan populasi Indeks Harga Saham
1 BAB III METODE PENELITIAN A. Objek Penelitian Objek penelitian ini difokuskan pada faktor-faktor yang diduga dapat mempengaruhi pergerakan Indeks Harga Saham Gabungan, dan faktorfaktor tersebut adalah
Lebih terperinciPengendalian Persediaan Masalah utama
Pemodelan EOQ 4 es 01 eko@uns.ac.id Pendauluan Pengendalian Persediaan Masala utama Menentukan jumla pemesanan yang ekonomis ( Economic Order Quantity ) Menentukan laju kecepatan produksi seingga meminimasi
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinci4.1 Konsep Turunan. lim. m PQ Turunan di satu titik. Pendahuluan ( dua masalah dalam satu tema )
4. TURUNAN 4. Konsep Turunan 4.. Turunan di satu titik Pendauluan dua masala dalam satu tema a. Garis Singgung Kemiringan tali busur PQ adala : m PQ Jika, maka tali busur PQ akan beruba menjadi garis ggung
Lebih terperinciGambar 1. Gradien garis singgung grafik f
D. URAIAN MATERI 1. Definisi dan Rumus-rumus Turunan Fungsi a. Definisi Turunan Sala satu masala yang mendasari munculnya kajian tentang turunan adala gradien garis singgung. Peratikan Gambar 1. f(c +
Lebih terperinciProgram Studi S1 Teknik Industri, Fakultas Rekayasa Industri, Universitas Telkom
PERENCANAAN KEBIJAKAN PERSEDIAAN BAHAN BAKU DENGAN MENGGUNAKAN METODE CONTINUOUS REVIEW (s,s) DAN METODE CONTINUOUS REVIEW (s,q) UNTUK MEMINIMASI TOTAL BIAYA PERSEDIAAN PADA PT. XYZ Selvia Dayanti 1, Ari
Lebih terperinciBAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR,
BAB IV PEMBAHASAN IV.1 Analisa Harga Saham BBCA Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR, penulis akan menganalisa pergerakan harga saham BBCA. Data yang diperlukan dalam
Lebih terperinciPermeabilitas dan Rembesan
9/7/06 Permeabilitas dan Rembesan Mekanika Tana I Norma Puspita, ST.MT Aliran Air Dalam Tana Sala satu sumber utama air ini adala air ujan yang meresap ke dalam tana lewat ruang pori diantara butiran tananya.
Lebih terperinciIKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d
IKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d Data merupakan kumpulan informasi yang diharapkan dapat dinterpretasikan dengan baik dan akurat. Terdapat beberapa jenis
Lebih terperinciTURUNAN (DIFERENSIAL) Oleh: Mega Inayati Rif ah, S.T., M.Sc. Institut Sains & Teknologi AKPRIND Yogyakarta
TURUNAN DIFERENSIAL Ole: Mega Inayati Ri a, S.T., M.Sc. Institut Sains & Teknologi AKPRIND Yogyakarta TURUNAN Turunan suatu ungsi berkaitan dengan perubaan ungsi yang disebabkan adanya perubaan kecil dari
Lebih terperinciTURUNAN FUNGSI. turun pada interval 1. x, maka nilai ab... 5
TURUNAN FUNGSI. SIMAK UI Matematika Dasar 9, 009 Jika kurva y a b turun pada interval, maka nilai ab... 5 A. B. C. D. E. Solusi: [D] 5 5 5 0 5 5 0 5 0... () y a b y b b a b b 6 6a 0 b 0 b 6a 0 b 5 b a
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 997
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 997 USULAN KEBIJAKAN PERSEDIAAN PRODUK KATEGORI KAWAT TEMBAGA UNTUK MEMINIMASI STOCK OUT DENGAN PENDEKATAN METODE CONTINUOUS REVIEW
Lebih terperinciPRISMA FISIKA, Vol. VI, No. 01 (2018), Hal ISSN :
Karakterisasi Iklim Kalimantan Barat Menggunakan Metode Eksponen Hurst dan Indeks Prediktabilitas Iklim Ririn Andriyani a, Joko Sampurno a *,, Iklas Sanubary a a Prodi Fisika, FMIPA Universitas Tanjungpura
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian ini adalah penelitian kuantitatif, penelitian ini
BAB III METODOLOGI PENELITIAN Jenis penelitian ini adala penelitian kuantitati, penelitian ini berlandaskan pada ilsaat positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, teknik
Lebih terperinciOlimpiade Sains Nasional Eksperimen Fisika Tingkat Sekolah Menengah Atas Agustus 2008 Waktu: 4 jam
Olimpiade Sains Nasional 008 Eksperimen Fisika Hal dari Olimpiade Sains Nasional Eksperimen Fisika Tingkat Sekola Menenga Atas Agustus 008 Waktu: 4 jam Petunjuk umum. Hanya ada satu soal eksperimen, namun
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA101 MATEMATIKA A Hendra Gunawan Semester II 016/017 4 Maret 017 Kulia ang Lalu 1.1 Fungsi dua atau lebi peuba 1. Turunan Parsial 1.3 Limit dan Kekontinuan 1.4 Turunan ungsi dua peuba 1.5 Turunan berara
Lebih terperinciKata Kunci: Persediaan, Analisis ABC, Overstock, Continous Review (s,s), Continous Review (s,q) ABSTRACT
PERANCANGAN KEBIJAKAN PERSEDIAAN PRODUK KATEGORI CHEMICAL DENGAN MENGGUNAKAN METODE PROBABILISTIK CONTINOUS REVIEW (s,s) DAN CONTINOUS REVIEW (s,q) UNTUK MEMINIMASI TOTAL BIAYA PERSEDIAAN DI PT XYZ Dimas
Lebih terperinciSolusi Analitik Model Perubahan Garis Pantai Menggunakan Transformasi Laplace
Jurnal Gradien Vol. No.2 Juli 24 : 5-3 Solusi Analitik Model Perubaan Garis Pantai Menggunakan Transformasi Laplace Syarifa Meura Yuni, Icsan Setiawan 2, dan Okvita Maufiza Jurusan Matematika FMIPA Universitas
Lebih terperinciMateri : Bab XIII. LUAS Pengajar : Khomsin, ST
PENDIDIKN DN PETIHN (DIKT TEKNIS PENGUKURN DN PEMETN KOT Surabaya, 9 gustus 00 Materi : Bab XIII. US Pengajar : Komsin, ST FKUTS TEKNIK SIPI DN PERENCNN INSTITUT TEKNOOGI SEPUUH NOPEMBER BB XIII. US Ole:
Lebih terperinciREPRESENTASI DAN TEORI APOS UNTUK MENGEKSPLORASI PEMAHAMAN MATEMATIKA MAHASISWA PADA KONSEP LIMIT
1 REPRESENTASI DAN TEORI APOS UNTUK MENGEKSPLORASI PEMAHAMAN MATEMATIKA MAHASISWA PADA KONSEP LIMIT Disusun ole: Ela Nurlaela Jurusan Pendidikan Matematika UNIVERSITAS PENDIDIKAN INDONESIA A. Pendauluan
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciPENGUAT DAYA (POWER AMPLIFIER) Oleh : Sumarna, Jurdik Fisika, FMIPA, UNY
PEGUAT DAYA (POWE AMPIFIE) Ole : Sumarna, Jurdik Fisika, FMIPA, UY E-mail : sumarna@uny.ac.ic Dalam praktek, sistem penguat selalu terdiri dari sejumla tingkat yang menguatkan sinyal lema ingga cukup kuat
Lebih terperinciE-learning Matematika, GRATIS
Penyusun : Arik Murwanto, S.Pd. Editor : Drs. Keto Susanto, M.Si. M.T. ; Istijab, S.H. M.Hum. Imam Indra Gunawan, S.Si. Standar Kompetensi: Menggunakan konsep turunan fungsi dalam pemecaan masala Kompetensi
Lebih terperinciAplikasi Dimensi Fraktal pada Bidang Biosains
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 299 Aplikasi Dimensi Fraktal pada Bidang Biosains Arum Andary Ratri 1, Kosala Dwidja Purnomo 2, Rafi ulfath R. Riwansia 3 1,2,3
Lebih terperinciDIMENSI FRAKTAL. (Jurnal 11) Memen Permata Azmi Mahasiswa S2 Pendidikan Matematika Universitas Pendidikan Indonesia
DIMENSI FRAKTAL (Jurnal 11) Memen Permata Azmi Mahasiswa S2 Pendidikan Matematika Universitas Pendidikan Indonesia Melanjutkan pelajaran pada minggu yang lalu mengenai geometri fraktal, pada pertemuan
Lebih terperinciIII. METODE PENELITIAN. Subjek penelitian ini adalah siswa kelas VII B MTs Al Hikmah Bandar
26 III. METODE PENELITIAN A. Subjek Penelitian Subjek penelitian ini adala siswa kelas VII B MTs Al Hikma Bandar Lampung semester genap taun pelajaran 2010/2011 pada pokok baasan Gerak Lurus. Dengan jumla
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciOleh: Sahid Lab Komputer Jurdik Matematika FMIPA UNY
Frakttall Kurva yang merupaii diirii sendiirii Oleh: Sahid Lab Komputer Jurdik Matematika FMIPA UNY Di dalam matematika, fraktal merupakan sebuah kelas bentuk geometri kompleks yang umumnya mempunyai "dimensi
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciTURUNAN FUNGSI. 1. Turunan Fungsi
TURUNAN FUNGSI. Turunan Fungsi Turunan fungsi f disembarang titik dilambangkan dengan f () dengan definisi f ( ) f ( ) f (). Proses mencari f dari f disebut penurunan; dikatakan bawa f diturunkan untuk
Lebih terperinciIII. METODE PENELITIAN. bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
Lebih terperinci4 SIFAT-SIFAT STATISTIK DARI REGRESI KONTINUM
4 SIFA-SIFA SAISIK DAI EGESI KONINUM Abstrak Matriks pembobot W pada egresi Kontinum diperole dengan memaksimumkan fungsi kriteria umum ternata menimbulkan masala dari aspek statistika. Prinsip dari fungsi
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN 4.1 Sampel, Sumber Data dan Pengumpulan Data Penelitian kali ini akan mempergunakan pendekatan teori dan penelitian secara empiris. Teori-teori yang dipergunakan diperoleh
Lebih terperincidapat dihampiri oleh:
BAB V PENGGUNAAN TURUNAN Setela pada bab sebelumnya kita membaas pengertian, sifat-sifat, dan rumus-rumus dasar turunan, pada bab ini kita akan membaas tentang aplikasi turunan, diantaranya untuk mengitung
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. Data dan Sumber Data 1. Data Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Variabel Sektor Moneter dan Riil Terhadap Inflasi di Indonesia (Periode 2006:1
Lebih terperinciIII. METODE PENELITIAN. Pusat Statistik (BPS) Kota Bandar Lampung yang berupa cetakan atau publikasi
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari publikasi dinas atau instansi pemerintah, diantaranya adalah publikasi dari
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
28 BAB 3 METODOLOGI PENELITIAN 3.1 Objek Penelitian Dalam penelitian yang berkaitan dengan fenomena market overreaction di Bursa Efek Indonesia ini, yang menjadi objeknya adalah seluruh saham yang pernah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume 2, Juni 22 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majala Ilmia Matematika dan Statistika Volume 2, Juni 22 PROFIL PENDERITA
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciPROGRAM STUDI : PENDIDIKAN MATEMATIKA
MAKALAH OLEH KELOMPOK DUA NAMA : GIYATNI ( 40077 ) SEPTI PRATIWI ( 400796 ) 3HARI YADI (400763 ) PROGRAM STUDI : PENDIDIKAN MATEMATIKA MATA KULIAH : GEOMETRI TRANSFORMASI DOSEN PENGAMPU : PADLI MPd SEKOLAH
Lebih terperinciSetelah mempelajari materi ini, mahasiswa diharapkan mampu:
Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setela mempelajari materi ini, maasisa diarapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan
Lebih terperinciBAB III METODE PENELITIAN. buku-buku, internet serta laporan yang tercatat melalui website
53 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan dengan mencari dan mengumpukan data yang berhubungan dengan masalah penelitian ini baik dari sumber dokumen atau buku-buku,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciKORELASI LINIER BERGANDA
KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur
Lebih terperinciGaleri Soal. Dirangkum Oleh: Anang Wibowo, S.Pd
Galeri Soal Dirangkum Ole: Anang Wibowo, SPd April Semoga sedikit conto soal-soal ini dapat membantu siswa dalam mempelajari Matematika kususnya Bab Limit Kami mengusaakan agar soal-soal yang kami baas
Lebih terperinciProfil LKS IPA SMP Berorientasi Active Learning dengan Strategi Belajar Mengajukan Pertanyaan
Profil LKS IPA SMP Berorientasi Active Learning dengan Strategi Belajar Mengajukan Pertanyaan Iin Indawati, Tjandrakirana, Rinie Pratiwi Puspitawati Jurusan Biologi-FMIPA Universitas Negeri Surabaya Jalan
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam
4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik
Lebih terperinciRegularitas Operator Potensial Layer Tunggal
JMS Vol. No., al. 8-5, April 997 egularitas Operator Potensial Layer Tunggal Wono Setya Budi Jurusan Matematika, FMIPA Institut Teknologi Bandung Jl. Ganesa 0 Bandunng, 403 Abstrak egulitas operator =
Lebih terperinciKebijakan Persediaan Spare Parts (Studi Kasus : Pabrik Perakitan Sepeda Motor)
A45 Kebijakan Persediaan Spare Parts (Studi Kasus : Pabrik Perakitan Sepeda Motor) Meriem Octaviana, Imam Baiaqi, dan Geodita Woro Bramanti Departemen Manajemen Bisnis, Fakultas Bisnis dan Manajemen Teknologi,
Lebih terperinciKorelasi Linier Berganda
Korelasi Linier Berganda Analisa Korelasi Untuk mengukur "seberapa kuat" atau "derajat kedekatan yang terjadi antar variabel. Ingin mengetahui derajat kekuatan tersebut yang dinyatakan dalam koefisien
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciBAB V ALINYEMEN VERTIKAL
BB V INYEMEN VERTIK linyemen vertikal adala perpotongan bidang vertikal dengan bidang permukaan perkerasan jalan melalui sumbu jalan untuk jalan lajur ara atau melalui tepi dalam masing masing perkerasan
Lebih terperinciBAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64
DAFTAR ISI Halaman HALAMAN JUDUL... ii HALAMAN PENGESAHAN... iii KATA PENGANTAR... v ABSTRAK... vii ABSTACT... viii DAFTAR ISI... ix DAFTAR SIMBOL... xii DAFTAR TABEL... xiv DAFTAR GAMBAR... xv DAFTAR
Lebih terperinciBAB III METODE PENELITIAN. mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi
BAB III METODE PENELITIAN A. Objek Penelitian Untuk mendapatkan data yang diperlukan dalam penelitian ini, penulis mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi di 5 pulau
Lebih terperinciKALKULUS. Laporan Ini Disusun Untuk Memenuhi Mata Kuliah KALKULUS Dosen Pengampu : Ibu Kristina Eva Nuryani, M.Sc. Disusun Oleh :
KALKULUS Laporan Ini Disusun Untuk Memenui Mata Kulia KALKULUS Dosen Pengampu : Ibu Kristina Eva Nuryani, M.Sc Disusun Ole : 1. Anggit Sutama 14144100107 2. Andi Novantoro 14144100111 3. Diya Elvi Riana
Lebih terperincidi FKIP Universitas Katolik Widya Mandala Surabaya 4 Herwinarso, Tjondro Indrasutanto, G. Budijanto Untung adalah Dosen Pendidikan Fisika
PENENTUAN PANJANG GELOMBANG BERBAGAI FILTER WARNA PADA LAMPU TL DAN WOLFRAM DENGAN SPEKTROMETER KISI DIFRAKSI UNTUK MENUNJANG EKSPERIMEN EFEKFOTOLISTRIK Herwinarso, Tjondro Indrasutanto, G. Budijanto Untung
Lebih terperinciBAB IV HASIL ANALISIS DAN PEMBAHASAN. Tabel 4. Berdasarkan tabel diatas dapat diketahui bahwa variabel harga saham (Y)
54 BAB IV HASIL ANALISIS DAN PEMBAHASAN 4. 1. Statistik Deskriptif Hasil statistik deskriptif terhadap variabel penelitian disajikan pada tabel berikut ini : Tabel 4 Des criptive Statistics Mean Std. Deviation
Lebih terperinciMETODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1. Mohamad Sidiq PERTEMUAN : 8
METODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1 Moamad Sidiq PERTEMUAN : 8 DIFERENSIASI NUMERIK METODE NUMERIK TEKNIK INFORMATIKA S1 3 SKS Moamad Sidiq MATERI PERKULIAHAN SEBELUM-UTS Pengantar Metode Numerik
Lebih terperinciBAB III METODE PENELITIAN. di Bursa Efek Indonesia (BEI) pada periode Ada pun jenis data yang penulis gunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN III.1 Lokasi Penelitian Penulis melakukan penelitian pada PT. Semen Indonesia (Persero) Tbk di Bursa Efek Indonesia (BEI) pada periode 2009-2012. III. 2 Jenis dan Sumber Data
Lebih terperinciBAB II DASAR TEORI. Gambar dapat direpresentasikan ke dalam dua macam bentuk yaitu bentuk
BAB II DASAR TEORI 2.1 Definisi Gambar Digital Gambar dapat direpresentasikan ke dalam dua macam bentuk yaitu bentuk kontinu dan bentuk digital. Dengan menggunakan definisi gambar dalam representasikan
Lebih terperinciMultifraktal TELKOM, INDOSAT, HMSP WORKING PAPER WPT2003. BANDUNG FE INSTITUTE research university on complexity in Indonesia
WORKING PAPER WPT2003 Multifraktal TELKOM, INDOSAT, HMSP BANDUNG FE INSTITUTE research university on complexity in Indonesia http://www.bandungfe.scripterz.org $ Multifraktal: Telkom, Indosat, dan HMSP
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Berdasarkan data yang telah berhasil dikumpulkan, serta permasalahan dan hipotesis yang telah ditetapkan pada bab bab sebelumnya, maka penulis akan membahas variabel variabel
Lebih terperinciBAB III METODOLOGI PENELITIAN. Kerangka pikir digunakan untuk menggambarkan secara keseluruhan penelitian
26 BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Kerangka pikir digunakan untuk menggambarkan secara keseluruhan penelitian yang akan dilakukan yakni pengaruh IHSG, inflasi, kurs dollar, perubahan uang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data sekunder tahunan Data sekunder
47 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder tahunan 2003-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung Dalam Angka, Badan
Lebih terperinciTURUNAN / DIFERENSIAL TURUNAN DAN DIFERENSIAL
TURUNAN / DIFERENSIAL 4. Devinisi Turunan Derivati Turunan ungsi adala yang nilainya pada bilangan dan dideinisikan ole : ' lim0 untuk semua dengan limit tersebut ada. Conto Andaikan cari 4? Penyelesaian
Lebih terperinciEVALUASI SISTEM TEMU KENALI CITRA BERBASIS KONTEN WARNA
EVALUASI SISTEM TEMU KENALI CITRA BERBASIS KONTEN WARNA Reza Sansa Hardika 1), Metty Mustikasari 2), Risdiandri Iskandar 3) 1)2)3) Sistem Informasi Universitas Gunadarma Jl. Margonda Raya, 100, Pondok
Lebih terperinciEFEKTIVITAS MODEL PEMBELAJARAN STUDENT TEAMS ACHIEVEMENT DIVISIONS
JURNAL EFEKTIVITAS MODEL PEMBELAJARAN STUDENT TEAMS ACHIEVEMENT DIVISIONS (STAD) TERHADAP HASIL BELAJAR SISWA KELAS VIIIA PADA MATERI OPERASI BENTUK ALJABAR DI SMP NEGERI 5 KEDIRI THE EFFECTIVENESS OF
Lebih terperinci