SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
|
|
- Doddy Atmadjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
2 PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi terhadap masalah-masalah kuantitatif (Monte Carlo Method, 2008). Dalam simulasi Monte Carlo sebuah model dibangun berdasarkan sistem yang sebenarnya. Setiap variabel dalam model tersebut memiliki nilai yang memiliki probabilitas yang berbeda, yang ditunjukkan oleh distribusi probabilitas atau biasa disebut dengan probability distribution function (pdf) dari setiap variabel. Metode Monte Carlo mensimulasikan sistem tersebut berulang-ulang kali, ratusan bahkan sampai ribuan kali tergantung sistem yang ditinjau, dengan cara memilih sebuah nilai random untuk setiap variabel dari distribusi probabilitasnya. Hasil yang didapatkan dari simulasi tersebut adalah sebuah distribusi probabilitas dari nilai sebuah sistem secara keseluruhan
3 PERKEMBANGAN Simulasi Monte Carlo pertama kali digunakan untuk keperluan militer pada Manhattan Project (Eckhardt, 1987) Dalam perkembangannya simulasi Monte Carlo ini diaplikasikan pada berbagai bidang antara lain: manajemen proyek, transportasi, desain komputer, finansial, meteorologi, biologi dan biokimia Dalam bidang manajemen proyek, umumnya simulasi Monte Carlo ditempatkan pada bagian manajemen risiko Project Management Institute (2004) menerapkan sebuah pendekatan standar manajemen resiko yang meliputi enam proses; Perencanaan Manajemen Resiko, Identifikasi Resiko, Kualifikasi Resiko, Kuantifikasi Resiko, Perencanaan Respon Resiko, dan Pemantauan & Evaluasi Resiko Simulasi Monte Carlo merupakan bagian dari proses Kuantifikasi Resiko
4 BATASAN DASAR 1. Apabila suatu persoalan sudah dapat diselesaikan atau dihitung jawabannya secara matematis dengan tuntas, maka simulasi ini tidak perlu digunakan 2. Apabila sebagian persoalan tersebut dapat diselesaikan secara analitis dengan baik, maka penyelesaiannya lebih baik dilakukan secara terpisah. Sebagian secara analitis dan sebagian lagi simulasi 3. Apabila mungkin dapat digunakan simulasi perbandingan. Hal ini dibutuhkan apabila 2 sistem memiliki perbedaan-perbedaan pada parameter, distribusi, dan cara-cara pelaksanaannya.
5 GENERIC STEPS OF MONTE CARLO 1. Assign a probability distribution to each variable which affects the IRR/NPV \ 2. Assign the range of variation for each variable. 3. Select a value for each variable within its specific range. This is done in such a way that the frequency with which any value is selected corresponds to its probability in the distribution. 4. Carry out a deterministic analysis with the input values selected from their specified distributions in random combinations. Each time a new value is generated for each variable, a new combination is obtained hence a new deterministic analysis is done. This is repeated a number of times to obtain a result. The number of combinations of probability distributions required is usually between 200 and The greater number of iterations used will result in increased accuracy. The diagrammatic output of a Monte Carlo simulation in the form of a cumulative probability distribution diagram is shown in next slide.
6 Strengths and Weaknesses Strength Stochastic easier to compute for multiple inputs Allows a probability distribution to be used avoiding single point estimations Provides a more representative prediction of risk, provided initial assumptions are reasonable Relatively fast with modern computing technology, brute force approach to calculation Weakness Probability distributions are assumed based in part on previous experience Risk profiles are often underestimated, due to excluding the tails of the distributions Most Monte Carlo packages, with the exception of the high end ones, do not allow for interdependence of input variables Use of historical data can propagate previous erroneous assumptions Subjective judgement is typically used to come up with starting points Can become too complex and unwieldy
7 SIMULASI MONTE CARLO DALAM MANAJEMEN RESIKO Salah satu bentuk pengukuran risiko yang sering digunakan adalah Value at Risk (VaR) Value at Risk (VaR) merupakan salah satu alat statistik yang digunakan untuk mengukur kerugian maksimum dari suatu aset atau investasi selama periode tertentu dengan tingkat kepercayaan tertentu Simulasi Monte Carlo dapat digunakan untuk melakukan perhitunganvar, selain dua metode lainnya yakni Historical Method dan Variance-Covariance Method VaR dengan metode Simulasi Monte Carlo mengasumsikan bahwa return berdistribusi normal yang disimulasikan dengan menggunakan parameter yang sesuai dan tidak mengasumsikan bahwa return portofolio bersifat linier terhadap return aset tunggalnya
8 PERHITUNGAN VAR DGN SIMULASI MONTE CARLO Dalam mengestimasi nilai Value at Risk (VaR) baik pada aset tunggal maupun portofolio, simulasi Monte Carlo melakukan simulasi dengan membangkitkan bilangan random berdasarkan karakteristik dari data yang akan dibangkitkan, yang kemudian digunakan untuk mengestimasi nilai VaR-nya. VaR dengan menggunakan metode simulasi Monte Carlo mengasumsikan : o o Return berdistribusi normal Return portofolio tidak selalu bersifat linier terhadap return aset tunggalnya
9 Langkah Langkah Perhitungan VaR dgn Simulasi Monte Carlo pada Aset Tunggal 1) Menentukan nilai parameter dari return aset tunggal. Return diasumsikan mengikuti distribusi normal dengan mean µ dan varian 2 2) Mensimulasikan nilai return dengan membangkitkan secara random return asset tunggal dengan parameter yang diperoleh dari langkah (1) sebanyak n buah sehingga terbentuk distribusi empiris dari return hasil simulasi. 3) Mencari estimasi kerugian maksimum pada tingkat kepercayaan (1 - ) yaitu sebagai nilai kuantil ke dari distribusi empiris return yang diperoleh pada langkah (2), dinotasikan dengan R *
10 Langkah Langkah Perhitungan VaR dgn Simulasi Monte Carlo pada Aset Tunggal 4) Menghitung nilai VaR pada tingkat kepercayaan (1 - ) dalam periode waktu t hari yaitu Nilai VaR yang diperoleh merupakan kerugian maksimum yang akan diderita oleh aset tunggal. 5) Mengulangi langkah (2) sampai langkah (4) sebanyak m sehingga mencerminkan berbagai kemungkinan nilai VaR aset tunggal yaitu VaR 1, VaR 2,..., VaR m 6) Menghitung rata-rata hasil dari langkah (5) untuk menstabilkan nilai karena nilai VaR yang dihasilkan oleh tiap simulasi berbeda.
11 Langkah Langkah Perhitungan VaR dengan Metode Simulasi Monte Carlo pada Portofolio 1) Menentukan nilai parameter untuk variabel-variabel (dalam hal ini adalah return aset) serta korelasi antar variable. Return aset-aset pembentuk portofolio diasumsikan mengikuti distribusi normal multivariat sehingga parameter yang dibutuhkan diantaranya adalah mean return aset-asset pembentuk portofolio dan matriks varian-kovarian. 2) Mensimulasikan nilai return dengan membangkitkan secara random return aset-asset yang berdistribusi normal multivariat dengan parameter yang diperoleh pada langkah (1) sebanyak n buah.
12 Langkah Langkah Perhitungan VaR dengan Metode Simulasi Monte Carlo pada Portofolio 3) Nilai return masing-masing aset pada waktu t yaitu R 1,t dan R 2,t yang dihasilkan pada langkah (2) digunakan untuk menghitung return portofolio pada waktu t yaitu 4) Mencari estimasi kerugian maksimum pada tingkat kepercayaan (1 - ) yaitu sebagai nilai kuantil ke dari distribusi empiris return portofolio yang diperoleh pada langkah (3) yang dinotasikan dengan R *
13 Langkah Langkah Perhitungan VaR dengan Metode Simulasi Monte Carlo pada Portofolio 5) Menghitung nilai VaR pada tingkat kepercayaan (1 - ) dalam periode waktu t hari yaitu Nilai VaR yang diperoleh merupakan kerugian maksimum yang akan diderita oleh aset tunggal. 6) Mengulangi langkah (2) sampai langkah (5) sebanyak m sehingga mencerminkan berbagai kemungkinan nilai VaR aset tunggal yaitu VaR 1, VaR 2,..., VaR m 7) Menghitung rata-rata hasil dari langkah (5) untuk menstabilkan nilai karena nilai VaR yang dihasilkan oleh tiap simulasi berbeda.
14 EXAMPLE In this example the project has a 40% chance of the IRR being less than 7.5% and a 60% chance of it being greater than 7.5%. Similarly the project has an 80% chance of the IRR being less than 10% and a 20% chance of it being greater than 10%, with a 50% chance of it being less than or greater than 8%
BAB 1 PENDAHULUAN. tidak ada prestasi, tidak ada kemajuan dan tidak ada imbalan.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Risiko adalah bagian dari kehidupan. Menghindari semua resiko akan mengakibatkan tidak ada prestasi, tidak ada kemajuan dan tidak ada imbalan. The Institute
Lebih terperinciOPTIMASI VALUE AT RISK RETURN ASET TUNGGAL DAN PORTOFOLIO MENGGUNAKAN SIMULASI MONTE CARLO DILENGKAPI GUI MATLAB SKRIPSI
OPTIMASI VALUE AT RISK RETURN ASET TUNGGAL DAN PORTOFOLIO MENGGUNAKAN SIMULASI MONTE CARLO DILENGKAPI GUI MATLAB SKRIPSI Disusun Oleh : NUR INDAH YULI ASTUTI 24010212130022 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan
BAB I PENDAHULUAN 1.1 Latar Belakang Investasi adalah komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa datang. Investasi
Lebih terperinciPERHITUNGAN VALUE AT RISK PORTOFOLIO SAHAM MENGGUNAKAN METODE SIMULASI MONTE CARLO
PERHITUNGAN VALUE AT RISK PORTOFOLIO SAHAM MENGGUNAKAN METODE SIMULASI MONTE CARLO Adilla Chandra 1*, Johannes Kho 2, Musraini M 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika Fakultas
Lebih terperinciPENENTUAN BOBOT PORTOFOLIO OPTIMAL UNTUK PERHITUNGAN VALUE AT RISK PADA DATA BERDISTRIBUSI NORMAL SKRIPSI
PENENTUAN BOBOT PORTOFOLIO OPTIMAL DENGAN METODE RESAMPLED EFFICIENT FRONTIER UNTUK PERHITUNGAN VALUE AT RISK PADA DATA BERDISTRIBUSI NORMAL SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciOPTIMASI VALUE AT RISK PADA REKSA DENGAN METODE HISTORICAL SIMULATION DAN APLIKASINYA MENGGUNAKAN GUI
OPTIMASI VALUE AT RISK PADA REKSA DANA DENGAN METODE HISTORICAL SIMULATION DAN APLIKASINYA MENGGUNAKAN GUI MATLAB SKRIPSI Disusun oleh CHRISTA MONICA NIM. 24010212130061 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciSimulasi Monte-Carlo. Tom Huber, Erma Suryani, Pemodelan & Simulasi Wikipedia.
Simulasi Monte-Carlo Tom Huber, http://physics.gac.edu/~huber/envision/instruct/montecar.html Erma Suryani, Pemodelan & Simulasi Wikipedia.org Simulasi Monte Carlo Menggunakan bilangan random Simulasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Obyek dalam penelitian ini adalah harga penutupan saham-saham yang direkomendasikan akan dapat bertahan pada tahun politik (2014) dalam media kompas.com,
Lebih terperinciOPTIMASI VALUE AT RISK PADA REKSA DANA DENGAN METODE HISTORICAL SIMULATION DAN APLIKASINYA MENGGUNAKAN GUI MATLAB
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 5, Nomor 2, Tahun 206, Halaman 249-258 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian OPTIMASI VALUE AT RISK PADA REKSA DANA DENGAN METODE HISTORICAL
Lebih terperinciPengukuran Value at Risk pada Aset Perusahaan dengan Metode Simulasi Monte Carlo
JURAL MIPA USRAT OLIE 2 (1) 5-11 dapat diakses melalui http://ejournal.unsrat.ac.id/index.php/jmuo Pengukuran Value at Risk pada Aset Perusahaan dengan Metode Simulasi Monte Carlo Leony P. Tupan a*, Tohap
Lebih terperinciANALISIS RISIKO INVESTASI SAHAM TUNGGAL SYARIAH DENGAN VALUE AT RISK (VAR) DAN EXPECTED SHORTFALL (ES) SKRIPSI
ANALISIS RISIKO INVESTASI SAHAM TUNGGAL SYARIAH DENGAN VALUE AT RISK (VAR) DAN EXPECTED SHORTFALL (ES) SKRIPSI Oleh YUNUS SAEPUDIN NIM. 24010213120022 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciANALISIS STRESS TESTING VAR PADA RISIKO PASAR PORTOFOLIO EFEK PT DA TESIS
UNIVERSITAS INDONESIA ANALISIS STRESS TESTING VAR PADA RISIKO PASAR PORTOFOLIO EFEK PT DA TESIS A. PAWITRA INDRIATI 0806432000 FAKULTAS EKONOMI PROGRAM STUDI MAGISTER MANAJEMEN JAKARTA JULI 2010 UNIVERSITAS
Lebih terperinciMonte Carlo. Prihantoosa Toosa
Monte Carlo Prihantoosa pht854@yahoo.com toosa@teknosoftmedia.com Pendahuluan Simulasi Monte Carlo dikenal dengan intilah sampling simulation atau Monte Carlo Sampling Technique Istilah Monte Carlo pertama
Lebih terperinciPERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO
1 e-jurnal Matematika Vol. 1 No. 1 Agustus 2012 PERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO WAYAN ARTHINI 1, KOMANG DHARMAWAN 2, LUH PUTU IDA HARINI 3 1, 2,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Investasi pada hakekatnya merupakan penempatan sejumlah uang atau dana yang dilakukan pada saat ini dengan harapan memperoleh keuntungan di masa mendatang (Halim,
Lebih terperinciBab V Hasil dan Pembahasan
Bab V Hasil dan Pembahasan V.1 Hasil Pengujian Model Dari pengujian model dengan simulasi yang dilakukan sebanyak 10.000 iterasi yang merupakan iterasi terpilih, diperoleh hasil-hasil sebagai berikut:
Lebih terperinciMetode Resampled Efficient Frontier Mean Variance Simulasi Montecarlo Untuk Pemilihan Bobot Portofolio
METODE RESAMPLED EFFICIENT FRONTIER MEAN VARIANCE SIMULASI MONTECARLO UNTUK PEMILIHAN BOBOT PORTOFOLIO Anita Andriani D3 Manajemen Informatika, Universitas Hasyim Asy ari Tebuireng Jombang Email: anita.unhasy@gmail.com
Lebih terperinciBab 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Risiko dapat diartikan sebagai suatu peluang terjadinya kerugian. Alat ukur untuk mengestimasi risiko kerugian adalah standar deviasi, Value-at-Risk(VaR) dan expected
Lebih terperinciBAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA
BAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA 3.1 Value at Risk (VaR) Salah satu aspek yang sangat penting dalam analisis resiko adalah penghitungan Value at Risk atau yang selanjutnya disingkat dalam
Lebih terperinciPERBANDINGAN METODE VARIANCE COVARIANCE DAN HISTORICAL SIMULATION UNTUK MENGUKUR RISIKO INVESTASI REKSA DANA
PERBANDINGAN METODE VARIANCE COVARIANCE DAN HISTORICAL SIMULATION UNTUK MENGUKUR RISIKO INVESTASI REKSA DANA SKRIPSI Oleh: BAYU HERYADI WICAKSONO NIM. 24010210120035 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciPERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO
PERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO WAYAN ARTHINI 1, KOMANG DHARMAWAN 2, LUH PUTU IDA HARINI 3 1, 2, 3 Jurusan Matematika FMIPA Universtitas Udayana,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Investasi merupakan kegiatan yang membawa konsekuensi untung dan rugi. Hal yang mendasar dalam proses keputusan investasi adalah pemahaman hubungan
Lebih terperinciek SIPIL MESIN ARSITEKTUR ELEKTRO
ek SIPIL MESIN ARSITEKTUR ELEKTRO APLIKASI SIMULASI MONTE CARLO DALAM ESTIMASI BIAYA PROYEK Adnan Fadjar * Abstract Monte Carlo simulation is a method for modeling and analyzing systems which involving
Lebih terperinciPENGGUNAAN SIMULASI MONTE CARLO UNTUK PENGUKURAN VALUE AT RISK
PENGGUNAAN SIMULASI MONTE CARLO UNTUK PENGUKURAN VALUE AT RISK ASET TUNGGAL DAN PORTOFOLIO DENGAN PENDEKATAN CAPITAL ASSET PRICING MODEL SEBAGAI PENENTU PORTOFOLIO OPTIMAL (Studi Kasus: Index Saham Kelompok
Lebih terperinciOPTIMASI VALUE AT RISK RETURN ASET TUNGGAL DAN PORTOFOLIO MENGGUNAKAN SIMULASI MONTE CARLO DILENGKAPI GUI MATLAB
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 695-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian OPTIMASI VALUE AT RISK RETURN ASET TUNGGAL DAN PORTOFOLIO MENGGUNAKAN
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciMANAJEMEN PROYEK LANJUT
MANAJEMEN PROYEK LANJUT Advance Project Management Dr. Ir. Budi Susetyo, MT Fakultas TEKNIK Program Magister SIPIL - MK www.mercubuana.ac.id 1 Bagian Isi 1. PM and Project financial management 2. Money
Lebih terperinciVALUE AT RISK MENGGUNAKAN METODE VARIANCE COVARIANCE
VALUE AT RISK MENGGUNAKAN METODE VARIANCE COVARIANCE Oleh IBNUHARDI FAIZAINI IHSAN M0108045 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika JURUSAN
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciANALISA HAZARD GEMPA DENGAN GEOMETRI SUMBER GEMPA TIGA DIMENSI UNTUK PULAU IRIAN TESIS MAGISTER. Oleh : Arvila Delitriana
ANALISA HAZARD GEMPA DENGAN GEOMETRI SUMBER GEMPA TIGA DIMENSI UNTUK PULAU IRIAN TESIS MAGISTER Oleh : Arvila Delitriana DEPARTEMEN TEKNIK SIPIL PROGRAM PASCASARJANA INSTITUT TEKNOLOGI BANDUNG 2003 ABSTRAK
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 765-774 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN SIMULASI MONTE CARLO UNTUK PENGUKURAN VALUE AT RISK
Lebih terperinciEVALUASI KEBIJAKAN PERSEDIAAN BAHAN BAKU UNTUK MENINGKATKAN KINERJA PERSEDIAAN DI PT. TRISULAPACK INDAH (MASPION UNIT III) TUGAS AKHIR RI 1592
TUGAS AKHIR RI 1592 EVALUASI KEBIJAKAN PERSEDIAAN BAHAN BAKU UNTUK MENINGKATKAN KINERJA PERSEDIAAN DI PT. TRISULAPACK INDAH (MASPION UNIT III) ELAN TANGGUH MANDIRI NRP 2502 100 084 Dosen Pembimbing Dr.
Lebih terperinciSimulation. Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams Thomson ΤΜ /South-Western Slide
Simulation Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams 1 Simulation Kebaikan dan kelemahan menggunakan simulation Modeling Random Variables and Pseudo-Random Numbers
Lebih terperinciPEMODELAN HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION DAN VALUE AT RISK PT. CIPUTRA DEVELOPMENT Tbk
PEMODELAN HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION DAN VALUE AT RISK PT. CIPUTRA DEVELOPMENT Tbk SKRIPSI Disusun Oleh : TRIMONO NIM. 24010213120013 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam berinvestasi ada tiga hal yang perlu diperhatikan oleh investor, yaitu capital (modal), objective (objektif), dan risk (risiko).hal yang sering menjadi
Lebih terperinciPENGUKURAN KINERJA PORTOFOLIO MENGGUNAKAN MODEL BLACK-LITTERMAN BERDASARKAN INDEKS TREYNOR, INDEKS SHARPE, DAN INDEKS JENSEN
PENGUKURAN KINERJA PORTOFOLIO MENGGUNAKAN MODEL BLACK-LITTERMAN BERDASARKAN INDEKS TREYNOR, INDEKS SHARPE, DAN INDEKS JENSEN (Studi Kasus Saham-Saham yang Termasuk dalam Jakarta Islamic Index Periode 2009-2013)
Lebih terperinciUJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR
PYTHAGORAS, 6(2): 161-166 Oktober 2017 ISSN Cetak: 2301-5314 UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR Hermansah
Lebih terperinciABSTRAK. Teknologi pengkode sinyal suara mengalami kemajuan yang cukup. pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari
ABSTRAK Teknologi pengkode sinyal suara mengalami kemajuan yang cukup pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari pengkode sinyal suara yaitu output sinyal suara yang mempunyai
Lebih terperinciANALISIS NILAI RISIKO (VALUE AT RISK) MENGGUNAKAN UJI KEJADIAN BERNOULLI (BERNOULLI COVERAGE TEST) (Studi Kasus pada Indeks Harga Saham Gabungan)
ANALISIS NILAI RISIKO (VALUE AT RISK) MENGGUNAKAN UJI KEJADIAN BERNOULLI (BERNOULLI COVERAGE TEST) (Studi Kasus pada Indeks Harga Saham Gabungan) SKRIPSI Disusun Oleh: IWAN ALI SOFWAN NIM. J2E009043 JURUSAN
Lebih terperinciPENDAHULUAN. 1.1 Latar Belakang
PENDAHULUAN 1.1 Latar Belakang PT. Pindad merupakan perusahaan yang bergerak dibidang produk peralatan militer dan produk komersial di Indonesia. Selain memproduksi senjata, PT. Pindad juga memproduksi
Lebih terperinciSimulasi Estimasi Arah Kedatangan Dua Dimensi Sinyal menggunakan Metode Propagator dengan Dua Sensor Array Paralel
ABSTRAK Simulasi Estimasi Arah Kedatangan Dua Dimensi Sinyal menggunakan Metode Propagator dengan Dua Sensor Array Paralel Disusun oleh : Enrico Lukiman (1122084) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciTHE COMPARISON ANALYSIS WITHIN RISK OF MURABAHAH FINANCING AND MUDHARABAH AT PT BANK SYARIAH X (RISK ANALYSIS BY USING INTERNAL METHOD CREDITRISK+)
THE COMPARISON ANALYSIS WITHIN RISK OF MURABAHAH FINANCING AND MUDHARABAH AT PT BANK SYARIAH X (RISK ANALYSIS BY USING INTERNAL METHOD CREDITRISK+) BY : MOHAMMAD AINUN NAJIB 43208110087 ABSTRACT Production
Lebih terperinciOPTIMALISASI PORTOFOLIO OBLIGASI BANK DENGAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO MELALUI MODEL GAUSSIAN MIXTURE
OPTIMALISASI PORTOFOLIO OBLIGASI BANK DENGAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO MELALUI MODEL GAUSSIAN MIXTURE Oleh NURUL UTAMININGSIH M0108103 SKRIPSI Ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Di dunia modern sekarang ini semua dituntut serba cepat yang mengharuskan setiap sektor usaha baik itu jasa atau manufaktur harus bisa memberikan nilai tambah untuk setiap produk dan pelayanan
Lebih terperinciUNIVERSITAS INDONESIA PENGUKURAN RISIKO KREDIT MENGGUNAKAN METODE CREDIT RISK + DENGAN MEMPERTIMBANGKAN VARIABEL MAKRO EKONOMI (STUDI KASUS DI BANK X)
UNIVERSITAS INDONESIA PENGUKURAN RISIKO KREDIT MENGGUNAKAN METODE CREDIT RISK + DENGAN MEMPERTIMBANGKAN VARIABEL MAKRO EKONOMI (STUDI KASUS DI BANK X) TESIS IRA WIDAYANTI 0806432991 FAKULTAS EKONOMI PROGRAM
Lebih terperinciDistribusi probabilitas dan normal. Statisitik Farmasi 2015
Distribusi probabilitas dan normal Statisitik Farmasi 2015 Part 1. DISTRIBUSI PROBABILITAS Statisitik Farmasi 2015 Tujuan Perkuliahan Setelah menyelesaikan kuliah ini, mahasiswa mampu: Membuat distribusi
Lebih terperinciIDENTIFIKASI SECARA BUTA PADA SISTEM MIMO DALAM DOMAIN FREKUENSI BERDASARKAN STATISTIK ORDE YANG LEBIH TINGGI DARI DUA ABSTRAK
IDENTIFIKASI SECARA BUTA PADA SISTEM MIMO DALAM DOMAIN FREKUENSI BERDASARKAN STATISTIK ORDE YANG LEBIH TINGGI DARI DUA Irwan Tanadi / 0422120 Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof. Drg. Suria
Lebih terperinciRISIKO INVESTASI SAHAM: Risk Portofolio Saham dan Saham Individual
TUGAS Analisis Investasi & Manajemen Risiko ANALISIS Value at RISIKO INVESTASI SAHAM: Risk Portofolio Saham dan Saham Individual Rowland Bismark Fernando Pasaribu (rowland.pasaribu@gmail.com) Program Pascasarjana
Lebih terperinciANALISIS RISIKO INVESTASI SAHAM TUNGGAL SYARIAH DENGAN VALUE AT RISK (VAR) DAN EXPECTED SHORTFALL (ES) ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman 271-280 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS RISIKO INVESTASI SAHAM TUNGGAL SYARIAH DENGAN VALUE
Lebih terperinciANALISA PERBANDINGAN PERENCANAAN TEBAL PERKERASAN KAKU ANTARA METODE AASHTO 1993 DENGAN METODE BINA MARGA 1983 TUGAS AKHIR
ANALISA PERBANDINGAN PERENCANAAN TEBAL PERKERASAN KAKU ANTARA METODE AASHTO 1993 DENGAN METODE BINA MARGA 1983 TUGAS AKHIR SEBAGAI SALAH SATU SYARAT UNTUK MENYELESAIKAN PENDIDIKAN SARJANA TEKNIK DI PROGRAM
Lebih terperinciGunawan Hadi Prasetiyo, Optimasi Penempatan Recloser pada Penyulang Mayang Area Pelayanan dan Jaringan (APJ) Jember Menggunakan Simplex Method
OPTIMASI PENEMPATAN RECLOSER PADA PENYULANG MAYANG AREA PELAYANAN DAN JARINGAN (APJ) JEMBER MENGGUNAKAN SIMPLEX METHOD (OPTIMIZATION OF RECLOSER PLACEMENT USING SIMPLEX METHOD (CASE STUDY : MAYANG S FEEDER
Lebih terperinciTENTANG UTS. Penentuan Cadangan, hal. 1
TENTANG UTS Soal 1: Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan di atas tekanan saturasi, sedangkan dalam banyak jawaban di bawah tekanan
Lebih terperinci#12 SIMULASI MONTE CARLO
#12 SIMULASI MONTE CARLO 12.1. Konsep Simulasi Metode evaluasi secara analitis sangat dimungkinkan untuk sistem dengan konfigurasi yang sederhana. Untuk sistem yang kompleks, Bridges [1974] menyarankan
Lebih terperinciIMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC COUNTS
IMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC COUNTS S U M M A R Y IMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC
Lebih terperinciDependent VS independent variable
Kuswanto-2012 !" #!! $!! %! & '% Dependent VS independent variable Indep. Var. (X) Dep. Var (Y) Regression Equation Fertilizer doses Yield y = b0 + b1x Evaporation Rain fall y = b0+b1x+b2x 2 Sum of Leave
Lebih terperincioleh YUANITA KUSUMA WARDANI M
ESTIMASI PARAMETER MODEL REGRESI PROBIT SPASIAL MENGGUNAKAN SOFTWARE R DENGAN ALGORITME GIBBS SAMPLING oleh YUANITA KUSUMA WARDANI M0111083 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinci2.5.5Kriteria UKM Kerangka Pemikiran... 25
ABSTRACT Small and Medium Enterprise (SMEs) is a type of business that many are obtain by various parties due to not require huge capital and can obtain on a variety of fields. Often times business owners
Lebih terperinciSIMULASI MONTE CARLO UNTUK MENENTUKAN ESTIMASI CADANGAN MINYAK DI LAPANGAN X
SIMULASI MONTE CARLO UNTUK MENENTUKAN ESTIMASI CADANGAN MINYAK DI LAPANGAN X Diyah Rosiani STEM Akamigas, Jl. Gajah Mada No. 38, Cepu E-mail : ani_diyah@yahoo.com ABSTRAK Estimasi cadangan yak merupakan
Lebih terperinciPENERAPAN RANCANGAN BLOK RANDOM TIDAK LENGKAP SEIMBANG TERHADAP KOMBINASI PUPUK NANOSILIKA DAN PUPUK NPK PADA PERTUMBUHAN TANAMAN JAGUNG
PENERAPAN RANCANGAN BLOK RANDOM TIDAK LENGKAP SEIMBANG TERHADAP KOMBINASI PUPUK NANOSILIKA DAN PUPUK NPK PADA PERTUMBUHAN TANAMAN JAGUNG SKRIPSI Disusun Oleh : ASISMARTA 24010210141004 JURUSAN STATISTIKA
Lebih terperinciANALISIS TEBAL LAPIS TAMBAHAN (OVERLAY) PADA PERKERASAN KAKU (RIGID PA VEMENT) DENGAN PROGRAM ELCON DAN METODE ASPHALT INSTITUTE TESIS
ANALISIS TEBAL LAPIS TAMBAHAN (OVERLAY) PADA PERKERASAN KAKU (RIGID PA VEMENT) DENGAN PROGRAM ELCON DAN METODE ASPHALT INSTITUTE (STUDI KASUS : JALAN TOL PADALARANG - CILEUNYI) TESIS Karya tulis sebagai
Lebih terperinciANALISIS VAR PADA SAHAM PERUSAHAAN PROPERTI YANG TERDAFTAR PADA INDEKS LQ45 (Metode Simulasi Monte Carlo dan Metode Pendekatan Variance-Covariance)
ISSN : 2355-9357 e-proceeding of Management : Vol.4, No.3 Desember 2017 Page 2316 ANALISIS VAR PADA SAHAM PERUSAHAAN PROPERTI YANG TERDAFTAR PADA INDEKS LQ45 (Metode Simulasi Monte Carlo dan Metode Pendekatan
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciMANAJEMEN RISIKO PROYEK
MANAJEMEN RISIKO PROYEK 1. D E F I N I S I R I S I K O 2. D E F I N I S I M A N A J E M E N R I S I K O 3. T O L E R A N S I T E R H A D A P R I S I K O 4. P R O S E S M A N A J E M E N R I S I K O 1 DEFINISI
Lebih terperinciMetode Pemulusan Eksponensial Sederhana
Metode Pemulusan Eksponensial Sederhana (Single Exponential Smoothing) KULIAH 3 METODE PERAMALAN DERET WAKTU rahmaanisa@apps.ipb.ac.id Review Untuk apa metode pemulusan (smoothing) dilakukan terhadap data
Lebih terperinciPENGUKURAN RISIKO KREDIT OBLIGASI KORPORASI DENGAN CREDIT VALUE AT RISK
PENGUKURAN RISIKO KREDIT OBLIGASI KORPORASI DENGAN CREDIT VALUE AT RISK (CVAR) DAN OPTIMALISASI PORTOFOLIO MENGGUNAKAN METODE MEAN VARIANCE EFFICIENT PORTFOLIO (MVEP) SKRIPSI Oleh : AGUS SOMANTRI J2E 009
Lebih terperinciEvaluasi Perhitungan Value at Risk dengan Simulasi Monte Carlo dan Simulasi Historis pada Tiga Bank Badan Usaha Milik Negara (BUMN)
Evaluasi Perhitungan Value at Risk dengan Simulasi Monte Carlo dan Simulasi Historis pada Tiga Bank Badan Usaha Milik Negara (BUMN) SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana
Lebih terperinciPENGGUNAAN PENDEKATAN CAPITAL ASSET PRICING MODEL DAN METODE VARIANCE-COVARIANCE DALAM PROSES MANAJEMEN PORTOFOLIO SAHAM
PENGGUNAAN PENDEKATAN CAPITAL ASSET PRICING MODEL DAN METODE VARIANCE-COVARIANCE DALAM PROSES MANAJEMEN PORTOFOLIO SAHAM (Studi Kasus: Saham-Saham Kelompok Jakarta Islamic Index) SKRIPSI Disusun Oleh :
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciPERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT
PERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT (Studi Kasus Debitur di Koperasi Jateng Amanah Mandiri Cabang Sukorejo Kendal) SKRIPSI Disusun Oleh: ABDUR ROFIQ
Lebih terperinciTESIS MAGISTER Oleh: Yasak Octavius Susilo NIM : Pembimbing :
PERBANDINGAN HASIL PENGUKURAN KEKASARAN PERMUKAAN JALAN DENGAN MENGGUNAKAN ALAT NAASRA, ROMDAS, dan MERLIN TESIS MAGISTER Oleh: Yasak Octavius Susilo NIM : 25098112 Pembimbing : Ir. Bambang Ismato S.,
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Saham Menurut Anoraga dan Parkanti [1], saham dapat didefinisikan sebagai surat berharga yang dikeluarkan perusahaan atau perseroan terbatas ke masyarakat agar sesesorang dapat
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciABSTRAK. Kata Kunci: kredit, klasifikasi, analisis diskriminan kernel
ABSTRAK Kredit merupakan aset yang paling besar yang dikelola bank dan juga merupakan kontributor yang paling dominan terhadap pendapatan bank. Namun, kegiatan menyalurkan kredit mengandung risiko yang
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Uji Hipotesis (Hypothesis Tes/ng) 1 Uji Hipotesis Model Matema/ka vs Pengukuran
Lebih terperinciOPTIMALISASI PORTOFOLIO SAHAM MENGGUNAKAN MODEL MIXTURE OF MIXTURE
OPTIMALISASI PORTOFOLIO SAHAM MENGGUNAKAN MODEL MIXTURE OF MIXTURE oleh FITRI YANA SARI NIM. M0110027 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciPemodelan Klaim Yang Melebihi Threshold Random Untuk Dua Portofolio Asuransi Yang Saling Bebas
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1289 Pemodelan Klaim Yang Melebihi Threshold Random Untuk Dua Portofolio Asuransi Yang Saling Bebas Syaifrijal Zirkon Radion Prodi
Lebih terperinciPERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE
PERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE Dhina Bangkit Kumalasari Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.Drg.Suria
Lebih terperinciAnalisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) SKRIPSI
Analisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) (Studi Kasus Model Return Saham Di BEJ) SKRIPSI Oleh: RATIH DWI ASTUTI
Lebih terperinciBAB IV SIMULASI MONTE CARLO
BAB IV SIMULASI MONTE CARLO Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai perilaku sistem fisika dan matematika. Penggunaan klasik metode ini adalah untuk mengevaluasi integral definit,
Lebih terperinciSKRIPSI. Disusun Oleh : OKTAFIANI WIDYA NINGRUM
PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM MENGGUNAKANN COPULA (Studi Kasus : Saham-Saham Perusahaan di Indonesia Periode 13 Oktober 2011-12 Oktober 2016) SKRIPSI Disusun Oleh : OKTAFIANI WIDYA NINGRUM
Lebih terperinciANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST
ANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST Irwan Sujatmiko, Susanti Linuwih, dan Dwi Atmono A.W. Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 6 Abstract. The present
Lebih terperinci: Mengestimasi Value at Risk (VaR) pada Opsi Beli Tipe Asia yang Dihitung Menggunakan Metode Importance Sampling
v Judul : Mengestimasi Value at Risk (VaR) pada Opsi Beli Tipe Asia yang Dihitung Menggunakan Metode Importance Sampling Nama : Ni Komang Ayu Artini (NIM : 1208405036) Pembimbing : 1. Ir. Komang Dharmawan,
Lebih terperinciRANGKUMAN MATERI KULIAH TEORI PORTOFOLIO DAN ANALISIS INVESTASI BAB 9: RETURN DAN RESIKO PORTOFOLIO
1.1 PENDAHULUAN RANGKUMAN MATERI KULIAH TEORI PORTOFOLIO DAN ANALISIS INVESTASI BAB 9: RETURN DAN RESIKO PORTOFOLIO Mengukur return dan resiko untuk sekuritas tunggal memang penting, tetapi bagi manajer
Lebih terperinciKata kunci : citra, pendeteksian warna kulit, YCbCr, look up table
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr Elrica Pranata / 0422002 Email : cha_nyo2@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha Jalan Prof. Suria Sumantri
Lebih terperinciMETODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES
METODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES SKRIPSI Disusun oleh : MUTIARA ARDIN RIFKIANI 24010211140102 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN. investasi yang telah dilakukan. Dalam berinvestasi jika investor mengharapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis, hampir semua investasi mengandung ketidakpastian atau resiko. Investor tidak mengetahui dengan pasti hasil yang akan diperolehnya dari investasi
Lebih terperinciTESIS YOGYAKARTA NPM
TESIS OPTIMASI WAKTU DAN BIAYA PADAA PELAKSANAANN PROYEK HOTEL HORISON ULTIMA RISS YOGYAKARTA Disusun Oleh : I DEWA GEDE MAS JAYA KESUMA NPM : 115101738 / MTS PROGRAM STUDI MAGISTER TEKNIK SIPIL UNIVERSITASS
Lebih terperinciESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI
ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciRENCANA BIAYA PELAKSANAAN (RBP) YANG PALING MUNGKIN PADA PROYEK KONSTRUKSI DENGAN BANTUAN
1 RENCANA BIAYA PELAKSANAAN (RBP) YANG PALING MUNGKIN PADA PROYEK KONSTRUKSI DENGAN BANTUAN PROGRAM @RISK I Ketut Nudja S. 1) 1) Dosen Jurusan Teknik Sipil Fakultas Teknik Universitas Warmadewa ABSTRAK
Lebih terperinciISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6782
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6782 PERHITUNGAN VALUE-AT-RISK UNTUK PORTOFOLIO SAHAM DENGAN METODE VARIAN - KOVARIAN DAN SIMULASI MONTE CARLO Firdaus Maringga
Lebih terperinciANALISIS TAHAN HIDUP DATA TERSENSOR TIPE II MENGGUNAKAN MODEL DISTRIBUSI WEIBULL PADA PENDERITA HEPATITIS C
ANALISIS TAHAN HIDUP DATA TERSENSOR TIPE II MENGGUNAKAN MODEL DISTRIBUSI WEIBULL PADA PENDERITA HEPATITIS C oleh BUDI SANTOSO M0110013 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciESTIMASI PENGUNJUNG MENGGUNAKAN SIMULASI MONTE CARLO PADA WARUNG INTERNET XYZ
ESTIMASI PENGUNJUNG MENGGUNAKAN SIMULASI MONTE CARLO PADA WARUNG INTERNET XYZ M. Haviz Irfani 1), Dafid 2) 1), 2) Program Studi Sistem Informasi STMIK Global Informatika MDP 1), 2) Jalan Rajawali No. 14
Lebih terperinciBAB I PENDAHULUAN Gambaran Umum Objek Penelitian
BAB I PENDAHULUAN 1.1. Gambaran Umum Objek Penelitian Berdasarkan kriteria yang dibutuhkan pada penelitian ini, emiten-emiten yang akan digunakan sebagai objek penelitian adalah Return saham Bank BNI,
Lebih terperinciADLN Perpustakaan Universitas Airlangga
PERBANDINGAN METODE GENERALIZED CROSS VALIDATION DAN GENERALIZED MAXIMUM LIKELIHOOD DALAM REGRESI NONPARAMETRIK SPLINE UNTUK MEMPERKIRAKAN JUMLAH LEUKOSIT PADA TERSANGKA FLU BURUNG DI JAWA TIMUR RINGKASAN
Lebih terperinciBAB 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 terperinciFUSI CITRA BERBASIS COMPRESSIVE SENSING
ABSTRAK FUSI CITRA BERBASIS COMPRESSIVE SENSING Disusun oleh : Kristian Hernowo (1022022) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri, MPH. No.
Lebih terperinciThe Influence of Non Financial Information Variable on Underpricing At Public Listing Companies in Indonesia Stock Exchange in
The Influence of Non Financial Information Variable on Underpricing At Public Listing Companies in Indonesia Stock Exchange in 2005-2007. By Hendrik Supriaji ABSTRACT The aim of this research is to know
Lebih terperinciMODEL EPIDEMI STOKASTIK SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)
MODEL EPIDEMI STOKASTIK SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) oleh SILVIA KRISTANTI M0109060 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis dan investasi ada tiga hal yang perlu diperhatikan oleh investor yaitu modal, objektif dan risiko. Hal yang sering menjadi pusat perhatian investor
Lebih terperinci