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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 BAB II LANDASAN TEORI Pada bab ii aka dibahas beberapa teori dasar yag diperluka pada bab bab selajutya, diataraya defiisi Persamaa Diferesial Stokastik, proses Wieer, itegral stokastik, order strog covergece da order weak covergece, ekspasi stokastik Taylor yag terdiri dari skema Euler Maruyama, skema Milstei, beserta skema Taylor dega order strog covergece,5, da pada akhir bab ii, aka dibahas megeai model pergeraka harga saham yag terdiri dari model pergeraka harga saham tapa pembayara divide, model pergeraka harga saham yag dipegaruhi pembayara divide, beserta estimasi parameter yag diperluka dalam model.. STOCHASTIC DIFFERENTIAL EQUATION / PERSAMAAN DIFERENSIAL STOKASTIK Berdasarka [5], sebuah PDS memiliki betuk sebagai berikut: dx ( t) f ( X ( t)) dt g( X ( t)) dw ( t), X(0) X0, 0 t T. () Suatu Kajia..., Poetri Moalia, FMIPA UI, 008 6

2 7 Pada betuk PDS (), f X t merupaka suku determiistik yag serig kali disebut sebagai koefisie drift sedagka g X t merupaka suku stokastik yag serig kali disebut sebagai koefisie diffusio dega X 0 = X(0) adalah ilai awal, W(t) merupaka sebuah proses Wieer yag memiliki karakteristik tertetu yag aka dibahas pada subbab berikutya. Berdasarka [4], koefisie drift memodelka kecederuga domia pada grafik solusi suatu PDS atau sebagai peetu arah dari solusi suatu PDS, koefisie diffusio merepresetasika fluktuasi dari kurva, sedagka proses Wieer merepresetasika oise / gaggua pada sistem. Berdasarka [3], PDS () bersifat owhere differetiable, yag artiya X t h X t lim h 0 ( ) ( ) h tidak ada utuk setiap t 0, T itegral sebagai berikut :, da berdasarka [5] memiliki solusi dalam betuk 0 t, 0 t T X t X f X s ds g X s dw s 0 0 t. () Solusi X t = X(t) dapat direpresetasika sebagai sample path / litasa. Betuk itegral dari suku stokastik pada (), hayalah dapat diselesaika megguaka itegral stokastik atas suatu proses Wieer. Pada subbab berikutya, aka dibahas beberapa karakteristik dari suatu proses Wieer atau yag disebut juga dega gerak Brow. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

3 8. PROSES WIENER Proses Wieer atau gerak Brow, yag merupaka geraka partikel yag tidak beratura, pertama kali ditemuka pada tahu 88 oleh R. Brow []. Gerak Brow ii sagat bergua dalam memodelka pergeraka harga saham. Berdasarka [5], proses Wieer pada [0,T] adalah variabel radom W(t) yag bergatug secara kotiu pada t 0, T berikut :. W(0) = 0. Utuk 0 s t T, W ( t) W ( s) t sn(0,) da memeuhi ke-3 sifat 3. Utuk 0 s t T da 0 u v T, W ( t) W ( s) da W( v) W( u) salig bebas. Utuk kebutuha komputasi, W(t) terdefiisi secara diskrit pada tiap t. W j dapat dibagu dega megguaka sebuah geerator ilai radom. Selajutya t=t/n utuk ilai N positif. N merupaka bayakya titik diskritisasi yag diigika pada iterval [0,T]. W j melambagka W(t j ) dimaa t j ialah j. t. Kodisi mejelaska bahwa W 0 = 0, sedagka kodisi da 3 mejelaska bahwa dw j adalah variabel radom yag idepede da berdistribusi tn0,, dega W W dw, j,,... N. (3) j j j Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

4 9 Dega megetahui karakteristik dari suatu proses Wieer, pada subbab berikutya aka dibahas jeis-jeis itegral stokastik utuk meyelesaika suatu Persamaa Diferesial Stokastik..3 INTEGRAL STOKASTIK T 0 Jika diberika sebuah fugsi g x t, maka berdasarka [5], itegral g x t dt dapat diaproksimasi dega megguaka jumlah Riema sebagai berikut dega t j N j0 j j j g x t t t, (4) j t merupaka titik titik diskritisasi. Nilai dari T 0 g x t dt dapat didefiisika sebagai limit t 0 dari jumlah Riema pada (4) di atas. Secara aalog, itegral T 0 dw t g x t juga dapat diaproksimasi dega megguaka jumlah Riema sebagai berikut N j0 j j j g x t W t W t, (5) Pada kasus ii, fugsi g x t diitegralka atas sebuah proses Wieer. Ekspresi (4) juga dapat direpresetasika sebagai Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

5 0 j xt j j j N x t g t t, (6) j0 yag juga merupaka jumlah Riema utuk aproksimasi ilai itegral T 0 g x t dt. Secara aalog, itegral g x t j T 0 dw () t juga dapat diaproksimasi dega megguaka jumlah Riema sebagai berikut j xt j N x t g W t j W t j. (7) j0 Sebagai catata, jumlah Riema stokastik pada (5) da (7) aka memberika ilai yag berbeda. Berdasarka [5] perbedaa ilai tersebut tidak aka berkurag walaupu utuk ilai t yag kecil sekalipu. Hal ii merupaka salah satu ciri yag membedaka jumlah Riema utuk fugsi determiistik dega jumlah Riema utuk fugsi stokastik. Dalam perkataa lai hal ii memberika karakter yag berbeda atara itegral determiistik dega itegral stokastik. Seperti yag telah dijelaska sebelumya, bahwa terdapat (dua) buah alteratif mecari aproksimasi dari sebuah itegral stokastik, yaitu dega megguaka limit t 0dari jumlah Riema stokastik pada (5) atau dega megguaka limit t 0dari jumlah Riema stokastik pada (7). (dua) buah alteratif ii, dibedaka berdasarka bagaimaa jumlah Riema stokastik ii dibetuk. Jumlah Riema stokastik left-had seperti Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

6 pada ekspresi (5) diguaka dalam megaproksimasi Itegral Îto, sedagka jumlah Riema stokastik midpoit seperti pada ekspresi (7) diguaka dalam megaproksimasi Itegral Stratoovich. Pembahasa lebih lajut megeai (dua) jeis itegral ii dapat dilihat di [8]. Itegral stokastik ii diguaka dalam peetua metode umerik utuk meyelesaika PDS. Salah satu kriteria yag diperhatika pada metode umerik adalah masalah order kovergesi. Pada subbab berikut aka dibahas order kovergesi dari metode umerik..4 ORDER STRONG CONVERGENCE DAN WEAK CONVERGENCE Order kovergesi dari suatu metode umerik yag diguaka utuk meyelesaika suatu masalah PDS mejadi salah satu peetu apakah metode tersebut layak diguaka. Berikut diberika defiisi dari (dua) buah jeis order kovergesi, yaitu Strog Covergece da Weak Covergece berdasarka [3].. Defiisi Strog Covergece Suatu metode aka dikataka memiliki strog covergece order γ jika terdapat C sedemikia sehigga X t j X j C t. Dimaa Xt j adalah solusi umerik da X j adalah solusi eksplisit pada titik diskritisasi ke-j dari sebuah Persamaa Diferesial Stokastik. Berdasarka subbab., Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

7 solusi umerik maupu solusi eksplisit ii merupaka suatu sample path / litasa.. Defiisi Weak Covergece Suatu metode aka dikataka memiliki weak covergece order β jika terdapat C sedemikia sehigga j Xt j adalah solusi umerik da X j j p X t p X C t. Dimaa adalah solusi eksplisit pada titik diskritisasi ke-j dari sebuah Persamaa Diferesial Stokastik. Secara umum dapat dijelaska bahwa defiisi strog covergece ditujuka utuk melihat kovergesi dari sebuah litasa, sedagka defiisi weak covergece ditujuka utuk melihat kovergesi dari rata rata litasa.. Berdasarka [6] diperluka metode umerik dega tigkat kovergesi yag lebih tiggi utuk medapatka hasil aproksimasi solusi yag lebih baik. Utuk medapatka metode umerik dega tigkat kovergesi yag lebih tiggi, dibutuhka ekspasi stokastik Taylor yag aka dijelaska pada subbab berikut ii..5 EKSPANSI STOKASTIK TAYLOR Ekspasi Stokastik Taylor dari solusi sebuah PDS pada X 0 dapat dijabarka sebagai berikut [5] : Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

8 3 T T T t x x f ( x ) dt g( x ) dw g( x ) g '( x ) dw dw R. (8) t t 0 0 s t Dega megguaka defiisi dari Itegral Stokastik Îto pada subbab.3, betuk itegral stokastik pada (8) dapat diubah mejadi da T 0 dw W t W t W, t j j j0 T t T dw dw W dw W W t W t s t t j j j0 W t W t W t W t W t j0 j j j j j W t W t W t j j j j0 dega betuk W t j W t j j0 berdasarka [5] memiliki ilai ekspektasi t, maka dapat disimpulka T t dw dw s t W t. 00 Sehigga persamaa (8) dapat diyataka secara iteratif mejadi persamaa (9) di bawah ii x x f x t g x W g x g ' x W t R. (9) Dega perkataa lai, persamaa (9) juga merupaka solusi sebuah PDS yag disebut dega solusi iteratif, dimaa t 0, T da R adalah suku sisa., Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

9 4 Selajutya, ekspasi stokastik Taylor ii diguaka sebagai metode umerik dalam peyelesaia suatu Persamaa Diferesial Stokastik. Pada subbab berikut ii, aka dibahas beberapa cotoh dari metode umerik yag dituruka berdasarka ekspasi stokastik Taylor utuk meyelesaika PDS dega order strog covergece 0,5,, da,5..5. Skema Euler-Maruyama Dega megguaka 3 (tiga) buah suku pertama pada ekspasi stokastik Taylor (8), yaitu T T x x f ( x ) dt g( x ) dw t t, (0) 0 0 maka aka didapat skema Euler-Maruyama (955) yag memiliki order strog covergece 0,5 [5]. Skema Euler-Maruyama memiliki betuk sebagai berikut : x x f ( x ) t g( x ) W, () dega 0,,..., N, ilai awal X 0, da perubaha proses Wieer W W W. W adalah sebuah variabel radom berdistribusi Gaussia dega rataa ol da variasi. Skema Euler Maruyama merupaka represetasi dari skema Taylor dega order strog covergece 0,5. Pembahasa lebih dalam megeai skema ii dapat dilihat pada [9]. Pada Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

10 5 subbab berikut aka dibahas Skema Milstei yag merupaka represetasi dari skema Taylor dega strog order kovergesi..5. Skema Milstei Dega meambahka satu buah suku pada (0) dari ekspasi stokastik Taylor (8), sehigga didapat T T T t x x f ( x ) dt g( x ) dw g( x ) g '( x ) dw dw, () t t 0 0 s t maka aka didapat skema Millstei (974) yag memiliki order strog covergece [5]. Skema Millstei memiliki betuk sebagai berikut : x x f x t g x W g x g ' x W t. (3) Pembahasa lebih dalam megeai skema ii dapat dilihat pada [9]. Seperti yag telah dibahas sebelumya, diperluka metode umerik dega tigkat kovergesi yag lebih tiggi utuk medapatka hasil aproksimasi solusi yag lebih baik. Maka dari itu, pada subbab berikutya aka dibahas skema Taylor dega order strog covergece,5. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

11 6.5.3 Skema Taylor dega Order Strog Covergece.5 Berikut adalah sebuah skema stokastik Taylor dega order,5 yag dapat diguaka utuk meyelesaika suatu PDS Îto [8]., 0, Gg xt I t,, t Fg xt I 0, t, t Gf xt I t, t G gxt I t, t R t, h x t x t g x t I t t f x t I t t,0,,, (4) dega F da G merupaka operator differesial yag didefiisika pada [8] sebagai berikut d d j j k x xx j x j j, k x jxk, (5), F f g g f g g G g g d j. (6) x j x j Pada skema stokastik Taylor di atas, ditetapka bahwa t = h dimaa h = Δt da ilai itegral itegral dega tipe I( j, j,..., j )( t, ) m t dapat dihitug sebagai berikut I ( t, t ) W, I ( t, t ) h, () (0) I(,) ( t, t ) W h, I ( t, t ) W h I ( t, t ), (0,) (,0) I t t W W h 6 3 (,,) (, ) 3, (7) dega W sebagai perubaha dari proses Wieer dimesi satu yag merupaka simulasi dari ilai sampel dari ilai radom yag berdistribusi Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

12 7 ormal atau dega kata lai jika N 0,, maka W = h. Berdasarka [8], itegral I(0,) ( t, t ) da I(,0) ( t, t ) ditetapka sebagai berikut h I(0,) ( t, t ) W W, 3 h I(,0) ( t, t ) W W, 3 (8) dimaa W = h, N 0,, da ilai radom da salig bebas. Maka, dega mesubstitusi (7) da (8) ke persamaa (4), skema ekspasi Taylor dega order,5 dapat dijabarka sebagai berikut x t x t g x t W f x t h Gg x t W Fg xt Gf xt h h Gf xt Fg xt W 3 W 3W h 6 3 G g x t R t h, W h Skema Taylor tersebut memiliki suku sisa R da suku suku yag. (9) merupaka perubaha dari (dua) buah proses Wieer, da W. W Dega megguaka defiisi dari F da G sebagai operator differesial pada (5) da (6), maka akhirya didapat pejabara dari Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

13 8 skema Taylor (9) sebagai berikut W h xt xt g x t W f x t h g g x t x W g f xt g g, g x t f g x t x xx x h.(0) h f g xt g f x t g g, g x t x x xx W 3 3 W 3Wh g g, g xt gx g x g x t R t, h xx 6 Dapat disimpulka dega membadigka skema Taylor 0,5,, da,5 pada persamaa (), (3) da (0), dega meaikka order strog covergece dari metode umerik, dibutuhka turua tigkat yag semaki tiggi yag meyebabka kompleksitas perhituga bertambah, hal ii sesuai dega peryataa pada []. Maka dari itu diperluka suatu alteratif metode umerik utuk meyelesaika Persamaa Diferesial Stokastik dega order kovergesi yag tiggi tapa memerluka turua tigkat tiggi. Pada lagkah selajutya, metode metode umerik ii aka diimplemetasika pada suatu model pergeraka harga saham yag dimodelka dalam betuk Persamaa Diferesial Stokastik. Pada subbab berikut ii, aka dibahas model harga saham yag dimaksud..6 MODEL PERGERAKAN HARGA SAHAM Pada subbab ii aka dibahas bagaimaa permodela dari harga saham dapat dibetuk dalam Persamaa Diferesial Stokastik [7]. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

14 9 Berdasarka [6], dalam duia fiasial, terdapat (dua) buah jeis saham, diataraya adalah commo stock da preferred stock. Pada dasarya setiap pemegag saham aka medapatka suatu imbal hasil berdasarka besarya saham yag dimilikiya. Pemegag saham berjeis commo stock memiliki hak suara pada pegambila keputusa suatu rapat pemegag saham yag aka mempegaruhi perusahaa tersebut. Sedagka pemegag saham berjeis preferred stock tidak memiliki hak suara dalam pegambila keputusa, melaika pemegag saham bertipe ii aka medapatka suatu pembayara divide dega tigkat tertetu, sebelum divide perusahaa dibagika ke pemegag saham laiya. Pemegag saham terbesar aka diutamaka dalam hal pegambila suara ataupu pembagia divide. Pergeraka harga saham dipegaruhi oleh besar kecilya permitaa da peawara. Sama halya dega pergeraka harga pasar suatu komoditas, harga saham sebadig dega permitaa da berbadig terbalik dega peawara. Maka dari itu, dalam duia fiasial pemodela harga saham memiliki peraa petig yag dapat diguaka utuk memprediksi harga saham di kemudia hari. Karakteristik ilai harga saham yag berubah ubah terhadap waktu dega pola yag tidak terduga, meyebabka pergeraka harga saham biasa dimodelka sebagai proses stokastik, atara lai dalam suatu betuk Persamaa Diferesial Stokastik. Betuk umum dari Persamaa Diferesial Stokastik telah dijelaska pada subbab.. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

15 0 Selajutya proses Wieer / gerak Brow pada subbab. aka diguaka dalam model pergeraka harga saham yag aka dijelaska pada subbab berikut..6. Model Pergeraka Harga Saham Tapa Pembayara Divide Seperti yag telah dijelaska sebelumya bahwa seorag ivestor yag memiliki saham pada suatu perusahaa, aka medapatka suatu imbal hasil. Misalka S adalah harga saham pada saat t dimaa merupaka ekspektasi tigkat imbal hasil saham per satua waktu, maka besar imbal hasil yag diharapka dari harga saham S adalah sebesar S. Oleh karea itu, utuk selag waktu t yag cukup kecil, ekpektasi perubaha harga saham S adalah S t. Atau dega perkataa lai model pergeraka harga saham adalah Utuk t medekati 0, persamaa () mejadi S St. () ds Sdt atau ds dt. () S Persamaa () dapat dicari solusiya dega megitegrasika atas t pada iterval [0,T], yaitu ST T S0e, (3) Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

16 dega S 0 adalah harga saham pada saat 0 da S T adalah harga saham pada saat T. Persamaa (3) meujukka bahwa harga saham meigkat secara kotiu. Pada keadaa yag sebearya, pergeraka harga saham juga dipegaruhi oleh suatu volatilitas yag meggambarka ketidakpastia imbal hasil yag diberika. Utuk selag waktu t yag cukup kecil, diasumsika perubaha tigkat imbal hasil adalah sama da tidak bergatug pada harga saham saat itu. Oleh karea itu, dapat diasumsika bahwa stadar deviasi perubaha harga saham pada selag waktu t sebadig dega harga saham. Maka model pergeraka harga saham pada () dega sebuah tigkat volatilitas dapat direpresetasika sebagai ds Sdt SdW atau ds dt dw, (4) S dega merupaka ekspektasi tigkat imbal hasil saham per satua waktu, merupaka tigkat volatilitas, S adalah harga saham pada saat t, da W adalah proses Wieer (defiisi pada subbab.). Megguaka lemma Îto [6], dari persamaa (4) juga aka diperoleh d l S dt dw. Lemma Îto [6] juga aka diguaka pada perhituga solusi eksplisit dari sebuah model Persamaa Diferesial Stokastik. Dega demikia perubaha Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

17 l(s) atara saat t = 0 da saat medatag t = T, berdistribusi ormal dega mea T da variasi T. Dega kata lai l ST l S0 N T, T, (5) da l ST N l S0 T, T, dega S T adalah harga saham pada saat medatag t = T, da S 0 adalah harga saham pada saat t=0. Sifat persamaa (5) aka diguaka pada estimasi volatilitas harga saham. Setelah didapatka model pergeraka harga saham (4) yag merupaka Persamaa Diferesial Stokastik, selajutya aka dibahas tetag pegaruh pembayara divide terhadap model pergeraka harga saham tersebut..6. Model Pergeraka Harga Saham yag Dipegaruhi Pembayara Divide Pada subbab ii aka dibahas megeai pegaruh pembayara divide terhadap model pergeraka harga saham. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

18 3 Seperti yag telah dijelaska pada subbab (.6) bahwa pemegag saham aka meerima divide. Divide adalah pembayara oleh perusahaa kepada para pemegag saham. Ketika sebuah perusahaa medapatka keutuga atau surplus, uag tersebut dapat diguaka dega (dua) cara, diataraya dapat diivestasika kembali (retaied earigs) atau dapat dibagika kepada para pemegag saham (divide). Pada saat dimaa pemegag saham aka dicatumka sebagai peerima divide (waktu tersebut dikeal dega istillah recordig date), para calo ivestor biasaya aka membeli saham perusahaa tersebut dega harapa mereka aka medapatka keutuga dari pembayara divide. Kodisi ii megakibatka aikya permitaa atas saham tersebut. Namu ivestor pemegag saham tidak bayak yag melepas sahamya karea juga megigika divide, sehigga peawara sedikit da harga saham aka aik. Sesaat setelah masa recordig date berakhir, dikeal dega masa ex-divided date, harga saham aka kembali turu sebesar divide yag dibayarka. Utuk pemabahasa lebih lajut, terdapat pada []. Diasumsika bahwa pembayara divide diberika secara ruti dega tigkat divide tetap sebesar D. Karea harga saham aka turu sebesar divide yag dibayarka, maka model pergeraka harga saham pada persamaa (4) mejadi ds Sdt DSdt SdW. (6) Karea S da W adalah fugsi dari t, maka (6) dapat ditulis sebagai berikut Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

19 4 ds( t) ( D) S( t) dt S( t) dw ( t). (7) Pada skripsi ii, diasumsika ivestor bersifat risk eutral. Seorag ivestor sebelum melakuka ivestasi, aka memperhatika (dua) hal, diataraya tigkat imbal hasil da resiko. Dalam kodisi dimaa ivestor diasumsika risk eutral, yaitu ivestor haya melihat ivestasi sebatas ekspektasi tigkat imbal hasilya. Persamaa (7) merepresetasika proses pergeraka harga saham dega satu faktor stokastik yaitu volatilitas harga saham. Persamaa ii aka diguaka utuk mesimulasika litasa harga saham pada berbagai metode umerik yag aka dibahas pada bab III. Dimaa S adalah harga saham pada saat t, merupaka ekspektasi tigkat imbal hasil saham per satua waktu, D adalah tigkat divide (divided yield), σ adalah volatilitas harga saham, da W adalah proses Wieer. Parameter parameter pada persamaa (7) haruslah terlebih dahulu diketahui. Oleh karea itu, pada subbab berikut aka dijelaska bagaimaa megestimasi parameter yag diguaka pada persamaa (7)..6.3 Estimasi Parameter Pada subbab ii aka dijelaska bagaimaa megestimasi parameter yag dibutuhka persamaa (7), yaitu ekspektasi tigkat imbal hasil saham Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

20 5 per satua waktu, tigkat hasil divide (divided yield) D, da volatilitas harga saham. Tigkat imbal hasil atau retur dalam setahu, didapat dega mejumlahka daily retur selama setahu. Berdasarka [6], daily retur u i S i l, dimaa S i adalah harga saham pada akhir iterval ke-i, utuk i Si =,, 3,,. Sehigga ilai imbal hasil dalam setahu ialah. (8) u i Selajutya aka dicari parameter kedua, yaitu tigkat hasil divide. Tigkat hasil divide atau disebut juga divided yield pada harga saham suatu perusahaa adalah rasio dari pembayara divide selama satu tahu dega harga saham saat ii. Tigkat hasil divide D serig direpresetasika dalam betuk perse. Misalka sebuah perusahaa membagika divide sebayak kali yag besarya d, d,, d pada taggal yag berlaia dalam jagka waktu satu tahu da misalka pula harga saham saat ii adalah S. Maka berdasarka [6], tigkat hasil devide adalah D d d d S..., (9) Pada kasus dimaa perusahaa tidak membagika divide selama satu tahu, maka D = 0. Selajutya aka dijelaska bagaimaa megestimasi ilai volatilitas harga saham. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

21 6 Seperti yag telah dijelaska pada subbab.6., bahwa volatilitas harga saham megukur ketidakpastia imbal hasil yag diberika. Oleh karea itu volatilitas dapat diukur dega stadar deviasi dari imbal hasil yag diberika selama jagka waktu tertetu [6]. Utuk megestimasi secara empiris, harga saham diamati dalam iterval waktu yag tetap, misalya setiap hari, setiap miggu atau setiap bula. Misalka + = jumlah pegamata, S i = harga saham pada akhir iterval ke-i (i=0,,,, ), = pajag iterval waktu dalam setahu. Misalka juga S u l l S l S i i i i Si utuk i =,,,. (30a) Dapat dilihat di [6], besar estimasi stadar deviasi s dari u i ialah s u i u, (30b) i dega u adalah mea dari u i. Dari persamaa (5), stadar deviasi dari u i adalah. Sehigga s dapat megestimasi, atau s t. Dari sii dapat diperoleh bahwa volatilitas dapat diestimasika oleh ˆ dega s ˆ. (30c) Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

22 7 Misalka bayakya hari trasaksi harga saham sebayak T hari, maka pajag iterval waktu dalam setahu adalah volatilitas σ dapat diyataka sebagai T. Sehigga estimasi ˆ s s T. (30d) T Dega estimasi parameter parameter yag didapat, maka model pergeraka harga saham pada (7) dapat diguaka. Selajutya aka dicari solusi eksplisit dari PDS (7), dega megguaka lemma Îto [6], sebagai berikut : Misalka ilai dari variabel x merupaka proses Îto berikut ii,, ds a S t dt b S t dw, lemma Îto meujukka bahwa sebuah sembarag fugsi G, yag merupaka fugsi dari S da t, berlaku pula proses berikut : G G G G dg a b dt bdw. (3) S t S S Dega megguaka lemma Îto, persamaa (7) yaitu ds( t) ( D) S( t) dt S( t) dw ( t), aka didapat G G G G dg D S S dt SdW S t S S. (3) Dega megambil fugsi G l S, sehigga Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

23 8 G G G ; ; da 0, (33) S S S S t da dega mesubstitusika (33) ke (3) didapat l 0 d S D S S dt SdW S S S, atau d l S( t) D dt dw ( t), maka ls t dt l S t D dt dw ( t). Dega megekspoesialka kedua ruas maka didapat sehigga exp l S t dt ls t exp D dt dw ( t), S t exp D dt dw ( t). dt S t Dega memidahka atau St ke ruas kaa, maka didapat S t dt S texp D dt dw ( t), Si Si exp D dt dwi, i = 0,,..., -. (34a) Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

24 9 Persamaa (34a) ii diguaka utuk membetuk litasa harga saham S. Persamaa ii juga disebut sebagai solusi eksplisit dalam betuk iteratif dari persamaa diferetial stokastik (7) pada implemetasi di Bab IV. Solusi eksplisit (34a) dapat dijabarka secara iteratif sebagai berikut : Dari (34a), Si Si exp D dt dwi, i = 0,,..., -, maka dapat disimpulka pula S S exp D dt dw i i i, sehigga dega mesubstitusika S i ke persamaa (34a), maka didapatka Si Si exp D dt dwi exp D dt dwi. (34b) Sedagka berdasarka (34a), Si dapat dijabarka sebagai berikut : S S exp D dt dw i i i, Sehigga dega mesubstitusika Si ke persamaa (34b), maka diperoleh Si Si exp D dt dwi exp D dt dwi exp D dt dwi. Dega megalika betuk ekspoesial dari persamaa ii, maka didapat S S exp D 3dt dw dw dw i i i i i. Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

25 30 Jika proses iteratif ii diteruska, maka aka didapat persamaa sebagai berikut : S S exp D. dt dw dw... dw dw dw i 0 0 i i i dega. dt 0 i t da ilai dari dw W t W t, sehigga i, (34c) W 0 0 dw dw... dw dw W t W t W t W t... W W 0 i W t W t W t Dega mesubstitusi ilai. dt da dw0 dw... dwi dwi ke persamaa (34c), maka aka diperoleh solusi eksplisit dari PDS pada (7) dalam betuk lai sebagai berikut : S( t) S0 exp D t W ( t). Suatu Kajia..., Poetri Moalia, FMIPA UI, 008

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

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

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

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab IV. Penderetan Fungsi Kompleks Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih terperinci

MATERI 14 EVALUASI KINERJA PORTOFOLIO

MATERI 14 EVALUASI KINERJA PORTOFOLIO MATERI 14 EVALUASI KINERJA PORTOFOLIO KERANGKA PIKIR EVALUASI KINERjA PORTOFOLIO (EKP) MENGUKUR TINGKAT RETURN PORTOFOLIO RISK-ADJUSTED PERFORMANCE - INDEKS SHARPE - INDEKS TREYNOR - INDEKS JENSEN dede08m.com

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

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

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

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

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

Lebih terperinci

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL BAB III PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP PADA GENERAL LINEAR MIXED MODEL Pada Bab III ii aka dibahas megeai taksira parameter pada Geeral Liear Mixed Model berdasarka asumsi

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

Bab 8 Teknik Pengintegralan

Bab 8 Teknik Pengintegralan Catata Kuliah MA3 Kalkulus Elemeter II Oki Neswa,Ph.D., Departeme Matematika-ITB Bab 8 Tekik Pegitegrala Metoda Substitusi Itegral Fugsi Trigoometrik Substitusi Merasioalka Itegral Parsial Itegral Fugsi

Lebih terperinci

BARISAN TAK HINGGA DAN DERET TAK HINGGA

BARISAN TAK HINGGA DAN DERET TAK HINGGA BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

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

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

Lebih terperinci

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga BAB V. INTEGRAL 5.. Ati Turua (Itegral Tak-tetu) Defiisi: F suatu ati-turua f pada selag I jika da haya jika D F() = f() pada I, yaki F () = f() utuk semua dalam I. (Jika suatu titik ujug I, F () haya

Lebih terperinci

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian TEORI ANTRIAN Teori atria merupaka studi matematis megeai atria atau waitig lies yag di dalamya disediaka beberapa alteratif model matematika yag dapat diguaka utuk meetuka beberapa karakteristik da optimasi

Lebih terperinci

METODE SIMPSON TERMODIFIKASI UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA LINEAR JENIS KEDUA. Jonas Lodewyk H 1, Zulkarnain 2 ABSTRACT

METODE SIMPSON TERMODIFIKASI UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA LINEAR JENIS KEDUA. Jonas Lodewyk H 1, Zulkarnain 2 ABSTRACT METODE SIMPSON TERMODIFIKASI UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL VOLTERRA LINEAR JENIS KEDUA Joas Lodewyk H 1, Zulkarai 1 Mahasiswa Program Studi S1 Matematika Dose Jurusa Matematika Fakultas Matematika

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

CATATAN KULIAH #12&13 Bunga Majemuk

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

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang BAB II LANDASAN TEORI A. Maajeme Keuaga Keuaga terdiri dari tiga bidag yag salig berhubuga: (1) pasar uag da pasar modal, berkaita dega pasar sekuritas da lembaga keuaga; () ivestasi, yag memfokuska pada

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

Solusi Numerik Persamaan Transport

Solusi Numerik Persamaan Transport Solusi Numerik Persamaa Trasport M. Jamhuri December 16, 2013 Diberika persamaa Trasport u t + 2u x = 0 1) Diberika persamaa Trasport u t + 2u x = 0 1) Diskretka persamaa trasport 1) dega megguaka persamaa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1 BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

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

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

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

MATERI 12 ANALISIS PERUSAHAAN

MATERI 12 ANALISIS PERUSAHAAN MATERI 12 ANALISIS PERUSAHAAN EPS DAN INFORMASI LAPORAN KEUANGAN KELEMAHAN PELAPORAN EPS DALAM LAPORAN KEUANGAN ANALISIS RASIO PROFITABILITAS PERUSAHAAN EARNING PER SHARE (EPS) PRICE EARNING RATIO (PER)

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Pegukura kierja keuaga perusahaa pada dasarya dilaksaaka karea igi megetahui tigkat profitabilitas (keutuga) da tigkat resiko atau tigkat kesehata suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

BARISAN FIBONACCI DAN BILANGAN PHI

BARISAN FIBONACCI DAN BILANGAN PHI BARISAN FIBONACCI DAN BILANGAN PHI Fiboacci Matematikawa terbesar pada abad pertegaha adalah Leoardo dari Pisa, Italia (80 0). Ia lebih dikeal dega ama Fibo-acci. Artiya, aak Boaccio. Meara Pisa yag terkeal

Lebih terperinci

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar BAB III BARISAN DAN DERET Tujua Pembelajara Setelah mempelajari materi bab ii, Ada diharapka dapat:. meetuka suku ke- barisa da jumlah suku deret aritmetika da geometri,. meracag model matematika dari

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

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

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

Lebih terperinci

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP ( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

kesimpulan yang didapat.

kesimpulan yang didapat. Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka

Lebih terperinci