BAB II LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI"

Transkripsi

1 BAB II LANDASAN EORI. ijaua Puaka Daa ruu waku adalah daa yag dikumpulka meuru urua waku dalam uau reag waku ereu (Roadi, 006). Secara umum aalii ruu waku mempuyai ujua uuk pemodela da peramala. Pemodela berujua medapaka uau model aiik yag cocok dalam merepreeaika perilaku jagka pajag uau daa ruu waku. Peramala berkaia dega pembeuka model da meode yag dapa diguaka uuk meghailka uau ramala yag akura (Suharoo, 007). Daa fiaial yag merupaka daa ruu waku, erig mempuyai keadaa leverage effec ehigga dibuuhka model yag dapa meagkap gejala heerokedaiia da keaimeria ii. Model aimeri yag cocok diaaraya adalah model ARCH da EGARCH. Pemodela megguaka ARCH da EGARCH memerluka beberapa eori diaaraya uji akar ui, reur, fugi ACF da PACF, uji auokorelai eror, uji efek heerokedaiia da keaimeria... Uji Akar Ui Keaioera daa dapa diidikaika megguaka uji akar ui. Hipoei dalam uji erebu dalam ay (00) diulika ebagai H 0 : η = (daa mempuyai akar ui) H : η < (daa idak mempuyai akar ui). Saiik uji merupaka raio dari koefiie eimai dikuragi dega adar deviaiya. Augmaed Dickey-Fuller (ADF) aau raio dirumuka ebagai ADF = η ς(η) = = Z Z Z = = (Z ηz ) (.) dega Z 0 = 0, adalah ukura ampel da Z adalah daa pegamaa ke. H 0 diolak keika raio > α,( ). 4

2 .. Reur Reur adalah pegembalia aau keuuga yag diperoleh dari uau iveai (iveorword.com). Log reur dalam ay (00), dirumuka ebagai r = l (Z /Z ), (.) dega Z adalah daa pada obervai ke...3 Fugi ACF da PACF Meuru Bollerlev (986), ala uuk megideifikai model ARMA adalah ACF da PACF. Fugi auokorelai adalah fugi yag meujukka bearya korelai aara pegamaa pada waku ke- dega pegamaa pada waku-waku ebelumya, edagka PACF adalah fugi yag meujukka bearya korelai parial aara pegamaa pada waku ke- dega pegamaapegamaa pada waku-waku ebelumya. Meuru Cryer (986) proe r dikaaka aioer apabila E r = μ, Var r = ς adalah koa da Cov r, r +k = E r μ, r +k μ = γ k, dega Cov r, r adalah fugi dari eliih waku. Korelai aara r da r +k adalah ρ k = corr r, r +k = cov(r, r +k ) Var(r ) Var(r +k ) = γ k γ 0, dega γ 0 = Var r = Var(r +k ) da ρ k adalah fugi auokorelai aau ACF. Auokorelai parial aara r da r +k adalah korelai aara r da r +k eelah keergauga liearya dega r +, r +, r +k dihilagka. Auokorelai parial aara r da r +k, dioaika dega Φ kk, dieuka dega Φ kk = ρ ρ ρ k ρ ρ ρ ρ k 3 ρ ρ k ρ k ρ k 3 ρ ρ k ρ ρ ρ k ρ k. ρ ρ ρ k 3 ρ k ρ k ρ k ρ k 3 ρ 5

3 ..4 Model ARMA Floro (005) mejelaka bahwa ARMA merupaka beuk model ruu waku liear yag beruaha uuk megideifikaika peramaa regreiya dega haya megguaka ilai maa laluya aau kombiai ilai maa lalu da eror maa laluya. Model ARMA megadug dua kompoe yaiu model AR da MA dega order dari AR adalah p da order dari MA adalah q. Box e al. (008) meulika model AR(p) ebagai beriku B r = ε, dega B = B B p B p da ε adalah eror model raa-raa beryara aau r = r + r + + p r p + ε uuk p =,,. Proe AR(p) aioer apabila akar dari B = 0 berada di luar ligkara aua, yaiu B i >, i =,, p (Box, Jeki da Reiel, 008). Model MA(q) diulika θ B ε = r, dega θ B = θ B θ B θ q B q, aau r = ε θ ε θ ε θ q ε q uuk q =,,. Proe MA(q) mempuyai iver apabila akar dari θ B = 0 berada di luar ligkara aua, yaiu B i >, i =,, q. Model ARMA(p,q) merupaka gabuga dari model AR(p) da MA(q) ehigga beuk umumya adalah r = r + r + + p r p + ε θ ε θ q ε q dega adalah parameer dari AR, ε adalah eror, θ adalah parameer dari MA da r adalah variabel radom ormal yag idak berkorelai. Meuru aro (008), berdaarka ilai ACF da PACF, dapa dilakuka ideifikai model AR(p), MA(q) da ARMA(p,q) eperi yag ercaum dalam abel.. 6

4 abel. ciri-ciri eorii ACF da PACF uuk model ARMA(p,q) Model ACF PACF AR(p) uru ecara ekpoeial erpoog eelah lag p MA(q) erpoog eelah lag q uru ecara ekpoeial ARMA(p,q) erpoog eelah lag(q-p) erpoog eelah lag (q-p)..5 Eimai Parameer AR() da MA() Eimai parameer AR() da MA() dapa megguaka meode kuadra erkecil. Priip dari meode ii adalah mecari ilai parameer yag dapa memiimumka jumlah kuadra eror (Cryer, 986). Berdaarka model AR() r μ = φ r μ + ε, maka eimai meode kuadra erkecil adalah dega memiimumka jumlah kuadra dari r μ φ r μ yag merupaka eror dari model AR(). Jumlah kuadra eror dirumuka ebagai S φ, μ = (r μ φ r μ. = Nilai μ da φ yag dipilih adalah ilai yag dapa memiimumka S φ, μ, yaiu dega μ = φ = = r φ = r φ r Model MA() dapa diulika =(r r ) r r r r = r = peramaa (.3) dapa diulika kembali dega., r =. r = ε θε, (.3) ε = r + θε. (.4) Megguaka peramaa (.4), ε, ε,, ε dapa dihiug ecara rekurif apabila dikeahui ilai dari ε 0. Dega pemiliha ε 0 = 0 diperoleh ε = r ε = r + θε 7

5 ε = r + θε Parameer θ yag memiimumka jumlah kuadra eror dicari megguaka algorima Gau-Newo. Algorima ii meyeleaika ε = ε θ dega fugi liear dari θ. Algorima erebu diulika ebagai beriku ε θ ε θ + θ θ dε θ dθ dega θ adalah ilai akira dari θ. dε (θ)/dθ dapa dihiug ecara rekurif dega medifereialka peramaa (.5) ehigga diperoleh dega dε 0 (θ)/dθ = 0. dε θ dθ = θdε θ dθ + ε θ,,..6 Diagoik Model Diagoik model adalah pegujia erhadap model ARMA(p,q) ebagai model raa-raa beryara da model heerokedaiia yag elah diperoleh. ujua dari diagoik model adalah uuk megeahui apakah model cocok uuk diguaka. Kecocoka model diliha dari erorya, eror dari model dikaaka baik apabila udah idak erdapa auokorelai, variaiya homoge da memiliki ilai MSE yag kecil. Oleh karea iu, dilakuka uji auokorelai eror, uji homogeia variai da peghiuga ilai MSE. Apabila eror idak memeuhi iga hal erebu, maka model yag diperoleh kurag cocok dega daa, ehigga perlu dilakuka ideifikai da eimai lagi...6. Uji Auokorelai Eror Model raa-raa beryara da model heerokedaiia dikaaka baik apabila eror yag dihailka udah idak memiliki auokorelai. Hal ii dapa diliha dari plo ACF da PACF. Apabila idak ada ilai yag igifika berbeda dega ol berari udah idak ada auokorelai dalam eror da megidikaika bahwa model udah cukup baik. Beuk plo ACF da PACF merupaka idikai awal adaya auokorelai. Uji aiik perlu dilakuka uuk meyakika idikai awal. Oleh karea iu, 8

6 diguaka uji Breuch-Godfrey uuk meliha auokorelai daa. Hipoeiya adalah H 0 : idak erdapa auokorelai di dalam eror model raa-raa beryara H : erdapa auokorelai di dalam eror model raa-raa beryara. Uji Breuch-Godfrey dirumuka ebagai = ( k)r (.5) dega adalah ukura ampel, k adalah jumlah lag da R adalah koefiie deermiai dari model regrei. Saiik uji dibadigka dega ilai abel χ k. Apabila ilai lebih bear dari ilai χ k maka H 0 diolak...6. Homokedaiia Variai Homokedaiia variai dapa diliha dari plo eror. Apabila plo memperlihaka adaya variai yag iggi pada beberapa periode da variai yag kecil pada beberapa periode yag lai, kemugkia erdapa efek heerokedaiia dalam daa (Wagle, 009) MSE Model Kecocoka model dapa diliha dari ilai Mea Squared Error (MSE). Model yag lebih cocok adalah model dega ilai MSE yag lebih kecil, dega rumu MSE = Z Z = (.6) dega Z adalah daa obervai ke-, Z adalah ilai ramala ke da adalah ukura ampel...7 Efek Heerokedaiia Daar dari pemodela heerokedaiia adalah eror dari model raa raa beryara idak memiliki auokorelai aau mempuyai korelai pada order lag yag iggi. Selai iu, eror dari model raa raa beryara haru depede. Depedei ii diujukka dega plo ACF da PACF dari kuadra eror model raa raa beryara yag igifika erdapa auokorelai. 9

7 Selai iu, efek heerokedaiia dapa diperika melalui uji pegali Lagrage yag dilakuka pada eror model raa raa beryara. Hipoeiya adalah H 0 : α = α = = α k = 0 (idak ada efek ARCH ampai lag k) H : palig ediki erdapa au α k 0 (erdapa efek ARCH, palig idak pada ebuah lag) Saiik uji yag diguaka adalah ξ = R (.7) dega adalah ukura ampel da R adalah koefiie deermiai. H 0 diolak apabila ilai ξ lebih bear dari χ k...8 Keaimeria Model Volailia dapa didefiiika ebagai variai beryara dari uau daa relaif erhadap waku. Kodii eror lebih kecil dari ol yag erig diebu dega iilah bad ew da kodii eror yag lebih bear dari ol diebu good ew. Apabila bad ew da good ew memberika pegaruh yag idak ama erhadap volailia, keadaa ii dikeal ebagai leverage effec (Che, 005). Leverage effec dapa diamai dega membua plo cro correlogram aara kuadra dari adar erorya (e ) dega lagged adar erorya (e k )...9 Model ARCH da EGARCH Eror egaif (ε < 0) da eror poiif (ε > 0) pada model GARCH aka memberika pegaruh yag ama erhadap volailiaya. Model ARCH da EGARCH memiliki aumi ilai ε < 0 da ε > 0 aka memberika pegaruh yag berbeda erhadap volailiaya. Ozdemir da Yigi (009) merepreeaika model ARCH(m,) dega ε ψ ~N(0, σ ) m ς = ω + α i ε i + γ i ε i d + β j ς j. i= i= j = 0

8 dega d =, uuk ε < 0, emeara peramaa model EGARCH (r,) 0, uuk ε 0 oleh Berume, Mei-Ozka da Neyapi (00) direpreeaika dega l ς = a + r i= b i ε ψ ~N(0, σ ) lς + c j ε j j = ς j + d j ε j j = ς j E ε j ς j dega ς adalah variai eror pada waku, ε adalah eror pada waku, ω adalah uau koaa da α, β, γ adalah parameer. Eimai parameer yag diguaka adalah meode Berd Hall Hall Hauma (BHHH). Meode ii diemuka oleh Berd e al dega berdaar pada meode Newo Rapho (Bollerlev, 986). Meode ii dapa diguaka uuk mecari eimai parameer ARCH da EGARCH. Ierai pada meode Newo Rapho diyaaka ebagai ρ (i+) = ρ (i) + λ i H ρ (i) g ρ (i) (.8) dega H adalah marik Heia, λ i adalah variabel ep legh da g ρ = l l l,,, ρ ρ ρ Pada meode BHHH, ilai dari marik Heia pada peramaa (.8) digai = g g, dega g = l. Meode BHHH megguaka urua ρ perama fugi log likelihood uuk megeimai parameer model. Peramaa regrei yag dimiliki adalah r = x μ + ε r = μ 0 + μ x + ε,. =,,, dega ε adalah eror model da x adalah variabel ekoge, dega ς = ω + i= α i ε i + ε ψ ~N(0, σ ) i= m γ i ε i d + β j j = ς j uuk model ARCH(m,) da uuk EGARCH(r,) peramaa variaiya adalah l ς = a + r i= b i lς + c j ε j j = ς j + d j ε j j = ς j E ε j ς j..

9 Oleh karea iu, dimiliki vekor parameer Θ uuk ARCH(m,) da Φ uuk EGARCH(r,). Vekor erebu diulika ebagai Θ = μ 0, μ, ω, α,, α, γ,, γ, β,, β m = μ, φ Φ = μ 0, μ, a, b,, b r, c,, c, d,, d = μ, ϑ dega μ = μ 0, μ, φ = ω, α,, α, γ,, γ, β,, β m da ϑ = a, b,, b r, c,, c, d,, d. adalah Megguaka aumi ormalia, fugi deia probabilia dari ε ψ f ε ψ = ε πσ e σ. Fugi log likelihood uuk obervai ke- adalah l = log f ε ψ = log π log σ. (.9) σ Vekor parameer variai yaiu φ da ϑ dieimai megguaka urua perama dari fugi log likelihood pada peramaa (.9) erhadap parameer φ da ϑ, yaiu l = σ φ σ φ l = σ ϑ σ ϑ dega u = σ, v φ = σ da w ϑ = ε. σ ε σ ε σ Sehigga megguaka meode BHHH diperoleh beuk ierai eimai parameer variai yag dirumuka ebagai φ i+ = φ i + λ i ϑ i+ = ϑ i + λ i = = σ u w σ v w u σ w v σ w ε = u σ w (.0) = v σ w (.) Ierai pada peramaa (.0) dapa diuli ke dalam beuk marik ebagai dega φ i+ = φ i + λ i GG G C

10 G = l ω = ε ς σ g g g = l = α i ς ε i ( ) l γ i = ς ε i ( ) d l = β j ς σ j ( ) l ω l ω l ω ε σ ε σ l α l α l α ε σ l α l α l α l γ l γ l γ l l γ β l l γ β l l γ β l β m l dega =,,,, i =,,,, j =,,, m da C =,,, adalah marik. dega β m l Peramaa (.) dapa diuli ke dalam beuk marik ebagai ϑ i+ = ϑ i + λ i JJ J C β m J = j j j = l a l a l a l b l b l b l b l b l b l c l c l c l l c d l l c d l l c d l d r l d r l d r l a = σ ε σ l = b i σ lς ε i σ i l c j = σ ε j ( ) σ j ( ) ε σ l d j = σ ε j ( ) σ j ( ) E ε j ( ) σ j ( ) ε σ dega =,,,, j =,,, da i =,,, r. Uuk megeimai parameer dari raa-raa yaiu μ, diguaka urua perama dari fugi likelihood pada peramaa (.0) erhadap parameer μ. Pada model ARCH(m,) urua peramaya yaiu 3

11 Mial σ μ l = l ε + l σ μ ε μ σ μ = ε x + σ σ σ μ ε σ (.) = f da ε = w σ maka peramaa (.) mejadi l μ = ε x σ + σ f w. Ierai uuk eimai parameer raa-raa adalah μ i+ = μ i + λ i dega ε x + σ σ f w ε x = f = σ μ = i= α i σ + σ f w x i ε i + i= γ i x i ε i d + ε x + σ = (.3) m j = σ f w β j f j uuk model ARCH(m,), edagka uuk EGARCH(r,) adalah r f = σ μ = b if i + c j i= + d j j = ς j j = ς j E ς j. Peramaa (.3) dapa diuli ke dalam oai marik ebagai μ i+ = μ i + λ i BB B C dega B uuk model ARCH(m,) adalah B = l μ 0 l μ 0 l μ 0 l μ l μ l μ l μ = ε x σ + σ i= α i x i ε i + i= edagka uuk model EGARCH(r,) adalah γ i x i ε i d + m j = β j f j ε σ l μ = ε x σ + σ b i f i + c j r i= j = ς j + d j j = ς j E ς j ε σ dega = 0, da =,,, da C =,,, adalah marik. 4

12 ..0 Krieria Iformai Meuru Wiaro (007) model heerokedaiia yag cocok dapa dipilih berdaarka AIC da SC. Kedua krieria erebu dapa dirumuka ebagai AIC = log SC = log = e = e + k (.4) + k log (.5) dega = e adalah kuadra dari eror ke, k adalah jumlah variabel idepede da adalah ukura ampel. Model yag dipilih uuk meramalka daa adalah model dega AIC da SC erkecil... Kuroi Beuk diribui dari eror dapa diliha dari ilai kuroiya. Nilai kuroi yag lebih bear dari iga megidikaika bahwa eror memiliki diribui dega ekor yag lebih pedek dari diribui ormal, hal ii meyebabka diribuiya berbeuk lepokurik. Meuru Suprao (000), kuroi dirumuka ebagai Kuroi = = Z μ 4 ς 4 (.6) dega Z adalah daa ke, μ adalah raa-raa daa, ς adalah variai daa da adalah ukura ampel.. Keragka Pemikira Nilai ukar kur euro erhadap rupiah merupaka derea obervai variabel radom yag dapa diyaaka ebagai daa ruu waku karea merupaka himpua obervai eruru. Daa ii diraformai ke dalam beuk log reur uuk megecilka daa. raformai ii megakibaka daa aioer dalam raa-raa eapi memiliki variai idak koa. Daa ruu waku dapa dimodelka megguaka model liear ARMA. Model ii memiliki aumi heerokedaiia variai. Model yag dapa meagkap gejala heerokedaiia adalah ARCH da GARCH. Model ii 5

13 memiliki aumi bahwa kodii bad ew da good ew memberika pegaruh yag imeri erhadap volailiaya. Daa ilai ukar kur euro periode 8 Jauari 00 ampai 5 Okober 009, memiliki kodii bad ew da good ew yag idak imeri erhadap volailiaya ehigga model ARCH da GARCH kurag cocok uuk diguaka. Model yag cocok uuk memodelka keaimeria adalah ARCH da EGARCH. Kedua model ii memerluka aumi eror model raa-raa beryara idak memiliki auokorelai. Lagkah perama dalam pembeuka model ARCH da EGARCH adalah meguji keaioera daa. Apabila daa belum aioer maka dilakuka raformai. raformai yag dapa dilakuka diaaraya dega megubah daa ke dalam beuk log reur. Seelah iu, lagkah berikuya adalah mecari model raa-raa beryara ARMA. Eror model ARMA yag elah diperoleh haru diuji efek heerokedaiia da keaimeriaya. Apabila erdapa efek heerokedaiia da aimeri, maka lagkah elajuya adalah megeimai parameer model ARCH da EGARCH da melakuka uji diagoik model. Semua model ARCH da EGARCH yag cocok kemudia diguaka uuk meramalka daa. Model yag baik adalah model yag memiliki ilai peramala medekai ilai daa ali. 6

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah

BAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah BAB IV PEMBAHASAN 4.1 Deskripsi Data Gambar 4.1 memperlihatkan bahwa data berfluktuasi dari waktu ke waktu. Hal ini mengindikasikan bahwa data tidak stasioner baik dalam rata-rata maupun variansi. Gambar

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2. TRANSFORMASI LAPLACE 2.1 Pengertian Transformasi Latar Belakang Penggunaan Transformasi Contoh Sederhana Penggunaan Transformasi

BAB 2. TRANSFORMASI LAPLACE 2.1 Pengertian Transformasi Latar Belakang Penggunaan Transformasi Contoh Sederhana Penggunaan Transformasi BAB. TRANSFORMASI LAPLACE. Pegeria Traformai.. Laar Belakag Pegguaa Traformai.. Cooh Sederhaa Pegguaa Traformai. Pegeria Traformai Laplace da ivere Traformai Laplace.. Laar Belakag Pegguaa Traformai Laplace..

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

ANALISIS SISTEM KENDALI

ANALISIS SISTEM KENDALI BAB IV ANALISIS SISEM ENDALI Dalam prakekya, iyal mauka iem kedali idak dapa dikeahui ebelumya, eapi mempuyai ifa acak, ehigga mauka eaa idak dapa diyaaka ecara aalii. Uuk aalii da peracaga iem kedali,

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Bab III. Menggunakan Jaringan

Bab III. Menggunakan Jaringan Bab III Pembuaan Jadwal Pelajaran Sekolah dengan Menggunakan Jaringan Pada bab ini akan dipaparkan cara memodelkan uau jaringan, ehingga dapa merepreenaikan uau jadwal pelajaran di ekolah. Tahap perama

Lebih terperinci

INTERVAL KEPERCAYAAN

INTERVAL KEPERCAYAAN INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

BAB IV DESKRIPSI ANALISIS DATA

BAB IV DESKRIPSI ANALISIS DATA BAB IV DESKRIPSI ANALISIS DATA A. Dekripi Data Peelitia ii megguaka peelitia ekperime, ubyek peelitiaya dibedaka mejadi dua kela, yaitu kela kotrol da kela ekperime. Kela kotrol pada peelitia ii merupaka

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015 KONSTAN: Jural Fiika da Pedidika Fiika Vol.. o. (05) hal. 36-45 PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN GERUNG TAHUN PELAJARAN 04/05 Lida Sekar

Lebih terperinci

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

III. KERANGKA TEORI. hubungan input dengan output (Debertin, 1986; Doll dan Orazem, 1984). Secara

III. KERANGKA TEORI. hubungan input dengan output (Debertin, 1986; Doll dan Orazem, 1984). Secara III. KERANGKA TEORI 3.1. Fugi Produki Fugi produki dapa didefiiika ebagai hubuga ecara eki dalam raformai ipu (reource) ke dalam oupu aau yag melukika aara hubuga ipu dega oupu (Deberi, 1986; Doll da Orazem,

Lebih terperinci

BAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model

BAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model 3 BAB III METODE PENELITIAN A. Jei Peelitia Tujua peelitia ii yaki membadigka kemampua berpikir kriti dega kemampua berpikir kreatif dega megguaka dua model pembelajara yaitu model pembelajara berbai maalah

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU

PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU Supadi a a Program Sudi Pedidika Maemaika FPMIPA IKIP PGRI Semarag Jl. Dr. Cipo-Loar No1 Semarag Telp. (04)8316377 Fak (04) 844817 Abrak

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

APLIKASI MODEL JUKES CANTOR DALAM MENENTUKAN PELUANG BASA NITROGEN KETURUNAN SUATU INDIVIDU

APLIKASI MODEL JUKES CANTOR DALAM MENENTUKAN PELUANG BASA NITROGEN KETURUNAN SUATU INDIVIDU Bulei Ilmiah ah. a. da eraaya Bimaer Volume 5 No. 6 hal 8. LIKI ODEL JUKE NOR DL ENENUKN ELUN B NIROEN KEURUNN UU INDIVIDU Nahrul Hayai ariaul Kifiah Bayu rihadoo INIRI eia idividu memiliki DN yag meruaka

Lebih terperinci

Tri Handhika dan Murni Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma, Depok, 16424

Tri Handhika dan Murni Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma, Depok, 16424 Saiika PEGGUAA METODE DIRECT SAMPLIG DA IVERSE SAMPLIG DALAM MEGESTIMASI UKURA POPULASI KUCIG DI PERUMAHA BUKIT RIVARIA SAWAGA DEPOK PADA BULA DESEMBER 009 Tri Hadhika da Muri Pua Sudi Kompuai Maemaika

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ii aka dibaa daar-daar teori yag aka diguaka dalam peulia kripi ii, yaitu megeai metode peakira maximum likeliood, metode peakira oit maximum likeliood da fier iformatio..1

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

Lebih terperinci

III. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar

III. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar 7 III. METDE PENELITIAN A. Populai Peelitia Populai peelitia ii yaitu eluruh iwa kela MA Negeri Badar Lampug dega ampel kela, pada emeter geap Tahu Pelajara 0/0. B. ampel Peelitia Tekik pegambila ampel

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3 III. METODOLOGI PENELITIAN A. Populai da Sampel Peelitia Populai dalam peelitia ii adalah emua iwa kela I IPA SMA Al Azhar-3 Badar Lampug tahu ajara 0/0 yag berjumlah 48 iwa da terebar dalam empat kela.

Lebih terperinci

1999 sampai bulan September Data ini diperoleh dari yahoo!finance.

1999 sampai bulan September Data ini diperoleh dari yahoo!finance. 7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

A.Interval Konfidensi pada Selisih Rata-rata

A.Interval Konfidensi pada Selisih Rata-rata A.Iterval Kofidei pada Seliih Rata-rata. Bila kita mempuyai da maig-maig adalah mea ample acak beba berukura da yag diambil dari populai dega ragam da diketahui, maka elag kepercayaa 00-% bagi - adalah

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F BAB III AALISIS EMODELA ATRIA HAULER EGAGKUTA OVERBURDE ADA JALA 7F 3.. edahulua ada Bab II telah dijelaka beberapa teori yag diguaka utuk melakuka aalii yag tepat dalam memecahka maalah yag ada. ada bab

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

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

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Pedugaa Parameter HAZMIRA YOZZA JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Kompetei meyebutka klp ifereia tatitika & ruag ligkupya mejelaka metode pedugaa klaik da yarat-yarat peduga yag baik pada pedugaa

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

Sistem Komunikasi II (Digital Communication Systems)

Sistem Komunikasi II (Digital Communication Systems) Siem Komuikai II (Digial Commuicaio Syem) Lecure #3: Demodulai / Deeki Baebad (Baebad Demodulaio / Deecio) - PAR I opik: 3. Pedahulua. 3. Repreeai Geomeri dari Siyal. 3.3 Opimal Deecio: Maximum Likelihood

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori Bab II adaa eori Bab ii meyajika kajia item da teori-teori yag aka medaari da diguaka dalam mecari betuk model tereduki. Beberapa hal yag aka dikaji dalam bab ii adalah item PV da beberapa teori daar yag

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

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

BAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai

BAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai 3 BAB II ESTIMASI STATISTIK. Pegertia Etimai a. Etimai merupaka uatu metode dimaa kita dapat memperkiraka ilai Populai dega memakai ilai ampel. b. Etimai merupaka kegiata pearika keimpula tatitik yag berawal

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial STATISTIK INFERENSIAL Prof. Dr. H. Almadi Syahza, SE., MP Email: ayahza@yahoo.co.id PROGRAM STUDI PENDIDIKAN EKONOMI FKIP UNIVERSITAS RIAU DISTRIBUSI SAMPLING 2 Bagia I Statitik Iduktif Metode da Ditribui

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

Implementasi Algoritma Turan Untuk Menentukan Nilai Aproksimasi Pada Proses Mencari Akar-akar Polinomial

Implementasi Algoritma Turan Untuk Menentukan Nilai Aproksimasi Pada Proses Mencari Akar-akar Polinomial Semiar aioal Pacaarjaa VI 26, Surabaya Implemeai Alorima Tura Uuk Meeuka ilai Aprokimai Pada Proe Mecari Akar-akar Poliomial Suprioo Coirul Imro Badu Arry Sajoyo Jurua Maemaika Iiu Tekoloi Sepulu opember

Lebih terperinci

daerah domain 0 t 100, tentukan nilai λ(64). a b c d => b

daerah domain 0 t 100, tentukan nilai λ(64). a b c d => b AAI4 Tipe Soal A Pembenukan Tabel Moralia. Survival Diribuion didefiniikan ebagai. / didalam daerah domain, enukan nilai 64. a.. b..5 c..4 d.. > b..5. Survival Diribuion didefiniikan ebagai. 5 / didalam

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

SOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial

SOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial SOAL PELATIHAN. Jelaka pegertia hipotei?. Seorag peeliti biaaya tertarik meguji atu hipotei dari eam alteratif hipotei. Sebutka eam alteratif hipotei terebut? 3. Apa yag dimakud dega pegujia hipotei? 4.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Berdaarka rumua maalah pada BAB I, peelitia kuatitatif ii bertujua utuk megetahui efektivita metode pembelajara dicovery dega megguaka Papa Tempel egi Empat

Lebih terperinci

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya

Lebih terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

Teori Penaksiran. Oleh : Dadang Juandi

Teori Penaksiran. Oleh : Dadang Juandi Teori Peakira Oleh : Dadag Juadi Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

Lag: Waktu yang diperlukan timbulnya respons (Y) akibat suatu aksi (X)

Lag: Waktu yang diperlukan timbulnya respons (Y) akibat suatu aksi (X) Lag: Waku yang diperlukan imbulnya repon ( akiba uau aki ( Conoh: Pengaruh kredi erhadap produki Suplai Uang mempengaruhi ingka inflai eelah beberapa kwaral Hubungan pengeluaran R & D dengan produkifia

Lebih terperinci

A. PENGERTIAN DISPERSI

A. PENGERTIAN DISPERSI UKURAN DISPERSI A. PENGERTIAN DISPERSI Ukura diperi atau ukura variai atau ukura peyimpaga adalah ukura yag meyataka eberapa jauh peyimpaga ilai-ilai data dari ilaiilai puatya atau ukura yag meyataka eberapa

Lebih terperinci

Teori Penaksiran. Oleh : Dewi Rachmatin

Teori Penaksiran. Oleh : Dewi Rachmatin Teori Peakira Oleh : Dewi Rachmati Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui Statitika, Vol. No., 5 6 Mei Diagram Kedali Simpaga Baku Ekak utuk Proe Berditribui Normal dega Parameter Diketahui Aceg Komarudi Mutaqi, Suwada Program Studi Statitika Fakulta MIPA Uiverita Ilam Badug,

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jei Peelitia Metode peelitia yag diguaka dalam kripi ii adalah metode peelitia kuatitatif ekperime yag berdeai pottet-oly cotrol deig, karea tujua dalam peelitia ii utuk mecari

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

PROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA

PROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN A III METODOLOGI PENELITIAN A. Jei da Deai Peelitia. Jei Peelitia Jei peelitia ii adalah peelitia ekperime. Metode peelitia ekperime merupaka metode peelitia yag diguaka utuk mecari treatmet (perlakua)

Lebih terperinci