PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO"

Transkripsi

1 PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNUK PENENUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSIU PERANIAN BOGOR BOGOR 008

2 SUMBER INFORMASI Dega ii saya meyataka bahwa tesis dega judul Perbadiga Beberapa Model Biomial utuk Peetua Harga Opsi Eropa adalah karya saya dega araha dari komisi pembimbig da belum diajuka dalam betuk apa pu kepada pergurua tiggi maapu. Sumber iformasi yag berasal atau dikutip dari karya yag diterbitka oleh peulis lai telah disebutka dalam teks da dicatumka dalam daftar pustaka di bagia akhir tesis ii. Bogor, 7 Agustus 008 Poco Budi Susilo NIM G55060

3 ABSRAC PONCO BUDI SUSILO. Compariso of the Covergece of Some Biomial Models for Europea Optio Valuatio. Uder directio of I GUSI PUU PURNABA ad DONNY CIRA LESMANA. Biomial models, which describe the asset price dyamics of the cotiuous time model i the limit, serve for approximate valuatio of optio, especially where formula caot be derived aalytically due to properties of the cosidered optio type. o evaluate results, oe ievitably must uderstad the covergece properties. he objectives of this thesis are: to explore covergece behaviour ad speed of biomial models for determiig Europea call optio valuatio, ad to compare several biomial models with respect to speed ad accuracy. he biomial models uder cosideratio are CRR, JR, ia, PP, ad PP. he results show that the computed optio price of CRR, JR, ad ia models oscillate ad wavily coverge to the Black-Scholes solutio with order of covergece oe, whereas optio price of PP ad PP models also oscillate but o wavily coverge with order two. Keywords: biomial models, optio valuatio, order of covergece, covergece behaviour.

4 RINGKASAN PONCO BUDI SUSILO. Perbadiga Kekovergea Beberapa Model Biomial utuk Peetua Harga Opsi Eropa. Dibimbig oleh I GUSU PUU PURNABA da DONNY CIRA LESMANA. Kotrak opsi (selajutya disebut opsi) adalah suatu jeis kotrak atara dua pihak, satu pihak memberi hak kepada pihak lai utuk mejual atau membeli aset tertetu pada harga da periode waktu tertetu. erdapat dua jeis opsi yag palig medasar, yaitu opsi call da opsi put. Berdasarka waktu eksekusi maka terdapat dua tipe opsi, yaitu opsi Eropa da opsi Amerika. Utuk meetuka besarya premi opsi maka dirumuska dua cara yaitu dega solusi aalitik da solusi umerik. Solusi aalitik telah ditemuka oleh Black-Scholes pada tahu 973. Metode umerik yag serig diguaka adalah metode beda higga da metode biomial da triomial. Beberapa model biomial haya medasarka pada perbedaa faktor aik da turu dari perkembaga harga saham. Metode biomial terutama diguaka utuk peetua ilai opsi yag tidak dapat dituruka secara aalitik. Di atara modelmodel biomial tersebut adalah model CRR, JR, ia, PP, da PP. Model ii koverge ke solusi Black-Scholes. Utuk melihat kevalida masig-masig model perlu diketahui sifat-sifat kekovergeaya, maka perlu melihat pedekata umerikya. ujua peelitia ii adalah megeksplorasi perilaku da kecepata kekovergea dari model-model biomial da membadigka akurasi beberapa model biomial utuk meetuka harga opsi Eropa. Metode peelitia yag diguaka adalah kajia literatur da eksplorasi peghituga umerik dega lagkah-lagkah sebagai berikut: pertama merumuska metode peetua solusi aalitik dega formula Black-Scholes, da meetuka peurua rumus pada metode biomial. Lagkah yag kedua adalah meguji sifat-sifat kekovergea model biomial, yag meliputi perilaku da kecepata kekovergea dega defiisidefiisi da teorema yag ada. Selajutya meetuka perbaika kekovergea model biomial dega mempertimbagka sifat-sifatya. Peghituga umerik dilakuka utuk meampilka gambar-gambar perkembaga harga opsi serta ilai error sesuai dega perbaika pada bayakya periode biomial. Peghituga besarya harga opsi dega yag berbeda dilakuka utuk melihat error-relatif masig-masig model. Lagkah akhir, dega megguaka RMS ( relative rootmea-squared error ), akurasi dari tiap model biomial aka dibadigka. Hasil peelitia meujukka bahwa model CRR, JR, da ia koverge ke solusi Black-Scholes dega pola osilasi da bergelombag, dega derajat kekovergea satu. Sedagka model PP da PP, pola kekovergeaya adalah osilasi da tidak bergelombag dega derajat kekovergea dua. Dega megguaka RMS terlihat bahwa akurasi terbaik diperoleh model PP da PP. Sedagka model CRR, JR, da ia tidak terdapat uruta yag kosiste.

5 Kata kuci: Model biomial, peetua harga opsi, perilaku da kecepata kekovergea, akurasi model..

6 Hak Cipta milik Istitut Pertaia Bogor, tahu 008 Hak Cipta dilidugi Udag-udag. Dilarag megutip sebagia atau seluruh karya tulis ii tapa mecatumka atau meyebutka sumber a Pegutipa haya utuk kepetiga pedidika, peelitia, peulisa karya ilmiah, peyusua lapora, peulisa kritik atau tijaua suatu masalah. b Pegutipa tidak merugika kepetiga yag wajar Istitut Pertaia Bogor.. Dilarag megumumka da memperbayak sebagia atau seluruh karya tulis dalam betuk apapu tapa izi Istitut Pertaia Bogor.

7 PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNUK PENENUAN HARGA OPSI EROPA PONCO BUDI SUSILO esis sebagai salah satu syarat utuk memperoleh gelar Magister Sais pada Departeme Matematika SEKOLAH PASCASARJANA INSIU PERANIAN BOGOR BOGOR 008

8 Peguji Luar Komisi pada Ujia esis: Ir. Reto Budiarti, M.S.

9 Judul esis Nama NIM : Perbadiga Kekovergea Beberapa Model Biomial utuk Peetua Harga Opsi Eropa : Poco Budi Susilo : G55060 Disetujui Komisi Pembimbig Dr. Ir. I Gusti Putu Puraba, DEA Doy Citra Lesmaa, S.Si., M.Fi.Math. Ketua Aggota Diketahui Ketua Program Studi Matematika erapa Deka Sekolah Pascasarjaa Dr. Ir. Edar H. Nugrahai, M.S. Prof. Dr. Ir. Khairil A. Notodiputro, M.S. aggal Ujia: 7 Agustus 008. aggal Lulus:

10 PRAKAA Puji da syukur peulis pajatka kepada Allah SW atas segala karuia-nya sehigga karya ilmiah ii berhasil diselesaika. ema yag dipilih dalam peelitia yag dilaksaaka sejak bula Jauri 008 ii ialah masalah Peetua harga opsi dega metode biomial, dega judul Perbadiga Kekovergea Beberapa Model Biomial utuk Peetua Harga Opsi Eropa erima kasih peulis ucapka kepada Bapak Dr. Ir. I Gusti Putu Puraba, DEA da Bapak Doy Citra Lesmaa, S.Si., M.Fi.Math. selaku pembimbig, atas segala sara da bimbigaya. erima kasih juga disampaika kepada Ibu Ir. Reto Budiarti, M.S. yag telah bayak memberika sara selaku peguji luar komisi. Ucapa terima kasih peulis disampaika kepada Departeme Agama Republik Idoesia yag telah memberika beasiswa. Ugkapa terima kasih juga disampaika kepada istri da aak serta seluruh keluarga, atas segala doa da kasih sayagya. idak lupa juga, ucapa terimakasih kepada tema-tema seperjuaga dari BUD Depag atas kerjasama da batuaya sehigga bisa terselesaiya tesis ii. Semoga karya ilmiah ii bermafaat. Bogor, Agustus 008 Poco Budi Susilo

11 RIWAYA HIDUP Peulis dilahirka di Slema pada taggal 3 April 970 dari ayah Puja Hartoo da ibu Juwariyah. Peulis merupaka putra kelima dari lima bersaudara. ahu 988 peulis lulus dari SMA Negeri Kalasa da pada tahu yag sama lulus seleksi IKIP Yogyakarta. Peulis memilih Jurusa Pedidika Matematika pada Fakultas Pedidika Matematika da Ilmu Pegetahua Alam Program D da selesai pada tahu 990 serta lulus D3 pada jurusa yag sama di IKIP Yogyakarta. Peulis melajutka kembali pada jejag S da lulus pada tahu 998 di IKIP Yogyakarta. ahu 999 peulis diterima sebagai PNS da mejadi staf pegajar di Ms Negeri Nglipar Guugkidul Yogyakarta. Pada tahu 006 peulis lulus seleksi masuk Program Magister Program Studi Matematika erapa Istitut Pertaia Bogor melalui jalur Beasiswa Utusa Daerah Departeme Agama Republik Idoesia.

12 DAFAR ISI Halama I PENDAHULUAN.... Latar Belakag.... Rumusa Masalah ujua Peelitia Ruag Ligkup Peelitia Sistematika Pembahasa... 3 II LANDASAN EORI Pegertia Opsi Aset yag Medasari Opsi Nilai Opsi ipe Opsi Keutuga Opsi Faktor-fator yag Mempegaruhi Opsi Persamaa Black-Scholes Formulasi Harga Black-Scholes....9 Pegertia Model Biomial Rasio Lidug Nilai (Hedge Ratio) Model Biomial dega Suku Buga Diskret Model Biomial dega Suku Buga Kotiu Kekovergea... III PERBANDINGAN MODEL-MODEL BINOMIAL Model Kotiu da Model Diskret Perkembaag Harga Saham Uji Kekovergea Model Biomial Model Biomial dega Perbaika Sifat-Sifat Kekovergea Perbadiga Kekovergea Lima Model Biomial IV PENGHIUNGAN NUMERIK Prosedur Peghituga Numerik Peghituga Numerik Pembahasa V KESIMPULAN DAN SARAN Kesimpula Sara... 4 DAFAR PUSAKA LAMPIRAN x

13 DAFAR ABEL Halama 3. Defiisi alteratif dari parameter tree pada pedekata lattice oleh model CRR, model JR da model ia Harga opsi call yag dihitug dega formula Black-Scholes, CRR, JR, ia, PP, da PP serta ilai RMS dega = Harga opsi call yag dihitug dega formula Black-Scholes, CRR, JR, ia, PP, da PP serta ilai RMS dega = Harga opsi call yag dihitug dega formula Black-Scholes, CRR, JR, ia, PP, da PP serta ilai RMS dega = Harga opsi put yag dihitug dega formula Black-Scholes, CRR, JR, ia, PP, da PP serta ilai RMS dega = Harga opsi put yag dihitug dega formula Black-Scholes, CRR, JR, ia, PP, da PP serta ilai RMS dega = Harga opsi put yag dihitug dega formula Black-Scholes, CRR, JR, ia, PP, da PP serta ilai RMS dega = xi

14 DAFAR GAMBAR Halama 3. Grafik pola kekovergea model CRR Grafik pola kekovergea model JR Grafik pola kekovergea model ia Grafik error da batas error utuk model CRR Grafik error da batas error utuk model JR Grafik error da batas error utuk model ia Grafik ilustrasi proposisi utuk piliha parameter berikut: S 00, K 90,, r 0.05, 0.3, 0,..., Grafik ilustrasi proposisi utuk piliha parameter berikut: S 00, K 0,, r 0.05, 0.3, 0,..., Grafik ilustrasi proposisi 3 utuk piliha parameter berikut: S 00, K 00,, r 0.05, 0.3, 0,..., Grafik ilustrasi hasil perbaika kostruksi biomial megguaka pedekata PP da PP Perbadiga perilaku kekovergea lima model Perbadiga error da derajat kekovergea lima model xii

15 DAFAR LAMPIRAN Halama Peurua persamaa (.8) Peurua persamaa (.5) Program gambar da peghituga umerik dega Software Matlab xiii

16 I PENDAHULUAN. Latar Belakag Dalam duia keuaga, dikeal adaya pasar keuaga (fiacial market) yag terdiri atas pasar uag (moey market) da pasar modal (capital market). Pada pasar uag terjadi jual beli aset keuaga dalam jagka pedek, sedagka utuk pasar modal terjadi jual beli aset keuaga utuk jagka pajag. Pasar modal terdiri atas pasar obligasi, pasar saham da pasar utuk derivatif (Bodie et al. 006). Hull (003) meyataka bahwa derivatif adalah istrume keuaga yag ilaiya didasarka atau dituruka dari aset yag medasariya. Beberapa produk derivatif atara lai: kotrak berjagka (future cotract), kotrak forward da kotrak opsi. Kotrak berjagka merupaka suatu kewajiba utuk membeli atau mejual suatu aset pada harga yag telah ditetuka pada saat jatuh tempo. Kotrak forward merupaka perjajia utuk melakuka peyeraha aset di masa datag pada harga yag disepakati. Kotrak opsi (selajutya disebut opsi) adalah suatu jeis kotrak atara dua pihak, satu pihak memberi hak kepada pihak lai utuk mejual atau membeli aset tertetu pada harga da periode waktu tertetu (Niwiga 005). erdapat dua jeis opsi yag palig medasar, yaitu opsi call da opsi put. Suatu opsi call memberika hak kepada pembeli utuk membeli suatu aset tertetu dega jumlah tertetu pada harga yag telah ditetuka selama periode waktu tertetu pula. Sedagka opsi put memberika hak kepada pembeli utuk mejual suatu aset tertetu dega jumlah tertetu pada harga yag telah ditetuka selama periode waktu tertetu pula. Utuk bisa megguaka hak tersebut maka pemegag opsi wajib meyerahka sejumlah uag kepada peerbit opsi yag disebut sebagai premi opsi. Pegguaa hak utuk mejual atau membeli aset dalam kotrak opsi dikataka sebagai tidaka eksekusi. Berdasarka waktu eksekusi maka terdapat dua tipe opsi, yaitu opsi Eropa da opsi Amerika. Opsi tipe Eropa haya dapat dieksekusi pada waktu jatuh tempo, sedagka opsi Amerika dapat dieksekusi pada sebarag waktu sampai dega jatuh tempo (Hull 003). Pada awal pembukaa perdagaga opsi, harga opsi ditetuka oleh peerbit opsi dega mempertimbagka ilai kewajara dari harga saham da kemugkia-

17 kemugkia adaya keaika serta peurua harga saham. Sehigga tidak ada formula yag baku terhadap peetua harga opsi. Pada tahu 973, Fisher Black, Myro Scholes (Hull 003) berhasil meetuka solusi aalitik dari suatu persamaa Black-Scholes-Merto. Solusi aalitik tersebut dikeal sebagai formula Black-Scholes. Formula Black-Scholes itu meyataka harga opsi call Eropa. Sedagka Harga opsi put Eropa dapat ditetuka melalui kesetaraa atara put da call yag serig disebut sebagai put call parity. Di sampig adaya peelitia utuk meetuka solusi aalitik harga opsi, juga dikembagka pedekata umerik utuk peetua harga opsi. Hull da White (990) meyataka bahwa dua pedekata umerik yag serig dilakuka utuk meetuka ilai suatu derivatif adalah dega megguaka metode beda higga da metode lattice (biomial da triomial). Metode biomial utuk kali pertama dikembagka secara simulta oleh Cox, Ross da Rubistei (979) atau CRR serta Redleme da Bartter (979) dega megasumsika bahwa dalam suatu iterval waktu, harga saham aka aik sebesar faktor u (up) da aka turu sebesar faktor d (dow) karea dipegaruhi oleh faktor suku buga. Selajutya CRR mempertimbagka bahwa pergeraka harga saham juga dipegaruhi faktor volatilitas. Jarrow da Rudd (983) (JR) memperbaiki model biomial pada peetua peaksira. Sedagka ia (993) megguaka model biomial da triomial pada peilaia dari opsi eksotik. Peilaia da perbaika metode biomial seatiasa dilakuka oleh para ahli dari waktu ke waktu. Metode biomial pada umumya diperguaka utuk meetuka ilai opsi terutama yag tidak bisa dituruka secara aalitik, di ataraya opsi Amerika. Metode biomial terdiri atas beberapa model yaitu model CRR, JR, ia, Peizer- Pratt (PP), da Peizer-Pratt (PP). Dega aplikasi eorema Limit Pusat (CL= Cetral Limit heorem) dibuktika bahwa model-model tersebut koverge ke solusi Black-Scholes ketika tahapa waktu atar perdagaga medekati ol. Utuk megetahui sifat-sifat kekovergeaya, maka perlu dilihat pedekata umerikya.

18 3 Berdasarka uraia di atas, maka perlu kekovergeaya, serta perlu dibadigka harga opsi Eropa. diketahui perilaku da kecepata akurasi tiap-tiap model terhadap. Rumusa Masalah Dari latar belakag tersebut di atas, rumusa masalah dapat dituliska sebagai berikut: Model-model biomial utuk peetua harga opsi aka koverge ke solusi Black-Scholes. Bagaimaa tigkah laku da kecepata kekovergea dari tiaptiap model biomial tersebut? Bagaimaa perbadiga akurasi dari tiap-tiap model biomial tersebut bila dibuktika secara umerik?.3 ujua Peelitia Berdasarka rumusa masalah di atas maka tujua peelitia ii adalah sebagai berikut: Megeksplorasi perilaku da kecepata kekovergea dari model-model biomial. Membadigka akurasi beberapa model biomial utuk meetuka harga opsi Eropa secara umerik..4 Ruag Ligkup Peelitia Ruag ligkup peelitia ii adalah sebagai berikut: Model peetua harga opsi Black-Scholes utuk opsi tipe Eropa. Model peetua harga opsi dega metode biomial. 3 Pola kekovergea dari metode biomial. 4 Kecepata serta derajat kekovergea model biomial. 5 Akurasi model-model biomial yag diukur dega besarya RMS..5 Sistematika Pembahasa Dalam memahami masalah kekovergea model biomial utuk meetuka harga opsi, dibahas beberapa kosep dasar yaitu: pegertia opsi da hal-hal yag berhubuga dega opsi, persamaa Black-Scholes utuk harga opsi, pegertia

19 4 model biomial, peurua formula metode biomial dega suku buga diskret da kotiu, yag aka dibahas pada bagia dua tesis ii. Pada bagia tiga aka dipaparka tetag perbadiga perkembaga harga saham dega waktu kotiu (solusi Black-Scholes) da perkembaga harga saham dega waktu diskret (biomial). iga model biomial, yaitu model CRR, JR, da ia aka dibadigka dalam perilaku kekovergea da kecepata kekovergea. Beberapa defiisi da teorema tetag kekovergea, derajat kekovergea da kecepata kekovergea aka ditujukka pada bagia ii. Selajutya aka dipaparka model biomial lai utuk memperbaiki sifat kekovergea. Pada bagia keempat aka dilakuka perhituga harga opsi dega lima macam model, serta aka dibadigka akurasi harga opsi yag diperoleh dari masigmasig model dega cara meghitug error-relatif. Pada bagia kelima aka dituliska tetag kesimpula da sara.

20 II LANDASAN EORI. Pegertia Opsi Salah satu istrume derivatif yag mempuyai potesi utuk dikembagka adalah opsi. Pegertia dari opsi adalah suatu kotrak atara dua pihak di maa salah satu pihak (sebagai pembeli) mempuyai hak utuk membeli atau mejual suatu aset tertetu dega harga yag telah ditetuka pula, pada atau sebelum waktu yag ditetuka. Pemegag opsi tidak diwajibka utuk megguaka hakya atau aka megguaka hakya jika perubaha dari harga aset yag medasariya aka meghasilka keutuga, baik dega mejual atau membeli aset yag medasari tersebut.. Aset yag Medasari Opsi Dalam perdagaga opsi terdapat beberapa aset yag medasari, atara lai opsi ideks (idex optio), opsi valuta asig (foreig currecy optio) opsi berjagka (future optio) da opsi saham (stock optio). Opsi ideks adalah suatu opsi dega aset berbasis ideks pasar saham. Opsi valuta asig adalah suatu opsi dega aset berbasis mata uag asig dega kurs tertetu, opsi berjagka adalah suatu opsi dega aset berbasis kotrak berjagka. Sedagka opsi saham adalah suatu opsi dega aset yag medasariya adalah saham..3 Nilai Opsi.3. Nilai itrisik Nilai itrisik opsi adalah ilai ekoomis, meggambarka keutuga ivestor jika opsi dieksekusi dega segera. Jika ilai ekoomis dari eksekusi opsi dega segera tidak positif, maka ilai itrisik adalah ol. Utuk opsi call, ilai itrisik aka positif jika harga saham yag terjadi (S ) lebih besar dari pada harga eksekusi (K). Sedagka utuk opsi put ilai itrisik aka positif jika harga saham berlaku (S ) kurag dari harga eksekusi (K)..3. Nilai waktu Nilai waktu adalah selisih atara ilai itrisik dega harga opsi. Harga atau premi suatu opsi adalah ilai yag wajar dari suatu opsi yag ditetuka oleh pasar kompetitif yag dibayarka oleh pembeli opsi pada saat kotrak dibuat. Opsi Eropa

21 tidak mempuyai ilai waktu karea eksekusi dilaksaaka haya saat waktu jatuh tempo..4 ipe Opsi erdapat dua tipe opsi yag palig medasar, yaitu opsi call da opsi put. Suatu opsi call memberika hak kepada pemegagya utuk membeli suatu aset tertetu dega jumlah tertetu pada harga yag telah ditetuka (strike price, exercise price) sampai waktu jatuh tempo. Sedagka opsi put memberika hak kepada pembeli utuk mejual suatu aset tertetu dega jumlah tertetu pada harga yag telah ditetuka sampai waktu jatuh tempo. Dalam kotrak opsi call tersebut ada empat hal utama: Harga aset yag medasari yag aka dibeli Jumlah aset yag medasari yag dapat dibeli 3 Harga eksekusi aset yag medasari 4 aggal berakhirya hak membeli, atau disebut dega expiratio date. Pada kotrak opsi put empat hal tersebut hampir sama dega yag tertuag dalam opsi call. rasaksi opsi aka terkait dega pelaksaaa hak. Berdasarka waktu pelaksaaaya opsi dibagi mejadi dua, yaitu opsi Eropa da opsi Amerika. Misalka harga awal (pada saat disetujui kotrak) adalah S, waktu jatuh tempo da harga eksekusi (harga yag ditetapka pada saat jatuh tempo) adalah K, serta c c t, S meyataka harga opsi call Eropa, da p p t, S meyataka harga opsi put Eropa. Nilai itrisik dari opsi call Eropa pada saat jatuh tempo dapat dituliska sebagai suatu payoff atau peerimaa bagi pemegag kotrak opsi, yaitu c max S K,0. 6 Jika S K, opsi dikataka dalam keadaa i the moey. Pemegag opsi aka megeksekusi opsi call, yaitu dega mejual saham dega harga besar dari K, da aka medapatka hasil sejumlah S K. Jika S dikataka dalam keadaa at the moey. Sedagka apabila S S yag lebih K opsi call K opsi call dikataka dalam keadaa out of the moey. Kodisi payoff dari opsi put Eropa adalah

22 7 Jika S p max K S,0. K, opsi tidak berilai sehigga pemegag opsi tidak megguaka hakya. Hubuga atara harga opsi call Eropa dega put Eropa yag dikeal dega put call parity, dapat diyataka sebagai berikut: r c Ke p S dega r meyataka suku buga bebas risiko. Apabila C C t, S meyataka harga opsi call Amerika da P P t, S meyataka harga opsi put Amerika, maka payoff pada waktu maturity utuk call adalah: Sedagka utuk opsi put C max S K,0. P max K S,0..5 Keutuga Opsi Dega melaksaaka perdagaga opsi, aka dapat diperoleh beberapa mafaat: Maajeme risiko: peerbit dari put atas suatu aset yag medasari dapat melakuka hedgig, yaitu berivestasi pada suatu aset utuk meguragi risiko portofolio keseluruha. Hal ii dilakuka bila harga aset yag medasariya turu drastis secara tiba-tiba, sehigga dapat meghidari risiko kerugia. Memberika waktu yag fleksibel: utuk opsi tipe Amerika, maka pemegag opsi call maupu opsi put dapat meetuka apakah aka melaksaaka hakya atau tidak higga masa jatuh tempo. 3 Meyediaka saraa spekulasi: para ivestor dapat memperoleh keutuga jika dapat meetuka dega tepat kapa membeli opsi put atau call. Apabila diperkiraka harga aik maka aka membeli opsi call, da sebalikya bila harga cederug turu maka aka membeli opsi put. 4 Diversifikasi: dega melakuka perdagaga opsi dapat memberika kesempata kepada ivestor utuk melakuka diversifikasi portofolio utuk tujua memperkecil risiko ivestasi portofolio.

23 8 5 Peambaha pedapata: perusahaa yag meerbitka saham aka memperoleh tambaha pemasuka apabila meerbitka opsi, yaitu berupa premi dari opsi tersebut..6 Faktor-Faktor yag Mempegaruhi Harga Opsi.6. Harga aset yag medasari da harga eksekusi Jika suatu opsi call dieksekusi pada suatu waktu di masa yag aka datag, pembayaraya sebesar selisih atara harga aset yag medasari da harga eksekusi. Suatu opsi call aka mejadi lebih berilai jika harga aset yag medasariya meigkat da kurag berilai jika harga eksekusi meigkat. Semetara pada opsi put, pembayara atas eksekusi hak sebesar selisih atara harga eksekusi da harga aset yag medasariya..6. aggal jatuh tempo Utuk tipe Amerika, dari kedua macam opsi baik opsi call maupu opsi put mejadi lebih berharga jika jatuh tempoya semaki meigkat. Semetara utuk tipe Eropa ilai terhadap opsi baik call mupu put tidak terpegaruh dega jatuh tempo, hal ii berkeaa dega waktu eksekusi hak..6.3 Volatilitas Volatilitas atas aset yag medasari adalah sebuah ukura tigkat ketidakpastia megeai pergeraka aset yag medasari tersebut di masa datag. Jika volatilitas semaki meigkat maka aka semaki meigkat pula peluag aset yag medasari utuk megalami peigkata atau peurua. Pemilik dari suatu opsi call memperoleh mafaat dari keaika harga tetapi dibatasi oleh risiko peurua harga. Begitu pula bagi pemegag opsi put yag memperoleh mafaat dari peurua harga tetapi dibatasi oleh risiko keaika harga..6.4 Suku Buga Bebas Risiko (Risk free iterest rate) Suku buga bebas risiko mempegaruhi harga suatu opsi. Jika tigkat suku buga dalam perekoomia megalami keaika aka mempegaruhi harapa keaika harga aset yag medasari (dalam hal ii saham). Dega megasumsika bahwa semua peubah tetap, maka harga opsi put aka meuru jika suku buga bebas risiko megalami peigkata. Begitu pula sebalikya, harga opsi call aka selalu meigkat seirig dega peigkata suku buga bebas risiko.

24 .6.5 Divide Divide yag diharapka selama opsi masih berlaku aka mempuyai pegaruh terhadap peguraga harga aset yag medasari pada taggal pembagia divide. aggal pembagia divide dapat memberika setime egatif bagi ilai opsi call, tetapi baik utuk meigkatka ilai opsi put..7 Persamaa Black-Scholes Fischer Black da Myro Scholes dalam merumuska ilai suatu opsi medasarka pada beberapa asumsi, yaitu: Harga dari aset yag medasari megikuti proses Wieer yag mempuyai fugsi kepekata peluag logormal. idak ada biaya trasaksi da pajak. 3 idak ada pembayara divide selama opsi berlaku. 4 idak terdapat peluag arbitrage. 5 Perdagaga dari aset yag medasari bersifat kotiu. 6 Short sellig diijika. 7 Suku buga bebas risiko r adalah kosta da sama utuk semua waktu jatuh tempo. Utuk memodelka Persamaa Black-Scholes, didefiisika atau ditetuka beberapa istilah, yaitu: Defiisi. (Proses Stokastik) Proses stokastik X X t, t H adalah suatu koleksi (himpua) dari peubah 9 acak. Utuk setiap t pada himpua ideks H, X t adalah suatu peubah acak da t serig diiterpretasika sebagai waktu (Ross 996). Defiisi. (Gerak Brow) Proses stokastik X X t, t H disebut proses gerak Brow jika: X 0 0. Utuk 0 t t t peubah acak X ti X ti, i,,3,..., salig bebas.

25 0 3 Utuk setiap t 0, X t berdistribusi ormal dega rataa 0 da varia t (Ross 996). Defiisi.3 (Gerak Brow Geometris) Jika X t, t 0 adalah gerak Brow, maka proses stokastik Z t, t 0 yag didefiisika X t Z t e disebut gerak Brow geometris (Ross 996). Defiisi.4 (Proses Wieer) Proses Wieer adalah Gerak Brow dega rataa 0 da variasi (Niwiga 005). Defiisi.5 (Proses Wieer Umum) Proses Wieer Umum utuk suatu peubah acak X dapat diyataka sebagai berikut (Hull 003): dx t a dt b dw ( t ) (.) adt disebut sebagai kompoe determiistik da b dw ( t) stokastik, serta W( t) meyataka rataa da stadar deviasi dari X. Defiisi.6 (Proses Ito ) meyataka kompoe adalah proses Wieer, sedagka a da b masig-masig Proses Ito adalah proses Wieer umum dega a da b meyataka suatu fugsi dari peubah acak X da waktu t. Proses Ito dapat diyataka sebagai berikut (Hull 003): dx t a X t, t dt b X t, t dw t (.) Lema. (Lema Ito ) Misalka proses X t memeuhi persamaa (.) da fugsi Y t f X t, t adalah kotiu serta turua-turua ft X t, t, f X X t, t, f XX X t, t kotiu, maka Y t f X t, t memeuhi persamaa berikut (Gihma 97): dy t ft X t, t dt f X X t, t dx t f XX X t, t dx t, (.3) dega

26 da f, f t X, f XX f f f t X X dt dw t dt dt dw t 0, dw t dt Defiisi.7 (Model Harga Saham) Jika S harga saham pada waktu t, µ adalah parameter kosta yag meyataka tigkat rata-rata pertumbuha harga saham da model dari perubaha harga saham, yaitu (Hull 003): volatilitas harga saham, maka ds t S t dt S t dw t. (.4) Berdasarka ketetua-ketetua di atas aka dituruka persamaa Black- Scholes. Misalka X(t) megikuti proses Wieer umum, yaitu persamaa (.). Persamaa ii dapat dikembagka mejadi (.). Selajutya aka ditetuka model dari proses harga saham S. Diasumsika bahwa tidak terjadi pembayara divide pada saham. Misalka S(t) adalah harga saham pada waktu t. Megigat proses Ito, perubaha S(t) aka memiliki ilai harapa drift rate S. Parameter meyataka tigkat rata-rata pertumbuha harga saham da S t dt disebut kompoe determiistik. Karea harga saham juga dipegaruhi oleh faktor ketidakpastia maka kompoe stokastikya adalah S t dw t, dega meyataka volatilitas harga saham. Volatilitas harga saham megidikasika tigkat risiko dari harga saham. Dega demikia model dari harga saham adalah berbetuk (.4), yaitu: ds t S t dt S t dw t. Dega (.4) ii, dapat diterapka lema Ito utuk suatu fugsi V(t,S), yaitu ilai opsi dega harga saham S pada waktu t, sehigga diperoleh: V V V V dv S S dt S dw t S t S S. (.5) Utuk meghilagka proses Wieer dipilih sebuah portofolio yag diivestasika pada saham da derivatif. Strategi yag dipilih adalah membeli satu opsi da mejual V saham. Misalka S adalah ilai portofolio yag didefiisika oleh

27 V V S. (.6) S Perubaha portofolio pada selag waktu dt didefiisika sebagai V d dv ds. S Dega mesubstitusika persamaa (.3) da (.5) ke dalam (.7) diperoleh (.7) V t V S d S dt. (.8) (lihat lampira ) Retur dari ivestasi sebesar pertumbuha sebesar r dt dalam selag waktu dt. pada saham tak berisiko aka memiliki Agar tidak terdapat peluag arbitrage, ilai pertumbuha ii harus sama dega ruas kaa dari (.8), yaitu: V t V S r dt S dt. (.9) Substitusi Persamaa (.6) ke dalam (.9), meghasilka V V V t t S rv rs dt S dt V V V S rs rv 0. (.0) S S t Persamaa (.0) ii dikeal sebagai Persamaa Black-Scholes...8 Formulasi Harga Black-Scholes Hull (003) meujukka bahwa salah satu cara utuk meetuka solusi aalitik persamaa Black-Scholes, yag merupaka harga opsi da disebut formula Black-scholes, adalah dega megguaka pedekata peilaia risiko etral. Utuk sebuah opsi call Eropa, ilai harapa payoff dari opsi call pada saat jatuh tempo adalah Eˆ max S K,0.. Didefiisika g(s ) adalah fugsi kepekata peluag dari S, maka (.) E ˆ max S K,0 S K g S ds. (.) K

28 3 G G G Misalka G l S, maka, da 0. Berdasarka Lema Ito S S S S t diperoleh G S S 0 S S dt S dz S dt dz. Karea da kosta maka G l S megikuti gerak Brow dega rataa da variasi. Berdasarka Persamaa (.3), ds merupaka tigkat pegembalia dari harga S saham. Betuk pegembalia dari harga saham yag dapat diprediksi da bersifat determiistik adalah dt. Sebagai cotoh dari pegembalia yag bersifat determiistik adalah pegembalia dari sejumlah daa yag diivestasika di bak yag bersifat bebas risiko. Karea bersifat bebas risiko maka ekspektasi dari harga saham dapat dikataka sebagai tigkat suku buga r, sehigga kostata digati dega r. Karea dapat G l S berubah dari 0 sampai dega da G l S megikuti gerak Brow, maka l S berdistribusi ormal dega rataa da variasi. Misalka pada waktu t 0 ilai G l S0 da pada waktu ilai G l S, r maka pada selag waktu 0 sampai dega, l S l S0 adalah berdistribusi ormal dega rataa da varia seperti di atas, sehigga diperoleh: l S l S0 ~ N r, atau dapat dituliska l S berdistribusi ormal dega l S ~ N l S r, 0. Dega demikia l S berdistribusi ormal dega rataa

29 4 m l S 0 r da stadar deviasi s. (.3) Selajutya didefiisika juga sebuah peubah Q dega l S Q = m. (.4) Substitusi m dari Persamaa (.3) ke dalam Persamaa (.4) diperoleh Q l S l S 0 r, maka peubah Q juga berdistribusi ormal dega rataa 0 da stadar deviasi, da fugsi kepekata peluag dari Q diyataka dega h(q), yaitu (lihat lampira ) / h Q e Q. (.5) Persamaa (.4) diyataka mejadi S e Q m. (.6) Perubaha batas itegral pada sisi kaa dari persamaa (.), dari itegral meurut S mejadi itegral meurut Q adalah sebagai berikut: Jika S, maka Q =. Jika S K maka K = Q m e sehigga Q = Dega megguaka persamaa (.5), (.6), misalka s =, l K m. maka Persamaa (.) mejadi: perubaha batas itegral da Eˆ max S K,0 l K e Qs m / s m K h Q dq = e Qs m h( Q) dq K h( Q) dq (l K m) / s (l K m) / s = (l K m) / s e Qs m e Q / dq K (l K h( Q) dq m) / s

30 5 = (l K m) / s e ( Q Qs m) / dq K (l K h( Q) dq m) / s = (l K m) / s e ( ( Q s) s m) / dq K (l K h( Q) dq m) / s = (l K m) / s e m s / e ( ( Q s) ) / dq K (l K h( Q) dq m) / s = (l K e m s / m) / s h( Q s) dq K h( Q) dq, (l K m) / s sehigga persamaa (.) dapat diyataka dega Eˆ max S K,0 = (l K e m s / m) / s h( Q s) dq K h( Q) dq. (.7) (l K m) / s Jika N(x) meyataka otasi dari fugsi distribusi ormal baku kumulatif maka (l K e m s / m) / s h( Q m / s) dq = e [ N[(l K m) / s s]] = m / e [ N[( l K m) / s s]]. Peubah m pada ruas kaa yag terdapat dalam tada kurug siku persamaa di atas disubstitusi dega Persamaa (.3) da s =, maka diperoleh (l K m) / s e m s / h( Q s) dq e m / N l K l S 0 r / / 0 m e N l S / K r / / m e N l S0 / K r / e m / N d, dega d l S0 / K r /. Dega alasa yag serupa di atas, maka

31 6 K h( Q) dq K N (l K m)/ s l K s m l K m KN s Dega mesubstitusika m da s pada persamaa (.3) ke dalam persamaa di atas diperoleh K h( Q) dq KN l K l S0 r / (l K m)/ s KN l S0 / K r / = KN d, dega d l S0 / K r /, sehigga Persamaa (.) mejadi m / Ê [max(s K, 0)] e N d KN d e l S 0 r / / N d d KN = 0e N d KN d S r. (.8) Berdasarka argumetasi peilaia risiko etral, harga opsi call Eropa yag dilambagka dega c adalah ilai harapa yag didisko pada suku buga bebas risiko yag dapat diyataka sebagai c e r Eˆ max S K,0. (.9) Dega substitusi Persamaa (.8) da (.9) diperoleh formula Black- Scholes utuk opsi call Eropa tapa membayarka divide pada saat kotrak opsi dibuat, yaitu c dega S r 0 N d Ke N d d l S0 / K r / da. (.0)

32 7 d /.9 Pegertia Model Biomial l S0 / K r d. Model biomial adalah suatu betuk cara peetua harga opsi, yag megasumsika bahwa sebuah saham haya bisa memiliki dua ilai yag mugki pada saat kadaluwarsa opsi. Saham tersebut mugki meigkat (up) higga harga tertiggi atau turu (dow) higga harga teredah (Bodie 997). Meskipu tampakya merupaka peyederhaaa yag berlebiha, tetapi cara ii memugkika utuk lebih dekat memahami model-model yag lebih rumit da realistik..0 Rasio Lidug Nilai (Hedge Ratio) Rasio lidug ilai adalah perbadiga dari pergeraka yag mugki dari ilai opsi da saham pada akhir periode. Rasio itu adalah dega cu c us u cd ds 0 0 da cd (.) adalah ilai opsi yag megacu saat harga saham aik atau turu, sedagka us0 da ds0 merupaka harga saham dalam dua kodisi setelah terjadi perubaha aik atau turu. Jika ivestor meerbitka satu opsi da memegag lembar saham, maka ilai portofolio tidak aka dipegaruhi oleh harga saham akhir. Portofolio itu serig disebut portofolio bebas risiko ( riskless portofolio).. Model Biomial dega Suku Buga Diskret Perhituga ilai opsi call Eropa megguaka metode biomial dega suku buga diskret, dega lagkah-lagkah sebagai berikut: Defiisika proses harga saham, yaitu diberika harga sekarag saat maka harga saham pada saat aka bergerak aik dega faktor u bergerak turu dega faktor d dega d u. Jika c S S S ( u) S, u ( d ) S, u meyataka ilai opsi call pada waktu, maka: atau aka

33 8 c maks{0,( u) S K}, u c Pada waktu c maks{0,( d ) S K}, d dapat dibetuk portofolio leverage yag terdiri atas saham S da obligasi sebesar B yag aka memberika payoff yag sama seperti payoff opsi call pada waktu : S B ( u) S ( r) B ( d) S ( r) B Dega meyamaka payoff dari opsi call da payoff dari portofolio leverage pada waktu diperoleh: ( u) S ( r) B c (.), u ( d ) S ( r) B c. (.3), d Setelah diselesaika sistem persamaa liier diperoleh: B dega c c, u, d ( u d) S ( u) c ( d) c, d, u ( u d)( r) pada (.) da (.3) di atas (.4) (.5) meyataka rasio lidug ilai, artiya utuk membetuk portofolio yag bebas risiko maka diperluka perbadiga, yaitu sejumlah call. saham da satu opsi Lagkah selajutya, jika pada waktu, opsi call da portofolio leverage memberika payoff yag sama, maka pada harus memiliki ilai yag sama pula. Maka substitusika persamaa (.4) da (.5) dalam persamaa berikut, diperoleh c S B c c ( u) c ( d) c S ( u d) S ( u d)( r), u, d, d, u ( r d) c ( u r) c, u, d ( u d)( r). (.6)

34 9 r d Dega mesubstitusika p u d, da u r p u d diperoleh c pc ( p) c, u, d ( r) (.7) Dega cara yag sama bisa dituruka ilai opsi call Eropa dega metode biomial periode, 3 periode da periode yaitu c c p c p( p) c ( p) c, uu, ud, dd ( r) p c 3 p ( p) c 3 p( p) c ( p) c 3 3, uuu, uud, udd, ddd 3 3 ( r) (.8) (.9) c j 0 p ( p ) ( S K ) j j j ( r) (.30). Model Biomial Dega Suku Buga Kotiu Perhituga ilai opsi call Eropa megguaka metode biomial dega suku buga kotiu, dega lagkah-lagkah sebagai berikut: Defiisika proses harga saham, yaitu diberika harga sekarag saat maka harga saham pada saat aka aik dega faktor keaika u da aka turu dega faktor peurua d dega d u, demikia juga terhadap ilai opsiya yaitu dari f mejadi f da u fd S0 S0u S0d dega S0 merupaka harga saham saat waktu f f, u fu fd da fd adalah harga opsi pada waktu yag didefiisika sebagai fu maks(0, S0u K) da f maks(0, S d K) dega K merupaka harga eksekusi pada waktu. d 0 Portofolio yag dibetuk adalah posisi log utuk sejumlah short utuk satu opsi call S0 f S0u fu S0d fd saham da posisi

35 0 Portofolio aka mejadi bebas risiko ketika S0u f S0 d f, sehigga diperoleh ilai fu S u fd S d 0 0. (.3) Nilai portofolio pada waktu adalah S0u f u, sehigga ilai portofolio pada saat r ii merupaka preset value dari S0u fu yaitu ( S0u fu ) e, dega r adalah suku buga bebas risiko. Ekspresi lai dari portofolio pada saat ii adalah S0 membadigka di atara dua peryataa di atas diperoleh u d f. Sehigga dega S f ( S u f ) e 0 0 u r r f S0 ( S0u fu ) e.. Substitusika ilai pada persamaa (.3) f f f f f S ( S u fu ) e S u S d S u S d u u u u r (.3) r r e d e d f fu ( ) fd e u d u d r dega r f pf ( p) f e (.33) p risiko etral. u r e u d d d da utuk pembahasa selajutya p disebut sebagai peluag Dega lagkah-lagkah yag dilakuka seperti di atas, utuk metode biomial dega dua periode, diperoleh dega r t f pf ( p) f e (.34) u uu ud r t f pf ( p) f e (.35) d du dd r f pf ( p) f e (.36) p u r t e u d d d Substitusika persamaa (.34) da (.35) ke dalam (.36) diperoleh harga opsi call dega model biomial dua periode adalah f p f p( p) f ( p) f e. (.37) r t uu ud dd

36 Utuk peetua harga opsi call dega metode biomial tiga periode dirumuska f p f 3 p ( p) f 3 p ( p) f ( p) f e. (.38) r t uuu uud udd ddd Sehigga utuk periode pada metode biomial dega waktu kotiu diperoleh f p ( p) ( S ) j 0 K e j dega j j r t t.3 Kekovergea. (.39) Utuk melihat kembali tetag kekovergea, maka aka diberika beberapa defiisi yag berkaita dega barisa da limit sebagai berikut (Purcell 997): Defiisi.8 (Barisa Bilaga Real) Barisa bilaga real adalah suatu fugsi dari N ke R. Misalka X : N R adalah suatu barisa bilaga real dega X ( ) x N. x disebut suku ke- dari barisa X. Barisa X bisa dilambagka dega X { x } = { x } ={ x }. (.40) = N Defiisi.9 (Limit Barisa) Misalka { x } = adalah barisa bilaga real. Barisa { x } = dikataka mempuyai limit L R utuk meuju tak higga, jika 0, 0 ( ) N, sehigga x L,. (.4) 0 Barisa { x } =mempuyai limit L, dituliska dega lambig lim x L Defiisi.0 (Barisa Koverge) Jika barisa bilaga real { x } = mempuyai limit L, maka barisa { x } = dikataka koverge ke L

37 III PERBANDINGAN MODEL-MODEL BINOMIAL 3. Model Kotiu da Model Diskret Perkembaga Harga Saham Saham merupaka aset fiasial yag ilaiya berubah-ubah megikuti harga pasar, sehigga dalam jagka waktu tertetu harga saham dapat megalami keaika maupu peurua atau bahka tidak megalami perubaha harga. Jadi perubaha harga saham dipegaruhi oleh perubaha waktu da dipegaruhi pula oleh peubahpeubah peggaggu yag berupa peubah acak yag megikuti gerak Brow. Perubaha harga saham tersebut dapat dimodelka sebagai berikut: ds S dt S dw (3.) dega: S : harga saham : tigkat harapa pedapata dt W : volatilitas dari harga saham : periode waktu : peubah acak dega drift rate 0 da variace rate, serta megikuti gerak Brow (Hull 003). Perkembaga harga saham ditijau dari sisi waktu terdiri atas dua macam, yaitu model diskret da model kotiu. Dari model harga saham itu, aka ditetuka ilai suatu aset turuaya, di ataraya adalah opsi call yag mempuyai harga eksekusi K da waktu jatuh tempo. Suatu portofolio lidug ilai yag didefiisika pada (.6) yag memuat aset S da sejumlah pijama tapa risiko pada suku buga r dibetuk utuk mereplikasi ilai dari suatu opsi pada setiap titik waktu t. Dega syarat tapa adaya arbitrase, portofolio itu Scholes utuk fugsi c( t, S) yaitu c c c rs S rc t S S bersesuaia dega persamaa diferesial Black- (3.) Solusi dari persamaa diferesial (PD) dega batas f : x ( x K) merupaka fugsi payoff yag diberika oleh formula opsi Black-Scholes c( t, S) S N( d ) K e N( d ) dega r

38 3 d dega N (.) S K r l( / ) ( ), / (3.3) adalah fugsi distribusi ormal baku. Sesuai dega Harriso da Pliska (98) maka ilai dari c( t, S) merupaka preset value dari ilai opsi pada waktu yag dapat dituliska sebagai c( t, S) : e r E([ f ( S )]. (3.4) Solusi di atas apabila diselesaika dega model biomial memerluka beberapa peyesuaia, yaitu perkembaga harga saham pada iterval waktu (0, ) aka dibuat mejadi sub-sub iterval yag lebih kecil. Misalka diberika ruag peluag (, F, P), da suatu bilaga yag meyataka waktu perdagaga, di maa perdagaga saham haya terjadi pada waktu ti (0 t0, t,..., t ) dega ti ti t, ( i 0,,..., ). Pedapata dalam satu periode R, i (i=,..., ) dimodelka oleh dua variabel acak biomial yag iid (idepedet idetically distributed) pada ruag peluag (, F, P) R, i dega u dega peluag p d dega peluag p q (3.5) dega u meyataka faktor keaika harga saham da d meyataka faktor peurua harga saham. Sehigga utuk semua k 0,..., perkembaga aset diskret pada waktu t k diyataka oleh S S R. (3.6), k 0, i i k Deskripsi dari pedapata satu periode perdagaga telah meggambarka perkembaga harga aset diskret S secara keseluruha. Selajutya barisa terbatas dari R ( R, i ) i,..., disebut sebagai lattice (tree). Sedagka pemberia ilai tertetu terhadap parameter r,, S0 da t utuk masig-masig perbaika disebut sebagai pedekata lattice.

39 4 Beberapa pedekata lattice yag berbeda telah memperhitugka argumetasi risiko etral seperti yag disampaika oleh Harriso da Pliska (98) yag meujukka bahwa harapa pedapata satu periode E[ R,] harus sama dega pedapata satu periode dari obligasi bebas risiko r exp{ r t }. Cox, Ross da Rubistei, Jarrow da Rudd da ia telah merumuska beberapa defiisi alteratif dari parameter tree yag haya bersadar pada peetua faktor keaika da faktor peurua harga aset, yag tertuag dalam tabel berikut abel 3. Defiisi alteratif dari parameter tree pada pedekata lattice oleh model CRR, model JR da model ia. CRR JR ia u d exp exp u d exp exp ' r ' ' / / r v u v v v / ( 3) r v d v v v r v / ( 3) Keteraga: CRR : Model yag disampaika oleh Cox, Ross da Rubistei JR : Model yag disampaika oleh Jarrow da Rudd ia : Model yag disampaika oleh ia. Substitusi parameter pada tabel 3. ke dalam persamaa 3.8 diperoleh ilai opsi call dega metode biomial utuk masig-masig model. Metode biomial tersebut utuk kali yag pertama disampaika oleh Cox, Ross da Rubistei yag meyataka bahwa harga opsi pada t = 0 merupaka preset value dari ilai harapa harga opsi pada t = yag diyataka sebagai 0 0, 0 exp exp c (0 t, S ) r E[ f ( S ) S ] (3.7) r r p ( p ) [ S K] j j, j 0 j (3.8) da meurut Leise da Reimer (996) persamaa (3.8) ekivale dega dega c t S S a p K r a p (3.9) ' (0 0, 0) 0 [ ;, ] [ ;, ]

40 5 ( r d ) u l( K / S ) l d p, p p, a= ' 0 ( u d) r l u l d da (.) meyataka fugsi distribusi biomial. Formula (3.7), (3.8), da (3.9) merupaka suatu pedekata terhadap formula Black-Scholes pada (3.3). Pedekata ii diperoleh dega diskretisasi waktu terhadap perkembaga harga saham pada (3.). sehigga secara implisit meggambarka perkembaga harga opsi melalui argumetasi replikasi backward. 3. Uji Kekovergea Model Biomial Semua pedekata lattice disusu sedemikia sehigga S, koverge ke S. Selajutya ditetuka rata-rata serta varia dari l, S, yaitu ˆ, ˆ da rata-rata serta varia dari l S adalah t, t. Meurut Leise da Reimer (996), dega teorema limit pusat da syarat batas Liapuov telah memberika jamia terhadap kekovergea masalah berikut. ˆ (3.0) ˆ (3.) k E (l R ˆ), k ( ˆ ) (3.) Ketiga model (CRR, JR da ia) koverge lemah pada akhir periodeya. etapi dalam peelitia ii haya aka memfokuska pada perilaku da kecepata kekovergeaya. Gambar 3., 3., da 3.3 memperlihatka suatu pola tertetu dari perubaha harga opsi yag diperoleh dari beberapa refiemet tree yag berbeda. Garis lurus horizotal meujukka solusi Black-Scholes. Utuk peghituga dega metode biomial, hasil dari setiap refiemet dihubugka dega garis yag meggambarka perubaha hasil. Dari ketiga model di atas ditemuka suatu pola khusus yaitu perkembaga harga opsi berosilasi da bergelombag. Lebih jauh digambarka bahwa iterval dega peguraga error diikuti oleh iterval dega peigkata error kembali. Pada suatu refiemet tertetu dari harga opsi selalu

41 6 berada di atas solusi Black-Scholes tetapi utuk yag cukup besar, solusi dega metode biomial aka koverge ke solusi Black-Scholes. Gambar 3., 3., da 3.3 adalah grafik yag meujukka pola kekovergea dari model CRR, JR da ia utuk suatu piliha parameter: S 00, K 0,, r 0.05, 0.3, 0,...,00. Gambar 3. Grafik pola kekovergea model CRR Gambar 3. Grafik pola kekovergea model JR Gambar 3.3 Grafik pola kekovergea model ia

42 7 Barisa dari ( u ) da ( d ) aka koverge ke satu dega bertambahya refiemet, demikia pula utuk perubaha S, aka medekati saham awalya. Posisi harga akhir opsi seatiasa bersilaga dega jarak yag semaki kecil. Sebagai hasilya, peghituga harga opsi berosilasi da bergelombag koverge ke solusi Black-Scholes. Pola kekovergea yag ada pada semua model biomial dega piliha parameter acak dapat ditujukka dega ilai distribusi error. Nilai itu diperoleh dega cara membadigka atara solusi formula Black-Scholes dega solusi dari perluasa barisa R ( R, i ) i,..., utuk setiap model biomialya. Utuk melihat kecepata kekovergea, maka diambil satu barisa lattice tertetu, di maa harga yag diperoleh dari model diskret da model kotiu tidak sama, maka aka terdapat error e c(0, S0) c (0, S 0). Dega teorema limit pusat diperoleh lim e 0, yag berarti bahwa harga yag dihitug oleh barisa lattice koverge ke solusi Black-Scholes. Gambar 3.4, 3.5 da 3.6 adalah grafik yag meujukka error dari setiap ilai perbaika beserta batas error yag digambarka dega garis lurus pada model CRR, JR da ia. Sumbu-x da sumbu-y digambarka dega skala log. Cotoh utuk suatu piliha parameter berikut: S 00, K 0,, r 0.05, 0.3, 0,...,00 Gambar 3.4 Grafik error da batas error utuk model CRR

43 8 Gambar 3.5 Grafik error da batas error utuk model JR Gambar 3.6 Grafik error da batas error utuk model ia Dalam kaita dega pola gelombag pada perilaku kekovergea, maka aka dideskripsika suatu pedekata kecepata secara formal, yag megguaka batas atas utuk error e. Utuk ii diguaka kosep matematika kekovergea. Utuk mejelaska masalah tersebut diperluka berikut. Defiisi 3. derajat pedefiisia Misalka f : x ( x K) adalah fugsi payoff opsi call Eropa. Suatu barisa lattice koverge berderajat 0, jika ada suatu kostata 0 sedemikia sehigga N :. e Suatu pedekata lattice koverge dega derajat (3.3) 0, jika utuk semua S,,,, 0 K r barisa khusus dari lattice koverge dega derajat 0. Derajat kekovergea selalu lebih besar dari ol. Semaki tiggi derajatya berarti semaki cepat kekovergeaya. Kosep teoritis utuk derajat

44 9 kekovergea tidak tuggal, artiya pedekata lattice dega derajat juga mempuyai derajat. Derajat kekovergea sagat mudah diamati pada simulasi, yaitu dega meggambarka error e terhadap perbaika pada skala log-log. Karea log / log log, maka fugsi batas / mejadi garis lurus dega gradie seirig dega perubaha. Garis lurus pada gambar 3.4, 3.5 da 3.6 miimal melalui satu titik dari ilai error-ya. Nilai log pada 0 meggambarka letak suatu titik pada sumbu log e yag berpotoga dega garis yag bergradie. Nilai log utuk masig-masig model di atas utuk = 0 adalah: model CRR = 0.48, JR = da ia = Sebagai cotoh ilustrasi, pada gambar 3.4, 3.5, da 3.6 ditujukka bahwa model CRR, JR da ia koverge berderajat satu karea garis batas utuk e bergradie satu. Utuk memeriksa kriteria yag lebih spesifik pada peetua derajat kekovergea utuk pedekata lattice tertetu diberika defiisi berikut. Defiisi 3. Utuk suatu barisa lattice ( R ) da utuk semua N maka,, N m : E[ R ] E[ R ] (3.4) m : E[( R ) ] E[( R ) ] (3.5),, m : E[( R ) ] E[( R ) ] (3.6) 3 3 3,, disebut mome da p E R R (3.7) 3 : [(l, )(, ) ] disebut mome semu. Utuk sebarag N diotasika R ( R ) N sebagai pedapata kotiu atara waktu ti da t i, yag merupaka varibel acak iid pada ruag peluag (, F, P) sedemikia sehigga S S R k 0, i 0,...,. tk k i Mome sebagaimaa pada defiisi merupaka geeralisasi dari mome per periode. Mome per periode pada pedekata diskret tidak sama dega mome per periode pada pedekata kotiu sehigga megakibatka adaya error.

45 30 Implikasi dari persamaa (3.0), (3.) da (3.) adalah mome m, m da m aka koverge ke ol. Sedagka dari simulasi diperoleh bahwa 3 tiga pedekata lattice yag telah didefiisika di atas koverge sagat lemah. Suatu pedekata lattice koverge dega derajat 0 aka berimplikasi pada kekovergea harga opsi. Aka tetapi, kekovergea harga opsi tidak memberika iformasi tetag derajat kekovergea. Semetara kekovergea yag sesuai dega mome tidak cukup mejami kekovergea opsi. Pada pembahasa ii aka ditetapka suatu formula lai utuk meetuka kekovergea harga opsi. eorema 3. Misalka ( R ) N barisa lattice da m, m, p masig-masig adalah mome 3 (semu). Derajat kekovergea ( R ) N merupaka derajat palig kecil yag dimuat dalam m, m da p dikuragi, tetapi tidak lebih kecil dari pada. 3 Pembuktia teorema 3. ada pada Leise (996). Persepsi lai dari teorema di atas meyataka bahwa derajat kekovergea dari ( R ) N palig sedikit. Sehigga derajat kekovergea yag dimiliki oleh mome semu harus lebih dari satu. Selajutya agar memberika kriteria yag lebih spesifik utuk membadigka model yag titik perhatiaya pada kecepata kekovergea, maka diberika proposisi berikut. Proposisi 3. Pedekata lattice yag disampaika Cox, Ross da Rubistei (979) koverge dega derajat. Proposisi 3. Pedekata lattice yag disampaika Jarrow da Rudd (983) koverge dega derajat. Proposisi 3.3 Pedekata lattice yag disampaika ia (993) koverge dega derajat. Pembuktia proposisi 3., 3., da 3.3 ada pada Leise (996). Pada gambar 3.7, 3.8 da 3.9 ditujukka pegguaa simulasi dari pedekata lattice CRR, JR, da ia. Bagia kiri meujukka error dega pola gelombag tertetu. Bagia kaa meggambarka mome semu. Utuk semua

46 3 model, tigkah laku kekovergea dari mome semu sagat halus da berbadig lurus dega barisa (/ ) artiya mome tersebut berderajat dua. Ketiga model tidak ditemuka suatu perbedaa yag yata. Namu demikia derajat kekovergea mome semu dapat disimpulka secara mudah lewat simulasi. Meurut teorema 3. terdapat kekovergea harga berderajat satu. Perbadiga tigkah laku kekovergea pada sisi kiri da kaa pada setiap gambar, tercatat bahwa derajat kekovergea harga opsi melalui mome semu lebih mudah diamati dari pada melalui gambar error-ya. Gambar 3.7, 3.8 da 3.9 adalah grafik yag merupaka ilustrasi dari proposisi 3., 3., da 3.3, yag meyataka perbadiga derajat kekovergea dari model CRR, JR da ia dega derajat kekovergea pada momeya, yag diuji utuk piliha parameter yag berbeda. Gambar 3.7 Grafik ilustrasi proposisi 3. dega piliha parameter berikut: S 00, K 90,, r 0.05, 0.3, 0,...,000 Gambar 3.8 Grafik ilustrasi proposisi 3. dega piliha parameter berikut: S 00, K 0,, r 0.05, 0.3, 0,...,000

47 3 Gambar 3.9 Grafik ilustrasi proposisi 3.3 dega piliha parameter berikut: S 00, K 00,, r 0.05, 0.3, 0,...,000. Gambar 3.7, 3.8,, da 3.9 meujukka bahwa model CRR, JR, da ia koverge berderajat satu sebab mome kedua, mome ketiga da mome semu masig-masig model koverge berderajat dua. Hal tersebut sesuai dega peryataa pada eorema Model Biomial dega Perbaika Sifat-Sifat kekovergea Sebelumya telah dipelajari pegujia perilaku da kecepata kekovergea dega pedekata lattice. Secara umum defiisi da teorema utuk pegukura derajat kekovergea telah dibagkitka. Aplikasi teorema tersebut terhadap model CRR, JR, da ia tidak meujukka adaya perbedaa yag sigifika pada kekovergea ke solusi Black-Scholes. Kostruksi perbaika dega pedekata tree dilakuka utuk meghitug harga opsi agar diperoleh kekovergea yag besar. kecepata Pada dasarya, kekovergea tidak dapat dicapai dega dua titik peubah acak. Selajutya yag mugki diguaka adalah sifatsifat struktur lai dari opsiya. Metode ii dikataka sebagai perluasa pedekata lattice, utuk memberika peekaa perbedaa terhadap pedekata lattice yag biasa. CRR meujukka kekovergea dari model-model tersebut pada formula Black-Scholes dega pegujia biomial secara terpisah pada (3.9). Hal yag sama utuk peilaia opsi call Eropa dapat digambarka sebagai dua pedekata dari tipe ( a;, p) N ( z ). Pedekata ii diguaka sebagai awal perbaika. Peghituga peluag biomial sagat sulit karea melibatka peghituga beberapa faktorial dari bilaga bulat yag besar atau pejumlaha

III PERBANDINGAN MODEL-MODEL BINOMIAL. : harga saham : tingkat harapan pendapatan. yaitu

III PERBANDINGAN MODEL-MODEL BINOMIAL. : harga saham : tingkat harapan pendapatan. yaitu III PERBANDINGAN MODEL-MODEL BINOMIAL 3. Model Kotiu da Model Diskret Perkembaga Harga Saham Saham merupaka aset fiasial yag ilaiya berubah-ubah megikuti harga pasar, sehigga dalam jagka waktu tertetu

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

PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO

PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO

PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

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

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

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

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

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

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

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

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

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

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK ZAENAL ARIFIN

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK ZAENAL ARIFIN SEBARAN ASIMTOTI PENDUGA TURUNAN PERTAMA DAN TURUNAN EDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODI ZAENAL ARIFIN SEOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 008 PERNYATAAN MENGENAI TESIS

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

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

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

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

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. 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

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 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

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

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

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

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi. MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah

Lebih terperinci

Buku Padua Belajar Maajeme Keuaga Chapter 0 KONSEP NILAI WAKTU UANG. Pegertia. Nilai Uag meurut waktu, berarti uag hari ii lebih baik / berharga dari pada ilai uag dimasa medatag pada harga omial yag sama.

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

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

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

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

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

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0. PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO SOAL UJIAN TENGAH SEMESTER GENAP TA 03/04 Mata Ujia : Aalisis Real Tipe Soal : REGULER Dose : Dr. Jula HERNADI Waktu : 90 meit Hari, Taggal : Selasa,

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

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

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 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

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

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

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

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

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

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

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

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

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

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

Kalkulus Rekayasa Hayati DERET

Kalkulus Rekayasa Hayati DERET Kalkulus Rekayasa Hayati DERET 1 Isi Bab Pedahulua Barisa tak-higga Deret tak-higga Deret Positif : Uji kekovergea Deret Gati Tada Deret Pagkat Deret Taylor da Maclauri 2 Kompetesi Dasar Setelah megikuti

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 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

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

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

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

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

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

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

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

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

Muniya Alteza

Muniya Alteza NILAI WAKTU UANG 1. Kosep dasar ilai waktu uag (time value of moey) 2. Nilai masa depa (future value) 3. Nilai sekarag (preset value) 4. Auitas (auity) 5. Perpetuitas (perpetuity) 6. Buga tahua efektif/

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Model Pertumbuha Betuk ugsi pertumbuha satu jeis spesies pada umumya megguaka otasi ugsi aalitik yag diyataka dalam satu persamaa. Secara umum ugsi pertumbuha meyataka hubuga

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. 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

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

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 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

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi Modul ke: 05 KONSEP WAKTU UANG PADA MASALAH KEUANGAN Fakultas EKONOMI DAN BISNIS Program Studi Akutasi Idik Sodiki,SE,MBA,MM Pedahulua Kosep ilai waktu dari uag (time value of moey) pada dasarya mejelaska

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

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

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

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

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

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

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

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

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

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

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

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

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Tijaua Peeliti Terdahulu Peelitia yag dilakuka oleh Laraswati tahu 2010 yag meeliti tetag portofolio optimal saham yag masuk dalam Jakarta Islamic Idex (JII). Kesimpula dari

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 II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi

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

PENGGUNAAN RATA-RATA ARITMETIKA DENGAN APPROKSIMASI CURRAN DALAM MENENTUKAN HARGA OPSI ASIA

PENGGUNAAN RATA-RATA ARITMETIKA DENGAN APPROKSIMASI CURRAN DALAM MENENTUKAN HARGA OPSI ASIA Jural Matematika UNAND Vol. 3 No. 4 Hal. 70 77 ISSN : 303 90 c Jurusa Matematika FMIPA UNAND PENGGUNAAN RATA-RATA ARITMETIKA DENGAN APPROKSIMASI CURRAN DALAM MENENTUKAN HARGA OPSI ASIA Steffay Harwella

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

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

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL Karmila 1*, Hasriati 2, Haposa Sirait 2 1 Mahasiswa Program S1 Matematika 2 Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam

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

Barisan dan Deret. Modul 1 PENDAHULUAN

Barisan dan Deret. Modul 1 PENDAHULUAN Modul Barisa da Deret Reto Wika Tyasig Ada P PENDAHULUAN okok bahasa dalam modul ii terdiri atas dua kegiata belajar. Yag pertama tetag barisa, yag kedua tetag deret da cotoh-cotoh pemakaia deret. Pembahasa

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

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 METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

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 II CICILAN DAN BUNGA MAJEMUK

BAB II CICILAN DAN BUNGA MAJEMUK BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci