PEMODELAN ASURANSI JIWA BERDASARKAN ASUMSI MORTALITA WEIBULL

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN ASURANSI JIWA BERDASARKAN ASUMSI MORTALITA WEIBULL"

Transkripsi

1 PEMODELAN ASURANSI JIWA BERDASARKAN ASUMSI MORTALITA WEIBULL Des Alwie Zayati JurusaMatematika, FMIPA, UiversitasSriwijaya dalwiezayati@yahoo.com ABSTRAK Pemodela asurasi jiwa berdasarka asumsi mortalita Weibull diawali dega memodelka fugsi-fugsi aktuaria, seperti fugsi survival, fugsi desitas, da peluag hidup berdasarka laju mortalita(force of mortality)dega asumsi mortalita Weibull. Selajutya fugsi-fugsi aktuaria tersebut diperguaka utuk meghitug mea da variasi dari ilai sekarag(preset value) asurasi berjagka tahu dega beefit dibayarka diakhir tahu kematia berdasarka asumsi Weibull Selai itu juga aka diperhitugka betuk mea da variasi dari auitas hidup berjagka tahu. Berdasarka ilai sekarag aktuaria(actuarial Preset Value) da auitas hidup, diperoleh pemodela premi asurasi jiwa berdasarka asumsi Mortalita Weibull. Sehigga model ii dapat mejadi alteratif bagi perhituga asurasi jiwa. Kata Kuci :laju mortalita, fugsi survival, fugsidesitas, auitas, hukummortalita Weibull. 1. PENDAHULUAN Asurasi adalah pegaliha risiko dari pihak tertaggug kepadapihak peaggug. Upaya pegaliha risiko bertujua utuk meguragi beba tertaggug apabila terjadi risiko terhadap tertaggug pada suatu waktu. Pihak peaggug aka memberika mefaat dega syarat tertaggug harus membayar premi. Pembayara premi disesuaika dega jumlah mafaat (beefit) yag igi diperoleh ketika terjadi risiko. Artikel hasil peelitia ii memodelka fugsi-fugsi aktuaria pada asurasi jiwa berdasarka asumsi mortalita Weibull. Sehigga dapat merupaka alteratif perhituga pada asurasi jiwa, khususya asurasi jiwa berjagka tahu utuk beefit yag dibayarka diakhir tahu kematia. 2. TUJUAN PENELITIAN Tujua dari peelitia ii adalah: 1. Memperoleh hubuga force of mortalityberdasarka asumsi mortalita Gompertzdegafugsi-fugsi aktuaria laiya, seperti: fugsi survival, fugsi desitas, peluag hidup da peluag kematia. 298

2 2. Memperoleh betuk betuk mea da variasi dari APV asurasi jiwa berjagka tahu dega beefit dibayarka diakhir tahu kematia berdasarka asumsi Gompertz. 3. Memperoleh betuk betuk mea da variasi dari auitas hidup berjagka tahu dega variabel tigkat buga i berdasarka asumsi Gompertz. 4. Memodelka premi asurasi berjagka tahu berdasarka asumsi Gompertz. dega variabel tigkat buga 3. PEMBAHASAN Memodelka hubuga laju mortalita berdasarka asumsi Weibull : ( x) kx, dega k>0, >0, x 0 Atau μ x+t = k ( x t) hubuga dega fugsi-fugsi aktuaria laiya, seperti : i. fugsi survival d s( x) μ(x) = dy s( x) = s'( x) s( x) l l megitegralkasuatuperyataadari x ke x +, sehiggadidapat l l l0 299

3 BerdasarkaasumsiWeibull : ( x) kx, dega k>0, >0, x 0 daktetapa; ks 1 ux ga u= k 1 ii.peluag hidup da peluag kematia Peluag hidup dihitug dega pedekata force of mortality : l l megitegralkasuatuperyataadari x ke x +, sehiggadidapat sehiggadiperoleh l l l l l 300

4 . dega. Sehiggadiperoleh : BerdasarkaasumsiWeibull : ( x) kx Atau μ x+t k ( x t), dega k>0, >0, x 0 daktetapa; tp x = exp xt 1 1 u x degau= k ) ( x s k. 1 iii.fugsi desitas F T(x) (t) daf T(x) (t) meujukkamasigmasigfugsidistribusidafugsikepadatapeluagdari T(x), sisaumurdari x. Da dapat diotasikabahwa F T(x) (t) = t = t q x. 1 1 Sehigga,

5 Berdasarka asumsi Weibull: u1xt expuxt x Memodelka ilai sekarag aktuaria utuk asurasi jiwa berjagka tahu dega beefit dibayarka diakhir tahu kematia berdasarka asumsi mortalita Weibull. Asurasijiwaberjagkamegasumsikabahwaseseorag yag berusia () aka medapatka 1 (satu) uit mafaatketika orag tersebutmegalamirisikoselama tahu masa kotrak, sehigga jika orag tersebut tidak megalami risikohiggaakhir masa kotrakmaka orag tersebuttidakakamedapatkamafaat. Asurasi berjagka tahu dega beefit dibayarka diakhir tahu kematia,dega asumsi beefit dibayarka sebesar 1 uit. Dalam kasus iiterdapat 3 fugsi yag diguaka, yaitufugsi beefit b k+1, fugsi discout V k+1, dastatistikprobabilitas Z k+1. 1, utuk k = 0,1,2,3,...-1 = 0, utuklaiya = =,utuk k = 0,1,2,3, , utuklaiya Gambar1.GarisBilagaNilaiSekaragAktuariaAsurasiJiwaBerjagka Nilai sekarag aktuaria yag diperolehadalah :

6 :. Secara umum utuk beefit sebesar b : EZ :. Berdasarka asumsi mortalita Weibull : EZ : u1xt expuxt x dabesar momet ke-2, EZ : u1xt expuxt 1 x 1. VariasidariAsurasi berjagka -tahu adalah : : u1xt expuxt x u1xt expuxt x Memodelka mea da variasi dari auitas hidup berjagka tahu berdasarka asumsi Weibull. Auitashidup yag diguakautukpembayarapremiperlidugaialahauitasdueberjagka tahu utuk 303

7 seseorag yag berusia (). Tertaggug akamelakukapembayarapremiperliduga di usia () jika tertaggug bertaha hidup di usia (), da tertaggug aka melakuka pembayara premi perliduga di usia ( 1) jika tertaggug bertaha hidup dari usia () higga (1), da seterusya. Seluruhkemugkiatertaggugmembayarkapremiperlidugaharusdiperhitugka di awalkotrakatau di usia () sehigga kemugkia tersebut dipegaruhi oleh besarya faktor diskoto dega iterval waktu yag disesuaika. Berikut garis bilaga utuk auitasdueberjagka tahu Gambar2.AuitasDue utukauitashidupberjagka Tahu : :. NilaisekaragdaripeubahacakAuitasDue Tahudaripembayara sebesar 1uit pertahuadalah utukauitashidupberjagka dapremituggalbersihyaadalah 0 : EY. Pejumlaha per bagiadapatdiguakautukmetrasformasimejadi :, KareaY = (1-Z) / d,dimaa 0 304

8 Merupakailaiawalpeubahacakutuksebuah uit asurasidwigua, yag dibayarkapadaakhirtahukematia, sehigga 1EZ : 1 : Dapat diyataka : : 1 1 u1xt expuxt x Memodelka premi asurasi berjagka tahu berdasarka asumsi Weibull. Premiasurasijiwaberjagka yag harusdibayarolehtertaggugsupayamedapatka 1 uit mafaatketikaterjadirisikoadalah : : : : Premi asurasi berjagka tahu dega variabel tigkat buga berdasarka asumsi Weibull : : u1xtexpuxt x 1 u1xt expuxt x 4. KESIMPULAN Premi Asurasi jiwa berjagka tahu dega beefit dibayarka diakhir tahu kematia berdasarka asumsi Weibull : : u1xtexpuxt x 1 u1xt expuxt x 305

9 DAFTAR PUSTAKA Bowers, N.L Actuarial Mathematics.The Society of Actuaries. Schaumburg: Illiois. Kelliso, S.G The Theory of Iterest. Sigapore: Library of Cogress Catalogig. Liya W, Zhag Xiaodog, 2009, Icreasig Edowmet Assurace Policy Actuarial Models uder Radom Rate of Iterest, Secod Iteratioal Workshop o Computer Sciece, Nofridawati, Nova, 2013, PremiAsurasiJiwapadaAkhirKematiadapadaSaatKematiaTerjadi. Matematika, 1, (2): Pig H., Wei Xiag, 2009, Discrete life isurace Actuarial Models with Variable iterest Rate Based o Moivre s ad Makeham s Law of Mortality, IEEE. Computer Society, Sholahudi, T Teori Tigkat Suku Buga. com/2013/03/teori-tigkat-suku-buga.html. Diaksespadataggal 18 September Syamrilaode PegertiaPremiAsurasi. Diakses 306

II. LANDASAN TEORI. Kajian tentang perhitungan nilai aktuaria yang akan dibayarkan n-kali pertahun

II. LANDASAN TEORI. Kajian tentang perhitungan nilai aktuaria yang akan dibayarkan n-kali pertahun 4 II. LANDASAN TEORI Kajia tetag perhituga ilai aktuaria yag aka dibayarka -kali pertahu utuk berbagai produk asurasi jiwa, dapat dilakuka dega terlebih dahulu megetahui beberapa teori-teori dasar terkait

Lebih terperinci

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE 2 ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE Sri Purwati 1, Johaes Kho 2, Aziskha 2 1 Mahasiswa Program S1 Matematika FMIPA Uiversitas Riau email : srii_purwatii@yahoo.co.id

Lebih terperinci

(A.4) PENENTUAN CADANGAN DISESUAIKAN MELALUI METODE ILLINOIS PADA PRODUK ASURANSI DWIGUNA BERPASANGAN

(A.4) PENENTUAN CADANGAN DISESUAIKAN MELALUI METODE ILLINOIS PADA PRODUK ASURANSI DWIGUNA BERPASANGAN Prosidig Semiar Nasioal Statistika Uiversitas Padjadjara, 3 November 2 (A.4) PENENTUAN CADANGAN DSESUAKAN MELALU METODE LLNOS PADA PRODUK ASURANS DWGUNA BERPASANGAN Suhartii, Lieda Noviyati, Achmad Zabar

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

Modul 1 Modul 2 Modul 3 Modul 4 Modul 5 Modul 6

Modul 1 Modul 2 Modul 3 Modul 4 Modul 5 Modul 6 i B Tijaua Mata Kuliah uku Materi Pokok (BMP) Matematika Aktuaria ii disampaiika dalam sembila modul (pokok bahasa) yag diorgaisasika sebagai berikut. Modul 1. Probabilitas Modul 2. Teori Buga Modul 3.

Lebih terperinci

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

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

Lebih terperinci

MODEL VALUASI PREMI ASURANSI JIWA ENDOWMEN BERBASIS SUKU BUNGA STOKASTIK. Oleh Sudianto Manullang, S.Si., M.Sc ABSTRAK

MODEL VALUASI PREMI ASURANSI JIWA ENDOWMEN BERBASIS SUKU BUNGA STOKASTIK. Oleh Sudianto Manullang, S.Si., M.Sc ABSTRAK MODEL VALUASI PREMI ASURANSI JIWA ENDOWMEN BERBASIS SUKU BUNGA STOKASTIK Oleh Sudiato Maullag, S.Si., M.Sc ABSTRAK Peelitia ii bertujua utuk medapatka model premi asurasi jiwa edowme dega megguaka suku

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

CATATAN KULIAH #12&13 Bunga Majemuk

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

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

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

Lebih terperinci

(A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METODE OHIO PADA PRODUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN

(A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METODE OHIO PADA PRODUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN Prosidig Semiar Nasioal Statistika Uiversitas Padjadjara, 3 November 2 (A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METDE HI PADA PRDUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN Puput

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 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

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

Nilai Waktu dan Uang (Time Value of Money)

Nilai Waktu dan Uang (Time Value of Money) Nilai Waktu da Uag (Time Value of Moey) Kosep Dasar Jika ilai omialya sama, uag yag dimiliki saat ii lebih berharga daripada uag yag aka diterima di masa yag aka datag Lebih baik meerima Rp juta sekarag

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun ajaran 2014/2015 di Jurusan

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun ajaran 2014/2015 di Jurusan III METODOLOGI PENELITIAN 31 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun ajaran 2014/2015 di Jurusan Matematika dan Ilmu Pengetahuan Alam Universitas Lampung 32 Metode

Lebih terperinci

BARISAN DAN DERET. Materi ke 1

BARISAN DAN DERET. Materi ke 1 BARISAN DAN DERET Materi ke 1 Pola Bilaga adalah? Susua bilaga yag disusu meurut atura tertetu. Cotoh : 1. Pola Bilaga Gajil 1, 3, 5,... 2. Pola Bilaga Geap 2, 4, 6,... PERHATIKAN SSNAN BILANGAN DI BAWAH

Lebih terperinci

BAB III PERANCANGAN PROGRAM APLIKASI

BAB III PERANCANGAN PROGRAM APLIKASI BB III PERNCNGN PROGRM PLIKSI 3.1 Peracaga Program Utuk meracag program aplikasi perhituga premi ii dega pedekata Gompertz, peulis megguaka Delphi 7.0 yag dioperasika pada Microsoft Widows 2000. lgoritma

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

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

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

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

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

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

Eksakta: Jurnal Imu-Ilmu MIPA p. ISSN: e. ISSN: Mujiati Dwi Kartikasari

Eksakta: Jurnal Imu-Ilmu MIPA p. ISSN: e. ISSN: Mujiati Dwi Kartikasari Mujiati Dwi Kartikasari Program Studi Statistika, Uiversitas Islam Idoesia, Jala Kaliurag Km 14,5 Slema, Yogyakarta mujiatikartikasari@uii.ac.id ABSTRACT Premium pricig is oe of importat activities i isurace.

Lebih terperinci

MATERI 14 EVALUASI KINERJA PORTOFOLIO

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

Lebih terperinci

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

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

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

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

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

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

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.

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

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN BAB III ANUITAS DNGAN BBRAPA KALI PMBAYARAN STAHUN TRHADAP TABUNGAN PNDIDIKAN. Tabuga Pedidika Aak Tabuga erupaka salah satu produk yag ditawarka oleh bak utuk eyipa uag. Utuk epersiapka daa pedidika aak,

Lebih terperinci

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

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

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

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

LOGO MATEMATIKA BISNIS (Deret)

LOGO MATEMATIKA BISNIS (Deret) LOGO MATEMATIKA BISNIS (Deret) DOSEN FEBRIYANTO, SE., MM. www.febriyato79.wordpress.com 1 MATEMATIKA BISNIS Matematika Bisis memberika pemahama ilmu megeai kosep matematika dalam bidag bisis. Sehigga suatu

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan.

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan. Arti ivestasi : a. Hasil pejuala. b. Biaya c. Ekspektasi da kepercayaa. Ivestasi : peigkata barag modal berujud Kekuata Ekoomi Utama; Hasil pegembalia ivestasi yag dipegaruhi oleh struktur ekoomi, biaya

Lebih terperinci

ANALISIS ANUITAS PADA PENENTUAN PREMI ASURANSI JIWA SKRIPSI

ANALISIS ANUITAS PADA PENENTUAN PREMI ASURANSI JIWA SKRIPSI ANALISIS ANUITAS PADA PENENTUAN PREMI ASURANSI JIWA SKRIPSI Oleh: LIFARA MARGARETA NIM. 06510055 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2010

Lebih terperinci

PENERAPAN HUKUM MORTALITA MAKEHAM DAN TINGKAT SUKU BUNGA STOKASTIK UNTUK PERHITUNGAN NILAI TUNAI MANFAAT

PENERAPAN HUKUM MORTALITA MAKEHAM DAN TINGKAT SUKU BUNGA STOKASTIK UNTUK PERHITUNGAN NILAI TUNAI MANFAAT PENERAPAN HUKUM MORTALITA MAKEHAM DAN TINGKAT SUKU BUNGA STOKASTIK UNTUK PERHITUNGAN NILAI TUNAI MANFAAT Valensia Huang; Farah Kristiani Jurusan Matematika, Fakultas Teknologi Informasi dan Sains, Universitas

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di lokasi huta taama idustri yag terdapat di PT. Wirakarya Sakti Provisi Jambi. Waktu pelaksaaa peelitia ii adalah bula April

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

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

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

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

BAB II LANDASAN TEORI. Untuk menghitung nilai cadangan asuransi secara umum, maka dibutuhkan

BAB II LANDASAN TEORI. Untuk menghitung nilai cadangan asuransi secara umum, maka dibutuhkan 5 BAB II LANDASAN TEORI Untuk menghitung nilai cadangan asuransi secara umum, maka dibutuhkan beberapa teori dasar yang dapat menyederhanakan permasalahan dan mempermudah proses perhitungan dan analisis

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

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

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

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

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

Batas Bilangan Ajaib Pada Graph Caterpillar

Batas Bilangan Ajaib Pada Graph Caterpillar J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu

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

PERHITUNGAN NILAI-NILAI AKTUARIA DENGAN ASUMSI TINGKAT SUKU BUNGA BERUBAH SECARA STOKASTIK

PERHITUNGAN NILAI-NILAI AKTUARIA DENGAN ASUMSI TINGKAT SUKU BUNGA BERUBAH SECARA STOKASTIK PERHITUNGAN NILAI-NILAI AKTUARIA DENGAN ASUMSI TINGKAT SUKU BUNGA BERUBAH SECARA STOKASTIK Kumala Dewi S.; Ferry Jaya Permana; Farah Kristiani Jurusan Matematika, Fakultas Teknologi dan Ilmu Sains, Universitas

Lebih terperinci

STATISTIKA-38 APROKSIMASI TABEL MORTALITA MENGGUNAKAN PERSAMAAN DUFRESNE

STATISTIKA-38 APROKSIMASI TABEL MORTALITA MENGGUNAKAN PERSAMAAN DUFRESNE STATISTIKA-38 APROKSIMASI TABEL MORTALITA MENGGUNAKAN PERSAMAAN DUFRESNE Ley Jaze Siay 1 Neva Satyahadewi 2 1 PS Matematika FMIPA Uiversitas Pattimura Ambo 2 PS Statistika FMIPA Uiversitas Tajugpura Potiaak

Lebih terperinci

Ekonomi Rekayasa Koreksi

Ekonomi Rekayasa Koreksi Ekoomi Rekayasa Koreksi Koreksi pembeara karea kesalaha tada kurug tidak tampil dalam rumus da perhituga Gambar 2.15Tigkat akurasi peratura 72 da 69 2.4.6 Peratura 113 Selai itu ada juga perhituga dega

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

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

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

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

Lebih terperinci

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

PERENCANAAN KARIR DAN KOMPENSASI

PERENCANAAN KARIR DAN KOMPENSASI PERENCANAAN KARIR DAN KOMPENSASI PENGERTIAN Karier adalah seluruh pekerjaa yag ditagai selama kehidupa kerja seseorag. Jalur karier, adalah pola pekerjaa-pekerjaa beruruta yag membetuk karier seseorag.

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

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 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

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

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

Lebih terperinci

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

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom. Pokok Bahasa -9. Retur da Risiko Lecture Note: Defiisi retur da risiko Klasifikasi retur da risiko Hubuga retur da risiko Retur da Risiko Aktiva Tuggal Abormal Retur Retur da Risiko Portofolio 1 2 Retur

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 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

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom. Pokok Bahasa 3-6. Retur da Risiko Lecture Note: Defiisi retur da risiko Klasifikasi retur da risiko Hubuga retur da risiko Retur da Risiko Aktiva Tuggal Abormal Retur Retur da Risiko Portofolio 1 Retur

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

MATEMATIKA EKONOMI (Deret)

MATEMATIKA EKONOMI (Deret) LOGO MATEMATIKA EKONOMI (Deret) DOSEN FEBRIYANTO, SE., MM. www.febriyato79.wordpress.com MATEMATIKA EKONOMI Matematika Ekoomi memberika pemahama ilmu megeai kosep matematika dalam bidag bisis da ekoomi.

Lebih terperinci

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai 1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum, 32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata

Lebih terperinci

Bab 2 Distribusi Survival dan Tabel Mortalitas

Bab 2 Distribusi Survival dan Tabel Mortalitas Bab 2 Distribusi Survival dan Tabel Mortalitas 2.1 Distribusi Survival Meninggalnya seseorang merupakan sesuatu yang pasti terjadi namun kapan terjadinya tidak dapat diprediksi. Karena itu, ketahanan hidup

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

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Peelitia Terdahulu Aloii dkk (2014) memiliki permasalaha dalam memilih mesi Vertical Form Fill ad Seal (VFFS) utuk Double Square Bottom Bag (DSBB). Pemiliha mesi yag tepat ditetuka

Lebih terperinci

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika

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

NILAI TUNAI ANUITAS HIDUP AWAL UNTUK STATUS GABUNGAN BERDASARKAN DISTRIBUSI GOMPERTZ DAN DISTRIBUSI MAKEHAM. Deni Afrianti 1, Hasriati 2 ABSTRACT

NILAI TUNAI ANUITAS HIDUP AWAL UNTUK STATUS GABUNGAN BERDASARKAN DISTRIBUSI GOMPERTZ DAN DISTRIBUSI MAKEHAM. Deni Afrianti 1, Hasriati 2 ABSTRACT NILAI TUNAI ANUITAS HIDUP AWAL UNTUK STATUS GABUNGAN BERDASARKAN DISTRIBUSI GOMPERTZ DAN DISTRIBUSI MAKEHAM Deni Afrianti 1, Hasriati 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

BAB I PENDAHULUAN. 1.2 Rumusan Masalah Bagaimana peranan statistika matematika dalam menentukan anuitas premi asuransi jiwa?

BAB I PENDAHULUAN. 1.2 Rumusan Masalah Bagaimana peranan statistika matematika dalam menentukan anuitas premi asuransi jiwa? BAB I PENDAHULUAN 1.1 Latar Belakang Asuransi Jiwa adalah asuransi yang memberikan pembayaran sejumlah uang tertentu atas kematian tertanggung kepada anggota keluarga atau orang yang berhak menerimanya

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

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

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi

Lebih terperinci

Barisan Dan Deret Arimatika

Barisan Dan Deret Arimatika Barisa Da Deret Arimatika A. Barisa Aritmatika Niko etera memiliki sebuah peggaris ukura 0 cm. Ia megamati bilaga-bilaga pada peggarisya ii. Bilaga-bilaga tersebut beruruta 0, 1,, 3,, 0. etiap bilaga beruruta

Lebih terperinci

Hubungan antara nilai uang yang akan datang (future value - F) terhadap nilai sekarang (present value - P) dituliskan dengan rumus:

Hubungan antara nilai uang yang akan datang (future value - F) terhadap nilai sekarang (present value - P) dituliskan dengan rumus: BAB II FINANSIAL 1. Nilai waktu dari uag Telah kita ketahui bahwa sebelum memikirka usaha apa yag aka dijalaka, perlu dikaji kelayaka dari usaha tersebut. Salah satu pegkajia yag dilakuka adalah dari sisi

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci