PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil.

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil."

Transkripsi

1 aggaa bahwa harga sekurtas berubah searah dega harga deks asar Model deks tuggal adalah odel yag eyataka bahwa bal hasl seta sekurtas euya hubuga dega bal hasl ortofolo asar Portofolo asar adalah ortofolo yag terdr atas seua sekurtas yag ada d asar da ortofolo asar daat dwakl oleh deks asar Hubuga bal hasl dar suatu sekurtas dega bal hasl deks asar daat dtulska sebaga berkut R c b R ;,,, dega R :bal hasl sekurtas, c : suatu eubah acak yag eujukka kooe dar bal hasl sekurtas yag tdak bergatug ada asar, b : koefse rsko yag egukur R erubaha R akbat dar erubaha R, : Tgkat bal hasl dar deks asar, juga eruaka eubah acak c adalah kooe bal hasl yag Karea tdak bergatug ada bal hasl asar aka c daat decah ejad la yag dharaka ( a da kesalaha/resdu ( yag dtulska sebaga berkut c a ;,,, Sehgga hubuga bal hasl dar suatu sekurtas dega bal hasl deks asar daat dtulska sebaga berkut R a b R ;,,, dega E(, karea ersaaa tersebut berfugs eduga bal hasl sekurtas suaya la yag dduga edekat la yag sebearya aka dharaka tdak ada kesalaha atau kesalahaya edekat ol Pada odel deks tuggal, bal hasl dar sekurtasya daat juga dyataka dala betuk la haraa bal hasl [ode, et al, ] Catal Asset Prcg Model (CAPM Keaua utuk egestas bal hasl da rsko sebuah sekurtas dvdual eruaka hal yag sagat etg da derluka oleh vestor ketka hedak eaaka odalya ada sebuah asar sekurtas Catal Asset Prcg Model (CAPM eruaka suatu odel utuk eredks kesebaga bal hasl yag dharaka dar suatu aset bersko Model eberka redks tetag bagaaa hubuga atara rsko da bal hasl yag dharaka Pedekata berladaska ada asusasus berkut: Terdaat bayak vestor, ereka bertdak sebaga rce takers yatu seta tdaka yag ereka lakuka secara eroraga tdak eegaruh harga suatu sekurtas Seluruh vestor erecaaka utuk satu erode vestas yag saa 3 Ivestas dbatas haya ada aset keuaga yag derdagagka secara uu seert saha da oblgas 4 Ivestor tdak ebayar ajak atas bal hasl da juga tdak terdaat baya trasaks atas erdagaga sekurtas 5 Seluruh vestor berusaha egotalka bal hasl rsko yag rasoal 6 Seta vestor euya haraa yag saa utuk seta odal yag dvestaskaya [ode, et al, ] PEMAHASAN Pebetuka Harga Aset Modal (CAP Model dar ebetuka harga aset odal yag basa dsebut Catal Assets Prcg Model (CAPM eberka redks tetag hubuga atara rsko da bal hasl yag dharaka CAPM eredks la haraa bal hasl berdasarka asus bahwa seluruh vestor egguaka daftar ut yag saa, yatu estas yag saa tetag bal hasl yag dharaka, raga da koraga Ketka seluruh vestor daat eja da eber jaa daa ada tgkat bebas rsko, aka seluruh vestor aka euya ttk ortofolo yag otal Ketka jaa dbatas, aka suku buga jaa lebh tgg darada suku buga ebera jaa sehgga ortofolo asar tdak lag eruaka ortofolo otal

2 da efse bag seluruh vestor Jka ortofolo asar tdak lag efse, aka hubuga atara bal hasl da beta dar CAPM tdak lag ebetuk kesebaga asar D dua dega seua asus, seua aset dvdual aka eaha ortofolo asar berdasarka toleras rsko Seseorag dega toleras rsko redah eya sebaga besar dar uagya dala sekurtas bebas rsko, sedagka seseorag dega toleras rsko tgg eya sebaga besar dar uagya dala ortofolo asar Peurua Catal Asset Prcg Model (CAPM Dberka suatu ersaaa CAPM (ode, et al, E ( R r E ( R r dega E( R : haraa bal hasl aset ke- : tgkat suku buga bebas rsko r E( R : haraa bal hasl ada ortofolo asar : rsko aset ke- Pada roors vestas otal, asgasg vestor ada asar eeuh keugka gars asar tertgg Gars asar bsa dcar dega eerkecl stadar devas utuk seua haraa bal hasl ortofolo E( R Var( R jcov( R, Rj j terhada E( R E( R r dega ( ( adalah roors dar ortofolo sekurtas ke- Ddefska suatu fugs L yag ddaat utuk euka stadar devas sebaga berkut L E ( R E( R r (3 dega adalah egal lagrage Utuk selajutya aka dcoba ecar roors otal dar seta aset, dega eerkecl rsko dar ortofolo otal Gars asar bsa dcar secara aalsa dega euruka ersaaa (3 terhada da terhada egal lagrage, da hasl turua ertaaya saa dega ol Hal berlaku utuk ersaaa L Var( R Cov( R, R j j j E( R r (4 L Var ( R jcov( R, R j j j E( R r : (4 : L Var( R jcov( R, R j j E( R r L E ( R E( R r (43 (44 Selajutya dega edaatka hua dar ersaaa (4 saa ersaaa (44 da erkala atara, da la-la, deroleh Var( R jcov( R, R j j E( R r Var( R jcov( R, R j j j E( X r (5 : (5 : Var( R jcov( R, R j j E( R r E( R E( R r (53 (54

3 Jka djulahka ersaaa (5 saa (53 aka aka deroleh ( (, Var R jcov R R j j j E( R r (6 tada kurug d ruas kr eujukka raga dar ortofolo otal, aka deroleh Var( R E( R r (7 dega deka aka stadar devas terkecl dar ortofolo otal adalah E( R r r (8 Pada ttk sesfk dega berlaku E ( R r (9 Oleh karea tu E( R r, ( dega adalah ortofolo asar yag otal utuk seua vestor da adalah stadar devas dar ortofolo asar E( R r ddefska sebaga sloe dar gars asar Sekarag daat dturuka hubuga kesebaga atara haraa bal hasl aset ke- da rskoya: Gabara rsko adalah stadar devas dar bal hasl ada aset tu sedr da koraga dega bal hasl dar seua aset rsko laya dala asar, dega cara egguaka ersaaa (4 saa ersaaa (44 utuk euruka ersaaaa uu atara haraa bal hasl dar seua saha da rskoya Secara uu, dar ersaaa (4 saa ersaaa (44 ada ttk dtuls kebal sebaga: daat Var( R Cov( R, R j j j j E( R r ( Peyelesaa dar ersaaa tersebut utuk haraa bal hasl dar aset ke- E( R deroleh E( R r Var ( R jcov( R, Rj j j ( Selajutya dega easukka dar ersaaa ( aka deroleh E( R r E( R r Var( R Cov( R, R j j Var( R j j (3 erdasarka defs, koraga dar aset ke- dega ortofolo asar daat dtulska kebal sebaga berkut j j j j Cov( R, R Var( R Cov( R, R (4 Keuda haraa bal hasl seua aset bersko daat dtulska kebal sebaga berkut E( R r E( R r Cov( R, R Var( R (5 atau E( R r E( R r, (6 dega Cov( R, R (7 Var ( R Catal Asset Prcg Model (CAPM eyajka la yag dharaka dar bal hasl sekurtas ke- yag lear ada beta sekurtas tertetu est-eta Catal Asset Model (CAPM adalah varas sederhaa dar CAPM Persaaa atara CAPM da CAPM adalah keduaya daat dguaka utuk eredkska suatu hubuga lear atara re aset bersko E( X da, yag dberka oleh

4 E( X E ( X, (8 dega E( adalah oerator haraa, X R r da X R r adalah bal hasl berlebh (dar suku buga bebas rsko, r berturut-turut ada sekurtas aset da asar Perbedaa kedua odel terletak ada asus tetag referes vestor, yag aa ada kataya eyataka sesfkas yag berbeda dar Meurut defs beta dar CAPM eyataka Cov( R, R Var( R dega Cov(, adalah koraga da Var( adalah raga Pada odel CAPM vestor euya erses yag saa tetag rsko yag dukur oleh raga dar ortofolo bal hasl da berbeda dala tgkat avers rskoya Makalah juga ebahas keuggula CAPM da asus bahwa vestor egabl oe kedua dar ortofolo bal hasl sebaga suatu ukura rsko, karea oe kedua berhubuga dega raga da raga sedr berbadg terbalk dega beta Oleh karea tu vestor ugk euya erses yag berbeda tetag keduaya atara rsko da tgkat avers rsko Mesku berbeda dala tgkat avers rsko, teta seua vestor elh ortofolo bersko otal yag saa Kods kesebaga utuk haraa bal hasl dyataka dega ukura baru dar beta E( X X, ( dega berasal dar kata best-beta dega eraaya dala euka otes kesalaha eetaa harga hasl erkala terkecl ddefska sebaga kesalaha eetaa harga yag berbeda atara haraa bal hasl sebearya da haraa bal hasl yag dredkska Aka dtujukka bahwa ( Peurua est-eta Catal Asset Prcg Model (CAPM Ddefska beberaa varabel ada erode t, t, sebaga berkut : : bal hasl ada aset ke-, R, t E t : oerator haraa ada waktu t, : tgkat buga bebas rsko, r, t R, t : bal hasl dar ortofolo asar dega R, t, Et ( R, t r, t da Var ( R, t Dberka X R r eyataka selsh, t, t, t bal hasl da E ( X t, t la haraa re aset bersko ke- Dega egguaka asus dar asar ersaga seura, karea dala asar ersaga seura terdr atas bayak asar yag salg bersag da eertbagka kosus yag otal, aka keutusa vestas dar vestor ada seta erode bertujua utuk eaksuka la kekayaa erusahaa (Rubste,974 Dberka suatu odel, yatu: ax V ( w, U ( w w E [ U ( wr ] w w, P (9 dega V : la kekayaa erusahaa w : kekayaa vestor saat, w w : kosus saat, w : odal vestas, U : fugs keuasa vestor dar kosus saat, U : fugs keuasa vestor dar kekayaa d asa dea (vo Neua-Morgester Fugs keuasa tersebut ooto ak, kokaf, terdferesalka dua kal, da P adalah hua dar seua ortofolo vestor yag elut log ostos da short ostos ada aset ke- Log osto adalah oss ketka vestor telah ebel sekurtas da dasuska roors sekurtas tersebut berla ostf satu Sedagka short osto adalah oss ketka vestor telah ejual sekurtas da dasuska roors sekurtas tersebut berla egatf satu Megasuska solus dar ersaaa (9, (Rubste, 974 yatu solus otal * * ( w, yag dkarakterstkka oleh

5 da r E[ U '( w * r ] U ' ( w w* ( * E[ U '( w * r r ] U ' ( w w* ( utuk seua aset ke- * Dega eguragka ersaaa ( da ersaaa ( deroleh E[ U '( w * r r ] E [ U '( w * r r ] * * E[ U '( w * r X ] utuk seua * ( ukt: Utuk seta sekurtas dala asar ersaga seura dalokaska kekayaa seseorag atara kosus da odal utuk sekurtas bersko da bebas rsko s eyataka roors dar odal w yag dalokaska ada sekurtas bebas rsko l eyataka roors dar odal w( s yag dalokaska ada seta sekurtas bersko sedeka sehgga l Kekayaa d asa dea daat dtulska sebaga wr w ( sr ( s l r Dega easukka hasl dar turua ertaa fugs keuasa, ddaatka egaruh ada grafk aka ak, oleh karea tu dasuska U ', U ' aka erasalaha d atas daat dtulska ejad ax U ( ww EU w ( sr ( s l r w, s,{ l } l, dega adalah egal lagrage Dega euruka ersaaa d atas terhada asg-asg varabel, ddaatka kods otu sebaga berkut U ' ( ww * r E[ U '( w* r *] ( E[ U '( w* r ( r r ] ( Terbukt Meurut eksas Deret Taylor dar U ( wr dega w, araeter eruaka target bal hasl vestor Maka dtuls U ( wr U ( w U '( w ( wr w U ''( kw ( wr w, dega ( r, k ax( r, Maka erkraa dar sasara vestor ada ersaaa (9 bsa dtulska kebal ejad V w U w w EU w w w, P ax (, ( ( b( w, a( w, E( wr w E( wr w (3 dega, a( w,, b( w, Nla relatf dar fugs tersebut dasuska bsa eeuh kods keootoa dar tujua vestor ada ersaaa (3 yag egkat dala haraa kekayaa, salya cuku dega egasuska bahwa bal hasl elk sebara seraga da b( w, lebh kecl darada a( w, Dega egasuska ( w, adalah solus ada ersaaa (3, k euda dega easuka keteraga tersebut ke dala ersaaa (, deroleh E[ U '( wr X ] E[( a( w, b ( w, w ( r X ] t E[ a( w, b ( w, w ( r ] E( X t a( w, E ( X b ( w, w E[( r X ] t Sehgga ddaatka a( w, E( X b ( w, w E[( r X ] utuk seua (4 Hasl yag ertaa ddaat adalah suatu vers baru dar teorea Two-fud searato, dega eta-rato ddefska oleh: E( X ( X (5 E( X dega E( X adalah oe kedua dar bal hasl X Teorea (searato D bawah asus CAPM (Share, 964, kalau tdak seua vestor euya tujua eaksuka kekayaaya ada betuk ersaaa (3, two-fud searato tertaha Portofolo otal seua vestor bsa dsahka ejad kobas aset bebas rsko da ortofolo bersko, yag aa ortofolo asar ada ekulbru

6 euya eta-rato alg tgg Utuk seua aset bersko E( X E( X ( X ( E( X ( ukt: Lhat Lara X Defs 9 (Share-rato Share rato dguaka utuk ebatu ecar keugka roors terbak dar seua sekurtas yag dguaka, defs dar share rato adalah E ( X S( X Var ( X Hubuga atara eta-rato da share-rato adalah sebaga berkut [ S( X ] [ ( X] [ S( X ] (6 Dega ddaatkaya kuadrat dar dua raso tersebut eberka tgkata yag saa dar seua aset utuk dua varabel acak X da X, yatu [ ( X ] [ ( X ] [ S( X ] [ S( X ] Dega kata la tujua vestas yag baru ada ersaaa (3 tdak egubah krtera efses rataa-raga dar teor ortofolo oder atau MPT (Markowtz, 95 Jka ortofolo adalah ortofolo dega raga terkecl Var( X, juga euya oe kedua terkecl ( atara seua aset dega rataa E( X yag saa Oleh karea tu rosedur Markowtz utuk edaatka ortofolo otal ada ssa odel rataa-raga sebaga besar dlegka ada odel yag baru Teorea (CAPM D bawah asus dar Teorea, CAPM bertaha ada kesebaga Utuk seua aset ke- E( X E( X (7 dega E( X X (8 E( X ukt: Lhat Lara Dega eggatka lha yag baru ada ersaaa (3 utuk lha rataaraga ( U ( w aw b ( w E ( w d dala Moder Portofolo Theory (MPT, sebaga besar dar hasl dala MPT sebearya daat dtuls ulag taa bayak hal la yag tdak erlu, esku kedua jes lha sagat berbeda Hal etg laya, erbedaa tafsra ekoo atara raga da oe kedua, atau secara uu atara koraga Cov( X, X da kooe E( XX, adalah tada erulaa yag sgfka CAPM dar CAPM Karea E ( X Var ( X [ E ( X ], besarya oe kedua bsa degaruh oleh keduaya, raga da haraa bal hasl Oleh karea tu ketaksaaa raga tdak selaaya egterretaska E( X sebaga ukura suatu rsko Dega cara yag saa, E( XX Cov ( X, X E ( X E( X eyataka bahwa kooe E( XX bergatug ada keduaya, koraga da haraa bal hasl Taa teor eetaa harga aset, E( XX bsa berbeda karea bal hasl acak X tdak euya korelas dega asar E( XX dyataka sebaga ukura kooe erdasarka ketetua kta bsa eyataka sebaga ukura yag dodfkas dar aset bersko ssteats Perbedaa satu-satuya adalah bahwa egukur bagaaa bal hasl dar aset ke- da koraga asar sedagka egukur bagaaa surrses tetag bal hasl aset ke- da koraga asar Kedua beta tersebut saa-saa eyaraka tetag tutf gagasa yag saa bahwa jka suatu bal hasl aset ke- cederug bergerak bersaa-saa dega asar, aka cederug utuk euya suatu rsko ssteats yag lebh tgg CAPM versus CAPM Utuk eberka aalss koaratf, bahasa lebh berska aalss berdasarka data ers Dotaska:

7 X E( X : bal hasl berlebh yag dberka oleh ortofolo asar, : haraa bal hasl yag sebearya dar aset ke-, : beta sebearya dar aset ke- yag eeuh hubuga ada ersaaa (8 dega asar Megea keyataa bahwa keduaya, CAPM da CAPM, adalah edekata odel eetaa harga yag ugk terdaat adaya kesalaha, redks odel haraa bal hasl dar CAPM da CAPM ddefska berturut-turut, E ( X E( X, (9 E ( X E( X (3 Suatu ukura kesalaha eetaa harga dar CAPM da CAPM yag ddefska berturut-turut (Pastor da Stabaugh, 999 E ( X E ( X, E( X E ( X Teorea eujukka dua odel akuras eetaa harga relatf Teorea 3 Utuk seua aset, dega ( (3 ( (3 [ E( X ] [,] E( X ukt: Lhat Lara 3 erdasarka ebahasa tersebut, CAPM bsa eujukka redks eetaa kesalaha yag lebh teat darada CAPM Teorea tersebut eujukka bahwa hubuga atara bal hasl yag dharaka dega beta yag dredkska dala CAPM daat dtgkatka Teorea tersebut juga eujukka etgya elha beta sebearya utuk egukur rsko ssteatk suatu aset ketka odel eujukka kesalaha Karea tujua dar tok adalah utuk ebadgka odel eetaa harga aset, seetara secara ekslst berlaku bahwa odel tersebut tdak seura, egea aakah CAPM bsa dujka sebaga odel yag teat adalah buka asalah Ada juga yag tdak eerluka utuk uj ers dar hasl koaratf dar Teorea 3 karea hubuga ersaaa (3 da ersaaa (3 secara uu d bawah sebara eluag bersaa Utuk eeroleh egetahua yag lebh lajut daat dguaka odel deks tuggal utuk eyederhaaka eghtuga odel tersebut, dketahu suatu hubuga atara X da X : X a b X ;=,,, (33 utuk a da b adalah kostata rl teta, da varabel acak dega E( Taa batasa lebh lajut, hubuga ada ersaaa uu (33 daat dtuls ejad da X a b X ;=,,, a E ( X b ( X ;=,,, utuk sebarag b Meggat dua erasalaha da solusya dar ersaaa tersebut Masalah yag ertaa adalah euka la haraa kuadrat dar E( X a b X a, b eghaslka b a E ( X E( X ukt: E( X a b X a X a b X X a a b X, (34 ( a b X b X ( ( ( a b E( X b E( X, (35 Daat dcar dega euruka fugs tersebut berturut-turut terhada a da b, E ( X a b X a E( X a b E( X a b E( X E( X ( da

8 E ( X a b X b E( X X a E( X b E( X ( ( ( a b X ( dega egalka E( X ada ersaaa ( da eguragkaya dega ersaaa ( aka a b ( [ ( ] ( ( a b X ( ( ( E( X X E ( X E( X b ( [ E( X ] Cov( X X Var( X a E ( X b E( X E ( X E( X Terbukt Masalah yag kedua adalah euka la haraa kuadrat dar a E( X b eghaslka b a E ( X E( X ukt: E( X b X ( ( ( ( b X X b X b X b b X, (36 (37 Daat dcar dega euruka fugs tersebut berturut-turut terhada b, E ( X b X b E( X X b E( X b ( E( X X ( E( X X b Terbukt Suatu hubuga ada ersaaa uu (33, terlhat dar ersaaa (35 da (37 bahwa kostata a adalah suber otes kesalaha eetaa harga utuk keduaya, CAPM da CAPM CAPM egaku ketdakastaya da berusaha euka E( a, darada E( Eta-rato (dkareaka Share-rato egabl egerta baru utuk eecahka Teorea 3: kuadrat dar etarato sekarag egukur seberaa bayak CAPM egkatka akuras eetaa harga dar CAPM Oleh karea tu Teorea 3 eetaka ketelta hubuga atara dua bukt erasalaha esaha: salah satuya eaksuka rataa oe kedua ada ersaaa (33 da yag laya euka kesalaha eetaa harga ada ersaaa (33 Dega kata la, jka terjad kesalaha eetaa harga aka kesalaha eetaa harga dar CAPM teryata lebh kecl darada CAPM utuk seua aset ke-, dega raso egkata eetaa harga dotaska dega Pelha Portofolo Dala elakuka vestas, terseda bayak lha jes sekurtas bag vestor Seua jes sekurtas ejajka bal hasl bag elkya, terutaa sekurtas bersko Seak tgg rsko suatu sekurtas, basaya seak tgg bal hasl yag djajka erusahaa sekurtas ag vestor hal cuku ebgugka, karea vestor harus elh sekurtas yag egutugka dar sekurtas yag terseda Hal yag etg dala egabl keutusa adalah bal hasl da rsko Masalah yag dhada vestor decahka oleh Markowtz dala Joural of Face ada tahu 95 dega judul Portfolo Selecto Markowtz eerkealka suatu edekata oder utuk eyeleks ortofolo dega elhat tgkat bal hasl da rsko suatu sekurtas berdasarka ada aalss fudaetal Jad dega adaya elha ortofolo Markowtz, vestor daat egabaka foras tetag erusahaa sekurtas, kebjakaya, da agsa asar ortofolo, da haya elhat ada beberaa eghtuga statstk Ivestor aka elh ortofolo yag euya tgkat bal hasl yag tgg da tgkat rsko yag seredah ugk utuk eaksuka keutugaya

9 Cotoh ers erdasarka Cabell da Vcera (, Tabel 3, kekayaa ertahu AS atas NYSE, AMEX, da NASDAQ euya bal hasl rata-rata 767% (dega saga baku 63% utuk erode 95 saa 999 da 6% (dega saga baku 55% utuk erode 983 saa 999 Catata bahwa [ E( X ] [ E ( X ] E( X Var( X [ E( X ] Raso egkata eetaa harga utuk dua erode d atas adalah ( : ( ( : (55 6 Dala ersetase hasl yag ddaat, la tersebut cuku eark erhata Utuk ara rakts yag harus ebuat keutusa vestas berkal-kal da taruhaya tgg, ereka aka edaatka CAPM lebh bak darada CAPM utuk redks bal hasl saha da egevaluas odal baya erusahaa

PEMILIHAN PORTOFOLIO MENGGUNAKAN BETA TERBAIK ELI GUSDIANTI

PEMILIHAN PORTOFOLIO MENGGUNAKAN BETA TERBAIK ELI GUSDIANTI PEMILIHAN PORTOFOLIO MENGGUNAKAN ETA TERAIK ELI GUSDIANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN OGOR OGOR 9 PEMILIHAN PORTOFOLIO MENGGUNAKAN ETA TERAIK

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta Vol 4 No, 46-58, Arl 00, ISSN : 40-858 PEMILIHAN MODEL REGRESI LINIER DENGAN STRAP Taro Jurusa Mateatka FMIPA UNDIP Searag Subaar Jurusa Mateatka FMIPA UGM Yogyakarta Abstrak Tulsa ebcaraka tetag eeraa

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Jural Ilu & Rset Maajee Vol. No. 1 (013) ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Zulfa Yuta Ntawbsoo.w@gal.co Tryoowat Sekolah Tgg Ilu Ekoo

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG)

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Prosdg SPMIPA 177-184 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Taro Progra Stud Statstka FMIPA UNDIP Searag Jl Prof Soedarto,

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, ) LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa

Lebih terperinci

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) 1. Konse Dasar Sngle Index Model. Forula SIM untuk Sekurtas 3. SIM untuk Sekurtas Tunggal 4. SIM untuk Portofolo 5. Portofolo Otal Berdasarkan SIM Munya Alteza

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Kata kunci : Portofolio Optimal, Nilai Slope, Metode Constant Correlation Model

Kata kunci : Portofolio Optimal, Nilai Slope, Metode Constant Correlation Model PEMBENTUKAN PORTOFOLIO ASET YANG OPTIMAL MENGGUNAKAN METODE CONSTANT CORRELATION MODEL (Stud Kasus PT. Batava Prosperdo Sekurtas pada Saha Blue Chps) Syafdes Wda.S 1, Dr. Leda Novyat, M.S, Achad Zabar

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

ANALISIS PERBANDINGAN MEAN VARIANCE

ANALISIS PERBANDINGAN MEAN VARIANCE Perbadga MV da MAD (Susy Arska Putr) 1 ANALISIS PERBANDINGAN MEAN VARIANCE (MV) DAN MEAN ABSOLUTE DEVIATION (MAD) DALAM PEMBENTUKAN PORTOFOLIO COMPARATIVE ANALYSIS MEAN VARIANCE (MV) AND MEAN ABSOLUTE

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

EKONOMI TEKNIK. Ekuivalensi

EKONOMI TEKNIK. Ekuivalensi EKONOMI TEKNIK Ekuvales Ekuvales Ekuvales = Nla uag yag sama pada waktu yag berbeda. Jumlah uag berbeda pada waktu berbeda dapat berla ekooms sama. Cotoh = harga bes Rp 4.5, (25), Rp 5.5, (29), da Rp 6.5

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya 017 3 Septeber 017, Saarda, Idoesa ISBN: 978-60-5031-0-3 Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

SEMIKONDUKTOR. Gambar 6.1 Ikatan kovalen silikon dalam dua dimensi

SEMIKONDUKTOR. Gambar 6.1 Ikatan kovalen silikon dalam dua dimensi 6 BAHAN SEMIKONDUKTOR 6.1 Semkoduktor Itrsk (mur) Slko da germaum meruaka dua jes semkoduktor yag sagat etg dalam elektroka. Keduaya terletak ada kolom emat dalam tabel erodk da memuya elektro vales emat.

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION MODEL OPIMISASI POROFOLIO SAHAM DAN DEPOSIO SECARA ERINEGRASI MENGGUNAKAN MEAN ABSOLUE DEVIAION Husa Athfal Hdayat 1, De Saepud, Ira Palup 3 1,,3 Progra Stud Ilu Koputas elko Uversty, Badug 1 hshdayat@studets.telkouversty.ac.d,

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

Pusat dari Beberapa Gelanggang Polinom Miring. The Centre of Some Skew Polynomial Rings

Pusat dari Beberapa Gelanggang Polinom Miring. The Centre of Some Skew Polynomial Rings 212 usat dar Beberaa (Ar Kaa Ar) usat dar Beberaa Geaggag oo Mrg The Cetre of Soe Skew oyoa Rgs Ar Kaa Ar Fakutas Mateatka da Iu egetahua Aa Uverstas Hasaudd ABSTRACT Let R be ay rg wth detty 1, be a edoorhs

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 3 (014), hal 15. PENGGUNAAN VALUE AT ISK DALAM ANALISIS ISIKO PADA POTOFOLIO SINGLE INDEX MODEL (Stud Kasus Data Saham LQ 45) Ed Saputra, Neva

Lebih terperinci