III. PEMBAHASAN. Untuk transaksi dengan arah x y z x, maka tiap kurs dapat didefinisikan sebagai berikut:

Ukuran: px
Mulai penontonan dengan halaman:

Download "III. PEMBAHASAN. Untuk transaksi dengan arah x y z x, maka tiap kurs dapat didefinisikan sebagai berikut:"

Transkripsi

1 8 III. EMBAHASAN. Model Makroskops dar Arbtrase Trangular Model makroskops menggunakan data aktual kurs yang dambl dar untuk tga mata uang yatu IDR J dan USD dalam kurun waktu dar Januar sampa Maret 007 kecual har lbur. Data-data tersebut akan danalss untuk mengetahu apakah dar tga mata uang tersebut memungknkan terjadnya kesempatan arbtrase trangular arbtrase -pon. Lampran menunjukkan fluktuas dar masng-masng kurs... Keberadaan Kesempatan Arbtrase Trangular Arbtrase trangular adalah kegatan fnansal yang ngn mengambl keuntungan dar tga kurs d pasar duna. rosedur transaksnya adalah sebaga berkut: pedagang menukar unt mata uang pertama (msalkan x ) untuk sejumlah mata uang kedua (msalkan y ) menukar sejumlah mata uang kedua ( y ) untuk sejumlah mata uang ketga (msalkan z ) dan menukarkan kembal sejumlah mata uang ketga ( z ) mata uang pertama ( x ) pada saat t z merupakan base currency mata uang dasar yang menjad patokan dalam pertukaran. Umumnya USD merupakan base currency dalam pertukaran mata uang. Jka pedagang dapat memperoleh keuntungan melalu transaks tga kurs maka dalam pasar tersebut terjad kesempatan arbtrase trangular. Kesempatan arbtrase trangular terjad dalam waktu yang sngkat dan akan segera hlang dkarenakan banyak pedagang lan yang ngn membuat transaks yang sama. Untuk memenuh syarat kesempatan arbtrase trangular ddefnskan syarat berkut: μ r() t > (0) = r () t menyatakan kurs transaks ke- pada saat t. Syarat d atas dnamakan sebaga hasl kurs. Jka hasl kurs μ lebh besar dar unt awal mata uang pertama yang dgunakan maka pedagang memperoleh keuntungan dan hal n menandakan terjadnya kesempatan arbtrase trangular d pasar valuta asng. Arbtrase trangular melbatkan tga kurs mata uang salah satu dar mata uang tersebut merupakan base currency maka pertukarannya memlk dua kemungknan alran kurs yang salah satunya akan lebh menguntungkan (akbat adanya kesempatan arbtrase). Arah alran kurs yang pertama berdasarkan transaks arah x y z x dan yang kedua berdasarkan transaks yang mempunya arah x z y x. Untuk transaks arah x y z x maka tap kurs dapat ddefnskan sebaga berkut: r Sa ( y x) r Sb ( y z) r ( t) =. () Sa ( z x) Sedangkan untuk transaks arah x z y x maka tap kurs ddefnskan sebaga berkut: r Sa ( x z) r Sa ( z y) r ( t) = Sb ( x y). () Dasumskan bahwa seorang arbtran dapat bertransaks segera pada harga bd dan ask. Oleh karenanya dgunakan harga pada waktu yang sama untuk menghtung hasl kurs. Berdasarkan hubungan antara nla bd dan ask pada ersamaan () dan () maka hasl kurs μ dapat memlk dua bentuk lan ddefnskan sebaga berkut: μ r (). t () = Transaks arah x y z x memlk nla r () t sebaga berkut: r Sb ( x y) r Sa ( z y) r ( t) = Sb ( x z) (4) dan transaks arah x z y x memlk nla r () t sebaga berkut:

2 9 r Sb ( z x) r Sb ( y z) r ( t) =. (5) Sa ( y x) Transaks arbtrase μ memlk transaks pertukaran yang berlawanan transaks arbtrase μ. Maksud berlawanan d sn adalah berbeda dalam pemakaan kurs bd ask. Bentuk keduanya adalah: μ r () t. (6) = Untuk bentuk kedua transaks arah x y z x memlk nla r () t sebaga berkut: r Sb ( x y) r Sb ( y z) r ( t) = Sb ( x z) (7) dan transaks arah x z y x memlk nla r () t sebaga berkut: r Sb ( z x) r Sb ( y z) r ( t) =. (8) Sb ( y x) Transaks arbtrase μ yang ddefnskan d atas mengambl asums bahwa akan lebh menguntungkan jka menggunakan nla bd untuk transaks terakhr karena d awal telah dnyatakan bahwa nla bd selalu lebh kecl dar pada nla ask. Sama halnya transaks μ dan μ μ > unt mata uang pertama yang dpertukarkan menunjukkan adanya kesempatan arbtrase. Kesempatan tu akan segera hlang karena banyak transaks lan yang sama sehngga membuat μ konvergen ke nla rata-rata kesembangannya. Hasl kurs μ dasumskan menyebar normal sehngga dperoleh fungs kepekatan peluang dar hasl kurs. Hubungan antara hasl kurs dan fungs kepekatan peluangnya dapat dlhat dalam Gambar daerah d bawah kurva yang lebh besar dar menyatakan terjadnya kesempatan arbtrase. DF HASIL KURS HASILKURS Gambar.a Hasl Kurs μ () t arah transaks IDR J USD IDR mean.000 dan standar devas DF HASIL KURS HASILKURS Gambar.b Hasl Kurs μ () t arah transaks IDR USD J IDR mean dan standar devas Ddefnskan logartma hasl kurs vt () sebaga berkut: v ln r ln r () t (9) = = r () t menyatakan bentuk kedua dar kurs transaks ke- pada saat t.keberadaan dar kesempatan arbtrase trangular dpenuh apabla logartma hasl kurs yang ddefnskan d atas memlk nla yang tak negatf. Logartma hasl kurs vt () dasumskan menyebar normal sehngga dperoleh fungs kepekatan peluang dar logartma hasl kurs. Hubungan antara logartma hasl kurs fungs kepekatan peluangnya dapat dlhat dalam Gambar daerah d bawah kurva yang tak negatf menyatakan terjadnya kesempatan arbtrase.

3 0 DF LOG HASIL KURS LOG HASIL KURS Gambar.a Logartma Hasl Kurs arah transaks IDR J USD IDR mean dan standar devas DF LOG HASIL KURS LOG HASIL KURS Gambar.b Logartma Hasl Kurs arah transaks IDR USD J IDR mean dan standar devas Dalam karya lmah n perhtungan untuk hasl kurs dan logartma hasl kurs yang dpaka adalah bentuk kedua karena dalam tulsan n lebh memfokuskan pada harga pembelan dealer dar tap transaks. Lampran dan Lampran menyajkan perhtungan hasl kurs dan logartma hasl kurs... Model Makroskops Adanya kesempatan arbtrase trangular dalam pasar mempengaruh fluktuas harga. Fluktuas yang terjad dapat dkonstruks suatu model waktu perubahan kurs asng. Model n menggunakan data untuk menjelaskan fluktuas yang terjad secara kuanttatf bukan sekedar kualtatf. Model n dsebut model makroskops.... ersamaan Dasar Waktu erubahan Logartma Hasl Kurs Ddefnskan persamaan dasar waktu perubahan logartma dar tap kurs sebaga berkut: ln r ( t+δ t) = ln r () t + f () t + g v() t (0) ( ) Δ t : perubahan waktu yang mengontrol skala waktu dar model; Δ t = karena data yang dpaka adalah data haran f : kebebasan fluktuas dar transaks ke- yang memenuh sebaran levy terpotong (truncated levy dstrbuton) g : fungs nteraks dar logartma hasl kurs. Transaks arbtrase trangular membuat logartma hasl kurs v menuju ke rata-rata ε sehngga dapat ddefnskan fungs nteraks sebaga aproksmas lnear sebaga berkut: gv () = k( v ε ) () sehngga < 0 jka v > ε gv () > 0 jka v < ε k : konstanta postf yang menentukan kekuatan nteraks dar logartma hasl kurs per satuan waktu ε : rata-rata dar v. ersamaan waktu perubahan logartma dar tap kurs yang dberkan oleh ersamaan (0) dapat dgunakan untuk membentuk persamaan waktu perubahan logartma hasl kurs yatu menjumlahkan ersamaan (0) dan menyubsttus ersamaan () sehngga ddapat rumusan sebaga berkut: vt ( +Δt) ε = ( k) vt ( ) ε + Ft ( ) () Ft () = f() t. = ( ) Bukt: Untuk mendapatkan persamaan dasar waktu perubahan logartma hasl kurs dapat dperoleh menjumlahkan persamaan waktu perubahan logartma dar tap kurs saat transaks ke- sebaga berkut: ( + Δ ) = ln ( +Δ ) = r t + f t + g( v t ) vt t r t t = ln r ( t+δ t) + ln r ( t+δ t) + ln r ( t+δt) = ln ( ) ( ) ( ) + ln r ( t) + f( t) + g( v( t) ) + ln r ( t) + f( t) + g( v( t) ) = = ( ) = ln r ( t) + f ( t) + g v( t) ( ( )) =() vt + Ft () + k vt () ε =() vt kvt () + kε + Ft () = k v() t ε + ε + F() t ( )( )

4 sehngga terbukt bahwa: vt ( +Δt) ε = k vt () ε + Ft () ( )( )... enduga arameter ersamaan (0) bergantung pada parameter f dan k. Dalam bagan n akan dduga besarnya masng-masng parameter tersebut. enduga parameter untuk kekuatan nteraks k berhubungan v yang dnyatakan sebaga berkut: k : = c( Δt) vt ( +Δtvt ) ( ) ε () =. v () t ε Dengan menggunakan persamaan d atas dapat dduga k( Δ t) dar data berkala sebaga fungs dar perubahan waktu Δ t yatu sebaga berkut: v( t t) v( t ) k( t) +Δ ε Δ = (4) v () t ε vt ( +Δ t) dperoleh dar data real berkala Δ t adalah har karena data yang dgunakan dalam karya lmah n adalah data haran dar kurs. Dar perhtungan menggunakan ersamaan (4) maka nla k( Δ t) dperoleh yatu sebesar 0.9 untuk transaks pertukaran arah IDR J USD IDR dan sebesar 0.4 untuk transaks pertukaran arah IDR USD J IDR. Apabla nla dar selsh logartma hasl kurs rata-rata logartma hasl kurs adalah postf maka fungs nteraks dar logartma hasl kurs untuk k () = 0.9 akan lebh kuat dbandngkan k () = 0.4. Sebalknya jka nla dar selsh logartma hasl kurs rata-rata logartma hasl kurs adalah negatf maka fungs nteraks dar logartma hasl kurs untuk k () = 0.9 akan lebh lemah dbandngkan k () = 0.4. Kebebasan fluktuas dar transaks ke- ( f ) memenuh sebaran levy terpotong (truncated levy dstrbuton). Sebaran levy terpotong dperoleh dar suatu sebaran levy yang menggambarkan dstrbus data keuangan yang selalu memlk varans yang berhngga (Stungkr & Surya 00d). Adapun fungs karakterstk dar sebaran levy stabl adalah sebaga berkut: α α πα exp γ t β sgn( t) tan + δt ; α (0]/{} t ϕ L L(; t α β γ δ ) = E[ e ] = exp γ t β sgn( t) ln t + δt ; α = (5) π β : parameter skewness yang menggambarkan keasmetrkan suatu sebaran dar transaks ke- ; β [ ] dan β = 0 menyatakan sebaran smetrk α : ndeks kestablan/ndeks ekor/tal eksponen /karakterstk eksponen yang menyatakan nla d saat ekor dar sebaran meruncng; α ( 0 ] asumskan α= 0.5 untuk suatu fungs karakterstk levy (Nolan 005) γ : parameter skala yang menyatakan panjang lebar suatu sebaran; γ > 0 dan asumskan γ = δ : parameter lokas yang menyatakan perubahan poss dar suatu sebaran; asumskan δ = 0 t : parameter yang menyatakan nla kurs saat transaks ke- sgn( t ) : menyatakan nla sgnfkan dnyatakan sebaga: jka t > 0 sgn() t = 0 jka t = 0 jka t < 0. Suatu sebaran levy stabl dar data pengamatan akan konvergen ke suatu sebaran normal (Mandelbrot 96). Hal tersebut sesua data hasl kurs yang telah dbahas sebelumnya yang menyatakan bahwa hasl kurs konvergen ke nla

5 kesembangannya sehngga dar suatu sebaran levy stabl dhaslkan suatu sebaran levy terpotong (truncated levy dstrbuton). Ddefnskan fungs karakterstk dar sebaran levy terpotong l menyatakan koefsen truncaton koefsen pemotongan besarnya mendekat nol karena dharapkan pemotongan dar suatu sebaran levy sekecl mungkn mendekat sebaran levy stabl sebaga berkut: t γ T ( t αγδl) ϕt t ( t l ) α l l πα cos α α ; ( ) exp α = = + cos arctan (6) Lampran 4 menyajkan perhtungan k dan f yang ddekat oleh T (). Gambar berkut menyatakan persamaan waktu perubahan logartma hasl kurs vt () dar model makroskops menggunakan data aktual kurs. pdf v(t+) v(t+) Gambar.a ersamaan Waktu erubahan dar Logartma Hasl kurs untuk transaks IDR J USD IDR mean dan standar devas DF v(t+) v(t+) Gambar.b ersamaan Waktu erubahan dar Logartma Hasl kurs untuk transaks IDR USD J IDR mean.000 dan standar devas Model Mkroskops dar Arbtrase Trangular Dalam karya lmah n akan dbahas lebh lanjut model mkroskops dar transaks arbtrase trangular. Model mkroskops adalah model yang menggambarkan nteraks d antara dealer dan lebh memfokuskan pada dnamka dar tap dealer dalam pasar valuta asng. Untuk tu dperkenalkan model Sato dan Takayasu... Model Sato dan Takayasu Asums dasar dar model Sato dan Takayasu adalah dealer ngn membel mata uang saat harga rendah kemudan menjualnya kembal harga tngg pada waktu t d pasar valuta asng. Jka dealer membel mata uang saat harga rendah maka dealer menetapkan batas harga maksmum pembelan yang dapat djangkau olehnya. Hal n berart bahwa dealer akan membel mata uang d bawah harga maksmum yang dtetapkannya. Sebalknya jka dealer menjual mata uang saat harga tngg maka dealer menetapkan batas harga mnmum penjualan yang dapat da berkan. Hal n berart bahwa dealer berusaha untuk menjual mata uang d atas harga mnmum yang dtetapkannya. Asums d atas mengngnkan adanya kesempatan arbtrase dalam transaks yang terjad. ersamaan model n model makroskops adalah mengngnkan adanya kesempatan arbtrase dalam transaks perdagangan. Dalam model makroskops kesempatan arbtrase trangular dpenuh apabla logartma hasl kurs tak negatf. Adapun kesempatan arbtrase dalam model Sato dan Takayasu dpenuh apabla harga penjualan saat t lebh besar dar harga pembelan saat t. Dalam model Sato dan Takayasu ddefnskan komponen-komponen dalam pasar sebaga berkut: N : banyaknya dealer

6 B () t : harga penawaran dealer pada transaks ke- untuk membel pada waktu t (nla bd) S () t : harga penawaran dealer pada transaks ke- untuk menjual pada waktu t (nla ask) A= S() t B() t : selsh harga jual dan harga bel dealer pada transaks ke- saat t. Dalam model n jual-bel mata uang dalam model Sato dan Takayasu dlhat dar sudut pandang dealer sehngga asums d atas dapat dperluas yatu dealer bertujuan untuk mnmsas harga pembelannya ( harga penjualan customer). Maksud mnmsas d sn adalah penentuan batas harga maksmum pembelan yang akan menjad patokan dealer untuk membel d bawah harga maksmum yang telah dtetapkan. D ss lan bertujuan untuk maksmsas harga penjualannya ( harga pembelan customer). Maksud maksmsas d sn adalah penentuan batas harga mnmum penjualan yang akan menjad patokan dealer untuk menjual d atas harga mnmum yang telah dtetapkan. Hal tersebut menyebabkan selsh harga jual dan harga bel dealer dharapkan postf ( A= S() t B() t > 0). Dengan asums d atas dapat ddefnskan mekansme pembentukan harga d pasar yang ddasarkan pada harga maksmum pembelan dan harga mnmum penjualan dealer. Konds untuk terjadnya perdagangan dberkan oleh pertdaksamaan berkut: Lt () = maks { B() t} mn { S() t} 0 (7) vt () = maks { B() t} mn { B() t} A (8) maks { B : harga pembelan maksmum dealer saat transaks ke- pada waktu t mn { S : harga penjualan mnmum dar dealer saat transaks ke- pada waktu t mn { B : harga pembelan mnmum dar dealer saat transaks ke- pada waktu t. Dalam model makroskops transaks arah x y z x memlk maks { B yang sesua r () t sedangkan mn { S sesua r () t. Dalam transaks tersebut memungknkan untuk terjad arbtrase d dalam pasar. Msalkan transaks arah x y z x terjad d pasar. Dalam model makroskops transaks arah x z y x memlk maks { B yang sesua r () t sedangkan mn { S sesua r () t. Dalam transaks tersebut memungknkan untuk terjad arbtrase d dalam pasar. Msalkan transaks arah x z y x terjad d pasar. Harga pasar t ( ) ddefnskan sebaga nla tengah dar maks { B dan mn { S ketka perdagangan terjad. Harga pasar t () mempertahankan nla terdahulu ketka tdak terjad perdagangan. Harga pasar t () ddefnskan sebaga berkut: maks{ B( t)} + mn{ S( t)} ; Lt ( ) 0 t () = t ( ) ; Lt ( ) < 0 (9) maks{ B( t)} + mn{ B( t)} ; vt ( ) A t () = t ( ) ; vt ( ) < A. (0) Mekansme pembentukan harga d atas mempengaruh karakterstk pergerakan dealer sehngga algortma dealer memlk dua bentuk yatu sebaga berkut: Kasus (Tdak Terjad erdagangan) Jka ersamaan (7) (8) tdak maks B ( t) mn S ( t) < 0 dpenuh yatu { } { } maks { B ( t) } mn { B ( t) } A < maka harga pembelan pada waktu t + dapat ddefnskan sebaga berkut: B( t+ ) = B( t) + a( t) + cδ ( t) () a () t : karakterstk pergerakan dealer pada transaks ke- yatu menjad penjual pembel pada waktu t Δ t (): selsh harga pada waktu t dan harga perdagangan sebelumnya ( Δ t () = t () t ( ) ) c : konstanta yang menentukan respon dealer dar perubahan harga pasar; c > 0. Dealer mengkut ersamaan () sehngga dealer menurunkan harga mn { S cara menurunkan harga pembelan { B () t } d lan phak dealer lan menngkatkan harga maks { B S () t cara menngkatkan harga penjualan { }

7 4 sampa bsa kembal menjual dan membel mata uang. Dalam kasus n harga hanya mengubah poss relatf dealer karakterstk pergerakan dealer mempunya dua bentuk sebaga berkut: + jka dealer sebaga pembel a () - jka dealer sebaga penjual. Catatan: Bagan cδ tdak bergantung pada transaks ke- yang dlakukan oleh dealer. Oleh karenanya cδ tdak mengubah poss relatf dar dealer tap mengubah keseluruhan poss dealer. Kasus (Terjad erdagangan) Jka ersamaan (7) (8) dpenuh maks B ( t) mn S ( t) 0 yatu { } { } maks { B ( t) } mn { B ( t) } A maka harga dperbaharu mengkut ersamaan (9) (0) yatu sebaga berkut: maks { B( t) } + mn { S( t) } t () = maks { B( t) } + (mn{ B( t) } + A) t () = karakterstk pergerakan dealer pada waktu t + ddefnskan sebaga berkut: - jka dealer pembel a a ( t + ) = + jka dealer penjual a ( t) jka dealer tdak sebaga pembel maupun penjual. () Berkut merupakan skema dar transaks model Sato dan Takayasu: Kasus d d Keterangan: : menyatakan mn { S : menyatakan S () t maks B ( t ) : menyatakan B () t d : dealer ke- ; = : menyatakan { } Kasus d d.. Interaks Dua Sstem dar Model Sato dan Takayasu Dalam bagan n akan dbahas model mkroskops yang dsajkan dalam model Sato dan Takayasu. Sekumpulan dealer dar model Sato dan Takayasu membentuk suatu sstem yang dkenal pasar. Dalam model n hanya melbatkan dua pasar (msalkan pasar dan ) untuk transaks trangularnya karena mengambl asums bahwa satu dar tga pasar merupakan pasar ternormalkan. Mekansme pembentukan harga d pasar dan berdasarkan pada harga maksmum pembelan dan harga mnmum penjualan dealer d pasar. Konds untuk terjadnya suatu perdagangan mengkut ersamaan (7) dan (8) dalam model Sato dan Takayasu yatu sebaga berkut: Lt () = maks { Bz () t} mn { Sz () t} 0 (4) vt () = maks { Bz () t} mn { Bz () t} A (5) untuk z = maks { Bz : menyatakan harga pembelan maksmum dar dealer dalam transaks ke d pasar mn { Sz : menyatakan harga penjualan mnmum dar dealer dalam transaks ke- d pasar mn { Bz : menyatakan harga pembelan mnmum dar dealer dalam transaks ke- d pasar. Harga pasar z () t ddefnskan oleh nla tengah dar maks { Bz dan mn { Sz ketka perdagangan terjad. Harga pasar z ( t ) mengkut ersamaan (9) (0) yang ddefnskan sebaga berkut: maks{ Bz ( t)} + mn{ Sz ( t)} z z ( t ) (6) maks{ Bz ( t)} + (mn{ Bz ( t)} + A) z z ( t ). (7) Jka ersamaan (4) (5) tdak dpenuh maka harga pembelan pada waktu t + mengkut ersamaan () yang ddefnskan sebaga berkut: B ( t+ ) = B ( t) + a ( t) + cδ ( t) (8)

8 5 dan B ( t+ ) = B ( t) + a ( t) + cδ ( t). (9) Dalam model n harga akan lebh berfluktuas apabla tercpta transaks baru d luar transaks d dalam pasar masng-masng ( dan ) msalkan transaks antar dan sehngga membuat sstem lebh bernteraks. Adanya harga yang berfluktuas memungknkan terjadnya transaks arbtrase. Transaks arbtrase bsa terjad jka konds berkut dapat dpenuh: v( t) = maks{ B ( t)} (mn{ B ( t)} + A) 0...(40) v ( t) = maks{ B ( t)} (mn{ B ( t)} + A) 0 (4) Konds arbtrase v ( t) 0 dan v ( t) 0 berhubungan arbtrase vt () 0 d pasar aktual. Dar model Sato dan Takayasu pasar dan memlk maksmum pembelan dan mnmum penjualan sehngga memungknkan adanya kesempatan arbtrase d antara pasar dan pasar. Kesempatan arbtrase d pasar pasar memenuh ersamaan (40) ersamaan (4). Adapun sebaran dar arbtrase d pasar dan arbtrase d pasar yang mengkut logartma hasl kurs pada data aktual dberkan sebaga berkut:. Transaks Arbtrase d asar Transaks arbtrase d pasar memuat transaks arah pertukaran x y z x. maks { B bersesuaan transaks pertukaran secara langsung dar z ke x yang dberkan oleh ln r ( t ). D pasar tdak terdapat transaks langsung dar z ke x dalam transaks pertukaran arah x z y x sehngga dbutuhkan perantara y. mn { S arah transaks pertukaran dar z ke x melalu y dberkan oleh ln r ( t) + ln r ( t). Lampran 5. menyajkan perhtungan dar konds arbtrase d pasar. Gambar berkut memperlhatkan kesempatan arbtrase d pasar. Nla v () t < 0 menyatakan kesempatan arbtrase yang negatf d pasar artnya dperoleh keuntungan yang negatf dar pertukaran d antara pasar dan sehngga memungknkan untuk tdak melakukan transaks pertukaran antar pasar karena transaks merugkan. pdf v(t) v(t) Gambar 4.a Kesempatan arbtrase d pasar. Transaks Arbtrase d asar Transaks arbtrase d pasar memuat transaks arah pertukaran x z y x. maks { B bersesuaan transaks pertukaran secara langsung dar y ke x yang dberkan oleh ln r ( t ). D pasar tdak terdapat transaks langsung dar y ke x dalam transaks pertukaran arah x y z x sehngga dbutuhkan perantara z. mn { S arah transaks pertukaran dar y ke x melalu z dberkan oleh ln r () t + ln r () t. Lampran 5. menyajkan perhtungan dar konds arbtrase d pasar. Gambar berkut memperlhatkan adanya kesempatan arbtrase d pasar. Nla v () t 0 menyatakan kesempatan arbtrase yang tak negatf d pasar artnya dperoleh keuntungan dar pertukaran d antara pasar dan sehngga memungknkan untuk melakukan transaks pertukaran antar pasar karena transaks menguntungkan. pdf v(t) v(t) Gambar 4.b Kesempatan arbtrase d asar

9 6 rosedur smulas dar model mkroskops adalah sebaga berkut:. Sedakan dua sstem dar model Sato dan Takayasu msalkan pasar dan.. erksa ersamaan (4) (5) dan perbaharu harga ersamaan (6) (7). Jka ersamaan (4) (5) dpenuh lanjutkan ke langkah 4 dan jka sebalknya maka lanjutkan ke langkah.. erksa konds transaks arbtrase yatu ersamaan (40) dan (4). Jka ersamaan (40) dpenuh perbaharu harga () t untuk maks { B dan harga () mn B ( t) + A. t untuk { } Jka ersamaan (4) dpenuh perbaharu harga () t untuk mn B ( t) + A dan harga () t { } untuk maks { ( )} B t. Jka kedua konds dpenuh maka plh salah satu dar (40) dan (4) yang memlk peluang 50% dan selesakan transaks arbtrasenya. Jka transaks arbtrase ada lanjutkan ke langkah 4 jka sebalknya maka lanjutkan ke langkah Htung selsh antara harga baru dan harga terdahulu yatu sebaga berkut: Δ () t ( t ) dan Δ () t ( t ). Kemudan loncat langkah 5 dan teruskan ke langkah Jka ersamaan (4) (5) (40) dan (4) tdak dpenuh maka pertahankan harga terdahulu yakn ( t ) dan ( t ). 6. Ubah harga penawaran dealer untuk membel mengkut ersamaan (8) dan (9). 7. Ubah karakterstk pergerakan dealer dar pembel penjual menjad penjual pembel mengkut ersamaan (). 8. Ulang langkah () sampa (7). Adapun gambaran skemats dar nteraks d antara pasar dan dalam model mkroskops adalah sebaga berkut: Kasus (Tdak Terjad erdagangan Intra asar Maupun Antar asar) ersamaan (4) (5) (40) dan (4) tdak dpenuh sehngga dealer yang bertndak sebaga pembel membuat harga menngkat karena pembelan terkat permntaan. Hal sebalknya untuk dealer yang bertndak sebaga penjual. d d d d d d d d Kasus (Terjad erdagangan Intra asar (dalam pasar )) Dealer dalam pasar memenuh ersamaan (4) (5). Hal tersebut menyatakan terjadnya transaks ntra pasar sehngga harga dalam pasar ( () t ) dperbaharu mengkut ersamaan (6) (7). Dealer mengubah karakterstk pergerakannya mengkut ersamaan (). Sedangkan untuk dealer dalam pasar sama sepert pada kasus. Kasus (Terjad erdagangan Antar asar) enjual d pasar dan pembel d pasar memenuh ersamaan (40) dan (4). Hal tersebut menyatakan terjadnya transaks arbtrase d antara pasar dan. erubahan harga yang terjad membuat dealer mengubah karakterstk pergerakannya mengkut ersamaan ().

10 7 d d d d Gambar 5 memperlhatkan skema nteraks d antara pasar dan yang merupakan rangkuman dar tga kasus d atas.. Hubungan Kekuatan Interaks dar Model Makroskops Dengan Model Mkroskops Dalam bagan n akan dbahas hubungan d antara model makroskops dan model mkroskops melalu kekuatan nteraks k. Kekuatan nteraks k dalam model makroskops dnyatakan dalam ersamaan (4) sedangkan untuk model mkroskops ddefnskan kekuatan nteraks k mkro yang berhubungan kekuatan nteraks k model makroskops yatu sebaga berkut: vz ( t+δt) vz ( t) ε z kmkro =. (4) vz () t ε z Dar ersamaan (4) dan (4) dperoleh hubungan antara kekuatan nteraks k k mkro yatu sebaga berkut: k = kmkro dan kmkro = k. (4) Terlhat bahwa k mkro lebh besar dar pada k. Hal n menyatakan bahwa kekuatan nteraks d antara dealer sangat besar pengaruhnya terhadap nla dar logartma hasl kurs. Dalam model makroskops kekuatan nteraks k bergantung pada perubahan waktu Δ t. k mkro juga bergantung pada perubahan waktu yang dkutnya. erubahan waktu dar model Sato dan Takayasu dberkan oleh kombnas parameter-parameter berkut: A n (44) Nα n menyatakan nterval d antara dua perdagangan yang berurutan. Invers dar ersamaan (45) menghaslkan persamaan berkut: Nα f = (46) n A f menyatakan frekuens perdagangan yang terjad. Nla f dgunakan untuk mengukur nteraks d antara pasar dan. Dengan tu maka frekuens perdagangan menyatakan kekuatan nteraks k mkro. Frekuens perdagangan yang terjad d antara pasar dan berbandng lurus banyaknya dealer serta karakterstk pergerakan dealer.

11 8 Sedakan sstem pasar dan Terjad perdagangan saat t erksa terjad perdagangan tdak Tdak terjad perdagangan saat t erbaharu harga mengkut ersamaan (6) (7) Terjad arbtrase saat t erksa konds arbtrase mengkut ersamaan (40) (4) Tdak terjad arbtrase saat t Arbtrase d pasar ( ) mengkut ersamaan (40) ((4)) Arbtrase d pasar dan mengkut ersamaan (40) dan (4) Harga saat t : ( t ) ( t ) lh ersamaan (40) (4) yang memlk peluang arbtrase 50% Selsh harga saat t : Δ 0 Δ 0 Ubah harga menjad: maks{ B ()} t ( lh mn{ B ()} t + A) mn{ B ()}+ t A ( maks{ B ()} t ) Selsh harga saat t : Δ () t ( t ) Δ () t ( t ) Saat t + dealer (penjual) memlk sedkt aset sehngga dealer menngkatkan harga pembelan saat t + mengkut ersamaan (8) (9) Dealer mengubah karakterstk pergerakannya mengkut ersamaan () Gambar 5 Skema Smulas Interaks d Antara asar dan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

SOLUTION INSTITUT TEKNOLOGI BANDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI FISIKA

SOLUTION INSTITUT TEKNOLOGI BANDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI FISIKA ISTITUT TEKOLOGI BADUG FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM PROGRAM STUDI FISIKA FI-500 Mekanka Statstk SEMESTER/ Sem. - 06/07 PR#4 : Dstrbus bose Ensten dan nteraks kuat Kumpulkan d Selasa 9 Aprl

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

Interpretasi data gravitasi

Interpretasi data gravitasi Modul 7 Interpretas data gravtas Interpretas data yang dgunakan dalam metode gravtas adalah secara kualtatf dan kuanttatf. Dalam hal n nterpretas secara kuanttatf adalah pemodelan, yatu dengan pembuatan

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

I. PENGANTAR STATISTIKA

I. PENGANTAR STATISTIKA 1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

TEORI KESALAHAN (GALAT)

TEORI KESALAHAN (GALAT) TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

Referensi: 1) Smith Van Ness Introduction to Chemical Engineering Thermodynamic, 6th ed. 2) Sandler Chemical, Biochemical adn

Referensi: 1) Smith Van Ness Introduction to Chemical Engineering Thermodynamic, 6th ed. 2) Sandler Chemical, Biochemical adn Referens: 1) Smth Van Ness. 2001. Introducton to Chemcal Engneerng Thermodynamc, 6th ed. 2) Sandler. 2006. Chemcal, Bochemcal adn Engneerng Thermodynamcs, 4th ed. 3) Prausntz. 1999. Molecular Thermodynamcs

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN 6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci