III. PEMBAHASAN. Untuk transaksi dengan arah x y z x, maka tiap kurs dapat didefinisikan sebagai berikut:
|
|
- Suryadi Tanudjaja
- 7 tahun lalu
- Tontonan:
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 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 terperinciBAB 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 terperinciIV. 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciIII. 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 terperinciBAB.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 terperinciBAB 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 terperinciBAB 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 terperinciANALISIS 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 terperinciP 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 terperinciBAB 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 terperinciKecocokan 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 terperinciIII 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciSEARAH (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 terperinciBAB 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 terperinciMANAJEMEN 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 terperinciDISTRIBUSI 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 terperinciBAB 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 terperinciBAB 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 terperinciCatatan 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 terperinciPROPOSAL 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 terperinciBAB 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 terperinciBAB 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 terperinciBab 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 terperinciBAB 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 terperinciberasal 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 terperinciBab 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 terperinciBAB 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 terperinciBab 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 terperinciKAJIAN 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 terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciBAB 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 terperinciUJI 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 terperinciBAB 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 terperinciLAMPIRAN 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 terperinciPENENTUAN 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 terperinciDidownload 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 terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciBAB 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 terperinciBAB 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 terperinciPEMODELAN 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 terperinciIII. 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 terperinciNama : 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 terperinciBAB 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 terperinciIII. 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 terperinciBAB 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 terperinciBOKS 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciMENCERMATI 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 terperinciSOLUTION 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 terperinciPENDAHULUAN 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 terperinciInterpretasi 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciIV. 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 terperinciBAB 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 terperinciBAB 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 terperinciTinjauan 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 terperinciBAB 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 terperinciMEREDUKSI 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 terperinciPertemuan 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciI. 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 terperinciε 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 terperincitoto_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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciTEORI 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 terperinciBAB 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 terperinciReferensi: 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciContoh 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 terperinciRANGKAIAN 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 terperinciPENELUSURAN 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 terperinciMETODE 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