BAB III APLIKASI MODEL
|
|
- Handoko Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB III APLIKASI MODEL 3.1 Data Data yang akan digunakan untuk membangun yield curve adalah data yang diterbitkan secara mingguan oleh Danareksa Research Institute di situs Danareksa di bagian Debt Research 4. Data ini diambil secara berkala dari mulai awal Maret hinggai akhir Mei. Di antara tenggang waktu tersebut, terdapat minggu yang tidak terdapat laporan mingguan di dalamnya, yaitu di antara periode 27 April hingga 1 Mei Prosedur Yield curve terlebih dahulu dibangun dengan menggunakan data asli pada MATLAB. Pada program MATLAB ini, parameter optimal kedua model dicari. Untuk model McCulloch, digunakan perhitungan penaksiran parameter dengan menggunakan metode kuadrat terkecil linier. Sedangkan untuk model Nelson Siegel, digunakan metode optimasi fungsi penalti terhadap bentuk kuadrat selisih hasil taksiran dan nilai realnya ditambah penalti. Selain itu, keakuratan hasil outputnya juga dibandingkan dengan data dengan cara mencari penaksir variansi errornya. Pada umumnya, ada data yang memiliki tanggal pengambilan data dari bursa yang berbeda data lainnya. Data seperti ini tidak digunakan karena berasal dari populasi yang berbeda. Selain itu, kadang terdapat data yang nilai yieldnya dapat mengacaukan perhitungan. Data yield ini biasanya nilainya terlampau jauh lebih kecil atau lebih besar dibandingkan dengan nilai-nilai yang ada disekitarnya
2 Oleh karena itu, data terlebih dahulu disaring sesuai dengan tanggal pelaporannya. Metode penyaringan data dilakukan secara visual dengan mencari data yang melenceng jauh dari kumpulan data lainnya melalui plot di MatLab. Data yang disaring diusahakan sesedikit mungkin agar tidak membuat data yang didapatkan menjadi tidak bermakna karena tidak dapat mewakili keseluruhan obligasi yang ada di pasar. Sebagai contoh, pembuangan 3 data dari 20 data yang ada berarti menandakan bahwa data yan dibuang adalah sebanyak 15%. Jelas itu adalah jumlah yang sangat besar. Data yang telah disaring ini kemudian digunakan untuk membentuk yield curve baru. Yield curve ini kemudian dibandingkan dengan yield curve yang diperoleh dengan menggunakan data asli. 3.3 Yield Curve Periode 30 Maret - 3 April 2009 Pada subbab ini akan dibahas mengenai proses pembentukan yield curve dari salah satu data yang ada yaitu pada periode 30 Maret - 3 April Tanggal pelaporan untuk periode ini adalah tanggal 6 April Yield curve untuk periode yang lain dapat dilihat di lampiran. Berikut adalah grafik data yield pada periode tersebut 5. Gambar 6. Data yield curve asli tanggal pelaporan 6 April Data dapat dilihat pada lampiran B 31
3 Periode ini dipilih karena dianggap dapat mencerminkan perbedaan antara yield curve yang dibentuk dengan model McCulloch dan Nelson-Siegel dengan baik. Dapat terlihat pada grafik terdapat kumpulan nilai yield yang sebarannya cukup tinggi pada maturity time 10 tahun ke bawah. Dengan demikian, diharapkan dapat dilihat pengaruh dari penghapusan data terhadap kurva yang dibentuk Model McCulloch Parameter yang diperoleh adalah sebagai berikut a 1 a 2 a 3 a 4 a 5 a 6 a 7 a Tabel 2. Parameter model McCulloch untuk tanggal pelaporan 6 April 2009 dengan titik-titik ujung subselang sebagai berikut. t 1 t 2 t 3 t 4 t 5 t 6 t 7 t t 9 t 10 t 11 t Tabel 3. Titik-titik ujung subselang model McCulloch tanggal pelaporan 6 April 2009 Dari titik-titik tersebut dapat dibentuk 11 subselang. Delapan subselang pertama digunakan dalam proses pembentukan yield curve dengan menggunakan parameter pada tabel 2 sedangkan 3 subselang terakhir digunakan untuk mengatasi error program pada saat pengecekan nilai input maturity time masuk ke subselang yang mana (lihat di persamaan (40) bahwa diperlukan subselang hingga [x i +2,x i +3 ]). Grafik bentukannya dapat dilihat pada gambar 8 di halaman selanjutnya Model Nelson Siegel Parameter yang diperoleh adalah sebagai berikut! 0! 1! 2! Tabel 4. Parameter model Nelson-Siegel untuk tanggal pelaporan 6 April 2009 Dalam bentuk grafik, nilai output yang dihasikan setiap segmen parameter! 0,! 1, dan! 2 terhadap maturity time akan berbentuk sebagai berikut 32
4 Gambar 7. Grafik setiap segmen model Nelson Siegel tanggal pelaporan 6 April 2009 Dari grafik di atas dapat disimpulkan bahwa yield curve yang dibentuk oleh model Nelson Siegel akan naik pada maturity time yang mendekati nol dan kemudian menjadi relatif datar setelahnya seperti yang terlihat pada gambar 8. Hal ini disebabkan karena segmen! 1 dan! 2 yang saling menghilangkan Perbandingan antara Kedua Model Didapatkan yield curve dari kedua model sebagai berikut Gambar 8. Yield curve model Nelson-Siegel dan McCulloch untuk tanggal pelaporan 6 April 2009 Dari grafik di atas, dapat terlihat bahwa yield curve yang dibentuk Nelson-Siegel tidak menghampiri data asli yang ada dengan baik. Secara visual, terlihat bahwa 33
5 jika ditarik garis yang menghubungkan data asli akan diperoleh kurva yang cenderung cekung ke atas. Model McCulloh dapat mendekati data asli lebih baik daripada Nelson-Siegel terutama di data yang memiliki maturity time tinggi. Taksiran variansi error yang diperoleh adalah sebagai berikut Nelson-Siegel McCulloch! ˆ Tabel 5. Variansi error kedua model untuk tanggal pelaporan 6 April 2009 Terlihat bahwa variansi model Nelson Siegel lebih besar daripada model McCulloch karena ketidaktepatannya dalam menghampiri data terutama di data yang memiliki maturity time tinggi. Kedua model memiliki variansi yang sangat besar karena sebaran data maturity time 10 tahun ke bawah yang cukup tinggi. 3.4 Pengaruh Kualitas Data Selanjutnya akan diamati pengaruh penghapusan data yang nilainya melenceng jauh dari kumpulan data yang ada terhadap yield curve yang dibentuk. Data yang tidak digunakan tersebut dipilih secara visual. Jika data terlihat jauh di bawah atau di atas kumpulan data di sekitarnya, maka data tersebut tidak akan digunakan dalam proses pembentukan yield curve. Terdapat beberapa data yang ada pada data periode periode 30 Maret - 3 April 2009 yang akan dihapus. Data yang tidak digunakan dalam proses pembentukan yield curve tersebut dapat dilihat sebagai titik berwarna hitam pada grafik di bawah ini. Gambar 9. Data yield curve yang telah disaring untuk tanggal pelaporan 6 April
6 Dari data yang telah disaring tersebut diperoleh parameter untuk model McCulloh sebagai berikut a 1 a 2 a 3 a 4 a 5 a 6 a Tabel 6. Parameter model McCulloch menggunakan data hasil saringan untuk tanggal pelaporan 6 April 2009 t 1 t 2 t 3 t 4 t 5 t 6 t 7 t t 9 t 10 t Tabel 7. Titik-titik ujung subselang model McCulloch menggunakan data hasil saringan untuk tanggal pelaporan 6 April 2009 dan untuk model Nelson-Siegel sebagai berikut! 0! 1! 2! Tabel 8. Parameter model Nelson-Siegel menggunakan data hasil saringan untuk tanggal pelaporan 6 April 2009 Nilai parameter Nelson-Siegel yang diperoleh memang tidak berbeda cukup jauh dari nilai yang diperoleh sebelumnya ketika menggunakan data asli tanpa proses penyaringan. Akan tetapi, bentuk kurva yang diperoleh sangat berbeda dari bentuk sebelumnya seperti terlihat pada grafik di halaman selanjutnya. Gambar 10. Grafik setiap segmen model Nelson Siegel menggunakan data hasil saringan untuk tanggal pelaporan 6 April
7 Grafik yield curve kedua model yang diperoleh adalah sebagai berikut Gambar 11. Yield curve model Nelson-Siegel dan McCulloch menggunakan data hasil saringan untuk tanggal pelaporan 6 April 2009 Terlihat bahwa yield curve model Nelson Siegel menjadi berbentuk cekung ke atas dan lebih mendekati data asli daripada sebelumnya. Walaupun demikian, memang model Nelson-Siegel belum menghampiri data dengan cukup baik. Terlihat bahwa kurva model Nelson-Siegel belum menghampiri data yang maturity timenya besar dengan baik. Pada saat itu, kurva yang dibentuk berada jauh di bawah data. Penaksir variansi yang diperoleh adalah sebagai berikut Nelson-Siegel McCulloch! ˆ Tabel 9.Variansi error kedua model menggunakan data hasil saringan untuk tanggal pelaporan 6 April 2009 Nilai variansi yang diperoleh jauh lebih baik daripada sebelumnya setelah dilakukan penyaringan data dengan model McCulloch tetap menghampiri data asli lebih baik. Hanya saja sekarang perbedaan antara kedua variansi juga tidak sejauh sebelumnya. Jadi, penyaringan data ternyata memiliki pengaruh yang signifikan pada yield curve yang dibentuk dengan menggunakan data periode ini. 3.5 Perbandingan Model untuk Data Periode yang Lain Selanjutnya akan dibahas mengenai pengaplikasian program terhadap data periode yang lainnya secara singkat. Dengan menggunakan program MATLAB yang serupa dengan yang digunakan untuk membentuk yield curve periode 30 36
8 Maret - 3 April 2009 dan prosedur yang sama diperoleh penaksir variansi sebagai berikut Tanggal Pelaporan Nelson- Siegel Data Asli McCulloch Data Asli Nelson-Siegel Data Hasil Saringan McCulloch Data Hasil Saringan! ˆ 2! ˆ 2! ˆ 2! ˆ 2 02 Maret Maret Maret Maret Maret April April April April Mei Mei Mei Tabel 10. Perbandingan variansi data asli dan data hasil saringan Dari tabel 10 di atas, terlihat bahwa dengan menggunakan data asli, taksiran variansi yang didapat bernilai sangat besar kecuali pada tanggal pelaporan 2 Maret Perbedaan nilai variansi antara kedua model juga cukup besar. Hal ini disebabkan pada data asli selain tanggal 2 Maret banyak terdapat data yang nilai terlalu besar atau kecil dibandingkan dengan data di sekitarnya terutama pada maturity time rendah. Akibat lainnya dari data yang seperti itu bentuk kurva yang dihasilkan 6. Umumnya kurva McCulloch yang dibentuk hampir selalu bergelombang dengan puncak dan dasar yang rentangnya besar terutama pada maturity time rendah karena bentuk kurvanya akan mengikuti data aslinya yang memiliki sebaran tinggi. Dengan demikian, kurva McCulloch yang dibentuk akan sulit 6 Grafik yield curve dengan menggunakan data asli dan data hasil saringan beserta dengan parameter-parameter yang membentuknya dapat dilihat pada bagian lampiran C, D, E, dan F. 37
9 direpresentasikan secara visual dengan membandingkannya dengan bentuk yield curve umum pada subbab Kurva Nelson-Siegel yang dibentuk pun cenderung terlalu datar jika dibandingkan dengan data asli yang nilai yieldnya cenderung monoton tidak turun. Oleh karena itu, kurva Nelson-Siegel yang dibentuk menjadi melenceng jauh dari data asli jika dibandingkan dengan McCulloch. Berikut adalah contoh yield curve yang dapat mengilustrasikan pembahasan di atas dan mewakili data lainnya. Gambar 12. (kiri) Yield curve tanggal pelaporan 11 Mei (kanan) Yield curve tanggal pelaporan 18 Mei Proses penyaringan data terbukti mampu menurunkan variansi error kedua model secara signifikan. Perbedaan nilai variansi kedua model sekarang umumnya berada pada nilai digit ke dua di belakang koma setelah penyaringan data dilakukan. Selain itu, bila yield curve yang dibentuk diamati dan dibandingkan dengan yield curve bentukan data asli, umumnya akan terlihat perubahan bentuk yield curve kedua model menjadi lebih menghampiri data. Gambar 13.(kiri) Yield curve tanggal pelaporan 11 Mei (kanan) Yield curve tanggal pelaporan 18 Mei Keduanya telah melalui proses penyaringan data. 38
10 Kurva McCulloch yang dibentuk tidak memiliki gelombang yang rentangnya sebesar dulu lagi, cenderung lebih smooth. Sedangkan, kurva Nelson-Siegel yang dibentuk menjadi lebih melengkung ke atas, menghampiri data dengan lebih baik. Akan tetapi, kurva Nelson-Siegel yang dibentuk masih terkesan seperti "tertarik ke bawah" pada beberapa tanggal pelaporan seperti 2 Maret, 10 Maret, dan 16 Maret. Hal ini disebabkan pada ketiga tanggal pelaporan tersebut, terdapat dua data yang nilainya jauh di bawah data sekitarnya sehingga "menarik" kurva yang dibentuk ke bawah. Penghapusan data tidak dapat dilakukan lagi karena data yang telah dihapus sudah cukup banyak (dua data). Akurasi yang diperoleh oleh kedua model hampir sama baiknya jika dibandingkan. Pada tujuh tanggal pelaporan yaitu : 2 Maret, 10 Maret, 23 Maret, 30 Maret, 6 April, 11 Mei, dan 18Mei, model McCulloch menghampiri data dengan lebih baik dan empat tanggal pelaporan yaitu : 16 Maret, 20 April, 27 April, dan 25 Mei, model Nelson-Siegel lebih baik. Pada satu tanggal pelaporan lainnya, 13 April, model McCulloch menghampiri data hampir sama persis dengan model Nelson-Siegel. Keakuratan ini lebih dipengaruhi oleh kualitas data yang ada. Pada tanggal pelaporan yang memiliki kualitas data cukup baik, model Nelson-Siegel dapat menghampiri data dengan lebih baik walaupun taksiran variansi biasanya berbeda tipis dengan model McCulloch. Sedangkan pada tanggal pelaporan yang memiliki banyak data yang nilainya abnormal, model McCulloch menghampiri data dengan lebih baik walaupun kurva yang dibentuk kadang terlalu bergelombang. Umumnya, karena sebaran data yang cukup tinggi pada maturity time rendah, grafik McCulloch yang dihasilkan cenderung bergelombang. Pada maturity time rendah tersebut, model Nelson-Siegel mendekati data dengan lebih baik. Akan tetapi pada data dengan maturity time tinggi, model Nelson-Siegel kadang melenceng dan model McCulloch mendekati data asli dengan lebih baik. 39
Pemodelan Yield Curve Obligasi dengan Menggunakan Metode Berbasiskan Spline
Pemodelan Yield Curve Obligasi dengan Menggunakan Metode Berbasiskan Spline TUGAS AKHIR Ditujukan Untuk Memenuhi Salah Satu Persyaratan Sidang Sarjana Matematika Disusun oleh Andre Raymond 10105031 PROGRAM
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciPENGKONSTRUKSIAN KURVA YIELD DENGAN METODE NELSON SIEGEL SVENSSON (Studi Kasus Data Obligasi Pemerintah)
1 PENGKONSTRUKSIAN KURVA YIELD DENGAN METODE NELSON SIEGEL SVENSSON (Studi Kasus Data Obligasi Pemerintah) SKRIPSI Oleh : WINDA SETYAWATI NIM : J2E 007 035 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
BAB VI KESIMPULAN DAN SARAN VI.1. Kesimpulan Terdapat empat buah kesimpulan sesuai Tujuan Penelitian pada Bab I. Kesimpulan pada poin ke-1 dan poin ke-3 merupakan kesimpulan yang terkait pada Tujuan Penelitian
Lebih terperinciBAB IV PENDEKATAN NUMERIK UNTUK LOOKBACK OPTIONS
37 BAB IV PEDEKATA UMERIK UTUK LOOKBACK OPTIOS Pada bab ini akan dibahas cara pendekatan numerik untuk penentuan harga lookback options. Metode yang dipakai adalah metode binomial yang sudah dijelaskan
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah mengetahui sejauh mana hasil perancangan alat yang
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Absorbsi Near Infrared Sampel Tepung Ikan Absorbsi near infrared oleh 50 sampel tepung ikan dengan panjang gelombang 900 sampai 2000 nm berkisar antara 0.1 sampai 0.7. Secara grafik
Lebih terperinciDistribusi Frekuensi
Distribusi Frekuensi Statistik Industri Beberapa Istilah 1 Beberapa (cont ) Kelas interval : banyaknya objek yang dikumpulkan dalam kelompok tertentu, berbentuk interval a b ex: kelas interval pertama
Lebih terperinciModul Praktikum Analisis Numerik
Modul Praktikum Analisis Numerik (Versi Beta 1.2) Mohammad Jamhuri UIN Malang September 27, 2013 Mohammad Jamhuri (UIN Malang) Modul Praktikum Analisis Numerik September 27, 2013 1 / 12 Praktikum 1: Deret
Lebih terperinciMODEL LOGISTIK UNTUK SATU SPESIES
Bab 3 MODEL LOGISTIK UNTUK SATU SPESIES Dalam pembahasan bab ini penulis akan mencoba menjelaskan mengenai model untuk satu pohon. Pada bab sebelumnya telah dijelaskan bahwa untuk pengamatan data secara
Lebih terperinciDAFTAR PUSTAKA. Anton, Howard, dan Rorres, C Elementary Linear Algebra : Application Version. Canada : John Wiley & Sans, Inc.
DAFTAR PUSTAKA Anton, Howard, dan Rorres, C. 1994. Elementary Linear Algebra : Application Version. Canada : John Wiley & Sans, Inc. Baki, Isa. Yield Curve Estimation by Spline Based Methods. 2006. Bliss,
Lebih terperinciModul Praktikum Analisis Numerik
Modul Praktikum Analisis Numerik (Versi Beta 1.2) Mohammad Jamhuri UIN Malang December 2, 2013 Mohammad Jamhuri (UIN Malang) Modul Praktikum Analisis Numerik December 2, 2013 1 / 18 Praktikum 1: Deret
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS SISTEM
BAB IV PENGUJIAN DAN ANALISIS SISTEM 4.1 Analisis dan Pengujian Analisis merupakan hal penting yang harus dilakukan untuk mengetahui bagaimana hasil dari sistem yang telah dibuat dapat berjalan sesuai
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia perekonomian dibutuhkan investasi guna menghadapi masa depan yang semakin berkembang. Investasi pada hakikatnya merupakan kegiatan penanaman modal pada
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperincimatematika LIMIT ALJABAR K e l a s A. Pengertian Limit Fungsi di Suatu Titik Kurikulum 2006/2013 Tujuan Pembelajaran
Kurikulum 6/1 matematika K e l a s XI LIMIT ALJABAR Tujuan Pembelajaran Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut. 1. Dapat mendeskripsikan konsep it fungsi aljabar dengan
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciBAB III PEMBAHASAN. digunakan untuk membentuk fungsi tujuan dari masalah pemrograman nonlinear
BAB III PEMBAHASAN Pada bab ini akan dijelaskan tentang konsep dasar metode kuadrat terkecil yang digunakan untuk membentuk fungsi tujuan dari masalah pemrograman nonlinear dan langkah-langkah penyelesaiannya
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
47 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Unit Analisis Data 1. Data Hasil Penelitian Pada bagian ini akan dibahas mengenai proses pengolahan data untuk menguji hipotesis yang telah dibuat
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pergerakan Harga Saham Pergerakan harga harian indeks LQ45 dan lima saham perbankan yang termasuk dalam kelompok LQ45 selama periode penelitian ditampilkan dalam bentuk
Lebih terperincimatematika PEMINATAN Kelas X SISTEM PERTIDAKSAMAAN LINEAR DAN KUADRAT K13 A. Pertidaksamaan Linear B. Daerah Pertidaksamaan Linear
K13 Kelas matematika PEMINATAN SISTEM PERTIDAKSAMAAN LINEAR DAN KUADRAT Tujuan Pembelajaran Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut. 1. Memahami definisi pertidaksamaan
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciKONSTRUKSI KURVA YIELD DENGAN METODE NELSON-SIEGEL (Studi Kasus Obligasi Pemerintah dengan Kode FR)
KONSTRUKSI KURVA YIELD DENGAN METODE NELSON-SIEGEL (Studi Kasus Obligasi Pemerintah dengan Kode FR) SKRIPSI Oleh : DESI WAHYUNINGTIAS NIM : J2E 005 223 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciBAB II LANDASAN TEORI. Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Definisi dan Tujuan Peramalan Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah sesuatu pada waktu yang akan datang berdasarkan data pada masa
Lebih terperinciMatematik Ekonom Fungsi nonlinear
1 FUNGSI Fungsi adalah hubungan antara 2 buah variabel atau lebih, dimana masing-masing dari dua variabel atau lebih tersebut saling pengaruh mempengaruhi. Variabel merupakan suatu besaran yang sifatnya
Lebih terperinciESTIMASI KURVA YIELD OBLIGASI PEMERINTAH KODE FR (FIXED RATE) MENGGUNAKAN CUBIC B-SPLINE
ESTIMASI KURVA YIELD OBLIGASI PEMERINTAH KODE FR (FIXED RATE) MENGGUNAKAN CUBIC B-SPLINE SKRIPSI Oleh : DINA KUSUMA WARDANI NIM : J2E 007 006 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MIPA UNIVERSITAS
Lebih terperinciBAB III METODOLOGI PENELITIAN. perbankan, penelitian ini lebih bersifat penelitian kuantitatif. Penelitian kuantitatif
BAB III METODOLOGI PENELITIAN 3.1. Desain Penelitian Dalam mempelajari faktor-faktor yang mempengaruhi penyaluran kredit perbankan, penelitian ini lebih bersifat penelitian kuantitatif. Penelitian kuantitatif
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Langkah pertama dalam pengambilan data ialah melakukan pengukuran
43 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. HASIL PENELITIAN 1. Hasil Baseline (A-1) Langkah pertama dalam pengambilan data ialah melakukan pengukuran kemampuan matematika dasar khususnya dalam penjumlahan
Lebih terperinciPEMBENTUKAN KURVA IMBAL HASIL (YIELD)
PEMBENTUKAN KURVA IMBAL HASIL (YIELD) DENGAN MODEL NELSON SIEGEL-SVENSSON (NSS) (Studi Kasus: Data Obligasi Pemerintah periode 27 Oktober 2014 sampai 31 Oktober 2014 ) Oleh: EUGENIA SEPTRI HUTAHAYAN 24010210141035
Lebih terperinci(a) 32 (b) 36 (c) 40 (d) 44
Halaman:. Jika n = 8, maka n0 n bernilai... (a) kurang dari 00 (b) (d) lebih dari 00. Penumpang suatu pesawat terdiri dari anak-anak dari berbagai negara, 6 orang dari Indonesia yang termasuk dari anak-anak
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Investasi merupakan cara seseorang untuk menyimpan uang dengan tujuan untuk memperoleh keuntungan yang diharapkan dan mengembangkan dana yang dimiliki. Proses
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
digilib.uns.ac.id 40 BAB IV HASIL DAN PEMBAHASAN Dalam bab IV ini dibahas tentang rangkaian proses pengolahan data EKG. Bagian pertama dibahas proses pengambilan data EKG dan hasil ekstraksi fitur EKG
Lebih terperinciMETODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1. Mohamad Sidiq PERTEMUAN-2
METODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1 Mohamad Sidiq PERTEMUAN-2 SISTEM BILANGAN DAN KESALAHAN METODE NUMERIK TEKNIK INFORMATIKA S1 3 SKS Mohamad Sidiq MATERI PERKULIAHAN SEBELUM-UTS Pengantar Metode
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinci7 Sisi dan Titik Sudut Bangun Datar
7 Sisi dan Titik Sudut Bangun Datar Bila segi n mempunyai n sisi dan n titik sudut, berapakah banyak sisi dan titik sudut pada lingkaran? Pertanyaan ini ternyata masih merupakan bahan diskusi yang menarik
Lebih terperinciBAB IV SIMULASI NUMERIK
BAB IV SIMULASI NUMERIK Pada bab ini kita bandingkan perilaku solusi KdV yang telah dibahas dengan hasil numerik serta solusi numerik untuk persamaan fkdv. Solusi persamaan KdV yang disimulasikan pada
Lebih terperinciBAB 5 PEMBAHASAN. 39 Universitas Indonesia
BAB 5 PEMBAHASAN Dua metode penelitian yaitu simulasi dan eksperimen telah dilakukan sebagaimana telah diuraikan pada dua bab sebelumnya. Pada bab ini akan diuraikan mengenai analisa dan hasil yang diperoleh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciDAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA
DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA a. Tabel distribusi frekuensi Kelas Tabulasi Frekuensi 4 IIII 7 IIII IIII 9 8 1 IIII IIII II 1 11 13 IIII IIII IIII IIII 19 14 16 IIII IIII IIII IIII IIII 4 17
Lebih terperinciAplikasi Turunan. Diadaptasi dengan tambahan dari slide Bu Puji Andayani, S.Si, M.Si, M.Sc
Aplikasi Turunan Diadaptasi dengan tambahan dari slide Bu Puji Andayani, S.Si, M.Si, M.Sc 1 Menggambar Grafik Fungsi Informasi yang dibutuhkan: A. Titik potong dengan sumbu dan sumbu y B. Asimtot fungsi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciBAB III PEMBAHARUAN PERAMALAN. Pada bab ini akan dibahas tentang proses pembaharuan peramalan.
BAB III PEMBAHARUAN PERAMALAN Pada bab ini akan dibahas tentang proses pembaharuan peramalan. Sebelum dilakukan proses pembaharuan peramalan, terlebih dahulu dilakukan proses peramalan dan uji kestabilitasan
Lebih terperinciMAKALAH FUNGSI KUADRAT GRAFIK FUNGSI,&SISTEM PERSAMAAN KUADRAT
MAKALAH FUNGSI KUADRAT GRAFIK FUNGSI,&SISTEM PERSAMAAN KUADRAT Kelompok 3 : 1.Suci rachmawati (ekonomi akuntansi) 2.Fitri rachmad (ekonomi akuntansi) 3.Elif (ekonomi akuntansi) 4.Dewi shanty (ekonomi management)
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel
Estimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel Author: Junaidi Junaidi Terdapat berbagai pola pergerakan data deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab II ini dibahas teori-teori pendukung yang digunakan untuk pembahasan selanjutnya yaitu tentang Persamaan Nonlinier, Metode Newton, Aturan Trapesium, Rata-rata Aritmatik dan
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif dalam penelitian ini akan memberikan informasi mengenai variabel-variabel yang digunakan, seperti Profitabilitas, Debt to EquityRatio
Lebih terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciMETODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1. Mohamad Sidiq PERTEMUAN : 3 & 4
METODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1 Mohamad Sidiq PERTEMUAN : 3 & 4 PENYELESAIAN PERSAMAAN NON LINIER METODE NUMERIK TEKNIK INFORMATIKA S1 3 SKS Mohamad Sidiq MATERI PERKULIAHAN SEBELUM-UTS Pengantar
Lebih terperinci13 Segi-Tak-Terhingga dan Fraktal
13 Segi-Tak-Terhingga dan Fraktal Kalau lingkaran hanya mempunyai satu sisi, bukan segi-tak-terhingga, apakah ada bangun datar yang mempunyai tak terhingga sisi? Jawabannya ya, memang ada. Kita akan mempelajari
Lebih terperinciBAB IV PENDUGAAN VOLATILITAS INDEKS HARGA SAHAM
BAB IV PENDUGAAN VOLATILITAS INDEKS HARGA SAHAM 4.1 Indeks Harga Saham Saham merupakan salah satu investasi yang menjanjikan bagi investor pada saat ini. Pertumbuhan ekonomi Indonesia yang cukup baik,
Lebih terperinciBAB 4 EVALUASI DAN ANALISA DATA
BAB 4 EVALUASI DAN ANALISA DATA Pada bab ini akan dibahas tentang evaluasi dan analisa data yang terdapat pada penelitian yang dilakukan. 4.1 Evaluasi inverse dan forward kinematik Pada bagian ini dilakukan
Lebih terperinciBAB IV CONTOH APLIKASI MODEL REGRESI ORDINAL DUA LEVEL. Pada bab ini akan dibahas mengenai penerapan model regresi ordinal
BAB IV CONTOH APLIKASI MODEL REGRESI ORDINAL DUA LEVEL Pada bab ini akan dibahas mengenai penerapan model regresi ordinal dua level untuk data tercluster dan untuk data longitudinal. Analisis dari data
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Ekstraksi ciri Citra yang digunakan dalam penelitian ini berukuran 150 x 150 pixel, sehingga jika divektorkan akan menghasilkan vektor berukuran 22500. Melalui tahap ekstraksi ciri
Lebih terperinci11. FUNGSI MONOTON (DAN FUNGSI KONVEKS)
11. FUNGSI MONOTON (DAN FUNGSI KONVEKS) 11.1 Definisi dan Limit Fungsi Monoton Misalkan f terdefinisi pada suatu himpunan H. Kita katakan bahwa f naik pada H apabila untuk setiap x, y H dengan x < y berlaku
Lebih terperinciBAB IV PEMODELAN SISTEM
BAB IV PEMODELAN SISTEM 4.1 ASUMSI PERHITUNGAN MODEL Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi
Lebih terperinciOleh : Wahyu Safi I Dosen Pembimbing : Dr. Soehardjoepri M. Si.
Oleh : Wahyu Safi I 1204 100 Dosen Pembimbing : Dr. Soehardjoepri M. Si. 1. PENDAHULUAN 1.1 Latar Belakang Obligasi a. Definisi b. Komponen c. Alasan diterbitkan surat Obligasi d. Kewajiban Penerbit Obligasi
Lebih terperinciAkar-Akar Persamaan. Definisi akar :
Akar-Akar Persamaan Definisi akar : Suatu akar dari persamaan f(x) = 0 adalah suatu nilai dari x yang bilamana nilai tersebut dimasukkan dalam persamaan memberikan identitas 0 = 0 pada fungsi f(x) X 1
Lebih terperinciKONSTRUKSI KURVA YIELD OBLIGASI PEMERINTAH KODE FR (FIXED RATE) MENGGUNAKAN EXTENDED NELSON SIEGEL
KONSTRUKSI KURVA YIELD OBLIGASI PEMERINTAH KODE FR (FIXED RATE) MENGGUNAKAN EXTENDED NELSON SIEGEL SKRIPSI Oleh : RIZKI YANUAR HARLIYADI NIM : J2E 007 031 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tabel 4.1 Kebutuhan Perangkat Keras. Perangkat Keras Spesifikasi Processor Intel Core i3. Sistem Operasi Windows 7
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuhan Sistem Sebelum melakukan penelitian dibutuhkan perangkat lunak yang dapat menunjang penelitian. Perangkat keras dan lunak yang digunakan dapat dilihat pada Tabel
Lebih terperinciANALISIS DATA DALAM STATISTIK
1. Pengertian Analisis Data ANALISIS DATA DALAM STATISTIK Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Pemetaan Batimetri 4.1.1. Pemilihan Model Dugaan Dengan Nilai Digital Asli Citra hasil transformasi pada Gambar 7 menunjukkan nilai reflektansi hasil transformasi ln (V-V S
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Arti dan Peranan Persediaan Merujuk pada penjelasan Herjanto (1999), persediaan dapat diartikan sebagai bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan
Lebih terperinciBAB V ANALISIS HASIL. 5.1 Analisis Peningkatan Kelelahan dengan VAS
BAB V ANALISIS HASIL 5.1 Analisis Peningkatan Kelelahan dengan VAS Simulasi task yang digunakan bertujuan untuk membuat responden merasa lelah. Untuk mengetahui apakah responden tersebut bertambah lelah
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciPensil adalah sesuatu yang diukur panjangnya. Contoh : Panjang pensil 5 cm. 5 adalah nilai besaran panjang dari pensil
1. Pengukuran dan Besaran a. Mengukur adalah mebandingkan sesuatu dengan sesuatu yang lain yang yang ditetapkan sebagai satuan Contoh : Mengukur panjang pensil dengan menggunakan penggaris Pensil adalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciPERSAMAAN NON LINIER
PERSAMAAN NON LINIER Obyektif : 1. Mengerti penggunaan solusi persamaan non linier 2. Mengerti metode biseksi dan regulafalsi 3. Mampu menggunakan metode biseksi dan regula falsi untuk mencari solusi PENGANTAR
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya
BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya yield to maturity (YTM) dari obligasi negara seri fixed rate tenor 10 tahun
Lebih terperinciTERMINOLOGI PADA SENSOR
TERMINOLOGI PADA SENSOR Tutorial ini merupakan bagian dari Seri Pengukuran Fundamental Instrumen Nasional. Setiap tutorial dalam seri ini, akan mengajarkan anda tentang topik spesifik aplikasi pengukuran
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
Lebih terperinciKESEIMBANGAN BIAYA PRODUKSI
KESEIMBANGAN BIAYA PRODUKSI -NN- Biaya produksi adalah semua pengeluaran yang dilakukan oleh perusahaan untuk memperoleh faktorfaktor produksi dari bahan- bahan mentah yang akan digunakan untuk menciptakan
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah untuk mengetahui seberapa besar tingkat keberhasilan
Lebih terperinci6 FUNGSI LINEAR DAN FUNGSI
6 FUNGSI LINEAR DAN FUNGSI KUADRAT 5.1. Fungsi Linear Pada Bab 5 telah dijelaskan bahwa fungsi linear merupakan fungsi yang variabel bebasnya paling tinggi berpangkat satu. Bentuk umum fungsi linear adalah
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciMILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Thinning atau penipisan citra adalah suatu operasi untuk mereduksi citra biner dalam suatu objek menjadi rangka (skeleton) yang menghampiri sumbu objek.
Lebih terperinciAtina Ahdika. Universitas Islam Indonesia 2015
Atina Ahdika Universitas Islam Indonesia 2015 Pada materi sebelumnya, kita telah belajar tentang koefisien korelasi, yaitu suatu ukuran yang menyatakan tentang kuat tidaknya hubungan linier antara dua
Lebih terperinciAplikasi Model Garman-Kohlhagen dalam Bentuk Fuzzy
Bab 4 Aplikasi Model Garman-Kohlhagen dalam Bentuk Fuzzy 4.1 Penyajian Data 4.1.1 Data Nilai Tukar Valuta Asing Nilai tukar EUR/USD Berikut akan ditampilkan data dari nilai tukar EUR/USD, GBP/USD, dan
Lebih terperinciBAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada
BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan
Lebih terperinciBAB 4 HASIL PERCOBAAN DAN BAHASAN
24 BAB 4 HASIL PERCOBAAN DAN BAHASAN Perangkat lunak validasi metode analisis ini dibuat dengan menggunakan perangkat lunak pemograman yang biasa dipakai yaitu Microsoft Visual Basic 6.0, dimana perangkat
Lebih terperinciMateri Fungsi Linear Fungsi Variabel, koefisien, dan konstanta Variabel variabel bebas Koefisien Konstanta 1). Pengertian fungsi linier
Materi Fungsi Linear Admin 8:32:00 PM Duhh akhirnya nongol lagi... kali ini saya akan bahas mengenai pelajaran yang paling disukai oleh hampir seluruh warga dunia :v... MATEMATIKA, ya itu namanya. materi
Lebih terperinciMetode Numerik. Persamaan Non Linier
Metode Numerik Persamaan Non Linier Persamaan Non Linier Metode Tabel Metode Biseksi Metode Regula Falsi Metode Iterasi Sederhana Metode Newton-Raphson Metode Secant. Persamaan Non Linier penentuan akar-akar
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciTanggapan Frekuensi Pendahuluan
Tanggapan Frekuensi 46 3 Tanggapan Frekuensi 3.. Pendahuluan Dalam bab 3, kita telah membahas karakteritik suatu sistem dalam lingkup waktu dengan masukan-masukan berupa fungsi step, fungsi ramp, fungsi
Lebih terperinci2. Adanya resiko pemumpukan barang pada gudang.
BAB 3 PROSEDUR DAN METODOLOGI 3.1. Analisis Masalah 3.1.1. Deskripsi Masalah Pemenuhan keinginan atau permintaan pasar merupakan hal yang krusial bagi setiap perusahaan. Perusahaan yang siap berkompetisi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinciDistribusi Frekuensi dan Statistik Deskriptif Lainnya
BAB 2 Distribusi Frekuensi dan Statistik Deskriptif Lainnya Misalnya seorang penjaga gudang mencatat berapa sak gandum keluar dari gudang selama 15 hari kerja, maka diperoleh distribusi data seperti berikut.
Lebih terperinciSumber : Hasil olah data,2009
pengelompokan data terlihat data curah hujan yang tercatat di Stasiun Poncokusumo yang cukup baik yaitu sebesar.52 untuk time lag (waktu sekarang) namun bila digeser sampai dengan minus 3 hari nilai korelasinya
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pengujian dilakukan untuk mengetahui nilai yang dihasilkan oleh pengukuran sensor ultrasonic yang sudah diolah oleh arduino dan dibandingkan dengan ketinggian air sebenarnya.
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 477-484 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMBENTUKAN KURVA IMBAL HASIL (YIELD) DENGAN MODEL NELSON SIEGEL-SVENSSON
Lebih terperinciBAB VI. PENGGUNAAN INTEGRAL. Departemen Teknik Kimia Universitas Indonesia
BAB VI. PENGGUNAAN INTEGRAL Departemen Teknik Kimia Universitas Indonesia BAB VI. PENGGUNAAN INTEGRAL Luas Daerah di Bidang Volume Benda Pejal di Ruang: Metode Cincin Metode Cakram Metode Kulit Tabung
Lebih terperinci2.6. Tipe Chart Line Charts Bar Charts
2.6. Tipe Chart Mari kita lihat tiga jenis chart yang paling populer : Line chart Bar chart Candlestick chart Sekarang, kami akan menjelaskan masing-masing grafik. Line Charts Sebuah Line Chart ditarik
Lebih terperinciDosen Pengampu: Prof. Dr. H. Almasdi Syahza, SE., MP. Website : HUBUNGAN NONLINEAR
Dosen Pengampu: Prof. Dr. H. Almasdi Syahza, SE., MP. Email : asyahza@yahoo.co.id Website : http://almasdi.unri,ac,id HUBUNGAN NONLINEAR a. Fungsi Kuadrat b. Fungsi Kubik c. Penerapan Ekonomi Permintaan,
Lebih terperinciRENCANA PEMBELAJARAN MAHASISWA
Program Studi Pendidikan Teknologi Ilmu Komputer Universitas Ubudiyah Indonesia RENCANA PEMBELAJARAN MAHASISWA MATA KULIAH / KODE Kalkulus I 3 SKS CAPAIAN PEMBELAJARAN: KODE MK PRASYARAT CSE 20 TEORI PRAKTIK
Lebih terperinciMETODA NUMERIK (3 SKS)
METODA NUMERIK (3 SKS) Dosen Dr. Julan HERNADI Program Studi Pendidikan Matematika FKIP Unmuh Ponorogo Masa Perkuliahan Semester Ganjil 2013/2014 Deskripsi dan Tujuan Perkuliahan Mata kuliah ini berisi
Lebih terperinciTABEL DISTRIBUSI Dilengkapi Metode Untuk Membaca Tabel Distribusi
TABEL DISTRIBUSI Dilengkapi Metode Untuk Membaca Tabel Distribusi Deny Kurniawan 0 Penulis memberikan ijin kepada siapapun untuk memperbanyak dan menyebarluaskan tulisan ini dalam bentuk (format) apapun
Lebih terperinci