MANAJEMEN RISIKO INVESTASI

Ukuran: px
Mulai penontonan dengan halaman:

Download "MANAJEMEN RISIKO INVESTASI"

Transkripsi

1 MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya hasil yag diharapka oleh pemodal.. Apabila perusahaa memasukka tigkat resiko yag tiggi pada suatu ivestasi yag diaggarka, maka pemodal yag meaamka daaya pada ivestasi tersebut megharapka hasil atau mesyaratka hasil (required rate of retur) yag tiggi pula, da begitu sebalikya. Atara hasil da resiko (risk ad retur) memiliki hubuga yag liier berkebalika. Semaki tiggi risiko, maka semaki tiggi pula hasil yag diperoleh. Sebalikya, semaki redah risiko, maka semaki redah pula hasil yag diperoleh atau hasil yag disyaratka. Resiko yag ada di perusahaa dapat dibedaka mejadi 3 jeis resiko, yaitu : a. Resiko Idividu, o Yaitu Resiko yag berasal dari proyek ivestasi secara idividu tapa dipegaruhi oleh proyek yag lai. o Resiko ii terjadi apabila perusahaa haya melakuka ivestasi pada satu jeis ivestasi saja.. Resiko ii diukur dari aik-turuya tigkat hasil ivestasi yag diharapka atas ivestasi yag bersagkuta b. Resiko Perusahaa o Yaitu Resiko yag diukur tapa mempertimbagka pegaekaragama (diversifikasi) atau portofolio yag dilakuka oleh ivestor. o Resiko ii diukur dega melihat aik-turuya hasil yag diperoleh dari ivestasi tertetu yag dilakuka oleh perusahaa. o Resiko perusahaa ii atiya aka lagsug mempegaruhi harga saham perusahaa yag bersagkuta. c. Resiko Pasar atau Beta o Yaitu Resiko ivestasi ditijau dari ivestor yag meaamka modalya pada ivestasi yag juga dilakuka oleh perusahaa da perusahaa lai. o Ivestor melakuka diversifikasi atau pegaekaragama ivestasi. Besarya resiko pasar ii tidak dapat dielimiasi (dihilagka) dega melakuka diversifikasi. Hal ii karea resiko ii tergatug pada pasar yag ada. o Resiko ii sagat petig utuk diperhitugka oleh perusahaa, karea resiko ii memiliki pegaruh lagsug terhadap harga saham perusahaa. B. PERHITUNGAN RESIKO Ada beberapa pedekata yag dapat diguaka utuk memasukka usur resiko dalam pegambila keputusa ivestasi, diataraya : Pedekata Aalisis Alira kas. Pada pedekata aalisis alira kas aka dibahas megeai alira kas yag mempertimbagka probabilitas ketidakpastia (resiko) alira kas dari suatu proyek ivestasi yag umurya satu tahu da alira kas utuk suatu proyek yag memiliki alira kas lebih dari satu tahu. Pedekata Aalisis Alira Kas dibedaka mejadi : Alira kas yag idepede da Alira kas yag tidak idepede (Tidak mempegaruhi) Maajeme Keuaga 37

2 Perhituga Resiko Alira Kas o Perhituga resiko ii mempertimbagka adaya ketidakpastia yag mugki mucul atas alira kas suatu ivestasi. Semaki tiggi ketidakpastia alira kas, maka semaki besar tigkat resiko ivestasi tersebut. o Rumus Nilai yag Diharapka (Expected Value) dari suatu ivestasi : E v = V i. P i Dimaa : E v = Expected Value atau ilai V i = Alira kas pada tiap kemugkia yag terjadi P i = Probabilitas (kemugkia) dari tiap alira kas yag terjadi o Rumus Besarya Resiko/Deviasi Stadar : σ = [ (V i - E v ) 2. P i ] Dimaa : σ = Deviasi stadar dari tiap alira kas V i - E v = Besarya peyimpaga tiap-tiap alira kas yag terjadi yag dihitug dari selisih atara ilai alira kas yag terjadi dega ilai alira kas yag diharapka o Cotoh : Terdapat 2 proyek ivestasi yaitu proyek A da proyek B. Besarya alira kas da kemugkia (probabilitas) yag terjadi utuk tiap-tiap alira kas terlihat pada tabel berikut : Proyek A Proyek B Probabilitas Alira Kas Probabilitas Alira Kas 0,20 Rp ,15 Rp ,30 Rp ,35 Rp ,30 Rp ,35 Rp ,20 Rp ,15 Rp Jawab : a. Meghitug ilai alira kas yag diharapka dega formula : E v = V i. P i b. Meghitug Deviasi Stadar Alira kas σ = [ (V i - E v ) 2. P i ] Maajeme Keuaga 38

3 Perhituga Resiko Proyek o Ada 2 masalah yag mucul dalam meghitug resiko proyek, yaitu : a. Sifat dari pola alira kas b. Peetua tigkat buga (discout rate) utuk meghitug ilai sekarag (preset value) alira kas. o Ada 2 sifat atau pola alira kas selama umur ekoomis suatu proyek ivestasi, yaitu : a. Tidak salig tergatug atau tidak salig berkorelasi (idepedet) atara alira kas yag satu dega yag laiya. Artiya bahwa alira kas tahu tertetu (tahu ke-) tidak mempegaruhi alira kas tahu berikutya (tahu +1) b. Salig berkorelasi atau salig tergatug satu sama lai (depedet), artiya bahwa alira kas tahu tertetu (tahu ke-) mempegaruhi alira kas tahu berikutya (tahu +1) Perhituga Resiko Proyek utuk Alira Kas yag Idepedet o Utuk meghitug resiko proyek yag mempuyai alira kas yag idepede maka perlu dihitug : a. Besarya Net Preset Value (NPV) yag diharapka dri alira kas proyek. b. Besarya Deviasi Stadar dari NPV tersebut. o Rumus besarya Net Preset Value (NPV) yag diharapka dari alira kas proyek C t E (NPV) = (1 + r) t atau C 0 C 1 C E (NPV) = (1+ r) 0 (1+r) 1 (1+r) Dimaa : C t = Alira kas yag diharapka pada waktu ke t, da t = 0, 1, 2, 3,., Utuk t = 0, maka C t merupaka alira kas keluar Utuk t = 1, 2, 3,., C t merupaka alira kas masuk R = hasil (retur) yag diharapka, berupa tigkat buga bebas resiko. o Rumus besarya Deviasi Stadar dari NPV proyek ivestasi : Dimaa : σ σ = σ t 2 t 2 N σ t t=1 (1 + r) 2 t = Deviasi stadar ilai sekarag dari alira kas = Kuadrat deviasi stadar ilai sekarag dari alira kas = 1, 2, 3,., periode waktu alira kas masuk Maajeme Keuaga 39

4 o Cotoh : Terdapat 2 proyek ivestasi yaitu proyek A da proyek B yag masig-masig memiliki umur ekoomis (r) sebesar 10%. Besarya alira kas da kemugkia (probabilitas) yag terjadi utuk tiap-tiap alira kas selama umur ekoomis dari kedua proyek adalah berikut : Proyek A Proyek B Probabilitas Alira Kas Probabilitas Alira Kas 0,20 Rp ,15 Rp ,30 Rp ,35 Rp ,30 Rp ,35 Rp ,20 Rp ,15 Rp Jawab : 1. Meghitug besarya PV alira kas yag diharapka (Proyek A & B besarya sama) C 0 C 1 C E (NPV) = (1+ r) 0 (1+r) 1 (1+r) 2. Meghitug Deviasi Stadar Preset Value yag diharapka a. Deviasi stadar ilai yag diharapka dari proyek A. b. Deviasi stadar ilai yag diharapka dari proyek B Maajeme Keuaga 40

5 Perhituga Resiko Proyek utuk Alira Kas yag Tidak Idepedet o Alira kas masuk yag diharapka oleh perusahaa serigkali terkait atau salig mempegaruhi atara periode satu dega periode berikutya. Artiya, alira kas periode sekarag dipegaruhi oleh alira kas periode sebelumya. o o Dega alira kas yag salig berkorelasi satu sama lai, maka perhituga resiko kasya tidak bebas (tidak idepedet). Apabila alira kas yag terjadi diperusahaa salig berkorelasi (tidak idepede), maka ketika kita aka meghitug besarya resiko perlu memperhatika koefisiesi korelasi atar waktu dari alira kas proyek yag bersagkuta. Dega koefisiesi korelasi atar waktu tersebut, kita dapat meghitug besarya probabilitas gabuga (joit probability) atara waktu kas yag satu dega yag laiya utuk kemudia diguaka utuk meghitug deviasi stadar stuatu proyek. Rumus besarya Net Preset Value (NPV) C 0 C 1 C NPV = (1+ r) 0 (1+r) 1 (1+r) o Rumus besarya Deviasi Stadar dari NPV proyek ivestasi : σ = t=1 ( NPV i E NPV ) 2. P i Maajeme Keuaga 41

6 o Cotoh : Proyek ivestasi ABC yag berumur 2 tahu membutuhka daa sebesar Rp. 500 juta. Alira kas yag diharapka dari proyek tersebut memiliki sifat salig berkorelasi atara alira kas tahu pertama da alira kas tahu kedua. Tigkat keutuga bebas resiko yag diharapka dari ivestasi tersebut sebesar 15% per tahu. Probabilitas da alira kas tiap tahu serta probabilitas gabuga proyek tersebut dapat dilihat pada tabel berikut : Tabel : Probabilitas da alira kas utuk proyek berumur 2 tahu (dalam jutaa Rupiah) Tahu Pertama Tahu Kedua Probabilitas Probabilitas Semula P(1) Alira Kas Bersih Probabilitas Kodisioal (P2/1) Alira Kas Bersih Gabuga P (G) (1) (2) (3) (4) (5) = (1)x (3) 0, ,12 0, , ,12 0, ,06 0, ,12 0, , ,16 0, , ,06 0, , ,12 0, ,12 Maajeme Keuaga 42

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

BAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai

BAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai 20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

MATERI 14 EVALUASI KINERJA PORTOFOLIO

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

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Tijaua Peeliti Terdahulu Peelitia yag dilakuka oleh Laraswati tahu 2010 yag meeliti tetag portofolio optimal saham yag masuk dalam Jakarta Islamic Idex (JII). Kesimpula dari

Lebih terperinci

MATERI 12 ANALISIS PERUSAHAAN

MATERI 12 ANALISIS PERUSAHAAN MATERI 12 ANALISIS PERUSAHAAN EPS DAN INFORMASI LAPORAN KEUANGAN KELEMAHAN PELAPORAN EPS DALAM LAPORAN KEUANGAN ANALISIS RASIO PROFITABILITAS PERUSAHAAN EARNING PER SHARE (EPS) PRICE EARNING RATIO (PER)

Lebih terperinci

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang

BAB II LANDASAN TEORI. Keuangan terdiri dari tiga bidang yang saling berhubungan: (1) pasar uang BAB II LANDASAN TEORI A. Maajeme Keuaga Keuaga terdiri dari tiga bidag yag salig berhubuga: (1) pasar uag da pasar modal, berkaita dega pasar sekuritas da lembaga keuaga; () ivestasi, yag memfokuska pada

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

Lebih terperinci

ANALISA RESIKO. I. Model Keputusan

ANALISA RESIKO. I. Model Keputusan ANALISA RESIKO I Model Keputusa 1 Model Determiistik / Certaity Haya ada satu kemugkia hasil Tidak ada resiko Selalu sesuai dega perhituga Cotoh : Deposito di Bak Bak Pemeritah 2 Model dega Resiko / Risk

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

Lebih terperinci

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

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

Lebih terperinci

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis.

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis. III. METODE PENELITIAN 1.1. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag bersifat historis. Sumber data sekuder adalah sumber data peelitia yag diperoleh peeliti secara

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Pegukura kierja keuaga perusahaa pada dasarya dilaksaaka karea igi megetahui tigkat profitabilitas (keutuga) da tigkat resiko atau tigkat kesehata suatu

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

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

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

Lebih terperinci

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi. MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM KONSEP WAKTU UANG PADA MASALAH KEUANGAN. Modul ke: Fakultas EKONOMI DAN BISNIS. Program Studi Akuntansi Modul ke: 05 KONSEP WAKTU UANG PADA MASALAH KEUANGAN Fakultas EKONOMI DAN BISNIS Program Studi Akutasi Idik Sodiki,SE,MBA,MM Pedahulua Kosep ilai waktu dari uag (time value of moey) pada dasarya mejelaska

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

Muniya Alteza

Muniya Alteza NILAI WAKTU UANG 1. Kosep dasar ilai waktu uag (time value of moey) 2. Nilai masa depa (future value) 3. Nilai sekarag (preset value) 4. Auitas (auity) 5. Perpetuitas (perpetuity) 6. Buga tahua efektif/

Lebih terperinci

ANALISIS BIAYA INVESTASI PADA PERUMAHAN GRIYA PANIKI INDAH

ANALISIS BIAYA INVESTASI PADA PERUMAHAN GRIYA PANIKI INDAH Jural Sipil Statik Vol. No.5, April 203 (377-38) ISSN: 2337-6732 ANALISIS BIAYA INVESTASI PADA PERUMAHAN GRIYA PANIKI INDAH Steve Fredrik Josef Maopo J. Tjakra, R. J. M. Madagi, M. Sibi Fakultas Tekik

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

III. METODE PENELITIAN

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

Lebih terperinci

MATERI 11 ANALISIS INDUSTRI

MATERI 11 ANALISIS INDUSTRI MATERI 11 ANALISIS INDUSTRI PENGERTIAN INDUSTRI PENTINGNYA ANALISIS INDUSTRI ESTIMASI TINGKAT KEUNTUNGAN INDUSTRI ESTIMASI EARNING PER SHARE (EPS) INDUSTRI PERSAINGAN DAN RETURN INDUSTRI YANG DIHARAPKAN

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakag Risiko adalah suatu yag selalu dihubugka dega kemugkia terjadiya sesuatu yag merugika yag tidak terduga da tidak diharapka atau peyimpaga atara tigkat pegembalia yag

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 1.1. Lokasi Peelitia Peelitia ii dilakuka di Pojok Bursa Efek Jakarta (BEJ) yag berlokasi di Uiversitas Islam Negeri Malag, Jala Gajayaa 50 malag. Peetua lokasi ii dilakuka dega

Lebih terperinci

ANALISA KELAYAKAN FINANSIAL PASAR TRADISIONAL MODERN PLAJU PALEMBANG

ANALISA KELAYAKAN FINANSIAL PASAR TRADISIONAL MODERN PLAJU PALEMBANG ANALISA KELAYAKAN FINANSIAL PASAR TRADISIONAL MODERN PLAJU PALEMBANG Hei Fitriai Jurusa Tekik Sipil Fakultas Tekik Uiversitas Sriwijaya Jala Raya Prabumulih Km. 32 Ideralaya Oga Ilir Sumatra Selata E-mail:

Lebih terperinci

Nilai Waktu dan Uang (Time Value of Money)

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

Lebih terperinci

ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI

ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI Jural Ilmu da Riset Maajeme Volume, Nomor, Jui ISSN : - ANALISIS PORTOFOLIO SAHAM MENGGUNAKAN MODEL MARKOWITZ PADA PERUSAHAAN OTOMOTIF DI BEI Raga Samudra ragasamudra@gmail.com Prijati Sekolah Tiggi Ilmu

Lebih terperinci

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,

Lebih terperinci

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

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

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

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

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

Lebih terperinci

Buku Padua Belajar Maajeme Keuaga Chapter 0 KONSEP NILAI WAKTU UANG. Pegertia. Nilai Uag meurut waktu, berarti uag hari ii lebih baik / berharga dari pada ilai uag dimasa medatag pada harga omial yag sama.

Lebih terperinci

kesimpulan yang didapat.

kesimpulan yang didapat. Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

Pemilihan Model Terbaik

Pemilihan Model Terbaik Pemiliha Model Terbaik Hazmira Yozza Jur. Matematika FMIPA Uiv. Adalas Jadi bayak model yag mugki dibetuk Var. Bebas :,, 3 Model Maa Yag Mampu Mewakili Data 3,, 3, 3,, 3 + model akar, log, hasil kali,

Lebih terperinci

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

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

Lebih terperinci

Nindi Shinta Wati Topowijono Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Nindi Shinta Wati Topowijono Sri Sulasmiyati Fakultas Ilmu Administrasi Universitas Brawijaya Malang ANALISIS SINGLE INDEX MODEL UNTUK MENENTUKAN KOMPOSISI PORTOFOLIO OPTIMAL (Studi pada Saham yag Termasuk 50 Leadig Compaies i Market Capitalizatio Periode 01-015) Nidi Shita Wati Topowijoo Sri Sulasmiyati

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

SESI 13 Payback Period

SESI 13 Payback Period Mata Kuliah : Ekoomi Tekik Kode MK : TKS 4107 Pegampu : Achfas Zacoeb SESI 13 Payback Period zacoeb.lecture.ub.ac.id PENDAHULUAN Metode Payback Period pada dasarya bertujua utuk megetahui seberapa lama

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014 BAB III METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia ii dilaksaaka pada bula Juli 2013 sampai Jauari 201 berlokasi di Kabupate Gorotalo. B. Jeis Peelitia Peilitia tetag evaluasi program pegembaga

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Keragka Pikir Peelitia Peelitia ii dilakuka dega pola pemikira yag berdasarka latar belakag, perumusa masalah, da tujua yag igi dicapai beserta alat aalisis yag diguaka utuk

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

FORECASTING (Peramalan)

FORECASTING (Peramalan) FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 33 BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Obyek yag aka diteliti dalam peelitia ii merupaka perusahaa/emite berstatus tetap yag termasuk dalam Jakarta islamic idex (JII) da SBI dega periode

Lebih terperinci

BAB IV HASIL & PEMBAHASAN

BAB IV HASIL & PEMBAHASAN 46 BAB IV HASIL & PEMBAHASAN A. Gambara Umum Objek Peelitia Pembetuka portofolio optimal bertujua utuk mecari kombiasi saham yag dapat memberika retur ekspektasi maksimum dega risiko tertetu. Salah satu

Lebih terperinci

Analisis Resiko Investasi Pada PT. Unilever. Tbk Aris Munandar

Analisis Resiko Investasi Pada PT. Unilever. Tbk Aris Munandar Aalisis Resiko Ivestasi Pada PT. Uilever. Tbk Aris Muadar Peelitia ii bertujua utuk megetahui da megaalisis seberapa besar risiko ivestasi pada PT. Uilever. Tbk. Jeis peelitia yag dilakuka adalah peelitia

Lebih terperinci

BAB II URAIAN TEORITIS. dalam Ginting (2004) berpendapat bahwa rasio PBV adalah alat pengukur dari

BAB II URAIAN TEORITIS. dalam Ginting (2004) berpendapat bahwa rasio PBV adalah alat pengukur dari BAB II URAIAN TEORITIS A. Peelitia Terdahulu Peelitia di luar egeri yag dilakuka oleh Fama da Frech (993) dalam Gitig (2004) berpedapat bahwa rasio PBV adalah alat pegukur dari keadaa kesulita keuaga (fiacial

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Michael Krismeidyan Topowijono Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Michael Krismeidyan Topowijono Nila Firdausi Nuzula Fakultas Ilmu Administrasi Universitas Brawijaya Malang PENENTUAN PORTOFOLIO SAHAM YANG OPTIMAL DENGAN SINGLE INDEX MODEL SEBAGAI SALAH SATU ALAT PENGAMBILAN KEPUTUSAN INVESTASI SAHAM (Studi pada Perusahaa yag Terdaftar di BEI periode 011-013) Michael Krismeidya

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

Pengenalan Pola. Regresi Linier

Pengenalan Pola. Regresi Linier Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

STUDI KELAYAKAN BISNIS. Investment Criteria Analysis. Arranged by : R. AGUS BAKTIONO UNIVERSITAS NAROTAMA SURABAYA 2010

STUDI KELAYAKAN BISNIS. Investment Criteria Analysis. Arranged by : R. AGUS BAKTIONO UNIVERSITAS NAROTAMA SURABAYA 2010 STUDI KELAYAKAN BISNIS Arraged by : R. AGUS BAKTIONO UNIVERSITAS NAROTAMA SURABAYA 2010 TUJUAN Setelah mempelajari Bab ii diharapka mahasiswa dapat memahami: Apakah gagasa usaha (proyek) yag direcaaka

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

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

Lebih terperinci

Oleh: Fahmi Fathurahman, S.E Kartikawati Danusasmita, M.B.A Fakultas Ekonomi Perbanas Institute Jakarta ABSTRAK

Oleh: Fahmi Fathurahman, S.E Kartikawati Danusasmita, M.B.A Fakultas Ekonomi Perbanas Institute Jakarta ABSTRAK ANALISIS PERBEDAAN KINERJA PORTOFOLIO 12 SAHAM LQ45 DAN REKSADANA SAHAM LQ45 BERDASARKAN METODE SHARPE, TREYNOR DAN JENSEN PERIODE FEBRUARI 2008 - JANUARI 2012 Oleh: Fahmi Fathurahma, S.E Kartikawati Dausasmita,

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Investasi merupakan bentuk penundaan konsumsi sekarang untuk konsumsi

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Investasi merupakan bentuk penundaan konsumsi sekarang untuk konsumsi BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Ivestasi merupaka betuk peudaa kosumsi sekarag utuk kosumsi medatag. Secara umum ivestasi dikeal sebagai kegiata utuk meaamka harta ataupu modal, baik pada aktiva

Lebih terperinci

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

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

Lebih terperinci

kerugia yag berbeda-beda. Utuk itu ditutut keahlia da kejelia ivestor dalam megaalisis setiap alteratif portofolio yag aka dipilih sehigga dapat dipil

kerugia yag berbeda-beda. Utuk itu ditutut keahlia da kejelia ivestor dalam megaalisis setiap alteratif portofolio yag aka dipilih sehigga dapat dipil ANALISIS PEMBENTUKAN PORTOFOLIO YANG EFISIEN PADA TIGA PERUSAHAAN SEMEN YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI) Nopriwasa Atawazu Fakultas Ekoomi Uiversitas Ekoomi JL. Margoda Raya 100, Depok Abstract

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

Cara Pengisian Pada File Excel

Cara Pengisian Pada File Excel Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig

Lebih terperinci

RISIKO INVESTASI tidak dapat dihindari

RISIKO INVESTASI tidak dapat dihindari RISIKO INVESTASI Risiko merupakan penyimpangan hasil (return) yang diperoleh dari rencana hasil (return) yang diharapkan. Apabila kita membicarakan risiko investasi berarti kita menganalisis kemungkinan

Lebih terperinci

BAB 2 TINJAUAN TEORI

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

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI LNDSN TEORI. Risiko da Maajeme Risiko Defiisi Risiko dalam arti luas adalah potesial kejadia yag tidak diigika jaga terjadi tetapi terjadi, atau sebalikya potesi kejadia yag diigika terjadi tetapi tidak

Lebih terperinci

Aspek Keuangan 2. dan dapat dicairkan dalam waktu singkat relatif tanpa ada pengurangan investasi awal.

Aspek Keuangan 2. dan dapat dicairkan dalam waktu singkat relatif tanpa ada pengurangan investasi awal. plikasi Bisis TI, Pertemua 9 Sistem Iformasi-UG spek Keuaga 2 CSH FLOW Cash flow ( alira kas ) merupaka sejumlah uag kas yag keluar da yag masuk sebagai akibat dari aktivitas perusahaa, dega kata lai adalah

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii bertujua utuk megaalisis pembetuka portofolio optimal saham-saham pada ideks LQ-45 megguaka model ideks tuggal periode 2014 2015. Berdasarka tujua

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE Sutriso B., Abd. Haris, Romadho Jurusa Maajeme - Fakultas Ekoomi, Uiversitas Widya Dharma Klate Jl. Ki

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci