APLIKASI MATEMATIKA NUMERIK UNTUK MENGHITUNG INTERNAL RATE OF RETURN DAN YIELD TO MATURITY OBLIGASI

Ukuran: px
Mulai penontonan dengan halaman:

Download "APLIKASI MATEMATIKA NUMERIK UNTUK MENGHITUNG INTERNAL RATE OF RETURN DAN YIELD TO MATURITY OBLIGASI"

Transkripsi

1 EKUITAS ISSN Akredtas No.55a/DIKTI/Kep/2006 APLIKASI MATEMATIKA NUMERIK UNTUK MENGHITUNG INTERNAL RATE OF RETURN DAN YIELD TO MATURITY OBLIGASI Yudha Herlambang Fakultas Teknk Unverstas Trunojoyo Madura ABSTRACT Ths paper wll present the applcaton of numercal mathematc and dscuss the alternatve method to calculate and solve the problem about the value of Internal Rate Return (IRR) and desred returned rate by oblgaton nvestor. As we know there are several methods to solve the calculaton about IRR,such as Interpolaton Method by usng the fnancal table and Tral and Error Method by usng IRR Functon n Ecel Software; but the most popular s Newton Raphson Method. In ths method, the numercal case must be transferred nto the NPV equaton or oblgaton equaton, and be created to the polynomal equaton n term of f() untl the error s mnmum. Ths method gves the same result f t s compared wth several methods mentoned above for the same case. There s only appromaton of 4 dgts n decmals for the result. By usng ths method, there are stll any dfferences of calculaton result, but t s not sgnfcant. Ths numercal approach can be mplemented to solve the value of desred nterest rate from the oblgaton by usng the same calculaton step and algorthm. Key words: Internal Rate Return, nterpolaton method numercal mathematc, Newton Raphson Method, NPV equaton, polynomal equaton, nteracton, oblgaton, appromaton. PENDAHULUAN Sebagamana telah kta ketahu bersama bahwa dalam duna nvestas dan portofolo tak lepas dar adanya resko yang harus dhadap nvestor. Dan phak yang akan bernvestas past akan berupaya untuk lebh memnmalsr resko tersebut dengan berbaga analsa. Termasuk dalam analsa n msalkan ruang lngkup kelayakan proyek. Dalam analsa kelayakan proyek n perlu dpertmbangkan unsur-unsur Tme Value of Money sehngga berhubungan dengan Dscount Factor. Hal n melbatkan parameter yang lan, msalkan Net Cash Flow yang dharapkan atau dperkrakan dapat dterma selama tahun-tahun umur project yang danalsa, besarnya nvestas awal, lama umur proyek tu sendr dan tngkat bunga (tngkat pengembalan yang dpersyaratkan nvestor). Dalam lngkup analsa atau evaluas proyek, maka nvestor berupaya agar terhndar dar resko yang Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 497

2 dakbatkan kesalahan dalam pengamblan keputusan bernvestas. Salah satu metode yang dgunakan alah analsa Net Present Value (NPV). Dalam hal NPV postf atau tngkat Net Cash Flow dar tahun ke tahun selama umur proyek dengan mempertmbangkan faktor konsep nla waktu uang atau Tme Value of Money, adalah besarnya melebh Investas Awal Proyek, maka proyek tersebut layak dpertmbangkan untuk dterma. Namun hal n belum cukup, mash dperlukan parameter-parameter pengukuran kelayakan yang lan sebaga tambahan. Hal n juga berlaku sebalknya apabla Nla NPV negatf, maka project yang dusulkan adalah tdak atau kurang layak untuk djalankan. Sedangkan nvestor juga setdaknya perlu untuk memperhatkan tngkat Internal Rate Return (IRR) dar project tersebut. Karena IRR tak lan merupakan tngkat dskonto (bunga) atau tngkat pengembalan yang dpersyaratkan nvestor, d mana pada konds IRR dcapa tersebut nla Net Present Value adalah nol. Atau dengan kata lan IRR merupakan konds pada saat Investas Awal sama dengan jumlah Net Cash Flow dar seluruh umur proyek dengan memperhatkan Konsep Nla waktu uang. Namun serngkal djumpa bahwa perhtungan mencar nla IRR tak selalu mudah, dalam beberapa kasus harus menggunakan cara coba-coba atau tral and error. Pada metode yang telah dsebutkan tad acapkal kta harus menggunakan nla estmas IRR, artnya nla pendekatan atau nla perkraan d antara dua IRR. Pada tulsan n penuls memperkenalkan pemakaan Matematka Numerk terutama Metode Newton Raphson untuk mencar nla eksak IRR dengan tngkat kepresssan tertentu sesua kehendak pengguna. Namun demkan terdapat keterbatasan dalam penggunaan metode n. Untuk mengantspas keterbatasan tersebut maka Metode Newton Raphson dterjemahkan dalam bentuk algortma pemrograman komputer pada umur proyek khususnya d atas 5 tahun. Adapun keterkatannya dengan bdang akuntans, yatu phak nvestor dapat menggunakan nla IRR atau NPV sebaga salah satu tolok ukur dalam pengamblan keputusan nvestas atau portofolo d sampng juga melakukan analsa atau pemahaman atas Laporan Keuangan Perusahaan. Dan salah atau betulnya keputusan dalam bernvestas juga akan berpengaruh secara langsung maupun tdak langsung pada tngkat kelangsungan hdup perusahaan (gong concern), terutama sekal pada phak nvestor yang sangat berkepentngan terhadap return atau tngkat pengembalan yang dharapkan sebaga mbalan atas nvestas yang dlakukannya tersebut, dalam hal n msalkan devden atas saham, bunga coupon atas oblgas atau bentuk return yang lannya. MANFAAT DAN TUJUAN Pemkran konseptual n bertujuan untuk mengenalkan metode perhtungan teras Newton Raphson dalam ranah lmu Matematka Numerk dalam aplkasnya untuk melakukan perhtungan dalam mencar nla Internal Rate Return (IRR) sebaga cara 498 Ekutas Vol. 2 No. 4 Desember 2008:

3 alternatf d sampng Methode Interpolas atau menggunakan fungs IRR dalam paket program Ecell, sedangkan manfaat metode n antara lan sebaga cara alternatf tanpa menggunakan tabel keuangan dan apabla tak terdapat software. Pencaran nla IRR sendr adalah untuk membantu kalangan pengguna atau nvestor pada saat tngkat nterest berapa pada konds d mana jumlah yang dnvestaskan akan sama dengan Net Cash Flow yang dperkrakan akan dterma selama usa proyek tersebut berjalan. LANDASAN TEORI Dscountng Model (Sartono, 2005; Mowen, 2303) secara eksplst memperhtungkan Tme Value of Money pada suatu korporas dan memasukkan unsur-unsur konsep dscountng kas masuk dan kas keluar. Teknk nla sekarang bersh atau yang terkenal dengan sebutan teknk NPV mengandalkan pada teknk arus kas yang ddskontokan/dcar present valuenya. Proses mengmplementaskan teknk NPV sebaga berkut:. Menentukan nla sekarang dar setap arus kas, termasuk arus kas masuk dan arus kas keluar, kemudan dhtung Net Cash Flownya (Selsh Cash In dan Cash Out) yang ddskontokan pada baya modal proyek. 2. Menjumlahkan semua arus kas yang ddskontokan n. Hasl penjumlahan n ddefnskan sebaga NPV (Net Present Value) Bla NPV Postf, proyek dapat dterma untuk dlaksanakan. Bla NPV negatf, proyek dpertmbangkan untuk dtolak. Hal n dtentukan dengan mendskontokan arus kas yang dharapkan (epected cash flow) dengan Internal Rate of Return, sehngga secara defntf IRR merupakan tngkat bunga yang membuat nla bersh seluruh arus kas saat n (Net Present Value) atau NPV sebesar nol. IRR ddefnskan sebaga nla (tngkat) nterest yang membuat nla Present Value Project Cash Inflows bernla sama dengan Present Value dar Baya Proyek (Project Costs) (Mowen, 2003). Nla untuk mengeset nla IRR agar NPV bernla nol n adalah dengan cara cobacoba/tral-error. Jad IRR tak lan merupakan tngkat nterest pada saat NPV Projects bernla nol. Pada dasarnya IRR merupakan hasl/return yang akan dperoleh perusahaan bla mereka melakukan ekspans atau bernvestas d dalam perusahaan tu sendr. Jad IRR merupakan alat untuk mengukur tngkat pengembalan hasl ntern. Adapun formulas matemats perhtungan NPV sebaga berkut: NNet. Cash. Flow NPV ( t ) I t 0 ( k ) t Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 499

4 PENILAIAN OBLIGASI Oblgas secara sederhana merupakan surat janj kesanggupan untuk membayar (promssory notes) jangka panjang, yang dkeluarkan oleh s pemnjam dengan janj kepada s pemegangnya dengan pembayaran suatu nla bunga setap tahun yang telah dtentukan sebelumnya (Sartono, 2005). Basanya tngkat bunga oblgas merupakan perkalan antara coupon rate dengan par value (nla par) oblgas yang dmaksudkan. Sehubungan dengan tu,maka nla aset dpengaruh oleh tga elemen, yatu:. Besar serta waktu penermaan atas arus kas asset yang dharapkan. 2. Resko dar arus kas tersebut. 3. Tngkat pengembalan mnmum nvestor (k) untuk memlh suatu oblgas. Dua faktor pertama merupakan karakterstk asset, adapun yang ketga merupakan tngkat pengembalan yang dngnkan yang tak lan adalah tngkat pengembalan mnmum yang dperlukan untuk menark daya mnat nvestor agar membel atau memegang suatu sekurtas. Tngkat pengembalan n (returned rate) atau nla k n haruslah cukup tngg untuk memberkan kompensas kepada nvestor terhadap resko yang ada pada arus kas asset d masa mendatang. Dengan demkan, maka penlaan dasar sebuah sekurtas dapat ddefnskan secara matemats pada persamaan d bawah: N20 C 2C3 Cn Vb... t 2 3 N k)( k)( k)( k)( k )( t D mana: Ct arus kas yang akan dterma pada waktu t V = nla ntrnsk atau nla kn dar sebuah asset yang menghaslkann arus kas d masa mendatang, C t pada tahun ke- hngga tahun ke-n. k = tngkat pengembalan yang dngnkan nvestor. n = jumlah tahun dengan arus kas akan dterma. METODE NEWTON-RAPHSON Metode n palng banyak dgunakan dalam mencar akar akar dar suatu persamaan khususnya bentuk persamaan polnomal (Trhatmodjo, 2002). Bla perkraan awal dar akar adalah, suatu gars snggung dapat dbuat dar ttk (, f ( )).Ttk d mana gars snggung tersebut memotong sumbu basanya memberkan perkraan yang lebh dekat dar nla akar. Sepert yang dtunjukkan pada gambar 2 d bawah, turunan pertama pada ttk adalah ekwvalent dengan tngkat kemrngan. Metode yang lebh bak dalam memlh g'() adalah dengan membuat gars snggung dar f() untuk nla yang dplh, 500 Ekutas Vol. 2 No. 4 Desember 2008:

5 dan dengan menggunakan besaran dar perpotongan gars snggung terhadap abss sehngga dperoleh nla baru. Gambar berkut n merupakan penjelasan secara grafs prosedur metode Newton Raphson. Metode Newton Raphson n merupakan salah satu cara yang palng dkenal dalam metode penyelesaan fungs f() = 0, sedangkan gambar 2 d bawah menggambarkan alur logka metode Newton Raphson, dalam bentuk flowchart. Secara matemats penurunan formulas pada metode Newton Raphson dapat drumus sebaga berkut: f ( ) 0 f( ) f '( ) atau f'( ) Adapun prosedur (herark) atau algortma program untuk metode Newton Raphson ( raphson/htmlcgso.2008; rate return/htmlcgso.2008). Tentukan Xo, tolerans, dan jumlah teras maksmum. 2. Htung Xbaru = - f'( 0 )/f(x 0 ). 3. Jka nla mutlak (X baru - X 0 ) < tolerans, dperoleh tulsan baru sebaga hasl perhtungan; 4. Jka tdak, lanjutkan ke langkah berkutnya. 5. Jka jumlah teras > teras maksmum, akhr program. Gambar Logka pemkran metode newton-raphson dgambarkan secara grafs Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 50

6 Plh secara acak Nla Awal, basanya nol Htung f() dan f () Apa f() mendekat nol S e l e s a n n Gambar 2 Prosedur Algortme (Alur logka) Metode Newton Raphson PEMBAHASAN KASUS DALAM BENTUK PERHITUNGAN MATEMATIS Pada pemkran konseptual n penuls mengambl contoh kasus suatu contoh persoalan dalam mencar nla IRR (Internal Rate Return) untuk berbaga umur project yang akan dtnjau. Mula dar umur proyek 2 tahun hngga umur proyek 5 tahun. Untuk umur proyek 2 tahun, penuls tdak merasa perlu mencar nla IRR dengan pendekatan Numerk Metode Newton Raphson. Cukup duj valdtas dengan menggunakan software Ecell dan formulas abc.kemudan haslnya dbandngkan. Kemudan untuk contoh persoalan mencar nla IRR yang melbatkan usa project antara 3 hngga 5 tahun dlakukan pencaran dugaan nla IRR dengan pendekatan metode Newton Raphson yang dbandngkan haslnya dengan software Ecell memaka fungs IRR serta software Matlab memaka fungs Roots. Pada umur project d atas N=5 tahun, pencaran nla IRR cukup sult dlakukan, sehngga perlu bantuan metode Newton Raphson yang telah dprogramkan dalam bentuk software dalam bahasa pemrograman komputer apapun. Dalam hal n penuls menggunakan 502 Ekutas Vol. 2 No. 4 Desember 2008:

7 bahasa pemrograman Delph (Stem operas Wndows) dan Fortran (Sstem Operas DOS).. Untuk umur project N=2 tahun ( Net Cash Flow sama ) Pertama dberkan contoh yang sederhana sekal, yatu untuk mencar nla Internal Rate Return untuk selama jangka waktu N=2 tahun, yatu pada kasus berkut: Investas Awal = Rp 00 juta, Net Cash Flow tahun pertama =Rp 25 juta, dan tahun kedua memperoleh Net Cash Flow = Rp 50 juta. Sehngga dbentuk persamaan matemats untuk mencar nla IRR sebaga berkut: NNet. Cash. Flow NPV Io t, 2 t ( r %) NPV ( r %) ( r %) 50 Mencar r% saat IRR, berart NPV = 0, sehngga ( r %) ( r %) Dalam memecahkan r% n, kta tdak perlu menggunakan Perhtungan Matematka Numerk, namun cukup hanya formulas abc, dengan menyusun persamaan tersebut mejad bentuk apolnomal, sebaga berkut: ( terlebh dahulu dpermsalkan = r% untuk mempermudah penulsan ekspress matemats nantnya ) , dsederhanakan dan dkumpulkan dalam ruas menjad: , Persamaan n dselesakan dengan rumus abc, yatu: bb 2 4ac ( )7).( 32 3 %00 2 )4(2 8 8 atau a dengan cara faktorsas: (4 + 7)( ) = 0, = -7/4 dan = ( dpaka ). Persamaan d atas dpecahkan nla -nya dan dperoleh = = 00%, sehngga dperoleh nla IRR = 00 % untuk kasus pertama n. Apabla dadakan pengujan pada persamaan pertama, nla IRR n akan memenuh persamaan yang dmaksud ( Terbukt ) (00 %) (00 %) Apabla dpergunakan software Ecell dan Matlab sebaga pembandng haslnya, maka dperoleh nla IRR yang sama, yatu: =,00 atau 00%. 2. Kasus umur project yang kedua, N = 2 tahun juga (Net Cash Flow tak sama) Investas Awal = Rp 70 juta, Net Cash Flow tahun pertama =Rp 80 juta, dan tahun kedua memperoleh Net Cash Flow = Rp 40 juta. Sehngga dbentuk persamaan matemats untuk mencar nla IRR sebaga berkut: NNet. Cash. Flow NPV Io atau : t 2 t ( r %) NPV ( r %) ( r %) Sepert halnya pembahasan no d atas, persamaan d atas dapat dselesakan menggunakan rumus abc yang telah dkenal d duna artmatka, dperoleh: = 0,59 atau Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 503

8 IRR = 5,9% atau 52%. Perhtungannya adalah sebaga berkut: NPV ( r %) r 2 ( %) Dengan manpulas matemats, akan dperoleh bentuk polnomal sebaga berkut: ( ) , persamaan n djadkan satu ruas sebaga berkut: , atau Sehngga persamaan n dselesakan dengan menggunakan formula abc sebaga berkut: b 2 4ac ( )5).( ,3 3,7, )7(2 4 4 a dengan kata lan, = 0,59, sehngga IRR = 5,9 % atau 52 %. Apabla dlakukan pengujan valdtas perhtungan dengan menggunakan fasltas fungs IRR (range cell, guess) pada software aplkas Ecell, juga dperoleh hasl yang sama yatu 52%. Sedangkan bla menggunakan Toolbo software Matlab dperoleh hasl IRR = 0,590 atau 5,90 %. Dengan demkan hasl menurut formulas abc ternyata sama dengan software-software pembandng untuk uj valdtasnya, yatu Ecell dan Matlab. 3.Kasus umur project N = 3 tahun. (Net Cash Flow dengan jumlah yang sama) Msalkan kta dtawarkan sebuah proposal proyek nvestas d mana kta harus mengnvestaskan dana sebesar Rp 0 juta. Sebaga mbalan dar proyek yang berjangka waktu 3 tahun n, d mana kta akan menerma pembayaran Rp 2 juta pada setap akhr tahun selama 2 tahun dan Rp 2 juta pada akhr tahun ketga. Apabla kta menggunakan formulas IRR dalam bentuk rumus deret geometrs sebaga berkut: NPV 0, 2 3 (%) r (%) r (%) r atau 2 3 (%) r (%) r (%) r , 2 3 (%) r (%) r (%) r Dengan manpulas matemats, akan dperoleh bentuk polnomal f()= =0 atau Dengan memandang f() = , maka f ()=dervatf pertama= , untuk nla awal dtest =0 dan =, dperoleh: f(0) = -6 dan f()= =56. Berhubung nla f(0) dan f(6) berbeda tanda, maka dambl dugaan bahwa akar persamaan, yatu * d antara = dan =0. Sehubungan dengan n kta lakukan langkah teras (perhtungan) yang pertama sebaga berkut: f )( f)0( 6. 0 f)(' f)0(' 0 % Kta lakukan test untuk f(/4) n yatu: f(/4)= (0 ) 3 (28 ) 2 (24 )6 9, atau Ekutas Vol. 2 No. 4 Desember 2008:

9 Terlhat nla f(/4) n semakn mendekat f()=0 dbandngkan f()=56. Sehngga dugaan akar * yang kta car n selanjutnya bsa dlacak antara =0 dan =/4. Dengan n kta lanjutkan ke Iteras II sebaga berkut: f( ) 4 9, 9,, , f(' ) (30 )(56 ) Apabla kta menggunakan persamaan polnomal yang telah dsederhanakan yatu: f()= , maka akan dperoleh hasl yang sama, yatu = 0,20235, Perhtungannya adalah sebaga berkut: untuk nla awal dtest =0 dan =, dperoleh: f(0) = -3 dan f()= =28 Berhubung nla f(0) dan f(6) berbeda tanda, maka dambl dugaan bahwa akar persamaan, yatu * d antara = dan =0. Sehubungan dengan n kta lakukan langkah teras (perhtungan) yang pertama sebaga berkut: f )( f)0( %25. f )(' f)0(' 244 (5 ) ) (2 )3 6 3 (4 2, Kta lakukan test untuk f(/4) n yatu: f(/4)= 953 Terlhat nla f(/4) n semakn mendekat f()=0 dbandngkan f()=28. Sehngga dugaan akar * yang kta car n selanjutnya bsa dlacak antara =0 dan =/4. Kemudan dlakukan teras atau perhtungan berulang hngga teras ke 3, sehngga tabulas hasl sebaga berkut: Tabel Tabulas hasl perhtungan metode Newton Raphson untuk contoh kasus 3 tahun Iteras Nla *(dugaan akar ) atau IRR Nla f (*) ke 0,25,9 2 0, , ,2 0 ( stop ) Dengan demkan dapat dkatakan bahwa =20% merupakan akar persamaan polnomal dan Internal Rate Return adalah pada tngkat r = 20 %. Basanya, pada usa proyek lebh dar 3 tahun, persamaan matematsnya membentuk persamaan polnomal berderajad 3, sehngga menghtung IRR, maka kta harus menggunakan percobaan berkal-kal atau tral and error..dengan menggunakan Software Ecell yatu fasltas fungs IRR (Range cell, guess) akan dperoleh nla IRR = 20%. Begtu pula apabla dhtung dengan menggunakan paket program Matlab bernla sama, yatu 20%. Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 505

10 Hasl dengan metode Newton Raphson n IRR = 20 % sama perss sepert hasl yang dperoleh pada software aplkas Ecell. Dengan demkan terbukt bahwa 20% merupakan nla IRR yang membuat nla NPV pada sstem persamaan d atas adalah sama dengan nol atau nla f() persamaan polnomal bernla nol. 4. Kasus umur project N = 3 tahun (Net Cash Flow yang tdak sama) Pada contoh kasus n tak jauh berbeda dengan contoh kasus d atas, hanya saja terdapat nla Net Cash Flow yang berbeda dar tahun ke tahun. Jad msalkan kta dtawarkan sebuah proposal proyek nvestas d mana kta harus mengnvestaskan dana sebesar Rp 0 juta. Sebaga mbalan dar proyek yang berjangka waktu 3 tahun n, d mana kta akan menerma pembayaran Rp 50 juta pada setap tahun pertama, tahun kedua memperoleh Net Cash Flow Rp 40 juta dan Rp 65 juta pada akhr tahun ketga. Apabla kta menggunakan formulas IRR dalam bentuk rumus deret geometrs sebaga berkut: NPV 0,dengan memsalkan r % =, 2 3 (%) r (%) r (%) r () (). Sehngga dengan langkah-langkah manpulas () matematk akan dperoleh: F()= Sedangkan f () = turunan atau dervatf pertama= Maka dengan demkan kta lakukan test awal untuk =0 dan = sebaga berkut: f(0) = -9 dan f() = =07. Dengan demkan dugaan akar * agar f(*)=0 adalah terletak d antara =0 dan =. Maka dadakan proses perhtungan nteras: f 9 )( )0( )9( 00 0, )(' f 2 )0(' f f )0(66 )0( Dengan demkan dperoleh dugaan akar sementara *=0,2368. Nla f(0,2368) n perlu kta test untuk menganalsa seberapa jauhkah error terhadap f(*)=0. f(*)=f(0,2368)=,0(22368 ) 3,0( ) 2,0( )9,3 44 Terlhat bahwa nla f(*)=3,44 n semakn mendekat f()=0, sehngga dugaan akar * yang sesungguhnya perlu dadakan proses nteras berkutnya,sedangkan dugaan * akar sesungguhnya yang dcar ada d antara =0 dan =0,2368. Dengan demkan proses teras atau perhtungan berulang akan dlanjutkan, sehngga dperoleh hasl yang konvergen dan memenuh syarat pada teras ke-4. Adapun hasl teras dtunjukkan pada tabel d bawah n: 506 Ekutas Vol. 2 No. 4 Desember 2008:

11 Tabel 2 Tabulas hasl perhtungan metode Newton Raphson untuk contoh kasus 3 tahun (Cash Flow tap tahun tdak sama) Iteras ke Nla *(dugaan akar ) atau IRR Nla f (*) 0,2368 3,44 2 0,8637 0, , ,0006= , , ( Stop ) Dugaan akar yang terakhr n yatu =0, akan kta lakukan test sampa seberapa jauhkah error terhadap f()=0. Berkut perhtungannya: f(0,835903) =,0( ),0(56 3 ),0(38 2 ), Apabla kta perhatkan bahwa nla f(0,835903)=0, sudah sangat mendekat 5 f()=0 atau sebesar 3,52.0, menunjukkan errornya sudah mencapa sangat kecl dalam orde seperseratusan rbu. Dengan demkan nla =0, atau IRR=8,359 % merupakan nla yang dcar. Adapun dar hasl Matlab ddapatkan 0,836=8,36 % adalah merupakan approksmas atau dgt d belakang koma.hal n berhubungan dengan tngkat press atau tngkat keteltan yang dkehendak atau merupakan judgement sesua keperluan. Basanya untuk menghtung IRR dengan rumus d atas, juga harus menggunakan percobaan berkal-kal atau tral and error. Apabla dgunakan Software Ecell yatu fasltas fungs IRR (Range cell, guess) akan dperoleh nla IRR = 8%. Sedangkan bla menggunakan software Matlab 7.00 sebaga pengujan valdtas dan software pembandng, maka dperoleh nla = 0,836= 8,36%. Hasl perhtungan dengan metode Newton Raphson d atas tad merupakan pendekatan dar IRR = 8 % sepert hasl yang dperoleh pada software aplkas Ecell maupun software Matlab. Dengan demkan terbukt bahwa r = 8,359% adalah merupakan nla IRR yang membuat nla NPV pada sstem persamaan d atas adalah sama dengan nol. 5. Contoh Kasus usa proyek N= 4 tahun, dengan Investas Awal Rp ,-, dan Net Cash Flow yang dperoleh untuk 4 tahun berturut-turut adalah sebaga berkut: tahun pertama Rp 40 juta, tahun kedua Rp 60 juta, tahun ketga Rp 30 juta, tahun terakhr Rp 55 juta. Apabla dhtung dengan menggunakan software Ecell, akan dperoleh hasl IRR = 48%. Sedangkan dengan menggunakan program Matlab akan dperoleh hasl IRR=0,483 atau IRR = 48,3%. Adapun contoh kasus tersebut apabla dhtung dengan menggunakan Metode Newton Raphson dalam Matematka Numerk akan dperoleh hasl IRR = 0, atau 48,3328 %. Adapun Langkah perhtungannya dsajkan d bawah n. Pertama tama kta susun menurut persamaan matemats formulas NPV sebaga berkut n: Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 507

12 r(%) r (%) r. (%) r Dengan memsalkan r % =, untuk memudahkan penulsan ekspress matemats selanjutnya: )( )( )( )( Dengan melakukan langkah-langkah manpulas matemats dan penyederhanaan, maka dperoleh persamaan suku banyak berkut: =0 yang merupakan suatu bentuk polnomal berderajat 4 yang akan dcar akar-akarnya untuk menentukan IRR. Kta test dengan ttk awal msalkan =0, dperoleh f(0)= -0 dan = dperoleh f()=525. Maka dugaan akar yang dcar (*) past d antara =0 dan = Dengan demkan proses teras perhtungan kta mula, namun demkan perlu dtentukan turunan fungs pertama atau f () = Iteras I : f )( )0( ()0 0 2 f 0 0 3, )(' f)0(' f )0(300 )0(780 )0( Dengan demkan dperoleh dugaan akar sementara *=3,666. Nla f(3,666) n perlu kta test untuk menganalsa seberapa jauhkah error terhadap f(*)=0. f(*)=f(3,666)=,3(75 )666 4,3(260 )666 2,3(270 )660 2,3(30 ) f )( 525 Terlhat bahwa haslnya tak menjad lebh bak atau dvergent atau bsa dkatakan semakn jauh dar f() yang seharusnya mendekat nol. Maka dar tu perlu dcar alternatf nteras lan, yatu dhtung mundur dar = dan f() = 525, sehngga perhtungan teras matematsnya sbb: f )( )( () f,0, )(' f)(' f )(300 )(780 )( Pendugaan * yang baru pada teras d atas alah pada * = 0,68 Akhrnya kta test seberapa jauh pendugaan * baru tersebut terhadap f()=0, yatu: F(0,68)=,0(75 )68 4,0(260 )68 3,0(270 )68 2,0(30 )68 0, Atau f(0,68)=33,885 < f()=525, dar hasl n dperoleh konds yang convergent, sehngga dugaan akar (*) berkutnya terjad d antara = 0 dan = 0,68. Maka kta teruskan pada teras II berkutnya, pada perhtungan matemats d bawah n: f )( f,0()68(,33 )885,0 68, f )(' f,0(')68,0(300 )68,0(780,0(540 )68 30 f )( f,0()68 (,33 )885,0 68,0 68, f )(' f,0(' )68 (,854 ) Ekutas Vol. 2 No. 4 Desember 2008:

13 Akhrnya kta test seberapa jauh pendugaan * yang baru tersebut terhadap f()=0, yatu: F(0,524669)=,0( ),0(260 4 ),0(270 3 ),0(30 2,23 07 Makn terlhat bahwa nla dar f(*) terbaru d atas makn mendekat f()=0. Dengan demkan dapat dkatakan bahwa dugaan akar * yang terbaru akan terletak d antara =0 dan = 0, Dengan demkan dlakukan perhtungan matemats dengan logka yg serupa sebanyak beberapa teras, hngga pada teras ke-4, dan dperoleh hasl tabulas pada tabel berkut: Tabel 3 Tabulas hasl perhtungan metode Newton Raphson untuk contoh kasus 4 tahun Iteras ke Nla *(dugaan akar ) atau IRR Nla f (*) 0,68 33, , ,07 3 0, , , ,037 ( Stop ) 6. Contoh Kasus untuk umur project N = 5 tahun, dengan Investas awal (I) sebesar Rp , Net Cash Flow berturut-turut adalah sebaga berkut: Tahun pertama sebesar Rp ,-. Tahun kedua sebesar Rp ,-. Tahun ketga sebesar Rp ,-. Tahun keempat sebesar Rp ,-. Dan tahun kelma sebesar Rp Kn penuls akan melakukan perhtungan IRR dengan menggunakan pendekatan Matematka Numerk-Metode Newton Raphson, sepert basanya dsusun terlebh dahulu persamaan matematk untuk NPV sebaga berkut: (%) r r (%) r r (%) r Dengan mekansme penyederhanaan serta manpulas matemats dan pemsalan r% =, maka dperoleh ekspress matematk sebaga berkut: () () () () (), Penyederhanaan atas persamaan tersebut akan menghaslkan persamaan polnomal berkut n: f() = Sebaga ttk awal dplh =0 yang akan menghaslkan f(0) = -07 dan () yang akan menghaslkan f() = = Sehngga dapat dkatakan pendugaan d antara =0 dan =. Namun kta perlukan tentukan turunan pertama yatu f () = , karenanya f (0) = )0( )0( )0(20 Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 509

14 )0(' Dengan demkan dlakukan teras pertama untuk memperoleh * (kanddat atau dugaan akar), yatu perhtungan sebaga berkut: f () )0( () f,0 89 f (') f 20 Kemudan dlakukan pengujan untuk mengetahu seberapa jauhnya terhadap f()=0 f(0,89)= 55, , ,80-07 =.428 dan hasl n semakn mendekat menuju f()=0, bla dbandngkan dengan f() = Dengan demkan dugaan akar d antara =0 dan =0,89. Demkan kta teruskan pada teras berkutnya: f )(,0()89.()428,0 890,0 595 )(' f f f,0(')89, =0,6 Selanjutnya dadakan pengujan pada f (0,6) F(0,6)= 00(0,6) 465(0,6) 822(0,6) 635(0,6) 20(0,6) Dengan demkan tampak bahwa f(0,6)=439 semakn mendekat f()=0, dbandngkan nteras sebelumnya yatu f(0,8). Kemudan dengan alur logka berpkr yang sama dan menurut algortma metode Newton Raphson, maka dlakukan nteras hngga teras ke-5, yang haslnya dtabulaskan pada tabel d bawah, sedemkan hngga nla f(*) mendekat nol. Sehngga * tulah akar persamaan yang dmaksudkan (yatu nla IRR pada contoh kasus n). Tabel 4 Tabulas hasl perhtungan metode Newton Raphson untuk contoh kasus 5 tahun Iteras ke Nla *(dugaan akar ) atau IRR Nla f (*) 0,595 atau 0, , ,32 3 0,307 2, ,284, , ,49 ( Stop ) APLIKASI METODE NUMERIK NEWTON RAPHSON UNTUK MENGHITUNG TINGKAT PENGEMBALIAN YANG DISYARATKAN INVESTOR DALAM INVESTASI OBLIGASI Dalam proses penlaan oblgas, dperlukan 3 varabel pentng, yatu: () jumlah dan waktu dar arus kas yang akan dterma nvestor, (2) tanggal jatuh tempo oblgas, (3) Tngkat pengembalan yang dngnkan nvestor. Adapun besarnya arus kas dtentukan oleh pembayaran bunga perodk yang dterma dan oleh nla par yang akan dbayar pada saat jatuh tempo.bla perusahaan menggunakan oblgas sebaga sarana untuk memperoleh dana dar hutang jangka panjang, maka baya hutang adalah sama dengan 50 Ekutas Vol. 2 No. 4 Desember 2008:

15 K d atau Yeld to Maturty (YTM) yang tdak lan merupakan tngkat keuntungan yang dharapkan oleh pemegang atau pembel oblgas (holder). Adapun varabel I t untuk menggambarkan pembayaran bunga (berdasar kupon rate) pada tahun t, M adalah harga jual pada nla pasar, saat nla jatuh tempo oblgas, dan k ataupun K d tad merupakan tngkat pengembalan mnmum pemegang oblgas, kta dapat menyatakan nla oblgas yang jatuh tempo pada tahun ke-n pada persamaan matematk d bawah n: V b n I t M = Harga Oblgas. t N t ( k ) ( k d) Basanya untuk mengukur tngkat pengembalan yang dharapkan oleh pemegang oblgas (k), kta akan mencar tngkat dskon yang menyamakan nla sekarang dar arus kas masa datang (bunga dan nla jatuh tempo) dengan harga pasar oblgas pada saat sekarang. Sebaga bahan lustras, msalkan suatu Oblgas memlk nla par 000$, dengan pembayaran bunga tahunan 20 $ yang menunjukkan tngkat suku bunga oblgas yang berlaku sekarang adalah kupon sebesar 2 persen (2% 000$ = 20 $). Dengan berasums bahwa jangka waktu jatuh tempo adalah lma tahun, dan nla oblgas tu seharga 000$ atau sama dengan nla parnya, maka akan kta car tngkat pengembalan yang dharapkan nvestor, dengan pendekatan Numerk Newton Raphson, yatu: Mencar tngkat pengembalan yang dngnkan (k%) : N20 20 V 000 t 5 () k () k () k. 000 b t { 000 } )( kkkkk )( 2 )( 3 )( 4 )( 5 k )( { 20 } )( 2 3 kkkk )( 4 k )( 5 V b V b Dar Ecell dperoleh k=2%. Dan dar software Matlab dperoleh nla k= atau 2 %. Dengan menggunakan tekns manpulas matemats yang sama dengan perhtungan pada contoh-contoh sebelumnya, maka pada persamaan d atas, dperoleh persamaan matematk dalam bentuk polnomal sebaga berkut: k 5 22 k k220 k95 k5 0 Dan f (k)= 25 k k k k 95 Untuk pengujan yang menggunakan nla awal f(0), maka dperoleh nla = -5 Dan f() = =682 Dengan demkan nla dugaan k berada dantara k=0 dan k=, dengan demkan kta lakukan perhtungan teras pertama: f )( f)0( ()5 0 0, f)(' f)0(' 95 Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 5

16 Kemudan dlakukan pengujan untuk mengetahu seberapa jauhnya terhadap f()=0, f(0,5789)= 0,0243+0, ,793+5, , = 6, dan hasl n semakn mendekat menuju f()=0, bla dbandngkan dengan f() =682 Dengan demkan dugaan akar d antara =0 dan =0,5789. Demkan kta teruskan pada teras berkutnya, yatu Iteras II dengan langkah matemats d bawah n: f )( f,0()5789,6()37725,0 5789,0,0 2089, f )(' f,0(' )5789 (,70 )77 Selanjutnya dadakan pengujan pd f(0,209), yatu: F(0,209)=,0(25 )209,0(22,0(235 )209,0(220,0(955 F(0,209)=0, , , ,25 +,48-5 = 0,27725 Dengan demkan tampak bahwa f(0,209)=0,27725 semakn mendekat f()=0, dbandngkan nteras sebelumnya yatu f(0,5789) = 6, Dengan demkan nla k nlah,yatu k = 0,209 atau k = 2,09%, yang dperoleh pada perhtungan teras ke-2 n cukup mendekat f()=0 dan n sudah merupakan nla pendekatan untuk dugaan nla k yang dcar, dengan menggunakan metode Newton Raphson d atas. )209 Kasus Dscount Bond: Sepert pada lustras d atas, namun nla oblgas turun menjad 899,24, maka tngkat pengembalan yang dharapkan nvestor akan kta car dengan pendekatan Numerk Newton Raphson sebaga berkut: Mencar tngkat pengembalan yang dngnkan (k%): N Vb t 5 () k () k () k, = 899. t { 000 } kkkkkk )( )( )( )( )( )( { 20 } () kkkk () () () k 5 V b V b Dar Ecell dperoleh k = 5%. Dan dengan menggunakan software Matlab dperoleh k = 0,50. Pada persamaan matemats d atas,apabla dlakukan manpulas matemats yatu 5 mengalkannya dengan faktor ( k), yatu akan menjad: k )(899 5 k)(20 4 k)(20 3 k)(20 2 k.)(20.20 Dengan penguraan matemats menurut suku polnomalnya, maka dperoleh persamaan polnomal sebaga berkut yatu f(k) = 899 k k k k k Adapun f (k) = k k k k3295 Untuk pengujan yang menggunakan nla awal f(0), maka dperoleh nla = -70 Dan f() = = Dengan demkan nla dugaan k berada dantara k=0 dan k=, dengan demkan kta lakukan perhtungan teras pertama: 52 Ekutas Vol. 2 No. 4 Desember 2008:

17 )(' f )( f)0( ()70 0 0, f f)0(' 3295 Kemudan dlakukan pengujan untuk mengetahu seberapa jauhnya terhadap f()=0 f(0,22747) = 434,88 dan hasl n semakn mendekat menuju f()=0. Dengan demkan dugaan akar d antara =0 dan =0, Demkan kta teruskan pada teras berkutnya, hngga pada teras ke-5 d mana telah dperoleh nla f(*) mendekat nol, sehngga nla * menunjukkan IRR yg dmaksud. Tabel 5 Tabulas hasl perhtungan metode Newton Raphson untuk contoh kasus Oblgas Dskonto Iteras ke Nla * (dugaan akar ) atau YTM Nla f (*) 0, ,88 2 0, , ,5588 0, ,5507 0, , , ( Stop ) Kasus Premum Bond: Sepert pada lustras d atas, namun nla oblgas mengalam kenakan menjad.6$ maka tngkat pengembalan yang dharapkan nvestor akan kta car dengan pendekatan Numerk Newton Raphson sebaga berkut: Dar Ecell dperoleh k = 9,065 % atau 0,09065 Dar Matlab dperoleh k = 9,02% atau k = 0,0902 Mencar tngkat pengembalan yang dngnkan (k%): N20 20 V 000 t 5 () k () k () k. 6. b t { 000 } kkkk )( )( )( )( kk )( )( { 20 } kkkk )( )( )( )( k )( 5 V b V b Sehngga dengan teknk penyederhanaan matematk dperoleh persamaan bersuku polnomal sebaga berkut: f(k) = k k kk k Adapun f (k) = k k k k Untuk pengujan yang menggunakan nla awal f(0), maka dperoleh nla = -484 Dan f() = = 3.2. Dengan demkan nla dugaan k berada dantara k=0 dan k=, dengan demkan kta lakukan perhtungan teras pertama: Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 53

18 f )( f)0( () ,0 05. f )(' f)0(' Kemudan dlakukan pengujan untuk mengetahu seberapa jauhnya terhadap f()=0 f(0,05)= ,0(6.5)05,0(460.0,0(680.9)05,0(960.4)05,0( , dan hasl n semakn mendekat menuju f()=0 bla dbandngkan dengan f() = 3.2 atau dengan kata lan menunjukkan hasl yang konvergen. Dengan demkan dugaan akar d antara =0 dan =0,05. Demkan kta teruskan pada teras berkutnya, sedemkan hngga pada teras ke-4 dperoleh nla akar persamaan polnomal tersebut d atas, atau nla Yeld to Maturty untuk kasus Premum Oblgas n. Hasl perhtungan selengkapnya dsajkan pada tabel 6 berkut d bawah n: Tabel 6 Tabulas hasl perhtungan metode Newton Raphson untuk contoh kasus Oblgas Premum Iteras ke Nla * (dugaan akar ) atau YTM Nla f (*) 0,05 36, , , , , , , Jad apabla dpandang dar sudut pandang lmu manajemen keuangan, jelas bahwa ketka nvestor menghendak tngkat pengembalan yang lebh tngg, maka nla oblgas akan turun. Tngkat pengembalan yang lebh tngg bag nvestor dapat dcapa hanya dengan cara membayar harga yang lebh rendah untuk oblgas tersebut. Dan sebalknya, tngkat pengembalan bag nvestor yang lebh rendah akan menghaslkan nla pasar yang lebh tngg. Sehngga hubungan terbalk antara tngkat pengembalan yg dharapkan nvestor dan nla ntrnsk oblgas memang terbukt secara matemats. KESIMPULAN Akhr darpada tulsan n dapat kta smbulkan bahwa Aplkas Matematka Numerk, khususnya Metode Newton Raphson dapat dterma sebaga salah satu cara alternatf untuk menyelesakan persoalan dalam hal pencaran nla Internal Rate Return (IRR), walaupun secara tepat (eksak) maupun taksran. Dengan demkan hasl-hasl yang dperoleh dar pencaran taksran nla IRR atau tngkat pengembalan yang dsyaratkan nvestor (k) dengan menggunakan pendekatan Matematka Numerk - Metode Newton Raphson n tak jauh berbeda atau selshnya tdak sgnfkan apabla dbandngkan dengan cara cara alternatf lan yang sudah dkenal sebelumnya, msalkan Pemakaan 54 Ekutas Vol. 2 No. 4 Desember 2008:

19 Fungs IRR (range cell, guess) dalam Ecell, Metode Interpolas, serta Penggunaan toolbo (fasltas) roots dalam software Matlab. Metode Newton Raphson n memungknkan dpergunakan blamana tak terseda Tabel Keungan.(Fnancal Table). DAFTAR PUSTAKA Agus Sartono, Manajemen Keuangan dan Portofolo. And Offset, Yogyakarta Bambang Trhatmodjo, Metode Numerk. Beta Offset, Yogyakarta. Hansen, Mowen, Management Accountng. Southampton Learnng,Oho. raphson/htmlcgso rate return/htmlcgso.2008 Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 55

20 Umur Project (tahun) Lampran Tabulas Hasl Pemkran konseptual Pencaran Dugaan Nla IRR. Hasl Paket Program Ecell Hasl Software Matlab Formula abc Metoda Newton Raphson 2 00%,00 00% Tak dlakukan 2 52 % 0,59 5,9 % Tak dlakukan 3 20% 0,2 Tak dlakukan 20% 3 8 % 0,836 Tak dlakukan 8,359% 4 48% 0,483 Tak dlakukan 48,3328% 5 28,3537 % 0,2835 Tak dlakukan 28,2825% Lampran 2 Tabulas Hasl Pemkran Konseptual Pencaran Dugaan Nla K (Tngkat Pengembalan Yang Dharapkan Investor Oblgas) Kasus Oblgas Hasl Paket Program Ecell Hasl Software Matlab Metoda Newton Raphson Normal 2% 2% 2,09 % Dskonto Bond 5% 5,0 % 5,5% Premum Bond 9,065 % 9,02 % 9,05099 %. Lampran 3 Lstng Program Metode Newton Raphson dalam bahasa Pemrograman Fortran C PROGRAM METODE NEWTON-RAPHSON F(X)=... FX(X) = TURUNAN X OPEN (5,FILE= NEWTON.HAS ) I=0 X= C X2=X+ 30 I = I + C FX=(F(X2)-F(X))/(X2-X) XT=X-F(X)/FX(X) C I=I+ WRITE(5,2)I,X,XT,F(X),F(XT) X=XT IF ABS(F(XT)).LT.0.000) GOTO Ekutas Vol. 2 No. 4 Desember 2008:

21 GOTO 30 4 FORMAT(I2,6F0.5) 5. FORMAT(2F5.2) 25 STOP END Lampran IV Lstng Program Metode Newton Raphson dalam bahasa Pemrograman Delph procedure TForm.ButtonClck(Sender: TObject); var a,fa,alama,fa,abaru,galat:real; :nteger; begn a:=strtofloat(edt.tet); alama:=a; :=0; repeat :=+; fa:=(((a*a*a)+(a*a))-(3*a))-3; fa:=((3*a*a)+(2*a))-3; abaru:=alama-(fa/fa); galat:=abs((abaru-alama)/abaru); alama:=abaru; a:=abaru; Menghtung Internal Rate Of Return dan Yeld To Maturty Oblgas (Yudha Herlambang) 57

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

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

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

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

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

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

Kritikan Terhadap Varians Sebagai Alat Ukur

Kritikan Terhadap Varians Sebagai Alat Ukur Krtkan Terhadap Varans Sebaga Alat Ukur Varans mengukur penympangan pengembalan aktva d sektar nla yang dharapkan, maka varans mempertmbangkan juga pengembalan d atas atau d bawah nla pengembalan yang

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

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

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

TEORI KESALAHAN (GALAT)

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

Lebih terperinci

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

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

Lebih terperinci

OVERVIEW 1/40

OVERVIEW 1/40 http://www..deden08m.wordpress.com OVERVIEW 1/40 Konsep-konsep dasar dalam pembentukan portofolo optmal. Perbedaan tentang aset bersko dan aset bebas rsko. Perbedaan preferens nvestor dalam memlh portofolo

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

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

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

Lebih terperinci

TEORI INVESTASI DAN PORTFOLIO MATERI 4.

TEORI INVESTASI DAN PORTFOLIO MATERI 4. TEORI INVESTASI DAN PORTFOLIO MATERI 4 KONSEP DASAR 2/40 Ada tga konsep dasar yang perlu dketahu untuk memaham pembentukan portofolo optmal, yatu: portofolo efsen dan portofolo optmal fungs utltas dan

Lebih terperinci

KEPUTUSAN-KEPUTUSAN LINTAS WAKTU

KEPUTUSAN-KEPUTUSAN LINTAS WAKTU KEPUTUSA-KEPUTUSA LITAS WAKTU Dr. Mohammad Abdul Mukhy Page Modal adalah uang dan sumber daya yang dnvestaskan Bunga (nterest) adalah pengembalan atas modal atau sejumlah uang yang dterma nvestor untuk

Lebih terperinci

BAB II TEORI ALIRAN DAYA

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

Lebih terperinci

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

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

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen, BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap

Lebih terperinci

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

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

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

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

Lebih terperinci

Bab III Analisis Rantai Markov

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

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

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

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian

BAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

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

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

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

PENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA

PENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA PENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA SKRIPSI Dajukan Sebaga Salah Satu Syarat Untuk menyelesakan Program Sarjana ( S1) Pada Sekolah Tngg Ilmu Ekonom Nahdlatul

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

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

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

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

Lebih terperinci

Deret Taylor & Diferensial Numerik. Matematika Industri II

Deret Taylor & Diferensial Numerik. Matematika Industri II Deret Taylor & Derensal Numerk Matematka Industr II Maclaurn Power Seres Deret Maclaurn adalah penaksran polnom derajat tak hngga 0 0! 0 n n 0 n! Notce: Deret nnte tak hngga menyatakan bahwa akhrnya deret

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

Lebih terperinci

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

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

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

MOJAKOE. March 25. Metode Kuantitatif dalam Bisnis

MOJAKOE. March 25. Metode Kuantitatif dalam Bisnis March 25 MOJKOE 2013 Dlarang memperbanyak MOJKOE n tanpa sejn SP FEUI. Download MOJKOE dan SP Mentorng d : www.spa-feu.com Metode Kuanttatf dalam Bsns SOL WJIB (NOMOR 1-3) SOL I : Plhan ganda ( 45 pon

Lebih terperinci

DIKTAT KULIAH ANALISIS NUMERIK ( CIV

DIKTAT KULIAH ANALISIS NUMERIK ( CIV DIKTAT KULIAH ANALISIS NUMERIK ( CIV 8 Oleh : Agus Setawan S.T. M.T. PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNOLOGI & DESAIN UNIVERSITAS PEMBANGUNAN JAYA TANGERANG SELATAN 6 DAFTAR ISI KATA PENGANTAR DAFTAR

Lebih terperinci