(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN"

Transkripsi

1 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga uva Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung-Sumedang km Janangor ABSRAK Pokok dalam kajan n membahas enang opmsas nvesas porofolo berdasarkan mean dan VaR d baah model ndeks berganda dengan volalas ak konsan. Dalam model ndeks berganda dasumskan baha korelas reurn masng-masng saham dpengaruh oleh respon saham ersebu erhadap perubahan ndeks-ndeks erenu. D sn reurn ndeks dasumskan memlk volalas ak konsan sehngga akan desmas dengan menggunakan model GARCH. Rsko dukur menggunakan VaR yang dhung berdasarkan quanle dsrbus normal sandar. Mean reurn dan VaR akan dgunakan dalam formula opmsas porofolo dan eknk penyelesaannya menggunakan eorema Kuhn-ucker. Dalam paper n danalss pembenukan porofolo yang ersusun dar beberapa saham yang dperdagangkan d pasar modal Indonesa. Adapun yang menjad arge yang dngnkan adalah membenuk komposs porofolo-porofolo efsen dan menenukan porofolo opmalnya. Kaa Kunc : VaR, reurn, model GARCH, model ndeks berganda, eorema Kuhn-ucker ABSRAC he pon of hs paper s opmzaon of nvesmen porfolo based on he mean and he VaR under he mul ndex model h non consan volaly. In mul ndex model, correlaon of each sock reurn assumed s nfluenced by ha sock response o ndex changes. Index reurn s assumed has non consan volaly so ll be esmaed by GARCH models. Rsk s measured by VaR ha calculaed based on quanle sandard normal dsrbuon. Mean reurn and VaR ll be used for formulaon of porfolo opmzaon problem and soluon by usng he Kuhn-ucker heorem. In hs paper ll be analysed he formaon of porfolo hch formed by a fe sock ha are raded n he Indonesan capal marke. he arge of hs problem s o oban effcen porfolos and deermne he opmum porfolo. Keyords : VaR, reurn, GARCH model, mul ndex model, Kuhn-ucker heorem 66

2 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 I. AAR BEAKANG MASAAH Pada umumnya hampr semua nvesas sekuras d pasar modal mengandung unsur kedakpasan aau rsko. Rsko adalah besarnya penympangan anara ngka pengembalan yang dharapkan (expeced reurn) dengan ngka pengembalan akual (acual reurn) (Halm, 005:). nggnya rsko dalam duna keuangan khususnya dalam pasar modal dapa dpengaruh oleh ngka relaf pergerakan nak urunnya saham (volalas) yang ajam. Volalas suau saham merupakan suau ukuran dar kedakpasan enang pengembalan yang dsedakan. Dengan keadaan semacam u maka dapa dkaakan baha nvesor dhadapkan pada rsko dalam nvesas yang dlakukannya sehngga plhan nvesas dak dapa hanya mengandalkan pada reurn (ngka keunungan) yang dharapkan. Agar dapa dkeahu sampa sejauh mana nvesor bsa bernvesas dengan aman, dperlukan ala ukur unuk mengukur rsko. Salah saunya yau dengan menggunakan Value a Rsk (VaR). Unuk mengurang rsko yang danggung, nvesor dapa menyebar nvesasnya pada berbaga kesempaan nvesas. Kombnas berbaga sekuras dalam nvesas ersebu dnamakan porofolo. Memegang porofolo adalah bagan dar nvesas dan sraeg dalam membaas rsko yang dsebu dengan dversfkas. Unuk menyederhanakan analss dalam menenukan porofolo yang opmal maka akan dgunakan model ndeks. Selanjunya akan dseldk bobo (propors) dana yang dapa dnvesaskan pada masng-masng saham yang menyusun porofolo agar menghaslkan reurn porofolo yang maksmum dan ngka rsko (VaR) porofolo yang mnmum.. PERUMUSAN MODE. Penghungan Reurn Saham Indvdual dan Reurn Indeks Reurn adalah pendapaan yang akan derma jka ka mengnvesaskan uang pada suau akva fnansal (saham, oblgas) aau akva rl (propery, anah) (Ghozal, 007:55). Bla harga saham pada har ke- dan ke- masng-masng adalah sebesar P dan P ( ). Maka reurn saham adalah R = ln P P ( ) () Msalkan ndeks j pada saa ke- dan ke- adalah sebesar H dan H j( ). Sama halnya dengan penghungan reurn unuk saham unggal, maka reurn ndeks j yang dperoleh adalah: () I H = ln H j ( ). Model GARCH Bla I adalah varabel acak dar reurn ndeks ke- j pada aku, maka model me seres unuk menaksr mean dan varans reurn ndeks secara beruru-uru dapa duls sebaga berku p = φ + φ + a θ a, a = σ ε 0 k k l l k= l= q (3) 67

3 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 d mana { } m n = 0+ ka k + l l k= l= (4) σ α α βσ ε adalah uruan dar ndependen dencally dsrbued (d) varabel acak dengan mean 0 dan varans, α 0 > 0 dengan α 0 unuk =,,..., p dan β 0 unuk j=,,..., q. Persamaan (3) dan (4) merupakan persamaan mean dan volalas unuk reurn ndeks. Sehngga persamaan unuk meramalkan nla mean dan varans reurn ndeks dalam l langkah ke depan adalah dan ( ) 0 p k + l k l + l l k= l= q l = φ + φ + a θ a (5) m n ( ) = 0+ ka+ l k + l + l l k= l= σ l α α βσ (6) j.3 Model Indeks Berganda Model ndeks berusaha menyederhanakan analss porofolo sera prosedur analss unuk menenukan porofolo yang opmal. Hal n dapa dlakukan sebab dalam model ndeks dasumskan baha korelas reurn masng-masng sekuras erjad karena adanya respon sekuras ersebu erhadap perubahan ndeks erenu (Yula, Praseyo & jpono :996). Jka R merupakan reurn sekuras pada saa dan I adalah reurn ndeks ke- j pada aku, maka reurn sekuras adalah R = α+ βi + βi βi + ε ; =,,..., N (7) E R µ = E I, dengan mengambl ekspekas dar µ = dan I ( ) Msalkan ( ) persamaan (7) dan berdasarkan sfa pembenukan persamaan baha E( ε ) = 0, maka dapa dperoleh j I j= µ = α + β µ (8) Dengan asums baha E ( I µ )( I µ ) = 0 (7) adalah = j I + j= I k Ik dan E ε ( I µ ) = 0 I, maka varans σ β σ σ ε (9) Sehngga sandar devas unuk reurn saham ndvdual adalah = j I + j= σ β σ σ ε (0) Semenara berdasarkan pembenukan persamaan E ( I µ )( I µ ) = 0 ( I ) = 0 E ε µ I saham dengan reurn saham j yau σ β kβ jkσ Ik k sera asums baha ( ) 0 I k Ik dan E ε ε =, maka kovarans anara reurn = () 68

4 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00.4 Value a Rsk Value a Rsk ddefnskan secara umum sebaga kemungknan kerugan maksmum unuk suau poss erenu aau porofolo dalam confdence level yang elah dkeahu erhadap aku horzon spesfk (Redhead,997). Esmas VaR unuk saham ndvdual dengan koefsen kepercayaan ( α ) 00% adalah: ( ) VaR = S z α σ + µ () 0 d mana S 0 adalah besar nvesas aal, µ adalah mean reurn saham, σ sandar devas dar reurn saham, dan z α persenl dar dsrbus normal sandar unuk ngka konfdens α. Dengan demkan Value a Rsk unuk saham ndvdual berdasarkan model ndeks berganda dengan asums besar nvesas sebesar Rp.,00 adalah V ar z α ε = β jσ I + σ α + β jµ I j= j= (3).5 Invesas Porofolo Porofolo adalah sekelompok benuk nvesas (Fabozz, 999). Asumskan suau N porofolo erdr dar N asse, jka porofolo memlk bobo = (,,... N ), = maka ngka reurn porofolo dberkan oleh persamaan (Panjer, 998:373): N = R = R (4) Jka mean reurn saham ndvdual adalah µ, maka mean reurn porofolo ( µ ) adalah N µ = µ. Sedangkan varans reurn porofolo ( σ ) yau σ = j = N N = σ j j = j= d mana σ menunjukkan kovarans anara reurn saham dan reurn saham j unuk j. Value a Rsk porofolo unuk ngka sgnfkans kerugan sebesar α adalah VaR = z α σ µ..6 Opmsas Porofolo Asumskan baha vekor nla ekspekas adalah = ( µ, µ,..., µ N ) ( ) = N, dan marks kovarans adalah Σ = ( σ j ),, j,,..., N, j= N. Dengan bobo reurn porofolo = ( ) µ = E R,,,..., ( ) σ = Cov R R,,,,..., N = j j =, maka = e d mana = (,,...,) µ, dengan =, dengan,..., N d mana e adalah vekor denas. Sehngga berdasarkan asums d aas dperoleh: µ = E R = µ (5) ( ) ( ) σ = Var R = Σ (6) Dengan demkan Value a Rsk unuk porofolo dengan ngka sgnfkans kerugan sebesar α adalah 69

5 ( ) Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 V a R = z α Σ µ (7) Suau porofolo dengan bobo * dkaakan (mean-var) efsen jka dak ada porofolo dengan µ µ * dan VaR < VaR* (Panjer, 998:379). Unuk memperoleh porofolo yang efsen, gunakan fungs obyekf yau dengan memaksmumkan { τµ VaR}, τ 0 d mana τ menunjukkan olerans rsko dar nvesor. Sehngga dengan olerans rskoτ 0 harus dselesakan persoalan opmas ( ) m ax τ µ z α Σ + µ (8) dengan pembaas e =. Masalah d aas adalah masalah opmsas dengan fungs kendala persamaan. Sehngga unuk mencar vekor bobo opmal dar masalah d aas perlu ddefnskan fungs agrangean, yau (, λ) = ( τ + ) ( ) λ( + ) µ z α Σ e (9) Karena marks kovarans Σ merupakan sem-defne posf, fungs objekf adalah quadrac concave (Panjer, 998:380). alu dengan menggunakan eorema Kuhn-ucker, syara opmalas adalah z Σ = + µ + e = α ( τ ) λ 0 = e = 0. λ ( Σ ) Mn Unuk τ = 0, dperoleh suau VaR porofolo mnmum dengan vekor bobo. Berdasarkan perhungan aljabar dengan mengambl nla-nla B = + µ Σ e e Σ µ dan = µ Σ µ, dapa dperoleh nla dengan vekor bobo sebaga berku: M n Σ µ + λ Σ e = e Σ µ + λ e Σ e C z α λ = A = e Σ e, B + ( B 4 A C ) A Semenara unuk τ > 0, dperoleh porofolo opmum dengan vekor bobo *. Berdasarkan perhungan aljabar dan mengambl nla-nla A= e Σ e, B = (τ + )( µ Σ e + e Σ µ ) dan = ( τ + ) ( µ Σ µ ), dperoleh nla λ B + ( B 4 A C ) A (τ + ) Σ µ + λ Σ e * = (τ ) λ + e Σ µ + e Σ e =, dan vekor bobonya adalah C z α Mn Apabla vekor dsubsuskan ke dalam formula mean dan VaR porofolo, maka dapa dperoleh reurn porofolo dengan Value a Rsk mnmum. Dengan cara yang serupa, apabla vekor * yang dsubsuskan maka akan dperoleh reurn porofolo opmum. 3. ANAISIS KASUS Unuk aplkas dar meode yang elah dberkan d aas, danalss reurn saham dar empa perusahaan d Indonesa, yau Asra Inernaonal bk, Bank Rakya Indonesa bk, (0) () 70

6 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 elekomunkas Indonesa bk, dan Bank Mandr bk. Semenara daa ndeks yang danalss melpu ndeks ndusr dan ndeks ekonom. Unuk ndeks ndusr daa yang dgunakan adalah IHSG (Indeks Harga Saham Gabungan), sedangkan unuk ndeks ekonom daa yang dgunakan adalah kurs nla ukar Rupah erhadap Euro, US Dollar, dan Yen. Daa harga saham dan daa ndeks yang dgunakan adalah daa dalam perode Januar 005 s.d. Desember 009 yang dperoleh melalu akses nerne. Unuk menyeldk nla mean dan varansnya, daa reurn ndeks danalss menggunakan model me seres. Melalu observas erhadap sejumlah model, akhrnya berdasarkan uj dagnosk menggunakan Eves 5 dperoleh hasl baha model yang cukup bak adalah AR()-GARCH(,) unuk daa IHSG, AR()-GARCH(,) unuk daa kurs nla ukar Rupah erhadap Euro, AR()-GARCH(,) unuk daa kurs nla ukar Rupah erhadap US Dollar, dan AR()-GARCH(,) unuk daa kurs nla ukar Rupah erhadap Yen. Unuk reurn IHSG dperoleh parameer model AR()-GARCH(,) yau: r = r + a σ = a σ + ε Unuk reurn kurs nla ukar Rupah erhadap Euro, dperoleh parameer model AR()- GARCH(,) yau: r = r + a σ = a σ σ + ε Unuk reurn kurs nla ukar Rupah erhadap US Dollar, dperoleh parameer model AR()- GARCH(,) yau: r = r + a σ = a a σ + ε Semenara unuk reurn kurs nla ukar Rupah erhadap Yen, juga dperoleh parameer model AR()-GARCH(,) yau: r = r + a σ = a a σ + ε Adapun hasl forecasng langkah ke depan dar model mean dan varans reurn ndeks dsajkan dalam abel berku n abel Peramalan Mean dan Varans pada Reurn Keempa Indeks Indeks Mean Varans IHSG 0, ,0007 Kurs Rupah erhadap Euro -0, , Kurs Rupah erhadap USD -0,0006 0,00003 Kurs Rupah erhadap Yen 0, , Daa reurn pada keempa saham dregreskan erhadap reurn ndeks unuk mengeahu nla koefsen bea yang merupakan ngka sensvas perubahan reurn saham erhadap reurn ndeks. Haslnya dberkan pada abel berku n abel Model Regres pada Daa Reurn Keempa Saham Saham Model Regres R Asra BRI RA = 0, , 34I I 0, 36I E + 0, 400IU 0, 0507IY + ε A 50,7 (0,887) (0, 000) (0, 000) (0, 00) (0, 60) RB = 0, , 8I I 0, 0988I E 0,033I U 0,04I Y + ε B 49,8 (0, 797) (0,000) (0, 84) (0, 796) (0, 8) % % F 304, 8 94, 6 p- value 0,000 0,000 7

7 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 elko m Mand r R = 0, ,936I I 0, 00I E 0,49IU 0, 060IY + ε 45,8 (0,575) (0, 000) (0, 005) (0,35) (0, 79) % RM = 0, , 38I I 0,80I E 0, 075IU + 0,0IY + ε M 54,9 (0, 564) (0, 000) (0, 040) (0, 54) (0, 76) % 50, 9 36, 5 0,000 0,000 Adapun nla yang berada d baah penduga pada persamaan regres lner berganda merupakan nla probablas observas sebaga ukuran ngka keelan unuk pengujan hpoess. Unuk menguj sgnfkans model regres dan parameernya, dgunakan uj F dan uj. Dar hasl forecasng langkah ke depan unuk nla mean reurn ndeks, maka selanjunya dapa dperoleh mean reurn seap saham dengan menggunakan formula µ. Haslnya penaksrannya dberkan ke dalam benuk vekor µ = ( 0, , , , ). Berdasarkan hasl penaksran varans reurn ndeks dan koefsen bea, selanjunya desmas nla varans reurn saham dan kovarans reurn anar saham dengan menggunakan formula σ dan σ. Haslnya dberkan dalam benuk marks kovarans, dan nvers dar marks kovarans adalah sebaga berku: Persoalan opmsas dkembangkan berdasarkan (8) dengan menggunakan pengal agrange dan eorema Kuhn-ucker. alu dsesuakan dengan jumlah saham yang danalss, e = sebaga vekor denas. Dengan menggunakan ngka defnskan ( ) sgnfkans 5%, dperoleh hasl sebaga berku: Unuk olerans rsko τ = 0, menggunakan persamaan (0) dperoleh vekor bobo porofolo yang menghaslkan VaR mnmum, yau µ = ( 0,50 0,794 0, 560 0,544). Komposs porofolo n memberkan expeced reurn sebesar 0, dengan ngka VaR sebesar 0, Unuk olerans rsko τ =, menggunakan persamaan () dperoleh vekor bobo porofolo µ = ( 0,5 0,83 0, ,66). Komposs porofolo n memberkan expeced reurn sebesar 0,00076 dengan ngka VaR sebesar 0,0938. Unuk olerans rsko τ =, menggunakan persamaan () dperoleh vekor bobo porofolo µ = ( 0, 5 0, 8 5 0, , 6 8 7). Komposs porofolo n memberkan expeced reurn sebesar 0, dengan ngka VaR sebesar 0, Pada prnspnya besar olerans rsko mash dapa erus dngkakan, dengan syara bobo porofolo yang dhaslkan bernla 0 < <. Dalam kasus n nla maksmum olerans rsko adalah τ = 39, 0, d mana dhaslkan komposs porofolo dengan expeced reurn porofolo erngg yau sebesar 0, dengan VaR sebesar 0, Seap penngkaan nla olerans rsko akan menyebabkan kenakan nla mean reurn porofolo yang juga dsera dengan kenakan Value a Rsk porofolo. 7

8 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 Gambar Effcen Froner Porofolo Seelah dperoleh porofolo-porofolo efsen, selanjunya berdasarkan komposs porofolo efsen yang menghaslkan mean reurn dan Value a Rsk porofolo dengan raso erbesar, dperoleh porofolo opmal. Adapun komposs porofolo yang memua raso expeced reurn dan VaR erbesar dapa dlha dalam abel 3 berku n: abel 3 Komposs Porofolo Opmal τ Bobo µ VaR V a R 7,00 0,6688 0,98 0,34 0,796 0, , , ,50 0,6740 0,3084 0,38 0,8354 0, , , ,00 0,6793 0,34 0,37 0,8749 0, , ,0689 8,65 0,686 0,3447 0,3046 0,965 0, , ,0683* 9,00 0,6899 0,3559 0,9997 0,9545 0, , ,0688 9,50 0,6953 0,379 0,938 0,9946 0, , ,068 0,00 0,7006 0,3880 0,8763 0,3035 0, , , Dengan demkan ddapakan hasl baha porofolo opmal alah porofolo yang memberkan expeced reurn 0,00085 dengan ngka VaR sebesar 0, KESIMPUAN Reurn keempa saham yang elah danalss memberkan respon erhadap perubahan reurn ndeks. Model me seres unuk memodelkan mean dan volalas reurn ndeks adalah AR()-GARCH(,) unuk IHSG, model AR()-GARCH(,) unuk reurn kurs nla ukar Rupah erhadap Euro, model AR()-GARCH(,) unuk reurn kurs nla ukar Rupah erhadap US Dollar dan model AR()-GARCH(,) unuk reurn kurs nla ukar Rupah erhadap Yen. Hasl opmsas porofolo berdasarkan mean-value a Rsk menunjukkan baha seap penngkaan olerans rsko menyebabkan kenakan nla expeced reurn porofolo yang juga dsera dengan kenakan ngka Value a Rsk porofolo. Berdasarkan komposs porofolo efsen yang menghaslkan mean reurn dan Value a Rsk porofolo dengan raso erbesar, dperoleh porofolo opmal yau porofolo yang memberkan expeced reurn senla 0,00085 dengan ngka Value a Rsk sebesar 0, µ 73

9 Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November DAFAR PUSAKA Fabozz Frank J Manajemen Invesas Eds Perama. Jakara : Salemba. Ghozal, I Manajemen Rsko Perbankan. Semarang. Halm, A Analss Invesas. Jakara : Penerb Salemba Empa (P Salemba Empa Para). Panjer, H.H., Boyle, D.D., Cox, S.H., Dufresene, D., Gerber, H.U., Mueller, H.H., Pedersen, H.W., & Plska, S.R Fnancal Economcs. Wh Applcaon o Invesmens, Insurance and Pensons, he Acuaral Foundaon, Schaumberg, Illnos. Redhead, Keh Fnancal Dervaves: An Inroducon o Fuure, Forards, Opons and Saps. Prence Hall Europe. Yula, Sr Handaru, Praseyo, Handoyo & jpono Fandy Manajemen Porofolo dan Analss Invesas. Yogyakara: Penerb ANDI. 74

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

( L ). Matriks varians kovarians dari

( L ). Matriks varians kovarians dari LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2 Pengukuran Value a sk (D Ash I Maruddan) PEGUKUA VALUE AT ISK PADA ASET TUGGAL DA POTOFOLIO DEGA SIMULASI MOTE CALO D Ash I Maruddan 1, Ar Purbowa 1 Saf Pengajar Program Sud Saska FMIPA UDIP Bro Pusa Saska

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

ESTIMASI PENYESUAIAN LIKUIDITAS TERHADAP VALUE AT RISK DARI DATA HISTORIS

ESTIMASI PENYESUAIAN LIKUIDITAS TERHADAP VALUE AT RISK DARI DATA HISTORIS ESTIMASI PENYESUAIAN LIKUIDITAS TERHADAP VALUE AT RISK DARI DATA HISTORIS Novana Praw Jurusan Saska, Insu Sans & Teknolog AKPRIND Yogyakara Masuk: 27 Mare 205, revs masuk : Me 205, derma: 9 Jun 205 ABSTRACT

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDAAN TEORI Pada bab n akan dbahas beberapa eor maemaka keuangan dan saska yang mendukung dalam penurunan formula Lookback Opons pada Bab III dan pembuaan program pada Bab IV. Teor-eor yang

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

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

PERANAN MODEL TIGA FAKTOR TERHADAP PEMBENTUKAN PORTOFOLIO EFISIEN SAHAM LQ 45 DI BURSA EFEK INDONESIA

PERANAN MODEL TIGA FAKTOR TERHADAP PEMBENTUKAN PORTOFOLIO EFISIEN SAHAM LQ 45 DI BURSA EFEK INDONESIA PERANAN MODEL TIGA FAKTOR TERHADAP PEMBENTUKAN PORTOFOLIO EFISIEN SAHAM LQ 45 DI BURSA EFEK INDONESIA Prakarsa Pan Negara ABSTRAK Fama dan French (1995) mengembangkan CAPM dalam Three Facor Model unuk

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

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

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

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

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

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis JURAL SAIS DA SEI ITS Vol. 5 o. 2 (2016) 2337-3520 (2301-928X Prn) D-217 Pemodelan Penyerapan Tenaga Kerja Sekor Indusr d Indonesa Dengan Pendekaan Regres Daa Panel Dnams Avolla Terza Damalana dan Seawan

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

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

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

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

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

Lebih terperinci

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

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

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI Prosdng Semnar Nasonal Manajemen Teknolog X Program Sud MMT-TS, Surabaya 6 Pebruar 2010 PENGGUNAAN METODE MODFED UNT DECOMMTMENT (MUD) UNTUK PENJADWALAN UNT-UNT PEMBANGKT PADA SSTEM KELSTRKAN JAWA - BAL

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

RETURN DAN RISIKO DALAM INVESTASI

RETURN DAN RISIKO DALAM INVESTASI RETURN DAN RISIKO DALAM INVESTASI 1 Return (Imbal hasl) nvestas Expected return (Return ekspetas) return yang dharapkan akan ddapat oleh nvestor d masa depan Actual return/ Realzed return (Return aktual)

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali Penggunaan Meode Modfed Un Decommmen (MUD) unuk Penjadwalan Un-Un Pembangk Pada Ssem Kelsrkan Jawa - Bal Ars Her Andrawan,2, Onoseno Penangsang ) Jurusan Teknk Elekro TS, Surabaya 60, ndonesa 2) Jurusan

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

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan

Lebih terperinci

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

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

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

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 METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas

Lebih terperinci

ANALISIS KAUSALITAS KEPUTUSAN INVESTASI, PEMBIAYAAN DAN DIVIDEN PADA PERUSAHAAN ASURANSI

ANALISIS KAUSALITAS KEPUTUSAN INVESTASI, PEMBIAYAAN DAN DIVIDEN PADA PERUSAHAAN ASURANSI hal: 85 15 ANALISIS KAUSALITAS KEPUTUSAN INVESTASI, PEMBIAYAAN DAN DIVIDEN PADA PERUSAHAAN ASURANSI Sursno Fakulas Ekono Unversas Isla Indonesa Yuana Alunus Progra Magser Manageen Unversas Isla Indonesa

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai

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

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

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 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN

BAB IV ANALISIS DAN PEMBAHASAN 24 BAB IV ANALISIS DAN PEMBAHASAN 4.1 Hasl Uj Asums Klask 4.1.1 Uj Asums Mulkolneras Menuru Wdarjono (2005) jka koefsen daas 0.85 dapa dsmpulkan erdapa masalah mulkolneras pada model. Sebalknya jka koefsen

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

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

Lebih terperinci

DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH

DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 009 ABSTRACT DARWISAH. Dynamcs

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

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

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Yeffransjah Salm STMIK Indonesa

Lebih terperinci

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap Peramalan Dengan Model SVR Pada Daa Inflas Indonesa Dan Nla Tukar Ruah Terhada Dolar merka Dengan Menggunakan Meode Boosra Dav S Wardan, d Seawan 2, Dd B Nugroho 3 PS Maemaka, Fak Sans dan Maemaka, UKSW

Lebih terperinci

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

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

EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA

EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Jurnal Ekonom Pembangunan Volume 1, Nomor, Desember 011, hlm.57-71 EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Arn Wahyu Uam, Jamhar, dan Suhamn Hardyasu Jurusan Sosal Ekonom Peranan, Fakulas

Lebih terperinci

MEMAKSIMUMKAN NILAI HARAPAN KEKAYAAN INVESTOR DENGAN STRATEGI INVESTASI SAHAM DUA PERUSAHAAN YANG BERGABUNG NUR AZIEZAH

MEMAKSIMUMKAN NILAI HARAPAN KEKAYAAN INVESTOR DENGAN STRATEGI INVESTASI SAHAM DUA PERUSAHAAN YANG BERGABUNG NUR AZIEZAH MEMAKIMUMKAN NILAI HARAPAN KEKAYAAN INVETOR DENGAN TRATEGI INVETAI AHAM DUA PERUAHAAN YANG BERGABUNG NUR AZIEZAH DEPARTEMEN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT PERTANIAN BOGOR

Lebih terperinci

PENAKSIRAN PELUANG KESEMBUHAN

PENAKSIRAN PELUANG KESEMBUHAN Prosdng SNaPP2011 Sans, Teknolog, dan Kesehaan ISSN:2089-3582 PENAKSIRAN PELUANG KESEMBUHAN DENGAN KEKAMBUHAN BERDISTRIBUSI EKSPONENSIAL 1 Abdul Kudus, 2 R. Dachlan Muchls, dan 3 Tk Respa 1,2 Jurusan Saska,

Lebih terperinci

Konferensi Nasional Sistem dan Informatika 2008; Bali, November 15, 2008

Konferensi Nasional Sistem dan Informatika 2008; Bali, November 15, 2008 Konferens asonal Ssem dan Informaka 008; Bal, ovember, 008 KSI08-0 APLIKASI MATEMATIKA UMERIK METODE EWTO RAPHSO DALAM BIDAG MAAJEME KEUAGA: SUATU TIJAUA KHUSUS MEETUKA ILAI ITERAL RATE OF RETUR DA YIELD

Lebih terperinci

Analysis of Covariance (ANACOVA)

Analysis of Covariance (ANACOVA) Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik 6 BAB LANDASAN TEORI. Model Persedaan.. Model Deermnsk Model Deermnsk adalah model yang menganggap nla-nla parameer elah dkeahu dengan pas. Model n dbedakan menjad dua: a. Deermnsk Sas. D dalam model n

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 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

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

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 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju

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 III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR 15 BAB III MODEL PERTUMBUHA EKOOMI DUA SEKTOR 3.1 Aum dan oa Model perumbuhan dua ekor n merupakan model perumbuhan dengan dua komod yang dhalkan, yau barang modal dan barang konum. Kedua barang n dproduk

Lebih terperinci