BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab berikuya.. Ivesasi Ivesasi pada dasarya adalah komime aas sejumlah daa aau sumber daya laiya yag dilakuka pada saa ii, dega ujua memperoleh sejumlah keuuga di masa yag aka daag (E. Tadelili, 00). Pihak-pihak yag melakuka ivesasi disebu ivesor. Hampir semua ivesasi megadug usur keidakpasia da mempuyai risiko megalami kerugia pada waku melakuka ivesasi. Tujua ivesor dalam berivesasi adalah memaksimalka reur dega memiimalka risiko ivesasi yag dierimaya.. Reur da Risiko Suau ivesasi yag mempuyai risiko yag iggi seharusya memberika reur (igka pegembalia) yag diharapka juga lebih iggi. Reur merupaka suau fakor yag membua ivesor berivesasi da meerima ilai pegembalia/ imbal-hasil aas ivesasi yag dilakuka. Meuru Fabozzi (995), risiko merupaka kerugia yag dihadapi oleh para ivesor. Risiko dapa juga didefiisika sebagai kemugkia perbedaa aara reur yag dierima dega reur yag diharapka. Semaki besar kemugkia perbedaaya, berari semaki besar risiko ivesasi ersebu (E. Tadelili, 00). Risiko adalah sebuah peluag dimaa hasil yag sesugguhya bisa berbeda dega hasil yag diharapka aau kemugkia ilai yag hilag aau Uiversias Sumaera Uara

2 7 diperoleh yag dapa diukur. Risiko berbeda dega keidakpasia yag idak dapa diukur seperi igka kepuasa erhadap suau beda, jasa maupu pelayaa (Aaroga da Pakari, 006)..3 Porofolio Porofolio umumya diarika sebagai kumpula sejumlah ivesasi yag dimiliki perseoraga aau perusahaa. Aspek pokok eori porofolio adalah kosep risiko yag erkai pada ase yag berada dalam suau porofolio (E. Tadelili, 00). Harry M. Markowiz (95), seorag yag perama kali megembagka eori pemiliha porofolio meyaaka bahwa sebagia besar ivesor ermasuk dalam risk averer (meghidari risiko). Hal ii berari ivesor aka selalu berusaha uuk meghidari risiko sehigga ivesor mecoba megalokasika kekayaaya ke berbagai porofolio uuk meghasilka keuuga yag opimal selama jagka waku ereu (holdig period). Seelah iu ivesor aka mejual ivesasiya pada akhir masa ereu. Salah sau cara meuruka risiko dalam ivesasi adalah dega melakuka diversifikasi. Diversifikasi adalah kegiaa membeuk da memasukka semua kelas ase ke dalam porofolio sedemikia sehigga risiko dapa dimiimalka apa meguragi reur yag diharapka. Umumya asease keuaga dibeuk mejadi sau porofolio yag diamaka porofolio ivesasi. Porofolio ivesasi merupaka kumpula ivesasi yag dibeuk uuk memeuhi suau sasara umum ivesasi dimaa fokus uama uuk meeuka porofolio opimal (Zamli Zubir, 0). Teori porofolio membahas bagaimaa melakuka pemiliha porofolio dari sekia bayak kelas ase sera memaksimalka reur yag diharapka pada igka risiko ereu yag bersedia diaggug ivesor. Dega kaa lai, eori porofolio membahas bagaimaa cara membeuk porofolio yag opimal. Uiversias Sumaera Uara

3 8 Ada iga kosep dasar yag perlu dikeahui sebagai uuk memahami pembeuka porofolio opimal, yaiu:. Porofolio efisie da porofolio opimal Pada dasarya maajeme porofolio erdiri dari 3 akifias uama, yaiu: pembuaa kepuusa alokasi asse, peeua proporsi daa yag aka diivesasika pada masig-masig kelas asse, da pemiliha asse-asse dari seiap kelas yag elah dipilih. Dalam membeuk porofolio, ivesor selalu igi memaksimalka reur yag diharapka dega igka risiko ereu yag bersedia diaggugya aau mecari porofolio yag meawarka risiko eredah dega igka reur ereu. Porofolio efisie adalah porofolio yag meyediaka reur maksimal bagi ivesor dega igka resiko ereu aau porofolio yag meawarka resiko eredah dega igka reur ereu. Sedagka porofolio opimal adalah porofolio yag dipilih ivesor dari sekia bayak piliha yag ada pada porofolio efisie. Pemiliha porofolio opimal didasarka pada preferesi ivesor erhadap reur yag diharapka dari resiko.. Ase berisiko da ase ak berisiko Ivesasi berdasarka sifa ase yag diaamka digologka ke dalam dua jeis yaiu ivesasi pada ase berisiko da ivesasi pada ase idak berisiko. Ase berisiko adalah ase-ase yag igka reur di masa depaya masih megadug keidakpasia sedagka ase idak berisiko adalah ase yag igka reur di masa depaya umumya sudah bisa dipasika saa ii. Pada ulisa ii, ivesasi pada ase berisiko adalah meaamka uag di saham da ivesasi pada ase idak berisiko adalah meabug uag di bak. Dalam berivesasi, ivesor memilih megivesasika kekayaaya pada berbagai ase, baik pada ase berisiko maupu ase idak risiko aaupu kombiasi dari kedua ase ersebu. Piliha ivesor pada kedua ase ersebu aka ergaug dari padaga ivesor erhadap risiko. Semaki ivesor megidari risiko, maka piliha ivesor cederug megivesasika kekayaaya lebih bayak pada ase-ase idak berisiko. Uiversias Sumaera Uara

4 9 3. Fugsi uilias Secara umum, uilias megukur besarya kepuasa yag dirasaka dari sebuah objek. Ukura ii diyaaka dalam ideks uilias (uiliy idex). Jadi dapa disimpulka bahwa peeua ideks uilias dipegaruhi oleh karakerisik idividu. Pemiliha porofolio uuk model uilias yag diharapka dilakuka dega megaalisis uilias dari seiap hasil yag mugki diperoleh ivesor. Objek yag dijadika baha pembahasa dari fugsi uilias yag diharapka adalah kekayaa (wealh) sehigga fugsi uilias merupaka fugsi kekayaa yag dilambagka dega U(w). Piliha ivesasi pada ase berisiko didorog oleh adaya premium yag diilai sebadig dega risiko yag dihadapi. Ivesor haya memperimbagka erhadap piliha ivesasi di bebas risiko da ivesasi yag memiliki risk premium posiif. Risk premium adalah selisih aara raaraa reur ivesasi berisiko dega raa-raa reur ivesasi idak berisiko sehigga fugsi uilias merupaka fugsi keuuga pada porofolio. Pada kasus ivesor yag selalu berusaha meghidari risiko erdapa berbagai macam fugsi uilias yaiu: (a) Uilias Kuadraik (Quadraic Uiliy) (b) Uilias Ekspoesial (Ekspoesial Uiliy) (c) Uilias Pagka (Power Uiliy).4 Turua Defiisi.4.. Turua fugsi f dari x aau f(x) adalah ' f f ( x h) f ( x) ( x). h Selajuya jika U da V adalah fugsi-fugsi dari x yag dapa didiferesialka d dv du maka ( UV ) U V.... (.) dx dx dx Uiversias Sumaera Uara

5 0 Teorema.4. (Verbeg, Purcell da Rigdo, 00) Misalka y = f(u) da u = g(x). Jika g erdiferesiasika di u = g(x), maka fugsi komposi, f g yag didefiisika oleh ( f g)( x) f ( g( x)) didiferesialka di x sehigga ( f g) ' ( x) D f ( g( x)) x, aka f ' ( g( x)) g' ( x)... (.) Defiisi.4.3. Turua Parsial Z f ( x, y) suau fugsi dega variabel x da y dikaaka urua pasial. Jika x berubah eapi y eap maka urua parsial erhadap x adalah Z f ( x x, y) f ( x, y) f ( x, y)... (.3) lim x x 0 x x. Jika y berubah eapi x eap maka urua parsial erhadap y adalah Z f ( x, y y) f ( x, y) f ( x, y) lim y y 0 y y... (.4) Adaika Z f ( x, y) fugsi koiu pada variabel x da y dega urua parsial erhadap x adalah Z da urua parsial ke y adalah Z x y (Karoo, 994). Jika x, y merupaka fugsi yag dapa didiferesialka dega x g( ), y h( ) pada suau variabel maka Z merupaka fugsi dari da dari Z dega memperhaika Z disebu urua oal Z Z x Z y x y.... (.5).5 Iegral Iegral merupaka kebalika dari diferesial aau ai diferesial. Iegral ada dua jeis yaiu. Iegral ak eu yaiu iegral yag idak memiliki baas-baas iegral. Uiversias Sumaera Uara

6 Defiisi.5.. Fugsi F disebu ai urua dari fugsi f dioasika dega A(f) aau F( x) dx bila F' ( x) f ( x). Lebih legkap diuliska sebagai beriku: Jika d F( x) c df( x) F' ( x) maka ' F ( x) dx df( x) F( x) c, dimaa c.. Iegral eu yag diambil pada suau daerah aau ierval ereu. Defiisi.5.. Suau fugsi f(x) yag koiu pada ierval a x b maka b a f ( x) dx lim f ( x ) x k k k... (.6a) b a b df( x) dx F( x) F( b) F( a) a... (.6b) Defiisi.5.3. Jika F(x) = U(x).V(x) fugsi yag koiu pada ierval [a, b] b b b maka U( x) dv ( x) df( x) dx V ( x) du ( x) a a a... (.7a) b aau U( x) dv ( x) F( b) F( a) V ( x) du ( x) a b a... (.7b) Selai dari kedua jeis iegral ersebu erdapa juga iegral parsial. Di dalam diferesial dikeahui bahwa jika U da V adalah fugsi-fugsi yag dapa didiferesialka maka d( UV ) Udv Vdu apabila kedua ruas diiegralka diperoleh... (.8) UV UdV VdU UdV UV VdU... (.9) Iegral parsial yag serig juga dikeal dega iegral by par memiliki sifa umum sebagai beriku a. Peraa dalam memilih dv diuamaka yag lebih mudah diiegralka. b. VdU sebaikya idak lebih suli dari pada UdV..6 Pediferesiala Iegral Teorema.6. (Verbeg, Purcell da Rigdo, 00) Jika f koiu pada selag eruup [a, b] da jika x adalah variabel yag x merupaka sebuah iik dalam [a, b] maka Dx f ( ) d f ( x). a Uiversias Sumaera Uara

7 x Buki. Misalka G( x) f ( ) d aka dibukika G ' ( x) f ( x). a xh x xh dega h > 0 da m adalah G( x h) G( x) f ( ) d f ( ) d f ( ) d a a a ilai miimum sera M adalah ilai maksimum f pada selag [x, x+h] maka m f () M xh xh xh m d f ( ) d M d a a a xh mh f ( ) d M h a m h G( x h) G( x) M h G( x h) G( x) m M h G( x h) G( x) lim f( x) h0 h G ' ( x) f ( x) Beuk pediferesiala iegral dapa dirumuska sebagai beriku d f ( s, ) d f ( s, ) ds f ( 0, ) ds... (.0) Persamaa Diferesial Liier.7. Permulaa Persamaa Diferesial Persamaa diferesial adalah suau persamaa yag didalamya erdapa uruaurua yag merupaka hubuga aara variabel bebas da variabel ak bebasya sera variabel urua erhadap variabel ak bebas dalam berbagai orde. Secara simbol diulis: di maa x = variabel bebas. y = variabel ak bebas. F x, y', y'',..., y 0... (.) Uiversias Sumaera Uara

8 y', y'',..., y = urua-urua y erhadap x. Suau derivaif aau urua eriggi yag erdapa dalam suau persamaa diferesial merupaka orde dari suau persamaa diferesial sedagka degree (deraja) suau persamaa diferesial adalah pagka eriggi dari urua eriggi yag erdapa dalam suau persamaa diferesial. Peyelesaia umum dari suau persamaa diferesial adalah suau peyelesaia yag didalamya erdapa kosaa sebarag, diulis dega F( x, y, c) 0 ; c adalah kosaa Peyelesaia khusus (pariculir soluio) adalah suau peyelesaia yag didalamya sudah dieuka kosaa sebarag mejadi kosaa absolu diulis dega F( x, y, co ) 0. Jika erdapa variabel bebas yag uggal, urua merupaka urua biasa maka persamaaya disebu persamaa diferesial biasa sedagka jika erdapa dua aau lebih variabel bebas da uruaya adalah urua parsial maka persamaya disebu persamaa diferesial parsial (Karoo, 994) Persamaa Diferesial Liier Orde Sau Persamaa diferesial liier orde sau diulis dalam beuk F x y y,, ' 0 aau '. Peyelesaia umumya adalah y ( x, c) y F( x, y) di maa peyelesaiaya megadug suau kosaa c. Bila diberika syara awal x x0 da y y0 maka kosaa c dapa dicari misalya c c0. Peyelesaia aau jawaba uuk c c 0 diamaka jawaba khusus dalam beuk y ( x, c0 ) (Karoo, 994)..7.3 Persamaa Diferesial Liier Orde Beuk umum persamaa diferesial liier orde adalah P y P y P y P y Q... (.) 0... Uiversias Sumaera Uara

9 di maa P0 0 da Q 0 P, P,..., P adalah kosaa. Q adalah fugsi. Uuk meyederhaaka da memudahka perhiuga persamaa diferesial ersebu dapa diguaka operaor D dimaa mejadi ( P D P D P D... P ) y Q. 0 4 d D selajuya dapa diulis dx Suau persamaa differesial liier orde dega keofisie kosa disebu homoge apabila Q = 0 sehigga beukya mejadi dapa juga diulis ( P D P D P D... P ) y 0... (.3) 0 P0 D P D P D... P 0... (.4) dapa juga difakorka mejadi ( D m )( D m )...( D m )( D m) 0dimaa m, m... m, m merupaka akar karakerisik dari persamaa (.3) (Karoo, 994)..8 Probabilias Probabilias aau peluag secara klasik dapa diarika sebagai suau ukura eag igka kemugkia suau perisiwa (eve) aka erjadi di masa medaag. Oleh karea iu diperluka suau pegamaa. Proses pegamaa ersebu diamaka suau percobaa. Hasil dari suau percobaa diamaka hasil (oucames) aau iik sampel. Himpua yag berisi semua hasil yag mugki dari suau percobaa disebu dega ruag sampel. Ruag sampel serig dioasika dega S aau Ω. Sedagka kejadia aau eve adalah himpua bagia dari ruag sampel (Sudjaa, 005). Uiversias Sumaera Uara

10 5.9 Sifa-sifa Probabilias Defiisi.9. Misalka Ω adalah ruag sampel da A adalah suau kejadia pada ruag sampel Ω. () Jika A = maka P(A) = 0. () Nilai probabilias kejadia A, yaiu P(A) berkisar dari 0 sampai PA (3) Jumlah ilai probabilias semua hasil dari suau percobaa aau P(Ω)=. 0 ( )..0 Variabel Acak da Disribusi Probabilias.0. Variabel Acak Uuk meggambarka hasil-hasil percobaa sebagai ilai-ilai umerik secara lebih sederhaa, maka diguaka variabel acak. Variabel acak biasaya meghubugka ilai-ilai umerik dega seiap kemugkia hasil percobaa. Nilai umerik ersebu bersifa diskri (hasil hiuga) da bersifa koiu (hasil pegukura, oleh kareaya variabel acak dapa dikelompokka mejadi:. Variabel Acak Diskri Variabel acak diskri haya dapa megambil ilai-ilai ereu yag erpisah, yag umumya dihasilka dari peghiuga suau objek. Syara yag harus dipeuhi uuk fugsi probabilias diskri: (i) Px ( ) 0 aau 0 Px ( ) i (ii) Px ( ) i Defiisi.0. Nilai harapa (expeced value) variabel acak diskri adalah raa-raa erimbag seluruh kemugkia hasil di maa peimbagya adalah ilai probabilias yag dihubugka dega seiap hasil (oucome). Ekspekasi aau ilai harapa dapa dirumuska dega E( X ) x. P( x ) x i i i= E( X ) x. P( x ) x. P( x )... x. P( x )... (.5) aau x Uiversias Sumaera Uara

11 6 di maa x i = ilai ke-i dari variabel acak X Px ( i ) = probabilias erjadiya xi Varias dari Variabel Acak diskri X yag dioasika dega Var[x] dieuka dega rumus: Var[ x] E[ x - E( x)] E( x ) -[ E( x)] x aau... (.6). Variabel Acak Koiu Jika megukur sesuau seperi lebar ruaga, iggi bada, aau bera bada seseorag, maka variabel yag dihasilka adalah variabel acak koiu. Hasil pegukura ersebu mugki aka berbeda-beda ergaug pada siapa yag melakuka pegukura da igka keeliia yag diguaka. Oleh karea hasil pegukura idak bisa seakura hasil perhiuga, maka ilai hasil pegukura bisa bervariasi dalam suau selag ilai ereu. Misalya jarak aara Meda da Pemaag Siaar dapa 7 km, 7,6 km, 8 km da seerusya ergaug pada keeliia ala ukur aau si pegukur. percobaa. Beriku diberika beberapa cooh variabel koiu dari suau Cooh.0.. Variabel Koiu Percobaa Membagu proyek perkaora baru seelah bula Isi bool miuma jadi (maximum = 600 ml) Peimbaga 0 pake kemasa (maximum = kg) Kemugkia Nilai-ilai Variabel Acak Variabel Acak Persease proyek yag diselesaika 0 x 00 Jumlah millilier 0 x 600 Bera sebuah pake kemasa (kg) 0 x Uiversias Sumaera Uara

12 7.0. Disribusi Probabilias Variabel Acak Koiu Disribusi probabilias variabel acak koiu diyaaka dega fugsi f(x) da serig disebu fugsi kepadaa (desiy fucio) aau fugsi kepadaa probabilias. Nilai f(x) bisa lebih besar dari. Syara yag harus dipeuhi oleh fugsi kepadaa probabilias : (i) f(x) 0 (ii) f ( x) dx di maa f(x) dx = P[x X (x + dx)], yaiu probabilias bahwa ilai X erleak pada ierval x da x + dx. Defiisi.0.3. Beberapa defiisi megeai variabel acak koiu. Fugsi Probabilias Kumulaif Variabel Acak Koiu : F( x) P( X x) f ( x) dx... (.7) Nilai-ilai x dalam rumus ii harus koiu aau dalam suau ierval.. Ekspekasi aau mea uuk variabel acak koiu X dieuka dega rumus : E( x) x. f ( x) dx... (.8) Da ekspekasi uuk x adalah sebuah fugsi (x = g(x)) dieuka dega rumus : E(g( x)) g( x). f ( x) dx... (.9) 3. Varias dari Variabel Acak Koiu X yag dioasika dega Var[x] dieuka dega rumus: Var[ x] E[ x - E( x)] E( x ) -[ E( x)] x x aau... (.0) Salah sau beuk disribusi dari disribusi variabel acak yag aka dibahas didalam ulisa ii adalah disribusi ormal. Uiversias Sumaera Uara

13 8. Disribusi Normal Disribusi ormal merupaka disribusi koiu yag palig peig dalam bidag saisik karea dapa mewakili kumpula daa observasi yag erjadi dalam alam semesa, idusri, maupu peeliia. Disribusi ormal serig dikeal sebagai disribusi Gauss. Variabel acak x yag mempreseasika disribusi ormal disebu variabel acak ormal, yag disribusiya bergaug pada dua parameer, yaiu mea () da deviasi sadar (). Fugsiya dioasika sebagai N(x ; ; ). Defiisi.. Fugsi kepadaa (desiy fucio) dari variabel acak x dega mea da varias adalah : di maa x N( x; ; ) f ( x). e, x = 3, e =, (.) = simpaga baku = = raa-raa x x = variabel koiu. Model Sokasik.. Proses Sokasik Defiisi.. Proses Sokasik adalah suau kumpula variabel acak X, T, dega T adalah himpua parameer waku. Jadi dapa dikaaka bahwa proses sokasik merupaka keluarga fugsi waku. Jika T erhiug maka dikaaka proses sokasik waku diskri da jika T koiu maka dikaaka proses sokasik waku koiu. Proses sokasik waku koiu { X ; T} dikaaka mempuyai keaika idepede jika uuk semua,,,..., 3, variabel radom Uiversias Sumaera Uara

14 X, X, X..., X idepede. Proses dikaaka mempuyai keaika sasioer, 3 jika X( s) X mempuyai disribusi yag sama uuk semua. Cooh.. maka X X p q dega p da q adalah masig-masig variabel acak yag merupaka jumlaha p da q adalah kumpula variabel acak sehigga X merupaka proses sokasik. 9.. Daa Dere Waku Daa dere waku merupaka sekumpula observasi yag eruru dalam waku dega jarak ierval sama (Box da Jekis, 970). Daa dere waku disebu proses sokasik dikareaka daa salig berkaia dalam reag waku yag sama (Wei, 006). Saa ii daa dere waku keuaga (fiacial prices) dapa diperoleh dega mudah, misalya harga saham da ilai kurs sehigga dapa dibagu model peluag erbaik yag dapa diguaka uuk memprediksi harga/ilai di masa yag aka daag. Daa dari harga ase meghasilka dere waku. Dere waku adalah proses sokasik yag megguaka waku ieger didalam prosesya. Pemodela porofolio dapa dimulai dega medefiisika imbal hasil (reur) da volailias (volailiy) sebagai saisik. Disribusi reur da volailias yag epa dapa memberi gambara perilaku daa dere waku. Pemodela reur pada dasarya adalah pemodela volailias. Proses aau model sokasik uuk harga idak dapa dibagu dega mudah. a. Model Sokasik Reur Pada awalya, sejumlah + ilai ase yag harus dikeahui baik melalui publikasi fiasial aau daabase kompuer. Harga-harga ersebu kemudia diguaka uuk meghiug sejumlah reur (igka keuuga yag diperoleh dari akiba melakuka ivesasi) yag dimajemukka secara koiu sebagai beriku: Uiversias Sumaera Uara

15 R V 0... (.) V Di maa V da V meoasika ilai ase pada waku ke- da -. Proses sokasik * + adalah barisa reur acak dega disribusi probabilias yag dieuka oleh vekor parameer. Model sokasik uuk reur dapa diuliska sebagai beriku: R... (.b) di maa : Volailias harga : Proses wieer berdisribusi ormal Sedagka Rae of Reur adalah igka pegembalia aau igka buga yag dierima ivesor aas ivesasi apa amorisasi uuk meghiug igka pegembalia aas ivesasi. Tiggi redahya igka keuuga yag dierima porofolio dipegaruhi oleh igka keuuga ivesasi idak berisiko (risk free rae) da risk premiu dari ivesasi berisiko dega ujua uuk meguragi risiko pada ase porofolio yag dapa diulis dalam persamaa sebagai beriku: Rp Rf Risk Premium... (.3) di maa R p : Rae of Reur. R f : Risk Free Rae. (Joh Hull, 003) b. Model Sokasik Volailias Volailias adalah besarya ilai flukuasi sebuah ase. Volailias adalah variasi/sadar deviasi bersyara da serig diarika sebagai suau ukura yag meyaaka sebara daa relaif erhadap meaya. Volailias meyaaka risiko da merupaka ukura risiko palig sederhaa da seiap ukura risiko adalah fugsi dari volailias. Semaki besar volailias ase, maka semaki besar kemugkia megalami keuuga aau kerugia. Nilai volailias berada pada Uiversias Sumaera Uara

16 ierval posiif yaiu aara 0 sampai dega ak erhigga 0. Nilai volailias yag iggi meujukka bahwa ilai ase berubah dega saga cepa. Salah sau meode uuk megesimasi volailias adalah aalisis yag berdasarka ilai-ilai ase masa lalu kemudia diperoleh sejumlah reur (igka keuuga yag diperoleh dari akiba melakuka ivesasi) yag dimajemukka secara koiu da diperoleh esimasi variasya sebagai beriku: l R r... (.4) Di maa R adalah reur majemuk secara koiu da r meoasika raa-raa dari log reur (Joh Hull, 003)...3 Sifa Markov Defiisi..3 Sifa Markov adalah sifa ilai harapa suau variabel radom ke- I dari suau proses sokasik X i dega syara semua ilai variabel radom yag sebelumya dikeahui haya bergaug pada ilai variabel radom ke- i- aau X i eapi ilai harapa ersebu idak harus sama dega ilai variabel radom ke- i-. Sifa Markov dioasika dega E( X i X, X,..., X i ) E( X i X i ).... (.5).3 Proses Wieer (Gerak brow Baku).3. Sejarah Gerak Brow Pada ahu 87, ahli Boai berama Rober Brow megguaka mikroskop megamai pergeraka yag mearik dari serbuk buga yag erlaru dalam suau caira di maa parikel-parikel di dalam serbuk buga esebu ampak bergerak Uiversias Sumaera Uara

17 acak. Brow meemuka fakor-fakor peig yag mempegaruhi geraka parikel ersebu, eapi idak megeri peyebab parikel-parikel berkelakua seperi iu. Oleh kareaya, geraka parikel yag acak ii diamai sebagai gerak Brow uuk meghargai koribusi Brow. Pejelasa gerak acak aau gerak Brow ii secara maemais perama kali berhasil dirumuska oleh Thorvald Thiele pada ahu 880. Kemudia pada ahu 900 maemaikawa Pracis berama Louis Bachelier meulis esis dokorya yag berjudul Teori Spekulasi, yag merupaka aalisis maemais perama erhadap pasar saham. Di sisi lai, Bachelier juga meyiggug persoala gerak Brow yag dikaika dega pemodela pasar, yag sama-sama ampak acak. Sedagka masalah pada saa iu adalah, para ilmuwa masih idak bisa meemuka keerkaia aara rumusa maemais dari kosep keeracaka dega sumber peyebab gerak Brow, karea sumber gerak Brow iu sediri masih idak dikeahui. Permasalaha ii akhirya dipecahka oleh Alber Eisei pada 905 di dalam 3 makalahya. Hasil peeliia Eisei ii bersama dega peeliia laiya pada ahu 906 oleh ilmuwa Poladia berama Maria Smoluchowski mejadi solusi pejelasa erhadap gerak Brow yag dapa dierima higga saa ii. Peeliia erhadap gerak Brow ii mejadi salah sau oggak dimulaiya pegembaga kosep maemais uuk keeracaka sera eori probabilias..3.. Symmeric Radom Walk Sebuah koi dilempar aau di-oss berkali-kali da hasilya merupaka variabel acak X j dega j,,... uuk bila ω j=h X j( j). Hasil pelempara aara - bila ω j=t koi perama dega pelempara koi selajuya adalah salig bebas sehigga dapa diasumsika bahwa X, X,... salig bebas da variabel acak X j memiliki sifa-sifa sebagai beriku: P( M ) P( B). Oleh defiisi,. E[ X j ]. P( H) ( ). P(T). ( ). 0 Uiversias Sumaera Uara

18 . var[ X j ] P( H) ( ) P(T).. 3. Fugsi Pembagki Mome dari X j adalah X j ( u) ux j E e u u e P( H ) e P( T ) u u e. e.. Defiisika Mk : X0 X X... X k aau M proses k k 0 M k k 0. M k k X j dega X 0 0 j0 3 sehigga aka disebu sebagai symmeric radom walk. Symmeric radom walk memiliki beberapa sifa sebagai beriku: k k E M k E X j E X j 0 j j. Var M k... (.6) k Var X j 0... (.7) j 3. Ikreme dari M k adalah salig bebas..3.3 Scaled Symmeric Radom Walk Misalka adalah bilaga bula posiif dega symmeric radom walk W ( ) () adalah k aau k. Defiisi scaled () W () M M k... (.8) Teorema.3.4 Uuk 0 da, disribusi dari ( W ) () aka koverge ke disribusi ormal dega mea 0 da varias. ( ) Buki. Fugsi pembagki mome uuk W () M adalah ( u k ) Uiversias Sumaera Uara

19 4 ( ) uw () k( u) E e u. M E e j j E e u u u X X X E e. e.. e u k( u) e e u X u u u log k( u) log e e Adaika x maka diperoleh ux ux log e e lim log k( u) lim k x x u ux u ux e e lim x ux ux e e x u ux u ux e e lim lim x ux ux x e e x u ux u ux e e lim x x u ux u ux e e lim log ( ) lim k u k x log k( u) u u Jadi aka diperoleh k( u) e. Uiversias Sumaera Uara

20 Ii adalah fugsi pembagki mome dari variabel acak yag berdisribusi ormal dega mea 0 da varias. Uuk, proses 5 ( W ) () aka koverge mejadi proses W () yag memeuhi beberapa sifa-sifa. Selajuya proses ii aka dioasika dega yag serig sebagai proses Wieer. W Defiisi.3.5 Proses Wieer adalah suau proses sokasik variabel acak koiu (coiuous-ime sochasic process) beriku : () W0 0 W, < x yag memeuhi sifa-sifa () W berdisribusi ormal N(0,) ariya memiliki mea 0 da Varias. (3) W W, W,..., W W 3 W salig idepede uuk ( ) ( ) Persamaa Diferesial Sokasik Persamaa Diferesial Sokasik (PDS) adalah suau persamaa diferesial yag salah sau aau lebih ilai-ilai parameerya adalah proses sokasik (sochasic processes) da meghasilka solusi sokasik berupa sebuah model. Persamaa ii merupaka modifikasi dari Persamaa Diferesial Biasa yag variabel aau parameerya acak da idak pasi (Oksedal, 003). Persamaa Diferesial Sokasik diuliska dalam beuk sebagai beriku ( ) ( ), X0 x0... (.9) di maa : proses Sokasik : proses Wieer baku (berdisribusi N(0,)) : jagka waku ivesasi ( ) : suku deermiisik aau serig disebu koefisie drif ( ) : suku sokasik aau serig disebu koefisie diffusio Uiversias Sumaera Uara

21 6 Pada beuk (.9), koefisie drif berfugsi uuk memodelka kecederuga domia pada grafik solusi suau PDS aau sebagai peeu arah dari solusi suau PDS sedagka koefisie diffusio merepreseasika flukuasi dari kurva da proses Wieer merepreseasika oise / gaggua pada sisem. Persamaa Diferesial Sokasik juga merupaka persamaa iegral sokasik yag erdiri dari iegral biasa (iegral Riema-Seljess) da iegral sokasik (iegral Io). Persamaa Diferesial Sokasik biasaya diguaka uuk model feomea yag beragam seperi flukuasi harga saham (Harao, 03).5 Lemma Io Lemma Io adalah meode yag diguaka uuk mecari solusi iegral sokasik. Lemma Io adalah aalogi dari aura raai yag diemui dalam urua biasa pada persamaa diferesial biasa. Uuk memahami aura raai pada fugsi sokasik erlebih dahulu dipahami megeai aura raai uuk fugsi deermiisik yag elah dibahas pada bagia.4. Misalka f da g fugsi deermiisik yag diferesiabel di x maka aura raai uuk diferesiasiya adalah ' f ( g( x)) f ' ( g( x)) g' ( x)... (.30) Persamaa (.30) diulis dalam beuk diferesial mejadi d( f ( g)) f '( g) dg yag maa fugsi ersebu juga diferesiabel dalam biasa diulis sebagai uraia Taylor f g( ) dg( ) f ( g( )) f ' ( g( )) dg( ) f " ( g( )) dg( ) (.3) disii dg( ) g( d) g( ) adalah keaika dari g di [, +d]. Orde dua da orde yag lebih iggi dari ekspasi aylor ii dapa diabaika uuk d yag kecil. Uraia aylor (.3) dierapka uuk kasus yag lebih umum. Misalka f (, X ) memiliki urua parsial yag koiu palig sediki orde dua maka uraia aylor (.3) mejadi f d,x,x,x,x,x d f f d f dx f d f,x ddx f,x ( dx ),... (.3) Uiversias Sumaera Uara

22 di maa fi(, X ) f ( x, x), i =,,... (3.33) xi x, x X da fij(, X ) f ( x, x), i, j =,.... (3.34) xi xj x, x X Persamaa (.3) dapa diulis mejadi df (, X ) f (, X ) d f (, X ) dx (, X ) d X f (, X ) ddx (, X ) dx X X Misalka persamaa diferesial sokasik berbeuk 7... (.35) ( ) ( )... (.36) Dega mesubiusika (.35) ke persamaa (.36) dapa diperoleh df (, X ) f (, X ) d f (, X )( a(, X ) d b(, X ) dw ) X f (, X ) (, ) ( (, ) d f X d a X d X b(, X ) dw ) (, X )( a(, X ) d b(, X ) dw ) aau dapa diulis mejadi X df (, X ) f (, X ) d a(, X ) f (, X ) d X b(, X ) f (, X ) dw (, X ) d X a X f X d b X f X dw (, ) (, ) (, ) (, ) X X (, X ) a(, X ) d a(, X ) b(, X ) ddw b(, X ) d W X... (.37)... (.38) Dega megabaika suku dega orde yag lebih iggi, persamaa (.38) mejadi df (, X ) f (, X ) d a(, X ) f (, X ) d X b(, X ) f (, X ) dw Karea dw X X dw X b(, X ) (, ) d maka persamaa (.39) mejadi... (.39) Uiversias Sumaera Uara

23 aau df (, X ) f (, X ) d a(, X ) f (, X ) d X b(, X ) f (, X ) dw b(, X ) (, X ) d X X 8... (.40) df (, X ) f (, X ) a(, X ) f (, X ) X... (.4) b(, X ) (, X ) (, ) (, ) d b X f X dw X X Persamaa (.4) kemudia dikeal dega Lemma Io yag diulis secara legkap sebagai beriku: Lemma.5. (X. S. Li, 006) Misalka X memeuhi persamaa diferesial sokasik pada persamaa (.35) da f (, X ) adalah suau fugsi yag memiliki urua parsial yag koiu palig sediki orde dua da dapa diuruka sebayak dua kali maka df (, X ) f (, X ) a(, X ) f (, X ) X b(, X ) (, X ) (, ) (, ) d b X f X dw. X X.6 Solusi Persamaa Diferesial Sokasik Persamaa (.8) dapa diuliska ke dalam beuk persamaa iegral sebagai beriku,, Solusi dari X X X a s X ds b s X dw 0 s s s 0 0, s<... (.4) dapa diperoleh dega megguaka lemma Io seperi pada subbab.4. Beriku diberika cooh uuk meeuka persamaa diferesial sokasik. Cooh.6. Suau model dari ivesasi dari peaama suau saham adalah dx X d X dw.... (.43) Uiversias Sumaera Uara

24 9 Dega dx adalah perubaha harga saham, X adalah jumlah uag yag diperoleh ivesasi pada saham, adalah raa-raa rae of reur (RoR) da adalah volailias harga saham. Rae of reur dihiug dega rumus RoR D P P P 0 00%... (.44) 0 dega D adalah devide, P 0 adalah harga saham saa pembelia da P adalah harga saham saa pejuala. Misalka f (, X ) l X sehigga f (, X ) 0, f (, X ), f (, X ) X X X X Dega megguaka Lemma.4. diperoleh... (.45) d(l X ) 0 X X d X dw X X X... (.46) Dega megiegralka persamaa (.46) diperoleh d(l X ) 0 X X. d X dw X 0 0 X X 0... (.47) Dari persamaa (.47) dapa diperoleh hasil sebagai beriku l X l X 0 W... (.48) X l X 0 W... (.49) X X 0 W e... (.50) Sehigga solusi dari persamaa diferesial sokasik model ivesasi pada saham uuk cooh.6. adalah 0 W X X e.... (.5) Uiversias Sumaera Uara

25 30.7 Teori Korol Opimal Teori korol opimal uuk sisem yag berbeuk sokasik dega keadaa sisemya berbeuk persamaa diferesial sokasik seperi persamaa (.8) dega memua suau parameer yag megaur sisem aau korol u yag memiimumka aau memaksimumka fugsi keuuga (idex performace) T J (, x, u) E F( s, x, u) K( T, x)... (.5) Idex performace merupaka ekspekasi sebuah fugsi karea dalam sisem yag berbeuk sokasik maka haya dapa diambil ekspekasi dari suau ilai. Dalam eori korol opimal ii erdapa ilai miimum (mi) aau ilai maksimum (max) yag disebu dega value fucio yag dilambagka dega V (, x ). Value fucio ersebu harus harus memeuhi persamaa Hamilo- Jacobi-Bellma yaiu suau persamaa yag memberika ilai opimal (value fucio) pada suau sisem diamik dega fugsi keuuga (idex performace) sebagai beriku J x u aau V x J x u V(, x) mi (,, ) 0 (, ) max (,, ) 0... (.53) Berdasarka persamaa diferesial sokasik seperi pada persamaa (.8) dega fugsi keuuga pada persamaa (.5), ilai opimal pada persamaa (.53) dapa diulis mejadi T V (, x) max E F( s, x, u) ds K( T, x)... (.54) Dega kodisi akhir V(T, x) K( T, x) sehigga persamaa (.54) berubah mejadi T V (, x) max E F( s, x, u) ds V (T, x)... (.55) Misalka T d sehigga dapa diperoleh dere aylor uuk V(T, x) V( d, X d ) dega X x 0 pada saa 0. Dere Taylor V ( d, X d ) sebagai beriku Uiversias Sumaera Uara

26 3 V ( d, X ) V (, X ) V (, X ) d V (, X ) dx d X V (, X ) (, ) d V X ddx X V (, X ) dx X... (.56) Dega mesubsiusika persamaa (.4) ke persamaa (.56) da megabaika suku dega orde yag lebih iggi diperoleh V ( d, Xd ) V (, X ) V (, X ) d V (, X ) a, X, ud b, X, udw X V (, X ) da, X, ud b, X, udw X V (, X ) a, X, ud b, X, udw X Karea dw d sehigga diperoleh V d, X V (, X ) V (, X ) d d,, (, ),, a X u V X d b X u V (, X ) dw X X b, X, u V (, X ) d x Persamaa (.57) keika X x 0 pada saa 0dapa diulis mejadi V d, Xd V (, x) V (, x) d a, x, u V (, x) d b, x, u V (, x) dw x x b, x, u V (, x) d x Karea... (.57)... (.58)... (.59) V ( T, x) V d, X d sehigga jika persamaa (.59) disubsiusika ke persamaa (.53) diperoleh Uiversias Sumaera Uara

27 3 T V (, x) max E F( s, x, u) ds V (, x) V (, x) d a, x, u V(, x) d b, x, u V (, x) dw x x b, x, u V( x, ) d x... Persamaa (.60) dapa diulis ke dalam beuk 0 max E F(, x, u) d V (, x) d a, x, u V (, x) d x b x,, u V (, x) dw b, x, u V (, x) d x x (.60)... (.6) Dega membagi persamaa (.60) dega d da meyelesaika iegral dega eorema ilai raa-raa maka diperoleh V (, x) max F(, x, u) V (, x) a, x, u V (, x) b, x, u V (, x) x x aau... (.6) a, x b, x V x x x V (, x) max F(, x, u), u, u (, )... (.63) Misalka L merupaka operaor liier yag berbeuk Maka persamaa (.63) mejadi L a x u b x u x x,,,, V(, x) max F(, x, u) LV (, x)... (.64) Persamaa (.64) diaas adalah persamaa Hamilo-Jacobi-Bellma (HJB). Persamaa HJB ii diguaka uuk meeuka ilai opimal V (, x ) yag belum dikeauhi ilaiya. Apabila ilai V (, x ) dikeahui maka korol u dapa dieuka. Uiversias Sumaera Uara

28 33.8 Simulasi Simulasi adalah suau meodologi uuk melaksaaka percobaa dega megguaka model dari suau sisem yaa (P. Siagia, 987). Meuru Hasa (00), simulasi merupaka suau model pegambila kepuusa dega mecooh aau memperguaka gambara sebearya dari suau sisem kehidupa duia yaa apa harus megalamiya pada keadaa yag sesugguhya. Khosevis (994) medefiisika simulasi sebagai pedekaa eksperimeal. Keerbaasa meode aalisis dalam megaasi sisem diamis yag kompleks membua simulasi sebagai salah sau aleraif yag baik uuk diguaka. Model aaliik saga bergua bagi kehidupa sehari-hari, aka eapi erdapa beberapa keerbaasa aara lai, yaiu :. Model aaliik idak mampu meggambarka suau sisem pada masa lalu da masa medaag melalui pembagia waku. Model aaliik haya memberika peyelesaia secara meyeluruh, suau jawab yag mugki uggal da opimal eapi idak meggambarka suau prosedur operasioal uuk masa lebih sigka dari masa perecaaa. Misalya, peyelesaia persoala program liier dega masa perecaaa sau ahu, idak meggambarka prosedur operasioal uuk masa bula demi bula, miggu demi miggu, aau hari demi hari.. Model maemaika yag kovesioal serig idak mampu meyajika sisem yaa yag lebih besar da rumi (kompleks). Sehigga sukar uuk membagu model aaliik uuk sisem yaa yag demikia. 3. Model aaliik erbaas pemakaiaya dalam hal hal yag idak pasi da aspek diamis (fakor waku) dari persoala maajeme. Berdasarka hal di aas, maka kosep simulasi da pegguaa model simulasi merupaka solusi erhadap keidakmampua dari model aaliik. Beberapa kelebiha simulasi adalah sebagai beriku :. Simulasi dapa memberi solusi bila model aaliik gagal melakukaya.. Model simulasi lebih realisis erhadap sisem yaa karea memerluka asumsi yag lebih sediki. Misalya, eggag waku dalam model persediaa idak perlu harus deermiisik. Uiversias Sumaera Uara

29 34 3. Dalam bayak hal, simulasi lebih murah dari percobaaya sediri. 4. Uuk sejumlah proses dimesi, simulasi memberika peyelidika yag lagsug da erperici dalam periode waku khusus. 5. Simulasi dapa diguaka uuk maksud pedidika. Model simulasi juga memiliki beberapa kekuraga aara lai yaiu :. Simulasi bukalah presisi da juga buka suau proses opimisasi. Simulasi idak meghasilka solusi, eapi ia meghasilka cara uuk meilai solusi ermasuk solusi opimal.. Model simulasi yag baik da efekif saga mahal da membuuhka waku yag lama dibadigka dega model aaliik. 3. Tidak semua siuasi dapa diilai melalui simulasi kecuali siuasi yag memua keidakpasia (P. Siagia, 987). Model-model simulasi dapa diklasifikasika dega beberapa cara. Salah sau pegelompokaya adalah :. Model simulasi sais adalah represeasi sisem pada waku-waku ereu aau model yag diguaka uuk mempreseasika sisem dimaa waku idak mempuyai peraa. Model simulasi diamis adalah represeasi sisem sepajag pergaia waku ke waku. Coohya simulasi Moe Carlo.. Model simulasi deermiisik adalah model simulasi yag idak megadug kompoe yag sifaya probabilisik (radom) da oupu elah dapa dieuka keika sejumlah ipu dalam hubuga ereu dimasukka. Model simulasi sokasik adalah model simulasi yag megadug ipu-ipu probabilisik (radom) da oupu yag dihasilka pu sifaya radom. Coohya simulasi persamaa diferesial sokasik. 3. Model simulasi koiu adalah model simulasi dimaa sae (saus) dari sisem berubah secara koiu karea berubahya waku (chage sae variable). Coohya simulasi populasi peduduk. Model simulasi diskri adalah model suau sisem dimaa perubaha sae erjadi pada sauasaua waku yag diskri sebagai hasil suau kejadia (eve) ereu (discree chage sae variables). Coohya simulasi aria Uiversias Sumaera Uara

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ [email protected] DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

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

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

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

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

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: [email protected] ABSTRAK

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di IV. METODOLOGI PENELITIAN 4.1 Lokasi da Waku Peeliia Peeliia yag dilakuka pada Bula Jauari higga Mei 2008 yag mecakup peyusua proposal higga peyusua draf skripsi dilaksaaka di empa kecamaa di Kabupae Garu,

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB [email protected] 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI.

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI. ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI Diajuka Kepada Fakulas Maemaika Da Ilmu Pegeahua Alam Uiversias Negeri

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

KAJIAN MODEL FRAKSIONAL PROSES DIFUSI. Siwi Tri Rahayu Universitas Jenderal Soedirman

KAJIAN MODEL FRAKSIONAL PROSES DIFUSI. Siwi Tri Rahayu Universitas Jenderal Soedirman Prosidig Semiar Nasioal Maemaika da Terapaya 6 p-issn : 55-384; e-issn : 55-39 KAJIAN MODEL FRAKSIONAL PROSES DIFUSI Siwi Tri Rahayu Uiversias Jederal Soedirma 53siwi@gmailcom Bambag Hedriya Guswao Uiversias

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

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

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

Lebih terperinci

APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION. Abstract. Sudianto Manullang

APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION. Abstract. Sudianto Manullang APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION Absrac Sudiao Maullag Facor of ieres rae ad moraliy is former pricipal compoes o ge premium of erm isurace. Vasicek's

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN. oleh KRISTINA NATALIA NIM M

KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN. oleh KRISTINA NATALIA NIM M KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN oleh KRISTINA NATALIA NIM M0009 SKRIPSI diulis da diajuka uuk memeuhi sebagia persyaraa memperoleh gelar Sarjaa Sais Maemaika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

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

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci