BAB II LANDASAN TEORI. pembahasan pada bab-bab berikutnya, yaitu varians dan kovarians, distribusi normal,
|
|
- Verawati Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI ada bab ini dibahas tentang materi dasar yang digunakan untuk mendukung embahasan ada bab-bab berikutnya, yaitu varians dan kovarians, distribusi normal, matriks, investasi, ortofolio, saham, Jakarta Islamic Index JII, metode Lagrange, model Mean Variance markowitz, Caital Assets ricing Model CAM, metode Diversifikasi Naive /N, model Minimum Variance, dan model Black Litterman. A. Varians dan Kovarians Definisi. 4 Murray R. Siegel, 004 Varians dari variabel random didefinisikan dengan: Var E[ ].. Notasi varians yang lain adalah,, x atau V. Standar deviasi dari didefinisikan sebagai akar ositif dari varians yaitu x Var. Rumus varians ada. daat dinyatakan dalam ersamaan berikut: σ x = n i x i x N s x = n i x i x n Definisi. 4 Murray R. Siegel, dkk, 004 untuk suatu oulasi. untuk suatu samel. 3 Kovarians adalah suatu ukuran yang menyatakan varians bersama dari dua variabel random. Kovarians dari asangan variabel random dan Y didefinisikan sebagai: σ Y = Cov, Y = E[ μ Y μ Y ]. 4 7
2 Jika dan Y adalah variabel random dan a dan b konstan, maka berlaku:. Cov a,by abcov,y.. Cov a,y b Cov,Y.. Cov,a b avar. 3. Cov,Y 0, jika dan Y indeenden. B. Distribusi Normal Definisi Distribusi Normal Definisi. 6 Bain & Engelhardt, 99 Variabel random dikatakan berdistribusi normal yang dinotasikan ~Nµ, σ dengan mean µ dan varians σ memunyai fungsi densitas robabilitas yaitu: f x;, e { x / } /. 5 untuk < x <, dengan < µ < dan 0 < σ <. Uji Normalitas Uji normalitas daat dilakukan dengan bantuan software SSS menggunakan engujian Kolmogorov-Smirnov. Dalam hal investasi uji normalitas sering digunakan untuk melihat aakah return saham berdistribusi normal atau tidak. Aabila return saham berdistribusi normal, maka saham tersebut akan dierhitungkan untuk dimasukkan ke dalam ortofolio. Tujuan engujian normalitas dalam return saham adalah untuk mengantisiasi terjadinya ketidakstabilan harga, yang dikhawatirkan akan mengalami enurunan harga saham yang sangat signifikan sehingga merugikan 8
3 investor. Uji normalitas return saham daat dilakukan dengan uji Kolomogorov- Smirnov sebagai berikut: a. Hiotesis: H0: data return saham diasumsikan berdistribusi normal. H: data return saham tidak daat diasumsikan berdistribusi normal. b. Tingkat signifikansi α. c. Statistik uji: Kolmogornov-Smirnov KS F * S. F* adalah distribusi kumulatif data samel. S adalah distribusi kumulatif yang berdistribusi normal. d. Kriteria uji: H0 ditolak jika KS>KSTabel atau -value KS < α. e. erhitungan. f. Kesimulan. C. Matriks Definisi. 8 Anton, 00 Su Sebuah matriks adalah susunan ersegi dari bilangan-bilangan riil. Bilanganbilangan tersebut dinamakan entri dari matriks. Ukuran matriks dideskrisikan dengan banyaknya baris garis horizontal dan banyaknya kolom garis vertikal yang terdaat dalam matriks. Entri yang terdaat ada baris i dan kolom j dari matriks A daat dinyatakan dengan a. Secara umum bentuk matriks berukuran m n yaitu: ij 9
4 A mn a a am a a a m a a a in n mn.. 6 erkalian matriks Definisi. 9 Anton, 00 Jika A adalah suatu matriks dan c adalah skalar, maka hasil kali roduct ca adalah matriks yang dieroleh dengan mengalikan masing-masing entri dari A oleh c. Jika A [ a ij ], maka erkalian matriks ini dinotasikan sebagai ca ij ca ij [ caij ]. Jika A a ] sebuah matriks berukuran m r dan B b ] sebuah matriks [ ij berukuran r n, maka hasil kali A dengan B yaitu C = AB adalah matriks yang entrinya didefinisikan dengan [ ij r C a b. 7 mn dengan matriks C berukuran m n. Contoh: A, 4 B l il lj Maka, AB
5 Transose Matriks Definisi. 0 Anton, 00 Jika A adalah sebarang matriks m r, maka transose A dinyatakan oleh A yang meruakan matriks berukuran r m dengan mengubah baris dari A menjadi kolom ada A. Transose matriks A daat dinyatakan dengan: A ij A ji.. 8 Contoh: A 4 maka, A 4. dengan Minor dan Kofaktor Matriks Definisi. Anton, 00 Jika A meruakan matriks berukuran n n, maka minor dari entri a dinotasikan ij M yaitu determinan dari submatriks A yang didaat dengan menghaus baris ij ke-i dan kolom ke-j. Nilai i j M ij dinotasikan dengan ij c disebut kofaktor dari entri a. Sehingga matriks kofaktor dari A daat dinyatakan dengan: ij c c cn c c c n c n c n.. 9 cnn
6 Contoh: 3 A maka, minor dari entri a yaitu: kofaktor dari entri a yaitu: Determinan Matriks Definisi. Anton, M , 4 c M Determinan matriks A berukuran n n daat dihitung dengan mengalikan entri ada suatu baris ke-i atau kolom ke-j dengan masing-masing kofaktor dan menjumlahkan hasil erkalian tersebut. Determinan matriks A dinyatakan sebagai berikut: A a c a. c a. c A j. j j j atau a a. c. Contoh: i. ci ai. ci in nj in nj 3 A
7 maka, A [ ].[. 0.4] 5.[ ] Invers Matriks Definisi. 3 Anton, 00 Jika A matriks ersegi dan jika terdaat suatu matriks B dengan ukuran yang sama sedemikian sehingga AB=BA=I dengan I meruakan matriks identitas, maka A invertible daat dibalik dan B adalah invers dari A. Invers dari A dinotasikan dengan A, sehingga AA I dan A A I Jika matriks A berukuran n n maka invers adalah: A = A [adja]. 0 dengan, adja: matriks adjoin dari A yaitu transose dari matriks kofaktor A. 3
8 4 Contoh: A 6 0 3, adj A det A maka, A A [adja]
9 D. Analisis Multivariat Definisi. 4 Johnson & Wichern, 007 Analisis statistik multivariat meruakan metode statistik untuk menganalisis hubungan antara lebih dari dua variabel secara bersamaan. Data samel analisis multivariat secara umum daat digambarkan dalam bentuk matriks dengan n objek dalam variabel sebagai berikut: Variabel Variabel Variabel k Variabel Objek Objek x x x x k x x x k x Objek j x j j x x jk x j Objek n x n n x x nk x n atau daat ditulis dalam bentuk matriks dengan n baris dan kolom berikut: x x x j xn x x x x j n x x x x k k jk nk x x x j xn 5
10 Multivariat Berdistribusi Normal Definisi. 5 Johnson & Wichern, 007 Fungsi distribusi multivariat normal meruakan erluasan dari fungsi distribusi univariat normal untuk. Jika ~N μ, Σ adalah -variat multivariat normal dengan rata-rata µ dan varians-kovarians matriks Σ, dimana:, μ, Σ Maka fungsi densitas multivariat normal adalah: f / Σ / e μ μ /. dengan i,i,,...,. Vektor random dan matriks random Definisi. 6 Johnson & Wichern, 007 Vektor random adalah vektor yang elemen-elemennya berua variabel random. Jika suatu unit ekserimen hanya memiliki satu variabel terukur maka variabel terukur disebut variabel random, sedangkan jika terdaat lebih dari satu variabel terukur, misalkan n variabel maka variabel-variabel tersebut disebut vektor random dengan n komonen. Sedangkan matriks random adalah matriks yang memunyai elemen variabel random. 6
11 7 Mean dan Kovarians Vektor Random Definisi. 7 Johnson & Wichern, 007 Dimisalkan adalah variabel random dengan mean E μ dan matriks kovarians Σ. Mean vektor random dengan ordo daat dinyatakan dengan: μ E E E E.. Sedangkan kovarians vektor random dengan ordo adalah μ μ E E E E E E E E E E E E. Atau daat dinyatakan Cov.. 3
12 Dengan ij : kovarians dari i dan Kovarians untuk samel dinyatakan Dengan s ij : kovarians dari E. Investasi i dan,i j,, dan j,,. s s s s s s S. s s s j, i,, dan j,,. 4 Menurut Abdul Halim 005 Investasi ada hakikatnya meruakan enematan sejumlah dana ada saat ini dengan haraan memeroleh keuntungan di masa mendatang. roses investasi menunjukkan bagaimana seharusnya seorang investor membuat keutusan investasi, yaitu sekuritas aa yang akan diilih, seberaa banyak investasi tersebut, dan kaan investasi tesebut akan dilakukan Suad Husnan, 998. Untuk itu dierlukan tahaan sebagai berikut:. enentuan tujuan investasi Taha ertama dalam roses keutusan investasi adalah menentukan tujuan investasi yang akan dilakukan. Tujuan investasi untuk masing-masing investor bisa berbeda tergantung ada investor yang membuat keutusan tersebut.. enentuan kebijakan investasi Taha enentuan kebijakan investasi dilakukan dengan enentuan keutusan alokasi sekuritas. Keutusan ini menyangkut endistribusian dana yang dimiliki ada berbagai kelas sekuritas yang tersedia saham, obligasi, bangunan mauun sekuritas luar negeri. 8
13 3. emilihan strategi ortofolio Strategi ortofolio yang bisa diilih yaitu strategi ortofolio aktif dan strategi ortofolio asif. Strategi ortofolio aktif meliuti kegiatan enggunaan informasi yang tersedia untuk mencari kombinasi ortofolio yang lebih baik. Strategi ortofolio asif meliuti aktivitas investasi ada ortofolio yang seiring dengan kinerja indeks asar. 4. emilihan sekuritas emilihan sekuritas yang dilakukan untuk membentuk suatu ortofolio. Taha ini memerlukan engevaluasian setia sekuritas yang ingin dimasukkan dalam ortofolio untuk mencari kombinasi ortofolio yang efisien oleh erusahaan. Aabila kinerja keuangan erusahaan cuku bagus dan sudah mamu membayar kewajiban keuangan lainnya. F. ortofolio engertian ortofolio Menurut Jogiyanto Hartono 04 ortofolio adalah suatu kumulan sekuritas keuangan dalam suatu unit yang diegang atau dibuat oleh seorang investor, erusahaan investasi, atau instansi keuangan. Tujuan dari embentukan ortofolio adalah untuk mendiversifikasi dana yang dimiliki investor ada beberaa sekuritas dengan haraan daat memaksimalkan return dengan tingkat risiko yang minimal. Return ortofolio Return adalah hasil yang dieroleh dari suatu investasi. Hubungan ositif antara return dan risiko ortofolio dalam berinvestasi dikenal dengan high risk high return, 9
14 yang artinya semakin besar risiko yang diambil, maka semakin besar ula return yang dieroleh. Hal ini dimaksudkan bahwa harus ada ertambahan return sebagai komensasi dari ertambahan risiko yang ditanggung oleh investor. Return daat berua realized return yang sudah terjadi atau exected return yang belum terjadi dan diharakan akan dieroleh ada masa mendatang Jogiyanto Hartono, 003. Realized return ortofolio daat dirumuskan: R = n i= w i. R i. 5 keterangan: R: realized return ortofolio, w i : bobot dana investor ada sekuritas ke-i, R : realized return dari sekuritas ke-i, i n : banyaknya sekuritas. Return suatu sekuritas untuk daat dihitung menggunakan rumus: keterangan: t t t R t.. 6 t t t : harga sekuritas ada eriode ke-t, t : harga sekuritas ada eriode ke-t- 0
15 Exected return ortofolio meruakan rata-rata tertimbang dari exected return masing-masing sekuritas dalam ortofolio. Exected return ortofolio daat dirumuskan sebagai berikut: keterangan: E R : exected return dari ortofolio, n ER = i= w i. ER i.. 7 w i : bobot dana investor ada sekuritas ke-i, E R i : exected return dari sekuritas ke-i, n : banyaknya sekuritas. Nilai exected return ada ersamaan.7 secara matematis daat dibentuk dalam matriks adalah sebagai berikut: E R w ER w ER w E n R n E R E R w w w n w ER. ERn. 8 keterangan: w : matriks bobot tia sekuritas dalam ortofolio, ER: matriks exected return tia sekuritas dalam ortofolio. Risiko ortofolio Risiko dalam ortofolio daat diartikan sebagai tingkat kerugian tidak terduga yang besarnya tergantung ada ortofolio yang dibentuk. Risiko ortofolio daat diukur
16 dengan besarnya varians dari nilai return saham-saham yang ada di dalam ortofolio Jogiyanto Hartono, 003. Jika semakin besar nilai varians maka risiko yang ditanggung semakin tinggi. Banyaknya sekuritas dalam suatu ortofolio daat memengaruhi nilai varians dari risiko. Untuk membentuk suatu ortofolio dierlukan minimal dua sekuritas. Varians dengan dua sekuritas adalah sebagai berikut Jogiyanto Hartono, 003: Var R = E[R ER ] E E E E w R w R Ew R w R w R w R Ew R Ew R w R w R w ER w E R w R ER w R E E w w R R ER w w R ER R ER w R E R R ER w w ER ER R ER w E R E E R w w w w.. 9 Selanjutnya varians dengan n sekuritas daat dinyatakan sebagai berikut: w w w w w w w w w n n 3 3 n n nn n n n i wi i i w j i w j i j.. 0
17 ersamaan. 0 daat dinyatakan dalam bentuk matriks yaitu: n w n w w w wn w Σ w. n n nn wn keterangan: Σ : matriks varians kovarians n x n, w : matriks bobot tia sekuritas n x. Risiko ortofolio dihitung menggunakan rumus standar deviasi yang meruakan akar ositif dari varians sebagai berikut:. Risiko ortofolio daat dihitung dengan mensubstitusikan ersamaan. ada rumus standar deviasi. sebagai berikut: w Σ w. 3 keterangan: σ : standar deviasi ortofolio. G. Saham Saham adalah surat berharga yang menunjukkan keemilikan erusahaan sehingga emegang saham memiliki hak klaim atas dividen atau distribusi lain yang dilakukan erusahaan keada emegang saham lainnya. Menurut Suad Husnan 005, Saham meruakan secarik kertas yang menunjukkan hak emodal yaitu ihak yang memiliki 3
18 kertas tersebut untuk memeroleh bagian dari rosek atau kekayaan organisasi yang menerbitkan sekuritas tersebut dan berbagai kondisi yang memungkinkan emodal tersebut menjalankan haknya. Saham meruakan salah satu alternatif dari beberaa instrumen lainnya yang daat diilih untuk berinvestasi. ada dasarnya saham daat digunakan untuk mencaai tiga tujuan investasi utama sebagaimana yang dikemukakan oleh Kertonegoro Senatnoe 000 yaitu:. Sebagai gudang nilai, berarti investor mengutamakan keamanan rinsial, sehingga akan dicari saham blue chis dan saham non-sekulatif lainnya.. Untuk emuukan modal, berarti investor mengutamakan investasi jangka anjang, sehingga ara investor akan mencari saham ertumbuhan untuk memeroleh caital gain atau saham sumber enghasilan untuk mendaat dividen. 3. Sebagai sumber enghasilan, berarti investor mengandalkan ada enerimaan dividen sehingga ara investor akan mencari saham yang bermutu baik yaitu saham yang memunyai tingkat engembalian yang tinggi dan konsisten dalam membayar dividen. H. Jakarta Islamic Index JII ada tanggal 3 juli 000 T Bursa Efek Indonesia BEI bekerjasama dengan T Danareksa Invesment Management DIM meluncurkan indeks saham yang dibuat berdasarkan syariah Islam yaitu Jakarta Islamic Index JII. JII diharakan daat menjadi tolok ukur kinerja saham-saham yang berbasis syariah dan daat 4
19 mengembangkan asar modal syariah. JII dierbarui setia 6 bulan sekali, yaitu ada awal bulan Januari dan Juli. Jakarta Islamic Index JII meruakan indeks yang berisi 30 saham erusahaan terdaat di lamiran 5 Halaman 96 dengan kriteria investasi yang telah dienuhi berdasarkan syariah Islam metode keuangan dalam Islam, dengan rosedur berikut ini:. Memilih kumulan saham dengan jenis usaha utama yang tidak bertentangan dengan rinsi syariah dan sudah tercatat aling tidak 3 bulan terakhir, kecuali saham yang termasuk dalam 0 kaitalisasi terbesar.. Memunyai rasio utang terhada sekuritas tidak lebih dari 90% di laoran keuangan tahunan atau tengah tahun. 3. Dari yang masuk kriteria nomer dan, diilih 60 saham dengan rata-rata kaitalisasi asar terbesar selama satu tahun terakhir. Kemudian diilih 30 saham dengan urutan tingkat likuiditas rata-rata nilai erdagangan reguler selama satu tahun terakhir. 4. Kemudian diilih 30 saham dengan urutan tingkat likuiditas rata-rata nilai erdagangan regular selama satu tahun terakhir. I. engali Lagrange Lagrange Multilier Menurut urcell dan Varberg 987 fungsi Lagrange digunakan untuk menyelesaikan ermasalahan otimasi dimana terdaat kendala-kendala constrains 5
20 tertentu. Misalkan akan dicari harga otimasi suatu fungsi tujuan fx, y dengan kendala-kendala tertentu yang harus dienuhi yaitu gx, y = 0. Cara yang dilakukan adalah dengan menyusun fungsi bantu yang disebut fungsi Lagrange sebagai berikut : Fx, y = fx, y + λ gx, y. 4 Dengan syarat : F x F = 0 dan = 0. 5 y Dalam hal ini arameter λ yang bebas dari x dan y dinamakan Lagrange Multilier atau engali Lagrange. Jika engali Lagrange melibatkan lebih dari satu kendala, maka enggunaan arameter yang diilih daat ditambahkan menjadi λ, µ atau arameter yang lain. Misalnya fungsi yang akan dicari maksimum atau minimum fx, y, z dengan kendala gx, y, z = 0 dan kendala hx, y, z = 0, maka fungsi Lagrangenya adalah: Fx, y, z = fx, y, z + λ gx, y, z + μ hx, y, z. 6 Syarat adanya harga maksimum atau minimum adalah: F = 0, F F = 0, dan = 0. 7 x y z ermasalahan di atas daat dierluas untuk fungsi yang memiliki n variabel fx, x,, x n dengan k kendala. Misal fungsi yang akan dicari maksimum atau minimum adalah: fx, x,, x n Sedangkan fungsi kendalanya adalah sebagai berikut: 6
21 φ x, x,, x n = 0, φ x, x,, x n = 0,, φ k x, x,, x n = 0 Maka fungsi Lagrangenya adalah: Fx, x,, x n = f + λ φ + λ φ + + λ k φ k. 8 Dengan syarat: F x = 0, F = 0,, F = 0 x x n Dalam hal ini arameter λ, λ,, λ k adalah engali Lagrange. J. Model Mean Variance Markowitz Harry Markowitz memerkenalkan model tentang emilihan ortofolio otimal ada tahun 95 yang dikenal dengan model mean variance Markowitz Markowitz, 95. Menurut Eduardus Tandelilin 00 Model mean variance Markowitz didasari oleh tiga asumsi yaitu:. Waktu yang digunakan hanya satu eriode. Tidak ada biaya transaksi 3. referensi investor hanya berdasarkan ada return yang diharakan dan risiko dari ortofolio. Berdasarkan asumsi ketiga, maka ortofolio otimal menggunakan model mean variance Markowitz daat dilakukan dengan mengotimalkan ortofolio efisien dengan referensi investor yang dirumuskan dalam bentuk sebagai berikut: a. Meminimumkan risiko untuk tingkat return tertentu: Min VarR = w Σw dengan ER = w μ. 9 b. Memaksimumkan return dengan tingkat risiko tertentu 7
22 Maks ER = w μ dengan VarR = w Σw. 30 Bobot untuk masing-masing sekuritas daat dinyatakan dengan w = [w w n ] dan μ meruakan matriks exected return masing-masing sekuritas n. Otimasi untuk memaksimumkan return dengan tingkat risiko tertentu daat diselesaikan dengan menggunakan fungsi Lagrange L dan faktor engali Lagrange λ sebagai berikut: L w μ λ w Σw. 3 Turunan arsial L terhada w adalah sebagai berikut: L w μ λ w Σw w w μ λσw. 3 L Otimasi harus memenuhi syarat 0 sehingga: w μ Σw 0 μ Σw 0, karena μ = δʃw. 33 Dengan δ meruakan koefisien risk aversion He & Litterman, 999. Rumus bobot ortofolio model mean variance Markowitz untuk masing-masing sekuritas dalam asar berdasarkan rumus.33 adalah sebagai berikut : w m = δʃ μ. 34 dengan w m yaitu matriks bobot masing-masing sekuritas. 8
23 K. Caital Assets ricing Model CAM Caital Assets ricing Model CAM dierkenalkan ertama kali oleh William Share, John Lintner, dan Jan Mossin antara tahun CAM meruakan suatu model yang bertujuan untuk memrediksi hubungan antar risiko dengan return yang diharakan dari suatu sekuritas. Untuk memahami model CAM, maka harus memahami asumsi-asumsi yang melandasi model ini walauun diangga tidak realistis. Oleh karena itu ada beberaa enyederhanaan asumsi suaya model CAM lebih realistis. Berikut adalah hasil enyederhanaan asumsi-asumsi CAM menurut Eduardus Tandelilin 00 :. Semua investor memunyai distribusi robabilitas tingkat return di masa dean yang sama, karena mereka memunyai haraan yang hamir sama. Ini berarti ara investor seakat tentang exected return, standar deviasi, dan koefisien korelasi antar tingkat keuntungan.. Semua investor memunyai satu eriode waktu yang sama, misalnya satu tahun. 3. Semua investor daat meminjamkan sejumlah dananya atau meminjam sejumlah dana dengan jumlah yang tidak terbatas ada tingkat return bebas risiko. 4. Tidak ada biaya transaksi. 5. Tidak terjadi inflasi. 6. Tidak ada ajak enghasilan bagi ara investor. 7. Investor adalah enerima harga rice-takers. 8. asar modal dalam kondisi ekuilibrium. 9
24 Jika semua asumsi tersebut dienuhi, maka akan terbentuk kondisi asar yang ekuilibrium. Hubungan exected return dan risiko dalam keadaan ekuilibrium asar daat digambarkan ada Gambar.. E R M Garis asar Modal R f Gambar. Caital Market Line Sloe dalam Caital Market Line CML disimbolkan θ meruakan harga asar dari risiko untuk ortofolio. Besarnya sloe CML mengindikasikan tambahan return yang disyaratkan asar untuk setia % kenaikan risiko ortofolio. Sloe CML daat dihitung dengan menggunakan rumus: E R M r f. M. 35 erubahan θ yang semakin kecil mengakibatkan risiko ortofolio semakin besar dan sebaliknya. Caital Market Line CML menunjukan semua kemungkinan kombinasi ortofolio efisien yang terdiri sekuritas-sekuritas berisiko dan sekuritas 30
25 bebas risiko Jogiyanto Hartono, 003. Caital Market Line CML terbentuk seanjang titik exected return sekuritas bebas risiko r f samai titik M. Exected return sekuritas bebas risiko didekati dengan tingkat return suku bunga Bank sentral, di Indonesia umumnya diambil dari tingkat return suku bunga Bank Indonesia. ortofolio CAM diharakan memberikan keuntungan lebih besar dibandingkan sekuritas yang di investasikan ada Bank Jogiyanto Hartono, 003. Exected return dalam ortofolio CAM berdasarkan Gambar. daat dirumuskan dengan: E R E RM rf rf. M. 36 keterangan: ER : exected return ortofolio r f : return sekuritas bebas risiko E : exected return ortofolio asar R M : standar deviasi dari return ortofolio asar M σ : standar deviasi dari return ortofolio efisien yang ditentukan. ersamaan.36 menggambarkan hubungan antara risiko dan return ada asar yang seimbang untuk ortofolio-ortofolio yang efisien, sedangkan untuk menggambarkan hubungan risiko dan return dari sekuritas-sekuritas individual daat dilihat dari kontribusi masing-masing sekuritas terhada risiko ortofolio asar. Kontribusi masing-masing sekuritas terhada risiko ortofolio asar tergantung dari 3
26 besarnya kovarians return sekuritas tersebut terhada ortofolio asar. Besarnya kontribusi risiko sekuritas terhada risiko ortofolio asar yaitu: i, M M dimana σ i,m adalah kovarians dari sekuritas ke-i dengan ortofolio asar. Dengan mensubstitusikan kontribusi sekuritas ke-i terhada risiko ortofolio asar ada ersamaan.36, maka daat dihitung exected return CAM untuk sekuritas ke-i adalah sebagai berikut: E r i r f E R M M r f. i, M M r f r f E i R E M f. M R r M r f i, M. 37 i,m Cov Ri,RM dengan i sebagai engukur tingkat risiko dari suatu sekuritas VarR M M terhada risiko ortofolio asar dan Er i sebagai exected return CAM masingmasing sekuritas. Exected return CAM untuk suatu sekuritas daat dinyatakan dengan ersamaan sebagai berikut: i f i M f E r r E R r.. 38 asar dalam model ini yaitu Indeks Harga Saham Gabungan IHSG yang meruakan enggambaran secara keseluruhan keadaan harga-harga saham. Indeks harga saham gabungan IHSG disebut juga Jakarta Comosite Index JCI yang 3
27 meruakan salah satu indeks asar saham yang digunakan oleh Bursa Efek Indonesia BEI. L. Diversifikasi Naive /N Investor erlu melakukan diversifikasi ke beberaa sekuritas untuk menurunkan risiko ortofolio, dengan demikian konse diversifikasi berhubungan dengan jumlah sekuritas yang ada di dalam ortofolio. Semakin banyak sekuritasnya, semakin tersebar risikonya. Dengan bertambahnya sekuritas di dalam ortofolio, maka risiko akan didistribusikan ke sekuritas-sekuritas tersebut. Secara naluri manusia juga melakukan diversifikasi, misalnya tidak menyiman semua uangnya di satu Bank, tetai disebarkan ke beberaa Bank, tidak menyiman file di komuternya dalam satu USB, tetai dua atau lebih USB, dan lainnya. Jogiyanto Hartono, 04. Menurut Jogiyanto Hartono 04 diversifikasi Naive /N adalah strategi diversifikasi dengan bobot yang sama untuk masing-masing sekuritasnya. Diversifikasi untuk n sekuritas di dalam ortfolio, berarti bobot masing-masing sekuritas di dalam ortofolio adalah w i =. Untuk menghitung risiko ortofolio yang n terdiri dari n sekuritas digunakan rumus.0 sebagai berikut: n w i i i n n i j j i w w i j i j Untuk n sekuritas, setia sekuritas memiliki bobot yang sama yaitu w i = n, sehingga ersamaan.0 menjadi: n n i= σ = [ n σ i ] = i= σ n n i
28 Jika sekuritas i j, maka rumus.39 menjadi: n n σ n ij σ = i= j=. 40 ersamaan.39 dan.40 digunakan untuk menghitung varians mauun kovarians ortofolio, jika i = j maka rumus.39 daat digunakan untuk menghitung varians, jika i j maka rumus.40 daat digunakan untuk menghitung kovarians ortofolio. M. Minimum Variance ortofolio MV Metode otimasi Minimum Variance ortofolio MV disebut juga dengan ortofolio otimal risiko terkecil yang dibentuk dengan meminimumkan fungsi tujuan. Fungsi tujuan yang digunakan adalah fungsi risiko berdasarkan metode Markowitz yaitu meminimumkan risiko untuk tingkat return tertentu. Fungsi tujuan ini kemudian diminimalkan dengan beberaa kendala. Kendala yang ertama adalah total bobot yang diinvestasikan di masing-masing sekuritas untuk seluruh n sekuritas adalah sama dengan atau dana yang diinvestasikan seluruhnya berjumlah 00%. Misalnya w i adalah bobot sekuritas ke-i yang diinvestasikan di dalam ortofolio yang terdiri dari n sekuritas, maka kendala ertama ini daat dituliskan sebagai: n i w i Kendala yang kedua adalah bobot dari masing-masing sekuritas tidak boleh bernilai negatif, artinya tidak diijinkan adanya short sale, sehingga daat dituliskan sebagai berikut: 34
29 w i 0 untuk i = samai dengan n. Kendala yang ketiga adalah jumlah exected return ER i masing-masing sekuritas dengan masing-masing bobot saham w i dibatasi oleh return minimal yang diinginkan oleh investor R atau daat ditulis sebagai berikut: n E R i i w i R Dengan demikian, model enyelesaian otimasi ini daat ditulis sebagai berikut ini: Fungsi Tujuan: Meminimumkan n n n wi i i i j w w i j ij. 4 dengan kendala: n. w i i. w i 0 untuk i= samai dengan n. n 3. E R w R i i i N. Model Black Litterman engertian Model Black Litterman Model Black Litterman dierkenalkan oleh Fischer Black dan Robert Litterman di Goldman Sachs ada tahun 990. Model ini menggabungkan dua jenis informasi yaitu return ekuilibrium dari CAM dan exected return views investor yang meruakan titik acuan dari model Black Litterman He & Litterman, 999. Satchell & Scowcroft 35
30 000 menjelaskan mengenai endekatan Bayes untuk menyelesaikan kombinasi distribusi robabilitas model Black Litterman. Model Black Litterman dengan endekatan Bayes menggunakan views investor views sebagai informasi rior dan informasi asar sebagai data samel yang kemudian dikombinasikan untuk membentuk data baru data osterior. Views model Black Litterman digunakan untuk menyesuaikan exected return ekuilibrium dalam memrediksi return di masa yang akan datang. Manajer investasi daat menyatakan oininya yang berbeda dengan kondisi ekuilibrium, informasi yang berbeda ini mungkin karena berkaitan dengan exected return suatu sekuritas aakah akan meningkat atau turun berdasarkan views investor terhada keadaan asar, erekonomian atauun isu-isu olitik dan kenegaraan yang mungkin memengaruhi ergerakan sekuritas di asar. Views Investor Seorang investor daat memiliki views hanya untuk sejumlah k saham dari d saham yang terdaat dalam ortofolio, dengan kata lain investor tidak erlu menyatakan andangannya ada setia saham yang dimasukkan ke ortofolio namun cuku ada sejumlah saham yang menjadi erhatian investor. Investor daat menyatakan rediksinya mengenai return yang akan dieroleh untuk masing-masing saham ada masa mendatang dengan melihat lot ergerakan data harga dan data return masingmasing saham ada beberaa eriode sebelumnya. Investor daat menyatakan 36
31 andangannya dengan views relatif relative views mauun views asti absolute views. a. Views asti absolute views Views asti terbentuk aabila seorang investor memberikan rediksinya terhada dua buah saham, maka investor tersebut akan mengungkakan views dengan yakin terhada besarnya return yang akan diberikan oleh masing-masing saham. Contoh: Views : Saya rediksikan return saham A akan meningkat sebesar %. Views : Saya rediksikan return saham B akan meningkat sebesar 3%. a. Views relatif relative views Ketika seorang investor diminta untuk memberikan views tentang dua buah saham, kemudian investor tersebut melakukan erbandingan antara return yang akan diberikan kedua saham tersebut, maka terbentuklah views relatif atau relative views. Contoh: Saya rediksikan bahwa return saham A akan melebihi return saham B sebesar %. Contoh : Suatu ortofolio terbentuk dari 4 saham, yaitu saham A, B, C dan D. Investor daat menyatakan views terhada keemat saham tersebut mauun hanya ada beberaa saham yang menjadi erhatian investor. ada contoh ini, investor hanya menyatakan keemat saham tersebut dalam 3 views sebagai berikut: Views : Saya yakin saham B akan memberikan return % melamaui saham A. 37
32 Views : Saya yakin saham C akan memberikan return 4%. Views 3: Saya yakin saham D akan memberikan return 0,5%. Jika E r adalah estimasi return investor dengan 4 saham, yaitu A, B, C dan D, maka ketiga views investor tersebut daat dinyatakan dengan: E r B E r 0,0 ; A E r C 0, 04; ; E r D 0, 005. Estimasi return investor tersebut jika dibentuk dalam matriks, maka: , Er A 0,0 Er Er = B, q = [ 0,04 ] Er C 0,005 [ Er D ] Baris dalam matriks menjelaskan tentang views dan kolom matriks menjelaskan tentang saham. Saham yang akan memberikan return lebih dari saham yang lain outerforming akan dinyatakan dalam nilai ositif, sedangkan saham yang undererforming akan diberikan nilai negatif. Sehingga, jumlah dari bobot views absolut yang diberikan dalam matriks adalah dan views relatif berjumlah 0. Matriks q adalah matriks berukuran k yang elemen-elemennya berisi nilai exected return yang dieroleh dari views investor. Tingkat Keyakinan Investor Tingkat keyakinan meruakan vektor error yang menandakan views yang dimiliki investor masih belum asti dan diasumsikan berdistribusi normal. Tingkat keyakinan 38
33 ini dinyatakan dalam matriks diagonal kovarians dari views sebagai berikut Idzorek, 005 : dengan, = = matriks views dari return τ Σ. 4 τ = skala tingkat keyakinan dalam views range 0- Σ = matriks varians-kovarians dari return saham Jika elemen adalah nol maka investor diangga sangat yakin terhada andangannya, sedangkan ketika informasi rior yang dimiliki investor memiliki tingkat views yang tidak asti, maka hal ini diindikasikan dengan nilai matriks kovarians views adalah tidak nol. Asumsi Model Aturan Bayes menyatakan bahwa distribusi robabilitas dari suatu kejadian B terjadi aabila kejadian A diketahui, maka: r A B r B r B A.. 43 r A Aturan Bayes di atas lebih sering diungkakan dalam bentuk berikut: r B A r A Br B.. 44 dengan notasi menyatakan roosional terhada r B A : robabilitas dari kejadian B dengan syarat kejadian A diketahui. Disebut juga dengan distribusi osterior. 39
34 r A B : robabilitas dari kejadian A, dengan syarat kejadian B diketahui. Disebut juga dengan distribusi bersyarat. rb : robabilitas B, disebut juga informasi rior. ra : robabilitas A, disebut juga normalisasi konstan. Untuk membentuk model Black Litterman dibutuhkan dua jenis informasi yaitu exected return ekuilibrium CAM dan views investor. Kedua informasi tersebut kemudian dikombinasikan dengan menggunakan aturan Bayes, dengan mengganti kejadian A adalah return ekuilibrium CAM dan kejadian B adalah exected return investor, menggunakan ersamaan Bayes daat dieroleh: r π Er r Er r Er π. 45 r π dengan, : Er: vektor exected return investor ukuran n π: return ekuilibrium CAM dengan asumsi-asumsi sebagai berikut Retno Subekti, 008 : a. Asumsi ertama Diasumikan bahwa keyakinan rior Er dinyatakan sebagai Er, yang memunyai bentuk k kendala linear dari vektor exected return Er dan ditulis dengan matriks berukuran k n sehingga: Er = q + ν
35 Notasi q adalah vektor k x dari views return yang diberikan investor, sedangkan ν adalah vektor error k x yang menandakan adanya views yang masih belum asti. ersamaan.46 daat ditulis dalam bentuk matriks sebagai berikut: n Er q v [ n Er ] [ q v ]=[ ] + [ ] k k kn Er n q k v k Diasumsikan v berdistribusi normal dengan mean nol dan variansi, dinotasikan v~n0,, adalah matriks kovarians k k, sehingga : b. Asumsi Kedua Er ~ N q,. 47 Data return ekuilibrium π dengan syarat informasi rior diasumsikan berdistribusi normal multivariat dengan mean Er dan varians τ Σ, sehingga daat dinyatakan: π Er ~ N Er, Σ. 48 dengan Eπ=Er, artinya terdaat asumsi bahwa mean return ekuilibrium sama dengan mean return asar yang dieroleh melalui CAM. Sedangkan nilai τ adalah suatu angka yang diberikan investor untuk menyatakan keyakinan dalam andangannya. Kebanyakan eneliti menggunakan nilai τ yang berbeda. Stachell & Scowcroft 000 menentukan nilai τ sama dengan, sedangkan He & Litterman 999 menggunakan nilai τ yaitu 0,05. Nilai τ tergantung dari tingkat keyakinan investor terhada views, sehingga nilai untuk τ berkisar antara 0 samai. 4
36 Kombinasi Return Ekuilibrium dan Views Investor Teorema Model Black Litterman Salomons, 007: Er π berdistribusi multivariat normal dengan mean Er= [ Σ ] [ Σ π ] dan variansnya adalah [ Σ ] Bukti: Asumsi : Er berdistribusi normal multivariat dengan mean q dan varians dinotasikan Er ~ N q,, sehingga fungsi robabilitasnya adalah: f Er Asumsi : ex Er q k π det Er q. 49 π Er berdistribusi normal multivariat dengan mean π dan varians-kovarians matriks dinotasikan π Er ~ N E r, Σ, sehingga fungsi robabilitasnya: fπ Er ex π - Er Σ n π det Σ π - Er. 50 Teorema Bayes dalam konteks ini daat dinyatakan sebagai: r Er π r π Er r Er r π atau daat dinyatakan sesuai dengan ersamaan.44 sebagai berikut: r Er π rπ Er r Er 4
37 Fungsi robabilitas.49 dan.50 disubstitusikan ada rumus.44 sehingga dieroleh: r Er π. ex π Er Σ n π det Σ ex Er q k π det π Er Er q Dengan menghilangkan semua konstanta, maka yang tersisa adalah: re r π ex π Er Σ rer π ex Sehingga, π Er Er q Er q φ = π Er τʃ π Er + Er q Er q = π τʃ π Er τʃ π π τʃ Er + Er τʃ Er + Er Er q Er Er q + q q = π τʃ π Er τʃ π π τʃ Er + Er τʃ Er + Er Er q Er Er q + q q = Er [τʃ + ]Er + π τʃ π Er τʃ π π τʃ Er q Er Er q + q q = Er [τʃ + ]Er [τʃ π + q ]Er + π τʃ π + q q 43
38 untuk, C = H = Σ π q, Σ A C H = Er H H H, dimana H simetris dengan H = H, A = π Σ π q q. Menggunakan notasi di atas, maka daat ditulis kembali mejadi: Er HEr C Er A Er C H - C HEr C H H Er A HEr C Dengan demikian A C H C akan menjadi konstanta dan selanjutnya HEr C H HEr C = HEr C H HEr C = H HEr H C HH HH HEr H C = Er H C HEr H C Sehingga dieroleh: r Er π ex[ Er H Maka mean osteriornya H C adalah H C H Er H C [ Σ ] [ Σ π q] C ] dan variansnya H yaitu H [ Σ ] 44
39 45 Jadi distribusi return kombinasi yang baru Er π sebagai distribusi osterior berdistribusi normal ] ],[ [ ] N[ ~ Σ q π Σ Σ π Er Selanjutnya,. ] [ } { ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ π q Σ Σ π π q Σ Σ Σ I Σ I π π q Σ Σ Σ Σ I π π q Σ Σ q Σ Σ I π π q Σ Σ I π π q Σ π Σ I Σ I q Σ π Σ I q π Σ Σ Σ Σ q π Σ Σ μ BL Sehingga, exected return Black Litterman daat dirumuskan sebagai berikut: π q Σ Σ π Er μ BL BL. 5 dengan, Er BL : exected return model Black Litterman π : vektor k x untuk return ekuilibrium CAM τ : skala tingkat keyakinan dalam views range 0- Ʃ : matriks varians kovarians return : matriks diagonal kovarians dari views : matriks k x n untuk views yang berkaitan dengan return q : vektor k x untuk views return yang diberikan investor.
40 embobotan ortofolio model Black Litterman dihitung menggunakan rumus.34 ada model mean variance Markowitz sehingga dieroleh sebagai berikut: dengan, w Σ. 5 BL μ BL w BL : bobot sekuritas ada model Black Litterman δ : koefisien risk aversion Ʃ : matriks varians kovarians return μ : exected return Black Litterman. BL O. Share Ratio Share ratio dikembangkan oleh William Share dan sering disebut juga dengan reward-to-variability ratio RVAR. Share Ratio membandingkan selisih antara return sekuritas dan risk free rate dengan standar deviasi dari sekuritas tersebut, artinya Share mengukur besarnya erbedaan R r f atau risk remium yang dihasilkan untuk tia unit risiko yang diambil. Semakin tinggi nilai Share ratio, maka semakin baik kinerja yang dihasilkan. erhitungan Share ratio dengan menggunakan risk free rate adalah sebagai berikut: S R r f. 53 Untuk ortofolio yang tidak menggunakan risk free rate, maka erhitungan kinerja ortofolio Share ratio menjadi: 46
41 S * R. 54 Keterangan: S R r f σ = Share ratio = Return ortofolio dalam suatu eriode = Suku bunga bebas risiko dalam suatu eriode =Standar deviasi dari return ortofolio suatu eriode 47
BAB II KAJIAN TEORI. mendukung pembahasan pada bab-bab berikutnya, yaitu peubah acak, distribusi
BAB II KAJIAN TEORI Pada bab II ini akan dibahas tentang materi dasar yang digunakan untuk mendukung embahasan ada bab-bab berikutnya, yaitu eubah acak, distribusi normal, matriks, analisis multivariate,
Lebih terperinciBAB II LANDASAN TEORI. matriks, investasi, portofolio, saham, Jakarta Islamic Index (JII), Capital Assets Pricing
BAB II LANDASAN TORI ada bab ini dibahas tentang materi dasar yang digunakan untuk mendukung embahasan ada bab-bab berikutnya, yaitu varians dan kovarians, distribusi normal, matriks, investasi, ortofolio,
Lebih terperinciBAB II KAJIAN TEORI. untuk mendukung pembahasan pada bab-bab berikutnya, yaitu variable
BAB II KAJIAN TEORI Pada bab II ini akan dibahas tentang materi dasar yang digunakan untuk mendukung pembahasan pada bab-bab berikutnya, yaitu variable random, ekspektasi, varians dan kovarians, distribusi
Lebih terperinciBAB II KAJIAN TEORI. pembahasan pada bab-bab berikutnya, yaitu peubah acak, distribusi normal,
BAB II KAJIAN TEORI Pada bab ini dibahas tentang materi dasar yang digunakan untuk mendukung pembahasan pada bab-bab berikutnya, yaitu peubah acak, distribusi normal, matriks, analisis multivariat, aturan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Kerangka Pemikiran Penelitian ini dimulai dengan adanya ermasalahan yang ditemukan oleh enulis yakni mengenai validitas CAPM di dalam engalikasiannya terhada engukuran
Lebih terperinciANALISIS PENILAIAN KINERJA BLACK-LITTERMAN MENGGUNAKAN INFORMATION RATIO DENGAN BENCHMARK CAPITAL ASSETS PRICING MODEL TUGAS AKHIR SKRIPSI
ANALISIS PENILAIAN KINERJA BLACK-LITTERMAN MENGGUNAKAN INFORMATION RATIO DENGAN BENCHMARK CAPITAL ASSETS PRICING MODEL TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, akan dijelaskan pembahasan yang berkaitan dengan Pendekatan Fuzzy
BAB III PEMBAHASAN Pada bab ini, akan dijelaskan pembahasan yang berkaitan dengan Pendekatan Fuzzy Compromise Programming untuk Views dalam Portofolio Black Litterman. Selanjutnya, akan diterapkan pada
Lebih terperinciPengukuran Kinerja Portfolio Black-Litterman menggunakan Metode Sharpe Ratio
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Pengukuran Kinerja Portfolio Black-Litterman menggunakan Metode Sharpe Ratio S-7 Fitri Amanah 1 1 Alumni Fakultas MIPA, Universitas Negeri Yogyakarta
Lebih terperinciPENDEKATAN ALTERNATIF LEAST DISCRIMINANT PADA MODEL BLACK-LITTERMAN TUGAS AKHIR SKRIPSI
PENDEKATAN ALTERNATIF LEAST DISCRIMINANT PADA MODEL BLACK-LITTERMAN TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian
Lebih terperinci46 Jurnal Matematika Vol 6 No 4 tahun 2017
46 Jurnal Matematika Vol 6 No 4 tahun 2017 OPTIMASI PORTOFOLIO MENGGUNAKAN PENDEKATAN LEAST DISCRIMINANT DENGAN RETURN BLACK LITTERMAN PORTOFOLIO OPTIMIZATION USING LEAST DISCRIMINANT APPROACH WITH BLACK
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini dibahas mengenai materi dasar yang digunakan untuk bab
BAB II KAJIAN PUSTAKA Pada bab ini dibahas mengenai materi dasar yang digunakan untuk bab selanjutnya yaitu variabel random, varians dan kovarians, distribusi normal, analisis multivariat, turunan parsial,
Lebih terperinciANALISIS PENILAIAN KINERJA BLACK-LITTERMAN MENGGUNAKAN INFORMATION RATIO DENGAN BENCHMARK CAPITAL ASSETS PRICING MODEL
52 Jurnal Matematika Vol 6 No 4 Tahun 2017 ANALISIS PENILAIAN KINERJA BLACK-LITTERMAN MENGGUNAKAN INFORMATION RATIO DENGAN BENCHMARK CAPITAL ASSETS PRICING MODEL THE BLACK-LITTERMAN PERFORMANCE ANALYSIS
Lebih terperinciBAB I PENDAHULUAN. masyarakat yang tertarik untuk melakukan investasi. Instrumen dalam melakukan
BAB I PENDAHULUAN A. Latar Belakang Perkembangan investasi di Indonesia saat ini semakin pesat. Semakin banyak masyarakat yang tertarik untuk melakukan investasi. Instrumen dalam melakukan kegiatan berinvestasi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Investasi merupakan kegiatan yang membawa konsekuensi untung dan rugi. Hal yang mendasar dalam proses keputusan investasi adalah pemahaman hubungan
Lebih terperinciPembentukan dan Pemilihan Portofolio
Pembentukan dan Pemilihan Portofolio 1. Konse ortofolio efisien. Pembentukan ortofolio efisien Kombinasi sekuritas berisiko, tana short sales Kombinasi sekuritas berisiko, dgn short sales Kombinasi sekuritas
Lebih terperinciBAB I PENDAHULUAN. bank. Selain itu dapat juga dilakukan investasi dalam bentuk saham dengan
BAB I PENDAHULUAN A. Latar Belakang Investasi pada umumnya dilakukan untuk menyimpan dana atau uang yang diperoleh dari hasil kerja mereka ke dalam bentuk barang maupun tabungan di bank. Selain itu dapat
Lebih terperinciKEUNIKAN MODEL BLACK LITTERMAN DALAM PEMBENTUKAN PORTOFOLIO 1. Abstract
KEUNIKAN MODEL BLACK LITTERMAN DALAM PEMBENTUKAN PORTOFOLIO 1 Retno Subekti 2 Abstract Teori pembentukan portofolio diawali oleh Markowitz dengan mean-variancenya di tahun 50an. Selanjutnya bermunculan
Lebih terperinciBiaya Modal (Cost of Capital)
Bahan Ajar : Manajemen Keuangan II Digunakan untuk melengkai buku wajib Disusun oleh: Nila Firdausi Nuzula Biaya Modal (Cost of Caital) Caital Budgeting dan Cost of Caital (CoC) meruakan dua konse yang
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinciHALAMAN JUDUL ANALISIS MODEL BLACK LITTERMAN UNTUK DATA PASAR BERDISTRIBUSI SKEW NORMAL TUGAS AKHIR SKRIPSI
HALAMAN JUDUL ANALISIS MODEL BLACK LITTERMAN UNTUK DATA PASAR BERDISTRIBUSI SKEW NORMAL TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk
Lebih terperinciBAB I PENDAHULUAN. dimasukkan ke aktiva produktif selama periode waktu tertentu (Hartono, 2003).
BAB I PENDAHULUAN A. Latar Belakang Investasi merupakan kegiatan untuk mengubah satu unit konsumsi dimasa sekarang yang akan menghasilkan lebih dari satu unit konsumsi dimasa yang akan datang. Investasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini dibahas mengenai teori-teori dasar yang akan membantu pembaca dalam memahami materi bab selanjutnya. A. Variabel Random Definisi 2.1 (Bain dan Engelhardt, 1992:53) Suatu
Lebih terperinciAnalisi sensitivitas Model (Inka Chella Anggela)59
Analisi sensitivitas Model (Inka Chella Anggela)59 ANALISIS SENSITIVITAS MODEL BLACK-LITTERMAN PADA PORTOFOLIO REKSA DANA SENSITIVITY ANALYSIS OF BLACK-LITTERMAN MODEL ON MUTUAL FUND PORTFOLIO Oleh: Inka
Lebih terperinciBAB I PENDAHULUAN. permasalahan di kehidupan nyata yang dapat diselesaikan dengan pendekatan
BAB I PENDAHULUAN A. Latar Belakang Pemodelan matematika terbentuk untuk menyelesaikan suatu permasalahan di kehidupan nyata yang dapat diselesaikan dengan pendekatan matematis. Salah satu konsep yang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.. Kerangka Pikir Penelitian ini dilakukan untuk mengetahui aakah terdaat engaruh dan hubungan antara total nilai aset reksa dana dengan risiko asar reksa dana (beta), standar
Lebih terperinciBAB III MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC IN MEAN (EGARCH-M)
30 BAB III MODEL EXPOETIAL GEERALIZED AUTOREGRESSIVE CODITIOAL HETEROSCEDASTIC I MEA (EGARCH-M) 3.1 Proses EGARCH Exonential GARCH (EGARCH) diajukan elson ada tahun 1991 untuk menutui kelemahan model ARCH/GARCH
Lebih terperinciMODEL OPTIMISASI PORTOFOLIO INVESTASI MEAN- VARIANCE TANPA DAN DENGAN ASET BEBAS RISIKO PADA SAHAM IDX30
Jurnal Matematika Integratif Volume, No., Oktober 06,. 07-6 -ISSN:4-684, e-issn:549-903 doi:0.498/jmi.v.n.97.07-6 MODEL OPIMISASI POROFOLIO INVESASI MEAN- VARIANCE ANPA DAN DENGAN ASE BEBAS RISIKO PADA
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciBAB III METODOLOGI PENELITIAN
32 BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Dalam enulisan ini akan memberikan gambaran hasil enelitian yang dilakukan dalam menyelesaikan masalah okok yang di bahas, yakni menjelaskan kinerja
Lebih terperinciPENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING
PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciBAB IV METODE PENELITIAN
71 BAB IV METODE PENELITIAN 4.1 Jenis/Desain Penelitian Jenis penelitian yang digunakan adalah jenis penelitian yang menggunakan pendekatan kuantitatif dengan studi deskriptif, karena tujuan penelitian
Lebih terperinciBAB III PORTOFOLIO OPTIMAL. Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner
BAB III PORTOFOLIO OPTIMAL 3.1 Capital Asset Pricing Model Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner dan Mossin pada tahun 1964 hingga 1966. Capital assets pricing model merupakan
Lebih terperinciAplikasi Model Black Litterman dengan Pendekatan Bayes (Studi kasus : portofolio dengan 4 saham dari S&P500) 1. Retno Subekti 2
Aplikasi Model Black Litterman dengan Pendekatan Bayes (Studi kasus : portofolio dengan 4 saham dari S&P5) 1 Retno Subekti 2 retnosubekti@uny.ac.id Abstrak Model Black Litterman (BLM), model yang berkembang
Lebih terperinciIII. PEMBAHASAN. dimana, adalah proses Wiener. Kemudian, juga mengikuti proses Ito, dengan drift rate sebagai berikut: dan variance rate yaitu,
4 masing menyatakan drift rate dan variance rate dari. Untuk roses stokastik yang didefinisikan ada ruang robabilitas (Ω,, berlaku hal berikut: Misalkan adalah roses Wiener ada (Ω,,. Integral stokastik
Lebih terperinciAPLIKASI METODE JENSEN PADA SELEKSI SAHAM UNTUK PEMBENTUKAN PORTOFOLIO SKRIPSI
APLIKASI METODE JENSEN PADA SELEKSI SAHAM UNTUK PEMBENTUKAN PORTOFOLIO SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian Persyaratan
Lebih terperinciBAB II TINJAUAN PUSTAKA. 2.1 Investasi. cukup, pengalaman, serta naluri bisnis untuk menganalisis efek-efek mana yang
BAB II TINJAUAN PUSTAKA 2.1 Investasi Investasi pada hakikatnya merupakan penempatan sejumlah dana pada saat ini dengan harapan untuk memperoleh keuntungan di masa mendatang (Halim, 2005:4). Untuk melakukan
Lebih terperinciDETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK
Program Studi MMT-ITS, Surabaya 14 Juli 01 DETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK Haryono, Muhammad Sjahid Akbar dan Sony Sunaryo Statistics, Seuluh Noember Institute of Technology
Lebih terperinciBAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR
BAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR Berdasarkan ada bab sebelumnya, ada bab ini akan dijelaskan enetaan atribut-atribut (keseakatan istilah) yang akan digunakan, serta langkah-langkah
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciIV PEMBAHASAN. 4.1 Penentuan Titik Tetap Model Dinamika Virus HIV Titik tetap persamaan (3.1) diperoleh dengan menentukan dt 0, dt *
6 IV PEMBAHASAN 4. Penentuan Titik Teta Model Dinamika Titik teta ersamaan (3. dieroleh dengan menentukan dt, dt dan dv. Sehingga menurut ersamaan tersebut dieroleh titik teta s d N s dt T, T, V, T, kn
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Jakarta Islamic Index (JII) diluncurkan oleh PT. Bursa Efek Indonesia (BEI) bekerja sama dengan PT. Danareksa Investment Management (DIM) pada pertengahan tahun
Lebih terperinciPENERAPAN METODE MEAN CONDITIONAL VALUE AT RISK PADA PORTOFOLIO BLACK-LITTERMAN
Penerapan Metode Mean... (Ni Luh Putu Rian S.) 1 PENERAPAN METODE MEAN CONDITIONAL VALUE AT RISK PADA PORTOFOLIO BLACK-LITTERMAN APPLICATION OF BLACK-LITTERMAN PORTFOLIO USING MEAN CONDITIONAL VALUE AT
Lebih terperinciBAB I PENDAHULUAN. membutuhkan modal banyak dan cepat mendapatkan keuntungan. Tandelilin (2010: 2)
BAB I PENDAHULUAN A. Latar Belakang Banyak orang mendapatkan keuntungan dalam berinvestasi karena berinvestasi membutuhkan modal banyak dan cepat mendapatkan keuntungan. Tandelilin (2010: 2) menjelaskan
Lebih terperinciPORTFOLIO EFISIEN & OPTIMAL
Bahan ajar digunakan sebagai materi penunjang Mata Kuliah: Manajemen Investasi Dikompilasi oleh: Nila Firdausi Nuzula, PhD Portofolio Efisien PORTFOLIO EFISIEN & OPTIMAL Portofolio efisien diartikan sebagai
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciBAB II KAJIAN PUSTAKA. dua hal, yaitu risiko dan return. Dalam melakukan investasi khususnya pada
BAB II KAJIAN PUSTAKA 2.1 Landasan Teori 2.1.1 Teori Investasi Teori investasi menjelaskan bahwa keputusan investasi selalu menyangkut dua hal, yaitu risiko dan return. Dalam melakukan investasi khususnya
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryatno Sudirham Studi Mandiri Integral dan Persamaan Diferensial ii Darublic BAB 3 Integral (3) (Integral Tentu) 3.. Luas Sebagai Suatu Integral. Integral Tentu Integral tentu meruakan integral yang
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB II TINJAUAN PUSTAKA. yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi,
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi, Compromise Programming,
Lebih terperinciBAB I PENDAHULUAN. Tahun 1997 negara-negara di Kawasan Asia mengalami krisis ekonomi,
BAB I PENDAHULUAN A. Latar Belakang Tahun 997 negara-negara di Kawasan Asia mengalami krisis ekonomi, seerti Korea Selatan, Thailand, Filiina, Malaysia, Singaura, Indonesia. Penyebaran krisis di kawasan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEOI 2.1 Sejarah eksa Dana di Indonesia eksa dana mulai dierkenalkan ke asar Indonesia sejak tahun 1995, namun kurang berkembang akibat krisis moneter yang dialami Indonesia ada tahun 1998-1999.
Lebih terperinciMODEL BLACK LITTERMAN DENGAN PENDEKATAN TEORI SAMPLING
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 MODEL BLACK LITTERMAN DENGAN PENDEKATAN TEORI SAMPLING Retno Subekti Jurusan
Lebih terperinciRETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO ANALISIS INVESTASI DAN PORTOFOLIO ANDRI HELMI M, SE., MM.
RETURN YANG DIHARAPKAN DAN RISIKO PORTFOLIO ANALISIS INVESTASI DAN PORTOFOLIO ANDRI HELMI M, SE., MM. OVERVIEW Tujuan dari bab ini adalah untuk mempelajari konsep return dan risiko portofolio dalam investasi
Lebih terperinciAPLIKASI DISCOUNTED CASH FLOW PADA KONTROL INVENTORY DENGAN BEBERAPA MACAM KREDIT PEMBAYARAN SUPPLIER
Program Studi MMT-ITS, Surabaya Agustus 9 APLIKASI ISOUNTE ASH FLOW PAA KONTROL INVENTORY ENGAN BEBERAPA MAAM KREIT PEMBAYARAN SUPPLIER Hansi Aditya, Rully Soelaiman Manajemen Teknologi Informasi MMT -
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Analisa Kestabilan Lyapunov
Institut Teknologi Seuluh Noember Surabaya Analisa Kestabilan Lyaunov Contoh Soal Ringkasan Latihan Contoh Soal Ringkasan Latihan Sistem Keadaan Kesetimbangan Kestabilan dalam Arti Lyaunov Penyajian Diagram
Lebih terperinciTEORI INVESTASI DAN PORTFOLIO MATERI 4.
TEORI INVESTASI DAN PORTFOLIO MATERI 4 KONSEP DASAR 2/40 Ada tiga konsep dasar yang perlu diketahui untuk memahami pembentukan portofolio optimal, yaitu: portofolio efisien dan portofolio optimal fungsi
Lebih terperinciBAB I PENDAHULUAN. kehidupan nyata dapat ditransformasikan ke dalam model matematika. Salah satu
BAB I PENDAHULUAN A. Latar Belakang Model matematika suatu fenomena adalah suatu ekspresi matematika yang diturunkan dari fenomena tersebut. Ekspresi dapat berupa persamaan, sistem persamaaan atau ekspresi-ekspresi
Lebih terperinciBAB II TINJAUAN PUSTAKA. dana tersebut. Umumnya investasi dikategorikan dua jenis yaitu:
BAB II TINJAUAN PUSTAKA 2.1 Teori Investasi Menurut Kamaruddin (2004), investasi adalah menempatkan dana atau uang dengan harapan untuk memperoleh tambahan atau keuntungan tertentu atas uang atau dana
Lebih terperinciANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL SAHAM DENGAN PENDEKATAN OPTIMISASI MULTIOBJEKTIF UNTUK PENGUKURAN VALUE AT RISK SKRIPSI
ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL SAHAM DENGAN PENDEKATAN OPTIMISASI MULTIOBJEKTIF UNTUK PENGUKURAN VALUE AT RISK SKRIPSI Oleh : FIKI FARKHATI NIM. 24010210120050 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciSOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 2015
SOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 0 PAKET Pilihan Ganda: Pilihlah satu jawaban yang aling teat.. Ingkaran dari ernyataan Jika emerintah menghauskan kebijakan subsidi bahan bakar minyak
Lebih terperinciPart III DETERMINAN. Oleh: Yeni Susanti
Part III DETERMINAN Oleh: Yeni Susanti Perhatikan determinan matriks ukuran 2x2 berikut: Pada masing-masing jumlahan dan Terdapat wakil dari setiap baris dan setiap kolom. Bagaimana dengan tanda + (PLUS)
Lebih terperinci8 MATRIKS DAN DETERMINAN
8 MATRIKS DAN DETERMINAN Matriks merupakan pengembangan lebih lanjut dari sistem persamaan linear. Oleh karenanya aljabar matriks sering juga disebut dengan aljabar linear. Matriks dapat digunakan untuk
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai Penerapan Metode Mean Conditional
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai Penerapan Metode Mean Conditional Value at Risk dalam Portofolio Black-Litterman pada saham Jakarta Islamic Index (JII) dan Index Harga Saham Gabungan
Lebih terperinciRETURN YANG DIHARAPKAN DAN RISIKO
RETURN YANG DIHARAPKAN DAN RISIKO RETURN Definisi : merupakan imbalan atas keberanian investor menanggung risiko atas investasi yang dilakukannya. Komponen Return : Yield dan Capital Gain ( Loss). Yield
Lebih terperinciBAB II DETERMINAN DAN INVERS MATRIKS
BAB II DETERMINAN DAN INVERS MATRIKS A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU MATRIKS Matriks A = berdimensi mxn dapat dibentuk matriks baru dengan menggandakan perubahan bentuk baris dan/atau
Lebih terperinciDua model keseimbangan:
Dua model keseimbangan: 3/40 Capital Asset Pricing Model (CAPM) Arbitrage Pricing Theory (APT) CAPITAL ASSET PRICING MODEL (CAPM) CAPM adalah model hubungan antara tingkat return harapan dari suatu aset
Lebih terperinciPengukuran Value at Risk pada Aset Perusahaan dengan Metode Simulasi Monte Carlo
JURAL MIPA USRAT OLIE 2 (1) 5-11 dapat diakses melalui http://ejournal.unsrat.ac.id/index.php/jmuo Pengukuran Value at Risk pada Aset Perusahaan dengan Metode Simulasi Monte Carlo Leony P. Tupan a*, Tohap
Lebih terperinciBAB I PENDAHULUAN 1.1 Tinjuan Umum Terhadap Objek Studi Gambaran Umum LQ Kriteria Pemilihan Saham LQ45
BAB I PENDAHULUAN 1.1 Tinjuan Umum Terhadap Objek Studi 1.1.1 Gambaran Umum LQ45 Indeks LQ45 terdiri dari 45 saham dengan likuiditas (liquidity) tinggi yang diseleksi melalui beberapa kriteria pemilihan.
Lebih terperinciBAB I PENDAHULUAN. peningkatan dengan ditandai semakin maraknya kegiatan investasi di Pasar
BAB I PENDAHULUAN A. Latar Belakang Masalah Perkembangan dan keberadaan isu globalisasi tidak dapat di elakkan lagi. Hal itu dapat kita lihat dampaknya pada perkembangan perekonomian dunia yang semakin
Lebih terperinciTRANSFORMASI AFFIN PADA BIDANG
Jurnal Matematika Vol. No. November 03 [ : 8 ] TRANSFORMASI AFFIN PADA BIDANG Gani Gunawan dan Suwanda Program Studi Matematika, Fakultas MIPA, Universitas Islam Bandung Prgram Studi Statistika, Fakultas
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciBAB I PENDAHULUAN. nilai investasi yang diserahkan oleh investor sedangkan risiko adalah
BAB I PENDAHULUAN A. Latar Belakang Di dalam teori investasi dikatakan bahwa setiap sekuritas akan menghasilkan return dan risiko. Return merupakan tingkat pengembalian dari nilai investasi yang diserahkan
Lebih terperinciESTIMASI PORTOFOLIO MENGGUNAKAN MODEL BLACK- LITTERMAN PADA DATA HARGA SAHAM DI JAKARTA ISLAMIC INDEX PERIODE
ESTIMASI PORTOFOLIO MENGGUNAKAN MODEL BLACK- LITTERMAN PADA DATA HARGA SAHAM DI JAKARTA ISLAMIC INDEX PERIODE 009-0 Alan Prahutama, Sugito, Jurusan Statistika, Fakultas Sains dan Matematika, Universitas
Lebih terperinciKERANGKA TEORITIS. pemasaran, stok, impor dan ekspor beras Indonesia saling terkait secara simultan
III. KERANGKA TEORITIS Berdasarkan tinjauan ustaka yang telah dikemukakan maka disimulkan bahwa antara komonen enawaran, ermintaan, harga, endaatan etani, marjin emasaran, stok, imor dan eksor beras Indonesia
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciANALISIS TRACKING ERROR UNTUK MENGUKUR KINERJA PORTOFOLIO MODEL BLACK-LITTERMAN JURNAL
ANALISIS TRACKING ERROR UNTUK MENGUKUR KINERJA PORTOFOLIO MODEL BLACK-LITTERMAN JURNAL Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Repeated Measurement Dalam repeated measurement setiap perlakuan menunjukkan pengukuran terhadap satu sampel (unit eksperimen ) atau beberapa sampel yang memiliki karakter sama
Lebih terperinciAlgoritma Jaringan Syaraf Tiruan Hopfield
2.6. Jaringan Saraf Tiruan Hofield Jaringan syaraf Tiruan Hofield termasuk iterative autoassociative network yang dikembangkan oleh Hofield ada tahun 1982, 1984. Dalam aringan Hofield, semua neuron saling
Lebih terperinciMatematika Teknik I: Matriks, Inverse, dan Determinan. Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015
Matematika Teknik I: Matriks, Inverse, dan Determinan Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015 Dadang Amir Hamzah (STT) Matematika Teknik I Semester 3, 2015 1 / 33 Outline 1 Matriks Dadang
Lebih terperinciBAB I PENDAHULUAN. semakin bervariasi akan semakin meningkat. Para pemilik atau investor dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pasar modal memainkan peran yang strategis dan sangat penting dalam mendukung pertumbuhan ekonomi domestik, pasar modal yang berkembang sangat baik akan memberikan
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Jenis dan Sumber Data Mengacu pada pendapat Supranto (2009) penelitian yang dalam pengumpulan data dan pengungkapan hasilnya menggunakan angka, maka penelitian tersebut dinamakan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Suatu perusahaan pasti menginginkan keuntungan yang besar dan risiko yang kecil dalam usahanya tersebut. Banyak strategi yang dilakukan untuk mendapatkan keuntungan
Lebih terperinci49 Universitas Indonesia
BAB 3 DATA DAN METODOLOGI PENELITIAN 3. Ruang Lingkup Penelitian Penelitian ini dilakukan pada Perusahaan Asuransi Kerugian ABC, yang akan membatasi penelitian pada hasil investasi dana yang dikelola dengan
Lebih terperinciMUH1G3/ MATRIKS DAN RUANG VEKTOR
MUHG3/ MATRIKS DAN RUANG VEKTOR TIM DOSEN Determinan Matriks Determinan Matriks Sub Pokok Bahasan Permutasi dan Determinan Matriks Determinan dengan OBE Determinan dengan Ekspansi Kofaktor Beberapa Aplikasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB II KAJIAN TEORI. Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan
5 BAB II KAJIAN TEORI Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan digunakan sebagai landasan pembahasan mengenai model Seemingly Unrelated Regression (SUR). Pengertian-pengertian
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. berlandaskan dari teori yang ada pada bab II sebelumnya. Pengelolahan data
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini, penulis membahas mengenai pengolahan data-data yang berlandaskan dari teori yang ada pada bab II sebelumnya. Pengelolahan data tersebut akan menghasilkan hasil
Lebih terperinciPENILAIAN SURAT BERHARGA
PENILAIAN SURAT BERHARGA ROSANNA WULANDARI, SE,MM PENILAIAN SURAT BERHARGA Surat Berharga Apabila perusahaan mempunyai kelebihan dana, maka manajer keuangan harus mengusahakan agar kelebihan dana tersebut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dalam pasar modal saat ini kian menarik banyak investor untuk melakukan investasi. Investasi adalah komitmen atas sejumlah dana atau sumberdaya lainnya
Lebih terperinciLANDASAN TEORI. atau keuntungan atas uang tersebut (Ahmad, 1996:3). Investasi pada hakikatnya
II. LANDASAN TEORI 2.1. Investasi Investasi adalah menempatkan dana dengan harapan memperoleh tambahan uang atau keuntungan atas uang tersebut (Ahmad, 1996:3). Investasi pada hakikatnya merupakan penempatan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciMATERI 5 PEMILIHAN PORTFOLIO. Prof. DR. DEDEN MULYANA, SE., M.Si.
MATERI 5 PEMILIHAN PORTFOLIO Prof. DR. DEDEN MULYANA, SE., M.Si. OVERVIEW 1/40 Konsep-konsep dasar dalam pembentukan portofolio optimal. Perbedaan tentang aset berisiko dan aset bebas risiko. Perbedaan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Model penetapan harga asset Capital Assets Pricing Model, biasa disebut
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Model penetapan harga asset Capital Assets Pricing Model, biasa disebut CAPM. Model ini memberikan prediksi yang tepat tentang bagaimana hubungan antara risiko
Lebih terperinciMATERI 6 MODEL-MODEL KESEIMBANGAN
MATERI 6 MODEL-MODEL KESEIMBANGAN CAPITAL ASSET PRICING MODEL (CAPM) PORTOFOLIO PASAR GARIS PASAR MODAL (CAPITAL MARKET LINE/CML) GARIS PASAR SEKURITAS (SECURITY MARKET LINE/SML) PENGUJIAN TERHADAP CAPM
Lebih terperinciPERHITUNGAN NILAI EKSPEKTASI RETURN DAN RISIKO DARI PORTOFOLIO DENGAN MENGGUNAKAN MEAN - VARIANCE EFFICIENT PORTFOLIO
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No.1 (2014), hal 51-56. PERHITUNGAN NILAI EKSPEKTASI RETURN DAN RISIKO DARI PORTOFOLIO DENGAN MENGGUNAKAN MEAN - VARIANCE EFFICIENT PORTFOLIO
Lebih terperinciModel-model Keseimbangan
Materi 5 Model-model Keseimbangan Prof. Dr. DEDEN MULYANA, SE., M.Si. MODEL-MODEL MODEL KESEIMBANGAN CAPITAL ASSET PRICING MODEL (CAPM) PORTOFOLIO PASAR GARIS PASAR MODAL (CAPITAL GARIS PASAR SEKURITAS
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sejarah Bursa Efek Indonesia Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar modal atau bursa efek telah hadir sejak jaman kolonial Belanda dan
Lebih terperinci