Estimasi Parameter Copula Dan Aplikasinya Pada Klimatologi
|
|
- Sonny Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Estimasi Parameter Copula Dan Aplikasinya Pada Klimatologi Irwan Syahrir ( ) Dosen Pembimbing: Dr. Ismaini Zaini, M.Si Dr.rer.pol. Heri Kuswanto, M.Si
2 . PENDAHULUAN Latar belakang Analisis Statistik Asumsi Distribusi Normal Analisis hubungan antara 2 (dua) variabel - Masalah lebih mudah dan sederhana - Mudah perhitungan estimasi Korelasi pengukuran dependensi antara variabel -Spearman - Kendall Pearson 2
3 Latar belakang (lanjutan) Penelitian - Biostatistic - Risk management - insurance/actuaria - Climatology/meteorology, etc Kasus distribusi tidak normal Ketidaknormalan diabaikan dalam perhitungan korelasi Kasus Multivariat Struktur dependensi Struktur probabilitas fungsi densitas kompleks Pendekatan Copula Mengapa? - Mampu mengatasi dependensi variabel yang berdistribusi tak normal - Informasi struktur dependen lebih banyak - Lebih fleksibel : distribusi marginal dari variabel dependen dapat dibedakan atau bahkan dapat mengetahui distribusi variabel yang tidak diketahui. (Schölzel,2008) 3
4 Latar belakang (lanjutan) Penelitian dengan pendekatan Copula : hidrology : Favre et al. (2004) dan Genest et al. (2007). Keuangan dan asuransi : Cherubini et al. (2004) dan Mcneil et al. (2005) Ekonometrika dan time series: Patton (2002;2009). Klimatologi : Schölzel (2008). Schölzel (2008), menjelaskan pola distribusi dan fungsi densitas dari variabel random multivariat pada data temperatur, curah hujan dan kecepatan angin. Copula Theorema Sklar s Sklar (959) Suatu cara untuk menjelaskan struktur dependensi vektor random Estimasi copula menyatakan bahwa setiap distribusi marginal harus dihitung dan dimasukkan ke dalam estimasi distribusi multivariat 4
5 Estimasi Parameter Copula Metode Maximum Likelihood Estimation (MLE). (Choroś et al.,200) Pendekatan model parametrik, semiparametrik dan non parametrik (Charpentier et.al.,2006) Copula Archimedean Aplikasi Geoscience (Embrechts et al.,200) Kasus Klimatologi Gumbel Clayton 5
6 Tujuan Penelitian. Menentukan estimasi parameter copula archimedean 2. Mengaplikasikan pada data klimatologi Manfaat Penelitian. Memperkenalkan metode alternatif yaitu pendekatan copula khususnya keluarga archimedean, yang dapat diaplikasikan pada data iklim yang distribusinya tidak normal. Batasan Masalah. Estimasi parameter copula dg pendekatan Kendall s Tau 2. Parameter Copula gumbel dan Clayton 3. Variabel yang dilibatkan hanya dibatasi 2 (dua) variabel atau bivariat, yaitu data kecepatan angin rata-rata dengan tekanan udara diatas permukaan air laut dan kecepatan angin dengan temperatur udara 6
7 2. Teori Copula copula fungsi yang menghubungkan margin univariat menjadi distribusi multivariat, dimana fungsi tersebut merupakan fungsi distribusi bersama dari variabel random uniform standar normal. (Nelsen,999) Variabel random multivariat Asumsi Suatu m dimensi vektor random X dengan fungsi distribusi kumulatif marginal (Marginal Cumulative Distribution Function) F,..., X F Xm dengan domain R F ( ) 0 X = F ( ) X = Theorema Sklar s (959) joint distribusi dari vektor random dapat ditulis sebagai fungsi dari distribusi marginalnya. F ( x) = C ( F ( x ),..., F ( x ) X X X X m m 7
8 F ( x) = C ( F ( x ),..., F ( x ) X X X X m m [ ] [ ] [ ] C : 0, x... x 0, 0, X fungsi distribusi bersama dari transformasi variabel random Uj memiliki distribusi marginal yg uniform. Jika distribusi marginalnya kontinu, maka fungsi copula adalah unik (nelsen,2006) U F ( X ) = j=,,m j X j j Distribusi fungsi copula u u m C ( u,..., u )... c ( u,..., u ) du... u = X m X m m 0 0 u = F ( x ) j X j j 8
9 Teorema Sklar s setiap probabilitas densitas bersama dapat dituliskan sebagai hasil dari probabilitas densitas marginal dan densitas copula. f ( x) = f ( x )... f ( x ). c ( u,..., u ) X x Xm m X m Fungsi copula Fungsi distribusi multivariat dengan marginal uniform standar 9
10 Keluarga Copula a. Copula Ellip b. Copula Archimedian Copula ellip Copula normal Fungsi distribusi kumulatif bivariat standar normal dengan korelasi ρ (sklar,959) 2 Copula Students t Fungsi copula normal : ( ) C ( u, u ) =Φ Φ ( u ), Φ ( u ) ρ 2 ρ 2 Fungsi densitas copula normal : c ρ,, ρ ( Φ ( ), Φ ( 2) ) ( Φ ( u) ) ϕ( Φ ( u2) ) ϕx X u u 2 ( u, u2) = ϕ dimana 2 2, 2, ( x, x ϕ 2) exp [ ] X X 2 2( ) x x xx ρ = + ρ π ρ ρ 0
11 Copula Students t Karakteristik Copula student s t Contoh pdf dari t-copula dengan ρ=0,865 dan v =, 5, 2.5 (dari kiri ke kanan). Dalam kasus bivariat copula t dapat dituliskan sebagai berikut: t C ( u, u, v, ρ) = v 2 t v v v d t ( u ) t ( u ) t v v + 2 Γ 2 v Γ πv ρ 2 2 ( ) v ρ x xx x x + ( ρ ) v dx dx 2 dimana ρ adalah koefisien korelasi, ν adalah jumlah derajat bebas.
12 Copula Archimedian (i) Clayton (ii) Frank (iii) Gumbel Fungsi copula archimedian C ( u,..., u ) = φ ( φ( u ) φ( u )) X m m θc φ ( u) = u (Clayton) C θfu e φf ( u) = log (Frank) θ F e θg φ ( u) = ( log u) (Gumbel) G Kasus bivariat C ( u, u ) = φ ( φ( u ) + φ( u )) X 2 2 φ fungsi disebut fungsi generator dari copula (Nelsen,2006) 2
13 3. Estimasi Copula Estimasi parameter copula dapat diperoleh dengan metode Maximum Likelihood Estimation (MLE) (Mikosch,2006). Dengan mendeskripsikan parameter yang diberikan copula dan distribusi marginal, estimasi ML diperoleh dengan memaksimumkan fungsi log likelihood. d f( x, x,..., x) = cf ( ( x), F( x),..., F( x) f( x) 2 d 2 2 d d i i i= cu (, u,..., u) 2 d Cu (, u,..., u) u u,..., u 2 d densitas dari = 2 d d-dimensi copula 2 Cu (, u,..., u; θ ) d model fungsi likelihood Copula ln f( x, x; θ, ρ) = ln cf ( ( x; θ), F( x; θ); ρ) + ln f( x; θ) + ln f( x; θ)
14 4. Estimasi Parameter Copula Archimedean Menurut Genest dan rivest (993) untuk mengkonstruksi estimasi parameter COPULA dapat menggunakan observasi nilai Kendall s tau τ = φ( u) du φ ( u) φc Fungsi generator Copula Archimedean
15 Pengertian Cuaca dan Iklim - Cuaca (weather) - Iklim (climate) besaran unsur fisika atmosfer unsur cuaca atau unsur iklim - penerimaan radiasi matahari - suhu udara - kelembaban udara - tekanan udara - Kecepatan angin - arah angin - penutupan awan - presipitasi (embun, hujan, salju) - evaporasi. Cuaca keadaan udara pada saat tertentu dan di wilayah tertentu yang relatif sempit dan pada jangka waktu yang singkat. Iklim keadaan cuaca rata-rata dalam waktu satu tahun yang dilakukan dalam waktu yang lama dan meliputi wilayah yang luas. 5
16 Tekanan udara adalah suatu gaya yang timbul akibat adanya berat dari lapisan udara. Besarnya tekanan udara di setiap tempat pada suatu saat berubah-ubah. Makin tinggi suatu tempat dari permukaan laut, makin rendah tekanan udaranya. Besarnya tekanan udara diukur dengan barometer dan dinyatakan dengan milibar (mbar). Angin adalah udara yang bergerak dari daerah bertekanan udara tinggi ke daerah bertekanan udara rendah. Kecepatan angin dapat diukur dengan suatu alat yang disebut Anemometer Temperatur Udara adalah tingkat atau derajat panas dari kegiatan molekul dalam atmosfer yang dinyatakan dengan skala Celcius, Fahrenheit, atau skala Reamur. Dari pengertian diatas dapat diketahui bahwa antara tekanan udara,kecepatan angin dan temperatur udara saling berhubungan. Perbedaan tekanan udara di suatu daerah akan mengakibatkan adanya pergerakan angin dari daerah yang bertekanan tinggi ke daerah yang bertekanan rendah. 6
17 5. Metodology Kajian teori Aplikasi data Data klimatologi Variabel penelitian: Kecepatan angin rata-rata (km/jam) Tekanan udara diatas permukaan air laut (mbar) τ τ 0 Temperatur udara ( C) Sumber data Stasiun Surabaya/Perak Data observasi harian Tahun Sampel : 69 pengamatan 7
18 Metodology (lanjutan) A. Tujuan pertama Mendefinisikan fungsi distribusi bersama variabel random. Menentukan fungsi distribusi Copula untuk kasus bivariat. Menentukan fungsi likelihood Copula Mengestimasi parameter fungsi Copula dengan metode Maximum Likelihood Estimation (MLE). Mengestimasi parameter Copula Archimedean untuk keluarga Gumbel dan Clayton dengan pendekatan Kendall s Tau B. Tujuan kedua: Membuat scatter plot antara kedua variabel yaitu : i. Kecepatan angin rata-rata dan tekanan udara ii. Kecepatan angin rata-rata dan temperatur udara Menguji ketaknomalan data dengan menggunakan histogram dan uji Kolmogorov-Smirnov Menghitung parameter dependensi antara kedua variabel dengan observasi nilai Kendall s Tau Menghitung parameter pada Copula Archimedean khususnya Copula Gumbel dan Copula Clayton. Menentukan estimasi fungsi Copula Archimedean pada keluarga Clayton dan Gumbel. 8
19 5. Hasil dan Pembahasan Copula untuk Kasus Bivariat Fungsi distribusi bivariat Transformasi Fx (, x) = CF { ( x), F( x)} Nelsen (2006) C( u, u ) = F{ F ( u ), F ( u )}, u, u [0,] Fungsi copula Cu (, u) c( u, u ) =,, [0,] u u2 u u2 f( x, x ) = c{ F( x ), F ( x )} f ( x ) f ( x ), x, x Fungsi densitas copula bivariat 9
20 Fungsi likelihood Copula n L= Π c { F( x ), F ( x )} f ( x ) f ( x ) i= uu MLE ln f( x, x; θ, ρ) = ln cf ( ( x; θ), F( x; θ); ρ) + ln f( x; θ) + ln f( x; θ) Estimasi parameter copula Observasi Kendall s Tau. Nelsen (2006) no closed form numerik 20
21 Hasil dan Pembahasan Estimasi Parameter Copula Archimedean τ C = φ( u) du φ '( u) φ( u) Fungsi generator copula Gumbel: Clayton : φ( u) φ( u) τ = + 4 du τ = + 4 du 0 0 φ ( u) φ ( u) =+4 0 θ ( log u) θ θg G( log( u)) / G θg du = u θ G =+4 0 ( u ) / θ θ θc c C du = θc u θc + 2 θ G = ( τ ) θ C 2τ = τ 2 2
22 Fungsi Copula Keluarga Archimedean Versi Bivariat Family Copula (C θ ) Parameter range Clayton θ θ θ 2 2 Cl C ( u, u ) ( u u ) θ = + θ [, ] \ { 0} Gumbel Gu Cθ ( u, u ) = exp (log u ) + (log u ) ( ) θ θ θ 2 2 θ [, ] Sumber : Schmidt (2006) 22
23 5. Hasil dan Pembahasan (lanjutan) Aplikasi Copula Scatter plot wind ave vs SLP Scatter plot wind ave vs T mean. Plot-plot yang terkonsentrasi dalam satu area menunjukkan adanya korelasi yang berdekatan. Sedangkan plot-plot yang outlier menunjukkan hubungan yang sangat jauh antar kedua variabel. Hubungan dependensi antar kedua variabel tidak dapat hanya dideskripsikan dengan korelasi pearson karena banyaknya outlier pada scatter plot. Untuk mengatasi hal tersebut maka struktur dependensi dapat dijelaskan dengan korelasi yang berbasis pada rank yaitu korelasi kendall tau atau spearman. 23
24 Uji Kenormalan Histogram Wind Ave (kecepatan angin, km/jam) Histogram SLP(Tekanan udara, Mbar) Variabel Kolmogorov-Smirnov Statistic df Sig. Wind_ave 0, ,000 SLP 0, ,000 T mean ,029 24
25 b. Temperatur udara (T mean- 0C) Histogram T mean (Temperatur udara, 0C) 25
26 Grafik distribusi bivariat antara kecepatan angin dan tekanan udara 26
27 Grafik distribusi bivariat antara kecepatan angin dan temperatur udara 27
28 Transformasi ke distribusi marginal uniform pada domain [0,] Scatter plot rank antara Wind_ave dengan SLP pada transformasi uniform [0,] Scatter plot rank antara Wind_ave dengan T_mean pada transformasi uniform [0,] kedua variabel adalah dependen, meskipun tingkat dependensinya kecil. Plot antar keduanya menunjukkan terkonsentrasi pada beberapa ruang interval yaitu pada ujung scatter, tetapi pada bagian interval tertentu diantara keduanya plot tidak jelas. Bagian plot yang tidak jelas mengindikasikan tail dependence. Dari sini dapat didefinisikan beberapa copula yang memiliki karakteristik bentuk tail dependence. 28
29 Scatter plot rank bivariat sampel random dari keluarga Gumbel dan Clayton dengan θ = 2 Copula Gumbel Copula Clayton Scatter plot rank bivariat sampel random dari keluarga Gumbel dan Clayton dengan θ =4 Gumbel Copula Clayton Copula 29
30 Scatter plot rank bivariat sampel random dari keluarga Gumbel dan Clayton dengan θ = 6 Gumbel Copula Clayton Copula Scatter plot rank bivariat sampel random dari keluarga Gumbel dan Clayton dengan θ =0 Clayton Copula Gumbel Copula 30
31 Sebelum melakukani fitting model copula maka terlebih dulu mengestimasi koefisien korelasi dari kedua variabel tersebut dengan 3 metode, yaitu Pearson, Spearman dan Kendall. Tabel pengukuran korelasi wind_ave vs SLP Pearson Kendall Spearman Correlation 0, , , p-value 7,84 x 0-9 7,772 x 0-5 2,554 x 0-4 α <0,05 Tabel pengukuran korelasi wind_ave vs T mean Pearson Kendall Spearman Korelasi 0, , , p-value 2,2 x 0-6 2,2 x 0-6 2,2 x 0-6 3
32 Perhitungan parameter copula berbasis Kendall s Tau Kecepatan angin vs tekanan udara Parameter copula clayton 2τ θc = τ 2(0,28978) = 0,28978 = 0, Parameter copula gumbel θ G = τ = 0,28978 =,47049 Kecepatan angin vs temperatur udara Parameter copula clayton Parameter copula gumbel 2τ θc = τ 2(0,474547) = 0, = 0,34523 θ G = τ = 0, =,
33 Fungsi Copula A. Kecepatan angin dan tekanan udara B. Kecepatan angin dan tekanan udara Copula Clayton θ θ θ 2 = + 2 Cl C ( u, u ) ( u u ) θ 0, , , = + 2 Cl C ( u, u ) ( u u ) θ Copula Clayton θ θ θ 2 = + 2 Cl C ( u, u ) ( u u ) θ 0, , , = + 2 Cl C ( u, u ) ( u u ) θ Copula Gumbel Gu Cθ ( u, u ) = exp (log u ) + (log u ) ( ) θ θ θ 2 2 Gu Cθ ( u, u ) exp (log u ) (log u ),47049,47049, = + 2 ( ) Copula Gumbel Gu Cθ ( u, u ) = exp (log u ) + (log u ) ( ) θ θ θ 2 2 Gu Cθ ( u, u ) exp (log u ) (log u ),72958,72958, = + 2 ( ) 33
34 Estimasi parameter θ dan nilai loglikelihood dihitung untuk mengetahui model struktur dependensi yang terbaik pada copula Tabel Model Fitting Untuk Copula Archimedean Untuk Kecepatan Angin Dan Tekanan Udara Copula Estimate Std. error Z Log likelihood Gumbel Clayton Model terbaik Tabel Model Fitting Untuk Copula Archimedean Untuk Kecepatan Angin Dan Temperatur Udara Copula Estimate Std. error Z Log likelihood Gumbel, , Clayton Model terbaik 34
35 Fungsi Copula Model terbaik A. Kecepatan angin dan tekanan udara Gu Cθ ( u, u ) = exp (log u ) + (log u ) ( ) θ θ θ 2 2 Gu Cθ ( u, u ) exp (log u ) (log u ),47049,47049, = + 2 ( ) Copula Gumbel B. Kecepatan angin dan tekanan udara θ θ θ 2 = + 2 Cl C ( u, u ) ( u u ) θ 0, , , = + 2 Cl C ( u, u ) ( u u ) θ Copula Clayton 35
36 Scatter plot rank antara Wind_ave dengan SLP pada transformasi uniform [0,] Scatter plot rank dari Copula Gumbel untuk variabel random dengan parameter θ =,
37 Scatter plot rank antara Wind_ave dengan T_mean pada transformasi uniform [0,] Scatter plot rank dari Copula Clayton untuk variabel random dengan parameter θ = 0,
38 Kesimpulan. Variabel kecepatan angin rata-rata (wind_ave) dan tekanan udara diatas permukaan air laut (SLP) memiliki distribusi yang tidak normal. 2. Copula archimedean dapat digunakan untuk menjelaskan struktur dependensi kedua variabel iklim tersebut. 3. Copula Archimedean dari keluarga Gumbel merupakan model terbaik untuk menjelaskan struktur dependensi antara variabel kecepatan angin rata-rata dan tekanan udara diatas permukaan air laut. 4. Copula Clayton merupakan model terbaik untuk variabel kecepatan angin rata-rata temperatur udara 38
39 Saran. Dalam penelitian ini peneliti menghitung estimasi parameter Copula Archimedean dengan pendekatan parametrik, padahal seringkali kasus yang muncul dalam analisis data adalah pola distribusi data termasuk katagori non parametrik. Oleh karena itu perlu adanya perhitungan estimasi dengan pendekatan non parametrik. 2. Perlu juga adanya penelitian pembanding dalam perhitungan estimasi dengan menggunakan keluarga Copula yang lain, misal: Copula Ellip yang meliputi Copula Normal dan Copula Student s t. 3. Pada penelitian ini struktur dependensi antara kedua variabel dalam bentuk scatter plor rank tidak terlalu kelihatan dengan jelas karena dimungkinkan jumlah sampel data hanya pada observasi selama 5 tahun. Oleh karena itu pada penelitian berikutnya perlu ditambah sampel penelitian hingga 0 tahun atau lebih. 39
40 Terima Kasih 40
Korelasi Kendall (τ) untuk Estimasi Parameter Distribusi Clayton-copula Bivariat
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Korelasi Kendall (τ) untuk Estimasi Parameter Distribusi Clayton-copula Bivariat S - 9 Apriliana Wiji Nurcahyani, Dewi Retno Sari Saputro,
Lebih terperinciANALISIS HUBUNGAN PRODUKSI PADI DAN INDIKATOR ENSO DI KABUPATEN TABANAN DENGAN PENDEKATAN COPULA
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 164-169 ISSN: 2303-1751 ANALISIS HUBUNGAN PRODUKSI PADI DAN INDIKATOR ENSO DI KABUPATEN TABANAN DENGAN PENDEKATAN COPULA Luh Gede Udayani 1, I Wayan Sumarjaya
Lebih terperinciPeubah Acak, Fungsi Distribusi Bersama dan Copula
Peubah Acak, Fungsi Distribusi Bersama dan Copula oleh Khreshna Syuhada Misalkan kita memiliki dua peubah acak X dan Y yang tidak saling bebas; fungsi distribusinya, berturut-turut, adalah F X dan G Y.
Lebih terperinciBAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA
BAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA 3.1 Value at Risk (VaR) Salah satu aspek yang sangat penting dalam analisis resiko adalah penghitungan Value at Risk atau yang selanjutnya disingkat dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA. return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula,
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula, VaR, estimasi VaR dengan
Lebih terperinciESTIMASI PARAMETER COPULA ARCHIMEDEAN DAN APLIKASINYA PADA KLIMATOLOGI
ESTIMASI PARAMETER COPULA ARCHIMEDEAN DAN APLIKASINYA PADA KLIMATOLOGI Irwan Syahrir Ismaini Zaini, Heri Kuswanto 2 Mahasiswa Magister Jurusan Statistika ITS, 2 Dosen Jurusan Statistika ITS. email : irwansyahrir@ymail.com
Lebih terperinciABSTRAK. Kata Kunci : copula, produksi padi, ENSO, copula Archimedean, copula Frank
Judul Nama Pembimbing : Analisis Hubungan Produksi Padi dan Indikator ENSO di Kabupaten Tabanan dengan Pendekatan Copula : Luh Gede Udayani : 1. I Wayan Sumarjaya, S.Si., M.Stats. 2. Made Susilawati, S.Si.,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu konsep yang sangat menarik untuk dikaji adalah konsep copula. Konsep ini banyak digunakan di bidang matematika dan statistika, bahkan aplikasinya
Lebih terperinciBab II Kajian Teori Copula
Bab Kajian Teori Copula.1 Pendahuluan Copula Tesis ini mengacu pada terminologi copula sebagai fungsi yang menghubungkan fungsi distribusi multivariat terhadap fungsi distribusi marginal uniform. Misalkan
Lebih terperinciEstimasi Parameter Distribusi Marshall-Olkin Copula dengan Metode Maximum Likelihood
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 S - 26 Estimasi Parameter Distribusi Marshall-Olkin Copula dengan Metode Maximum Likelihood Riris Listya Dahyita Putri, Dewi Retno Sari Saputro,
Lebih terperinciMA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad
Catatan Kuliah MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut
Lebih terperinciValue-at-Risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik dan Copula
Value-at-Risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik dan Copula June 29, 2016 Abstrak Pengukuran risiko merupakan hal penting bagi individu maupun perusahaan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dewasa ini industri asuransi telah menjadi suatu bidang usaha yang menarik dan mempunyai peranan yang tidak kecil dalam perekonomian. Keberadaan industri
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam berinvestasi ada tiga hal yang perlu diperhatikan oleh investor, yaitu capital (modal), objective (objektif), dan risk (risiko).hal yang sering menjadi
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinci1. Tempat Waktu Penelitian C. Subjek Penelitian D. Identifikasi Variabel Penelitian E. Definisi Operasional Variabel...
DAFTAR ISI HALAMAN JUDUL DAN LEMBAR PERSETUJUAN... i DAFTAR ISI... iii DAFTAR TABEL... v DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... viii SURAT PERNYATAAN... ix KATA PENGANTAR... x ABSTRAK... xii BAB I PENDAHULUAN...
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dari tahun ke tahun, produksi mobil dunia semakin berkembang pesat. Berbagai merek ataupun jenis beserta keunggulan-keunggulan yang ditawarkan berbedabeda
Lebih terperinciBab III Studi Kasus III.1 Decline Rate
Bab III Studi Kasus III.1 Decline Rate Studi kasus akan difokuskan pada data penurunan laju produksi (decline rate) di 31 lokasi sumur reservoir panas bumi Kamojang, Garut. Persoalan mendasar dalam penilaian
Lebih terperinciSKRIPSI. Disusun Oleh : OKTAFIANI WIDYA NINGRUM
PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM MENGGUNAKANN COPULA (Studi Kasus : Saham-Saham Perusahaan di Indonesia Periode 13 Oktober 2011-12 Oktober 2016) SKRIPSI Disusun Oleh : OKTAFIANI WIDYA NINGRUM
Lebih terperinciIDENTIFIKASI STRUKTUR DEPENDENSI DENGAN COPULA (APLIKASI PADA DATA KLIMATOLOGI)
IDENTIFIKASI STRKTR DEPENDENSI DENGAN COPLA (APLIKASI PADA DATA KLIMATOLOGI) Mutiah Salamah 1 dan Heri Kuswanto 2 1,2 Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya e-mail: 1 mutiah_s@statistika.its.ac.id,
Lebih terperinciBAB I PENDAHULUAN. banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi menawarkan berbagai produk untuk menarik minat banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah satu produk asuransi
Lebih terperinciIKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d
IKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d Data merupakan kumpulan informasi yang diharapkan dapat dinterpretasikan dengan baik dan akurat. Terdapat beberapa jenis
Lebih terperinciPengenalan Copula. Sapto Wahyu Indratno
Pengenalan Copula Sapto Wahyu Indratno STATISTICS DISIVISION, FACULTY OF MATHEMATICS AND NATURAL SCI- ENCES, INSTITUT TEKNOLOGI BANDUNG E-mail address: sapto@math.itb.ac.id Daftar Isi Bagian 1. Copula
Lebih terperinciValue-at-Risk Pada Portofolio Berbasis Copula
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 206 Page 3859 Value-at-Risk Pada Portofolio Berbasis Copula Tedo Hariscandra Program Studi Ilmu Komputasi Telkom University, Bandung tedohariscandra6@gmail.com
Lebih terperinciBAB I PENDAHULUAN. menjadi hal yang lumrah dilakukan dalam manajemen risiko. Salah satu strategi
BAB I PENDAHULUAN 1.1 Latar Belakang Pada saat ini, mengukur dan mengelola risiko pada data finansial sudah menjadi hal yang lumrah dilakukan dalam manajemen risiko. Salah satu strategi yang digunakan
Lebih terperinci3. METODE PENELITIAN
3. METODE PENELITIAN 3.1. Desain Penelitian Penelitian ini menggunakan metode potong lintang (cross sectional study) yaitu suatu penelitian yang bertujuan untuk mempelajari dinamika hubungan atau korelasi
Lebih terperinciTINJAUAN PUSTAKA. Hujan dan Curah Hujan
4 TINJAUAN PUSTAKA Hujan dan Curah Hujan Hujan adalah jatuhnya hydrometeor yang berupa partikel-partikel air dengan diameter 0.5 mm atau lebih. Hujan juga dapat didefinisikan dengan uap yang mengkondensasi
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciESTIMASI NILAI CONDITIONAL VALUE AT RISK MENGGUNAKAN FUNGSI GAUSSIAN COPULA
ESTIMASI NILAI CONDITIONAL VALUE AT RISK MENGGUNAKAN FUNGSI GAUSSIAN COPULA Herlina Hidayati 1, Komang Dharmawan 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, FMIPA Universitas Udayana [Email: herlinadisanasini@gmail.com]
Lebih terperinciMemodelkan Ketergantungan dengan Kopula
Jurnal Matematika Vol. 3 No. 1, Juli 2013. ISSN : 1693-1394 Memodelkan Ketergantungan dengan Kopula I Wayan Sumarjaya Jurusan Matematika Fakultas MIPA Universitas Udayana e-mail: sumarjaya@unud.ac.id Abstrak:
Lebih terperinciTIME SERIES ANALYSIS USING COPULA GAUSS AND AR(1)-N.GARCH(1,1) DOI: /medstat Abstract
p-issn 1979 3693 e-issn 2477 0647 MEDIA STATISTIKA 9(1) 2016: 01-13 http://ejournal.undip.ac.id/index.php/media_statistika TIME SERIES ANALYSIS USING COPULA GAUSS AND AR(1)-N.GARCH(1,1) Rezzy Eko Caraka
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam analisis hubungan antara dua variabel random dependen, diperlukan asumsi dasar yaitu data berasal dari populasi berdistribusi normal. Asumsi kenormalan
Lebih terperinciBAB 2 DATA METEOROLOGI
BAB 2 DATA METEOROLOGI CUACA DAN IKLIM Data Meteorologi sangat penting didalam analisa Hidrologi pada suatu daerah aliran, karena meteorologi erat hubungannya dengan karakteristik daerah aliran. Persoalan
Lebih terperincioleh RIRIS LISTYA DAHYITA PUTRI M
ESTIMASI PARAMETER DISTRIBUSI MARSHALL-OLKIN COPULA DENGAN METODE MAXIMUM LIKELIHOOD oleh RIRIS LISTYA DAHYITA PUTRI M0111073 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciValue-at-Risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik dan Copula
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 206 Page 3746 Value-at-Risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik dan Copula June 29,
Lebih terperinciBAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinciESTIMASI VALUE AT RISK PADA PORTOFOLIO SAHAM LQ45 DENGAN METODE COPULA- GARCH
TESIS - SS142501 ESTIMASI VALUE AT RISK PADA PORTOFOLIO SAHAM LQ45 DENGAN METODE COPULA- GARCH TUTUS SURATINA HARSOYO NRP. 1315201005 DOSEN PEMBIMBING : Dr. rer. pol. Heri Kuswanto, S.Si., M.Si Dr. Brodjol
Lebih terperinciSkema proses penerimaan radiasi matahari oleh bumi
Besarnya radiasi yang diserap atau dipantulkan, baik oleh permukaan bumi atau awan berubah-ubah tergantung pada ketebalan awan, kandungan uap air, atau jumlah partikel debu Radiasi datang (100%) Radiasi
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
42 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statisitik Deskriptif Statistik deskriptif digunakan untuk gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Dari 34 perusahaan barang konsumsi
Lebih terperinciABSTRAK. Kata Kunci : Portfolio, Value at Risk, Copula, Arhimedean Copula.
Judul : Estimasi Nilai VaR Portofolio Menggunakan Fungsi Archimedean Copula Nama : Aulia Atika Prawibta Suharto NIM : 1208405005 Pembimbing : 1. Ir. Komang Dharmawan, M.Math.,Ph.D 2. I Wayan Sumarjaya,
Lebih terperinciterhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di
Nama: Ummi Fadilah NIM: 12/339683/PPA/3995 Teori Resiko Aktuaria PROSES PEMODELAN PENDAHULUAN Salah satu ciri dari negara maju adalah pemerintah dan masyarakat yang peduli terhadap kesehatan persalinan.
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciINFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciEstimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan
Estimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan Andi Ihwan 1), Yudha Arman 1) dan Iis Solehati 1) 1) Prodi Fisika FMIPA UNTAN Abstrak Fluktuasi suhu udara berdasarkan
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciMETODOLOGI PENELITIAN
METODOLOGI PENELITIAN Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada musim kemarau yaitu bulan Mei sampai Juli 2007 berlokasi di Laboratorium Lapangan Bagian Ternak Perah, Departemen Ilmu
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinci1. BAB III METODOLOGI PENELITIAN
1. BAB III METODOLOGI PENELITIAN 3.1. METODE PENELITIAN Agar penelitian ini lebih terarah serta sesuai dengan tujuan yang diinginkan, penulis menggunakan metode kuantitatif untuk mengolah data yang diperoleh
Lebih terperinciSUHU, TEKANAN, & KELEMBABAN UDARA
SUHU, TEKANAN, & KELEMBABAN UDARA HARLINDA SYOFYAN, S.Si., M.Pd PENDIDIKAN GURU SEKOLAH DASAR UNIVERSITAS ESA UNGGUL 2016 PSD131-BA-TM11-PGSD_UEU-2016 23/07/2017 1 Tujuan Pembelajaran Mampu mendeskripsikan
Lebih terperinciESTIMASI COPULA BIVARIAT DAN APLIKASI PADA DOUBLE DECREMENT TESIS. ELIS NURZANAH NIM : Program Studi Matematika
ESTIMASI COPULA BIVARIAT DAN APLIKASI PADA DOUBLE DECREMENT TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh ELIS NURZANAH NIM : 20105020
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciAnalisa Kecepatan Angin Menggunakan Distribusi Weibull di Kawasan Blang Bintang Aceh Besar
Analisa Kecepatan Angin Menggunakan Distribusi Weibull di Kawasan Blang Bintang Aceh Besar Wind Speed Analysis using Weibull Distribution in the Region Blang Bintang Aceh Besar Khairiaton, Elin Yusibani*
Lebih terperinciMODUL 2 UJI DATA NORMALITAS, HOMOSEDASTISITAS, & LINIERITAS
TUJUAN PRAKTIKUM Tujuan dari praktikum modul 2 ini adalah : 1. Mahasiswa mampu menilai kualitas data yang hendak digunakan dalam penelitian; 2. Mahasiswa mampu menelaah apakah data yang dimiliki memenuhi
Lebih terperinciSTATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.
STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil
Lebih terperinciPertemuan 8 & 9. Distribusi Probab Multivariat Distr Multivar untuk Kombinasi Linier Uji Hipotesis Kesamaan Mean
Pertemuan 8 & 9 Distribusi Probab Multivariat Distr Multivar untuk Kombinasi Linier Uji Hipotesis Kesamaan Mean Distribusi Normal Multivariat Ingat V.R.Univariat Variabel random univariat X berdistribusi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia boleh berencana tetapi Tuhan lah yang menentukan. Ungkapan ini sudah sangat sering kita dengar dalam kehidupan sehari-hari. Makna yang terkandung dalam
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. data dilakukan dengan menggunakan program SPSS versi Analisis bivariate
digilib.uns.ac.id BAB IV HASIL PENELITIAN DAN PEMBAHASAN Penelitian ini dilakukan pada ibu yang mempunyai bayi umur 6 12 bulan. Waktu penelitian dilakukan pada bulan Mei 2013 di desa Krebet. Analisis data
Lebih terperinciAnalisis Korelasi Suhu Muka Laut dan Curah Hujan di Stasiun Meteorologi Maritim Kelas II Kendari Tahun
Analisis Korelasi Suhu Muka Laut dan Curah Hujan di Stasiun Meteorologi Maritim Kelas II Kendari Tahun 2005 2014 Rizka Erwin Lestari 1, Ambinari Rachmi Putri 2, Imma Redha Nugraheni Sekolah Tinggi Meteorologi
Lebih terperinciSKRIPSI. Oleh: RENGGANIS PURWAKINANTI
APLIKASI METODE MOMEN MOMEN PROBABILITAS TERBOBOTI UNTUK ESTIMASI PARAMETER DISTRIBUSI PARETO TERAMPAT PADA DATA CURAH HUJAN (Studi Kasus Data Curah Hujan Kota Semarang Tahun 2004-2013) SKRIPSI Oleh: RENGGANIS
Lebih terperinciESTIMASI NILAI VaR PORTOFOLIO MENGGUNAKAN FUNGSI ARCHIMEDEAN COPULA
ESTIMASI NILAI VaR PORTOFOLIO MENGGUNAKAN FUNGSI ARCHIMEDEAN COPULA Aulia Atika Prawibta Suharto 1, Komang Dharmawan 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, FMIPA UniversitasUdayana [Email: auliaatika08@gmail.com]
Lebih terperinciINFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data 1. Deskriptif Statistik Statistik deskriptif digunakan untuk menjelaskan atau menggambarkan secara umum berbagai karakteristik data yang telah dikumpulkan
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB IV HASIL PENELITIAN. A. Penyajian Statistik Deskripsi Hasil Penelitian. kecenderungan jawaban responden dari tiap-tiap variabel, baik mengenai
61 BAB IV HASIL PENELITIAN A. Penyajian Statistik Deskripsi Hasil Penelitian Statistik deskriptif ini digunakan sebagai dasar untuk menguraikan kecenderungan jawaban responden dari tiap-tiap variabel,
Lebih terperinciIII. METODOLOGI PENELITIAN. dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta dengan
28 III. METODOLOGI PENELITIAN 3.1. Desain Penelitian Metode yang digunakan dalam penelitian ini adalah penelitian analisis deskriptif dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Continuous Probability Distributions.
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Continuous Probability Distributions 1 Continuous Probability Distributions Normal Distribution Uniform Distribution Exponential Distribution
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian 1. Hasil penelitian Berdasarkan hasil penelitian yang diperoleh nilai dari masingmasing variabel yang akan diuji pada penelitian ini.
Lebih terperinciSIMULASI PRAKIRAAN JUMLAH CURAH HUJAN DENGAN MENGGUNAKAN DATA PARAMETER CUACA (STUDY KASUS DI KOTA PEKANBARU TAHUN 2012)
SIMULASI PRAKIRAAN JUMLAH CURAH HUJAN DENGAN MENGGUNAKAN DATA PARAMETER CUACA (STUDY KASUS DI KOTA PEKANBARU TAHUN 2012) Aristya Ardhitama Stasiun Meteorologi Pekanbaru ardhi_pku@yahoo.co.id INTISARI Simulasi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Aktuaria adalah suatu disiplin ilmu yang menerapkan metode-metode statistika maupun matematika dalam menentukan price dan resiko pada industri asuransi dan keuangan.
Lebih terperinciPROSIDING ISBN :
S - 10 APLIKASI METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML) PADA PENYELESAIAN SISTEM PERSAMAAN SIMULTAN (Studi Kasus : Data Stok Uang, PDRB, dan Konsumsi Rumah Tangga Di DIY) Eka Septiana 1, Retno
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciSKRIPSI. Oleh: ANNISA RAHMAWATI
IDENTIFIKASI CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN ESTIMASI PARAMETER MOMEN PROBABILITAS TERBOBOTI PADA NILAI EKSTREM TERAMPAT (Studi Kasus Data Curah Hujan Dasarian Kota Semarang Tahun 1990-2013)
Lebih terperinciHasil dan Pembahasan
Bab IV Hasil dan Pembahasan Beberapa hasil pengolahan data simulasi model kopel akan ditampilkan dalam Bab IV ini, tetapi sebagian lainnya dimasukkan dalam lampiran A. IV.1 Distribusi Curah Hujan Berdasarkan
Lebih terperinciDATA METEOROLOGI. 1. Umum 2. Temperatur 3. Kelembaban 4. Angin 5. Tekanan Udara 6. Penyinaran matahari 7. Radiasi Matahari
DATA METEOROLOGI 1. Umum 2. Temperatur 3. Kelembaban 4. Angin 5. Tekanan Udara 6. Penyinaran matahari 7. Radiasi Matahari Umum Data meteorology sangat penting didalam analisa hidrologi pada suatu daerah
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan kajian tentang faktor-faktor yang mempengaruhi
41 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian tentang faktor-faktor yang mempengaruhi kemiskinan terhadap ekonomi Indonesia dalam waktu 1996-2013, oleh karena
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciANALISIS RISIKO INVESTASI PASANGAN SAHAM SYARIAH DENGAN METODE FRANK COPULA
ANALISIS RISIKO INVESTASI PASANGAN SAHAM SYARIAH DENGAN METODE FRANK COPULA (Studi Kasus : Saham SMGR.JK dan INTP.JK periode 01 Januari 2014 sampai 22 April 2015) Skripsi untuk memenuhi sebagian persyaratan
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciMA5283 STATISTIKA Bab 3 Inferensi Untuk Mean
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk
Lebih terperinciTEKNIK ANALISIS KORELASI. Pertemuan 9. Teknik Analisis Korelasi_M. Jainuri, M.Pd 1
TEKNIK ANALISIS KORELASI Pertemuan 9 1 Korelasi merupakan teknik pengukuran asosiasi/hubungan (measures of association). Pengukuran asosiasi adalah teknik dalam statistik bivariat/ multivariat yang digunakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. terdaftar di Bursa Efek Indonesia periode tahun Pengambilan sampel
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Sampel Penelitian Populasi yang diambil dalam penelitian ini adalah perusahan LQ-45 yang terdaftar di Bursa Efek Indonesia periode tahun 2011-2015. Pengambilan
Lebih terperinciStatistik Nonparametrik:
ANALISIS KORELASI B Ali Muhson, M.Pd. Jenis Analisis Korelasi Statistik parametrik: Korelasi Product Moment (Pearson) Korelasi Parsial Korelasi Semi Parsial Korelasi Ganda, dsb Statistik Nonparametrik:
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. berganda untuk mengetahui bagaimana pengaruh laba, akrual, dan arus kas dalam
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan disajikan hasil dari analisis data berdasarkan pengamatan sejumlah variabel yang digunakan dalam model analisis regresi berganda untuk mengetahui bagaimana
Lebih terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperinciHidrometeorologi. Pertemuan ke I
Hidrometeorologi Pertemuan ke I Pengertian Pengertian HIDROMETEOROLOGI Adalah ilmu yang mempelajari hubungan antara unsur unsur meteorologi dengan siklus hidrologi, tekanannya pada hubungan timbal balik
Lebih terperinciOleh Listumbinang Halengkara, S.Si.,M.Sc. Prodi Pendidikan Geografi Jurusan Pendidikan IPS FKIP Unila
Oleh Listumbinang Halengkara, S.Si.,M.Sc. Si Sc 2 0 1 3 Prodi Pendidikan Geografi Jurusan Pendidikan IPS FKIP Unila PRESIPITASI Presipitasi it iadalah curahan atau jatuhnya air dari atmosfer kepermukaan
Lebih terperinciSignifikansi Kolmogorov Smirnov
UJI NORMALITAS Rumus Kolmogorov Smirnov Rumus Kolmogorov Smirnov Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai proses dan hasil serta pembahasan dari pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software Microsoft
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN Pengujian hipotesis pada penelitian ini dilakukan dengan menggunakan regresi linier sederhana dan regresi linier berganda. Tujuan analisis penelitian ini adalah menjawab
Lebih terperinciAnalisis Fenomena Tekanan Udara Permukaan di Indonesia Sebelum Kejadian Hujan Ekstrem di Kabupaten Indramayu dengan Pendekatan Bootstrap
1 Analisis Fenomena Tekanan Udara Permukaan di Indonesia Sebelum Kejadian Hujan Ekstrem di Kabupaten Indramayu dengan Pendekatan Bootstrap Sri Hidayati dan Heri Kuswanto Jurusan Statistika, FMIPA, Institut
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian Objek dalam penelitian ini adalah perusahaan yang telah listing di Bursa Efek Indonesia (BEI) dan periode pengamatan untuk sampel yang
Lebih terperinci- Lama bekerja sebagai pekerja Amalgamasi dalam sehari : jam. - Lama bekerja sebagai pekerja amalgamasi dalam (tahun ): Tahun
A. Identitas Subjek No. Subjek : Nama Subjek (Inisial) : Umur : Pendidikan : - Tidak Sekolah : - SD : - SMP : - SMA : - Perguruan Tinggi : - Lama bekerja sebagai pekerja Amalgamasi dalam sehari : jam -
Lebih terperinciHASIL UJI REGRESI PENGARUH KINERJA KEUANGAN PERUSAHAAN TERHADAP CORPORATE SOCIAL RESPONSIBILITY. Descriptive Statistics
LAMPIRAN 3 HASIL UJI REGRESI PENGARUH KINERJA KEUANGAN PERUSAHAAN TERHADAP CORPORATE SOCIAL RESPONSIBILITY Deskripsi Data Descriptive Statistics N Minimum Maximum Mean Std. Deviation TA 42 3.386499 8.013065
Lebih terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinci