ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
|
|
- Ridwan Tan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW ANALISA SAHA ENGGUNAKAN RANSFORASI FOURIER SOKASIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) ahasiswa Program Studi atematika ) 3) Dosen Program Studi atematika ) kharismakristaksa@yahoo.com ) hannaariniparhusip@yahoo.co.id 3) bsusanto5@gmail.com Fakultas Sains dan atematika Universitas Kristen Satya Wacana Jl. Diponegoro 5-6 Salatiga 57 Abstrak Analisa fluktuasi saham untuk menentukan risiko pada salah satu perusahan dengan menggunakan deret Fourier telah dibahas. Hasil yang mempunyai frekuensi.49 dengan resiko yang terbesar yaitu return data pada periode (5/4/ 8/5/). Semakin besar risiko maka semakin besar pula nilai harapan return yang. Oleh karena frekuensi yang dihasilkan dari deret Fourier juga menunjukkan konsekuensi risiko yang sama yaitu frekuensi yang terbesar dari data juga menjelaskan risiko yang terbesar. Dalam makalah ini, data volume saham dianalisa dengan cara yang sama yaitu data volume sebagai deret Fourier. Akan tetapi pada penelitian ini data volume hasil Fuorier dimodelkan secara stokastik sebagai kombinasi linear antara rata-rata dan standar deviasi. Bobot kombinasi linier divariasi. Hasil penelitian menunjukkan bahwa data volume mempunyai frekuensi.454 dengan resiko terbesar yaitu data volume pada periode (5/4/ 8/5/). Jadi dari kedua analisa, frekuensi yang terdapat pada periode yang sama. Kata-kata kunci: Deret Fourier, Distribusi Normal, Return Saham, Risiko Saham, Stokastik Fourier PENDAHULUAN Analisa return saham Asuransi Bina Dana Arta bk pada periode // 3//3telah dilakukan [] dengan menggunakan deret Fourier untuk mendapatkan frekuensi terbesar. Dari frekuensi terbesar yang dapat didefinisikan resiko yang terbesar dan dapat ditentukan periodenya. Berdasarkan penelitian tersebut frekuensi yang dihasilkan dari Fourier juga menunjukkan konsekuensi risiko yang sama yaitu frekuensi yang terbesar dari data juga menjelaskan risiko yang besar. Dari data bahwa pada posisi ke 6-7 (5/4/ 8/5/) memberikan ekspektasi return terbesar bagi perusahaan. Untuk selanjutnya, tujuan dari makalah ini adalah menganalisa data volume saham dengan cara yang sama yaitu data volume sebagai deret Fourier. Akan tetapi pada penelitian ini data volume hasil Fuorier dimodelkan secara stokastik sebagai kombinasi linear antara rata-rata dan standar deviasi. Bobot kombinasi linier divariasi. Data volume yang digunakan doperoleh dari data indeks saham perusahaan sama yaitu Asuransi Bina Dana Arta bk. yang di DASAR EORI Distribusi Normal. Distribusi probabilitas yang paling terkenal dan paling banyak digunakan adalah distribusi Gaussian atau normal. Distribusi normal memiliki fungsi kepadatan probabilitas yang diberikan oleh[3] x μ X f X x e, < x < () π dimana μ X dan adalah parameter distribusi, yaitu berturut - turutanan mean dan deviasi standar dari X. Distribusi normal sering diidentifikasi sebagai N (μ X, ) Distribusi Normal Standar. Sebuah distribusi normal dengan parameter μ X dan, disebut distribusi normal standar, dilambangkan sebagai N (, ). Dengan demikian fungsi kepadatan dari variabel standar normal (Z) diberikan oleh f Z z π e z, < z < () Perhatikan bahwa setiap variabel terdistribusi normal (X) dapat 4
2 PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW ditransformasi sebagai variabel normal standar dengan menggunakan transformasi z x μ X (3) dengan probabilitas P a < X b b e x μ X / dx(4) π a dari Persamaan (4) dan dx dz, Persamaan (4) dapat ditulis kembali sebagai π b μ X / P a < X < b e z dz (5) a μ X / Integral ini merupakan luas di bawah kurva normal standar kepadatan antara a μ X / dan b μ X / dan karena P a < X b b μ X a μ X (6) Penyusunan Fourier stokastik a ruf,() menjelaskan proses stokastik dan dimana bentuk Bayesian juga dibahas. Analisa Fourier juga diperekanlakan untuk fungsi Step Function dan estimasi spectral juga dilakukan untuk sinyal sinus Untuk mendekati data volume sebagai gelombang maka kita perlu memilih tipe gelombang yang diasumsikan dapat mempresentasikan data yang ada. Pada makalah ini akan dicari bentuk gelombang yang dianggap sesuai. Dari persamaan (3) data volume saham dinyatakan sebagai V(t) (v v )/σ v, t,,..., (7) Setelah data ditransformasi menurut persamaan (7) maka data akan dinyatakan dalam bentuk Fourier. Pada makalah [[ deret Fourier untuk data return berbentuk V t 8A sin ω π t sin 3ω 3 t + sin 5ω 5 t (8) Pada penelitian ini digunakan cara yang sama untuk data volume saham. Dengan mengikuti pemodelan program linear stokastik [3], maka Volume Fourier persamaan (8) dapat dinyatakan sebagai: V t k v (t) + k σ v (9a) dimana : v : rata-rata volume dan σ v :deviasi volume. Parameter k dan k bilangan tak negatif yang menjelaskan hubungan relatif pentingnya V dan standard deviasi V untuk optimasi. Jadi untuk k menandakan bahwa nilai harapan V diminimalkan tanpa memperhatikan standard deviasi V. Sebaliknya jika k, menandakan bahwa kita tertarik dengan peminimalan variabilitas V disekitar rataratanya tanpa terganggu dengan apa yang terjadi dengan nilai rata-rata V. Secara sama jika k k, hal ini menjelaskan bahwa kita memandang bahwa rata-rata dan standard deviasi sama pentingnya. Pada pembahasan maka nilai k dan k akan divariasi sebagai bahan kajian. Untuk menyusun frekuensi maka digunakan formula (Kristaksa,dkk,3) ω π N (9b) dimana N l menyatakan banyaknya data yang memenuhi syarat untuk menyusun Fourier. Sedangkan menyatakan subinterval waktu yang digunakan. Jadi Untuk mendapatkan nilai frekuensi (f),dapat dituliskan f π dan maka f ω. () ω π untuk lebih jelasnya, berikut ini diberikan contoh penggunaan model tersebut pada sebagian data. enentukan k dan k yang optimal Parameter k dan k pada persamaan (9a)dapat divariasi dengan menetapkan dahulu, dan dapat pula ditentukan dengan cara optimasi dengan metode kuadrat terkcil. Unutk mendapatkan parameter k dan k yang optimal akan digunakan metode kuadrat terkecil [] yaitu: N min R n(v i,data ( v i,model )) N R v i,data k v (t) + k σ n v () Syarat kritis R o dimana tiap komponennya adalah R k o. () dalam notasi vektor persamaan () ditulis dalam bentuk R G G G G dengan komponen pertama dari persamaan () adalah G k G dimana k G g g g N iap komponen k G adalah Jadi g g g N (3) g i v i. v v v N v,data (k v (t) + k σ v v + v,data (k v (t) + k σ v v + 4
3 PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW + v N,data (k v (t) + k σ v v N dan untuk dapat disusun secara sama k seperti yaitu G k k G Jadi dengan menyelesaikan R atau k dan k. Untuk k menguji k dan k meminimumkan R maka perlu ditunjukkan H R yaitu Hessian R positive definite yang artinya, nilai eigen matriks Hessian R pada k dan k semua positif []. Bentuk Hessian R adalah H R k k k Untuk mendapatkan R sebagai berikut : Karena R G G G G. dan G k G maka R k k G kg+g kg dimana kg adalah vektor dengan komponen sebagai berikut : Diketahui k G g g g N maka k G g g g N. vektor Komponen baris ke- kolom ke- dari Hessian R adalah : R k k k k G k G + G k k G dimana, k k G k k G k G k G k G sehingga g k g k g N k. Komponen pertama dapat dengan mengetahui g i v k i sehingga maka k k G g k dan secara sama dapat disusun R k untuk komponen-komponen yang lain dari matriks Hessian R. Selanjutnya nilai k dan k disubstitusikan pada Hessian R dan dicari nilai eigennya. Jika semua positif maka jelas bahwa k dan k meminimumkan R. Contoh. Data volume saham Dengan menggunakan data volume saham, persamaan (8) digunakan untuk menyatakan data volume secara Fourier. Hasil ditunjukkan pada Gambar, dimana A dan ω pada persamaan (8) berturut-turut adalah : A.596 dan ω.368 Hasil pendekatan ini diilustrasikan pada Gambar dimana data dinyatakan dengan interpolasi. Intropalasi dilakukan karena data harus dalambentuk N l agar dapat menggunakan Fourier Gambar Hasi deret Fourier untuk data dari data ke 5-6 dibandingkan dengan data yang diinterpolasi Gambar Periode(Horizontal) dan Frekuensi (Vertikal) dari deret Fourier Gambar Sebagaimana pada penelitian awal (Kristaksa,dkk,3), amplitudo gelombang tidak diperlukan. Informasi yang digunakan adalah frekuensi dari deret Fourier menurut persamaan (9)-(). Deret sudah menjelaskan frekuensi data yang diperlukan.7 dan frekuensi f.3687yang ditunjukkan pada Gambar. EODO PENELIIAN ahap. enyusun data volume saham sebagai deret Fourier sesuai dengan persamaan (8) ahap. enyusun hasil deret Fourier Volume menggunakan stokastik Fourier menurut persamaan (9a), dengan rata-rata v (t) dan σ V untuk setiap data berturutan 4
4 PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW ahap 3. enentukan probabilitas distribusi normalnya dari hasil stokastik Fourier menggunkan persamaan (6) dengan Parameter k dan k bilangan tak negatif ahap 4. Dengan menggunakan cara yang sama seperti persamaan (6) menentukan probabilitas frekuensi return saham. ahap 5. Didapatkan informasi probabilitas dari hasil stokastik Fourier Volume dan Frekuensi return saham. ahap 6. Hasil probabilitas akan dibandingkan antara volume saham dan return saham terhadap risiko ahap 7. Studi Frekuensi yang dihasilkan ANALISA DAN PEBAHASAN Dalam menganalisa berikut ini data yang digunakan adalah semua data volume dengan banyak data 6 data. Proses ini dilakukan secara sama untuk setiap data dari seluruh data volume Gambar 3 Deret Fourier untuk 6 data volume Untuk 6 data volume dengan cara yang sama seperti sebelumnya dapat dilihat pada gambar 3 dimana data dinyatakan dengan interpolasi Gambar 4 Periode(Horizontal) dan Frekuensi (Vertikal) dari hasil deret Fourier untuk data beruntun dari 6 data Pada Gambar 4 menunjukan setiap data yang mempunyai frekuensi berada pada sekitar.3 sampai.49,selain itu ada frekuensi yang berbeda yaitu f.953 dan f.67 pada.46 dan Dengan menggunakan persamaan (9a), rata-rata V(t) ditulis v (t) dan variansi V(t) ditulis σ V untuk setiap data berturutan yang ditunjukkan pada abel. abel. Nilai v (t) dan σ V Berdasarkan hasil abel, v (t) jelas sangat kecil karena berosilasi sekitar sehingga k tentunya cukup kecil dan k cukup besar yang menunjukan stadar deviasi lebih peting dari rata-rata. Setelah mendapatkan nilai v (t) dan σ V maka akan dicari stokastik dari frekuensi V t dimana nilai k dan k. aka hasil pada abel untuk setiap data berturutan untuk seluruh data. Contoh. enentukan volume menurut persamaan (9a) Kasus. Untuk k dan k pada data ke- abel dengan car sebagai berikut: V t abel. untuk k dan k
5 Stokastik Fourier Stokastik Fourier PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW Kasus. enggunakan data dan cara yang sama dengan nilai k.5 dan k.5 V(t) Kasus 3. Untuk nilai k dan k V t Kasus 4. Untuk menguji parameter k dan k yang optimal maka akan diselidiki persamaan (-3) untuk parameter Volume Stokastik Fourier, sehingga Untuk parameter k R Untuk parameter k R Hasil yang menunjukan matrik Hessian untuk k dan k Hess Sehingga matrik Hessian definit positif, jadi k dan k ptimal tetapi error yang dihasilkan 3%. Untuk hasil yang optimal parameter k.7879 dan k.66, sehingga V t Hasil dari semua data volume stokasitik Fourier ditunjukkan pada Gambar 5. Dengan cara yang sama dilakukan untuk data return stokastik Fourier ditunjukan pada Gambar 6. Contoh 3. Dengan cara yang sama pada Contoh untuk return: Kasus 5. Untuk k dan k pada data ke- abel R t +.47 Kasus 6. Untuk nilai k.5 dan k.5 R t Kasus 7. Untuk nilai k dan k R t Kasus 8. Untuk nilai k.85 dan k.63 yang dihasilkan dari metode kuadrat terkecil sama seperti Kasus 4 R t k, k k, k k.5, k.5 k.5, k.5 k.5, k.5.5 k.5, k.5 k.78, k.6 k, k Data ke- Gambar 5. Hasil Volume Stokastik Fourier dengan k, k dan k.5, k.5 dan k, k dan k.7879, k.66.. k.5, k.5 k, k k, k k.8, k k, k -.4 k.5, k.5 k, k k.8, k Data ke- Gambar 6. Hasil Return Stokastik Fourier dengan k, k dan k.5, k.5 dan k, k dan k.683, k.46 44
6 Prosentase PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW Probabilitas distribusi untuk Volume stokastik Fourier yang dicari σ v t dan μ v t dari abel. Untuk k dan k didapat σ v t. μ v(t).8 dengan menggunakan persamaan (6) akan dicari probabilitas menurut persamaan (6) yaitu V z P (z.85) + P (z.77) Dalam bentuk variabel yang sudah distandarisasi maka penyataan tersebut menjadi.85 (.8) V z P z P z..77 (.8). P x P x.4 P z [ P z.4 ] %. Dengan cara yang sama untuk k.5 dan k.5 didapat σ v(t).9 μ v(t). sehingga.3. V z P z P z.9 P x P x.775 P z [ P z.775 ] %. Untuk k dan k didapat σ v(t).45 μ v(t) V z P z P z.45 P x P x.858 P z [ P z.858 ] %. Selanjutnya, dengan cara yang sama pada data berikutnya probabilitas untuk Volume stokastik Fourier pada abel 5. abel 5. Prosentase distribusi normal ( : periode ke-) k k k.5 k.5 k k k.7 k % 3.3% 9.87% 4.6% 94.5% 58.8%.83% 77.5% 3 9.5%.45% 6.8% 7.95% 4.% 48.4% 5.9%.7% % 5.66% 9.8% 54.86% % 44.7% 4.6% 48.87% 7 9.5%.6% 6.8% 39.73% %.8% 6.8% 43.5% %.6% 9.4% 3.64% 94.5% 7.86% 4.88%.6% 94.5% 5.95%.89% 3.7% 9.5%.6% 7.9% 5.77% %.45% 5.9% 8.74% 4 8.8% 5.95%.8% 3.7% % 7.86% 4.88%.6% %.% 4.6% 8.77% % 9.36%.4% 8.97% %.% 4.8%.% % 5.95%.89% 3.7% 8.8% 5.95%.89% 3.7% 84.9% 7.86%.76% 57.8% 94.5% 8.8%.89% 54.86% %.% 4.8% 8.77% % 6.% 9.93% 73.8% % 9.44% 5.95% 8.97% %.% 4.6%.% enggunakan cara yang sama akan dicari probabilitas untuk data return stokastik Fourier yang ditunjukkan pada Gambar k, k k.5, k.5 k, k k.7, k.6 k, k k.7, k.6 3 k.5, k.5 k, k Data ke- Gambar 7. Prosentase distribusi normal untuk hasil volume stokastik Fourier 45
7 Prosentase PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW 9 8 k, k k.5, k.5 k, k k.8, k.6 7 k, k k.8, k.6 k, k k.5, k Data ke- Gambar 8. Prosentasai distribusi normal untuk hasil Return stokastik Fourier Berdasarkan Gambar 7 dan Gambar 8 ditunjukan Prosentase distribusi normal untuk hasil volume stokastik Fourier dengan 4 parameter yang berbeda. Pada parameter k dan k menunjukan beberapa prosentase yang terbesar karena pada k dan k hasil stokastik Fourier dari volume dan return berosilasi di sekitar nol dan pada saat itu nilai probabilitas mendekati satu. Jadi penulis memilih frekuensi yang dihasilkan dengan stokastik Fourier untuk k dan k KESIPULAN Pada makalah telah dibahas tetang data volume yang dinyatakan oleh bentuk stokastik Fourier sehinggadapat dihasilkan frekuensi. Hasil menunjukan interval frekuensi yang hampir sama yaitu diantara.3 sampai.49. Dari hasil makalah sebelumnya menggunakan data return saham didapat pada indeks ke 7 untuk frekuensi tertinggi yaitu f.49 dan.4437 sedangkan untuk makalah ini menggunakan data volume saham pada indeks ke 7 f.454 dan Dilihat dari kedua hasil yang tidak menunjukan perbedaan yang signifikan. Jadi pada interval yang sama frekuensi yang dihasilkan bisa dibilang sama. Berdasarkan analisa data dan hasil pembahasan untuk volume dan return stokastik Fourier frekuensi yang terbesar pada data ke-7 dengan menggunakan parameter k dan k probabilitas untuk volume.95 dengan prosentase 9.5% sedangkan probabilitas untuk return.849 dengan prosentase 84.9%. Kedua hasil ini tidak menunjukan perebedaan yang signifikan. Jadi risiko tertinggi terdapat pada data ke-7 untuk periode (5/4/ 8/5/) DAFAR PUSAKA [] Kristaksa. K.Y, Perhusip. H.A dan Susanto, B. 3.Analisa Fluktuasi Saham menggunakan Fast Fourier ransform. FIPA Universitas Negeri Yogyakarta. Yogyakarta. [] Parhusip, H.A dan artono, Y., Optimization Of Colour Reduction For Producing Stevioside Syrup Using Ant Colony Algorithm Of Logistic Function, proceeding of he Fifth International Symposium on Computational Science, ISSN:5-776,Vol, pp9-, GU. [3] Rao, S.S. 9. Engineering Optimization, John Wiley & Sons, Inc, BAB [4] Salivahan, S.,Vallavaraj, A., Gnanapriya C.,. Digital Signal Processing. Singapore: cgraw- Hill Companies.Inc [5] a ruf, A.. Introduction to Stochastic Process Analysis: Spectral and Bayesian echniques for Estimation and Prediction. American University Honors Capstone. 46
ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
Salatiga, 5 Juni 23, Vol 4, No., ISSN:287 922 ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip 2), dan Bambang Susanto 3) ) Mahasiswa Program Studi
Lebih terperinciESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO Yessy Okvita 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)
ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciPENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF. Adi Setiawan
PENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl Diponegoro 5-6 Salatiga
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 terperinciPENGGUNAAN ALGORITMA GENETIK DALAM MENGOPTIMALKAN KANDUNGAN KARBOHIDRAT DAN PROTEIN PADA MOCORIN
PROSIDING Nov,2013 : Seminar Nasional Matematika dan Pendidikan Matematika UNY,9 ISBN:978-979-16353-9-4, hal. MT 207-214 PENGGUNAAN ALGORITMA GENETIK DALAM MENGOPTIMALKAN KANDUNGAN KARBOHIDRAT DAN PROTEIN
Lebih terperinciSTUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, Juni 0 STUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT
Lebih terperinciOPTIMASI HASIL PANEN PADI MENGGUNAKAN SINGULAR VALUE DECOMPOSITION (SVD) DAN ANT COLONY OPTIMIZATION (ACO) Abstrak
OPTIMASI HASIL PANEN PADI MENGGUNAKAN SINGULAR VALUE DECOMPOSITION (SVD) DAN ANT COLONY OPTIMIZATION (ACO) Vina Puspita Dewi 1), Hanna Arini Parhusip 2), Lilik Linawati 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciPerhitungan Harga Opsi Eropa Menggunakan Metode Gerak Brown Geometri
Perhitungan Harga Opsi Eropa Menggunakan Metode Gerak Brown Geometri Kristoforus Ardha Sandhy Pradhitya 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika email:
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 terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciDISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN Hanna Arini Parhusip 1 dan Ramos Somnya 2 Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ABSTRAK.
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciMODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI
MODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI Puspitaningrum Rahmawati, Bambang Susanto, Leopoldus Ricky Sasongko Program Studi Matematika (Fakultas Sains dan Matematika,
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 terperinciRESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT
RESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salatiga 50711 e-mail
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM INFERENSI PARAMETER POPULASI SERAGAM
PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM INFERENSI PARAMETER POPULASI SERAGAM Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-6
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciBAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi
BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi atau getaran dari sebuah data pada frekuensi tertentu. Analisis spektral
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciS - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP
S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP Janse Oktaviana Fallo 1, Adi Setiawan 2, Bambang Susanto 3 1,2,3 Program Studi Matematika
Lebih terperinciKATA PENGANTAR. ISSN : Vol. 4 No.1 15 Juni 2013
ISSN : 2087 0922 Vol. 4 No.1 15 Juni 2013 KATA PENGANTAR Puji dan syukur pantas kita panjatkan ke hadirat Tuhan, yang karena anugerahnya maka Seminar Nasional Sains dan Pendidikan Sains ke-8 dapat terlaksana.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Demografi merupakan ilmu yang mempelajari tentang penduduk, khususnya pada lima aspek yaitu ukuran, distribusi geografi, komposisi, komponen perubahan (kelahiran, kematian,
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR
PERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR Mega Novita 1, Adi Setiawan 2, dan Didit Budi Nugroho 2 1,2 Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen
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 terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciSIGNAL & SPECTRUM O L E H : G U TA M A I N D R A. Rangkaian Elektrik Prodi Teknik Elektro Fakultas Teknik 2017
SIGNAL & SPECTRUM O L E H : G U TA M A I N D R A Rangkaian Elektrik Prodi Teknik Elektro Fakultas Teknik 2017 TUJUAN PERKULIAHAN Memahami berbagai pernyataan gelombang sinyal Memahami konsep harmonisa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciKajian Simulasi terhadap Sensitivitas Portofolio Optimal Model Mean-Variance
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Kajian Simulasi terhadap Sensitivitas Portofolio Optimal Model Mean-Variance S - 2 Epha Diana Supandi 1,2, Dedi Rosadi 2, Abdurakhman 2 1
Lebih terperinciCatatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciProsiding Seminar Nasional Sains dan Pendidikan Sains VIII, Fakultas Sains dan Matematika, UKSW Salatiga, 15 Juni 2013, Vol 4, No.
PENERAPAN METODE BOOTSTRAP PADA UJI KOMPARATIF NON PARAMETRIK LEBIH DARI SAMPEL Studi Kasus: Inflasi di Kota Purwokerto, Surakarta, Semarang, dan Tegal Tahun 003-01 Yudi Agustius 1), Adi Setiawan ), Bambang
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
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 terperinciPENDAHULUAN Rumusan Masalah
PENDAHULUAN Mocorin yang merupakan hasil fermentasi dari jagung dengan penambahan bekatul dibuat dalam upaya pemenuhan kebutuhan makanan pokok khususnya untuk orang Indonesia dalam mengurangi ketergantungan
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperinciMetode Resampled Efficient Frontier Mean Variance Simulasi Montecarlo Untuk Pemilihan Bobot Portofolio
METODE RESAMPLED EFFICIENT FRONTIER MEAN VARIANCE SIMULASI MONTECARLO UNTUK PEMILIHAN BOBOT PORTOFOLIO Anita Andriani D3 Manajemen Informatika, Universitas Hasyim Asy ari Tebuireng Jombang Email: anita.unhasy@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciBAB II LANDASAN TEORI
7 BAB II LANDASAN EORI 2.. Dasar Dasar Peluang Program stokastik adalah salah satu cabang matematika yang berhubungan dengan keputusan optimal dalam keadaan tidak pasti yang dinyatakan dengan distribusi
Lebih terperinciBAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK
BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK Dalam melakukan estimasi pada suatu kasus regresi nonparametrik, ada banyak metode yang dapat digunakan. Yasin (2009) dalam makalahnya melakukan estimasi regresi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam pembahasan ini dikaji mengenai nilai ekspektasi saham pada jatuh tempo, persamaan nilai portofolio, penentuan model Black-Scholes harga opsi beli tipe Eropa,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciPemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang
Statistika, Vol. 17 No. 1, 45 51 Mei 2017 Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Indah permatasari, aceng komarudin mutaqin, lisnur wachidah Program
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinci(A.3) PENDEKATAN MULTIFAKTOR UNTUK OPTIMISASI PORTOFOLIO INVESTASI DI BAWAH VALUE-AT-RISK
(A.3) ENDEKAAN MULIFAKOR UNUK OIMISASI OROFOLIO INVESASI DI BAWAH VALUE-A-RISK ABSRAK Betty Subartini, Lily Dwi Noviyanti, F. Sukono Jurusan Matematika FMIA Universitas adjadjaran Jl. Raya Bandung-Sumedang
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciMENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES
MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES Hartayuni Saini 1 1 Jurusan Matematika, FMIPA-UNTAD. e-mail: yunh3_chendist@yahoo.co.id Abstrak Untuk menaksir nilai µ dari N(µ, ) umumnya digunakan
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 terperinciMETODE PSEUDOSPEKTRAL CHEBYSHEV PADA APROKSIMASI TURUNAN FUNGSI
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 50 57 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND METODE PSEUDOSPEKTRAL CHEBYSHEV PADA APROKSIMASI TURUNAN FUNGSI ILHAM FEBRI RAMADHAN Program Studi Matematika
Lebih terperinciKetakbiasan Dalam Model Analisis Faktor Konfirmatori Pada Metode Pendugaan Maximum Likelihood Untuk Data Ordinal
Prosiding Semirata FMIPA Universitas Lampung, 2013 Ketakbiasan Dalam Model Analisis Faktor Konfirmatori Pada Metode Pendugaan Maximum Likelihood Untuk Data Ordinal Wiwik Sudestri, Eri Setiawan dan Nusyirwan
Lebih terperinciBAB II KAJIAN TEORI. hasil percobaan yang berbeda dan masing-masing mempunyai. itu menyusun kejadian, maka probabilitas kejadian
BAB II KAJIAN TEORI A. Probabilitas Teorema 2.1 (Walpole, 1992) Probabilitas menunjukan suatu percobaan mempunyai hasil percobaan yang berbeda dan masing-masing mempunyai kemungkinan yang sama untuk terjadi,
Lebih terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinciSTUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT
STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT Studi Kasus: Beberapa Kurs Mata Uang Asing Terhadap Rupiah Rangga
Lebih terperinciSyarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
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 terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER. Oleh: Miftahuddin ( )
ESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER Oleh: Miftahuddin (1206 100 707) Dosen Pembimbing: Subchan, Ph.D Dr. Erna Apriliani, M.Si Abstrak Robot Mobil atau Mobile Robot adalah konstruksi
Lebih terperinciPEMODELAN HARGA OBLIGASI DENGAN BUNGA BERFLUKTUASI MENGGUNAKAN MODEL VASICEK JANGKA PENDEK
PEMODELAN HARGA OBLIGASI DENGAN BUNGA BERFLUKTUASI MENGGUNAKAN MODEL VASICEK JANGKA PENDEK Diani Sarah Kamilia1, Deni Saepudin 2, Irma Palupi.3 1,2,3Prodi Ilmu Komputasi Telkom University, Bandung 1dianisarahkamilia@gmail.com,
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 terperinciBAB III REGRESI PADA DATA SIRKULAR
BAB III REGRESI PADA DATA SIRKULAR Variabel dalam suatu regresi secara umum terdiri atas variabel bebas (independent variable dan variabel terikat (dependent variable. Jenis data pada variabel-variabel
Lebih terperinciSYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John... (Caturiyati) SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com
Lebih terperinciYudi Agustius, Adi Setiawan, Bambang Susanto
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 PENERAPAN METODE BOOTSTRAP PADA UJI KOMPARATIF NON PARAMETRIK 2 SAMPEL Studi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab II dalam penelitian ini terdiri atas analisis regresi, deret Fourier, FDA, estimasi parameter pada analisis data dan estimasi parameter pada roughness penalty. 2. Analisis Regresi
Lebih terperinciPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT Frangky Masipupu 1), Adi Setiawan ), Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ),3) Dosen Program Studi Matematika Program Studi dan Matematika
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciPeramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
Lebih terperinciPENGGUNAAN MODEL NOISE PADA METODE ITERATIVE FEEDBACK TUNING UNTUK PENGHILANGAN GANGGUAN SISTEM PENGENDALIAN
PENGGUNAAN MODEL NOISE PADA METODE ITERATIVE FEEDBACK TUNING UNTUK PENGHILANGAN GANGGUAN SISTEM PENGENDALIAN AY Erwin Dodu 1 1 Jurusan Teknik Elektro Fakultas Teknik Universitas Tadulako Jl Sukarno-Hatta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Heteroskedastis Masalah serius lainnya yang mungkin kita hadapi dalam analisis regresi adalah heteroskedastis.ini timbul pada saat bahwa varians dari faktor konstan untuk semua
Lebih terperinciPENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE
E-Jurnal Matematika Vol. 6 (1), Januari 2017, pp. 29-36 ISSN: 2303-1751 PENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE Ni Nyoman Ayu Artanadi 1, Komang Dharmawan 2, Ketut
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciPeranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier
Prosiding Statistika ISSN: 2460-6456 Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier 1 Seny Mustikawati,
Lebih terperinciKontrol Tracking Fuzzy Menggunakan Model Following untuk Sistem Pendulum Kereta
JURNAL TENI ITS Vol. 5, No., (6) ISSN: 7-59 (-97 Print) A ontrol Traking Fuzzy Menggunakan Model Following untuk Sistem Pendulum ereta Jimmy Hennyta Satya Putra, Trihastuti Agustinah Teknik Elektro, Fakultas
Lebih terperinciPENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA PERALATAN SEKSI PENGGILINGAN E
PENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA PERALATAN SEKSI PENGGILINGAN E (Studi Kasus: PT ISM Bogasari Flour Mills Surabaya) Edi Suhandoko, Bobby
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penaksiran Besar Klaim Optimal Menggunakan Metode Linear Empirical Bayesian yang Diaplikasikan untuk Perhitungan Premi Asuransi Kendaraan Bermotor di Indonesia 1 Hilda
Lebih terperinciProsiding ISBN :
Penggunaan Metode Bayesian Subyektif dalam Pengkonstruksian Grafik Pengendali-c Sekar Sukma Asmara a, Adi Setiawan b, Tundjung Mahatma c a Mahasiswa Program Studi Matematika Fakultas Sains Matematika Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
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 terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciDistribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai
Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi
Lebih terperinciImprovisasi Penaksir Model Linier
tatistika Vol. 6 No. 6 Mei 006. Pendahuluan Improvisasi Penaksir Model Linier Mulyana Jurusan tatistika FMIPA Unpad Dalam model linier dengan asumsi kekeliruannya berdistribusi identik independen dengan
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciNilai Eigen dan Vektor Eigen Universal Matriks Interval Atas Aljabar Max-Plus
Nilai Eigen dan Vektor Eigen Universal Matriks Interval Atas Aljabar Max-Plus Fitri Aryani 1, Tri Novita Sari 2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau e-mail: khodijah_fitri@uin-suska.ac.id
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 1, 1-10, April 2003, ISSN : OPTIMASI PORTOFOLIO INVESTASI DENGAN MENGGUNAKAN MODEL MARKOWITZ
JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No., - 0, April 003, ISSN : 40-858 OPTIMASI PORTOFOLIO INVESTASI DENGAN MENGGUNAKAN MODEL MARKOWITZ Yayat Priyatna dan F. Sukono Jurusan Matematika FMIPA UNPAD Abstrak
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinci