Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Ukuran: px
Mulai penontonan dengan halaman:

Download "Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:"

Transkripsi

1 Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya Septeber 017, Saarda, Idoesa ISBN: Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek Idoesa Selaa Perode Elsa Nasuto 1,*, Ika Puraasar, Yuk Nova Nasuto 1 Laboratoru Statstka Ekoo da Bss, Jurusa Mateatka, FMIPA, Uverstas Mulawara Progra Stud Statstka, Jurusa Mateatka, FMIPA, Uverstas Mulawara Eal korespodes: asuto1.elsa1@gal.co Abstracts The vestet decso requres a way whch ca be used to fd out the forg of optal portfolo fro stock. Optal portfolo s cobato of axu retur wth u rsk. The sgle dex odel s oe of the alteratve ways order to fd out the forg of optal portfolo. Ths study as to detere the optal portfolo forato o Agr ad Mg Sectors ad whch s the best sector the Idoesa Stock Exchage usg the sgle dex odel. The varables at ths research are retur ad rsk varable fro stock prce arket. Prce at Jauary 01 to Deceber 014. The results of research Agr sectors elected stocks who becae optal portfolo of 5 ow stocks aely CPRO 39,74%, DSFI,53%, TBLA 3,05%, LSIP 1,31%, BTEK 4,37%. I Mg Sectors elected stocks who becae optal portfolo of 7 loa stocks aely HRUM 147,44%, ELSA 151,11%, MITI 17,1%, SMRU 5,6%, ATPK 18,96%, INCO 4,84%, CTTH 1,8% ad 3 ow stocks aely ADRO 40,87%, ARII 31,30%, ITMG 79,4%. Based o sgle dex odel, t s kow that Agr Sectors has a portfolo expected retur s,51% wth portfolo rsk s 6,99% better tha Mg Sectors whch oly has a portfolo expected retur s -14,8% wth a portfolo rsk s 7,57 %. Keywords: sgle dex odel, optal portfolo, retur, rsk. Pedahulua Seorag vestor yag rasoal, tetu aka elh portofolo yag optal yag dapat ealka rsko pada tgkat keutuga tertetu atau edapatka retur aksal pada tgkat rsko tertetu (Hartoo, 013). Seorag vestor harus eetuka portofolo yag efse terlebh dahulu sebelu ebetuk portofolo yag optal. Portofolo efse adalah portofolo yag eyedaka retur aksal bag vestor dega tgkat rsko tertetu, atau portofolo yag eawarka rsko teredah dega tgkat retur tertetu, sedagka portofolo optal adalah portofolo yag dplh vestor dar seka bayak plha yag ada pada portofolo efse (Tadell, 010). Berbaga odel dala eetuka suatu portofolo optal telah bayak daplkaska, dataraya adalah odel Markowtz da odel sgle dex. Markowtz egebagka odel yag dsebut odel Markowtz. Kotrbus petg dar Markowtz adalah bahwa rsko portofolo tdak boleh dhtug dar pejulaha seua rsko aset-aset yag ada dala portofolo, tetap harus dhtug dar kotrbus rsko aset tersebut terhadap rsko portofolo (kovaras). Model dapat ebatu utuk eghtug retur da rsko, tetap eerluka perhtuga dega egguaka kovaras yag terlalu kopleks terutaa jka dhadapka pada julah saha yag bayak (Tadell, 010). Wlla Sharpe keuda eggebagka odel yag dsebut dega odel sgle dex. Model dguaka utuk eyederhaaka perhtuga pada odel Markowtz yag dkebagka oleh Markowtz (Hartoo, 014). Beberapa peelta sebeluya tetag aalss portofolo optal dega odel sgle dex perah dlakuka oleh Sukaro (007) tetag aalss pebetuka portofolo optal saha egguaka odel sgle dex d Bursa Efek Jakarta serta Akbra (015) tetag aalss pebetuka portofolo optal saha dega egguaka odel sgle dex dega stud kasus saha yag asuk ke dala Jakarta Islac Idex d Bursa Efek Idoesa. Adapu tujua peelta utuk egetahu saha pebetuk portofolo optal pada setap Sektor Agr da Mg d Bursa Efek Idoesa berdasarka odel sgle dex. Da egetahu Sektor terbak atara Sektor Agr da Mg jka dtjau dar retur ekspektasa portofolo da rsko portofolo berdasarka odel sgle dex. Teor Portofolo adalah suatu kupula saha keuaga dala suatu ut yag dpegag atau dbuat oleh seorag vestor, perusahaa 54

2 Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya Septeber 017, Saarda, Idoesa ISBN: vestas, atau sttus keuaga (Hartoo, 013). Meurut Hartoo (014), portofolo optal erupaka portofolo yag eberka hasl kobas retur tertgg dega rsko yag teredah. D pasar odal, terseda bayak saha. Dega bayak saha dapat dbetuk bayak portofolo dega kobas bayak saha tersebut. Lebh dar trlua portofolo dapat dbetuk haya dar saha-saha yag terseda d pasar odal Idoesa saja. Dar trlua portofolo, haya sebuah portofolo yag terbak saja yag dsebut dega portofolo optal (Hartoo, 014). Retur ejad salah satu faktor yag eotvas seorag vestor elakuka vestas. Meurut Hartoo (013), Retur adalah bala atas keberaa seorag vestor eaggug rsko atas vestas yag dlakukaya. Retur dapat dbedaka ejad dua yatu: a) Retur realsasa (realzed retur) retur yag sudah terjad b) Retur ekspektasa (expected retur) adalah retur yag dharapka aka dperoleh oleh vestor d asa edatag. Retur da rsko erupaka dua hal yag tdak terpsah. Retur da rsko epuya hubuga yag postf, seak besar rsko yag harus dtaggug, seak besar retur yag dperoleh (Hartoo, 014). Da eurut Sulstyastut (01), sebagaaa djelaska dala Model Sgle Idex bahwa rsko vestas saha terdr dar rsko tdak ssteatk (usysteatc rsk) da rsko ssteatk (systeatc rsk). Rsko tdak ssteatk (usysteatc rsk) dsebut juga rsko uk adalah rsko yag terkat fluktuas da sklus bss dar dustr tertetu. Maka, perusahaa-perusahaa dala dustr sejes aka eghadap rsko uk yag saa. Rsko Ssteatk (systeatc rsk) erupaka rsko yag terkat dega kods pasar. Dala odel sgle dex, hubuga atar-retur saha dgatka dega hubuga atara retur saha dega retur deks pasar. Dega de, retur suatu saha haya boleh dpegaruh oleh sebuah retur deks pasar. Dar slah, aa dar odel sgle dex (Hartoo, 014). Ide jka dtuls dala ateats aka ejad: R R e (1) da E( R ) E( R ) () = retur realsasa saha ke- = retur ekspektasa saha ke- = la ekspektasa dar retur saha yag depede terhadap retur pasar = pegukur rsko ssteatk = retur realsasa pasar = retur ekspektasa pasar = kesalaha resdual Secara uu, operasoal perhtuga yag dguaka dala portofolo optal dega odel sgle dex adalah sebaga berkut: 1. Retur realsasa P t1 P t1() R P t 1() (3) = retur realsasa saha ke- = harga peutupa saha ke- pada bula ke- = harga peutupa saha kepada bula ke. Retur Ekspektasa R ER ( ) t t 1 (4) = retur ekspektasa saha ke- = retur realsasa saha keperode ke-t = julah data retur realsasa 3. Vara saha t R t () E R 1 (5) 1 Keteraga : = vara saha ke- = retur realsasa saha keperode ke-t = retur ekspektasa saha ke- = julah data retur realsasa 4. Stadar devas saha (6) 5. Beta Saha ; (7) = kovara atara retur saha kedega retur pasar = vara pasar 55

3 Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya Septeber 017, Saarda, Idoesa ISBN: Alpha saha E( R ) E( R ) (8) = alpha saha ke- = retur ekspektasa saha ke- = retur ekspektasa pasar 7. Rsko Uk Saha e = rsko uk saha ke- = vara saha ke- = vara pasar 8. ERB Saha (9) E( R ) Rf ERB (10) = Excess Retur to Beta saha ke- = retur ekspektasa saha ke- = la retur bebas rsko bulaa 9. Ttk Pebatas ( ) E( R) Rf A e B e A C B = ttk pebatas = vara pasar (11) (1) (13) = akuulas la-la sapa dega = akuulas la-la sapa dega 10. Saha * Z ERB C (14) e = skala pebobota saha ke- = rsko uk saha ke- = Excess Retur to Beta saha ke- = la terbesar dar sedereta saha 11. Saha Z W (15) 1 Z = propors daa saha ke- = skala pebobota saha ke- =ttotal la seluruh pebetuk portofolo optal 1. Kovara saha Rt E( R ) R jt E( R j ) t 1 j ; (16) = kovara retur atara saha da saha j = retur realsasa saha perode ke- t = retur realsasa saha j perode ke- t = retur ekspektasa saha = retur ekspektasa saha j = julah data retur realsasa 13. Beta Portofolo p 1 W = beta portofolo = propors saha ke- 14. Alpha Portofolo (17) p 1 W (18) = alpha portofolo = propors saha ke- = alpha saha ke- 15. Retur Ekspektasa Portofolo E( R p ) p p E( R ) (19) E( ) = retur ekspektasa portofolo = alpha portofolo = beta portofolo E( ) = retur ekspektasa pasar 16. Rsko Ssteatk Portofolo P (0) = beta portofolo = vara pasar 56

4 Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya Septeber 017, Saarda, Idoesa ISBN: Rsko Uk Portofolo ep 1 W e (1) = rsko uk portofolo = propors daa saha ke- = rsko uk saha ke- 18. Rsko Portofolo p p ep () = rsko portofolo = rsko ssteatk portofolo = rsko uk portofolo 19. Retur Bebas rsko t Rf t Rf 1 1 p (3) = retur bebas rsko bulaa = retur bebas rsko pada bula ke-t = julah bula dala setahu = julah bula selaa perode tahu pegaata = julah tahu pegaata Hasl da Pebahasa a. Data Data yag dguaka dala peelta egguaka data sekuder dar harga peutupa saha bulaa d Sektor Agr da Mg yag terdaftar da aktf d Bursa Efek Idoesa da tdak egala stock splt da rght ssues selaa perode peelta yatu Jauar 01 sapa dega Deseber 014. b. Retur Bebas Rsko Bulaa Suku Buga Sertfkat Bak Idoesa Berdasarka persaaa 3, aka perhtuga Retur Bebas Rsko Bulaa Suku Buga Sertfkat Bak Idoesa adalah sebesar 0, c. Sektor Agr 1. Retur Ekspektasa, Vara Retur, da Stadar Devas Retur Saha Berdasarka persaaa 4, 5 da 6, retur ekspektasa tertgg pada saha DSFI dega la 5,59% da terkecl pada saha UNSP dega la -4,39%. Vara tertgg pada saha DSFI dega la 4,9% da teredah pada saha JAWA dega la 0,6%. Stadar devas tertgg pada saha DSFI dega la,18% da terkecl pada saha JAWA dega la 5,15%.. Kovara atara Retur Saha dega Retur Ideks Harga Saha Gabuga (IHSG) Berdasarka persaaa 16, kovara tertgg pada saha BISI dega la 0, da teredah pada saha AALI dega la -0, Beta, Alpha, Rsko Uk, da ERB Saha Berdasarka Persaaa 7, 8, 9, da 10, beta saha tertgg pada saha BISI dega la 1,440 da teredah pada saha AALI dega la -0,394. Alpha saha tertgg pada saha DSFI dega la 0,049 da teredah pada saha UNSP dega la - 0,054. Rsko uk saha tertgg pada saha DSFI dega la 0,048 da teredah pada saha JAWA dega la 0,003. Excess Retur to Beta (ERB) tertgg pada saha CPRO dega la 0,148 da teredah pada saha IIKP dega la - 0,1. 4. Ttk Pebatas ( da Cut off Pot Berdasarka persaaa 13 dketahu la ttk pebatas ( pada saha Sektor Agr dega la cut off pot ( ) ada pada saha BTEK yag berla sebesar 0, Saha Pebetuk Portofolo Optal da Propors Daa Saha Berdasarka persaaa 15, dketahu Sektor Agr epuya saha pebetuk portofolo optal terdr dar la saha yag harus dbel oleh vestor yag ejad saha lk sedr dega propors daa CPRO (39,74%), DSFI (,53%), TBLA (3,05%), LSIP (1,31%), BTEK (4,37%). d. Sektor Mg 1. Retur Ekspektasa, Vara Retur, da Stadar Devas Retur Saha Berdasarka persaaa 4, 5 da 6, dketahu retur ekspektasa tertgg pada saha GTBO dega la 9,07% da terekecl pada saha BORN dega la - 7,18%. Vara retur tertgg pada saha GTBO dega la 33,60% da teredah pada saha DEWA dega la 0,31%. Stadar devas retur tertgg pada saha DSFI dega la,18% da terkecl pada saha JAWA dega la 5,15%. 57

5 Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya Septeber 017, Saarda, Idoesa ISBN: Kovara atara Retur Saha dega Retur Ideks Harga Saha Gabuga (IHSG) Berdasarka persaaa 16, dketahu kovara tertgg pada saha PKPK dega la 0,00376 da teredah pada saha GTBO dega la -0, Beta, Alpha, Rsko Uk, da ERB Saha Berdasarka Persaaa 7, 8, 9, da 10, dketahu beta saha tertgg pada saha PKPK dega la,758 da teredah pada saha GTBO dega la -0,484. Alpha saha tertgg pada saha GTBO dega la 0,095 da teredah pada saha BORN dega la -0,085. Rsko uk saha tertgg pada saha GTBO dega la 0,336 da teredah pada saha DEWA dega la 0,003. ERB tertgg pada saha ADRO dega la 0,494 da teredah pada saha GTBO dega la -0, Ttk Pebatas ( da Cut off Pot Berdasarka persaaa 13 dketahu, dketahu la ttk pebatas ( saha pada Sektor Mg dega la cut off pot ( ) ada pada saha CTTH yag berla sebesar 0, Saha Pebetuk Portofolo Optal da Propors Daa Saha Berdasarka persaaa 15, dketahu Sektor Mg epuya saha pebetuk portofolo optal terdr dar tujuh saha pjaa yag harus dpja oleh vestor utuk dvestaka dega propors daa HRUM (147,44%), ELSA (151,11%), MITI (17,1%), SMRU (5,6%), ATPK (18,96%), INCO (4,84%), CTTH (1,8%) da tga saha Sektor Mg harus dbel oleh vestor sebaga saha lk sedr dega propors daa ADRO (40,87%), ARII (31,30%), ITMG (79,4%). e. IHSG 1. Retur Ekspektasa, Vara Retur, da Stadar Devas Retur Ideks Harga Saha Gabuga (IHSG) Berdasarka persaaa 4, 5 da 6, dketahu retur ekspektasa Ideks Harga Saha Gabuga (IHSG) epuya la sebesar (0,88%). Vara retur Ideks Harga Saha Gabuga (IHSG) epuya la sebesar (0,14%). Stadar devas retur Ideks Harga Saha Gabuga (IHSG) epuya la sebesar (3,69%). f. Portofolo Optal 1. Beta, Alpa, da Retur Ekspektasa Portofolo Berdasarka persaaa 17, 18, da 19, aka dperoleh hasl perhtuga pada Tabel 1. Tabel 1. Beta, Alpa, da Retur Ekspektasa Portofolo Sektor Agr 0, ,0147 0,05178 Mg -1,3158-0,1371-0,14875 Berdasarka Tabel 1, beta portofolo yag dlk Sektor Agr sebesar 41,666%.lebh bak dar Sektor Mg yag haya sebesar -131,58%. Alpha portofolo yag dlk Sektor Agr sebesar,147% lebh bak dar Sektor Mg yag haya sebesar -13,71%. Sehgga, retur ekspektasa portofolo yag lebh bak adalah Sektor Agr dega la sebesar,5178% dbadgka Sektor Mg yag haya sebesar -14,875%.. Rsko Uk, Rsko Ssteatk, da Rsko Portofolo Berdasarka persaaa 0, 1, da dperoleh hasl perhtuga pada Tabel. Tabel. Rsko Uk, Rsko Ssteatk, da Rsko Portofolo Sektor Agr 0, , , Mg 0, , ,75704 Berdasarka Tabel, rsko uk portofolo yag dlk Sektor Agr sebesar 0,465% lebh bak dar Sektor Mg yag sebesar 7,365%. Rsko ssteatk portofolo yag dlk Sektor Agr sebesar 0,037% lebh bak dar Sektor Mg yag sebesar 0,361%. Sehgga, rsko portofolo yag lebh bak adalah Sektor Agr dega la sebesar 6,98945% dbadgka Sektor Mg yag sebesar 7,5704%. Kespula Dar peelta da pebahasa yag dlakuka aka dperoleh kespula sebaga berkut: 1. Berdasarka hasl aalss portofolo optal dega egguaka odel sgle dex, dperoleh saha pebetuk portofolo optal d Sektor Agr dega propors daa 5 saha lk sedr terdr dar saha perusahaa PT Cetral Protea Pra Tbk. (CPRO) sebesar 39,74%, PT Dhara Saudera Fshg 58

6 Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya Septeber 017, Saarda, Idoesa ISBN: Idustres Tbk. (DSFI) sebesar,53%, PT Tuas Baru Lapug Tbk. (TBLA) sebesar 3,05%, PT PP Lodo Suatra Idoesa Tbk. (LSIP) sebesar 1,31%, PT Bu Tekokultura Uggul Tbk. (BTEK) sebesar 4,37%. Da Sektor Mg epuya propors daa 7 saha pjaa terdr dar saha perusahaa PT Haru Eergy Tbk. (HRUM) sebesar 147,44%, PT Elusa Tbk. (ELSA) sebesar 151,11%, PT Mtra Ivestdo Tbk. (MITI) sebesar 17,1%, PT SMR Utaa Tbk. (SMRU) sebesar 5,6%, PT ATPK Resources Tbk. (ATPK) sebesar 18,96%, PT Vale Idoesa Tbk. (INCO) sebesar 4,84%, PT Ctatah Tbk. (CTTH) sebesar 1,8% da 3 saha lk sedr dega propors daa terdr saha PT Adaro Eergy Tbk. (ADRO) sebesar 40,87%, PT Atlas Resources Tbk. (ARII) sebesar 31,30%, PT Ido Tabagraya Megah Tbk. (ITMG) sebesar 79,4%.. Berdasarka hasl aalss portofolo optal dega egguaka odel sgle dex, dketahu bahwa Sektor Agr epuya retur ekspektasa portofolo sebesar,51% dega rsko portofolo sebesar 6,99% yag lebh bak dbadgka Sektor Mg yag haya eghaslka retur ekspektasa portofolo sebesar -14,88% dega rsko portofolo sebesar 7,57%. 3. Ucapa Tera Kash Saya ucapka terakash kepada Ibu Ika Puraasar, S.S, M.S., selaku pebbg satu da bu Yuk Nova Nasuto, S.S., M.Sc., selaku pebbg dua yag telah eberka pegaraha kepada saya hgga saya dapat eyelesaka karya tuls lah da kepada orag tua saya yag selalu eberka doa, dukuga da otvas bag saya. Daftar Pustaka [1] Akbra, R. (015). Aalss Pebetuka Portofolo Optal Saha dega Megguaka Model Ideks Tuggal (Skrps). [] Fah, I. (013). Pegatar Pasar Modal. Badug: Alfabeta. [3] Hartoo, J. (013). Teor Portofolo da Aalss Ivestas (Eds Kedelapa). Yogyakarta: BPFE. [4] Hartoo, J. (014). Teor da Praktk Portofolo dega Excel. Jakarta: Saleba Epat. [5] Idrawa, R., & Yaawat, P. (016). Metodolog Peelta (Eds Revs). Badug: PT. Refka Adtaa. [6] Rusd. (006). Pasar Modal. Badug: Alfabeta. [7] Sukaro, M. (007). Aalss Pebetuka Portofolo Optal Saha Megguaka Metode Sgle Idex d Bursa Efek Jakarta (Tess). [8] Sulstyastut, D.R. (01). Saha & Oblgas. Yogyakarta: Uverstas Ata Jaya Yogyakarta. [9] Tadell, E. (010). Portofolo da Ivestas: Teor da Aplkas. Yogyakarta: Kasus. [10] Wdoatodjo, S. (005). Cara Sehat Ivestas d Pasar Modal. Jakarta: Elex Meda Koputdo 59

ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN

ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN Uas 970 ANALISIS PORTOFOLIO OPTIMAL SAHAM LQ45 TAHUN 014 016 I Waya Suarjaa Progra Stud Maajee, FakultasEkoo UverstasMahasaraswat wysuarjaa11@gal.co ABSTRAK Bayakya julah perusahaa yag ada d BEI, ebua

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari

PENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 3 (014), hal 15. PENGGUNAAN VALUE AT ISK DALAM ANALISIS ISIKO PADA POTOFOLIO SINGLE INDEX MODEL (Stud Kasus Data Saham LQ 45) Ed Saputra, Neva

Lebih terperinci

ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Pada Saham Jakarta Islamic Index (JII) Periode )

ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Studi Pada Saham Jakarta Islamic Index (JII) Periode ) ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL (Stud Pada Saham Jakarta Islamc Idex (JII) Perode 011-013) M. Bagus Wsambud Negah Sudjaa Topowjoo Fakultas Ilmu Admstras

Lebih terperinci

Denny et al., Analisis Investasi Melalui Penetapan Portofolio Saham Optimal... 1

Denny et al., Analisis Investasi Melalui Penetapan Portofolio Saham Optimal... 1 Dey et al., Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal... 1 Aalss Ivestas Melalu Peetapa Portofolo Saham Optmal Pada Saham LQ-45 Bursa Efek Idoesa (The Aalyss of Ivesmet by Determato Optmal Portofolo

Lebih terperinci

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION MODEL OPIMISASI POROFOLIO SAHAM DAN DEPOSIO SECARA ERINEGRASI MENGGUNAKAN MEAN ABSOLUE DEVIAION Husa Athfal Hdayat 1, De Saepud, Ira Palup 3 1,,3 Progra Stud Ilu Koputas elko Uversty, Badug 1 hshdayat@studets.telkouversty.ac.d,

Lebih terperinci

Kata kunci : Portofolio Optimal, Nilai Slope, Metode Constant Correlation Model

Kata kunci : Portofolio Optimal, Nilai Slope, Metode Constant Correlation Model PEMBENTUKAN PORTOFOLIO ASET YANG OPTIMAL MENGGUNAKAN METODE CONSTANT CORRELATION MODEL (Stud Kasus PT. Batava Prosperdo Sekurtas pada Saha Blue Chps) Syafdes Wda.S 1, Dr. Leda Novyat, M.S, Achad Zabar

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis.

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis. III. METODE PENELITIAN 1.1. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag bersifat historis. Sumber data sekuder adalah sumber data peelitia yag diperoleh peeliti secara

Lebih terperinci

ANALISIS PERBANDINGAN MEAN VARIANCE

ANALISIS PERBANDINGAN MEAN VARIANCE Perbadga MV da MAD (Susy Arska Putr) 1 ANALISIS PERBANDINGAN MEAN VARIANCE (MV) DAN MEAN ABSOLUTE DEVIATION (MAD) DALAM PEMBENTUKAN PORTOFOLIO COMPARATIVE ANALYSIS MEAN VARIANCE (MV) AND MEAN ABSOLUTE

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) 1. Konse Dasar Sngle Index Model. Forula SIM untuk Sekurtas 3. SIM untuk Sekurtas Tunggal 4. SIM untuk Portofolo 5. Portofolo Otal Berdasarkan SIM Munya Alteza

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Studi Kasus pada Kelompok Saham LQ-45 di BEI Tahun )

SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Studi Kasus pada Kelompok Saham LQ-45 di BEI Tahun ) 1 Jural Ilmu Maajeme & Bss - Vol. 04, No. 01. Maret 013 SINGLE INDEX MODEL SEBAGAI ALAT ANALISIS OPTIMALISASI PORTOFOLIO INVESTASI SAHAM (Stud Kasus pada Kelompok Saham LQ-45 d BEI Tahu 009-011) Sgt Trharjoo

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Jural Ilu & Rset Maajee Vol. No. 1 (013) ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Zulfa Yuta Ntawbsoo.w@gal.co Tryoowat Sekolah Tgg Ilu Ekoo

Lebih terperinci

Agustin Tri Setyoningsih Suhadak Topowijono Fakultas Ilmu Administrasi Universitas Brawijaya Malang

Agustin Tri Setyoningsih Suhadak Topowijono Fakultas Ilmu Administrasi Universitas Brawijaya Malang ANALISIS PORTOFOLIO OPTIAL DENGAN SINGLE INDEX ODEL UNTUK EINIUKAN RISIKO BAGI INVESTOR DI BURSA EFEK INDONESIA (STUDI PADA SAHA INDEKS KOPAS 100 PERIODE FEBRUARI 010-JULI 014) Agust Tr Setyogsh Suhadak

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii bertujua utuk megaalisis pembetuka portofolio optimal saham-saham pada ideks LQ-45 megguaka model ideks tuggal periode 2014 2015. Berdasarka tujua

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT 68 Bud: PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT Dya Seta Bud ), Da Reto Sar Dew ), D Edah

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Prosdg Semar Nasoal Sas da Peddka Sas I, Fakultas Sas da Matematka, UKSW Salatga, 2 Ju 204, Vol 5, No., ISSN :2087-0922 KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Ad Setawa Program Stud

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A ** MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka

Lebih terperinci

Penurunan Persamaan Perpetuitas dan Anuitas

Penurunan Persamaan Perpetuitas dan Anuitas SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY 2016 Peurua Persamaa Perpetutas da utas T - 6 Bud Fresdy Fakultas Ekoom da Bss Uverstas Idosa bstrak Mahasswa bss da akutas, debtor bak, da vestor memerluka

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari)

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari) Jural Sas Mateatka da Statstka, Vol. 3, No. 2, Jul 2017 ISSN 1693-2390 prt/issn 2407-0939 ole Peyelesaa Model Trasportas Megguaka Metode ASM, RDI da MODI (Stud Kasus : PT. Melayu Bu Lestar) Sr Basrat 1,

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA PELABELAN HARMONIS GANJIL PADA GRAF KINIR ANGIN BELANDA DAN GABUNGAN GRAF KINIR ANGIN BELANDA Fery Frmasah ), Kk Aryat Sugeg ) Abstrak : Gra G V G, EG dega V G adalah hmpua smpul da G hmpua busur dsebut

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

EKONOMI TEKNIK. Ekuivalensi

EKONOMI TEKNIK. Ekuivalensi EKONOMI TEKNIK Ekuvales Ekuvales Ekuvales = Nla uag yag sama pada waktu yag berbeda. Jumlah uag berbeda pada waktu berbeda dapat berla ekooms sama. Cotoh = harga bes Rp 4.5, (25), Rp 5.5, (29), da Rp 6.5

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Analisis Kriteria Investasi TUJUAN

Analisis Kriteria Investasi TUJUAN Aalss Krtera Ivestas TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft.

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

Penerapan Peta Kendali Demerit dan Diagram Pareto Pada Pengontrolan Kualitas Produksi (Studi Kasus: Produksi Botol Sosro di PT.

Penerapan Peta Kendali Demerit dan Diagram Pareto Pada Pengontrolan Kualitas Produksi (Studi Kasus: Produksi Botol Sosro di PT. Jural EKSPONENSIL Volue 5, Noor, Nopeber 04 ISSN 085-789 Peerapa Peta Kedal Deert da Dagra Pareto Pada Pegotrola Kualtas Produks (Stud Kasus: Produks otol Sosro d PT. X Surabaya) The pplcato of Deert otrol

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci