PENENTUAN HARGA OPSI ASIA

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENENTUAN HARGA OPSI ASIA"

Transkripsi

1 PENENTUAN HARGA OPSI ASIA KHURIYANTI UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 009 Peetua harga..., Khuryat, FMIPA UI, 009.

2 PENENTUAN HARGA OPSI ASIA Skrps dajuka sebaga salah satu syarat utuk memperoleh gelar Sarjaa Sas Oleh : KHURIYANTI DEPOK 009 Peetua harga..., Khuryat, FMIPA UI, 009.

3 SKRIPSI NAMA : PENENTUAN HARGA OPSI ASIA : KHURIYANTI NPM : SKRIPSI INI TELAH DIPERIKSA DAN DISETUJUI DEPOK, 7 JULI 009 MILA NOVITA, S.S., M.S PEMBIMBING I SARINI, S.S., M.Stats PEMBIMBING II Taggal Lulus Uja Sdag Sarjaa: 7 Jul 009 Peguj I : Mla Novta, S.S., M.S Peguj II : Dra St Amah M.Kom Peguj III : Dra St Nurrohmah M.S Peetua harga..., Khuryat, FMIPA UI, 009.

4 La haula wala Quwwata lla Bllah (Tada daya da upaya melaka kekuata Allah) Dedcated to my beloved famly, my lovely freds ad everybody who loves me Sesuatu yag belum dkerjaka, sergkal tampak mustahl; kta baru yak kalau kta bsa, setelah berhasl melakukaya (Evely uderhll) Peetua harga..., Khuryat, FMIPA UI, 009.

5 KATA PENGANTAR Segala puj da syukur haya kepada Allah Subhaahu wa Ta ala, Tuha semesta alam, yag membuat peuls dapat meyelesaka tugas akhr. Shalawat da salam peuls latuka kepada sur taulada kta, Muhammad Shalallahu alah wa sallam, beserta keluargaya yag mula, sahabatya yag tercta, da pegkutya yag seta hgga akhr zama. Terselesakaya tugas akhr tdak lepas tapa batua, bmbga, doroga, semagat da doa yag tulus dar bayak phak. Oleh karea tu, peuls g meyampaka ucapa terma kash sedalam-dalamya kepada:. Orag tua peuls. Mamaku tercta yag selalu berdoa utuk peuls dalam tap sujudya, Ayahku tersayag yag selalu memberka dukuga da motvas yag luar basa tapa batas. Terma kash atas doa da kash sayag kala yag tdak permah putus da membuat peuls mampu meyelesaka tugas akhr.. Mba Mla Novta, selaku pembmbg peuls. Doseku tersayag yag dega amat sagat sabar membmbg da membatu peuls dalam meyelesaka tugas akhrya. Terma kash utuk semua batuaya yag tdak terhtug bayakya, dukuga, semagat juga motvas yag selalu dcurahka utuk peuls. Terma kash juga utuk bmbga yag selalu meyeagka. Peetua harga..., Khuryat, FMIPA UI, 009.

6 3. Mba Sar, selaku pembmbg peuls. Terma kash yag teramat dalam utuk pegorbaaya membatu peuls meyelesaka tugas akhr. Terma kash juga utuk suam Mba Sar, Ka Taufk, yag bayak berpera dalam pemrograma tugas akhr Tapa batua pembmbg-pembmbg yag luar basa, peuls tdak aka mampu meyelesaka tugas a berat. 4. Ibu Nur, selaku pembmbg akadems yag telah memberka ashat da bmbgaya selama. 5. Seluruh dose Departeme Matematka atas segala lmu yag peuls dapatka selama mejad mahasswa Matematka UI. 6. Seluruh karyawa, bak TU maupu Perpustakaa Matematka yag telah bayak memberka batuaya dem kelacara peyusua skrps. 7. Kakak da adk peuls. Mba Ra, yag suatu saat at aka meghadap taggug jawab yag sama, semoga dapat meyelesakaya dega bak. Semagat!!. Terma kash Vv utuk seyumaya yag selalu dberka kepada peuls. 8. Seluruh keluarga besar peuls. Khususya keluarga peuls yag ada d pemalag, pasar baru da bogor. 9. Utuk sahabat-sahabatku tercta. Nsma, terma kash dukugaya selama, sahabat terbak yag selalu ada utuk peuls. Othe, terma kash atas segala sara-saraya yag sagat berart bag peuls. Met, sahabatku yag sagat meyeagka. Peetua harga..., Khuryat, FMIPA UI, 009.

7 0. Tema-tema terbak peuls. Iul, fka, da, shta, rath, puj, cha, mrat, ra, mer, jesse, va, e, syarah, da teme-tema yag la. Terma kash atas persahabata yag kala berka kepada peuls.. Seluruh tema-tema 05 d matematka. Terma kash atas kebersamaa yag dah selama.. Ka bemb, yau, da ka maap. Terma kash atas batuaya yag sagat berart dalam peyusua tugas akhr. 3. Tema-tema SMA peuls. Ftr, agg, krsta, as, yag selalu meyemagat peuls. 4. Tema-tema agkata Terma kash atas batuaya selama kepada peuls. 5. Phak laya (yag mugk lupa dsebutka oleh peuls) yag telah membatu peuls dega dukuga da doaya. Moho maaf jka pada skrps terdapat kesalaha atau kekuraga. Semoga skrsp dapat bergua bag sapa saja yag megkajya, serta dapat dkembagka da dsempuraka agar lebh bermafaat utuk kepetga orag bayak. Depok, jul 009 Peuls Khuryat Peetua harga..., Khuryat, FMIPA UI, 009.

8 ABSTRAK Ops Asa dega Europea style adalah ops yag payoff-ya bergatug pada rata-rata harga aset selama masa hdup ops da haya dapat deksekus pada saat jatuh tempo saja. Tujua dar peulsa tugas akhr adalah meetuka harga ops Asa megguaka rata-rata geometrk da rata-rata artmatk melalu pedekata terhadap rata-rata geometrk. Utuk meetuka harga ops Asa megguaka rata-rata geometrk dapat dlakuka dega ddekat ke keragka Black-Scholes sehgga ddapat formula Black-Scholes utuk ops call Asa da ops put Asa. Sedagka utuk meetuka harga ops Asa megguaka rata-rata artmatk, dlakuka melalu pedekata terhadap rata-rata geometrk yag dkemukaka oleh Mchael Curra. Kata kuc : Ops eksotk, Black-Scholes, aproksmas Curra, tegras umerk. v + 5 hlm.; lamp. Bblograf: 5 (99-006) Peetua harga..., Khuryat, FMIPA UI, 009. v

9 DAFTAR ISI Halama KATA PENGANTAR... ABSTRAK... DAFTAR ISI... DAFTAR LAMPIRAN... v v v BAB I. PENDAHULUAN.... Latar Belakag.... Perumusa Masalah Tujua Peulsa Pembatasa Masalah Sstematka Peulsa... 4 BAB II. LANDASAN TEORI Ops Ops Eksotk Rata-Rata Geometrk Rata-Rata Artmatk Proses Stokastk....6 Gerak Brow... Peetua harga..., Khuryat, FMIPA UI, 009. v

10 v.7 Proses Harga Saham Model Black-Scholes... 0 BAB III. PENENTUAN HARGA OPSI ASIA Peetua Harga Ops Asa Megguaka Rata-Rata Geometrk Karakterstk Rata-Rata Geometrk Dalam Ops 3 Asa Pembetuka Formula Black-Scholes utuk 30 Meetuka Harga Ops Asa Megguaka Rata- Rata Geometrk Ops Call Asa Ops Put Asa Put-Call Party Peetua Harga Ops Asa Megguaka Rata- 5 Rata Artmatk yag Pedekataya Berdasarka Rata-Rata Geometrk Karakterstk Rata-Rata Artmatk Ops Call Asa... 5 BAB IV. APLIKASI PENENTUAN HARGA OPSI ASIA Tujua Aplkas Peetua harga..., Khuryat, FMIPA UI, 009.

11 v 4. Peetua Harga Ops Asa Megguaka Rata-rata 75 Geometrk Peetua Harga Ops Asa Megguaka Rata-rata 76 Artmatk... BAB V. PENUTUP DAFTAR PUSTAKA... 8 LAMPIRAN Peetua harga..., Khuryat, FMIPA UI, 009.

12 DAFTAR LAMPIRAN Lampra Halama. Lampra Lampra Lampra Lampra Lampra Lampra Lampra Lampra Lampra v Peetua harga..., Khuryat, FMIPA UI, 009.

13 BAB I PENDAHULUAN. LATAR BELAKANG Dalam pasar keuaga dkeal beberapa jes betuk strume keuaga, dataraya adalah berupa kotrak. Kotrak yag laya dturuka dar la aset dasar pada kotrak tersebut dsebut strume dervatf atau strume turua. Oleh karea tu, pasar yag memperjualbelka strume jes dkataka pasar dervatf. Cotoh kotrak yag popular dperdagagka d pasar dervatf adalah forward, future, da opto (ops). Ops adalah salah satu kotrak keuaga yag memberka hak kepada pembel ops, tap buka kewajba, utuk membel atau mejual aset dasar dega harga yag dtetuka d awal da dlakuka pada saat atau sebelum masa ops berakhr. Berdasarka waktu pegeksekusaya, ops terbag mejad jes, yatu Europea style da Amerca style. Europea style adalah jes ops yag haya dapat deksekus pada saat masa ops berakhr, sedagka Amerca style adalah ops yag dapat deksekus kapapu selama masa hdup ops. Ops terbag mejad jes, yatu ops vala da ops eksotk. Ops eksotk adalah ops yag payoff-ya tdak haya bergatug pada harga aset saat deksekus, tap juga bergatug pada harga-harga aset selama masa Peetua harga..., Khuryat, FMIPA UI, 009.

14 hdup ops. Cotoh ops eksotk adalah barrer opto, lookback opto da Asa opto (ops Asa). Ops Asa adalah ops yag payoff-ya bergatug pada rata-rata harga aset selama masa hdup ops. Terdapat tpe rata-rata yag aka dguaka dalam tugas akhr, yatu rata-rata artmatk da rata-rata geometrk. Salah satu karakterstk dar rata-rata geometrk adalah ketka harga saham berdstrbus logormal, rata-rata geometrk harga sahamya juga berdstrbus logormal. Karea karakterstk tersebut, rata-rata geometrk memeuh salah satu asums dar model Black-Scholes. Sehgga utuk meetuka harga ops Asa megguaka rata-rata geometrk dapat dlakuka dega ddekat ke keragka Black-Scholes. Sedagka karakterstk utuk rata-rata artmatk adalah dstrbus dar rata-rata artmatk harga sahamya tdak dketahu. Hal meyultka dalam peetua harga ops Asa, oleh karea tu perlu dlakuka aproksmas dstrbus rata-rata artmatk. Beberapa metode yag dapat dguaka utuk megaproksmas dstrbus rata-rata tersebut, dataraya adalah aproksmas Turbull & Wakema, aproksmas Levy, aproksmas Curra, da Mote Carlo valuato. Dalam tugas akhr aka djelaska megea peetua harga ops Asa megguaka rata-rata geometrk yag aka ddekat ke dalam Peetua harga..., Khuryat, FMIPA UI, 009.

15 3 keragka Black-Scholes, da megguaka rata-rata artmatk melalu pedekata terhadap rata-rata geometrk berdasarka aproksmas Curra.. PERUMUSAN MASALAH Bagamaa cara meetuka harga ops Asa megguaka rata-rata geometrk da rata-rata artmatk melalu pedekata terhadap rata-rata geometrk..3 TUJUAN PENULISAN Tujua peulsa tugas akhr adalah meetuka harga ops Asa megguaka rata-rata geometrk da rata-rata artmatk melalu pedekata terhadap rata-rata geometrk..4 PEMBATASAN MASALAH Pembatasa yag dguaka dalam peulsa tugas akhr adalah :. Waktu pegeksekusa ops megguaka Europea style.. Aset dasar yag dguaka berupa saham. 3. Betuk dasar ops Asa yag dguaka adalah average prce opto. 4. Utuk kasus ops Asa megguaka rata-rata artmatk, haya meghtug ops call Asa. Peetua harga..., Khuryat, FMIPA UI, 009.

16 4.5 SISTEMATIKA PENULISAN Secara sgkat, sstematka peulsa dar tugas akhr adalah sebaga berkut: Bab I : Pedahulua Bers latar belakag masalah, perumusa masalah, tujua peulsa, pembatasa masalah, da sstematka peulsa. Bab II : Ladasa Teor Bers ops, ops eksotk, proses stokastk, gerak Brow, proses harga saham da model Black-Scholes utuk Europea opto. Bab III : Membahas tetag bagamaa meetuka harga ops Asa megguaka rata-rata geometrk da rata-rata artmatk melalu pedekata terhadap rata-rata geometrk. Bab IV : Aplkas dar peetua harga ops Asa megguaka ratarata geometrk da rata-rata artmatk. Bab V : Kesmpula da sara utuk tugas akhr. Peetua harga..., Khuryat, FMIPA UI, 009.

17 BAB II LANDASAN TEORI Sebelum membahas bagamaa meetuka harga ops Asa megguaka rata-rata geometrk da megguaka rata-rata artmatk pada bab III, berkut aka dbahas terlebh dahulu megea dasar-dasar teor yag dguaka dalam peulsa tugas akhr. Dataraya megea ops, ops eksotk, proses stokastk, gerak Brow, proses harga saham da model Black-Scholes utuk Europea opto. OPSI Dalam dua ekoom, dkeal beberapa jes pasar keuaga, salah satuya adalah pasar dervatf. Pasar dervatf adalah pasar keuaga yag memperdagagka strume keuaga yag laya dturuka dar la aset yag la. Istrume yag dperjualbelka dalam pasar dervatf, dataraya berupa kotrak. Cotoh kotrak yag palg populer dperdagagka dalam pasar dervatf adalah forward, future, da ops. Ops adalah salah satu kotrak keuaga yag memberka hak kepada pembel ops, tap buka kewajba, utuk membel atau mejual aset dasar dega harga yag dtetuka d awal da dlakuka pada saat atau sebelum masa ops berakhr. Hak tersebut dperoleh pembel ops dega 5 Peetua harga..., Khuryat, FMIPA UI, 009.

18 6 membayarka sejumlah uag kepada pejual ops yag damaka harga ops. Berdasarka waktu pegeksekusa, ops terbag mejad, yatu:. Europea style, adalah jes ops yag haya dapat deksekus saat masa ops berakhr.. Amerca style, adalah jes ops yag dapat deksekus kapapu selama masa hdup ops. Istlah-stlah yag bayak dguaka dalam ops:. Holder adalah phak yag membel kotrak ops.. Wrter adalah phak yag megeluarka kotrak ops. 3. Strke prce (K) adalah harga yag harus dbayarka holder kepada wrter jka megeksekus ops. 4. Maturty tme (T) adalah waktu jatuh tempo. 5. Payoff adalah sejumlah la yag dterma holder saat masa ops berakhr. 6. Aset dasar adalah aset yag mejad dasar dar kotrak ops. 7. Harga ops adalah harga awal yag dberka holder ke wrter utuk memperoleh hak ops. 8. Volatltas adalah stadar devas dar harga aset keuaga. 9. Rsk-free rate atau tgkat suku buga bebas resko ( r ) adalah tgkat suku buga yag dasumska dperoleh jka bervestas aset yag bebas resko. Peetua harga..., Khuryat, FMIPA UI, 009.

19 7 Ops terdr dar jes, yatu ops vala da ops eksotk. Karea pada tugas akhr haya aka dbahas megea ops Asa yag merupaka salah satu betuk ops eksotk, maka berkut aka dpaparka seklas megea ops eksotk.. OPSI EKSOTIK Ops eksotk adalah ops yag payoff-ya tdak haya bergatug pada harga aset saat megeksekus ops, tap juga bergatug pada harga-harga aset selama masa hdup ops. Cotoh ops eksotk atara la adalah: barrer opto, lookback opto, ops Asa, GAP opto, exchage opto,da compoud opto. Dar cotoh ops eksotk tersebut, terdapat beberapa ops yag sagat bergatug pada ltasa harga aset selama masa hdup ops, yag dsebut path-depedet opto. Cotoh dar path-depedet opto adalah barrer opto, lookback opto da ops Asa. Ops Asa adalah ops yag payoff-ya bergatug pada rata-rata harga aset selama masa hdup ops. Ada betuk dasar dar ops Asa, yatu:. Average prce opto Average prce opto adalah ops Asa yag payoff-ya bergatug pada perbedaa atara rata-rata harga aset selama masa hdup ops dega harga eksekus yag telah dtetuka. Payoff dar average prce opto saat jatuh tempo adalah Peetua harga..., Khuryat, FMIPA UI, 009.

20 8 T max S( τ) dτ K,0, T 0 utuk ops call Asa T max K S ( τ) dτ,0, T 0 utuk ops put Asa.. Average strke opto Average strke opto adalah ops Asa yag payoff-ya bergatug pada perbedaa atara harga aset saat jatuh tempo dega rata-rata harga aset selama masa hdup ops. Payoff dar average strke opto saat jatuh tempo adalah T max S( τ) dτ S( T),0, T 0 utuk ops call Asa T max S ( T ) S ( τ) dτ,0, T 0 utuk ops put Asa. Ops Asa dapat ddefska kembal dega meggat rata-rata kotu T T 0 S( τ ) dτ dega megguaka rata-rata artmatk St ( ) = atau rata-rata geometrk St ( ) =, dmaa 0 t < t <... < t T [4]. Dalam tugas akhr aka dbahas bagamaa meetuka harga average prce opto dega megguaka kedua rata-rata d atas. Payoff dar ops tersebut dapat dtuls kembal mejad: Peetua harga..., Khuryat, FMIPA UI, 009.

21 9 Payoff dar average prce opto megguaka rata-rata artmatk saat jatuh tempo adalah max S( t ) K,0, = utuk ops call Asa (..) max K S( t ),0, = utuk ops put Asa (..) Payoff dar average prce opto megguaka rata-rata geometrk saat jatuh tempo adalah max S( t ) K,0, = utuk ops call opto (..3) max K S ( t ),0, = utuk ops put opto (..4).3. RATA-RATA GEOMETRIK Jes rata-rata yag aka dguaka dalam tugas akhr adalah ratarata geometrk da rata-rata artmatk, sehgga aka djelaska seklas megea kedua tpe rata-rata tersebut. Rata-rata geometrk dyataka sebaga: ( ) ( ) ( )... ( t ) (.3.) = G = S t = S t S t S Peetua harga..., Khuryat, FMIPA UI, 009.

22 0 dmaa, St ( )= harga aset pada saat = bayakya harga aset yag drata-rataka. t Dega dketahu bahwa harga saham berdstrbus logormal, teryata rata-rata geometrkya juga berdstrbus logormal. Karea karakterstk tersebut, rata-rata geometrk memeuh salah satu asums dar model Black-Scholes. Sehgga harga ops Asa dapat dtetuka dega cara ddekat ke keragka Black-Scholes yag merupaka metode dasar dalam meetuka harga teorts Europea opto..4 RATA-RATA ARITMATIK Rata-rata artmatk dotaska dega ( St ( ) + St ( ) St ( )) A= S( t ) = = (.4.) dmaa, St ( )= harga aset pada saat t = bayakya harga aset yag drata-rataka. Rata-rata artmatk merupaka jes rata-rata yag populer da serg dguaka dalam praktek vestas. Namu dalam kasus ops Asa, rata-rata artmatk memlk beberapa kelemaha. Dataraya adalah ketka harga saham berdstrbus logormal, rata-rata artmatk harga sahamya tdak Peetua harga..., Khuryat, FMIPA UI, 009.

23 berdstrbus logormal. Hal tu meyultka dalam peetua harga ops Asa. Karea dstrbus rata-rata artmatk tdak dketahu, maka dperluka aproksmas dar dstrbus rata-rata artmatk tersebut. Hal megakbatka tdak adaya solus eksak utuk meetuka harga ops Asa. Beberapa metode yag dapat dguaka utuk meetuka harga ops Asa megguaka rata-rata artmatk tersebut, atara la:. Aproksmas Turbull & Wakema.. Aproksmas Levy. 3. Aproksmas Curra. 4. Mote Carlo Valuato. Dalam tugas akhr aka dbahas bagamaa meetuka harga ops Asa megguaka aproksmas Curra, yatu melalu pedekata terhadap rata-rata geometrk..5 PROSES STOKASTIK Defs.5. (Proses Stokastk): Suatu proses stokastk = { ( t), t T} adalah hmpua varabel radom () t yag dapat ddeks dega parameter t, dalam hmpua deks T yag mempuya uruta. Peetua harga..., Khuryat, FMIPA UI, 009.

24 Jka T dskrt, maka hmpua deks T dapat dtuls T = {0,,...}. Jka T kotu, maka hmpua deks T dapat dtuls T = [0, ). Nla yag mugk dar () t dsebut state. Hmpua la yag mugk dar () t adalah state space. Berdasarka state space-ya, proses stokastk dapat dbedaka mejad state space dskrt da state space kotu. Karea harga saham adalah varabel radom yag pergerakaya tdak dketahu secara past, maka dapat dkataka bahwa pergeraka harga saham merupaka sebuah proses stokastk..6 GERAK BROWN Proses gerak Brow merupaka cotoh dar proses Markov waktu kotu da state space kotu, da ddefska sebaga berkut: Defs.6. (Gerak Brow): Gerak Brow atau dsgkat GB dega parameter varas σ adalah suatu proses stokastk { Wt (); t 0}, dega sfat-sfat sebaga berkut :. Setap keaka W( s+ t) W( s) adalah berdstrbus ormal dega mea 0 da varas σ t. Peetua harga..., Khuryat, FMIPA UI, 009.

25 3. Utuk setap pasag terval waktu yag salg lepas, ( uv, ],( wy, ], dega 0 u < v w< y, maka keaka W( y) W( w) da W() v W() u adalah varabel radom yag depede. 3. Wt () kotu sebaga fugs dar t; da W (0) = 0. Defs.6. (Gerak Brow stadar): Jka { Wt () 0 t } < adalah GB dega parameter varas σ, maka Bt () = W();0 t t< adalah GB dega parameter varas. GB sepert σ dsebut GB stadar. GB stadar juga memeuh sfat-sfat dar gerak Brow. Proses GB stadar dsebut juga sebaga proses Weer. GB stadar atau proses Weer aka sagat bergua dalam memodelka pergeraka harga saham. Dar defs GB stadar, proses Weer utuk perubaha waktu Δt mempuya dstrbus ormal dega mea keaka 0 da varas keaka Δ t. Secara formal, jka suatu varabel B() t megkut proses Weer, maka berlaku dua sfat berkut: Sfat. Perubaha ΔB() t selama perode waktu Δt yag kecl, adalah Δ Bt () = Z Δ t, dega Z ~ N(0,). Sfat. B() t megkut proses Markov. Peetua harga..., Khuryat, FMIPA UI, 009.

26 4 Proses Markov adalah proses stokastk yag jka dketahu la B() t, maka B( s+ t) dmaa s+ t > t tdak dpegaruh B( u ) dmaa u < t. Artya jka dberka keadaa saat sekarag da keadaa d waktu lampau, maka keadaa medatag haya bergatug pada keadaa waktu sekarag da tdak bergatug pada waktu lampau. da 0 Msalka { Bt (); t 0} adalah suatu proses GB stadar, da msalka μ σ > tertetu, maka proses stokastk { (); 0} sebaga berkut: t t yag ddefska () t = μt+ σ B() t utuk t 0 (.6.) dsebut gerak Brow dega drft μ da parameter varas σ. Dega megguaka GB dega drft, aka dperoleh GB yag sagat bergua dalam bdag fasal saat, yatu dalam membetuk model Black-Scholes [5]. Defs.6.3 (Gerak Brow Geometrk): Jka { ( t); t 0} adalah GB dega drft dega parameter μ da proses stokastk { Zt (); t 0} yag ddefska dega σ, maka ( ) ( μ σ ) Z( t) = Z(0)exp ( t) = Z(0)exp t+ B( t) (.6.) dsebut gerak Brow geometrk dega parameter μ da σ. GB geometrk yag dmula dar Z (0) adalah GB stadar yag dmula dar B (0) = 0. Peetua harga..., Khuryat, FMIPA UI, 009.

27 5 Jka persamaa (.6.) ddferesalka, aka dperoleh persamaa, dzt () = μztdt () + σ ZtdBt () (). (.6.3) Sfat-sfat yag dpeuh GB geometrk adalah :. Zt ( + s),, ts> 0 adalah berdstrbus logormal dega parameterya Zt () adalah μs da σ s.. Raso pada terval waktu yag salg lepas adalah varabel radom yag depede. Utuk tap pasag terval waktu yag dsjo ( uv, ],( wy, ], dega 0 u < v w< y, maka raso Z ( y) Z ( w) da Z() v Z( u ) adalah depede. 3. Z () t kotu, dega Z( t = 0) = Z(0)..7 PROSES HARGA SAHAM Msalka St ( ) adalah harga saham pada saat t. Utuk perode waktu Δt, ekspektas perubaha Δ S adalah μst ( ) Δ tdega μ adalah tgkat pegembala dar harga saham yag dharapka. Jka volatltas dar tgkat pegembala selalu ol maka tgkat pegembala aka berla tetap utuk setap terval waktu. Sehgga dperoleh ( tgkat pegembala = c) E = c μ =c Utuk tgkat pegembala yag dharapka per perode waktu Δt, ddapat Peetua harga..., Khuryat, FMIPA UI, 009.

28 6 μ = ( + ) S( t) S( t ) S t Δt maka perubaha harga saham dapat dmodelka sebaga berkut : dmaa, Δ S = μs( t ) Δ t, (.7.) Δ S = S( t ) S( t ) + Namu dalam aplkasya, volatltas dar tgkat pegembala tdak selalu berla ol. Artya vestor memlk tgkat pegembala yag tdak tetu utuk harga saham pada waktu yag berbeda [3]. Hal dapat dtuls ( + ) S( t) S( t ) S t () = μδ t+ σδb t ( ) ( ) ( ) ( ) μ σ ( ) S t+ S t = S t Δ t+ Δ B t Δ S = μs( t ) Δ t+ σ S( t ) ΔB( t) (.7.) dmaa B() t adalah gerak Brow stadar. Jka djabarka, persamaa (.7.) aka mejad St ( + ) St ( ) = μst ( ) Δ t+ σ St ( ) ΔBt ( ) St ( + ) = St ( ) + μst ( ) Δ t+ σ St ( ) Δ Bt ( ) (.7.3) Dar sfat utuk GB stadar, persamaa (.7.3) dapat dtulska kembal mejad, St ( + ) = St ( ) + μst ( ) Δ t+ σst ( ) ΔtZ, (.7.4) dmaa, Peetua harga..., Khuryat, FMIPA UI, 009.

29 7 St ( + ) = harga saham pada saat t + St ( ) = harga saham pada saat t Z ~ NIID(0, ). Dega Δt 0, maka persamaa (.7.) mejad sebuah persamaa dferesal stokastk dega waktu yag kotu ds() t = μs() t dt + σ S() t db() t, (.7.5) da solus yag dperoleh [4] adalah σ St () = S(0)exp μ t+ σbt () (.7.6) dmaa B(t) adalah proses Weer atau gerak Brow stadar. Model persamaa (.7.6) adalah model yag palg serg dguaka utuk model pergeraka saham [4]. Dperoleh bahwa persamaa (.7.5) memlk betuk yag sesua dega persamaa (.6.3), sehgga dapat dkataka bahwa pergeraka harga saham megkut GB geometrk. Dar persamaa (.7.6), dperoleh σ St () = S(0)exp μ t+ σbt () St () σ = exp μ t+ σb( t) S(0) St () = + S(0) l μt σ t σb( ) t (.7.7) Peetua harga..., Khuryat, FMIPA UI, 009.

30 8 Jka dketahu B()~ t N(0,) t, maka dapat dcar mea da varas utuk dstrbus harga saham, yatu sebaga berkut: Utuk mea dar dstrbus harga saham, + () = + () [ ] [ t ] E μt σ t σb t E μt E σ t E σb = μ σ + t t 0 = μ σ t Utuk varas dar dstrbus harga saham, μ σ + σ = σ [ ] var t t Bt ( ) var Bt ( ) = σ var[ Bt ( )] = σ t Dega parameter-parameter yag telah dcar, d bawah asums rsk-eutral yatu asums bahwa tgkat pegembala yag dharapka sama dega rsk-free rate, μ = r, dperoleh () l St ~ N r σ t, σ t S(0). Jad, dapat dsmpulka bahwa dstrbus dar logartma harga saham St ()adalah sebaga berkut: Peetua harga..., Khuryat, FMIPA UI, 009.

31 9 () l St ~ N r σ t, σ t S(0) (.7.8) l St ( ) l S(0) ~ N r σ t, σ t l ( ) ~ l (0) σ, σ St N S + r t t (.7.9) Dega pemsala 0 = t0 < t < t < t3 <... < t da Δ t = t t0 = t t =... = t t, maka persamaa (.7.6) dapat dtulska mejad + σ St () = S(0)exp r ( t 0) + σ Z t 0 σ St ( ) = St ( )exp r t t + Z t t ( ) σ ( ) St ( + ) = St ( )exp r σ Δ t+ σ tz Δ. (.7.0).8 MODEL BLACK-SCHOLES Model Black-Scholes adalah metode yag dpopulerka oleh Fscher Black da Myro Scholes pada tahu 973 utuk meetuka harga teorts Europea ops call. Asums-asums yag dguaka dalam model Black-Scholes adalah : Peetua harga..., Khuryat, FMIPA UI, 009.

32 0. Harga aset berdstrbus logormal dega parameter μ da σ yag dketahu da kosta.. Cotuously compouded retur berdstrbus ormal dega parameter μ da σ kosta. 3. Pejuala aset utuk efses dperbolehka. 4. Tdak ada baya trasaks atau pajak. 5. Tdak ada dvde selama masa hdup ops. 6. Tdak ada kesempata bag arbtras. 7. Perdagaga aset keuaga bersfat kotu. 8. Tgkat suku buga bebas resko atau rsk-free rate, r, kosta da sama utuk semua perdagaga ops. Harga Europea ops call dapat dhtug dega megguaka rsk eutral valuato yatu meetuka harga ops dega membawaya ke dalam dua rsk-eutral. Yag aka dlakuka adalah megasumska tgkat pegembala yag dharapka adalah rsk-free rate, μ = r, kemuda mecar la saat dar ekspektas cash flow saat jatuh tempo dega megguaka rsk-free rate. Harga ops saat merupaka expected value yag ddsko da dotaska sebaga berkut: rt C = e E[ payoff ] rt = e E[max( S( T) K,0)] dmaa, C = harga ops call. Peetua harga..., Khuryat, FMIPA UI, 009.

33 r T = rsk-free rate. = waktu jatuh tempo S (0) = harga saham saat, atau harga saham saat t = 0. ST ( ) = harga saham saat jatuh tempo, atau harga saham saat t = T. K = strke prce. Dega megguaka rsk eutral valuato [5], dperoleh harga Europea ops call adalah dmaa, rt [ ] [ ] C = S(0) N d Ke N d d S(0) σ l + r + T K = σ T d S(0) σ l + r T K =. σ T Megguaka cara yag serupa dega Europea ops call, aka ddapat pula harga Europea ops put, yatu dmaa [ ] (0) [ ] rt P= Ke N d S N d d S(0) σ l + r + T K = σ T Peetua harga..., Khuryat, FMIPA UI, 009.

34 d S(0) σ l + r T K =. σ T Peetua harga..., Khuryat, FMIPA UI, 009.

35 BAB III PENENTUAN HARGA OPSI ASIA Pada bab aka dbahas bagamaa meetuka harga ops Asa megguaka rata-rata geometrk da rata-rata artmatk melalu pedekata terhadap rata-rata geometrk. 3. PENENTUAN HARGA OPSI ASIA MENGGUNAKAN RATA-RATA GEOMETRIK Peetua harga ops Asa megguaka rata-rata geometrk dapat dlakuka dega cara ddekat ke keragka Black-Scholes, amu sebelum tu harus memeuh asums kelogormala dar rata-rata geometrk harga saham. Sehgga sebelum pembetuka formula Black-Scholes utuk kasus ops Asa, perlu dbuktka terlebh dahulu bahwa rata-rata geometrk berdstrbus logormal. Pembukta kelogormala dstrbus rata-rata geometrk harga saham da pembetuka formula Black-Scholes utuk ops call Asa da ops put Asa aka djelaska pada subbab berkut. 3.. Karakterstk Rata-Rata Geometrk Dalam ops Asa Rata-rata geometrk adalah tpe rata-rata yag jarag dguaka dalam praktek keuaga, amu mudah dpaka utuk meetuka harga 3 Peetua harga..., Khuryat, FMIPA UI, 009.

36 4 ops dalam kasus ops Asa. Karakterstk utama dar rata-rata geometrk adalah ketka harga saham berdstrbus logormal, rata-rata geometrk harga sahamya juga berdstrbus logormal. Hal tu dapat dtujukka sebaga berkut. Berdasarka persamaa harga aset dalam waktu dskrt, (.7.0), dketahu bahwa, St ( + ) = St ( )exp r σ Δ t+ σ ΔtZ St ( ) exp + = r σ t σ tz St ( ) Δ + Δ St ( ) + l = Δ + Δ St ( ) r σ t σ tz (3..) dmaa St ( + ) = harga saham pada saat t + St ( ) = harga saham pada saat t σ = volatltas dar harga aset. Δ t = t + t. Z ~ NIID (0,). Dar persamaa (.7.9) dketahu bahwa harga saham dega waktu jatuh tempo T berdstrbus logormal. Dstrbus tersebut dperluka utuk medapatka ekspektas payoff yag atya aka ddsko da meghaslka formula Black-Scholes. Peetua harga..., Khuryat, FMIPA UI, 009.

37 5 Telah dketahu sebelumya bahwa payoff pada Europea ops call adalah max ( ST ( ) K,0). Karea payoff ops Asa bergatug pada rata-rata harga saham, maka harga saham saat jatuh tempo, ST ( ), dsubsttus dega rata-rata geometrk mejad max St ( ) K,0. = = St ( ) merupaka betuk perkala harga saham pada waktu t, yatu = St ( ) = St ( ) St ( )... St ( ) St ( ) = St ( ) St ( )... St ( ) St ( ) dega t =Δ t da Δ t = T. St ( ) St ( ) St ( ) St ( ) St ( ) =... ( St ( 0) ) = St ( ) St ( ) St ( ) St ( 0) kedua ruas dbag dega St ( 0), St ( ) ( ) ( ) ( ) ( ) =. ( ) ( ) ( ) ( ) St St St = St... St 0 St St St0 ( St ( )) Dega memsalka St ( 0) = S(0), persamaa d atas dapat dbuat dalam betuk l, mejad St ( ) St ( ) St ( ) St ( ) = St ( ) = St ( ) St ( ) St ( ) S(0) l l... ( S(0) ) Peetua harga..., Khuryat, FMIPA UI, 009.

38 6 St ( ) St ( ) St ( ) St ( ) = l + l l + l St ( ) St ( ) St ( ) S(0) St ( ) St ( ) St ( ) St ( ) = l + l ( ) l + l. (3..) St ( ) St ( ) St ( ) S(0) Substtuska (3..) ke dalam (3..), sehgga persamaa (3..) mejad St ( ) ( S(0) ) = l = r σ Δ t+ σ Δ tz r σ t σ tz + Δ + Δ r σ Δ t+ σ ΔtZ0. (3..3) Lagkah selajutya adalah mecar mea da varas utuk dstrbus dar logartma rata-rata geometrk, sebaga berkut: Mea dar logartma rata-rata geometrk adalah St ( ) St ( ) = = E l E l = S(0) S(0) ( ) St l = = E ( S(0) ) = E l = St ( ). ( S(0) ) Peetua harga..., Khuryat, FMIPA UI, 009.

39 7 Dega megguaka persamaa (3..3), ekspektas d atas dapat dtuls mejad St ( ) E l = = E r σ Δ t+ σ Δ tz + r σ Δ t+ σ ΔtZ S(0) r σ Δ t+ σ ΔtZ 0 = E r σ t σ tz E r σ t σ tz Δ + Δ + Δ + Δ... E + + r σ t σ tz Δ + Δ 0 Dega Z ~ NIID (0,), maka = r σ t σ te[ Z ] r σ t σ te[ Z ] Δ + Δ + Δ + Δ r σ Δ t+ σ ΔtE[ Z0 ]. St ( ) E l = = r σ Δ t + r σ Δ t... + r σ Δt S(0) = σ Δ ( 3... ( ) ) r t (3..4) ( + ) r σ t = Δ (Lampra ) Peetua harga..., Khuryat, FMIPA UI, 009.

40 8 ( + ) = r σ T. (3..5) Varas dar logartma rata-rata geometrk adalah St ( ) St ( ) = = var l = var l S(0) ( S(0) ) = var l = = St ( ) ( S(0) ) St ( ). var l = (0) ( S ) Dega megguaka persamaa (3..3), persamaa d atas dapat dtuls kembal mejad betuk berkut: St ( ) Var l = = var r σ t σ tz Δ + Δ + r σ Δ t+ σ ΔtZ S(0) r σ t σ tz Δ + Δ 0 = var r t tz σ σ 4 var r σ t σ tz Δ + Δ + Δ + Δ Peetua harga..., Khuryat, FMIPA UI, 009.

41 9 Dega Z ~ NIID (0,), maka:... var + + r σ t σ tz Δ + Δ 0 = Δ + Δ + + Δ. ( tvar[ Z ] [ ] 4 tvar Z... tvar[ Z0] ) σ σ σ St ( ) = var l =... ( ) S(0) σ Δ + σ Δ + + σ Δ + σ Δ σ ( t t t t) (... ( ) ) = Δ t (3..6) ( )( ) t σ + + = Δ (Lampra ) 6 ( + )(+ ) 6 = σ T. (3..7) Berdasarka hasl pada (3..5) da (3..7), dapat dperoleh St ( ) ( ) ( )( ) l = ~ N r σ T, σ T S(0) 6 St ( ) l = ~ N μ σ T, σ T S(0) (3..8) Peetua harga..., Khuryat, FMIPA UI, 009.

42 30 dmaa, l St ( ) ~ l (0), N S + μ σ Tσ T = (3..9) S (0) = harga saham saat t = 0 T = waktu jatuh tempo = bayakya harga saham yag dhtug + μ = σ + r σ σ ( + )(+ ) σ = 6 Persamaa (3..9) meujukka bahwa logartma rata-rata geometrk harga saham berdstrbus ormal, yag berart bahwa rata-rata geometrk harga saham berdstrbus logormal. Karea rata-rata geometrk terbukt berdstrbus logormal, maka peetua harga ops Asa megguaka rata-rata geometrk dapat ddekat ke keragka Black-Scholes. Berdasarka pejelasa d atas, maka selajutya aka dbahas megea pembetuka formula Black-Scholes utuk meetuka harga ops Asa megguaka rata-rata geometrk. 3.. Pembetuka Formula Black-Scholes utuk Meetuka Harga Ops Asa Megguaka Rata-Rata Geometrk Peetua harga..., Khuryat, FMIPA UI, 009.

43 Ops Call Asa Harga ops call Asa dega rata-rata geometrk dapat dhtug dega megguaka formula Black-Scholes berkut, rt μt C = e ( S(0) e N d KN d ) dmaa, d S(0) l + μ+ σ T K =. σ T d = d σ T. + μ = σ + r σ σ ( + )(+ ) σ =. 6 Bukt: Peetua harga ops Asa megguaka rsk-eutral valuato, yatu peetua harga ops yag dbawa ke dalam dua rsk-eutral dega megasumska bahwa la tgkat pegembala yag dharapka sama dega rsk-free rate. Yag aka dlakuka adalah mecar la saat dar ekspektas cash flow pada waktu jatuh tempo dega megguaka rsk-free rate. Peetua harga..., Khuryat, FMIPA UI, 009.

44 3 Harga ops saat merupaka expected value yag ddsko dar payoff yag dotaska sebaga berkut: rt C = e E[ payoff ]. (3..0) Dega memasukka la payoff (..3) ke persamaa (3..0), ddapat rt C = e E max S( t ) K,0 = ( ) rt = e E max G K,0 dega G adalah rata-rata geometrk. mejad, Dega megguaka defs ekspektas, persamaa d atas berubah 0 ( ) rt C = e max g K,0 p( g) dg K rt = e max ( g K,0 ) p( g) dg+ max ( g K,0 ) p( g) dg 0 K rt = e 0+ max ( g K,0 ) p( g) dg K ( ) rt = e max g K,0 p( g) dg, (3..) K dega p( g) adalah pdf dar varabel radomg, da dtuls p( g ) = l l (0) g S T μ σ exp. (3..) g σ πt σ T Peetua harga..., Khuryat, FMIPA UI, 009.

45 33 Perhatka kembal persamaa (3..), persamaa tersebut dapat dtulska kembal mejad rt C = e g K p g dg K ( ) ( ) rt rt = e gpgdg ( ) Ke pgdg ( ) K = I II. Dperoleh persamaa, yatu (3..3) K rt rt persamaa I = e gp( g) dg da persamaa II = Ke p( g) dg. K Selajutya aka djelaska peetua la C, melalu proses sebaga berkut:. Lagkah pertama adalah meemuka solus utuk persamaa I. p( g) pada (3..), dmasukka ke baga tegral persamaa I K K gp( g) dg = K l l (0) g S T μ σ g exp g σ πt σ T dg l l (0) g S T μ σ = exp dg. K σ πt σ T Utuk mempermudah perhtuga, aka dlakuka beberapa kal trasformas varabel, yatu: Peetua harga..., Khuryat, FMIPA UI, 009.

46 34 a) Megubah varabel g mejad varabel b dega memsalka b b= l g, maka g = e, (3..4) dferesalka kedua ruas, dperoleh db = dg dg = gdb g dg b = e db. (3..5) Dega melakuka traformas megguaka persamaa (3..4) da (3..5), baga tegral persamaa I aka mejad K l (0) b S μ σ T gp( gdg ) = exp b db. (3..6) l σ π σ K T T Jka H l (0) b S T μ σ = b, maka persamaa (3..6) σ T dapat dsederhaaka mejad H gpgdg ( ) = e db. (3..7) σ πt K l K Persamaa H dapat dmodfkas dega cara, H l (0) b S T μ σ = b σ T Peetua harga..., Khuryat, FMIPA UI, 009.

47 35 l (0) bσ T b S μ σ T = σ T ( ) bσ T b l S(0) μ σ T l S(0) μ σ T bl S(0) b μ σ T = σ T ( ) bσ T b l S(0) μ σ T l S(0) μ σ T bl S(0) b μ σ T = σ T ( ) b bl S(0) b T b T l S(0) l S(0) T = μ σ σ + + μ σ + μ σ T σ T b b l S(0) μ σ T σ T l S(0) μ = σ T σ T ( ) = b b l S(0) + μt σ T + σ T + l S(0) + μ+ σ σ T σ T ( ) = b b l S(0) + μt + σ T + l S(0) + μ+ σ T σ T σ T ( ) = b b l S(0) + T μ+ σ + l S(0) + μ+ σ T + σ T σ T l S(0) + μ+ σ T σ T ( ) ( ) 4 l (0) l (0) = b b S + μ+ σ T + S + μ+ σ T + σ T l S(0) σ T+ μσ T + σ T σ T 4 4 = b l S(0) + μ+ σ T + σ T l S(0) σ T μσ T σ T σ T Peetua harga..., Khuryat, FMIPA UI, 009.

48 36 l (0) = b S + μ+ σ T σ T l S(0) + μt σ T l (0) b S T + μ+ σ = + l S(0) + μt. σ T v Pada akhrya, H dapat dtulska kembal mejad, H = v + l S(0) + μt, da persamaaa (3..7) mejad K gp( g) dg = exp v ls0 μt db + + σ πt l K ( ). (3..8) b) Megubah varabel b mejad varabel v dega memsalka b l S(0) + μ+ σ T v = σ T vσ T b l S(0) μ σ = + + T b vσ T l S(0) μ σ = T, (3..9) dferesalka kedua ruas, dperoleh db = σ T dv. (3..0) Peetua harga..., Khuryat, FMIPA UI, 009.

49 37 Dega melakuka trasformas megguaka pemsala (3..9) da (3..0), aka megubah persamaa (3..8) mejad, l K l (0) v + S + μt exp v l S(0) T db e Tdv + + μ = σ σ πt σ πt. l l (0) K S T μ+ σ σ T Karea sfat kesmetrsa dar dstrbus ormal, maka persamaa d atas dapat dubah mejad l K σ l (0) l S K+ T μ+ σ σ T v l S(0) μt exp v + l S(0) + μtdb= e e e dv πt π. Msalka d l (0) l S K+ T μ+ σ σ T =, baga tegral persamaa I dapat dtulska kembal mejad K v l (0) S μt gp( g) dg = e e e db σ πt l K d v μt = S(0) e e dv π μt = S(0) e N d. Jad, dapat dsmpulka bahwa solus dar persamaa I adalah rt e T μ S(0) e N d, (3..) Peetua harga..., Khuryat, FMIPA UI, 009.

50 38 dega N d adalah cumulatve dstrbuto fucto (cdf) ormal stadar dar d, dega d S(0) l + μ+ σ T K =. σ T. Lagkah kedua adalah meemuka solus utuk persamaa II. p( g ) pada (3..), dmasukka ke persamaa II, l l (0) rt rt g S μ σ T Ke pgdg ( ) = Ke exp dg. (3..) K K gσ πt σ T Utuk memudahka, aka dubah varabel g mejad varabel u, dega memsalka l l (0) g S μ σ T u = (3..3) σ T l S(0) T l g μ σ u =, σ T σ T dferesalka kedua ruas terhadap g, aka ddapat du = g σ T dg dg = g σ T du. (3..4) Peetua harga..., Khuryat, FMIPA UI, 009.

51 39 Dega melakuka trasformas megguaka pemsala (3..3) da (3..4), aka megubah persamaa (3..) mejad rt rt Ke p g dg Ke u du. K ( ) = exp π l l (0) K S μ σ T σ T Karea sfat kesmetrsa dar dstrbus ormal, maka tegral d atas dapat dubah mejad l (0) l S K+ μ σ T σ T rt rt Ke p g dg Ke u du. K ( ) = exp π Msalka d = l (0) l S K+ T μ σ σ T, baga tegral persamaa II dapat dtulska kembal mejad d rt rt Ke p( g) dg = Ke exp v dv π K = Ke rt N d. Jad, dapat dsmpulka bahwa solus dar persamaa II adalah Ke rt N d (3..5) dega N d adalah cdf ormal stadar dar d, dega Peetua harga..., Khuryat, FMIPA UI, 009.

52 40 d S(0) l + μ σ T K =. σ T Setelah medapat solus dar persamaa I da II, substtus (3..) da (3..5) ke dalam (3..3), dperoleh rt rt C = e gp( g) dg Ke p( g) dg K K rt μt (0) rt = e S e N d Ke N d rt μt = e ( S(0) e N d KN d ) (3..6) dmaa, d S(0) l + μ+ σ T K =. σ T d = d σ T. + μ = σ + r σ σ ( + )(+ ) σ = Ops Put Asa Harga ops put Asa dega rata-rata geometrk dapat dhtug megguaka formula Black-Scholes berkut, Peetua harga..., Khuryat, FMIPA UI, 009.

53 4 rt μt P= e ( KN d S(0) e N d ) dmaa d, d, μ da σ sama laya dega perhtuga la ops call Asa pada 3... Bukt: Sama halya dega meetuka ops call Asa, utuk peetua harga ops put Asa megguaka rsk-eutral valuato. Yatu peetua harga ops yag dbawa ke dalam dua rsk-eutral dega megasumska bahwa la tgkat pegembala yag dharapka sama dega rsk-free rate. Yag aka dlakuka adalah mecar la saat dar ekspektas cash flow pada waktu jatuh tempo dega megguaka rsk-free rate. Harga ops saat merupaka expected value yag ddsko dar payoff yag dotaska sebaga berkut, rt P = e E[ payoff ] (3..7) memasukka la payoff (..4) ke persamaa (3..7), dperoleh rt P= e E max K S( t ),0 = ( ) rt = e E max K G,0. Dega megguaka defs ekspektas, maka harga ops dapat dtuls sebaga berkut: Peetua harga..., Khuryat, FMIPA UI, 009.

54 4 ( ) rt P= e max K g,0 p( g) dg. K rt = e max ( K g,0 ) p( g) dg+ max ( K g,0 ) p( g) dg 0 K K rt = e max ( K g,0 ) p( g) dg+ 0 0 K 0 ( ) rt = e max K g,0 p( g) dg. (3..8) Ubah baga tegral (3..8) mejad K 0 ( ) rt P= e K g p( g) dg K rt rt = Ke p( g) dg e gp( g) dg K (3..9) 0 0 = I II. Dperoleh persamaa, yatu persamaa I = Ke K rt pgdg ( ) da persamaa 0 II = e K rt gp( g) dg. 0 Selajutya aka djelaska peetua la P, melalu proses sebaga berkut: Lagkah pertama adalah meemuka solus utuk persamaa I. p( g) pada (3..), dmasukka ke persamaa I, Peetua harga..., Khuryat, FMIPA UI, 009.

55 43 K K l l (0) g S μ σ T rt rt Ke pgdg ( ) = Ke exp dg. (3..30) 0 0 gσ πt σ T Ubah varabel g mejad varabel u, dega pemsala sepert (3..3) l l (0) g S μ σ T u = σ T l S(0) T l g μ σ u =, σ T σ T dferesalka kedua ruas terhadap g, aka ddapat (3..4) du = g σ T dg dg = g σ T du. Dega melakuka trasformas megguaka pemsala (3..3) da (3..4), persamaa (3..30) aka berubah mejad K l l (0) K S μ σ T σ T rt rt Ke p( g) dg Ke exp u g = σ T du g σ πt 0 l l (0) K S μ σ T rt Ke σ T exp u du = π Peetua harga..., Khuryat, FMIPA UI, 009.

56 44 l (0) l ( S K+ μ σ ) T rt Ke σ T u du = exp π. Msalka d = l (0) l S K+ T μ σ σ T, baga tegral persamaa II dapat dtulska kembal mejad d rt rt Ke f ( g) dg = Ke exp u du π K rt Ke N d =. Jad, bsa dsmpulka bahwa solus dar persamaa I adalah rt Ke N d (3..3) dega N d adalah cdf ormal stadar dar d, dmaa d S(0) l + μ σ T K =. σ T. Lagkah kedua adalah meemuka solus utuk persamaa II. p( g) pada (3..), dmasukka ke baga tegral persamaa II, Peetua harga..., Khuryat, FMIPA UI, 009.

57 45 K 0 gp( g) dg = l l (0) K g S μ σ T g exp 0 gσ πt σ T dg l l (0) K g S T μ σ = exp dg. 0 σ πt σ T Utuk mempermudah perhtuga, aka dlakuka beberapa kal trasformas varabel, yatu a) Megubah varabel g mejad varabel b dega pemsala megguaka (3..4) b= l g, maka g b = e, dferesalka kedua ruas sepert (3..5) db = dg dg = gdb g dg b = e db. Dega melakuka trasformas megguaka pemsala (3..4) da (3..5), baga tegral persamaa II aka mejad K l K l (0) b S μ σ T gp( gdg ) exp b = db 0 σ πt σ T Peetua harga..., Khuryat, FMIPA UI, 009.

58 46 Jka H l (0) b S T μ σ = b, σ T maka persamaa d atas dapat dsederhaaka mejad K 0 l K H gpgdg ( ) = e db. (3..3) σ πt Persamaa H dapat dmodfkas dega cara, H l (0) b S T μ σ = b σ T l (0) bσ T b S μ σ T = σ T ( ) bσ T b l S(0) μ σ T l S(0) μ σ T bl S(0) b μ σ T = σ T ( ) bσ T b l S(0) μ σ T l S(0) μ σ T bl S(0) b μ σ T = σ T ( ) b b l S(0) b T b T l S(0) l S(0) T = μ σ σ + + μ σ + μ σ T σ T b b l S(0) μ σ T σ T l S(0) μ = σ T σ T Peetua harga..., Khuryat, FMIPA UI, 009.

59 47 ( ) = b b l S(0) + μt σ T + σ T + l S(0) + μ+ σ σ T σ T ( ) = b b l S(0) + μt + σ T + l S(0) + μ+ σ T σ T σ T ( ) = b b l S(0) + T μ+ σ + l S(0) + μ+ σ T + σ T σ T l S(0) + μ+ σ T σ T ( ) ( ) 4 l (0) l (0) = b b S + μ+ σ T + S + μ+ σ T + σ T l S(0) σ T+ μσ T + σ T σ T 4 4 = b l S(0) + μ+ σ T + σ T l S(0) σ T μσ T σ T σ T l (0) = b S + μ+ σ T σ T l S(0) + μt σ T l (0) b S T + μ+ σ = + l S(0) + μt. σ T ( ) v Pada akhrya, persamaa H dapat dtulska kembal sebaga berkut: H = v + l S(0) + μt da persamaaa (3..3) mejad K 0 l K ( ) exp l (0) gp g dg = v S μt db + + σ πt. (3..33) Peetua harga..., Khuryat, FMIPA UI, 009.

60 48 b) Megubah varabel b mejad varabel v dega pemsala (3..9), yatu b vσ T l S(0) μ σ = T, dferesalka kedua ruas, ddapat (3..0) db = σ T dv. Dega melakuka trasformas megguaka pemsala (3..9) da (3..0), persamaa (3..33) aka berubah mejad l l (0) K S T μ+ σ l K σ T v + l S(0) + μt v + l S(0) + μt e db= e σ Tdv σ πt σ πt l S(0) l K T + μ+ σ σ T v l (0) S μt = e e e dv. π Msalka d l (0) l S K+ T μ+ σ σ T =, baga tegral persamaa II aka berubah mejad K 0 l K v l (0) S μt gp( g) dg = e e e db σ πt d v μt = S(0) e e dv π μt = S(0) e N d. Peetua harga..., Khuryat, FMIPA UI, 009.

61 49 Jad, bsa dsmpulka bahwa solus dar persamaa II adalah rt e T S(0) e N d μ, (3..34) dega N d adalah cdf ormal stadar dar d, dmaa d S(0) l + μ+ σ T K =. σ T Setelah medapat solus dar persamaa I da II, substtus (3..3) da (3..3) ke dalam (3..9), dperoleh K rt rt P Ke = p( g) dg e gp( g) dg K 0 0 rt rt μt = Ke N d e S(0) e N d rt μt = e ( KN d S(0) e N d ) (3..35) dmaa, d S(0) l + μ+ σ T K =, σ T d = d σ T, + μ = σ + r σ, σ ( + )(+ ) σ =. 6 Peetua harga..., Khuryat, FMIPA UI, 009.

62 Put-Call Party Pada baga, aka dbahas megea formula put-call party utuk kasus ops Asa. Dketahu put-call party stadar adalah C P= S(0) Ke rt. Dega membuat persamaa yag serupa dega put-call party stadar da megguaka harga ops call Asa (3..9) juga ops put Asa (3..35) yag telah dcar, dapat dperoleh rt μt rt μt C P= e ( S(0) e N d KN d ) e KN d S(0) e N d rt ( (0) μt ) ( ) (0) μt = e S e N d + S e N d KN d + KN d ( ) { } μt { (0) ( ) ( )} rt = e S e N d + N d K N d + N d rt μ T ( (0) ) = e S e K rt μ T ( (0) ) C = P+ e S e K (3..36) Peetua harga..., Khuryat, FMIPA UI, 009.

63 5 3. PENENTUAN HARGA OPSI ASIA MENGGUNAKAN RATA-RATA ARITMATIK 3.. Karakterstk Rata-Rata Artmatk Karakterstk rata-rata artmatk adalah ketka harga sahamya berdstrbus logormal, rata-rata artmatk dar harga saham tdak berdstrbus logormal. Hal tu dapat dtujukka sebaga berkut: Lhat lag persamaa (3..), St ( ) + l = Δ + Δ St ( ) r σ t σ tz Karea terval waktu yag dguaka sama, sehgga (3..) dapat juga dtuls sebaga berkut,. St ( ) l = Δ + Δ St ( ) r σ t σ tz Persamaa d atas adalah pegembala (mbal hasl) dar harga saham yag berdstrbus ormal da dapat dotaska. St ( ) l ~ N r σ Δt, σ Δt St ( ) l St ( ) ~ N l St ( ) + r σ Δt, σ Δt. Karea l St ( ) berdstrbus ormal, maka dstrbus St ( ) adalah logormal. Peetua harga..., Khuryat, FMIPA UI, 009.

64 5 Rata-rata artmatk merupaka pejumlaha dar varabel-varabel radom yag logormal, yag dapat dotaska sebaga berkut, A= S t = S t + S t + + S t ( ) ( ( ) ( )... ( ) ). = Dar sfat dstrbus logormal, yatu pejumlaha dar varabel radom (dalam kasus adalah St ( )) yag berdstrbus logormal adalah tdak logormal. Sehgga dapat dsmpulka bahwa ketka harga saham berdstrbus logormal, rata-rata artmatk harga sahamya tdak berdstrbus logormal. Rata-rata artmatk harga saham yag tdak berdstrbus logormal meyebabka peetua harga ops Asa megguaka rata-rata artmatk tdak dapat dlakuka dega megguaka metode Black-Scholes. Hal dkareaka tdak terpeuhya salah satu asums model Black-Scholes yatu varabel radom yag dguaka berdstrbus logormal [9]. Karea dstrbus dar rata-rata artmatk harga saham tdak dketahu secara past, maka perlu dlakuka aproksmas. Metode aproksmas yag dguaka pada tugas akhr adalah aproksmas Curra yatu melalu pedekata terhadap rata-rata geometrk. 3.. Ops Call Asa Peetua harga ops call Asa megguaka rata-rata artmatk, dapat dperoleh dega mecar la expected value yag ddsko, yatu Peetua harga..., Khuryat, FMIPA UI, 009.

65 53 (,0) rt C = e E Max A K. (3..) Namu karea dstrbus dar rata-rata artmatk tdak dketahu, sehgga sult utuk mecar la ekspektas payoff-ya. Dega megguaka aproksmas Curra, dstrbus rata-rata artmatk dapat dcar melalu pedekata terhadap rata-rata geometrk []. Oleh karea tu, ekspektas payoff dar ops call Asa pada (3..) dapat dubah mejad ( ) rt C = e E E Max A K,0 G, (3..) dmaa, C = harga ops call Asa E = taksra ekspektas r = rsk-free rate T = waktu jatuh tempo A = rata-rata artmatk dar harga saham G = rata-rata geometrk dar harga saham K = strke prce atau Persamaaa (3..) dapat dtulska kembal mejad K max (,0) ( ) rt C = e E a K g p g dg + E max ( a K,0 ) g p( g) dg 0 K C C (3..3) Peetua harga..., Khuryat, FMIPA UI, 009.

66 54 ( ) rt C = e C+ C dega p( g ) adalah pdf dar G (3..). Sesua dega pertdaksamaa rata-rata artmatk da rata-rata geometrk yag meyataka bahwa A G utuk semua kemugka hargaharga saham (lampra 3), membuat C dapat meghaslka solus yag eksak. Hal tu dkareaka batas tegral C, dmaa lag berada pada terval K G<. Jka A G da G K, maka A G K, da dapat dsmpulka A K. Karea A K, maka ekspektas payoff C dapat dcar da meghaslka solus yag eksak. Namu utuk C, perhtuga aka lebh sult dar C. Hal dkareaka, 0 G K da A G, sehgga aka meghaslka kemugka yatu la utuk A, yatu A K atau A K. Oleh karea tu, ops aka mugk berakhr dalam poss tdak the moey, yatu poss dmaa holder medapat la payoff yag lebh besar dar 0.. Perhtuga C. Dketahu A K, maka baga C C = E max ( a K,0 ) g p( g) dg, (3..4) K taksra ekspektas payoff bersyarat dar persamaa (3..4) dapat dbuat mejad C = E a K g p( g) dg [ ] K Peetua harga..., Khuryat, FMIPA UI, 009.

67 55 ( [ ] [ ]) = E a g E K g p( g) dg K ( E [ a g] ) = K p( g) dg (3..5) K Sekarag aka dfokuska pada perhtuga ekspektas bersyarat dar persamaa C. Msalka = l St ( ), (3..6) adalah varabel radom yag berdstrbus ormal dega meaya adalah μ da varasya adalah ( ) σ, atau dapat dotaska ~ N μ, σ (3..7) dega =,,3,...,. Da jka ddefska = l G, (3..8) dmaa G adalah rata-rata geometrk harga saham, maka = l St ( ) = = l St ( ) = = =. (3..9) Kemuda dperoleh bahwa varabel berdstrbus ormal dega parameter meaya adalah Peetua harga..., Khuryat, FMIPA UI, 009.

68 56 μ = μ, = da varasya σ = σσ jρj = j=, dega ρ j adalah korelas atara pegembala (mbal hasl) harga saham ke- da ke-j. Sehgga dapat dotaska kembal mejad ( ) ~ N μ, σ, (3..0) Pembukta dapat dlhat pada lampra 5. Dega dketahu dstrbus da, maka berdasarka [] dstrbus dar bersyarat adalah dmaa σ x N σ x = ~ μ + [ μ ], σ σ σ [ ] σ = []. σρ j j= ( ) ( ) = x ~ N μ, σ Jka [ ] [ ] l St ( ) l g ~ N μ, σ σ, (3..) dega μ adalah parameter mea da σ adalah parameter varas, maka dstrbus St ( ) bersyarat G adalah logormal dega mea exp σ μ + (Lampra 4). Jad dapat dtuls, Peetua harga..., Khuryat, FMIPA UI, 009.

69 57 σ = μ +. [ ( ) G] exp E S t Dar (3..), ekspektas bersyarat d atas dapat dtulska kembal mejad σ σ E[ S( t) G] = exp μ + [ x μ ] / + σ σ σ. (3..) x Ekspektas A bersyarat G, dapat dtuls E A G = e. Ekspektas bersyarat tersebut dapat dtuls juga mejad, E AG = e x = EA [ = x]. (3..3) Dega megguaka (3..3), baga C dapat dhtug dega cara sebaga berkut: Utuk mempermudah perhtuga, perlu dlakuka trasformas varabel terlebh dahulu dega megguaka pemsala (3..8). Dferesalka kedua ruas aka mejad dx = dg g gdx = dg, Dega megguaka pemsala (3..8) da (3..3), C dapat dtuls kembal mejad C = E a = x K f( x) dx (3..4) ( [ ] ) l K Peetua harga..., Khuryat, FMIPA UI, 009.

70 58 dmaa f ( x ) adalah pdf dar varabel radom. Jka A= S( t ), maka persamaa (3..4) dapat dubah = mejad, C = E S( t ) = x K f( x) dx l K = = E[ S( t ) = x] K f( x) dx = l K = = l K = E[ S( t ) x] f( x) dx Kf( x) dx (3..5) l K I I = I I a) Lagkah pertama adalah htug baga I. Baga I adalah I = E[ S( t ) = x] f( x) dx l K = = = E[ S( t ) x] f( x) dx. = l K Dega megguaka (3..), dperoleh σ σ σ I = exp μ [ x μ ] ( ) f x dx + + = σ l K σ, (3..6) dega f ( x ) adalah pdf dar varabel radom, yatu Peetua harga..., Khuryat, FMIPA UI, 009.

71 59 x μ f( x) = exp. (3..7) σ σ π Masukka (3..7) ke persamaa (3..6) σ σ σ x μ I = exp μ [ x μ ] exp dx + + = σ l K σ σ π σ σ σ σ x μ = exp μ [ x μ] dx + + = l K σ π σ σ σ σ σ σ σ x μ = exp x μ + μ + = l K σ π σ σ σ σ dx σ σ σ σ x μ = exp x μ + + μ = l K σ π σ σ σ σ dx σ σ σ σ x μ = exp exp x μ + μ = l K σ π σ σ σ σ dx σ σ σ σ x μ = exp μ + exp x μ = l K σ π σ σ σ σ Q Msal dx σ σ σ x μ Q= exp x μ σ σ σ σ ( x + μ μx) σ σ σ = exp σ σ σ σ x μ Peetua harga..., Khuryat, FMIPA UI, 009.

72 60 ( x + μ μ x) σ σ σ = exp x μ σ σ σ σ σ x σ μ σ x μ + μ x = exp σ x + μ + σ + σ μ σ x μx = exp σ x μ σ = exp σ (3..8) q Msalka q x μ σ σ =, dferesalka kedua ruas, dq = σ dx σ dq = dx. Dega melakuka trasformas megguaka pemsala q da hasl Q pada (3..8), I berubah mejad σ exp μ exp ( ) = l K σ π I = + q σ dq σ = + exp μ exp q dq = l K μ σ π. σ Peetua harga..., Khuryat, FMIPA UI, 009.

73 6 Karea sfat kesmetrsa dstrbus ormal, persamaa I dapat dtulska kembal mejad μ l K + σ σ σ I = exp μ + exp q dq = π, maka I mejad I μ + σ μ l K σ = exp N +. (3..9) σ σ b) Lagkah kedua adalah htug baga I. Dega megguaka tekk yag sama dega perhtuga I, yatu jka I = Kf( x) dx l k dar (3..7), dperoleh x μ I = K exp dx. l k σ π σ R Msalka R x μ σ =, dferesalka kedua ruas, dr = σ dx Peetua harga..., Khuryat, FMIPA UI, 009.

74 6 σ dr = dx. Dega melakuka trasformas megguaka pemsala R, I dapat dubah mejad I = K exp R σ dr l K μ σ π σ K R dr = exp π l K μ σ μ l K K σ R dr = exp π. Jad I dapat dhtug dega formula, ( l K ) =. (3..0) I KN μ σ Dega megguaka I da I pada (3..9) da (3..0), dperoleh la C, yatu C = I I ( μ l K ) μ + σ μ l K σ = +. exp N KN σ σ σ Peetua harga..., Khuryat, FMIPA UI, 009.

75 63. Perhtuga C Harga ops Asa pada persamaa (3..3) dbag mejad baga yatu C da C. Berdasarka karakterstk C da C, dketahu bahwa baga C lebh mudah utuk dhtug da meghaslka solus yag eksak, sedagka C lebh sult dhtug da tdak meghaslka solus yag eksak, sehgga dperluka estmas la C agar atya dperoleh harga C. Utuk memperoleh estmas C aka dperkealka beberapa otas matrks, dmaa vektor dtada dega huruf yag dgarsbawah sedagka betuk matrks dtada dega huruf tebal. K 0 Nla = ( ) C E max a K,0 g p ( g ) dg dapat dhtug jka dstrbus dar [ A K G] dketahu. Dstrbus tersebut dperluka pada perhtuga ekspektas dar [ A K G] dstrbus [ A K G]. Namu karea tdak dketahu, maka dstrbus tersebut perlu daproksmas, da kemuda dcar taksra parameter-parameterya. Meurut Rtchke, logormal adalah aproksmas terbak utuk jumlah varabel radom logormal []. Curra megasumska bahwa logormal adalah aproksmas terbak pula utuk jumlah varabel radom logormal bersyarat terhadap rata-rata geometrk []. Setelah dketahu aproksmas dstrbus dar [ A K G], yag utuk selajutya [ A K G] Peetua harga..., Khuryat, FMIPA UI, 009.

76 64 dotaska dega, kemuda aka dcar taksra parameterparameterya. Taksra mea da varas dapat dcar dega lagkah-lagkah sebaga berkut: A. Mecar taksra parameter utuk dstrbus A bersyarat. ) Ambl matrks D yag berukura ( + ) yag dtulska sebaga berkut, I D = T =, (3..) dega I adalah matrks dettas berukura, da I = 0 0 T adalah vektor dega betuk, T =,,...,. (3..) Peetua harga..., Khuryat, FMIPA UI, 009.

77 65 ) Ambl vektor yag beraggotaka varabel radom sepert pada persamaa (3..6), dega =,,...,, T Msalka, (,,..., ) =. (3..3) + = D (3..4) dega matrks D pada (3..) da vektor, maka vektor = =. (3..5) = Dega megguaka persamaa (3..9), matrks + pada (3..5) dapat dparts mejad + == ==. (3..6)... Peetua harga..., Khuryat, FMIPA UI, 009.

78 66 Jka adalah vektor dar varabel radom yag berdstrbus ormal sesua dega (3..7), maka vektor berdstrbus ormal da dapat dtuls sebaga berkut ~ N, = ( μ x C). (3..7) Msalka matrks kovaras dar dotaska dega C da ρ j c j =, σ σ j c maka j j j = σ σρ (3..8) dmaa =,,..., da j =,,...,. Dega megguaka (3..8), matrks kovaras C yag elemeelemeya dsmbolka dega c j dapat dtulska C = c j c c c c c c c c c = σ σσ ρ σσ ρ σ σρ σ σσρ =. (3..9) σσρ σσρ σ Peetua harga..., Khuryat, FMIPA UI, 009.

79 67 3) Car matrks kovaras dar + Berdasarka lampra 6, dketahu bahwa ( ) + ~ N Dμ, C +, (3..30) dmaa matrks kovarasya adalah C = + DCD T c c c c j j= c c c c j j=. = c c c cj j= cj c j cj c j+ c j c j j= j= j= = = = (3..3) Persamaa (3..3) dapat dtulska kembal dalam betuk matrks parts, yatu C + C C = T T T C C C C = T T. (3..3) ( C) C 4) Car taksra parameter-parameter dar dstrbus bersyarat. Berdasarka lampra 6, dketahu bahwa bersyarat berdstrbus multvarat ormal atau dapat dotaska mejad Peetua harga..., Khuryat, FMIPA UI, 009.

80 68 dmaa C [ ]~ N μ +, T C T C C C= C. T C T [ μ ] C, (3..33) Dega megguaka (3..), persamaa (3..33) dapat dtuls kembal mejad [l St ( ) l g] ~ N( μ, c ). (3..34) 5) Car taksra mea da varas dar A bersyarat. Taksra mea dar A bersyarat, dtuls sebaga berkut: μ = EA [ ] A = E S( t ) = =. = E [ S( t ) ] Dega megguaka (3..34), taksra mea dar A bersyarat, adalah μ A exp c = μ +, (3..35) = dega megguaka pemsala bahwa rata-rata geometrk sama dega strke prce []. Utuk taksra varas bersyarat A, dapat dcar dega Peetua harga..., Khuryat, FMIPA UI, 009.

81 69 A var [ A ] σ = = var St ( ) = = var St ( ) l K = = var exp ( ) exp ( l( K ) ) = = = var exp( l( K )) = = = var [ exp( = l( K )) + exp( = l( K )) exp( = l( K )) ]. (3..36) Persamaa (3..36) dapat dtulska kembal mejad, ( exp( ),exp( ) ) A = ( j ) σ = j= Cov { E ( exp( )exp( )) [ exp( ) ] j E E exp( j) } = = j= { E exp( ) [ exp( ) ] j E E exp( j) }. = + = j= Karea varabel radom exp ( = l ) ( + j = ) K, exp ( j = l ) K da exp l K adalah berdstrbus logormal, maka varas bersyarat dar adalah Peetua harga..., Khuryat, FMIPA UI, 009.

82 70 σ A = exp μ + μ j + ( c + c + c ) exp μ exp jj j + c μ j + c jj = j= (3..37) B. Mecar taksra mea da taksra varas dar dstrbus. Taksra mea dar, yatu : μ = E [ A K G] E [ A G] E[ K G] = = μ A K. (3..38) Taksra varasya adalah var [ A K G] σ = var [ AG ] var [ K G] = = σ A. (3..39) Mea bersyarat dar dstrbus logormal dega parameter β da γ adalah γ exp β + da varas bersyarat adalah ( ) ( exp γ ) exp ( β γ ) +. Dar (3..38) da (3..39), dapat dperoleh la β da γ, dega cara sebaga berkut: Berdasarka mea bersyarat, dperoleh persamaa, γ μ = exp β + Peetua harga..., Khuryat, FMIPA UI, 009.

83 7 l γ μ = β + β + γ l μ = lμ = β + γ l β = μ γ l μ γ β = l γ β = μ. (3..40) Berdasarka varas bersyarat dar dstrbus logormal, dperoleh persamaa, ( exp ) exp ( ) ( ) σ = γ β + γ. Jka dubah dalam betuk l, aka mejad (( ) ( )) ( ) lσ = l exp γ exp β + γ ( ) ( ( )) ( ) lσ = l exp γ + l exp β + γ ( ) ( ) lσ = l exp γ + β + γ ( ) ( ) β γ lσ l exp γ + =. (3..4) Persamaa (3..4) dapat dtulska kembal mejad. σ exp( γ ) = μ Peetua harga..., Khuryat, FMIPA UI, 009.

84 7 σ exp( γ ) = + μ σ l ( exp( γ )) = l + μ σ γ = l +. (3..4) μ Dar (3..40) da (3..4), dapat dsmpulka la dar β da γ, yatu da σ γ = l + μ γ β = l ( μ ). Utuk baga, telah dketahu aproksmas dstrbus beserta taksra-taksra parameterya (3..38) da (3..39). Namu dalam perhtuga, teryata sult utuk medapatka solus dar tegral C tersebut. Oleh karea tu, C aka dubah ke betuk tegras umerk [], yatu : m e e C = h BS ( h) p( K h) (3..43) = m K 0 ( ) C = E max a K,0 g p( g) dg Peetua harga..., Khuryat, FMIPA UI, 009.

85 73 dmaa, h p() = lebar terval = pdf logormal dega parameter μ da σ e BS ( k ) = modfkas Black-Scholes k m = mh = bayakya parts dalam tegras umerk. e BS ( k ) pada (3..43) adalah modfkas Black-Scholes dega betuk ( β ) ( β ) l l e β + γ BS ( k) exp N k γ kn k = +. (3..44) γ γ Modfkas Black-Scholes adalah betuk ekspektas payoff dar ops Asa megguaka rata-rata artmatk ( ) E max A K,0 G yag dubah ke dalam perhtuga tegras umerk [], dmaa la β da γ megguaka (3..40) da (3..4). Setelah melakuka perhtuga C da C, harga ops call Asa megguaka rata-rata artmatk dapat dtetuka dega meghtug C = C C. Baga C dapat dhtug dega meyelesaka C = I I Peetua harga..., Khuryat, FMIPA UI, 009.

86 74 dmaa I μ + σ μ l K σ = exp N + σ σ ( l K ) =. I KN μ σ Sedagka C dapat dhtug dega megguaka tegras umerk m e e C = h BS ( h) p( K h), = m e dega BS ( k ) adalah modfkas Black-Scholes dega betuk sebaga berkut ( β ) ( β ) l l e β + γ BS ( k) exp N k γ kn k = +. γ γ Peetua harga..., Khuryat, FMIPA UI, 009.

87 BAB IV APLIKASI PENENTUAN HARGA OPSI ASIA Berkut merupaka aplkas dar bagamaa meetuka harga ops Asa megguaka rata-rata geometrk da megguaka rata-rata geometrk. 4. TUJUAN APLIKASI Pada bab, yag g dlakuka adalah meetuka harga ops Asa saham Telekomukas Idoesa Tbk yag dkeal dega ama TLKM da dperdagagka taggal ju 009. Pada har tersebut, harga pembukaa saham TLKM d Bursa Efek Idoesa adalah Rp. 7, Waktu jatuh tempo dar ops tersebut adalah tahu, sehgga taggal jatuh tempoya adalah ju 00, dmaa yag dambl adalah 40. Strke prce yag dguaka adalah Rp. 7,800.00, dega rsk- free rate yag berlaku adalah 7% 4. PENENTUAN HARGA OPSI ASIA MENGGUNAKAN RATA-RATA GEOMETRIK Dar data harga peutupa hara saham Telekomukas Idoesa Tbk (TLKM) da dperdagagka d Bursa Efek Idoesa, per taggal ju 75 Peetua harga..., Khuryat, FMIPA UI, 009.

88 sampa ju 009, dperoleh volatltas perubaha harga aset per tahu % (lampra 8). Harga pembukaa hara saham TLKM pada taggal ju 009 yatu Rp. 7, dguaka sebaga harga saham awal atau ( S(0) ). Dega megguaka formula Black-Scholes pada persamaa (3..35) da (3..9) da software MATLAB 7, dperoleh harga Ops call Asa: c = Ops put Asa : p = , algortma program dapat dlhat pada lampra PENENTUAN HARGA OPSI ASIA MENGGUNAKAN RATA-RATA ARITMATIK Harga ops call Asa megguaka rata-rata artmatk dapat dperoleh jka dketahu la dar baga C da taksra la dar baga C. Dega dketahu ~ N( μx, σ x ) da ~ N( μ, σ ) la dar baga, aka dperoleh. Sela tu, taksra parameter tersebut juga bergua C Peetua harga..., Khuryat, FMIPA UI, 009.

89 77 utuk memperoleh taksra parameter β da γ, yag dguaka utuk meghtug modfkas Black-Scholes pada baga umerk C. Dega megguaka software MATLAB 7, dperoleh taksra harga ops Asa megguaka rata-rata artmatk, yatu : c = , algortma dapat dlhat pada lampra 0. Peetua harga..., Khuryat, FMIPA UI, 009.

90 BAB V PENUTUP 5. KESIMPULAN Dar pembahasa tugas akhr dapat dsmpulka bahwa harga ops Asa megguaka rata-rata geometrk dapat dtetuka dega megguaka formula Black-Scholes sebaga berkut: Ops call Asa: rt μt ( (0) ) C = e S e N d KN d Ops put Asa: dmaa, rt P = e ( KN d S(0) e N d d μt S(0) l + μ+ σ T K = σ T d = d σ T ) σ σ ( + )(+ ) = 6 + μ = σ + r σ 78 Peetua harga..., Khuryat, FMIPA UI, 009.

91 79 Sedagka utuk meetuka harga ops call Asa megguaka ratarata artmatk tdak ddapat solus yag eksak, sehgga haya ddapat estmas dar harga ops Asa tersebut. Harga ops call Asa, C, dapat dtetuka dega meghtug dmaa, C = C C C = I I I μ + σ μ l K σ = exp N + σ σ ( l K ) =. I KN μ σ Utuk C dapat dhtug dega megguaka tegras umerk m e e C = h BS ( h) p( K h). = m Dega e BS ( k) adalah modfkas Black-Scholes dega betuk sebaga berkut dmaa la ( β ) ( β ) l l e β + γ BS ( k) exp N k = + γ kn k γ γ, σ γ = l + μ da ( γ β = l μ ). Peetua harga..., Khuryat, FMIPA UI, 009.

92 80 5. SARAN Beberapa sara yag bermafaat gua medaklajut tugas akhr, yatu. Perluya dpelajar metode la dalam peetua harga ops Asa megguaka rata-rata artmatk, dataraya aproksmas Turbull & Wakema, aproksmas Levy, Mote Carlo Valuato, da metodemetode laya.. Perluya dpelajar peetua harga ops put Asa megguaka rata-rata artmatk. 3. Perluya dpelajar pembetuka put-call party utuk ops Asa megguaka rata-rata artmatk. Peetua harga..., Khuryat, FMIPA UI, 009.

93 DAFTAR PUSTAKA [] Crag, Alle T & Hogg, Robert V Itroducto to Mathematcal Statstcs. Pretce-Hall Iteratoal, Ic. New Jersey: [] Curra, Mchael Valug Asa ad Portfolo Optos by Codtog o the Geometrc Prce, Joural of Maagemet Scece. The Isttute of Maagemet Scece, New York: [3] Fera, Ne Persamaa Dferesal Black-Scholes. Departeme Matematka, Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Idoesa, Depok: v+93 hlm. [4] Hgham, Desmod J A Itrodusto to Facal Opto Valuato, Mathematcs, Stochastcs ad Computato. Cambrdge Uversty Press, Cambrdge: [5] Hull, Joh C Opto, Future, ad Other Dervatves 5th Edto. Pearso Educato, Ic, New Jersey: [6] Kellso, Stephe G. 99. The Theory of Iterest Secod Edto. Rchard D. Irw, Ic. Australa: -57. [7] Kema, A.G.Z & A.C.F. Vorst. 99. A Prcg Method for Optos Based o Average Asset Values, Joural of Bakg ad Face. Elsever Scece Publshers B.V, North-Hollad: Peetua harga..., Khuryat, FMIPA UI, 009.

94 8 [8] Kwok, Yue-Kue Mathematcal Models of Facal Dervatves. Sprger Verlag Face, Sgapore. [9] McDoald, Robert L Dervatve Market d Edto. Pearso Educato, Ic., New Jersey. [0] Nelke, Israel The Hadbook of Exotc Opto:Istrumet, Aalyss, ad Aplcatos. Irw, Chcago: [] Recher, Alv C. 00. Methods of Multvarate Aalyss secod edto. A joh Wlley & Sos, Ic. Publcato. USA: [] Rtchke, Peter & L. Sakarasubramaa.99. The Valuato of Path Depedet Cotracts o the Average. Maagemet Scece. 0-3 [3] Taylor, Howard M & Karl Samuel A Itroducto To Stochastc Modelg 3rd Edto. Academc Press, USA [4] Tyara, Myra Gerak Brow Modfkas-Modfkas serta Aplkasya pada Peurua Model Black-Scholes. Departeme Matematka, Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Idoesa, Depok: v+97 hlm. [5] Yathy, D Perhtuga Prem Opto Megguaka Model Bomal da Model Black-Scholes dega Aplkas pada Saham Telkom Idoesa TBK. Departeme Matematka, Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Idoesa, Depok: v+ hlm. Peetua harga..., Khuryat, FMIPA UI, 009.

95 LAMPIRAN Lampra : Persamaa (3..4) dapat dsederhaaka dega memsalka S = ( ) +, (.) dmaa S adalah deret blaga asl dar hgga. Deret tersebut dapat dtuls kembal mejad, S = + ( -) + ( ) (.) Jka deret (.) da (.) djumlahka, maka mejad S = ( ) + S = + ( -) + ( ) S = ( + ) + ( + ) + ( + ) ( + ) + ( + ) S = ( +) + S ( + ) = 83 Peetua harga..., Khuryat, FMIPA UI, 009.

96 Lampra : Persamaa (3..6) dapat dsederhaaka dega memsalka V = (.) dmaa V adalah deret blaga asl kuadrat dar hgga. Megguaka persamaa (.) pada lampra, yatu S = Maka raso dar persamaa (.) dega persamaa (.) adalah V S = V S = , (.) hasl (.) dapat uraka sesua deksya, yatu : V S = V S V S 3 3 V S = = = = = = V S + = 3 84 Peetua harga..., Khuryat, FMIPA UI, 009.

97 85 Dega (.), ddapatka formula utuk, yatu V V V ( + ) = S 3 (+ ) ( + ) =. 3 Peetua harga..., Khuryat, FMIPA UI, 009.

98 Lampra 3 : Pertdaksamaa Rata-rata Artmatk da Rata-rata Geometrk Msalka adalah varabel radom, dmaa =,,...,, maka A G dega = A = adalah rata-rata artmatk G = = adalah rata-rata geometrk Bukt : matematka. Pembukta aka dlakuka dega megguaka duks Tahap awal. x Utuk =, a = x = da ( ) g x = x = Jad dapat dsmpulka bahwa utuk =, peryataa bear. Tahap hpotess. Aggap pertdaksamaa rata-rata geometrk da rata-rata artmatk bear utuk k =, dmaa adalah blaga bulat o-egatf. 86 Peetua harga..., Khuryat, FMIPA UI, 009.

99 87 Tahap duks. Aka dbuktka apakah pertdaksamaa juga berlaku utuk k = +. Bukt : Dketahu bahwa rata-rata artmatk adalah + a= x = = x+ x x + x + + ( ) a= x + x + + x + x. Ada beberapa kemugka kasus yag dapat terjad, o Jka la semua varabel sama atau x = x =... = x = x +. Rata-rata artmatkya mejad a ( + ) x + = = da rata-rata geometrkya adalah x. + g x + = = x. Jad jka la semua varabel sama, maka rata-rata artmatk aka berla sama dega rata-rata geometrk, da la varabelya aka sama dega la rata-rataya. Peetua harga..., Khuryat, FMIPA UI, 009.

100 88 o Jka tdak semua varabel berla sama. Jka tdak semua varabel berla sama, maka la varabel bsa lebh besar atau lebh kecl dar la rata-rataya. Tapa meghlagka keumuma, msalka x x a> 0 atau a x + > 0, > a atau x+ < a, sehgga dperoleh ( x a)( a x + ) >0. (3.) Rata-rata artmatk dapat dtulska + a= x = = x+ x x + x + + ( ) a + = x + x x + x + a = x + x + + x + x + x a... + x ' Sekarag jka jumlah varabel yag drata-rataka berjumlah, yatu x, x,..., x, x', rata-rata artmatkya dapat dtulska sebaga berkut, a = x+ x + + x + x... ' dega, x ' = x + x a x a> 0 (3.) + Pada tahap hpotess, telah dbearka pertdaksamaa utuk k =, sehgga ddapat a + = a a x... ' x x a. (3.3) Peetua harga..., Khuryat, FMIPA UI, 009.

101 89 Dar persamaa (3.) yatu ( x a)( a x + ) >0 ( xa xx a + ax ) > ( x + x a) a x x > xa xx + ' > 0 x' > xx +. (3.4) Dega mesubsttuska persamaa (3.3) ke persamaa (3.4), dperoleh a a a x x x + =... ' a atau > xx... x x + x + x x + x + > + + x x... x x + Terbukt pertdaksamaa rata-rata artmatk da rata-rata geometrk berlaku utuk k = +. Jad terbukt bahwa la rata-rata artmatk selalu lebh besar dar la rata-rata geometrk. Peetua harga..., Khuryat, FMIPA UI, 009.

102 Lampra 4 : Mea da Varas Bersyarat dar Dstrbus Normal Y ~ N ( μ, σ ), maka Jka dketahu [ ] σ exp ( Y) ~ LN exp μ+, ( exp( σ ) ) exp( μ+ σ ). Bukt : Mea bersyarat. W = Y ~ N ( μ, σ ), pdf dar dstrbus ormal dtulska Msal [ ] sebaga berkut, w μ σ f( w) e. (4.) σ π Utuk medapatka mea dar varabel megguaka defs ekspektas, w e, dapat dcar dega w μ σ w w E( e ) = e e dz σ π [( w μ ) σ w ] w σ E( e ) = e dw. (4.) σ π Msal q= ( w μ) σ w, maka q dapat dubah mejad q= ( w μ) σ w 90 Peetua harga..., Khuryat, FMIPA UI, 009.

103 9 = w + μ w( μ+ σ ) = w + ( μ + σ ) w( μ + σ ) + μ ( μ+ σ ) ( ) 4 = w ( μ + σ ) σ μσ. (4.3) Kemuda substtuska (4.3) ke persamaa (4.), sehgga dperoleh 4 (( ( μ σ )) σ μσ ) w Ee ( ) = exp w + dw σ π σ ( w ( )) exp σ π σ = exp μ+ σ μ+ σ dw = exp μ + σ (4.4) Varas beryarat. W = Y ~ N( μ, σ ), pdf dar dstrbus ormal dtulska Msal [ ] sebaga berkut, w μ σ f( w) e. σ π Utuk medapatka varas dar varabel megguaka defs varas, ( ) w w w Var e = E ( e ) E e w ( E e ) w z e, dapat dcar dega = E e (4.5) I II Peetua harga..., Khuryat, FMIPA UI, 009.

104 9 Varas dar w e aka dperoleh dega mecar la I da II. Pertama adalah meghtug ekspektas baga I, yatu sebaga berkut: w w μ I= e exp σ π σ = exp w ( w μ) σ π σ dw ( ) dw 4 wσ ( w μ) = exp dw σ π σ = exp ( ) 4 σ π σ ( w μ wσ ) dw (4.6) Msal p w w = ( μ) 4 σ, maka dapat dubah mejad p p= ( w μ) 4wσ = w + w μ μ 4wσ = w + μ w( μ+ σ ) ( μ σ ) w( μ σ ) μ ( μ σ ) = w ( ( )) 4 = w μ + σ 4σ 4μσ. (4.7) Kemuda substtuska (4.7) ke persamaa (4.6), sehgga dperoleh 4 (( w ( μ σ )) σ μσ ) I= exp σ π σ ( ) = exp + exp + σ π σ ( μ σ ) w ( μ σ ) ( μ σ ) dw dw = exp +. (4.8) Peetua harga..., Khuryat, FMIPA UI, 009.

105 93 Selajutya aka dhtug la ekspekstas baga II. Dketahu ( E w e ) II =, berdasarka hasl yag ddapat pada (4.4), dperoleh σ II = exp μ + ( σ ) = exp μ +. (4.9) Dar hasl I pada (4.8) da hasl II pada (4.9), dperoleh varas dar adalah ( ) w w w Var e = E e E e ( μ σ ) ( μ ) = exp + exp +σ ( μ σ σ ) ( μ σ ) = exp + + exp + ( μ σ ) ( σ ) ( μ σ ) = exp + exp exp + ( ) ( μ σ ) ( σ ) = exp + exp (4.0) w e Peetua harga..., Khuryat, FMIPA UI, 009.

106 Lampra 5 : Mea da Varas dar Varabel Radom =lg Jka dketahu = l S( t ) sepert persamaa (3..6), dmaa N (3..7), maka = l g (3..8) adalah berdstrbus ormal ~ ( μ, σ ) dega parameter meaya adalah μ = μ, varasya adalah = σ = σσ ρ j j = j= Bukt: Meaya adalah Bukt : μ = μ = μ = E [ ] = E = = E = = E [ ] = ( E[ ] E[ ]... E[ ]) ( μ μ... μ ) = Peetua harga..., Khuryat, FMIPA UI, 009.

107 95 = μ = Varasya adalah σ = σσ ρ j j = j= Bukt : Var = [ ] +, Var Cov j = =, j= j = σ σ ρ j j = j= Peetua harga..., Khuryat, FMIPA UI, 009.

108 Lampra 6 : Dstrbus-Dstrbus Petg Pada lampra aka dberka pejelasa sgkat tetag dstrbusdstrbus yag bayak dguaka dalam tugas akhr. Dataraya adalah dstrbus ormal, dstrbus bvarate ormal, dstrbus multvarate ormal da dstrbus logormal.. Dstrbus Normal Jka suatu varabel radom parameter meaya adalah adalah berdstrbus ormal dega μ da parameter varasya adalah σ, maka dapat dotaska ( ) ~ N μ, σ. Probablty desty fucto (pdf) dar, adalah x μ σ f( x) = e, dega < x <. σ π Jka ~ (, ) N μ σ, maka varabel radom Z x μ = ~ N σ ( 0,) Cumulatve dstrbuto fucto (cdf) ormal stadar dar varabel, adalah x u N( x) == e du π 96 Peetua harga..., Khuryat, FMIPA UI, 009.

109 97. Dstrbus Bvarate Normal Jka ada varabel radom da Y yag masg-masg berdstrbus ormal yatu ~ N( μ, σ ) da Y ~ N( μ, σ ) dega ρ adalah korelas atara varabel da Y, maka pdf dar dstrbus bvarate ormal adalah f ( xy, ) = πσ σ ρ e q dega dmaa q x μ x μ y μ y μ, = ρ + ρ σ σ σ σ < x <, < y <, σ > 0, σ > 0, < ρ <. 3. Dstrbus Multvarate Normal. T Sebuah vektor = (,,..., ) dkataka berdstrbus multvarat ormal, dega pdf sbb: ( ) ( π ) ( ) ( μ ) μ f, = exp μ T Peetua harga..., Khuryat, FMIPA UI, 009.

110 98 Ada beberapa teorema yag berlaku pada dstrbus multvarat ormal, dataraya Teorema Jka ~ N(, ) da Y = A, dmaa A adalah matrks μ berukura k. Maka vektor Y = ( Y, Y,..., Y k ) aka berdstrbus T multvarat ormal dega mea μy = Aμ da matrks kovarasya adalah = A A T. Y Bukt: Msal = ~ N, ( μ ) da t t t, t = maka mgf utuk adalah Peetua harga..., Khuryat, FMIPA UI, 009.

111 99 ( ) M ( t) = M t, t,..., t x x T = E exp( t ) ( ) = E exp t+ t t T T = exp t μ + t t Jka Y = A, maka T M () = exp( ) Y t E t Y T = E exp( t A ), T msalka s= A t s = t A, T M () = exp( ) Y t E s T T T T = exp s μ + s s = exp t Aμ + t A A T T T t. Karea MY () t adalah mgf dar Y = A, sehgga dapat dsmpulka, T ( ) Y = A ~ N Aμ, A A. Teorema. Jka da Y adalah varabel radom yag depede, maka Peetua harga..., Khuryat, FMIPA UI, 009.

112 00 Cov(, Y ) = 0. Bukt : Dketahu ( ) [ ] Cov, Y = E Y μ μ Y. Jka da Y adalah varabel radom yag depede, maka [ Y ] E[ ] E[ Y ] E =. Sehgga dperoleh ( ) [ ] Cov, Y = E Y μ μ Y = E[ ] E[ Y ] μ μ Y = μ μ μ μ = 0 Y Y. Jka μ Σ Σ ~ N, Y μ Σ, maka da Y Y Σ depede Σ = 0. Bukt : - Matrks kovaras adalah Σ Σ = 0., berdasarka teorema o. maka - Jka Σ =, maka 0 da Y depede. mgf dar dstrbus bvarate ormal adalah Peetua harga..., Khuryat, FMIPA UI, 009.

113 0 M t t t t karea T T T t t + t t + t t T T (, ) = exp μ + μy + Σ = 0 M t t t t, maka mgf-ya aka berubah mejad T T (, ) = exp μ + μy + M(t,t )=M(t,0)M(0,t ). T T t t t t + Sehgga dapat dsmpulka bahwa jka Σ = 0, maka da Y depede. 3. Berdasarka o., jka da Y depede dega dstrbus masg-masg adalah N( μ, ) Σ da ( μ Y, ) N Σ, maka μ Σ 0 ~ N, Y μ Y 0 Σ. Teorema 3 Jka Z = ~ Y N ( μ, ), dmaa μ μ = da μy, Y = Y YY maka dstrbus bersyarat dar dberka Y adalah ormal dega meaya adalah Peetua harga..., Khuryat, FMIPA UI, 009.

114 0 [ ] = μ + Y YY ( Y μ Y) E Y da matrks kovarasya adalah Bukt: Y YY Y. Msalka I Y YY A =, 0 I maka μ I μ Y YY A = Y μ Y 0 I Y μy ( Y μ ) μ Y YY Y =. Y μy Berdasarka teorema, maka dperoleh dmaa, ( Y μ ) μ μ Y YY Y T A = ~ N ( 0, A A ) *) Y μy Y μy I I 0 T Y YY Y A A = 0 I Y YY Y YY I T Y YY Y 0 =. 0 YY Berdasarka teorema, dapat dkataka bahwa ( Y μ ) μ da Y μ depede karea mempuya Y YY Y Y Peetua harga..., Khuryat, FMIPA UI, 009.

115 03 kovaras 0. Oleh karea tu, dstrbus μ Y YY ( Y μy) bersyarat Y μ Y adalah sama dega dstrbus ( Y μ ) μ. Y YY Y Berdasarka persamaa *), dketahu bahwa ( ) ~ (, ) μ Y YY Y μy N 0 Σ Y YY ΣY, ( μ ( μ ) Y YY Y Y YY Y ) ~ N + Y, Σ Σ. Sehgga dperoleh dstrbus bersyarat Y, ( ) ~ (, ) μ Y μ Y N 0 Σ Σ Y YY Y Y YY Y ( + Y YY Y Σ Y YY Σ Y ) [ Y] N μ ( Y μ ) ~, 4. Dstrbus Logormal. Jka dar suatu varabel radom yag berdstrbus Normal, dega parameter meaya adalah μ da parameter varasya adalah σ, maka x Y = e ddefska sebaga suatu varabel radom yag berdstrbus logormal. Pdf dar Y dyataka sebaga berkut, l y μ f( y) = exp, y 0. yσ π σ Peetua harga..., Khuryat, FMIPA UI, 009.

116 Lampra 7 : Harga peutupa hara saham Telekomukas Idoesa Tbk (TLKM) d Bursa Efek Idoesa per taggal ju 008 sampa ju 009. Har 8,00.00 St ( ) St ( ) y = l St ( ) St ( ) St ( ) 7, , , , , , , , , , E-05 7, , , E , , , E , , , , , , y 04 Peetua harga..., Khuryat, FMIPA UI, 009.

117 05 4 7, , , E , , , , , , , E , , E , , , E , , , , , , E , , , , , , , , , E , , , E-05 Peetua harga..., Khuryat, FMIPA UI, 009.

118 , , , , , E , E , , , E , , , E , E , , , , , , , , , , , , , , , E , E , E , , , Peetua harga..., Khuryat, FMIPA UI, 009.

119 , , , , , , E , , , , , , , , , , E , , E , E , , , , , , E , , , , , , E-05 5, , Peetua harga..., Khuryat, FMIPA UI, 009.

120 08 3 5, , E , , , , , , , , , , , E , , , , E , , , , , , , , , , , , , E , , , Peetua harga..., Khuryat, FMIPA UI, 009.

121 , E , , E , , , , , , , E , , , E , , , , E , , , , , , , , E , , E , , , E , , E , Peetua harga..., Khuryat, FMIPA UI, 009.

122 0 89 6, , , E , , , , E , , , , , , , , , , , , E , , , , , , E , , , , , , , , Peetua harga..., Khuryat, FMIPA UI, 009.

123 7, , , , , , , , , E , , , , , E , E , , , , Dega = 40, dperoleh = y = = y = Volatltas per har = σ = y y = ( ) = = Volatltas per tahu = volatltas per har Peetua harga..., Khuryat, FMIPA UI, 009.

124 = = = % Peetua harga..., Khuryat, FMIPA UI, 009.

125 Lampra 8 : Algortma Peetua Harga Ops Asa Megguaka Ratarata Geometrk dega Software MATLAB 7 8. Algortma Peetua Harga Ops Asa Megguaka Rata-rata Geometrk. clc; clear; % prcg asa opto megguaka rata-rata geometrk % %%% prcg dega megguaka Black-Scholes formula %%% % salsas fugs fucto (C P)= blackscholesgeo(s0, K, r, sgma,, T) % kalkulas varcap varcap = (sgma^*(+)*(*+))/(6*^); % kalkulas mucap mucap = 0.5*varcap+(r-0.5*sgma^)*((+)/(*)); % kalkulas dcap dcap = (log(s0/k)+(mucap+0.5*varcap)*t) /(sqrt(varcap)*sqrt(t)); % kalkulas dcap dcap = dcap - sqrt(varcap)*sqrt(t); % kalkulas harga asa call opto 3 Peetua harga..., Khuryat, FMIPA UI, 009.

126 4 C = exp(- r*t)*(s0*exp(mucap*t)*cdf('ormal',dcap,0,)- K*cdf('ormal',dcap,0,)); % kalkulas harga asa put opto P = exp(-r*t)*(k*cdf('ormal',-dcap,0,)- s0*exp(mucap*t)*cdf('ormal',-dcap,0,)); ed 8. Algortma Peetua Harga Ops Asa Megguaka Rata-rata Artmatk. clc;close all;clear; %salsas fugs s0=7700; k=7800; r=0.07; T=; =00; sgma=0.5; m=00; h=k/m; % kalkulas MuCap & SgmaCap sgmacap=sqrt(sgma^*(+)*(*+)/(6*^)); mucap=sgmacap^/+(r-0.5*sgma^)*(+)/*; % geerate x~n(mux,sgmax^) % s()=s0 & s()=s(+) s=zeros(,+);dt=t/;s()=s0; for =: s(+)=s()*exp((r- 0.5*sgma^)*dt+sgma*sqrt(dt)*rad); ed % kalkulas g, salsas product arthmatc Peetua harga..., Khuryat, FMIPA UI, 009.

127 5 g=; for =:+ g=g*s(); ed g=g^(/); % Meghtug x=x x=zeros(,); for =:+ x(-)=log(s()); ed % Meghtug mu_ & sgmax for =: mu_()=log(s())+(r-0.5*sgma^)*dt; sgma_()=sqrt(sgma^*dt); ed % kalkulas rhoj, dega pertama-tama megeerate S,j,j=,..., SS=zeros(+,);SS(,:)=s0;SS(:,)=s'; % Ukura SS buka +*+ kr S +, tap dgeerate x for =: for j=: SS(+,j)=SS()*exp((r- 0.5*sgma^)*dt+sgma*sqrt(dt)*rad); ed ed % kalkulas rhoj rho=corr(ss); % kalkulas retur l(s+/s) ss=zeros(,); for =: Peetua harga..., Khuryat, FMIPA UI, 009.

128 6 for j=: ss(,j)=ss(j+,)./ss(j,); ss(,j)=log(ss(,j)); ed ed % kalkulas mux mux=mea(mu_); % kalkulas sgmax sum=0; for =: for j=: sum=sum+sgma_()*sgma_(j)*rho(,j); ed ed sgmax=sqrt(sum/^); % kalkulas sgmax for =: sumproduct=0; for j=: sumproduct=sumproduct+sgma_(j)*rho(,j); ed sgmax()=sgma_()/*sumproduct; ed % C matrx c_matrx=zeros(,); for =: for j=: c_matrx(,j)=sgma_()*sgma_(j)*rho(,j); ed ed Peetua harga..., Khuryat, FMIPA UI, 009.

129 7 vec=oes(,)*(/); ccap=c_matrx- (c_matrx*vec*vec'*c_matrx')/(vec'*c_matrx*vec); for =: mu_cap()=mu_()+(sgmax()/sgmax^)*(mux);%=log(k) ed %kalkulas sgmacap_a sum=0; for =: for j=: sum=sum+exp(mu_cap()+mu_cap(j)+0.5*(c_matrx(,)+c_ matrx(j,j)+*c_matrx(,j)))- exp(mu_cap()+0.5*c_matrx(,))*exp(mu_(j)+0.5*c_mat rx(j,j)); ed ed sum=sqrt(sum/^);sgmacap_a=sum; %kalkulas mucap_a sum=0; for =: sum=sum+exp(mu_cap()+c_matrx(,)*0.5); ed mucap_a=sum/; sgmacap_e=sgmacap_a; mucap_e=mucap_a-k; gamma=sqrt(log(sgmacap_e^/mucap_e^+)); beta=log(mucap_e)-gamma^*0.5; %kalkulas c c=0; for =:m Peetua harga..., Khuryat, FMIPA UI, 009.

130 8 c=c+bse(*h,beta,gamma)*logpdf(k-*h,0,); cc()=c; ed c=c*h; I=k*ormcdf((mux-log(k))/sgmax,0,); %kalkulas I sum=0; for =: sum=sum+exp(mu_()+sgma_()^*0.5)*ormcdf(((muxlog(k))/sgmax)+sgmax()/sgmax,0,); ed I=sum/; c=i+i; C=c+c Peetua harga..., Khuryat, FMIPA UI, 009.

131 Lampra 9 : Tabel Notas, Tabel Persamaa da Tabel dstrbus 9. Tabel Notas No Notas Art Notas. C harga ops call. P harga ops put 3. St () harga saham pada waktu t 4. S( T ) harga saham pada waktu t = T 5. S( t ) harga saham pada waktu t 6. S ( 0 ) harga saham pada waktu t = 0 7. K strke prce 8. bayakya harga aset yag drata-rataka 9. t waktu ke-, dmaa = 0,,,... 0 T waktu jatuh tempo Δ t Perode waktu G rata-rata geometrk harga saham 3 A rata-rata artmatk harga saham 4 W() t 5 B ( t ) 6 Z() t gerak Brow gerak Brow stadar gerak Brow geometrk 9 Peetua harga..., Khuryat, FMIPA UI, 009.

132 0 7 μ Tgkat pegembala harga saham 8 σ Volatltas dar harga saham 9 r Tgkat suku buga bebas resko atau rsk-free rate 0 N ( 0,) otas utuk dstrbus ormal stadar N[ x ] f ( x ) 3 p( g ) 4 ρ j cdf ormal stadar utuk varabel x pdf dar varabel x pdf dar varabel G korelas atara (pegembala) mbal hasl dar harga saham ke- da ke- j 5 E Taksra ekspektas 6 *) h lebar terval 7 *) e BS ( k ) Modfkas Black-Scholes 8 *) m bayakya parts dalam tegras umerk *) dguaka pada perhtuga tegras umerk dalam peetua harga ops call Asa megguaka rata-rata artmatk 9 vektor 30 T vektor traspose 3 D matrks D Peetua harga..., Khuryat, FMIPA UI, 009.

133 T 3 D matrks traspose D 33 C matrks kovaras dar dstrbus vektor 34 C + matrks kovaras dar dstrbus + 35 C matrks kovaras dar dstrbus vektor bersyarat 36 ~ ( x, x ) N μ σ Notas utuk varabel berdstrbus ormal dega 37 ~ ( y, y ) parameter μ x da σ x Y LN μ σ Notas utuk varabel Y berdstrbus logormal dega parameter μ y da σ y Peetua harga..., Khuryat, FMIPA UI, 009.

134 9. Daftar Persamaa = l S( t ) = l g 3 d S(0) σ l + r + T K = σ T 4 5 d d S(0) σ l + r T K = σ T S(0) l + μ+ σ T K = σ T 6 + μ = σ + r σ 7 σ ( + )(+ ) σ = 6 8 l (0) b S T μ σ H = b σ T 9 b l S(0) + μ+ σ T v = σ T 0 l l (0) g S μ σ T u = σ T σ σ σ l K μ Q = exp l K μ σ σ σ σ μ l K σ G = exp + σ σ π σ 3 x μ σ q = σ 4 l K R μ = σ 5 = [ a K g] 6 μ a exp c = μ + = 7 σ a = exp μ μ j ( c c c ) jj j = j= exp μ c exp μ j c + + jj 8 μ = μa K 9 σ = σ a 0 γ β = l ( μ ) σ γ = l + μ Peetua harga..., Khuryat, FMIPA UI, 009.

135 3 = 3 T =,,..., 4 + = D I D = = T I = σ σσ ρ σσ ρ σ σρ σ σσρ C = σσρ σσρ σ T 8 C DCD + = 9 C C C= C T C T T Peetua harga..., Khuryat, FMIPA UI, 009.

136 9.3 Daftar Dstrbus 4 Dstrbus ormal stadar Z ~ NIID (0,). Z ~ NIID (0,) Dstrbus logartma harga saham l St ( ) ~ N l S(0) + r σ t, σ t 3 Dstrbus l St ( ) 4 Dstrbus l g = ~ N( μ, σ ) = ~ N( μ, σ ) ~ N l S( t ) + r σ Δt, σ Δt 5 Dstrbus bersyarat ~ l (0) N S μ σ T, + σ T ( ) [ ] ~ N μ, σ x N σ x = ~ μ + [ μ ], σ σ σ [ ] 6 Dstrbus vektor ~ N( μ, C ) σ 7 Dstrbus vektor T + + ~ N( Dμ, DCD ) Peetua harga..., Khuryat, FMIPA UI, 009.

137 ( ) 8 Dstrbus vektor bersyarat [ ]~ N μ, C 5 9 Dstrbus ~ LN μ, C [ ]~, N μ + x μ T C C ( σ ) ~ LN ( μ a K, σ a ) Peetua harga..., Khuryat, FMIPA UI, 009.

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

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

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

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

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

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 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

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

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 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

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

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

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

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

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

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 IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

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 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

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

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

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

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 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

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

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 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

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

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

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

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 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

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

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

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

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

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

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

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

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

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

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

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

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

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

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMBENTUKAN MODEL PROBIT BIVARIAT PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

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

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

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

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

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1). BAB II LANDASAN EORI.. Model Matematka Model Matematka merupaka represetas matematka yag dhaslka dar pemodela Matematka. Pemodela Matematka merupaka suatu proses merepresetaska da mejelaska permasalaha

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

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

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 II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 11 Latar Belakag Peelta yag dlakuka oleh Va der Pol pada sebuah tabug trode tertutup, yatu sebuah alat yag dguaka utuk megedalka arus lstrk dalam suatu srkut pada trasmtter da recever meghaslka

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

PENGHITUNGAN SENSITIVITAS HARGA OPSI EROPA DALAM BERBAGAI METODE NUMERIK

PENGHITUNGAN SENSITIVITAS HARGA OPSI EROPA DALAM BERBAGAI METODE NUMERIK PENGHITUNGAN SENSITIVITAS HARGA OPSI EROPA DALAM BERBAGAI METODE NUMERIK Ddt Bud Nugroho Program Stud Matematka, Fakultas Sas da Matematka Uverstas Krste Satya Wacaa Jl. Dpoegoro 5-60 Salatga 507 Jawa

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

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

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

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

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

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

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

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

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 DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

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

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

Volume 1, Nomor 2, Desember 2007

Volume 1, Nomor 2, Desember 2007 Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI

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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 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

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

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

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA 030501061Y UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 009

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

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

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

Sampel dan Distribusi Sampling

Sampel dan Distribusi Sampling P Modul Sampel da Dstrbus Samplg PENDAHULUAN Prof. Dr. Zazaw Soejoet ada modul pertama, aka dpelajar terlebh dahulu megea sampel da sfat-sfatya serta samplg-ya. Mater sebearya telah bayak dsajka pada mata

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

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

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

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci