Peubah Acak, Fungsi Distribusi Bersama dan Copula
|
|
- Benny Kurnia
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Peubah Acak, Fungsi Distribusi Bersama dan Copula oleh Khreshna Syuhada Misalkan kita memiliki dua peubah acak X dan Y yang tidak saling bebas; fungsi distribusinya, berturut-turut, adalah F X dan G Y. Apa yang dapat kita lakukan pada kedua peubah acak tersebut? A. menentukan fungsi distribusi/peluang bersama B. mencari hubungan/asosiasi Perhatikan A. Peubah acak-peubah acak dapat dihubungkan (linked) karena setiap peubah acak memiliki fungsi distribusi; saat kita memiliki dua peubah acak atau lebih maka akan dipunyai fungsi distribusi bersama. Namun, mengkonstruksi fungsi distribusi bersama tidak mudah, bahkan sering kali kita tidak dapat memperolehnya. Dengan kata lain, bagaimana kita dapat membentuk H X,Y (x, y) = P (X x, Y y)? Perhatikan B. Jika kita mencari/mengukur asosiasi dua peubah acak X dan Y, (i) hal-hal apa saja yang harus kita perhatikan? (ii) bagaimana kita menginterpretasikan nilai asosiasi tersebut? (iii) apabila terjadi ketidaksinkronan antara tafsir intuitif dan numerik, mana yang akan kita jadikan rujukan? 1
2 Salah satu teknik untuk menentukan fungsi distribusi bersama adalah menggunakan formula keluarga Farlie-Morgenstern (Rice, 1995, hal.75): [ H X,Y (x, y) = F X (x) G Y (y) 1 + α ( 1 F X (x) )( 1 G Y (y) )], untuk α 1. Sebagai contoh, jika X U(0, 1), Y U(0, 1), dan α = 1, maka H X,Y (x, y) = 2xy x 2 y y 2 x + x 2 y 2, 0 x 1, 0 y 1. Dalam praktiknya, seringkali (i) X dan Y tidak memiliki distribusi yang identik, (ii) salah satu (atau keduanya) dari F X (x) atau G Y (y) sulit untuk ditentukan. Pada kedua kasus tersebut, diperlukan teknik Copula. Copula adalah fungsi distribusi bersama dari peubah acak-peubah acak Uniform(0, 1). Peubah acakpeubah acak ini diperoleh dari transformasi fungsi distribusi marginal terhadap peubah acak X dan Y. Misalkan fungsi distribusi Copula bivariat C U,V (u, v; θ) = ( u θ + v θ 1 ) 1 θ, 0 u 1, 0 v 1 dimana θ [ 1, ). Perhatikan bahwa U = F X (X) dan V = G Y (Y ) adalah peubah acak-peubah acak Uniform(0, 1). Untuk contoh X U(0, 1) dan Y U(0, 1) diatas, akankah kita menggunakan H X,Y atau C U,V? manakah yang lebih baik? 2
3 Teorema Sklar (Tse, 2009, hal.367) Misalkan HX, Y (x, y) fungsi distribusi bersama dengan fungsi distribusi marginal (margin) F X (x) dan G Y (y). Terdapat suatu Copula untuk semua (x, y) sedemikian hingga H X,Y (x, y) = P (X x, Y y) = C(P (X x), P (Y y)) = C(F X (x), G Y (y)) = C U,V (u, v). Sedangkan fungsi peluang bersama yang berkorespondensi adalah h X,Y (x, y) = f X (x) g Y (y) c(u, v), dimana c(u, v) = 2 C(u, v) u v adalah densitas Copula. Perhatikan bahwa c(u, v) = 1 jika X dan Y saling bebas. Sebaliknya, jika c(u, v) 1 maka X dan Y saling bergantung. Dengan demikian, Copula adalah salah satu ukuran kebergantungan atau ukuran asosiasi. 3
4 Copula adalah fungsi distribusi. Pandang suatu Copula bivariat C U,V (u, v). Sifatsifat yang dimiliki adalah Grounded: C(0, v) = C(u, 0) = 0 2. Uniform marginals: C(1, v) = C(u, 1) = 1 3. Two increasing: C(u 2, v 2 ) C(u 1, v 2 ) C(u 2, v 1 ) + C(u 1, v 1 ) 0, dengan u 1 u 2, v 1 v 2. 4
5 Ukuran Kebergantungan Secara umum, dua peubah acak X dan Y dikatakan berasosiasi jika keduanya tidak saling bebas. Berasosiasi dapat diartikan sebagai bergantung dan/atau berkorelasi linier. Ukuran asosiasi atau kebergantungan yang dikenal adalah (i) korelasi linier Pearson (Pearson linear correlation) (ii) korelasi ranking (rank correlation) (iii) koefisien kebergantungan ekor (coefficients of tail dependence) Ukuran (b) dan (c) digolongkan sebagai ukuran kebergantungan berbasis Copula (Copula-based dependence measures). Dengan kata lain, ukuran (b) dan (c) dapat dinyatakan dalam Copula. Perhatikan bahwa perbedaan antara asosiasi (association) dan korelasi (correlation) adalah bahwa korelasi adalah asosiasi linier. Seperti sudah dinyatakan sebelumnya, ukuran asosiasi rank correlation adalah satu ukuran kebergantungan yang dapat dinyatakan dalam Copula. Ukuran asosiasi Kendall s τ, misalnya, adalah τ = 4 C(u, v) dc(u, v) 1, yang dapat ditunjukkan secara teoritis. Ukuran yang lain adalah Spearman s ρ: ρ = 12 C(u, v) dudv 3. Catatan: Ukuran asosiasi Pearson s correlation tidak dapat dinyatakan dalam copula. 5
6 Korelasi linier Pearson bersifat invarian terhadap transformasi linier murni (under strictly increasing linear transformations). Artinya, ρ(a 1 + b 1 X 1, a 2 + b 2 X 2 ) = ρ(x 1, X 2 ). Namun demikian, tidak invarian terhadap transformasi naik murni tak linier. Selain itu, korelasi hanya terdefinisi jika variansi X 1 dan X 2 hingga. Pandang contoh berikut (Cherubini dkk, 2004, hal.100,102): Data mingguan dua indeks saham DAX30 dan S&P500 pada periode Januari 1992 hingga Juni 2001 (n = 248). Nilai asosiasi yang diperoleh adalah Pearson s ρ: 0.67 Kendall s τ: 0.44 Spearman s ρ: 0.67 Dari ketiga nilai asosiasi tersebut kita dapat menduga tidak adanya hubungan linier yang kuat antara kedua peubah acak ini. Catatan: Umumnya Pearson s ρ Spearman s ρ. 6
7 Copula, Kebergantungan, dan Perhatikan ilustrasi berikut: Jika X 1 dan X 2 saling bebas maka korelasi linier Pearson ρ(x 1, X 2 ) = 0, namun tidak berlaku sebaliknya. Contoh (McNeil dkk, 2005, hal.203), pandang: Model 1: (X 1, X 2 ) berdistribusi normal bivariat standar dimana X 1 dan X 2 saling bebas (artinya ρ(x 1, X 2 ) = 0), Model 2: (Y 1, Y 2 ) = (X 1, V X 1 ), dimana V adalah peubah acak diskrit sedemikian hingga P (V = 1) = P (V = 1) = 0.5. Model 2 memiliki distribusi marginal normal dan ρ(y 1, Y 2 ) = 0 namun Y 1 dan Y 2 tidak saling bebas atau saling bergantung. Kita ingin menentukan distribusi X 1 + X 2 dan Y 1 + Y 2 untuk kemudian menghitung (1 α)-kuantil dari distribusi-distribusi tersebut (selanjutnya, kuantil ini akan didefinisikan sebagai 1 α. Kita akan gambarkan nilai-nilai kuantil untuk kedua distribusi tersebut pada α (0, 0.10). Karena X i N(0, 1) maka X 1 +X 2 N(0, 2). V@R, pada tingkat peluang 1 α, adalah nilai x sedemikian hingga P (X 1 + X 2 x) = 1 α ( X1 + X 2 P x ) = 1 α 2 2 ( ) x Φ = 1 α 2 Jadi, 1 α (X 1 + X 2 ) = x = 2 Φ 1 (1 α). 7
8 4.5 X 1 +X 2 4 Y 1 +Y Value at Risk α Sementara itu, Y 1 + Y 2 = 2X 1 N(0, 4) dengan peluang 1/2. Artinya P (Y 1 + Y 2 y) = 1 2 ( Y1 + Y 2 P y ) = 1 2α 2 2 ( y Φ = 1 2α 2) Jadi, 1 α (Y 1 + Y 2 ) = y = 2Φ 1 (1 2α). Plot kedua V@R adalah sebagai berikut. Perhatikan bahwa nilai V@R jumlahan risiko tidak bergantung pada distribusi marginal sifat korelasi. 8
MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad
Catatan Kuliah MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut
Lebih terperinciEstimasi Parameter Copula Dan Aplikasinya Pada Klimatologi
Estimasi Parameter Copula Dan Aplikasinya Pada Klimatologi Irwan Syahrir (309 20 00) Dosen Pembimbing: Dr. Ismaini Zaini, M.Si Dr.rer.pol. Heri Kuswanto, M.Si . PENDAHULUAN Latar belakang Analisis Statistik
Lebih terperinciBAB II TINJAUAN PUSTAKA. return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula,
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula, VaR, estimasi VaR dengan
Lebih terperinciMA4181 MODEL RISIKO Enjoy the Risks
Catatan Kuliah MA48 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2 Tentang MA48 Model Risiko A. Jadwal kuliah:
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik A. Jadwal kuliah:
Lebih terperinciBab II Kajian Teori Copula
Bab Kajian Teori Copula.1 Pendahuluan Copula Tesis ini mengacu pada terminologi copula sebagai fungsi yang menghubungkan fungsi distribusi multivariat terhadap fungsi distribusi marginal uniform. Misalkan
Lebih terperinciMA4181 MODEL RISIKO Enjoy the Risks
Catatan Kuliah MA4181 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4181 Model Risiko A. Jadwal
Lebih terperinciKorelasi Kendall (τ) untuk Estimasi Parameter Distribusi Clayton-copula Bivariat
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Korelasi Kendall (τ) untuk Estimasi Parameter Distribusi Clayton-copula Bivariat S - 9 Apriliana Wiji Nurcahyani, Dewi Retno Sari Saputro,
Lebih terperinciBab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat
MA38 Teori Peluang - Khreshna Syuhada Bab 9 Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat Ilustrasi 9. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat.
Lebih terperinciCatatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika
Lebih terperinciBAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA
BAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA 3.1 Value at Risk (VaR) Salah satu aspek yang sangat penting dalam analisis resiko adalah penghitungan Value at Risk atau yang selanjutnya disingkat dalam
Lebih terperinciStatistik Nonparametrik:
ANALISIS KORELASI B Ali Muhson, M.Pd. Jenis Analisis Korelasi Statistik parametrik: Korelasi Product Moment (Pearson) Korelasi Parsial Korelasi Semi Parsial Korelasi Ganda, dsb Statistik Nonparametrik:
Lebih terperinciPengenalan Copula. Sapto Wahyu Indratno
Pengenalan Copula Sapto Wahyu Indratno STATISTICS DISIVISION, FACULTY OF MATHEMATICS AND NATURAL SCI- ENCES, INSTITUT TEKNOLOGI BANDUNG E-mail address: sapto@math.itb.ac.id Daftar Isi Bagian 1. Copula
Lebih terperinciABSTRAK. Kata Kunci : copula, produksi padi, ENSO, copula Archimedean, copula Frank
Judul Nama Pembimbing : Analisis Hubungan Produksi Padi dan Indikator ENSO di Kabupaten Tabanan dengan Pendekatan Copula : Luh Gede Udayani : 1. I Wayan Sumarjaya, S.Si., M.Stats. 2. Made Susilawati, S.Si.,
Lebih terperinciAK5161 Matematika Keuangan Aktuaria
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika
Lebih terperinciANALISIS HUBUNGAN PRODUKSI PADI DAN INDIKATOR ENSO DI KABUPATEN TABANAN DENGAN PENDEKATAN COPULA
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 164-169 ISSN: 2303-1751 ANALISIS HUBUNGAN PRODUKSI PADI DAN INDIKATOR ENSO DI KABUPATEN TABANAN DENGAN PENDEKATAN COPULA Luh Gede Udayani 1, I Wayan Sumarjaya
Lebih terperinciBAB I PENDAHULUAN. menjadi hal yang lumrah dilakukan dalam manajemen risiko. Salah satu strategi
BAB I PENDAHULUAN 1.1 Latar Belakang Pada saat ini, mengukur dan mengelola risiko pada data finansial sudah menjadi hal yang lumrah dilakukan dalam manajemen risiko. Salah satu strategi yang digunakan
Lebih terperinciTEKNIK ANALISIS KORELASI. Pertemuan 9. Teknik Analisis Korelasi_M. Jainuri, M.Pd 1
TEKNIK ANALISIS KORELASI Pertemuan 9 1 Korelasi merupakan teknik pengukuran asosiasi/hubungan (measures of association). Pengukuran asosiasi adalah teknik dalam statistik bivariat/ multivariat yang digunakan
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih terperinciAK5161 Matematika Keuangan Aktuaria
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciCatatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika
Lebih terperinciESTIMASI NILAI CONDITIONAL VALUE AT RISK MENGGUNAKAN FUNGSI GAUSSIAN COPULA
ESTIMASI NILAI CONDITIONAL VALUE AT RISK MENGGUNAKAN FUNGSI GAUSSIAN COPULA Herlina Hidayati 1, Komang Dharmawan 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, FMIPA Universitas Udayana [Email: herlinadisanasini@gmail.com]
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam berinvestasi ada tiga hal yang perlu diperhatikan oleh investor, yaitu capital (modal), objective (objektif), dan risk (risiko).hal yang sering menjadi
Lebih terperinciIKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d
IKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d Data merupakan kumpulan informasi yang diharapkan dapat dinterpretasikan dengan baik dan akurat. Terdapat beberapa jenis
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu konsep yang sangat menarik untuk dikaji adalah konsep copula. Konsep ini banyak digunakan di bidang matematika dan statistika, bahkan aplikasinya
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA3081 STATISTIKA MATEMATIKA We love Statistics
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak
Lebih terperinciUji Korelasi Kendal Tau dan Uji Korelasi Spearman Rank
Uji Korelasi Kendal Tau dan Uji Korelasi Spearman Rank KORELASI KENDAL TAU Korelasi Kendal tau digunakan untuk mengukur kekuatan atau hubungan dua variable. Data yang digunakan berskala ordinal dan tidak
Lebih terperinciMA6281 PREDIKSI DERET WAKTU DAN COPULA. Forger The Past(?), Do Forecasting
Catatan Kuliah MA6281 PREDIKSI DERET WAKTU DAN COPULA Forger The Past(?), Do Forecasting disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciValue-at-Risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik dan Copula
Value-at-Risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik dan Copula June 29, 2016 Abstrak Pengukuran risiko merupakan hal penting bagi individu maupun perusahaan
Lebih terperinciHIPOTESIS ASOSIATIF KORELASI PRODUCT MOMENT -YQ-
HIPOTESIS ASOSIATIF KORELASI PRODUCT MOMENT -YQ- PENGERTIAN Hipotesis asosiatif adalah hipotesis yang menunjukkan dugaan adanya hubungan atau pengaruh antara dua variabel atau lebih. Contoh: Rumusan masalah:
Lebih terperinciAK6083 Manajemen Risiko Kuantitatif. Referensi: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools.
AK6083 Manajemen Risiko Kuantitatif Referensi: Silabus: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools Seputar risiko dan volatilitas Peubah acak dan fungsi
Lebih terperinciUji Hipotesis dan Aturan Keputusan
Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciUji Korelasi Spearman Rank. Uji Korelasi Kendal Tau
Uji Korelasi Spearman Rank Uji Korelasi Kendal Tau Pokok Bahasan Pengertian dan Penggunaan Uji Korelasi Pengertian dan Penggunaan Uji Spearman Rank dan Uji Kendall Tau Contoh Kasus Aplikasi SPSS 1 sampel
Lebih terperinciBab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah
MA3181 Teori Peluang - Khreshna Syuhada Bab 8 1 Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah Ilustrasi 8.1 Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1228
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1228 PEMODELAN KLAIM ASURANSI YANG MELEBIHI THRESHOLD RANDOM UNTUK DUA PORTOFOLIO ASURANSI YANG TIDAK INDEPENDENMARKOV MODELLING
Lebih terperinciDefinisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah
BAB 1 Peluang dan Ekspektasi Bersyarat 1.1 EKSPEKTASI Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah E(X) x x p X (x) dan E(X)
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciSpesifikasi: Ukuran: 14x21 cm Tebal: 279 hlm Harga: Rp Terbit pertama: November 2004 Sinopsis singkat:
Spesifikasi: Ukuran: 14x21 cm Tebal: 279 hlm Harga: Rp 47.800 Terbit pertama: November 2004 Sinopsis singkat: Statistik telah terbukti sangat bermanfaat dalam kehidupan manusia. Banyak keputusan yang diambil
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi kebanyakan orang, statistika dianggap suatu ilmu yang ruwet, penuh dengan rumus-rumus yang rumit dan diperlukan ketelitian serta ketepatan dalam menghitungnya.
Lebih terperinciTEORI ANALISIS KORELASI
TEORI ANALISIS KORELASI 1.1 Pengertian Sepanjang sejarah umat manusia, orang melakukan penelitian mengenai ada dan tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Usaha-usaha untuk mengukur
Lebih terperinciKORELASI OLEH: JONATHAN SARWONO
KORELASI OLEH: JONATHAN SARWONO 4.1 Mengenal Korelasi 56 4.2 Kegunaan Korelasi 4.3 Konsep Linieritas dan Korelasi 57 4.4 Asumsi Asumsi Dalam Korelasi 4.5 Karakteristik Korelasi 58 4.6 Pengertian Koefesien
Lebih terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika
Lebih terperinciK O R E L A S I. Referensi :
K O R E L A S I Referensi : Korelasi ANALISIS KORELASI: Merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciPengantar Statistika Matematik(a)
Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
Lebih terperinciValue-at-Risk Pada Portofolio Berbasis Copula
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 206 Page 3859 Value-at-Risk Pada Portofolio Berbasis Copula Tedo Hariscandra Program Studi Ilmu Komputasi Telkom University, Bandung tedohariscandra6@gmail.com
Lebih terperinciPengantar Statistika Matematik(a)
Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinci1. BAB III METODOLOGI PENELITIAN
1. BAB III METODOLOGI PENELITIAN 3.1. METODE PENELITIAN Agar penelitian ini lebih terarah serta sesuai dengan tujuan yang diinginkan, penulis menggunakan metode kuantitatif untuk mengolah data yang diperoleh
Lebih terperinciSTATISTIKA 2 IT
STATISTIKA 2 IT-021259 UMMU KALSUM UNIVERSITAS GUNADARMA 2016 Regresi & Korelasi Linier Regresi? Korelasi? 1. Regresi Linier Sederhana Model regresi adalah persamaan matematik yang memungkinkan dalam peramalan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai proses dan hasil serta pembahasan dari pengolahan data yang telah dilakukan. Sebagai alat bantu analisis digunakan software Microsoft
Lebih terperinci10 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK35) 0 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Tabel Kontingensi Struktur peluang tabel kontingensi Perbandingan
Lebih terperinciNanparametrik_Korelasi_M.Jain uri, M.Pd 1
Nanparametrik_Korelasi_MJain uri, MPd 1 Pengertian Pada penelitian yang ingin mengetahui ada tidaknya hubungan di antara variabel yang diamati, atau ingin mengetahui seberapa besar derajat keeratan hubungan
Lebih terperinciSESI 13 STATISTIK BISNIS
Modul ke: SESI 13 STATISTIK BISNIS Sesi 13 ini bertujuan agar Mahasiswa dapat mengetahui teori Analisis Regresi dan Korelasi Linier yang berguna sebagai alat analisis data Ekonomi dan Bisnis. Fakultas
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko
Lebih terperinciPeubah Acak dan Distribusi Kontinu
BAB 1 Peubah Acak dan Distribusi Kontinu 1.1 Fungsi distribusi Definisi: Misalkan X peubah acak. Fungsi distribusi (kumulatif) dari X adalah F X (x) = P (X x) Contoh: 1. Misalkan X Bin(3, 0.5), maka fungsi
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciBAB I PENDAHULUAN 1. Definisi 1.1 Analisis Regresi Linier Sederhana Analisis regresi linier sederhana adalah hubungan secara linear antara satu
BAB I PENDAHULUAN 1. Definisi 1.1 Analisis Regresi Linier Sederhana Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis
Lebih terperinciANALISIS REGRESI LINIER SEDERHANA DENGAN METODE THEIL
ANALISIS REGRESI LINIER SEDERHANA DENGAN METODE THEIL SKRIPSI Oleh : Prayitno Amigoro NIM. J2E 004 242 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciAK5161 Matematika Keuangan Aktuaria
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang AK5161 Matematika
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciMemodelkan Ketergantungan dengan Kopula
Jurnal Matematika Vol. 3 No. 1, Juli 2013. ISSN : 1693-1394 Memodelkan Ketergantungan dengan Kopula I Wayan Sumarjaya Jurusan Matematika Fakultas MIPA Universitas Udayana e-mail: sumarjaya@unud.ac.id Abstrak:
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang AK5161 Matematika
Lebih terperinciESTIMASI COPULA BIVARIAT DAN APLIKASI PADA DOUBLE DECREMENT TESIS. ELIS NURZANAH NIM : Program Studi Matematika
ESTIMASI COPULA BIVARIAT DAN APLIKASI PADA DOUBLE DECREMENT TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh ELIS NURZANAH NIM : 20105020
Lebih terperinciBAB III METODE PENELITIAN. Tujuan dalam penelitian adalah untuk mengetahui peningkatan
38 BAB III METODE PENELITIAN A. Metode dan Desain Penelitian Tujuan dalam penelitian adalah untuk mengetahui peningkatan kemampuan pemecahan masalah dan self confidence siswa melalui pembelajaran dengan
Lebih terperinciPertemuan Ke-7. Uji Persyaratan Instrumen : Validitas
Pertemuan Ke-7 Uji Persyaratan Instrumen : Validitas M. Jainuri, S.Pd Pendidikan Matematika-STKIP YPM Bangko 1 Uji Persyaratan Instrumen Validitas Instrumen Suatu instrumen pengukuran dikatakan valid jika
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang AK5161 Matematika
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Regresi pertama kali digunakan sebagi konsep statistika pada tahun 1877 oleh sir Francis Galton.
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Regresi Regresi pertama kali digunakan sebagi konsep statistika pada tahun 1877 oleh sir Francis Galton. Beliau memperkenalkan model peramalan, penaksiran, atau pendugaan,
Lebih terperinciBAB III. Statistik Non Parametrik. Koefisien Kontingensi. Korelasi Rank Spearman Korelasi Kendal Tau (τ)
BAB III Statistik on Parametrik Koefisien Kontingensi Korelasi Rank Spearman Korelasi Kendal Tau (τ) Koefisien Kontingensi Sebagaimana yelah ditunjukkan pada bab II tabel 1 tentang Pemilihan Teknik Statistik
Lebih terperinciAPLIKASI KOMPUTER LANJUT ANALISIS KORELASI KENDALL DAN SPEARMAN
APLIKASI KOMPUTER LANJUT ANALISIS KORELASI KENDALL DAN SPEARMAN Korelasi spearman merupakan korelasi tata jenjang yang paling terkenal. Uji korelasi rank spearman digunakan untuk mencari hubungan data
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
44 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Data Deskripsi data hasil penelitian dimaksudkan untuk memberikan gambaran umum mengenai hasil pengolahan data yang didapat dari dua variabel dalam
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciDisusun oleh : N a m a : Sartika Sari Dewi N P M : Jurusan : Akuntansi Pembimbing : Dr. Ir. Tety Elida Siregar, MM
ANALISIS HUBUNGAN ECONOMIC VALUE ADDED (EVA) DAN MARKET VALUE ADDED (MVA) PADA PERUSAHAAN MAKANAN DAN MINUMAN, FARMASI, TRANSPORTASI DAN TELEKOMUNIKASI YANG TERDAFTAR DI BURSA EFEK INDONESIA Disusun oleh
Lebih terperinciEstimasi Parameter Distribusi Marshall-Olkin Copula dengan Metode Maximum Likelihood
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 S - 26 Estimasi Parameter Distribusi Marshall-Olkin Copula dengan Metode Maximum Likelihood Riris Listya Dahyita Putri, Dewi Retno Sari Saputro,
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciCatatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang
Lebih terperinciANALISA BIVARIAT: KORELASI DAN REGRESI. Metode Riset Bisnis
1 ANALISA BIVARIAT: KORELASI DAN REGRESI Metode Riset Bisnis Analisa Korelasi Analisa korelasi adalah analisa hubungan antara dua variabel. Variabel yang dikaitkan posisinya setara atau sejajar, semuanya
Lebih terperinciBAB III PEMBAHARUAN PERAMALAN. Pada bab ini akan dibahas tentang proses pembaharuan peramalan.
BAB III PEMBAHARUAN PERAMALAN Pada bab ini akan dibahas tentang proses pembaharuan peramalan. Sebelum dilakukan proses pembaharuan peramalan, terlebih dahulu dilakukan proses peramalan dan uji kestabilitasan
Lebih terperinciKorelasi Pearson. Pendahuluan
Korelasi Pearson Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua veriabel. Dua variabel dikatakan berkorelasi apabila perubahan
Lebih terperinciBAB III METODE PENELITIAN. Ashari dkk (1994) dalam Lydiana (2007) adalah sebagai berikut: biaya atau pertimbangan yang subjektif.
BAB III METODE PENELITIAN A. Variabel dan Pengukurannya 1. Variabel Dependen Dalam model penelitian ini, penulis menggunakan peringkat perataan laba (income smoothing) sebagai proksi praktik perataan laba
Lebih terperinciPEMBENTUKAN SAMPEL BARU YANG MASIH MEMENUHI SYARAT VALID DAN RELIABEL DENGAN TEKNIK RESAMPLING
Bidang Kajian : Statistika PEMBENTUKAN SAMPEL BARU YANG MASIH MEMENUHI SYARAT VALID DAN RELIABEL DENGAN TEKNIK RESAMPLING Stevvileny Angu Bima 1), Adi Setiawan 2), Tundjung Mahatma 3) 1) Mahasiswa Program
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan
Lebih terperinciMA6281 Analisis Data dengan Copula Bab 1: Fungsi distribus. Bab 2: Data dan volatilitas Bab 3: Konsep Copula
MA6281 Analisis Data dengan Copula Bab 1: Fungsi distribusi bivariat Bab 2: Data dan volatilitas Bab 3: Konsep Copula Dependency is not necessarily bad Data risiko operasional Ilustrasi Data risiko operasional
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1Uji Sampel Sebagai ketentuan dalam melakukan penelitian yang berhubungan dengan pengambilan data adalah harus diketahui ukuran sampel yang memenuhi untuk di analisa. Untuk menentukan
Lebih terperinci