LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

dokumen-dokumen yang mirip
BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

BAB II LANDASAN TEORI

III. METODOLOGI PENELITIAN

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

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

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB 3 Interpolasi. 1. Beda Hingga

Created by Simpo PDF Creator Pro (unregistered version)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

H dinotasikan dengan B H

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

BAB 2 LANDASAN TEORI

PENDAHULUAN. Latar Belakang

STATISTIKA ELEMENTER

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

BAB 2 LANDASAN TEORI

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil.

BAB III ISI. x 2. 2πσ

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

BAB 2 LANDASAN TEORI

BAB II KAJIAN TEORI. tertentu (Martono, 1999). Sistem bilangan real dinotasikan dengan R. Untuk

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

8.4 GENERATING FUNCTIONS

Regresi Logistik pada Data Rare Event

BAB II KAJIAN PUSTAKA

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

BAB III ESTIMASI MODEL PROBIT TERURUT

Prosiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016

π ( ) menyatakan peluang bahwa

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Digraf eksentris dari turnamen kuat

BAB III TEORI PERRON-FROBENIUS

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

titik tengah kelas ke i k = banyaknya kelas

PEMILIHAN PORTOFOLIO MENGGUNAKAN BETA TERBAIK ELI GUSDIANTI

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING

Analisis Aliran Daya

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

KEKONVERGENAN INTEGRAL HENSTOCK-PETTIS. PADA RUANG EUCLIDE R (Henstock-Pettis Integral Convergence in Euclidean Space)

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

BAB II LANDASAN TEORI

Prosiding Statistika ISSN:

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

Gambar 3.1Single Channel Multiple Phase

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Penelitian Operasional II Program Bilangan Bulat PROGRAM BILANGAN BULAT (INTEGER PROGRAMMING)

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA

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

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw


Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Ir. Tito Adi Dewanto

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

METODE PRIMAL AFFINE-SKALING UNTUK MASALAH PROGRAM LINEAR

BAB 2 KAJIAN TEORITIS

E ax by c ae X be Y c. 6.1 Pengertian Umum

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

x x x1 x x,..., 2 x, 1

LOCALLY DAN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA [a,b]

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

UKURAN DASAR DATA STATISTIK

BAB 2 KAJIAN PUSTAKA DAN DASAR TEORI

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

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

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

3. Integral (3) (Integral Tentu)

BAB I PANDAHULUAN. 1.1 Latar Belakang

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

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

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

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

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

Aksioma ini menyatakan bahwa jika setiap kejadian pasti untuk terjadi, maka peluang dari kejadian tersebut adalah 1.

Transkripsi:

LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa aca adalah suatu ercobaa yag daat dulag dalam ods yag sama Namu hasl ada ercobaa berutya tda daat dteba dega teat, teta daat detahu semua emuga hasl yag mucul [Hogg da Crag, 995] Defs (Ruag Cotoh) Ruag cotoh adalah hmua yag beraggotaa semua hasl yag mug mucul dar suatu ercobaa aca da basa dotasa dega Ω [Hogg da Crag, 995] Defs 3 (Meda-σ) Meda-σ adalah suatu hmua F yag aggotaya adalah hmua baga dar ruag cotoh Ω serta memeuh syarat-syarat berut: F Ja A, A, F maa A F c c 3 Ja AF maa A F, dega A meyataa omleme dar hmua A [Grmmett da Strzaer, 99] Defs 4 (Uura Peluag) Suatu uura eluag P ada (, F ) adalah suatu fugs P : F [0,] yag memeuh syarat-syarat berut: P( ) 0 da P( ) Ja A, A, F adalah hmuahmua yag salg leas, yatu A A utu seta asaga, dega maa P A P( A ) Pasaga (, F, P) dsebut ruag eluag [Grmmett da Strzaer, 99] Peubah Aca da Sebaraya Defs 5 (Peubah Aca) Suatu eubah aca adalah suatu fugs : R dega sfat bahwa utu seta R, { ; ( ) } F [Grmmett da Strzaer, 99] Defs 6 (Fugs Sebara) Fugs sebara dar suatu eubah aca adalah fugs F : R [0,], yag dbera oleh F ( ) P ( ) [Grmmett da Strzaer, 99] Defs 7 (Peubah Aca Kotu) Peubah aca dataa otu a fugs sebaraya daat desresa sebaga berut F ( ) f ( u) du R, utu suatu fugs f : R [0, ) yag daat dtegrala Selautya fugs f dsebut fugs eeata eluag bag [Grmmett da Strzaer, 99] Defs 8 (Fugs Keeata Peluag) Msala adalah eubah aca Fugs f : R [0, ) sedema sehgga utu seta hmua A R, P( A) f ( ) d dsebut fugs eeata eluag dar eubah aca [Grmmett da Strzaer, 99] Nla Haraa, Ragam, Stadar Devas da Koragam Defs 9 (Nla Haraa) Msala adalah eubah aca otu dega fugs eeata eluag f ( ) Nla haraa dar adalah E[ ] f ( ) asala tegralya ada A, Beberaa sfat dar la haraa Ja suatu ostata, maa E[ ]

Ja suatu ostata da, adalah E[ ] E[ ] E[ ] Secara umum, a,,, adalah ostata da,,, adalah E[ ] E[ ] E[ ] E[ ] [Grmmett da Strzaer, 99] Defs 0 (Ragam) Ragam dar eubah aca adalah la haraa dar uadrat selsh atara dega la haraaya Secara matemats daat dyataa sebaga berut Var( ) E ( E [ ]) E[ ] ( E[ ]) Beberaa sfat dar ragam Ja suatu ostata, maa Var( ) Var( ) Ja suatu ostata da, adalah Var( ) Var( ) Var( ) E [ E ( )][ E( )] [Ghahrama, 000] Defs (Stadar Devas) Ja adalah eubah aca, dsebut stadar devas dar yag ddefsa sebaga Var( ) E E [Ghahrama, 000] Defs (Koragam) Msala da Y dua eubah aca dega E( ) da E( Y), maa Cov(, Y ) E ( )( Y ) E ( Y ) dsebut oragam eubah aca da Y Beberaa sfat dar oragam Ja suatu ostata da, Y adalah Cov(, Y) Cov(, Y) Ja suatu ostata da, Y adalah Cov(, Y ) Cov(, Y) 3 4 3 3 Ja suatu ostata da,,, adalah Cov(, ) Cov(, ) Cov(, ) Cov(, ) [Ghahrama, 000] Fugs Pembagt Mome, Mome, Mome Pusat Defs 3 (Fugs Pembagt Mome) Fugs embagt mome dar suatu eubah aca ddefsa sebaga t t M ( t) E e e f ( ) utu t R sehgga la haraa d atas ada Turua ertamaya d setar ol sebaga la haraa dar eubah aca ' d t M ( t) M ( t) e f ( ) dt M (0) e f ( ) f ( ) M ' t 0 ' (0) E [ ] Turua eduaya d setar ol sebaga la haraa dar eubah aca '' d t M ( t) M ( t) e f ( ) dt M (0) e f ( ) f ( ) M '' t0 (0) E[ ] '' [Hogg da Crag, 995] Defs 4 (Mome) Ja adalah eubah aca dsret dega fugs eraata massa, maa mome e- dar ddefsa sebaga m E( ), =,,3, [Hogg da Crag, 995] Defs 5 (Mome Pusat) Msala la haraa dar eubah aca, m, maa mome usat e- dar eubah aca ddefsa sebaga berut m E ( m ), dega =,,3, m = mome e-= la haraa dar eubah aca [Hogg da Crag, 995]

Deret Taylor, Metode Lagrage, da Teorema Amlo Defs 6 (Deret Taylor) Ja suatu fugs f dega y f ( ) meml turua maa fugs tersebut meml esas deret Taylor h f ( h) f ( ) h f '( )! f ''( ) h3 f '''( ) 3! [Fsher, 988] Defs 7 (Metode Lagrage) Utu memasmuma atau memmuma f (, ) terhada edala g(, ) 0, adalah dega meyelesaa sstem ersamaa berut masmuma f (, ), dega edala g(, ) 0 Dar masalah tersebut, maa deroleh fugs Lagrage sebaga berut: L(,, ) f (, ) g(, ) Syarat erlu utu esstes tt estrm (, ) (, ) aa tereuh a turua arsal dar fugs Lagrage sama dega ol sehgga meghasla: L (,, ) 0 f g L (,, ) 0 (, ) (, ) 0 f g (, ) (, ) 0 (a) (b) L (,, ) g (, ) 0 Dar ersamaa (a) da (b) aa dhasla tt estrm (, ) yag beradaa dega fugs g(, ) 0 dsebut egal Lagrage [Rao, 978] Teorema Amlo Teorema Amlo adalah teorema dasar yag dguaa utu meyelesaa masmsas masalah dalam mroeoom Peryataa dar teorema sebaga berut: Dbera masalah masmsas arbtras dega suatu fugs f bergatug ada arameter a: M ( a) ma f (, a) dega fugs M ( a) membera la masmal dar fugs f sebaga fugs dar arameter a Dbera ( a) la dar yag megatas masmsas masalah dalam arameter a sehgga M ( a) f ( ( a), a) Teorema amlo meyataa bagamaa erubaha M ( a) sebaga erubaha arameter a, yatu: dm a f a da a ( ) (, ) ( a ) Turua ertama dar M bergatug ada a yag dbera oleh turua arsal dar f (, a ), teta, emuda dhtug lha otmal ( ) Dega dredsa ( a) Fugs Koaf [McLea, 999] Defs 8 (Fugs Koaf) Fugs f dataa fugs oaf ada selag I a da haya a f ( ( ) ) f ( ) ( ) f ( ) utu seta, I da utu seta 0 Ja yag berlau f ( ( ) ) f ( ) ( ) f ( ) utu da 0 maa f dataa fugs oaf semura (strctly cocave) [Peress, 988] Fugs Keuasa Vo Neuma da Morgester Defs 9 (Fugs Keuasa Vo Neuma da Morgester) Fugs euasa U ddefsa oleh ' Dega dbera m ( m, m m ) adalah egeluara yag alg dsua da m ( m, m m ) adalah egeluara yag alg sedt dsua Utu masg-masg egeluara m ddefsa u( m) q sehgga m ( m ( q), m ( q)) Fugs euasa Vo Neuma da Morgester utu m ' adalah la yag dharaa dar fugs euasa u( m) sebagamaa ddefsa ()

U( m ( q ), m ( q ),, m ( q )) q u( m ) q u( m ) q u( m ) Two-fud Searato () [Goyal da Saea, 008] Defs 0 (Two-fud searato) Two-fud searato berlau a da haya a ortofolo otmal utu seta fugs euasa u U teta dar fras ostf yag dvestasa dalam ortofolo asar da ssa aset berso dtulsa T E[ u '( ) ] 0, 0 u U Ja, vestor aa memam (megambl short osto dalam aset berso), a, vestor aa memama (megambl log osto dalam aset berso), a vestor aa meaha ortofolo asar taa memama atau memam [Post da Vers, 005] Portofolo Otmal Berdasara Model Marowtz Model Marowtz meruaa model yag megguaa dua arameter yag memegaruh eutusa vestor utu bervestas, yatu la haraa mbal hasl, E( R ), da rso aset, σ Model Marowtz berladasa asums sebaga berut: Haya dua arameter yag memegaruh eutusa vestor dalam bervestas, yatu la haraa mbal hasl da rso Ivestor bersfat rs averse Artya utu ortofolo dega mbal hasl yag sama vestor aa memlh rso yag alg ecl, da uga bla dhadaa ada tgat rso yag sama vestor aa memlh ortofolo yag meml la haraa mbal hasl alg tgg 3 Ivestor meml erode vestas yag sama Ivestor uga meml erses yag sama utu la haraa mbal hasl, ragam da oragam dar ortofoloortofolo yag ada d asar 4 Dalam embetua ortofolo, haya seurtas berso saa yag dlhat 5 Ada seurtas yag derdagaga dega ragam berhgga da la haraa mbal hasl yag berbeda Imbal hasl yag dharaa dar suatu ortofolo adalah eumlaha mbal hasl yag dharaa dar seta seurtas dala dega roors masg-masg seurtas dalam ortofolo E( R ) la haraa mbal hasl da adalah meruaa roors seurtas dalam ortofolo atau dtuls sebaga E( R ) E( R ) Karea dalam embetu ortofolo haya dlhat seurtas yag berso saa, maa umlah roors dalam suatu ortofolo adalah satu, atau secara matemats dtuls Ragam ortofolo, meruaa rso dar ortofolo adalah roors seurtas e- dalam ortofolo Secara matemats ragam dar suatu ortofolo dtulsa sebaga berut Var( R ) Cov( R, R ) Cov( R, R ) Cov( R, R ) Cov( R, R ) Dega meulsa Cov( R, R ) Var( R ), dega Var( R ) adalah ragam seurtas e- maa Var( R ) Var( R ) Var( R ) Cov( R, R ) Cov( R, R ) Cov( R, R ) ( ) ( ) (, ) Var R Var R Cov R R ; Karea Cov( R, R ) Cov ( R, R ) dega Cov( R, R ) adalah oragam seurtas da utu da maa ( ) ( ) (, ) Var R Var R Cov R R ; Portofolo Marowtz dguaa utu memlh sehgga Var( R ) mmum atau daat dtuls { } m Var( R ) dega edala Model Ides Tuggal [Va Keee, 00] Model des tuggal dguaa utu meyederhaaa eghtuga ada model Marowtz Model ddasara ada

aggaa bahwa harga seurtas berubah searah dega harga des asar Model des tuggal adalah model yag meyataa bahwa mbal hasl seta seurtas memuya hubuga dega mbal hasl ortofolo asar Portofolo asar adalah ortofolo yag terdr atas semua seurtas yag ada d asar da ortofolo asar daat dwal oleh des asar Hubuga mbal hasl dar suatu seurtas dega mbal hasl des asar daat dtulsa sebaga berut R c b Rm ;,,, dega R :mbal hasl seurtas, c : suatu eubah aca yag meuua omoe dar mbal hasl seurtas yag tda bergatug ada asar, b : oefse rso yag meguur R m erubaha R abat dar erubaha R, m : Tgat mbal hasl dar des asar, uga meruaa eubah aca c adalah omoe mbal hasl yag Karea tda bergatug ada mbal hasl asar maa c daat decah mead la yag dharaa ( a ) da esalaha/resdu ( ) yag dtulsa sebaga berut c a ;,,, Sehgga hubuga mbal hasl dar suatu seurtas dega mbal hasl des asar daat dtulsa sebaga berut R a b R ;,,, m dega E( ) 0, area ersamaa tersebut berfugs meduga mbal hasl seurtas suaya la yag dduga medeat la yag sebearya maa dharaa tda ada esalaha atau esalahaya medeat ol Pada model des tuggal, mbal hasl dar seurtasya daat uga dyataa dalam betu la haraa mbal hasl [Bode, et al, 00] Catal Asset Prcg Model (CAPM) Kemamua utu megestmas mbal hasl da rso sebuah seurtas dvdual meruaa hal yag sagat etg da derlua oleh vestor eta heda meaama modalya ada sebuah asar seurtas Catal Asset Prcg Model (CAPM) meruaa suatu model utu memreds esembaga mbal hasl yag dharaa dar suatu aset berso Model membera reds tetag bagamaa hubuga atara rso da mbal hasl yag dharaa Pedeata berladasa ada asumsasums berut: Terdaat baya vestor, merea bertda sebaga rce taers yatu seta tdaa yag merea laua secara eroraga tda memegaruh harga suatu seurtas Seluruh vestor merecaaa utu satu erode vestas yag sama 3 Ivestas dbatas haya ada aset euaga yag derdagaga secara umum seert saham da oblgas 4 Ivestor tda membayar aa atas mbal hasl da uga tda terdaat baya trasas atas erdagaga seurtas 5 Seluruh vestor berusaha megotmala mbal hasl rso yag rasoal 6 Seta vestor memuya haraa yag sama utu seta modal yag dvestasaya [Bode, et al, 00] PEMBAHASAN Pembetua Harga Aset Modal (CAP) Model dar embetua harga aset modal yag basa dsebut Catal Assets Prcg Model (CAPM) membera reds tetag hubuga atara rso da mbal hasl yag dharaa CAPM memreds la haraa mbal hasl berdasara asums bahwa seluruh vestor megguaa daftar ut yag sama, yatu estmas yag sama tetag mbal hasl yag dharaa, ragam da oragam Keta seluruh vestor daat memam da member ama daa ada tgat bebas rso, maa seluruh vestor aa memuya tt ortofolo yag otmal Keta ama dbatas, maa suu buga ama lebh tgg darada suu buga embera ama sehgga ortofolo asar tda lag meruaa ortofolo otmal