PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto

dokumen-dokumen yang mirip
BAB III TEOREMA GLEASON DAN t-desain

BAB 2 LANDASAN TEORI

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS

8. MENGANALISIS HASIL EVALUASI

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB III UKURAN PEMUSATAN DATA

SOLUSI TUGAS I HIMPUNAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN :

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1

S2 MP Oleh ; N. Setyaningsih

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

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

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

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP

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

BAB 5. ANALISIS REGRESI DAN KORELASI

MATEMATIKA INTEGRAL RIEMANN

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

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

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

BAB III PERSAMAAN PANAS DIMENSI SATU

I PENDAHULUAN II LANDASAN TEORI

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

2.2.3 Ukuran Dispersi

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

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

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

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

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

NORM VEKTOR DAN NORM MATRIKS

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB 4 SISTEM DINAMIK ORDE-TINGGI

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

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS. Saniagus Munendra 1) Hery Susanto 2)

INTERPOLASI. FTI-Universitas Yarsi

Bab II Teori Pendukung

UKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI. Rentang Antar Kuartil. Rentang= 3/26/2012

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

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

BAB 2 LANDASAN TEORI

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

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

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

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

UKURAN SIMPANGAN DAN UKURAN VARIASI UKURAN SIMPANGAN. Rentang= 4/1/2013 KANIA EVITA DEWI S.PD., M.SI.

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB III METODE PENELITIAN

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

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

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

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

BAB 2. Tinjauan Teoritis

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

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

47 Soal dengan Pembahasan, 46 Soal Latihan

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

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

BAB III METODOLOGI PENELITIAN

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB III ISI. x 2. 2πσ

INTERVAL KEPERCAYAAN

UKURAN GEJALA PUSAT (UGP)

b) Untuk data berfrekuensi fixi Data (Xi)

BAB III METODE PENELITIAN. Jenis penelitian ini merupakan jenis penelitian kuantitatif, karena data yang

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

BAB 2 LANDASAN TEORI

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

; θ ) dengan parameter θ,

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)

BAB 1 ERROR PERHITUNGAN NUMERIK

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

BAB 1 STATISTIKA RINGKASAN MATERI

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

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

BAB III METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314).

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Menghitung Kinerja Investasi

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

XI. ANALISIS REGRESI KORELASI

Transkripsi:

Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 M-8 PENYELEAIAN PENGOPTIMUMAN PORTOOLIO UY MENGGUNAKAN PENDEKATAN UNGI LAGRANGE ugyarto MIPA Matematka Uverta Ahmad Dahla Yogyakarta Kampu III Jl Prof oepomo Jatura Yogyakarta e-mal:ugyarto@uadacd Abtrak Dalam makalah aka dtuukka bagamaa perumua maalah pegoptmuma portofolo ke dalam betuk maalah metode umerk dapat dbuat elautya dkemukaka uga atu cara peyeleaa yag megguaka metode lagrage bag maalah terebut ebaga gambara ecara rl daka atu cotoh peghtuga bag maalah pemlha portofolo Kata kuc: Portofolo metode lagrage fuzzy PENGENALAN Teor portofolo megadaka bahwa utuk atu tgkat reko vetor lebh meyuka pulaga yag tgg berbadg yag redah erupa uga utuk atu tgkat pegembala yag dharapka vetor lebh meyuka reko redah berbadg yag tgg Maalah pegoptmuma portofolo bertuua utuk meetuka berapa bayakkah uag yag epatutya dperutukka pada etap veta ehgga umlah pegembala yag dharapka lebh bear atau ama dega pegembala fuzz teredah atau umlah vara fuzz kurag darpada atau ama dega vara fuzz terbear Dalam makalah drumuka atu maalah pegoptmuma portofolo fuzz ebaga pedekata program ler kuadratk TATA TANDA Malka A alah hmpua emua blaga fuzz tertutup terbata yatu ka A maka memeuh : φ } : { R Utuk etap ] 0 { } ] [ : R adalah atu elag tertutup terhgga pada R Beberapa artmetk pada blaga fuzz adalah epert yag berkut: A A 0] ddapat bahwa [ ] [ ] [ ] [ ] { } { } [ ] mak mak

ugyarto/peyeleaa Pegoptmuma Portofolo Dkataka bahawa elag keyaka bag yag berdekata dega blaga fuzz egtga alah [ ] 0] [ ] Lemma [] Malka bahwa f R adalah atu fug kotu berla yata baa A Jka ddefka f f maka Utuk ebarag 0] f A f f 0] f mak r r f PERUMUAN MAALAH Pertmbagka dua perumua maalah pegoptmuma portolo yag baa dguaka dega blaga fuzz yag tdak meghalka portofolo efe yatu a Memumka vara fuzz pecapaa tgkat pegembala fuzz tertetu b Makmumka pulaga fuzz pecapaa tgkat vara fuzz Malka portofolo tu mempuya pegembala yag dharapka fuzz vara fuzz E E E E p E / p k k p T σ k E k E X CX p k Dalam model a L adalah pulaga fuzz mum dalam model b M adalah vara fuzz makmum Mmumka vara fuzz pulaga fuzz yag dberka σ E E L dega emua varabel radom tak egatf alah eumlah uag tetap dperutukka kepada veta k adalah pegembala fuzz tervetaka darpada veta dalam maa ke-k dalam k yag lepa k p C [ σ ] adalah atu matrk metr em deft potf bag blaga fuzz M-8

Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 Makmumka pulaga fuzz vara fuzz yag dberka E σ M dega emua varabel radom adalah tak egatf Def [] a ebarag hmpua bag peyeleaa bag yag memeuh kedala dalam debut hmpua b Malka Q alah hmpua emua peyeleaa bag Dkataka peyeleaa optmum bag ka * utuk emua Q Dalam tata tada artmetk fuzz maalah boleh dtul ebaga σ σ [ ] [ E E ] [ E E ] [ L L ] dega emua varabel radom tak egatf 0] Darpada 6 kta memperoleh dua maalah P P * Q adalah atu P 6 σ tertakluk kepada E E L dega emua varabel radom tak egatf 0] σ E E L P 7 P 8 dega emua varabel radom tak egatf 0] Maalah 7 8 dapat deleaka megguaka yarat Kuha-Tucker atau la-la metode M-8

ugyarto/peyeleaa Pegoptmuma Portofolo CONTOH Tga a telah dplh utuk veta 0000 $ Melput tahu pembayara fuzz dvde blaga fuzz tga dalam e etap dolar tervetaka dberka dalam tabel yag berkut Tahu-tahu Iveta a a a a a Iveta a a a a a Iveta a a a a a etap eleme / permaalaha mempuya dua kepetga yatu: Gabuga pegembala tahua yag dharapka darpada veta tad met tdak kurag darpada 800 $ Jumlah 000 $ aka meghalka tgkat peghala 8 % Vara maa depa ecara tahua/ pembayara dvde eharuya ekecl mugk Berapa bayakkah eharuya dvdu berveta dalam etap a utuk mecapa keperlua? ekarag aggaplah matrk pembayara fuzz dvde A : a a A a a a a Peyeleaa : a a a a a a a a a 0 6 7 9 6 9 6 9 k k k k [ 9 ] [ 7] [ 6 8] [ ] [ 8 0] [ ] [ ] [ 7] [ 0 ] [ ] [ 6] [ 8 0] [ 7] [ 8 0] [ ] Jumlah [ 0 0] [ 0 0] [ ] k k [ 8 6 ] [ 6 9 0 ] k [ 0 9] [ 6 6 0 00] k [ 6 6 6 ] [ ] [ 6 6] [ 0 9] [ 0 00 ] [ 8 96] [ 8 6 6] [ 6 0 00 ] [ 0 9] [ 6 6 0 00] [ 6 9] [ 60 9 80 ] Jumlah [ 80 80 00 69] [ 90 6 70 88 ] k k k k k k k M-8

Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 [ 8 77] [ 9 98] [ 80 6 ] [ 0] [ 7 0] [ 8 0 ] [ 6 0 9] [ 0 6] [ 0 9 8 ] [ 6 8 0 8] [ 0 6 80] [ 7 6 0] [ 0 7 70] [ 6 0 ] [ 9 8 0 ] Jumlah [ 70 90 7] [ 7 0 9 80 ] [ 8 7 0 66] eteruya dperoleh 8 0 E [ ] E [ 6 8] [ 9 ] ehgga dapat dhtug σ σ σ Dega demka maalah P mead : E 900 600 900 00 [] [] [] [] [] [] [] [] 0000 0 0000 0 [ 8] [ 8 6] [ 9] 80000 0 0 0 etelah d keluarka dperoleh P P : 900 600 P 0000 0 0000 0 0 8 80000 0 900 00 0 P 0000 0 0000 0 8 6 9 80000 0 0 M-8

ugyarto/peyeleaa Pegoptmuma Portofolo eleaka ebaga P ebaga Lack 6 7 8 9 maka 900 600 0000 0 0000 0 0 8 6 80000 0 7 0 8 0 0 ug Lagrage : 900 600 H λ 0000 λ 0000 λ 0 8 80000 λ 7 λ 8 λ 6 6 7 8 9 λ λ λ λ Meghalka λ λ λ utuk Dega cara yag ama perolehka uga utuk ehgga utuk 0 [ 89808 90978 ] [ 966097809808 ] [ 0 067966 ] * 7 7 0 [ 907890 70770 ] utuk 000 000 0 90 7 6 KEIMPULAN Dalam pegguaa fuzz bag maalah epert dalam makalah pemlha la awal maalah yarat bata dtambah pula dega pegguaa komputer yag dalam hal aka melbatka ralat tgkat ketelta ebaga alteratf peghtuga ela megguaka Teorema Lagrage maka megguaka terval artmatka erta pedekata fuzz aka dperoleh bahwa peghtuga mum makmum dbuat ecara berama ehgga tdak mugk keluar dar rata-rata elag yag dpertmbagka tu Pada daarya aa ketepata adalah 99% DATAR PUTAKA [] DDubo H P 987 The mea value of a fuzzy umber uzzy et ad ytem : 79-00 [] Erqueta Vercher J D B Joe Vceta egura 007 uzzy portfolo optmzato uder dowde rk meaure uzzy et ad ytem 8: 769-78 [] Markowtz H 9 Portfolo electo Joural of ace 7: 77-9 [] Markowtz H M 99 Portfolo electo: Effcet Dverfcato of Ivetmet Blackwell M-86