Hasil Pencarian  ::  Simpan CSV :: Kembali

"Nilai beta merupakan salah satu input atau masukan dalam membuat keputusan berinvestasi. Nilai beta menggambarkan seberapa besarnya perubahan yang akan terjadi pada return saham jika terjadi perubahan pada return pasar. Dengan mengetahui nilai beta maka seorang investor dapat memutuskan saham-saham mana saja yang akan dimasukkan ke dalam portofolionya. Sedangkan nilai alpha menggambarkan return yang akan didapat oleh investor ketika return saham tidak dipengaruhi oleh pasar dan faktorfaktor independen lainnya. Atau nilai alpha merupakan return yang didapat oleh investor ketika kondisi pasar sedang stagnan. Nilai alpha dan beta diasumsikan memiliki nilai yang sama padahal mungkin saja nilainya dapat berubah-ubah terutama dalam kondisi pasar bullish dan bearish. Skripsi ini mencoba mencari tahu apakah nilai alpha dan beta memiliki nilai yang berbeda pada kedua kondisi pasar tersebut. Jika memang berbeda, apakah nilai saat bullish akan lebih besar daripada nilai saat bearish atau sebaliknya. Data-data yang digunakan dalam skripsi ini yaitu IHSG, IHSI, dan kurs Rupiah terhadap US$ selama periode penelitian yaitu 18 Juli 1994 — 31 Juli 2002. Saham-saham yang dipilih merupakan saham-saham yang bertahan atau sering masuk ke dalam indeks LQ 45 selama periode penelitian. Saham-saham tersebut yaitu ASII, GGRM, GJTL, HMSP, INDF, INDR, ISAT, RED, MPPA, dan SMGR. Periode penelitian dibagi menjadi tiga periode yaitu 18 Juli 1994 — 31 Juli 1997, 1 Agustus 1997 — 30 Juli 1999, dan 2 Agustus 1999 — 31 Juli 2002. Data-data yang telah diperoleh kemudian diolah menggunakan program EViews 3.0. Model persamaan yang digunakan yaitu model multi indeks yang telah ditambahkan variabel dummy untuk membedakan kondisi pasar bullish dan bearish. Kemudian data diolah menggunakan pemodelan ARIMA dan ARCH-GARCH melalui trial & error sehingga didapatkan model yang optimal. Dari hasil pemodelan didapatkan bahwa nilai alpha sebagian besar tidak memiliki nilai yang signifikan dan jika signiifikan nilainya mendekati nol. Sedangkan beta memiliki nilai yang berbeda untuk kedua kondisi pasar. Dari 29 pemodelan yang dibuat hanya 5 model yang menunjukkan nilai beta yang relatif stabil. 14 model memiliki nilai beta bearish yang Iebih besar daripada nilai beta bullish dan 10 model lainnya memiliki nilai beta bearish yang lebih kecil daripada nilai beta bullish."

"Suatu graf berarah adalah pasangan himpunan tak kosong V dan himpunan busur berarah A. Busur berarah a ∈ A dapat direpresentasikan sebagai pasangan terurut dengan dimana dengan adanya arah maka tidak sama dengan . Line digraph dari , adalah graf berarah dengan himpunan simpul sedemikian sehingga terdapat busur jika dan hanya jika kepala dari adalah ekor dari . Graf dumbbell berarah adalah graf berarah yang terdiri dari dua graf lingkaran berarah yang dihubungkan oleh graf lintasan berarah. Suatu graf berarah dikatakan mempunyai pelabelan- apabila tiap simpulnya dapat dilabel dengan dengan dan memenuhi sifat yaitu tiap simpulnya memiliki label yang berbeda dan untuk setiap busur berarah, jika dan hanya jika untuk dengan dan . Pelabelan quasi- memiliki definisi yang hamper sama, perbedaannya jika busur berarah maka untuk dengan dan . Pada skripsi ini diberikan konstruksi pelabelan- pada line digraph dari graf dumbbell berarah. Ditunjukkan juga bahwa graf dumbbell berarah merupakan graf DNA jika , dimana adalah banyak simpul.

---

A directed graph (digraph) is a pair of non empty vertex set and an arc . An arc can be represented as an ordered pair with where the existence of direct makes is not the same as . Line digraph of , is a digraph that has vertex set and there is an arc if only if the head of is the tail of . Digraph dumbbell is digraph consist of two dicycle which connected by adipath. A directed graph can be - labeled if every vertex assigned a label with and , all vertices have different labels, amd for any arc if and only if for with and . A quasi- labeling almost have the same definition with - labeling, except for the arc, if then for with and . In this skripsi gives the construction of -labeling on the line digraph of didumbbell. It ais also shown that didumbbell is DNA graph if , where n is the number of vertices."

"ABSTRAKRadioaktivitas adalah besaran yang menyatakan kekuatan sumber radioaktif, yaitu banyaknya/jumlah inti radioaktif yang mengalami proses peluruhan per satuan waktu. Peluruhan radioaktif biasanya disertai dengan pancaran radiasi dalam bentuk partikel bermuatan dan sinar gamma. Berdasarkan ada tidaknya ionisasi radiasi terbagi dua, yaitu radiasi non pengion (sinar ultra violet, sinar infra merah) dan radiasi pengion (partikel alpha, sinar gamma, partikel beta).Banyaknya kegiatan yang menggunakan bahan yang mengandung zat radioaktif dapat membahayakan manusia dan lingkungan, sehingga dilakukan pemantauan selanjutnya diambil tindakan penyelesaian. Penentuan tingkat radioaktivitas dilakukan dengan menggunakan LBC (alat pencacah latar rendah). Rumput dan tanah dapat berfungsi sebagai media, karena bahan yang mengandung zat radioaktif dapat terakumulasi di dalamnya.Hasil pengukuran menunjukkan bahwa dalam sampel rumput dan tanah mengandung tingkat radioaktivitas alpha dan beta yang tinggi. Tingkat radioaktivitas alpha dalam rumput masing-masing: 88,76 Bq/kg, 232,91 Bq/kg, 377,23 Bq/kg dan 756,76 Bq/kg, sedangkan dalam sampel tanah masing-masing: 133,97 Bq/kg, 1641,96 Bq/kg, 5447,25 Bq/kg dan 1391,73 Bq/kg.Tingkat radioaktivitas beta dalam rumput masing-masing: 622,12 Bq/kg, 728,86 Bq/kg, 2583,49 Bq/kg dan 1363,58 Bq/kg, sedangkan dalam sampel tanah masing-masing: 293,82 Bq/kg, 7044,27 Bq/kg, 431,89 Bq/kg dan 682,21 Bq/kg."

"Graf berarah adalah pasangan himpunan (V, A) dimana V himpunan tak kosong yang elemennya disebut simpul dan A himpunan pasangan terurut dari elemen-elemen himpunan V yang disebut busur berarah. Suatu graf berarah D = (V, A) dikatakan mempunyai pelabelan-(α,k)Graf berarah adalah pasangan himpunan (V, A) dimana V himpunan tak kosong yang elemennya disebut simpul dan A himpunan pasangan terurut dari elemen-elemen himpunan V yang disebut busur berarah. Suatu graf berarah D = (V, A) dikatakan mempunyai pelabelan-(α,k) apabila tiap simpulnya dapat dilabel dengan (l1(x), l2(x), … , lk(x)) dengan li(x) ϵ {1, ... ,α} dan memenuhi sifat yaitu tiap simpulnya memiliki label yang berbeda dan untuk setiap busur berarah, (u, v)∈ A jika dan hanya jika li(u) = li-1(v) untuk i = 2, 3, … , k dengan α >0 dan k > 1. Pelabelan quasi-(α,k) memiliki definisi yang hampir sama, perbedaannya jika busur berarah, (u, v) ∈ A maka li(u) = li-1(v) untuk i = 2, 3, … , k dengan α >0 dan k > 1. Pada skripsi ini ditunjukkan bahwa graf lingkaran berarah dengan dua tali busur dapat dilabel dengan pelabelan quasi-(α,k) dengan α <= 4, line digraph dari graf lingkaran berarah dengan dua tali busur dapat dilabel dengan pelabelan-(α,k) dengan α <= 4 sehingga line digraph dari graf lingkaran berarah dengan dua tali busur merupakan graf DNA.

---

Directed graph is a pair sets (V, A) consists of a non-empty finite set V which its elements called vertices and A is a finite set of ordered pair of elements in V called arcs. A directed graph can be (α,k)-labeled if every vertex assigned a label with (l1(x), l2(x), … , lk(x)) and li(x) ϵ {1, ... ,α}, all vertices have different labels, and for any arc (u, v) ∈ A if and only if li(u) = li-1(v) for i = 2, 3, … , k with α >0 and k > 1. A quasi-(α,k) labeling almost have the same definition with (α,k)-labeling, except for the arc, if (u, v) ∈ A then li(u) = li-1(v) for i = 2, 3, … , k with α >0 and k > 1. In this skripsi, it is shown that a dicycle with two chords can be quasi-(α,k) labeled, line digraph of a dicycle with two chords can be (α,k)- labeled so that the line digraph of dicycle with two chords is a DNA graph."

"Distribusi Weibull merupakan distribusi yang sering digunakan dalam menganalisis data mengenai lama waktu suatu objek mampu bertahan hingga pada akhirnnya objek tersebut tidak berfungsi lagi. Akan tetapi distribusi Weibull tidak memberikan kecocokan yang bersesuaian dalam beberapa aplikasi data tersebut. Hal ini terjadi, khususnya, pada saat data memiliki fungsi hazard yang berbentuk bathtub. Sehingga dibutuhkan modifikasi pada distribusi Weibull. Suatu distribusi baru, yang disebut dengan Distribusi Alpha Power Weibull (APW), merupakan distribusi yang dibangun dari distribusi Weibull yang ditransfomasi oleh metode transformasi Alpha Power. Keutamaan dalam membangun distribusi ini bertujuan untuk dapat memodelkan data dengan dengan pdf yang menceng kiri dan menceng kanan, serta fungsi hazard yang monoton dan non-monoton. Transformasi Alpha Power merupakan metode baru dalam menambahkan parameter pada distribusi yang sudah ada, dan hasil transformasinya memberikan fleksibilitas yang lebih baik dibandingkan distribusi sebelumnya. Pada skripsi ini, akan dibahas proses pembentukan distribusi APW. Karakteristik-karakteristik yang dibahas meliputi fungsi kepadatan probabilitas, fungsi disribusi, fungsi survival, fungsi hazard, ekspektasi, variansi, moment generating function (mgf), momen ke-r, momen sentral, koefisien skewness dan koefisien kurtosis. Metode penaksiran maksimum likelihood digunakan untuk mengestimasi parameter dari distribusi APW.

---

Weibull distribution is a very popular distribution for analyzing data sets about length of object is able to survive until the object is not function. But for some of its applications, Weibull distribution does not provide an acceptable fit, especially, when the hazard rates are bathtub shape. Therefore, Weibull distribution needs modification. A new lifetime distribution called Alpha Power Weibull (APW) distribution is constructed from Weibull distribution that transformed by Alpha Power transformation (APT) method. 

The importance of constructing this new distribution comes from the ability to model flexible probability density function, also monotone and non-monotone hazard rate function. APT is a new method for adding parameter to a well-established distribution, and obtain more flexible new distribution compared to the old distribution.

In this study, how to construct APW distribution with APT method is discussed. Furthermore, the important characteristics such as probability density function (pdf), cumulative distribution function (cdf), survival function, hazard function, mean, variance, moment generating function (mgf), r-th moment, central moment, skewness coefficient and kurtosis coefficient are also discussed. The maximum likelihood estimation method is used to estimate the parameters of APW distribution."

"Satu parameter distribusi Lindley (𝜃) telah banyak digunakan di berbagai bidang seperti Biologi, teknik, medis, dan industri. Distribusi Lindley mampu memodelkan data dengan tingkat bahaya monoton yang meningkat. Namun, dalam kehidupan nyata, ada situasi di mana tingkat bahaya bukan monoton. Oleh karena itu, untuk meningkatkan kemampuan distribusi Lindley untuk pemodelan data, suatu modifikasi dapat digunakan dengan menggunakan metode transformasi Alpha Power. Hasil dari modifikasi distribusi Lindley biasa disebut distribusi Alpha Power Transformed Lindley (APTL) yang memiliki dua parameter (𝛼, 𝜃). Distribusi APTL baru ini sesuai dalam memodelkan data dengan bentuk pdf menurun atau unimodal dan meningkatkan, mengurangi, dan bak terbalik berbentuk tingkat bahaya. Berbagai sifat dari distribusi yang diusulkan dibahas termasuk kepadatan probabilitas fungsi, fungsi distribusi kumulatif, fungsi survival, fungsi tingkat bahaya, fungsi momen, dan momen r.Parameter model diperoleh dengan menggunakan metode kemungkinan maksimum. Data waktu tunggu digunakan "sebagai ilustrasi untuk menggambarkan kegunaan distribusi APTL"Satu parameter distribusi Lindley (𝜃) telah banyak digunakan di berbagai bidang seperti Biologi, teknik, medis, dan industri. Distribusi Lindley mampu memodelkan data dengan tingkat bahaya monoton yang meningkat. Namun, dalam kehidupan nyata, ada situasi di mana tingkat bahaya bukan monoton. Oleh karena itu, untuk meningkatkan kemampuan distribusi Lindley untuk pemodelan data, suatu modifikasi dapat digunakan dengan menggunakan metode transformasi Alpha Power. Hasil dari modifikasi distribusi Lindley biasa disebut distribusi Alpha Power Transformed Lindley (APTL) yang memiliki dua parameter (𝛼, 𝜃). Distribusi APTL baru ini sesuai dalam memodelkan data dengan bentuk pdf menurun atau unimodal dan meningkatkan, mengurangi, dan bak terbalik berbentuk tingkat bahaya. Berbagai sifat dari distribusi yang diusulkan dibahas termasuk kepadatan probabilitas fungsi, fungsi distribusi kumulatif, fungsi survival, fungsi tingkat bahaya, fungsi momen, dan momen r.Parameter model diperoleh dengan menggunakan metode kemungkinan maksimum. Data waktu tunggu digunakan " sebagai ilustrasi untuk menggambarkan kegunaan distribusi APTL. Satu parameter distribusi Lindley (𝜃) telah banyak digunakan di berbagai bidang seperti Biologi, teknik, medis, dan industri. Distribusi Lindley mampu memodelkan data dengan tingkat bahaya monoton yang meningkat. Namun, dalam kehidupan nyata, ada situasi di mana tingkat bahaya bukan monoton. Oleh karena itu, untuk meningkatkan kemampuan distribusi Lindley untuk pemodelan data, suatu modifikasi dapat digunakan dengan menggunakan metode transformasi Alpha Power. Hasil dari modifikasi distribusi Lindley biasa disebut distribusi Alpha Power Transformed Lindley (APTL) yang memiliki dua parameter (𝛼, 𝜃). Distribusi APTL baru ini sesuai dalam memodelkan data dengan bentuk pdf menurun atau unimodal dan meningkatkan, mengurangi, dan bak terbalik berbentuk tingkat bahaya. Berbagai sifat dari distribusi yang diusulkan dibahas termasuk kepadatan probabilitas fungsi, fungsi distribusi kumulatif, fungsi survival, fungsi tingkat bahaya, fungsi momen, dan momen r.Parameter model diperoleh dengan menggunakan metode kemungkinan maksimum. Data waktu tunggu digunakan sebagai ilustrasi untuk menggambarkan kegunaan distribusi APTL.

---

One Lindley distribution parameter (𝜃) has been widely used in fields such as Biology, engineering, medical, and industry. The Lindley distribution is able to model data with an increased level of monotonous danger. However, in real life, there are situations where the level of danger Therefore, to improve Lindleys distribution capabilities for data modeling, a modification can be used using the Alpha Power transformation method. The results of the Lindley distribution modification are commonly called the Alpha Power Transformed Lindley distribution (APTL) which has two parameters (𝛼 , 𝜃) This new APTL distribution is suitable for modeling pdf data in a declining or unimodal form and increasing, reducing, and inverted body in the form of hazard level.The various properties of the proposed distribution are discussed including probability density functions, cumulative distribution functions, survival functions, functions danger level, moment function, and moment r. Parameter model is obtained uh using the maximum likelihood method. Wait time data is used as an illustration to illustrate the usefulness of the APTL distribution. One Lindley distribution parameter (𝜃) has been widely used in fields such as Biology, engineering, medical, and industry. Distribution Lindley is capable modeling data with an increased level of monotonous danger. However, in real life, there are situations where the level of danger is not monotonous. Therefore, to improve Lindleys distribution capabilities for data modeling, a modification can be used using the Alpha Power transformation method. The result of the modification of the Lindley distribution is called the Alpha Power Transformed Lindley (APTL) distribution which has two parameters (𝛼, 𝜃). This new APTL distribution is suitable in modeling data in pdf format in a declining or unimodal form and increasing, reducing, and inverted like a hazard level. Various properties of the proposed distribution are discussed including the probability density function, cumulative distribution function, survival function, hazard level function, moment function, and moment r. Parameter models are obtained using the maximum likelihood method. The waiting time data is used as an illustration to illustrate the usefulness of the APTL distribution. One Lindley distribution parameter (𝜃) has been widely used in fields such as Biology, engineering, medical, and industry. The Lindley distribution is able to model data with an increased level of monotonous danger. However, in real life, there are situations where the level of danger is not monotonous. Therefore, to improve Lindleys distribution capabilities for data modeling, a modification can be used using the Alpha Power transformation method. The result of the modification of the Lindley distribution is called the Alpha Power Transformed Lindley (APTL) distribution which has two parameters (𝛼, 𝜃). This new APTL distribution is suitable in modeling data in pdf format in a declining or unimodal form and increasing, reducing, and inverted like a hazard level. Various properties of the proposed distribution are discussed including the probability density function, cumulative distribution function, survival function, hazard level function, moment function, and moment r. Parameter models are obtained using the maximum likelihood method. Wait time data is used as an illustration to illustrate the usefulness of the APTL distribution. "