Professional Documents
Culture Documents
php/mtk/index
E-Jurnal Matematika
OPEN JOURNAL SYSTEMS
Flag
Counter
N O T I FI CAT I O N S
View
Subscribe / Unsubscribe
JO U RN A L CO N T EN T
Se a rch
All
Search
B ro ws e
By Issue
By Author
By Title
Other Journals
1 of 5 2/2/2016 2:13 PM
FO N T SI Z E
I N FO RMAT I O N
For Readers
For Authors
For Librarians
KE Y W O RDS
Outlier Overdispersion
Poisson Regression
Portmanteau test Value at Risk
TEAM CONTACT
E-Jurnal Matematika
E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk/index
E-Jurnal Matematika is one of the electronic journal at Udayana University, as a medium of communication among
enthusiasts in the field of mathematics and its application, such as statistics, financial mathematics, teaching mathematics
and other sciences in the field of applied mathematics. This journal was born as one of the real role of the Department of
Mathematics UNUD to support the acceleration of the achievement of quality targets UNUD, besides this journal issue is
driven by the Director General of Higher Education circular on requirements for the publication of scientific papers in the
journal Science Degree program. E-journal Mathematics also received the results of research that is not directly related to
the students' final assignment involves research or articles that are scholarly study.
3 of 5 2/2/2016 2:13 PM
E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk/index
Vol 5, No 1 (2016)
Table of Contents
Articles
PERBANDINGAN KEEF ISIENAN MET ODE NEWT ON- RAPHSON, MET ODE SECANT, DAN MET ODE BISECT ION PDF
IDA AYU EGA RAHAYUNI, KOMANG DHARMAWAN, LUH PUTU IDA HARINI 1-6
ANALISIS P RIORITAS SOLUSI KEMACETAN LALU LINTAS DI KOTA DENPASAR DENGAN MENGGUNAKAN PDF
SUKARSA
PENENT UAN MODEL PREMI T IDAK KONSTAN PADA ASURANSI DANA P ENSIUN PDF
PENERAPAN BOOT ST RAP DALAM MET ODE MINIMUM COVARIANCE DET ERMINANT (MCD) DAN LEAST PDF
NI PUTU IIN VINNY DAYANTI, NI LUH PUTU SUCIPTAWATI, MADE SUSILAWATI 22-26
PENENT UAN HARGA OPSI DAN NILAI HEDGE MENGGUNAKAN PERSAMAAN NON- LINEAR BLACK- SCHOLES PDF
4 of 5 2/2/2016 2:13 PM
E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk/index
NI LUH PUTU RATNA DEWI, I NYOMAN WIDANA, DESAK PUTU EKA 32-37
NILAKUSMAWATI
This work is licensed under a Crea tive Commons At t ribution 4.0 Int ernat ional Lic ense . ISSN: 2303-1751
5 of 5 2/2/2016 2:13 PM
Editorial Team http://ojs.unud.ac.id/index.php/mtk/about/editorialTeam
E-Jurnal Matematika
OPEN JOURNAL SYSTEMS
Flag
Counter
N O T I FI CAT I O N S
View
Subscribe / Unsubscribe
JO U RN A L CO N T EN T
Se a rch
All
Search
B ro ws e
By Issue
By Author
By Title
Other Journals
1 of 3 2/2/2016 2:14 PM
FO N T SI Z E
I N FO RMAT I O N
For Readers
For Authors
For Librarians
KE Y W O RDS
Outlier Overdispersion
Poisson Regression
Portmanteau test Value at Risk
TEAM CONTACT
Editorial Team
Editorial Team http://ojs.unud.ac.id/index.php/mtk/about/editorialTeam
Chief-in-Editor
Desak Put u Eka Nilakusumawa ti, Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Indonesia
Associate Editor
I Made Eka Dw ipayana , Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia
Editorial Board
Dr. T jokorda Ba gus Oka , Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia
Dr. Komang Dharmawan , Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia
Ir. I Komang Gde Sukarsa , Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia
Ir. I Put u Eka Nila Kenc a na , Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia
I Gust i Ayu Made Srinadi, Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia
This work is licensed under a Crea tive Commons At t ribution 4.0 Int ernat ional Lic ense . ISSN: 2303-1751
3 of 3 2/2/2016 2:14 PM
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 1-6 ISSN: 2303-1751
Ida Ayu Ega Rahayuni§1, Komang Dharmawan2, Luh Putu Ida Harini3
1
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: egaidaayu@gmail.com]
2
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: dharmawan.komang@gmail.com]
3
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: ballidah@gmail.com]
§
Corresponding Author
ABSTRACT
Black-Scholes model suggests that volatility is constant or fixed during the life time of the option
certainly known. However, this does not fit with what happen in the real market. Therefore, the
volatility has to be estimated. Implied Volatility is the etimated volatility from a market mechanism
that is considered as a reasonable way to assess the volatility's value. This study was aimed to
compare the Newton-Raphson, Secant, and Bisection method, in estimating the stock volatility
value of PT Telkom Indonesia Tbk (TLK). It found that the three methods have the same Implied
Volatilities, where Newton-Raphson method gained roots more rapidly than the two others, and it has
the smallest relative error greater than Secant and Bisection methods.
1
Rahayuni, I.A.E., Dharmawan, K., Harini, L.P.I Perbandingan Keefisienan Metode Newton-Raphson,
Metode Secant, dan Metode Bisection…
dimana strike price ( ) dan masa jatuh tempo Metode Bagi Dua (Bisection) dimulai dengan
opsi ( ) sama dengan dan saham induk. sebuah interval [ , ], dimana ( ) dan
Dalam hal ini, menyatakan harga opsi ( ) berbeda tanda (Mathews [4]). Secara
teoritis dari formula Black-Scholes yang sistematis metode Bisection adalah metode
didefinisikan oleh: pencarian akar dengan mengurangi separuh
( ) interval pertama untuk memilih titik
( ) ( ) ( )
dengan ( )
( ) ( )( ) dan kemudian menganalisa kemungkinan yang
( ) akan timbul:
√
(i) Jika ( ) dan ( ) berbeda tanda,
√ ( ) akar terletak di [ ]
dengan ( ) adalah fungsi distribusi normal (ii) Jika ( ) dan ( ) berbeda tanda, akar
kumulatif standar. terletak di [ ]
Nilai volatilitas selalu positif karena (iii) Jika ( ) , diperoleh bahwa akar
adalah konstan dan monoton naik pada pada
[ ) (Dharmawan & Widana [2]). Jika salah satu dari kasus (i) atau kasus (ii)
Pada penelitian ini, solusi dari volatilitas terjadi, diperoleh interval yang merupakan
akan diselesaikan menggunakan metode setengah bagian dari interval pertama yang
Newton-Raphson, metode Secant dan metode mengurung akar dan mengurangi separuh
Bagi Dua (Bisection). Penurunan rumus metode interval tersebut dengan proses yang sama.
Newton Raphson dapat dilakukan secara Pada proses selanjutnya, separuh interval baru
geometris dan dengan bantuan deret Taylor. tersebut dinamai [ , ] dan proses diulang
Jika adalah hampiran saat ini, maka sampai | | . Jika kasus (iii) terjadi, maka
hampiran selanjutnya adalah yang dapat akar adalah .
ditulis sebagai berikut. Selanjutnya membandingkan perhitungan
( ) antara metode Newton-Raphson, metode
( ) ( )
( ) Secant, dan metode Bisection dalam
sampai | | , dengan mengestimasi nilai volatilitas saham.
| | | | ( ) 2. METODE PENELITIAN
A. Jenis dan Sumber Data
dan .
Jenis data yang digunakan pada penelitian
Metode Secant merupakan modifikasi dari
ini adalah data sekunder yang berupa data
metode Newton-Raphson, yaitu dengan
numerik. Adapun data yang digunakan terdiri
mengganti fungsi turunan yang digunakan pada
dari strike price, dan harga saham sekarang (15
metode Newton-Raphson menjadi bentuk lain
Mei 2015) dari saham PT Telekomunikasi
yang ekuivalen. Metode ini dimulai dengan
Indonesia Tbk (TLK) dengan masa jatuh tempo
hampiran awal dan untuk solusi .
opsi selama tiga bulan yang diperoleh dari
Selanjutnya dihitung sebagai hampiran
http://finance.yahoo.com, data harga observasi
baru untuk , yaitu
call option diperoleh dari http://optiondata.net.
( )( )
( )
( ) ( )
sampai | | .
2
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 1-6 ISSN: 2303-1751
3
Rahayuni, I.A.E., Dharmawan, K., Harini, L.P.I Perbandingan Keefisienan Metode Newton-Raphson,
Metode Secant, dan Metode Bisection…
4
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 1-6 ISSN: 2303-1751
Tabel 4 Perbandingan Nilai Volatilitas, Error Relatif dan Kecepatan Iterasi dari Metode Newton-
Raphson, Metode Secant dan Metode Bisection
Metode
Newton-Raphson Secant Bisection
Implied Volatility ( ) 6,8254% 6,8254% 6,8254%
Berhenti pada Iterasi ke- 3 4 16
Error Relatif | | 4,084282e-006 1,393661e-006 8,942384e-006
5
Rahayuni, I.A.E., Dharmawan, K., Harini, L.P.I Perbandingan Keefisienan Metode Newton-Raphson,
Metode Secant, dan Metode Bisection…
Berdasarkan hasil dan pembahasan yang [3] Lee, Roger. W., 2002. Implied Volatility:
Statics, Dynamics, and Probabilitic
telah diuraikan pada bab sebelumnya, estimasi
Interpretation. Recant Advances in Applied
Implied Volatility saham menggunakan metode Probability 2005, pp. 241-268.
Newton-Raphson, metode Secant dan metode
[4] Mathews, John H., 1992. Numerical
Bisection dengan hampiran awal 0,06 dan
Methods. For Mathematics, Science, and
hampiran kedua 0,1 untuk metode Secant dan Engineering. Second edition. USA:
metode Bisection memiliki perolehan nilai Prentice-Hall International, Inc.
Implied Volatility yang sama, yaitu 6,8254%
[5] Waluya, St. Budi., 2006. Buku Ajar
yang nilainya lebih tinggi dari Implied Persamaan Diferensial, 21-23.
Volatility di pasar modal, yaitu 6,25%. Implied
Volatility yang tinggi akan mengakibatkan
harga opsi menjadi mahal. Metode Newton-
Raphson lebih cepat konvergen, yaitu pada
iterasi ke-3 dan menghasilkan nilai error relatif
yang lebih kecil dari pada metode Secant dan
metode Bisection. Dengan demikian dapat
disimpulkan bahwa metode Newton-Raphson
adalah metode terbaik dalam menaksir Implied
Volatility saham, karena metode ini konvergen
paling cepat dan paling akurat dibandingkan
metode Secant dan metode Bisection..
B. Saran
Metode Newton-Raphson, Secant dan
Bisection tidak dapat memberikan keputusan di
dalam pasar modal, metode ini hanya dapat
menaksir nilai Implied Volatility, yang dapat
digunakan sebagai gambaran/acuan dalam
melakukan suatu keputusan. Implied Volatility
juga dapat ditaksir menggunakan metode
GARCH (conditional volatility), Monte Carlo
dengan simulasi, dan Model Heston dengan
stokastik volatilitas.
6
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 7-13 ISSN: 2303-1751
1
Jurusan Matematika Fakultas MIPA- Universitas Udayana [email: ning.ismiranti@gmail.com]
2
Jurusan Matematika Fakultas MIPA- Universitas Udayana [email: i.putu.enk@gmail.com]
3
Jurusan Matematika Fakultas MIPA- Universitas Udayana [email: sukarsakomang@yahoo.com]
§
Corresponding Author
ABSTRACT
The aim of this research is to find the alternative solutions that could be used to handle the traffic
congestions in the Denpasar City and the priorities of each alternative. The main problem of this
research is determining the appropriateness of alternatives and its criterias that could be used to set
the priorities of the alternatives. Based on the interview with the transport experts of Denpasar City,
there are three main factors that affect the traffic congestion i.e (1) the ratio of the volume of vehicles
on the road capacity, (2) the existing traffic management, and the traffic regulation . The interviewee
also suggest that there are six alternatives that can be used to handle traffic congestion. These
alternatives are (1)improve the public transport system, (2) use technology to monitor and enforce the
rules,(3) create a 3 in 1 rule, (4) create road pricing rule,(5) optimize the existing management in
the road, and (6) create rule of road zoning. Based on the calculations by Analytic Network Process
(ANP) method, improving the public transport system is the best alternative among others that is
appropriate to handle traffic congestion in the Denpasar City.
8
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 7-13 ISSN: 2303-1751
dalam perbandingan merupakan nilai yang langkah selanjutnya adalah membuat suatu
terdapat pada Tabel 1 dan pengisiannya supermatriks. Supermatriks berisikan vektor-
dilakukan dengan prinsip resiprokal. Maksud vektor prioritas dari setiap perbandingan.
dari resiprokal adalah jika diketahui nilai dari Misalkan suatu sistem memiliki N komponen
aij maka secara otomatis nilai dari a ji akan yaitu C1 , C2 , , C N dan setiap komponen
sama dengan kebalikan dari aij . memiliki beberapa elemen. Komponen-
Setelah membentuk suatu matriks komponen tersebut dihubungkan satu sama lain
perbandingan A , selanjutnya akan dilakukan hingga terbentuk suatu model jaringan dari
sistem yang diinginkan. Dari model tersebut
suatu proses pencarian eigen vector. Eigen
akan dibentuk matriks-matriks perbandingan
vector diperoleh dari persamaan (Saaty &
berpasangan yang masing-masing akan
Vargas [3]):
menghasilkan vektor prioritas. Nilai vektor
A.w max .w (2) prioritas dari setiap perbandingan dimasukkan
dengan pada kolom blok supermatriks yang
w : eigen vector bersesuaian. Blok-blok supermatriks tersebut
max : eigen value terbesar akan disusun menjadi satu supermatriks seperti
A : matriks perbandingan berpasangan supermatriks berikut:
Eigen vector yang diperoleh dari proses ini W11 W12 W1N
akan menjadi vektor prioritas dari elemen- W W22 W2 N
elemen yang dibandingkan dalam matriks A . W 21
Konsistensi dari setiap perbandingan
berpasangan harus diuji, berikut adalah W N 1 W N 2 WNN
persamaan untuk menguji konsistensi dari
matriks perbandingan berpasangan (Saaty & Keterangan:
Vargas [3]). . W : supermatriks yang terbentuk
CI Wij : matriks yang berisi bobot prioritas
CR (3) elemen-elemen dalam komponen ke i
RI
Keterangan: terhadap elemen-elemen dalam
CR : rasio konsistensi komponen ke j .
CI : index konsistensi Submatriks Wij yang terdapat dalam
RI : random consistency index supermatriks disebut blok supermatriks.
Index konsistensi diperoleh dengan rumus Wij merupakan sebuah matriks berukuran
(Saaty & Vargas [3]): ni n j seperti yang ditampilkan pada matriks
berikut:
(max n)
CI (4)
n 1 w ( j1 ) wi(1j2 ) wi1
( jn j )
Setiap perhitungan yang dilakukan pada 8. Ulangi langkah 5, 6, dan 7 pada semua
penelitian ini akan dilakukan dengan bantuan kriteria
software super decision. Perangkat lunak super 9. Buat unweighted supermatrix
decision merupakan perangkat lunak yang 10. Buat weighted supermatrix
digunakan untuk membantu pengambilan 11. Buat limmiting supermatrix.
keputusan yang mengimplementasikan metode 12. Ambil nilai dari alternatif yang
ANP. dibandingkan untuk mengetahui hasil akhir
perhitungan.
2. METODE PENELITIAN
Data yang digunakan dalam penelitian ini 3. HASIL DAN PEMBAHASAN
adalah data primer yang diperoleh melalui Tahap awal dari penelitian ini adalah
proses wawancara yang dilakukan terhadap pengambilan data yang menggunakan metode
para narasumber. Adapun narasumber yang wawancara. Wawancara dilakukan untuk
menjadi acuan dalam penelitian ini adalah memperoleh faktor-faktor penyebab kemacetan
anggota satuan lalu lintas, dinas perhubungan lalu lintas serta solusinya.Wawancara ini
serta para pengamat transportasi yang terdapat dilakukan terhadap para narasumber yang
di Kota Denpasar. merupakan para pengamat transportasi yang
Langkah-langkah penelitian yang dilakukan juga merupakan anggota Masyarakat
pada penelitian ini adalah sebagai berikut Transportasi Indonesia (MTI) yang berada di
(Santoso, et al [4]): Kota Denpasar. Setelah melakukan wawancara
1. Tentukan narasumber yang akan terhadap para pengamat transportasi maka
diwawancarai. diperoleh faktor-faktor penyebab kemacetan
2. Melakukan wawancara terhadap serta alternatif solusi yang bisa digunakan untuk
narasumber untuk memperoleh kriteria dan menanganinya. Faktor-faktor serta alternatif
alternatif solusi yang sesuai untuk solusi ini kemudian disusun menjadi suatu
menangani kemacetan yang terjadi di Kota jaringan ANP seperti Gambar 2.
Denpasar.
3. Membentuk model jaringan beradasarkan
hasil wawancara yang di peroleh pada poin
ke-2 serta menyusun angket beradasarkan
model jaringan yang terbentuk.
4. Melakukan wawancara terhadap
narasumber untuk mengetahui bobot dari
masing-masing kriteria dan alternatif.
Wawancara ini merupakan wawancara
terstruktur dengan menggunakan angket
yang telah dibuat.
5. Membuat matriks perbandingan
berpasangan yang menggambarkan Gambar 2. Jaringan ANP yang terbentuk
pengaruh setiap elemen terhadap kriteria.
6. Setelah semua bobot perbandingan Hubungan inner dependence dan outer
terkumpul, masukkan nilai-nilai dependence pada jaringan yang terdapat dalam
kebalikannya serta nilai di diagonal utama Gambar 2 akan di ilustrasikan dalam matriks
kedalam matriks perbandingan pada Gambar 3.
berpasangan, cari prioritas masing-masing
kriteria dan uji konsistensinya.
7. Cari vektor prioritas dari matriks yang
dibuat pada langkah ke-6.
10
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 7-13 ISSN: 2303-1751
A1 A2 A3 A4 A5 A6 MJ MP JKP JKU JP D PP
A1 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.206 0.477 0.000 0.047 0.050
A2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.073 0.047 0.000 0.308 0.355
A3 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.065 0.093 0.000 0.103 0.091
A4 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.166 0.122 0.000 0.224 0.201
A5 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.223 0.111 0.000 0.119 0.155
A6 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.267 0.150 0.000 0.199 0.150
MJ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.500 0.000 0.000 0.000 0.000
MP 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.500 0.000 0.000 0.000 0.000
JKP 0.333 0.833 0.833 0.833 0.833 0.750 0.800 0.800 0.000 0.000 0.000 0.500 0.800
JKU 0.667 0.167 0.167 0.167 0.167 0.250 0.200 0.200 0.250 0.000 0.000 0.500 0.200
JP 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.750 0.000 0.000 0.000 0.000
D 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.750 0.000 0.000 0.000 0.000
PP 0.500 0.50000
0.500
0.50000
0.5000.50000
0.500 0.500
0.50000
0.500
0.50000
0.500 0.250
0.50000
0.000
0.50000
0.0000.25000
1.000 0.000
0.00000 0.00000 1.00
Gambar 4. Unwiehted Supermatrix
Tabel ini menunjukan prioritas tiap alternatif 0,308 dan 0,355. Gambar 4 ini hanya berisikan
terhadap masing masing faktor. Dari tabel bobot perbandingan antar elemen, belum
pada Gambar 4 diperoleh bahwa berdasarkan mencangkup perbandingan antar cluster
faktor JKP alternatif 6 mendapat bobot (komponen). Oleh karena itu nilai-nilai yang
prioritas tertinggi yaitu 0,267, berdasarkan terdapat pada Gambar 4 harus dikalikan
faktor JKU alternatif 1 mendapat bobot dengan nilai-nilai pada perbandingan cluster
prioritas tertinggi yaitu 0,477, berdasarkan untuk membentuk supermatiks baru yang
faktor disiplin dan faktor pengawasan disebut weighted supermatrix.
alternatif 2 mendapat bobot tertinggi yaitu
11
Ismiranti, N.W.N., Kencana, I P.E.N., Sukarsa, I K.G. Analisis Prioritas Solusi Kemacetan Lalu Lintas…
A1 A2 A3 A4 A5 A6 MJ MP JKP JKU JP D PP
A1 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.031 0.477 0.000 0.004 0.018
A2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.011 0.047 0.000 0.029 0.128
A3 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.010 0.093 0.000 0.010 0.033
A4 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.025 0.122 0.000 0.021 0.072
A5 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.034 0.111 0.000 0.011 0.056
A6 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.041 0.150 0.000 0.019 0.054
MJ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.136 0.000 0.000 0.000 0.000
MP 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.136 0.000 0.000 0.000 0.000
JKP 0.278 0.694 0.694 0.694 0.694 0.625 0.533 0.533 0.000 0.000 0.000 0.083 0.512
JKU 0.556 0.139 0.139 0.139 0.139 0.208 0.133 0.133 0.118 0.000 0.000 0.083 0.128
JP 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.354 0.000 0.000 0.000 0.000
D 0.083 0.083 0.083 0.083 0.083 0.083 0.167 0.167 0.077 0.000 0.000 0.000 0.000
PP 0.083 0.083 0.083 0.083 0.083 0.083 0.167 0.167 0.026 0.000 0.000 0.740 0.000
Gambar 5. Weighted Supermatrix
Nilai-nilai yang terdapat pada Gambar 5 Pada weighted supermatrix yang terdapat
merupakan nilai prioritas yang diperoleh pada Gambar 5, alternatif yang mendapat
dengan menggabungkan hasil perbandingan prioritas tertinggi pada setiap faktor masih
elemen dan perbandingan clutser. Gambar 5 berbeda beda. Oleh karena itu supermatriks
memperlihatkan bahwa berdasarkan faktor ini terus dipangkatkan sampai setiap kolom
JKP alternatif 6 mendapat bobot prioritas yang terdapat pada satu baris yang sama
tertinggi yaitu 0,041, berdasarkan faktor JKU memiliki nilai yang sama dan membentuk
alternatif 1 mendapat bobot prioritas tertinggi supermatriks baru yang disebut limitting
yaitu 0,477, berdasarkan faktor disiplin dan supermatrix. Supermatriks pada Gambar 5
faktor pengawasan alternatif 2 mendapat bobot dipangkatkan dengan tujuan untuk
tertinggi yaitu 0,029 dan 0,128. Nilai-nilai mencangkup semua hubungan saling
yang terdapat pada Gambar 5 digunakan untuk memengaruhi yang mungkin terjadi pada
memeperoleh sepermatriks baru yang disebut setiap elemen dan alternatif, baik itu pengaruh
limitting supermatrix. langsung maupun pengaruh tak langsung.
A1 A2 A3 A 4 A 5 A 6 MJ MP JKP JKU JP D PP
A1 0.091 0.091 0.091 0.091 0.091 0.091 0.091 0.091 0.091 0.091 0.000 0.091 0.091
A2 0.027 0.027 0.027 0.027 0.027 0.027 0.027 0.027 0.027 0.027 0.000 0.027 0.027
A3 0.023 0.023 0.023 0.023 0.023 0.023 0.023 0.023 0.023 0.023 0.000 0.023 0.023
A4 0.037 0.037 0.037 0.037 0.037 0.037 0.037 0.037 0.037 0.037 0.000 0.037 0.037
A5 0.035 0.035 0.035 0.035 0.035 0.035 0.035 0.035 0.035 0.035 0.000 0.035 0.035
A6 0.044 0.044 0.044 0.044 0.044 0.044 0.044 0.044 0.044 0.044 0.000 0.044 0.044
MJ 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.000 0.039 0.039
MP 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.039 0.000 0.039 0.039
JKP 0.259 0.259 0.259 0.259 0.259 0.259 0.259 0.259 0.259 0.259 0.000 0.259 0.259
JKU 0.150 0.150 0.150 0.150 0.150 0.150 0.150 0.150 0.150 0.150 0.000 0.150 0.150
JP 0.102 0.102 0.102 0.102 0.102 0.102 0.102 0.102 0.102 0.102 0.000 0.102 0.102
D 0.061 0.061 0.061 0.061 0.061 0.061 0.061 0.061 0.061 0.061 0.000 0.061 0.061
PP 0.096 0.096 0.096 0.096 0.096 0.096 0.096 0.096 0.096 0.096 0.000 0.096 0.096
Gambar 6. Limiting Supermatrix
12
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 7-13 ISSN: 2303-1751
1
Jurusan Matematika Fakultas MIPA Universitas Udayana [Email:liajenitat@gmail.com]
2
Jurusan Matematika Fakultas MIPA Universitas Udayana [Email:nwidana@yahoo.com]
3
Jurusan Matematika Fakultas MIPA Universitas Udayana [Email:nilakusmawati@unud.ac.id]
§
Corresponding Author
ABSTRACT
Pension plan is an effort to anticipate the life of old on the day. In the pension program, there are two
methods of normal due’s calculation to be paid by the insured each year, the Entry Age Normal
method, namely calculation of normal dues with constant premiums and projected unit credit method,
namely calculation of normal dues with Premium Increases Each year or is not constant. This paper
wants to develop an inconstant premium calculation method with constant premium increase
annually. Where the pension plan participants’ age when he joined the pension plan is 19 years and
the retirement age on this contract is 55 years, with premium increases of 5% of the normal dues
early. The large ratio of premiums is, for dues normal at the age of 19
years until the age of 28 years, but for dues normal at the age of 29
years to the age of 33 years and to normal dues at the age of 34 years
old until the age of one year before retirement.
Keyword: Entry Age Normal, futures contract, Premium Increases Each, constant premium increase
annually
14
Jenita, L., Widana, I N., Nilakusmawati, D.P.E. Penentuan Model Premi Tidak Konstan pada Asuransi Dana Pensiun
(2)
15
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 14-21 ISSN: 2303-1751
̈
EAN ̈ ̅̅̅̅̅̅̅̅
(9)
Gambar 2. Skema Pembayaran Iuran Normal Selama Metode Projected Unit Credit
Masa Kerja
Metode Projected Unit Credit (PUC) adalah
Berdasarkan skema pada Gambar 2 merupakan metode perhitungan iuran normal
pembayaran iuran normal selama masa kerja yang membagi total manfaat pensiun pada saat
tertanggung selang waktu usia tahun sampai usia pensiun. Dimana total dari masa kerja
dengan berusia tahun adalah peserta pensiun menjadi suatu unit manfaat
2 r-1-a pensiun yang kemudian dialokasikan pada setiap
. tahun pada masa kerja (Bower,et al. [7]).
Sehingga nilai sekarang iuran normal pada Iuran normal (NC) seorang peserta yang
saat tertanggung berusia tahun yang berusia dan pensiun pada usia didefinisikan
dinotasikan dengan r dan dirumuskan sebagai nilai sekarang dari manfaat yang akan
sebagai berikut terima peserta pensiun dimasa yang akan datang
r ∑ (8) dan akan menyebar secara merata
setiap tahunnya selama masa kerja
2. Metode Perhitungan Premi (Futami [3]). Sehingga iuran normal untuk
metode ini dapat dirumuskan sebagai berikut:
Metode Entry Age Normal adalah nilai
sekarang dari manfaat pensiun yang akan datang PUC ̈ r-x
akan sama dengan nilai sekarang iuran normal
(premi) yang akan datang pada saat berusia
pensiun .
3. HASIL DAN PEMBAHASAN
Pada dasarnya, iuran normal yang akan
dibayarkan oleh tertanggung secara berkala Model (formula) Premi Tidak Konstan
(PVFNC) pada selang usia tahun sampai
Pada tahapan ini akan dicari formula premi
tahun, dipergunakan untuk melakukan
tidak konstan dengan kenaikan yang konstan
pembayaran manfaat (PVFB) yang nantinya
setiap tahunnya sebesar . Adapun rincian
akan diberikan kepada tertanggung pada saat
kontrak dalam program asuransi adalah sebagai
pensiun. Nilai sekarang dari iuran normal saat
berikut, mulai menjadi peserta program pensiun
16
Jenita, L., Widana, I N., Nilakusmawati, D.P.E. Penentuan Model Premi Tidak Konstan pada Asuransi Dana Pensiun
{ }
[ ] Contoh Kasus Penerapan
Berdasarkan rumusan masalah yang telah
[
dijelaskan pada bab sebelumnya, maka akan
diberikan contoh kasus yang berkaitan dengan
]
permasalahan pada penelitian ini (Nurcahyani &
[
Endang [4]). Dalam hal ini, bila seorang
]
karyawan mulai menjadi peserta pensiun
[ semenjak berusia 19 tahun dan akan
terhitung pensiun pada usia 56 tahun ,
]
[
dengan gaji pokok terakhir yang diterima
karyawan yang diakumulasikan dalam satu
]
tahun adalah sebesar -.
Sehingga diperoleh nilai sekarang dari iuran Perhitungan (valuasi) dilakukan pada saat
normal (premi) yang dibayarkan peserta pensiun peserta berusia 24 tahun. Kemudian untuk tahun
adalah : berikutnya iuran normal yang akan dibayar
[ ditambahkan dengan sebesar 5% dari besar
manfaat pensiun dengan tingkat suku bunga
] (11)
sebesar 11% dan sebesar 2,5% adalah:
Sedangkan untuk nilai tunai dari manfaat a. Perhitungan Manfaat Pensiun
pensiun yang akan dibayarkan oleh perusahaan
Seperti yang telah dijelaskan pada bagian
asuransi pensiun bagi peserta pensiun adalah:
sebelumnya, pada penelitian ini perhitungan
17
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 14-21 ISSN: 2303-1751
,-
b. Perhitungan Nilai Sekarang Manfaat Perhitungan Nilai Iuran Normal dengan
Pensiun (Present Value of Future Benefit) Formula Baru
Pada kasus perhitungan nilai iuran premi Perhitungan iuran yang harus dibayarkan
tidak konstan dengan kenaikan konstan, pada oleh peserta pensiun pada penelitian ini, dimana
penelitian ini menggunakan asumsi skala rata pada setiap tahunnya premi yang wajib
rata gaji selama pegawai (peserta pensiun) dibayarkan peserta pensiun bertambah sebesar
selama masih aktif bekerja sebagai berikut: . Seperti yang telah dijelaskan pada persamaan
56 56-23 (12), perhitungan nilai premi yang harus
dibayarkan adalah:
̈ 56-23
̈
[ ]
( )
( )
( )
(1)
18
Jenita, L., Widana, I N., Nilakusmawati, D.P.E. Penentuan Model Premi Tidak Konstan pada Asuransi Dana Pensiun
19
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 14-21 ISSN: 2303-1751
20
Jenita, L., Widana, I N., Nilakusmawati, D.P.E. Penentuan Model Premi Tidak Konstan pada Asuransi Dana Pensiun
21
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 22-26 ISSN: 2303-1751
1
Jurusan Matematika Fakultas MIPA Universitas Udayana [Email: vinnyiindayanti@gmail.com]
2
Jurusan Matematika Fakultas MIPA Universitas Udayana [Email: putusuciptawati@yahoo.co.id]
3
Jurusan Matematika Fakultas MIPA Universitas Udayana [Email: mdsusilawati@unud.ac.id]
§
Corresponding Author
ABSTRACT
Ordinary Least Squares (OLS) Method is a good method to estimate regression parameters when
there is no violation in classical assumptions, such as the existence of outlier. Outliers can lead to
biased parameters estimator, therefore we need a method that can may not affected by the existence of
outlier such as Minimum Covariance Determinant (MCD) and Least Median of Squares (LMS).
However, the application of this method is less accurate when it is used for small data. To overcome
this problem, it was aplicated bootstrap method in MCD and LMS to determine the comparison of
bias in parameters which were produced by both methods in dealing outlier in small data. The used
bootstrap method in this study was the residual bootstrap that works by resampling the residuals. By
using 95% and 99% confidence level and 5%, 10% and 15% outlier percentage, MCD-bootstrap and
LMS-bootstrap give value of parameter estimators which were unbias for all percentage of outlier.
We also found that the widht of range which produced by MCD-bootstrap method was shorter than
LMS-bootstrap method produced. This indicates that MCD-bootstrap method was a better method
than LMS-bootstrap method.
Keywords: outliers, bias, robust, Minimum Covariance Determinant, Least Median of Squares,
bootstrap residual
22
Dayanti, N.P.I.V., Suciptawati, N.L.P., Susilawati, M. Penerapan Bootstrap dalam Metode Minimum Covariance
Determinant (MCD) dan Least Median of Squares…
23
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 22-26 ISSN: 2303-1751
sebesar 5%, 10% dan 15%. Serta dengan memiliki nilai p-value < α, hal ini menunjukkan
menggunakan alpha ( ) sebesar 0,05. data dengan pencilan memiliki sebaran data
Langkah pembangkitkan data yaitu dengan yang tidak normal.
membangkitkan nilai sisaan ( ) berdistribusi
B. Pendeteksian Multikolinearitas
( ). Kemudian membangkitkan peubah
( ) dan ( ) sebanyak 40 Untuk melihat masalah multikolinearitas
maka dilakukan dengan melihat nilai korelasi
amatan, dengan memisalkan , dan
yang dihasilkan antara peubah prediktor.
, akan diperoleh nilai dengan
membentuk persamaan Tabel 2. Korelasi Antarvariabel
. Variabel Y
0,309
Pencilan yang dibangkitkan pada data sisaan 0,052
dengan dan pada tiap persentase 0,873 0,161
0,000 0.321
pencilan. Selanjutnya menghitung nilai yang
sudah terkontaminasi pencilan. Kemudian Dari Tabel 2 dapat dilihat bahwa nilai
dilakukan uji kenormalan, pendeteksian korelasi yang dihasilkan pada dan sebesar
multikolinearitas, pemeriksaan pencilan dan -0,161 yang menunjukkan peubah dan
dilanjutkan menganalisis dengan MKT. memiliki hubungan yang berlawanan arah
Langkah berikutnya menganalisis dengan namun tidak terjadi masalah multikolinearitas.
metode MCD-Bootstrap yaitu menduga nilai
dan dari matriks kovarian robust yang C. Pemeriksaan Pencilan atau Outlier
telah diperoleh dari penduga MCD. Resampling Pemeriksaan pencilan dilakukan dengan
sisaan dengan bootstrap residual sebanyak 500 menggunakan Robust Distance ( ) lalu
dan 1.000 kali dilakukan dengan menggunakan membandingkannya dengan nilai chi-square.
selang kepercayaan 95% dan 99%. Selanjutnya Dalam pemeriksaan menggunakan diperoleh
menganalisis dengan metode LMS-Bootstrap. hasil seperti pada Tabel 3:
Resampling sisaan yang diperoleh dari metode
Tabel 3. Pemeriksaan Pencilan dengan Robust
LMS dengan bootstrap residual sebanyak 500 Distance ( )
dan 1.000 kali dan dilakukan dengan
Persentase Data pengamatan ke- Banyak
menggunakan selang kepercayaan 95% dan Data
pencilan outlier orthogonal bad leverage pencilan
99%. Kemudian membandingkan hasil yang
5% 1, 2, 3, 4, 5, 6 31 7
diperoleh dengan MCD-bootstrap dan LMS-
40 10% 1, 2, 4, 7, 18, 23, 25 3, 31 9
bootstrap.
15% 3, 7, 18, 23 1, 2, 31 7
3. HASIL DAN PEMBAHASAN
Tabel 3 menunjukkan hasil pemeriksaan
A. Hasil Pengujian Asumsi Kenormalan pencilan yaitu dengan persentase pencilan 5%
Data Dengan Uji Anderson-Darling terdeteksi 7 pengamatan sebagai pencilan dan 9
Berdasarkan hasil pengujian asumsi pengamatan yang merupakan pencilan pada
kenormalan dapat dilihat pada tabel 1 berikut: persentase 10% dan pada peresentase 15%
terdeteksi 7 pengamatan sebagai pencilan.
Tabel 1. Uji Kenormalan Data Pencilan yang terdeteksi merupakan jenis outlier
Persentase orthogonal maupun bad leverage.
p-value Keterangan
pencilan
Data awal (tanpa D. Analisis Data dengan Metode Kuadrat
0,780 Normal
pencilan) Terkecil (MKT)
5% 0,03635 Tidak normal
10% <0,005 Tidak normal Analisis data dengan MKT akan
15% <0,005 Tidak normal
menggunakan selang kepercayaan 95% dan
Hasil uji kenormalan pada Tabel 1, data 99%.
dengan pencilan sebesar 5%, 10% serta 15%
24
Dayanti, N.P.I.V., Suciptawati, N.L.P., Susilawati, M. Penerapan Bootstrap dalam Metode Minimum Covariance
Determinant (MCD) dan Least Median of Squares…
Tabel 4. Penduga Parameter dengan MKT MCD-bootstrap bersifat tidak bias dengan
Selang Kepercayaan 95% Selang Kepercayaan 99% resampling 500 maupun 1000 kali. Hal ini
Jumlah
Pencilan
Parameter Estimasi Selang
Ket
Selang
Ket
berarti bahwa penduga parameter dan
Kepercayaan Kepercayaan
yang dihasilkan oleh metode bootstrap residual
Data tanpa 0.9752 0.8514-1.0991 Tidak bias 0.8092-1.1412 Tidak bias
pencilan 1.0608 0.9952-1.1265 Tidak bias 0.9729-1.1488 Tidak bias
berada di dalam selang kepercayaan 95% dan
5%
1.3865 0.9669-1.1462 Bias 0.9059-1.3255 Bias 99%.
1.0591 0.9641-1.1541 Tidak bias 0.9317-1.1864 Tidak bias
10%
1.4079 0.9021-1.1182 Bias 0.8286-1.3344 Bias F. Analisis Data dengan Metode Least
1.1412 0.8732-0.9877 Bias 0.8343-1.0229 Bias
1.4283 0.8549-1.0999 Bias 0.7715-1.3449 Bias
Median of Squares (LMS)-Bootstrap
15%
1.1854 0.8816-1.0114 Bias 0.8375-1.1413 Bias
Berdasarkan hasil analisis dengan metode
LMS-bootstrap dengan resampling 500 dan
Karena nilai penduga penduga parameter
1000 kali dapat dilihat pada Tabel 7 dan 8
dan yang dihasilkan oleh MKT bersifat tidak
adalah berikut:
bias hanya saat pencilan 5% untuk , hal ini
berarti MKT mengalami bias saat adanya Tabel 7. Pendugaan parameter dengan metode
pencilan. Maka akan dilanjutkan dengan Least Median of Squares (LMS)-
Bootstrap dengan 500 kali resampling
menganalisis dengan metode Minimum
Covariance Determinant (MCD)-Bootstrap dan Selang Kepercayaan 95% Selang Kepercayaan 99%
Jumlah
Least Median of Squares (LMS)-Bootstrap. Parameter Estimasi Selang Estimasi Selang
Pencilan Ket Ket
Kepercayaan Kepercayaan
5% 0.9122 0.8474-1.0577 Tidak bias 0.9079 0.8078-1.0973 Tidak bias
E. Analisis Data dengan Metode Minimum
1.0854 1.0397-1.1764 Tidak bias 1.088 1.0142-1.2019 Tidak bias
Covariance Determinant (MCD)-Bootstrap
10% 0.908 0.8355-1.0868 Tidak bias 0.9086 0.7926-1.1297 Tidak bias
Berdasarkan hasil analisis dengan metode 1.0924 1.0350-1.1979 Tidak bias 1.0915 1.0072-1.2257 Tidak bias
MCD-bootstrap dengan resampling 500 dan 15% 0.9264 0.6754-0.9689 Tidak bias 0.9334 0.6353-1.0090 Tidak bias
1000 kali dapat dilihat pada Tabel 5 dan 6 1.0827 0.9379-1.1294 Tidak bias 1.0781 0.9127-1.1546 Tidak bias
adalah berikut:
Tabel 8. Pendugaan parameter dengan metode
Tabel 5. Pendugaan parameter dengan metode Least Median of Squares (LMS)-
MCD-bootstrap dengan B=500 kali Bootstrap dengan 1000 kali resampling
resampling
Selang Kepercayaan 95% Selang Kepercayaan 99%
Selang Kepercayaan 95% Selang Kepercayaan 99% Jumlah
Jumlah Parameter Estimasi Selang Estimasi Selang
Parameter Estimasi Selang Estimasi Selang Pencilan Ket Ket
Pencilan Ket Ket Kepercayaan Kepercayaan
Kepercayaan Kepercayaan
5% 1.0929 0.9871-1.1938Tidak bias 1.0908 0.9592-1.2217Tidak bias 5% 0.9102 0.8456-1.0595 Tidak bias 0.9062 0.8174-1.0877 Tidak bias
0.9676 0.9031-1.0368Tidak bias 0.9693 0.8841-1.0558Tidak bias 1.0866 1.0386-1.1775 Tidak bias 1.0891 1.0201-1.1960 Tidak bias
10% 1.1929 1.0706-1.3156Tidak bias 1.1958 1.0243-1.3620Tidak bias 10% 0.9073 0.8282-1.0941 Tidak bias 0.9132 0.7947-1.1276 Tidak bias
0.9065 0.8275-0.9874Tidak bias 0.905 0.7970-1.0179Tidak bias 1.0927 1.0302-1.2027 Tidak bias 1.0889 1.0086-1.2243 Tidak bias
15% 1.1406 1.0014-1.2722Tidak bias 1.1366 0.9587-1.3149Tidak bias 15% 0.9314 0.6832-0.9611 Tidak bias 0.9316 0.6341-1.0102 Tidak bias
0.9436 0.8593-1.0355Tidak bias 0.9466 0.8325-1.0623Tidak bias
1.0796 0.9436-1.1237 Tidak bias 1.0792 0.9122-1.1551 Tidak bias
25
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 22-26 ISSN: 2303-1751
4. KESIMPULAN
Metode MCD-bootstrap maupun LMS-
bootstrap merupakan metode yang baik dalam
menduga nilai parameter saat data mengandung
pencilan. Pada selang kepercayaan 95% dan
99%, metode MCD-bootstrap dan LMS-
bootstrap menghasilkan nilai penduga parameter
yang bersifat tidak bias untuk seluruh persentase
pencilan. Karena lebar selang kepercayaan yang
dihasilkan metode MCD-bootstrap lebih pendek
dibanding metode LMS-bootstrap, maka dapat
dikatakan metode MCD-bootstrap lebih akurat.
26
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 27-31 ISSN: 2303-1751
DUL
1
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: ayudennni@gmail.com]
2
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: dharmawan.komang@gmail.com]
3
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: gandhiadigk@gmail.com]
§
Corresponding Author
ABSTRACT
Option are contracts that give the right to sell and buy the asset at a price and a certain period of
time. In addition investors use option as a means of hedge against asset owned. Many methods are
used to determine the price of option, one of them by using the Black-Scholes equation. But its use
these in the assumption that the value for the constant volatility. On market assumption are not
appropriates, so many researchers proposed using a volatility calculation option that is non-constant
Black-Scholes equation modelled using the volatility is not constant in the range so as to produce a
non-linear equation of Black-Scholes. In addition to determine the value of hedge ratio. On
completions of this study, for the numerical solution of non-linear Black-Scholes equation using
method of explicit finite difference scheme. Option use in research us a stock YAHOO!inc. as the
underlying asset. The result showed that the price of the option is calculated using non-linear Black-
Scholes equation price close on the market. Therefore, it can produce hedge ration for a risk-free
portfolio containing of the option and stock.
Keywords: Black-Scholes, Implied Volatility, non-linear Black-Scholes, hedge ration, finite
difference methods, explicit scheme
27
Deni, P.A., Dharmawan, K., Gandhiadi, G.K. Penentuan Harga Opsi Dan Nilai Hedge Menggunakan…
(4)
Pada persamaan (4) akan mengeleminasi risiko Selanjutnya diperoleh
dengan menggunakan delta hedging, sehingga
( )
dipilih
( )
(5)
Sekarang akan diamati bahwa volatilitas
Dengan menggunakan persamaan (5) maka
akan dikalikan dengan gamma opsi
perubahan nilai portofolio menjadi
tersebut. Oleh karena itu nilai akan
( ) (6) memberikan nilai minimum atau maksimum
tergantung pada nilai gamma. Ketika gamma
Dengan asumsi dari arbitrage-free market, positif dipilih menjadi nilai terendah
perubahan akan sama dengan pertumbuhan dan ketika gamma bernilai negatif dipilih
dari dalam asset yang mendapat bunga bebas menjadi nilai terbesar . Diperoleh untuk
risiko sehingga kasus terburuk dengan fungsi memenuhi
( ) (7)
Dengan mensubstitusi persamaan (6) ke dalam
(7), didapat persamaan diferensial Black-
Scholes sebagai berikut
28
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 27-31 ISSN: 2303-1751
( ) ( )(
)
dengan
Untuk mencegah terjadinya osilasi, kondisi
tersebut harus memenuhi
dan ( )
ka
{
ka
3. METODE PENELITIAN
C. Solusi Numerik dengan Metode Beda
Hingga Jenis data yang digunakan dalam penelitian
ini adalah data sekunder berupa data harga opsi
Pada kasus dengan satu aset akan dicari dari Yahoo! Inc (YHOO) dengan periode pada
solusi numerik dengan menggunakan metode waktu jatuh tempo pada bulan September 2015.
beda hingga. Dalam penelitian ini digunakan Dalam penelitian ini mengambil data harga opsi
skema eksplisit dengan pendekatan pada dari http://finance.yahoo.com//
persamaan diferensial Black-Scholes. Metode pengumpulan data yang dilakukan
Selanjutnya dapat ditulis persamaan Black- dalam penelitian tugas akhir ini adalah dengan
Scholes sebagai berikut observasi data sekunder harga opsi. Disamping
itu, studi literatur juga dilakukan yaitu
(11)
membaca dan mencatat data serta informasi dari
untuk buku, jurnal, dan skripsi guna mendapatkan
pengetahuan tambahan mengenai hal-hal yang
terkait dalam penyusunan tugas akhir ini.
dengan syarat awal
Langkah-langkah penentuan harga opsi
dalam penelitian ini adalah sebagai berikut:
dan syarat batas 1. Mencari dan menentukan data opsi
Data yang digunakan adalah data harga opsi
put dan call dalam periode Juli-Setember
Selanjutnya persamaan (11) dapat ditulis 2015. Data opsi tersebut dapat ditemukan
sebagai dalam alamat web
http://finance.yahoo.com/q/op?s=YHOO+O
ptions.
2. Menentukan parameter dan variabel.
dengan kondisi awal Pada penelitian ini akan digunakan implied
volatilitas sebagai parameter volatilitas,
( ) yang terdapat pada daftar harga opsi.
(12) Langkah selanjutnya mencari variabel-
29
Deni, P.A., Dharmawan, K., Gandhiadi, G.K. Penentuan Harga Opsi Dan Nilai Hedge Menggunakan…
variabel yang diperlukan untuk menghitung Untuk menghitung nilai hedge ratio
opsi, yaitu (harga saham awal), T (waktu diselesaikan mengikuti langkah berikut
jatuh tempo opsi), K (harga eksekusi opsi), r untuk
(suku bunga bebas risiko), dan harga i. Lakukan langkah berikut untuk
maksimum (S plus) dan minimum (S minus)
yang diperoleh dari data opsi.
3. Solusi numerik untuk persamaan diferensial
Black-Scholes tak linier. ii. Lakukan langkah diatas untuk
Dalam penelitian ini persamaan diferensial a a engan
akan diselesaikan menggunakan skema
eksplisit, dengan kondisi yang bersyarat 4. HASIL DAN PEMBAHASAN
yaitu A. Implementasi Persamaan Non-linear
Black-Scholes
( ) {
Pada penelitian ini digunakan volatilitas
dengan gamma yang tidak konstan. Pada persamaan klasik
Black-Scholes dimodelkan kedalam bentuk
persamaan non-linear Black-Scholes dengan
menggunakan pendekatan solusi numerik.
Skema ini akan diselesaikan dengan Solusi numerik diselesaikan menggunakan
algoritma dari solusi numerik pada persamaan metode beda hingga dengan skema eksplisit.
(11) dan (12) (Dharmawan, K. [1]) Hasil implementasi berikut menggunakan input
yaitu, , , , , , , , ,
Untuk dan
dan . Dengan menggunakan algoritma ,
(1) Masukkan nilai awal { } diperoleh grafik sbagai berikut
(2) Definisikan titik grid dengan melakukan
langkah-langkah berikut untuk
i. Masukkan nilai
ii. Lakukan langkah berikut untuk
a a
iii. Cari nilai dengan
30
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 27-31 ISSN: 2303-1751
DAFTAR PUSTAKA
31
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 32-37 ISSN: 2303-1751
Ni Luh Putu Ratna Dewi§1, I Nyoman Widana2, Desak Putu Eka Nilakusmawati3
1
Jurusan Matematika Fakultas MIPA – Universitas Udayana [Email: ratnadewiputu@gmail.com]
2
Jurusan Matematika Fakultas MIPA – Universitas Udayana [Email: nwidana@yahoo.com]
3
Jurusan Matematika Fakultas MIPA – Universitas Udayana [Email: nilakusmawati@unud.ac.id]
§
Corresponding Author
ABSTRACT
Premium reserve is a number of fund that need to be raised by insurance company in preparation for
the payment of claims. This study aims to get the formula of premium reserve as well as the value of
the premium reserve for joint life insurance by using retrospective calculation method. Joint life
insurance participants in this study are limited to 2 people. Calculations in this study is using
Indonesian Mortality Table (TMI) 2011, joint life mortality tables, commutation tables, value of
annuities, value of single premiums and constant annual premium and using constant interest rates of
5%. The results showed that by using age of the participant insurance joint life of x = 50 and y = 45
years and the premium payment period of t = 10 years, we obtained that the value of premium reserve
from the end of the first year until the end of the 11th year has increased every year, while the value
of premium reserves from the end of the 12th year and so on until a lifetime has decreased every year.
Keywords: Joint Life Insurance, Premium Reserve, Retrospective
1. PENDAHULUAN
Asuransi jiwa dilihat dari jumlah dana inilah yang kemudian disimpan sebagai
tertanggungnya dapat dibagi menjadi dua yaitu cadangan premi.
asuransi jiwa tunggal dan asuransi jiwa Cadangan premi ini nantinya akan
gabungan. Asuransi jiwa gabungan salah digunakan untuk membayar uang
satunya adalah asuransi joint life. Asuransi joint pertanggungan apabila terjadi klaim dan premi
life merupakan asuransi yang menanggung dua tidak mencukupi untuk membayar uang
jiwa atau lebih dalam satu polis asuransi. pertanggungan tersebut sehingga perusahaan
Dalam asuransi jiwa, tertanggung akan asuransi tidak kesulitan untuk membayarnya.
diberikan sejumlah uang yang disebut santunan Menurut Destriani & Mara [2], perusahaan
atau uang pertanggungan yang akan diberikan asuransi jiwa tidak sedikit yang mengalami
oleh perusahaan asuransi. Tertanggung juga kerugian yang disebabkan karena perusahaan
mempunyai kewajiban kepada perusahaan tersebut tidak tepat dalam mengatur cadangan
asuransi jiwa untuk membayar premi. preminya. Akibatnya, perusahaan asuransi tidak
Premi yang telah terkumpul di perusahaan mampu membayar uang pertanggungan kepada
asuransi jiwa nantinya akan digunakan oleh pihak tertanggung ketika jumlah klaim yang
perusahaan asuransi jiwa untuk membayar uang diajukan pihak tertanggung ternyata melebihi
pertanggungan. Dalam jangka waktu tertentu, jumlah klaim yang telah diprediksi sebelumnya.
pendapatan yang diperoleh perusahaan asuransi Keadaan ini dapat diantisipasi jika perusahaan
dari premi beserta bunganya biasanya akan jauh asuransi jiwa memiliki dana cadangan premi
lebih besar dari jumlah uang pertanggungan yang telah disiapkan dan dihitung dengan tepat.
yang harus dibayarkan oleh perusahaan Salah satu metode perhitungan cadangan
asuransi kepada pihak tertanggung. Kelebihan premi bersih adalah metode perhitungan secara
retrospektif. Perhitungan secara retrospektif
32
Ratna Dewi, N.L.P., Widana, I N., Nilakusmawati, D.P.E. Penentuan Cadangan Premi Untuk Asuransi Joint Life
merupakan perhitungan cadangan premi Premi tunggal pure endowment joint life
berdasarkan jumlah total pendapatan di waktu untuk peserta yang berusia x tahun dan y
yang lampau sampai dilakukan perhitungan tahun, dengan jangka waktu tertanggung t
cadangan, dikurangi dengan jumlah tahun dan besar uang pertanggungan adalah
pengeluaran di waktu yang lampau (Futami Rp. 1, dalam (Futami [4]) dirumuskan sebagai
[3]). berikut:
Pada penelitian ini, akan dicari formula
cadangan premi bersih tahunan pada asuransi ⌉ (5)
joint life dengan menggunakan metode
perhitungan cadangan premi secara Premi tunggal asuransi berjangka joint life
retrospektif, dan untuk perhitungan premi menurut (Matvejevs & Matvejevs [5])
tahunan pada penelitian ini akan dihitung dirumuskan sebagai berikut:
dengan menggunakan formula premi tahunan
⌉ ∑ (6)
konstan untuk asuransi joint life yang telah
diteliti oleh (Matvejevs & Matvejevs [5]). Premi tunggal anuitas menaik pada
Peluang gabungan dari dua orang yang asuransi joint life dalam (Futami [4])
berusia x dan y tahun akan tetap hidup selama t dirumuskan sebagai berikut:
tahun dinotasikan dengan dirumuskan (7)
sebagai berikut: ⌉ ∑
( ) ̈ ⌉ (8)
Nilai tunai dari benefit yang dibayarkan
Anuitas awal pada anuitas yang ditunda
oleh pihak penanggung dapat dinyatakan
dengan jangka waktu penundaan t tahun,
sebagai
(Futami [3]) dirumuskan sebagai berikut:
∑∑ |
| ̈ (3)
Nilai sekarang anuitas awal dari anuitas
∑∑ | ⌉
hidup berjangka joint life apabila x dan y tetap
hidup, dalam (Futami [4]) dirumuskan sebagai
̅| | ̈ | ̈
berikut:
(9)
⌉
̈ ⌉ (4)
Dengan menggunakan prinsip ekivalensi,
besar preminya adalah
∑
̈ ⌉ ⌉ | ̈ | ̈
⌉
33
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 32-37 ISSN: 2303-1751
sehingga besarnya premi tahunan yang harus masih hidup sampai kontrak berakhir maka
dibayarkan oleh peserta asuransi adalah akan diberikan uang pertanggungan sebesar
dan kontrak asuransi berakhir; (b) Apabila
̅̅̅| | ̈ | ̈ salah satu peserta asuransi joint life meninggal
̈ ⌉ ⌉ dunia sebelum masa kontrak berakhir,
(10) misalkan x meninggal, maka pembayaran
premi dihentikan dan pada akhir tahun
2. METODE PENELITIAN
kematian dari x akan diberikan uang sejumlah
Data yang digunakan pada penelitian ini premi yang telah dibayarkan kepada
adalah data sekunder yang bersumber dari pasangannya yang masih hidup. Apabila
Matvejevs & Matvejevs [5]. Data sekunder pasangannya yaitu y masih tetap hidup diakhir
yang digunakan adalah usia awal peserta pada kontrak, maka y akan diberikan uang sebesar
saat mengikuti kontrak asuransi joint life, masa setiap tahunnya selama seumur hidup.
pertanggungan asuransi, tingkat bunga, Begitu juga sebaliknya, apabila y meninggal
formula premi tahunan konstan asuransi joint dunia maka x yang akan diberikan uang
life. Pada penelitian ini juga menggunakan sebesar setiap tahunnya selama seumur
Tabel Mortalitas Indonesia (TMI) 2011. hidup. Namun apabila pasangannya juga
Langkah-langkah dalam proses penelitian meninggal sebelum masa kontrak berakhir
ini adalah: (1) Menentukan formula cadangan maka tidak ada pembayaran uang
premi tahunan pada asuransi joint life dengan pertanggungan lagi; (c) Apabila x dan y kedua-
perhitungan cadangan premi secara duanya meninggal ditahun yang sama sebelum
retrospektif; (2) Menghitung nilai dari tabel kontrak berakhir maka uang pertanggungan
mortalitas joint life berdasarkan Tabel sejumlah premi yang telah dibayarkan akan
Mortalitas Indonesia (TMI) 2011; (3) diberikan kepada ahli warisnya dan kontrak
Menghitung nilai tunai pembayaran untuk asuransi berakhir.
tingkat bunga; (4) Menghitung nilai dari tabel Berdasarkan kontrak asuransi tersebut
komutasi tunggal; (5) Menghitung nilai anuitas maka diperoleh formula cadangan premi untuk
awal dari anuitas hidup yang ditunda; (6) asuransi joint life dengan metode perhitungan
Menghitung nilai premi tunggal pure secara retrospektif adalah sebagai berikut:
endowment, nilai premi tunggal asuransi Cadangan premi akhir tahun pertama
berjangka joint life, nilai premi tunggal anuitas adalah sebagai berikut:
menaik pada asuransi joint life. (7)
Menghitung nilai premi tahunan konstan pada ( )
asuransi joint life; (8) Menghitung nilai
cadangan premi tahunan pada asuransi joint dengan merupakan premi bersih
life menggunakan formula yang telah didapat tahunan yang dibayarkan pada permulaan
pada langkah pertama. tahun pertama yang dibungakan selama
setahun kemudian dikurangi dengan
3. HASIL DAN PEMBAHASAN yang merupakan uang pertanggungan
yang dibayarkan pada akhir tahun pertama.
3.1 Formula Cadangan Premi Tahunan Selanjutnya untuk lebih memudahkan
Asuransi Joint Life
penulisannya, dimisalkan
Kontrak asuransi joint life ini melibatkan ( ) dengan
pasangan suami-istri dengan usia berturut- dan merupakan lamanya masa
turut x tahun dan y tahun dengan uang pembayaran premi atau lamanya kontrak
pertanggungan sebagai berikut: (a) Apabila asuransi sehingga cadangan premi akhir tahun
kedua peserta asuransi joint life (x dan y) kedua adalah sebagai berikut:
34
Ratna Dewi, N.L.P., Widana, I N., Nilakusmawati, D.P.E. Penentuan Cadangan Premi Untuk Asuransi Joint Life
( ) ( )
3.2 Contoh Kasus
( ) Usia peserta mulai mengikuti asuransi
dalam kasus ini yaitu usia suami adalah 50
( )
tahun sedangkan untuk usia istri adalah 45
tahun dengan masa pembayaran premi adalah
dengan seluruh dana yang tahun. Tingkat suku bunga yang
berasal dari tahun ke-t kemudian dibungakan digunakan dalam kasus ini adalah konstan
selama setahun lalu dikurangi dengan yaitu sebesar 5%.
( ) yaitu uang pertanggungan Rincian uang pertanggungan yang
yang diberikan apabila dan masih tetap diberikan perusahaan asuransi kepada peserta
hidup sampai akhir tahun ke- yang asuransi joint life adalah sebagai berikut: (a)
dibungakan selama setahun. ( Apabila kedua peserta asuransi joint life (x dan
) yaitu uang pertanggungan yang y) masih hidup sampai kontrak berakhir maka
diberikan apabila meninggal sebelum akhir akan diberikan uang pertanggungan sebesar
tahun ke- dan masih tetap hidup sampai Rp.1 dan kontrak asuransi berakhir;
akhir tahun ke- lalu dibungakan selama (b) Apabila salah satu peserta asuransi joint
setahun, ( ) yaitu uang life meninggal dunia sebelum masa kontrak
pertanggungan yang diberikan apabila berakhir, misalkan x meninggal, maka
35
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 32-37 ISSN: 2303-1751
pembayaran premi dihentikan dan pada akhir sehingga cadangan premi yang diperoleh juga
tahun kematian dari x akan diberikan uang terus meningkat setiap tahunnya.
sejumlah premi yang telah dibayarkan kepada
pasanganya yang masih hidup. Apabila Tabel 3.1 Nilai Cadangan Premi Asuransi Jiwa
Joint Life untuk dan
pasangannya yaitu y masih tetap hidup diakhir Jangka Jangka
kontrak, maka y akan diberikan uang sebesar Waktu Waktu
(w) (w)
Rp.1 ( setiap tahunnya selama
1 0.21957 34 7.12545
seumur hidup. Begitu juga sebaliknya, apabila 2 0.44660 35 6.84150
y meninggal dunia maka x yang akan 3 0.68084 36 6.55873
4 0.92203 37 6.28404
diberikan uang sebesar Rp.1 setiap 5 1.16990 38 6.01835
tahunnya selama seumur hidup. Namun 6 1.42415 39 5.75848
apabila pasangannya juga meninggal sebelum 7 1.68452 40 5.50432
8 1.95068 41 5.25641
masa kontrak berakhir maka tidak ada 9 2.22234 42 5.00598
pembayaran uang pertanggungan lagi. (c) 10 2.49927 43 4.76813
Apabila x dan y kedua-duanya meninggal 11 13.67372 44 4.54290
12 13.42691 45 4.33150
ditahun yang sama sebelum kontrak berakhir 13 13.17482 46 4.12583
maka uang pertanggungan sejumlah premi 14 12.91677 47 3.89479
yang telah dibayarkan akan diberikan kepada 15 12.65248 48 3.65545
16 12.38185 49 3.42292
ahli warisnya dan kontrak asuransi berakhir. 17 12.10511 50 3.20895
Berdasarkan kontrak asuransi tersebut 18 11.82236 51 3.03087
19 11.53587 52 2.88485
dan berdasarkan persamaan (10) maka 20 11.24550 53 2.77982
diperoleh nilai premi tahunan konstan 21 10.95207 54 2.64108
22 10.65609 55 2.49038
untuk asuransi joint life adalah sebagai 23 10.35973 56 2.34529
berikut: 24 10.06286 57 2.20507
25 9.76568 58 2.07042
| ̈ | ̈ 26 9.46727 59 1.94229
⌉
27 9.16836 60 1.82246
̈ ⌉ ⌉ 28 8.87004 61 1.71290
29 8.57319 62 1.61176
30 8.27878 63 1.51589
31 7.98680 64 1.41525
32 7.69779 65 1.28223
33 7.41078 66 1.00000
Selanjutnya nilai cadangan premi untuk
asuransi joint life dengan menggunakan Selanjutnya nilai cadangan premi dari
formula yang telah diperoleh sebelumnya tahun ke-12 dan seterusnya mengalami
dapat dilihat pada Tabel 3.1. penurunan yang disebabkan karena dari tahun
Dapat dilihat pada Tabel 3.1 hasil ke-11 sudah tidak ada lagi pembayaran premi
perhitungan cadangan premi pada asuransi sehingga tidak ada lagi uang yang masuk ke
joint life dengan menggunakan perhitungan perusahaan asuransi sedangkan perusahaan
secara retrospektif untuk usia peserta asuransi harus tetap melakukan pembayaran
dan diperoleh cadangan premi akhir uang pertanggungan setiap tahunnya sehingga
tahun ke-1 sampai dengan akhir tahun ke-11 cadangan premi yang terdapat diperusahaan
mengalami peningkatan setiap tahunnya yang asuransi akan terus menurun setiap tahunnya.
disebabkan karena uang yang masuk ke
perusahaan asuransi dari pembayaran premi 4. KESIMPULAN DAN SARAN
sangat besar dan terus meningkat setiap Berdasarkan hasil dan pembahasan yang
tahunnya jauh melampaui jumlah uang telah dijelaskan, maka dapat disimpulkan
pertanggungan yang harus dibayarkan bahwa rumusan/formula cadangan premi
36
Ratna Dewi, N.L.P., Widana, I N., Nilakusmawati, D.P.E. Penentuan Cadangan Premi Untuk Asuransi Joint Life
untuk asuransi joint life dengan perhitungan peneliti selanjutnya dapat menggunakan
secara retrospektif adalah sebagai berikut: tingkat suku bunga yang tidak konstan dan
menggunakan metode perhitungan cadangan
( ) premi bersih lainnya seperti metode
( )
perhitungan secara prospektif.
Dimisalkan ( )
dengan dan DAFTAR PUSTAKA
merupakan lamanya masa pembayaran premi
[1] Bowers NL, Gerber HU, Hickman JC,
atau lamanya kontrak asuransi sehingga
Jones DA, dan Nesbitt CJ. 1997.
cadangan premi akhir tahun kedua sampai Actuarial Mathematics. 2nd ed.
akhir tahun ke- adalah sebagai berikut: Schaumburg : The Society of Actuaries.
( )
[2] Destriani, Satyahadewi, N. & Mara,
M.N., 2014. Penentuan Nilai Cadangan
( ) Prospektif pada Asuransi Jiwa Seumur
Hidup Menggunakan Metode New
Jersey. Buletin Ilmiah Mat.Stat dan
dengan . Selanjutnya dimisalkan Terapannya (BIMASTER), 03, pp.7-12.
( ) dengan
[3] Futami, T., 1993. Matematika Asuransi
, sehingga cadangan akhir
Jiwa Bagian I. Herliyanto G, penerjemah.
tahun ke- sampai seterusnya adalah Tokyo (JP): Oriental Life Insurance
sebagai berikut: Cultural Development Center.
Terjemahan dari: Seime Hoken Sugaku
( ) ( ) Gekan ("92 Revision).
( ) [4] ,1994. Matematika Asuransi
Jiwa Bagian 2. Herliyanto G,
( ) penerjemah. Tokyo (JP): Oriental Life
Insurance Cultural Development Center.
Terjemahan dari: Seime Hoken Sugaku
Gekan ("92 Revision).
( ) ( )
[5] Matvejevs, A. & Matvejevs, A., 2001.
( ) Insurance Models for Joint Life and Last
Survivor Benefit. Informatica, 12(4),
pp.547-58.
dan seterusnya
Berdasarkan formula cadangan premi
tersebut serta untuk kasus usia awal peserta
laki-laki tahun dan perempuan tahun dan
lama pembayaran premi tahun, diperoleh
nilai cadangan premi akhir tahun ke-1 sampai
akhir tahun ke-11 mengalami peningkatan
setiap tahunnya, sedangkan nilai cadangan
premi dari akhir tahun ke-12 dan seterusnya
sampai seumur hidup mengalami penurunan.
Pada penelitian ini, penulis hanya dapat
meneliti bagaimana cara menentukan formula
dari cadangan premi tahunan pada asuransi
joint life menggunakan metode perhitungan
secara retrospektif dengan tingkat suku bunga
konstan. Tidak menutup kemungkinan untuk
37