E-Jurnal Matematika: Open Journal Systems

E-Jurnal Matematika http://ojs.unud.ac.id/index.
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
ANFIS Chernoff Faces GWPR Granger
causality test Heteroscedasticity Joint
Life Insurance Median Quantile
Regression Monte Carlo
Multicollinearity OLS Optimization
Outlier Overdispersion
Poisson Regression
Portmanteau test Value at Risk
Vector Autoregression biplot
multicollinearity optimal lag test

stationary test
HOME ABOUT LOG IN REGISTER SEARCH CURRENT ARCHIVES EDITORIAL
TEAM CONTACT
Home > Vol 5, No 1 (2016)
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
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
DALAM MENGEST IMASI IMPLIED VOLAT ILIT IES SAHAM
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
MET ODE ANALY T IC NET WORK PROCESS
NI WAYAN NINING ISMIRANTI, I PUTU EKA N. KENCANA, I KOMANG GDE 7-13
SUKARSA
PENENT UAN MODEL PREMI T IDAK KONSTAN PADA ASURANSI DANA P ENSIUN PDF
LIA JENITA, I NYOMAN WIDANA, DESAK PUTU EKA NILAKUSMAWATI 14-21
PENERAPAN BOOT ST RAP DALAM MET ODE MINIMUM COVARIANCE DET ERMINANT (MCD) DAN LEAST PDF
MEDIAN OF SQUA RES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
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
PUTU AYU DENI, KOMANG DHARMAWAN, G. K. GANDHIADI 27-31
4 of 5 2/2/2016 2:13 PM
PENENT UAN CADANGAN PREMI UNT UK ASURANSI JOINT LIFE PDF
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
ANFIS Chernoff Faces GWPR Granger
causality test Heteroscedasticity Joint
Life Insurance Median Quantile
Regression Monte Carlo
Multicollinearity OLS Optimization
Outlier Overdispersion
Poisson Regression
Portmanteau test Value at Risk
Vector Autoregression biplot
multicollinearity optimal lag test

stationary test
HOME ABOUT LOG IN REGISTER SEARCH CURRENT ARCHIVES EDITORIAL
TEAM CONTACT
Home > About the Journal > Editorial Team
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
Drs. GK Gandhiadi, 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
Made Susilawat i, 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
PERBANDINGAN KEEFISIENAN METODE NEWTON-RAPHSON,

METODE SECANT, DAN METODE BISECTION DALAM
MENGESTIMASI IMPLIED VOLATILITIES SAHAM
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.
Keywords: Black-Scholes, Implied Volatility, Newton-Raphson Method, Secant Method,

Bisection Method
1. PENDAHULUAN mengikuti gerak Brown geometrik pada suku

bunga dan volatilitas tertentu. Pergerakan harga
Salah satu alternatif instrumen investasi yang
saham tersebut dapat ditulis dalam bentuk
dapat ditawarkan kepada investor didalam pasar
sebagai berikut
modal adalah opsi (option). Pada tahun 1973,
model Black-Scholes dikembangkan oleh Myron ( )
Scholes dan Fischer Black. Model ini dengan
memberikan solusi untuk penilaian call option : perubahan harga saham yang
dan put option yang tidak memberikan dividen. mengikuti gerak Brown geometric
Pada model Black-Scholes, volatilitas bersifat : rata-rata dari pengembalian saham
konstan atau tetap selama usia opsi diketahui : perubahan waktu
pasti. Namun, hal ini tidak sesuai dengan apa : nilai volatilitas
yang terjadi pada pasar sebenarnya. Oleh karena : gerak Brownian
volatilitas bergerak secara random dan tidak Menurut Lee [3], keadaan pasar yang demikian
dapat diobservasi secara langsung, maka harus dikatakan tidak ada arbitrase. Dengan kata lain,
dilakukan penaksiran nilai volatilitas pelaku pasar modal mengasumsikan bahwa
(Dharmawan & Widana [2]). Nilai volatilitas harga opsi di pasar modal sama dengan harga
dapat ditaksir menggunakan Implied Volatility. teoritis yang dihitung menggunakan formula
Implied Volatility adalah volatilitas yang Black-Scholes, atau dapat ditulis sebagai
diestimasi dari mekanisme pasar dengan memilih
( ) ( )
kontrak opsi dengan expiration date yang sama.
Berdasarkan keadaan persaingan pasar, Black dengan menyatakan harga opsi observasi
dan Scholes menunjukkan bahwa harga saham yang diperoleh dari harga pasar sebenarnya,
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
B. Algoritma untuk Menaksir Implied b. Penyelesaian menggunakan metode

Volatility Secant
Langkah 1: Tetapkan hampiran awal
Tahapan-tahapan yang dilakukan pada
penelitian ini adalah sebagai berikut: dan , ,
1. Mencari harga observasi call option ( ) .
yang memiliki masa jatuh tempo dan strike Langkah 2: Mengitung nilai ( ) dan
price yang sama dengan saham induk, serta ( )
mencari harga saham sekarang dari Langkah 3: Menentukan hampiran baru
underlying asset. dengan persamaan (8)
2. Menentukan fungsi volatilitas dan mencari Langkah 4: Menghitung | | dengan
turunan pertamanya. persamaan (7)
3. Menyelesaikan persamaan dari fungsi Langkah 5: Melakukan pengecekan
volatilitas menggunakan metode numerik, (i) Jika | | , maka iterasi
yakni metode Newton-Raphson, metode selesai dengan sebagai
Secant, dan metode Bisection. solusi dari fungsi volatilitas
( )
a. Penyelesaian Menggunakan Metode
(ii) Jika | | , maka
Newton-Raphson
kembali ke langkah 1 dengan
Langkah 1: Tetapkan hampiran awal
menjadikan sebagai
( ), , iterasi
dan sebagai .
maksimum ( )
c. Penyelesaian menggunakan metode
Bisection
Langkah 2: Menghitung nilai ( ) Langkah 1: Tetapkan hampiran awal
dan turunan pertama
dan , ,
fungsinya ( )
.
Langkah 3: Menentukan nilai hampiran
Langkah 2: Hitung nilai ( ) dan
kedua ( ) yang terletak pada
( ).
perpotongan garis singgung
Langkah 3: Memeriksa bahwa fungsi
di ( ( )) dengan
berubah tanda sepanjang
sumbu , dapat dihitung
interval [ ], ini dapat
menggunakan persamaan (6)
diperiksa dengan:
Langkah 4: Menghitung | | dengan
( ) ( ) . Jika
persamaan (7)
terpenuhi, hampiran awal
Langkah 5: Melakukan pengecekan:
dapat digunakan untuk iterasi
(i) Jika | | , maka iterasi
berikutnya, namun jika tidak
selesai dengan sebagai
terpenuhi, pilih hampiran
solusi dari fungsi volatilitas awal baru.
( ) Langkah 4: Hampiran ketiga dapat
(ii) Jika | | , maka ditentukan menggunakan
kembali ke langkah 1. persamaan (9).
Langkah 5: Hitung nilai ( )
Langkah 6: Lakukan evaluasi sebagai
berikut untuk menentukan di
dalam subinterval mana akar
fungsi terletak:
(i) Jika ( ) ( ) ,
maka
3
(ii) Jika ( ) ( ) , 3. HASIL DAN PEMBAHASAN

maka Fungsi volatilitas dapat didefinisikan
Langkah 7: Menghitung | | dengan sebagai
persamaan (7) ( ) ( ( )
Langkah 8: Melakukan pengecekan. ( )
( )) ( )
(i) Jika | | , dengan
atau
, maka iterasi
( ) ( ) ( )
selesai dengan sebagai
adalah kontinu dan memiliki turunan sebagai
solusi dari fungsi
berikut:
volatilitas ( ) ( )
(ii) Jika | | , dengan ( )
, maka kembali
ke langkah 4. √ ( )
√
4. Membandingkan nilai taksiran Implied adalah kontinu.
Volatility, kecepatan iterasi, serta Teorema Eksistensi dan Ketunggalan
membandingkan keakuratan masing-
(Waluya [5]), “Misalkan dan kontinu,
masing metode dengan membandingkan
maka solusinya ada dan tunggal”. Dalam hal
nilai error relatif | | dari masing-masing ( )
metode. ini, diperoleh bahwa ( ) dan kontinu,
maka Teorema Eksistensi dan Ketunggalan
terpenuhi, yaitu terdapat solusi tunggal dari
persamaan (11).
Tabel 1 Iterasi dengan Menggunakan Metode Newton-Raphson

( ) ( ) | |
1 0.060000 0.055815 -6.529788 0.068548 1.246985e-001
2 0.068548 -0.002051 -6.984392 0.068254 4.301345e-003
3 0.068254 -0.000002 -6.971129 0.068254 4.084282e-006
Tabel 2 Iterasi dengan Menggunakan Metode Secant

( ) ( ) | |
1 0.060000 0.055815 0.100000 -0.237620 0.067609 4.791029e-001
2 0.100000 -0.237620 0.067609 0.004490 0.068209 8.806070e-003
3 0.067609 0.004490 0.068209 0.000312 0.068254 6.568799e-004
4 0.068209 0.000312 0.068254 -0.000001 0.068254 1.393661e-006
4
Tabel 3 Iterasi dengan Menggunakan Metode Bisection

( ) ( ) ( ) | |
1 0.060000 0.055815 0.100000 -0.237620 0.080000 -0.084613 2.500000e-001
2 0.060000 0.055815 0.080000 -0.084613 0.070000 -0.012240 1.428571e-001
3 0.060000 0.055815 0.070000 -0.012240 0.065000 0.022433 7.692308e-002
4 0.065000 0.022433 0.070000 -0.012240 0.067500 0.005243 3.703704e-002
5 0.067500 0.005243 0.070000 -0.012240 0.068750 -0.003464 1.818182e-002
6 0.067500 0.005243 0.068750 -0.003464 0.068125 0.000899 9.174312e-003
7 0.068125 0.000899 0.068750 -0.003464 0.068438 -0.001280 4.566210e-003
8 0.068125 0.000899 0.068438 -0.001280 0.068281 -0.000190 2.288330e-003
9 0.068125 0.000899 0.068281 -0.000190 0.068203 0.000354 1.145475e-003
10 0.068203 0.000354 0.068281 -0.000190 0.068242 0.000082 5.724098e-004
11 0.068242 0.000082 0.068281 -0.000190 0.068262 -0.000054 2.861230e-004
12 0.068242 0.000082 0.068262 -0.000054 0.068252 0.000014 1.430820e-004
13 0.068252 0.000014 0.068262 -0.000054 0.068257 -0.000020 7.153588e-005
14 0.068252 0.000014 0.068257 -0.000020 0.068254 -0.000003 3.576922e-005
15 0.068252 0.000014 0.068254 -0.000003 0.068253 0.000005 1.788493e-005
16 0.068253 0.000005 0.068254 -0.000003 0.068254 0.000001 8.942384e-006
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
Berdasarkan Tabel 1, dapat ditarik relatif secara berturut-turut sebesar 4,084282e-

kesimpulan bahwa nilai volatilitas diperoleh 006; 1,393661e-006; 8,942384e-006. Implied
pada iterasi ke-3 yaitu dengan nilai Volatility yang diperoleh menggunakan metode
dan error relatif Newton-Raphson, Secant, dan Bisection
| | . Berdasarkan Tabel memiliki nilai yang lebih besar dari nilai
2, dapat ditarik kesimpulan bahwa nilai Implied Volatility di pasar modal, yaitu sebesar
volatilitas diperoleh pada iterasi ke-4 yaitu 6,25%. Berdasarkan pemaparan pada bab II,
dengan nilai dan Implied Volatility yang tinggi mengakibatkan
error relatif | | . harga opsi menjadi mahal dan berlaku
Berdasarkan Tabel 3, dapat ditarik kesimpulan sebaliknya.
bahwa nilai volatilitas diperoleh pada iterasi Berdasarkan tabel 1, 2, dan 3, diperoleh
ke-16 yaitu dengan nilai bahwa pada iterasi ke-3 metode Newton-
% dan error relatif | | Raphson, metode Secant dan metode Bisection
. Berdasarkan Tabel 4 diperoleh hasil secara berturut-turut memiliki error relatif
simulasi menggunakan metode Newton- sebesar 4,084282e-006; 6,568799e-004;
Raphson, metode Secant, dan metode Bisection 7,692308e-002. Dalam hal ini, metode Newton-
dengan nilai Implied Volatility yang sama, yaitu Raphson memiliki error relatif terkecil pada
6,8254%. Simulasi berhenti secara berturut- iterasi ke-3 yaitu sebesar 4,084282e-006.
turut pada iterasi ke-3; 4; 16 dengan nilai error Artinya, metode Newton-Raphson lebih akurat
5
dibandingkan metode Secant dan metode DAFTAR PUSTAKA

Bisection. Dengan demikian, dapat disimpulkan
bahwa metode Newton-Raphson adalah metode [1] Black, F. & Scholes, M., 1973. The Pricing
terbaik dalam menaksir Implied Volatility of Options and Corporate Liabilities. The
Journal of Political Economy, 81(3), PP.
saham, karena metode Newton-Raphson
637-659.
konvergen paling cepat dan paling akurat
dibandingkan metode Secant dan metode [2] Dharmawan, Komang & Widana, I
Nyoman., 2011. Aplikasi Algoritma
Bisection.
Biseksi dan Newon-Raphson dalam
Menaksir Nilai Volatilitas Implied. Jurnal
4. KESIMPULAN DAN SARAN Matematika Vol. 2 No. 1, Desember 2011.
A. Kesimpulan ISSN: 1693-1394.
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
ANALISIS PRIORITAS SOLUSI KEMACETAN LALU LINTAS

DI KOTA DENPASAR DENGAN MENGGUNAKAN METODE
ANALYTIC NETWORK PROCESS
Ni Wayan Nining Ismiranti§1,I Putu Eka N. Kencana2, I Komang Gde Sukarsa3
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]
§
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.
Keywords: Analytic Network Process, Traffic Congestion, Priorities, Denpasar
1. PENDAHULUAN Adapun alternatif-alternatif solusi yang akan

dipaparkan merupakan alternatif solusi yang
Metode ANP (Analytic Network Process)
termasuk ke dalam manajemen lalu lintas tanpa
merupakan pengembangan dari Analytic
pembangunan atau perluasan jalan.
Hierarcy Process (AHP) yang dikembangkan
ANP merupakan suatu teori pengukuran
oleh Thomas L. Saaty yang digunakan untuk
multycriteria yang digunakan untuk mendapat
memilih alternatif terbaik dari sejumlah
skala prioritas dari suatu penilaian individu yang
alternatif yang ada berdasarkan beberapa
termasuk ke dalam sebuah skala fundamental
kriteria. Metode ANP menguraikan suatu
(Saaty [1]), seperti yang terdapat pada Tabel 1.
masalah kedalam bentuk jaringan tanpa
membuat asumsi elemen yang tingkatnya lebih Tabel 1. Skala Fundamental
tinggi dan elemen yang tingkatnya lebih rendah Intensitas
Penjelasan
seperti yang terdapat pada AHP (Saaty & Kepentingan
1 Dua aktivitas berkontribusi secara sama besar
Vargas [3]). Kontribusi suatu aktivitas sedikit lebih besar
3
Pada penelitian ini metode ANP akan dibandingkan yang lain
Kontribusi suatu aktivitas lebih besar
digunakan untuk mencari prioritas alternatif- 5
dibandingkan yang lain
Kontribusi suatu aktivitas jauh lebih besar
alternatif solusi yang bisa digunakan untuk 7 dibandingkan yang lain, aktivitas ini lebih
menangani kemacetan lalu lintas di Kota dominan dilakukan dalam kenyataan
Fakta menunjukkan bahwa suatu aktivitas
Denpasar. Alternatif-alternatif solusi serta 9 merupakan urutan tertinggi yang mungkin
dalam suatu penegasan
kriteria-kriteria yang akan digunakan diperoleh
2,4,6,8 Untuk kompromi nilai-nilai di atas
dari para narasumber yang merupakan para
pengamat transportasi di Kota Denpasar.
7
Ismiranti, N.W.N., Kencana, I P.E.N., Sukarsa, I K.G. Analisis Prioritas Solusi Kemacetan Lalu Lintas…
Langkah awal dari penggunaan metode Pada penelitian menggunakan ANP

ANP adalah dengan membentuk suatu model seringkali digunakan lebih dari satu narasumber
yang berbentuk sebuah jaringan yang saling sebagai acuan. Hal ini akan memungkinkan
dihubungkan dengan tanda panah. Jaringan diperolehnya pendapat yang berbeda mengenai
tersebut menggambarkan hubungan saling bobot dari suatu perbandingan, akan tetapi
ketergantungan antara komponen satu dan metode ANP hanya memerlukan satu bobot
komponen yang lain dimana komponen yang untuk satu perbandingan dalam membentuk
berada di pangkal tanda panah memberikan suatu matriks perbandingan berpasangan.
pengaruh kepada komponen yang berada di Apabila hal ini terjadi maka bobot-bobot dari
ujung tanda panah, seperti Gambar 1. para narasumber harus dirata-ratakan dengan
menggunakan persamaan geometric mean
Jaringan timbal balik yang memiliki ketergantungan
dari dalam dan luar elemen
(Saaty & Vargas [3]).
C4 .. Tanda panah dari C4 ke C2 menunjukkan 1
ketergantungan elemen C2 pada elemen
yang terdapat pada C4
aij  ( z1.z 2 ..z n ) n
(1)
C1 ..
Dengan
feedback
aij : nilai rata-rata perbandingan
C2 .. berpasangan kriteria Ai dengan A j
C3 ..
Putaran dalam komponen menunjukan

Zk : nilai perbandingan yang diberikan
ketergantungan dari elemen elemen dalam suatu
komponen
narasumber ke k , k =1,2,..., n
Gambar 1. Ilustrasi Jaringan ANP
n : banyak narasumber
Selain dengan menggunakan jaringan, Matriks perbandingan berpasangan
hubungan saling ketergantungan juga bisa merupakan matriks berukuran n n yang
digambarkan dengan menggunakan matriks berisikan bobot perbandingan yang dilakukan
seperti matriks berikut:
terhadap elemen-elemen dalam suatu komponen
dimana elemen-elemen ini memengaruhi suatu
 c11 c12  c1n 
c elemen lainnya. Misalkan terdapat suatu
 c22  c2 n 
C nn  21 komponen C1 yang berisi elemen
    
  e11, e12 ,..., e1n 1 dan elemen-elemen tersebut
cn1 cn 2  cnn 
memberikan pengaruh terhadap elemen e21
Ketergantungan setiap komponen pada
suatu sistem dapat dibentuk dalam suatu pada komponen C2 , maka matriks
matriks nol-satu C dengan sifat nilai 1 pada perbandingan yang terbentuk adalah seperti
matriks diberikan apabila terdapat pengaruh berikut:
yang diberikan komponen ci terhadap  1 a12  a1n 
komponen c j dan nilai 0 diberikan apabila tidak a 1  a2 n 
A   21
ada pengaruh yang diberikan komponen ci      
 
terhadap komponen c j . Dalam hal ini cij adalah an1 an 2  1 
nilai ketergantungan komponen c j terhadap Nilai aij pada perbandingan berpasangan
komponen ci yang berisi nilai 0 atau 1, ci merepresentasikan nilai kepentingan dari
adalah komponen yang memberikan pengaruh elemen ke i terhadap elemen ke j pada
dan c j adalah komponen yang dipengaruhi. komponen C1 berkaitan dengan e21 sebagai
faktor kontrol. Nilai yang dimasukkan ke
8
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 )
Nilai-nilai dari RI dapat dilihat pada Tabel 2  i(1j ) ( jn ) 

w 1 wi(2j2 )  wi 2 j 
Wij   i 2
Tabel 2. Tabel Random Consistency Index    
 (j ) ( jn ) 
Orde 1 2 3 4 5 6 7 8 9 10  wini1 w ( j2 )
ini  wini j 
RI 0 0 0,52 0,89 1,11 1,25 1,35 1,40 1,45 1,49 Keterangan:
Sumber: Saaty & Vargas, 2001, hal.9. [2]
Setiap matriks perbandingan dikatakan

wik( jl ) : nilai prioritas elemen ke k dari
konsisten apabila nilai CR tidak lebih dari 10%. komponen ke i terhadap elemen ke
Setelah memastikan bahwa setiap matriks
l komponen ke j .
perbandingan berpasangan cukup konsisten,
9
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
Alternatif Manajemen Rasio Regulasi perbandingan berpasangan sesuai dengan item

JK
A1 A2 A3 A4 A5 A6 MJ MP
P
JKU JP D PP pertanyaan yang terdapat pada angket. Setiap
A1 0 0 0 0 0 0 0 0 1 1 0 1 1 bobot dimasukkan ke dalam matriks
A2 0 0 0 0 0 0 0 0 1 1 0 1 1 perbandingan berpasangan dengan prinsip
A3 0 0 0 0 0 0 0 0 1 1 0 1 1
resiprokal yang kemudian dicari vektor
A4 0 0 0 0 0 0 0 0 1 1 0 1 1
A5 0 0 0 0 0 0 0 0 1 1 0 1 1 prioritasnya.
A6 0 0 0 0 0 0 0 0 1 1 0 1 1 Vektor-vektor prioritas tersebut kemudian
MJ 0 0 0 0 0 0 0 0 1 0 0 0 0 disusun menjadi sebuah supermatriks. Dalam
MP 0 0 0 0 0 0 0 0 1 0 0 0 0
JKP 1 1 1 1 1 1 1 1 0 0 0 0 1 hal ini terdapat tiga buah supermatriks yang
JKU 1 1 1 1 1 1 1 1 1 0 0 0 1 akan terbentuk yaitu: unweighted supermatrix,
JP 0 0 0 0 0 0 0 0 1 0 0 0 0 weighted supermatrix, dan limiting supermatrix.
D 1 1 1 1 1 1 1 1 1 0 0 0 0
PP 1 1 1 1 1 1 1 1 1 0 0 1 1
Unweighted supermatrix merupakan
Gambar 3. Tabel yang Berisi Matriks supermatriks yang dibuat dengan menyusun
Ketergantungan setiap vektor prioritas pada kolom yang sesuai,
seperti Gambar 4.
Dari matriks pada Gambar 3 akan dibentuk
sebuah angket perbandingan. Angket tersebut
digunakan sebagai alat bantu melakukan
wawancara untuk memperoleh bobot dari
setiap perbandingan. Bobot-bobot tersebut
kemudian disusun menjadi matriks-matriks
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
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
Limiting supermatrix akan prioritas yang diperoleh dari limiting

memperlihatkan prioritas dari masing-masing supermatrix, seperti Tabel 3.
alternatif beradasarkan seluruh kriteria yang
ada. Langkah selanjutnya adalah menyusun
alternatif-alternatif tersebut beradasarkan
12
Tabel 3. Prioritas Alternatif DAFTAR PUSTAKA

Alternatif Nilai Prioritas [1] Saaty. 2004. Fundamental of The
Alternatif 1 0,091 1 Analytic Network Process Dependence
and Feedback in Decision Making With a
Alternatif 6 0,044 2 Singel Network. Journal of System
Alternatif 4 0,037 3 Science and System Engineering, 129-
Alternatif 5 0,035 4 157.
Alternatif 2 0,027 5 [2] Saaty, T.L., & Vargas, L. G. 2001.
Alternatif 3 0,023 6 Models, Methods, Concepts and
Applications of the Analytic Hierarchy
Keterangan: Process. New York: Springer
Alternatif 1: Memperbaiki sistem angkutan Science+Business Media New York.
umum [3] Saaty, T.L., & Vargas, L. G. 2006.
Alternatif 2: Menggunakan teknologi untuk Decision Making With The Analytic
mengawasi dan menegakkan Network Process Economic Political,
aturan Social and Technological Applications
with Benefits, Opportunities, Cost and
Alternatif 3: Membuat aturan
Risk (2 ed.). New York: Springer
Alternatif 4: Membuat aturan road pricing Science+Business Media, LLC.
Alternatif 5: Mengoptimalkan manajemen
[4] Santoso, Leo Willyanto, Alexander
jalan
Setiawan & Januar R. Stanley. 2009.
Alternatif 6: membuat aturan zonasi jalan Pembuatan Aplikasi Sistem Seleksi Calon
Pegawai dengan Metode Analytic
4. KESIMPULAN DAN SARAN Network Process (ANP) di PT X. Teknik
Beradasarkan hasil yang diperoleh, dapat Informatika, Fakultas Teknologi Industri
disimpulan bahwa alternatif-alternatif solusi – Universitas Kristen Petra.
yang dapat digunakan dalam menangani
kemacetan lalu lintas di Kota Denpasar adalah
memperbaiki sistem angkutan umum,
menggunakan teknologi untuk mengawasi dan
menegakkan aturan, membuat aturan 3 in 1,
membuat aturan road pricing,
mengoptimalkan manajemen jalan, membuat
aturan zonasi jalan. Berdasarkan perhitungan
menggunakan Metode ANP, dari keenam
alternatif tersebut, alternatif terbaik yang bisa
digunakan untuk menangani kemacetan lalu
lintas di Kota Denpasar adalah alternatif
memperbaiki sistem angkutan umum.
Dalam penelitian ini masih terdapat
beberapa kekurangan salah satunya adalah
analisis yang digunakan hanya menggunakan
aspek traffic management analysis. Oleh
karena itu pada penelitian selanjutnya bisa
ditambahkan aspek-aspek lain dalam
melakukan analisisnya misalnya aspek sosial
dan budaya.
13
PENENTUAN MODEL PREMI TIDAK KONSTAN

PADA ASURANSI DANA PENSIUN
Lia Jenita§1, I Nyoman Widana2, Desak Putu Eka Nilakusmawati3
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]
§
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
1. PENDAHULUAN pensiun bagi pesertanya yang bertujuan

membentuk sejumlah dana untuk dapat
Asuransi dana pensiun merupakan salah
dipergunakan nantinya di hari tua setelah
satu bentuk upaya perencanaan masa tua dengan
mereka tidak bekerja lagi.
tujuan menjamin kesejahteraan hidup pada saat
Menurut UU No.11 Tahun 1992 yang
memasuki usia pensiun. Program Asuransi
berisikan tentang hal-hal yang menyangkut
adalah suatu program yang mengupayakan
tentang dana pensiun. Selain sebagai bentuk
sejumlah pertanggungan dengan pihak-pihak
jaminan masa tua para pegawai yang bekerja di
yang terlibat, yaitu pihak penanggung
perusahaannya, dana pensiun juga merupakan
(perusahaan asuransi) dan pihak tertanggung
salah satu tanggung jawab perusahaan terhadap
(individual atau kelompok sebagai pemegang
semua pegawai yang telah bekerja keras selama
polis). Pihak penanggung memberikan jaminan
masa kerjanya di perusahaan itu.
suatu pengganti kerugian yang dialami atau
Pada asuransi dana pensiun, ada beberapa
diderita tertanggung sesuai perjanjian dan
kesepakatan yang harus disetujui oleh pihak
kesepakatan kedua belah pihak. Pihak
tertanggung dan pihak penanggung.
tertanggung memiliki kewajiban untuk
Kesepakatan itu adalah premi dan aktuaria,
membayarkan sejumlah uang yang disebut
dimana besar premi yang akan dibayarkan oleh
dengan premi sesuai polis yang disepakati kedua
pihak tertanggung (pegawai) asuransi dana
belah pihak pada awal perjanjian asuransi.
pensiun harus disesuaikan dengan penghasilan
Oleh karena itu, Dana pensiun atau sering
yang didapatkan, sehingga besar iuran premi
disebut asuransi hari tua adalah asuransi yang
yang akan dibayarkan tidak membebani
mengupayakan sejumlah nilai manfaat (benefit)
tertanggung. Pembayaran premi akan dilakukan
14
Jenita, L., Widana, I N., Nilakusmawati, D.P.E. Penentuan Model Premi Tidak Konstan pada Asuransi Dana Pensiun
dalam bentuk pembayaran iuran normal [ ]

dilakukan dalam bentuk pemotongan gaji
pegawai. Gaji yang dipotong menjadi investasi *
selama masa kerja dan akumulasi dana untuk +
pembayaran manfaat pensiun dalam memelihara
kesinambungan penghasilan peserta pada hari [
tua (Futami [2]). ] (4)
Dalam melakukan perhitungan premi, Nilai akhir anuitas yang dilakukan selama
penulis menggunakan formula baru yaitu tahun dengan peningkatan sebesar
perhitungan premi tidak konstan dengan dinotasikan dengan | sehingga persamaan
kenaikan premi tiap tahunnya konstan. Metode di atas dapat ditulis menjadi:
ini adalah metode perhitungan normal cost
dengan mengalokasikan total manfaat pensiun | . (5)
secara merata sejak tanggal perhitungan
Sehingga diperoleh manfaat pensiun
aktuaria. Metode tersebut menggunakan asumsi
skala gaji yang akan diestimasi pada masa depan tertanggung sampai berusia tahun adalah
(future value) dan diasumsikan bahwa gaji [ | ] (6)
mengalami peningkatan.
Menurut Futami [3], jika seseorang Present Value of Future Benefit
berinvestasi sebesar Rp.1,- pada saat sekarang adalah nilai sekarang dari manfaat pensiun yang
dan tingkat bunga yang berlaku sebesar maka akan diterima oleh tertanggung saat memasuki
total pokok besar bunga sebesar bunga setelah usia pensiunnya atau tahun. Sistem
tahun adalah: pembayaran manfaat pensiun yang dilakukan
tiap tahun sampai tertanggung meninggal.
. (1)
r ̈ r-x [6] (7)
Besar total manfaat yang didapatkan selama
tertanggung aktif bekerja dari umur tahun
sampai dengan tahun, dinotasikan sehingga
besar manfaat yang akan diterima oleh
tertanggung pada tahun dinotasikan
(Sembiring [5]).
(2)
Manfaat yang didapatkan oleh peserta

pensiun merupakan proporsi gaji sebesar Gambar 1. Skema Pembayaran
persen yang kemudian diakumulasikan sesuai Keterangan:
r
waktu yang telah ditentukan selama = nilai sekarang dari manfaat
dan berdasarkan skala gaji berikut: pensiun normal di usia x tahun;
= besar manfaat pensiun normal;
a. Asumsi Gaji Terakhir
̈ = nilai sekarang dari anuitas
Gaji terakhir pada usia tahun yang
seumur hidup di usia pensiun
diharapkan dinotasikan dengan
tahun;
. (3) = faktor diskonto selama
b. Asumsi Rata-Rata Gaji Selama Bekerja tahun; dan
Rata-rata gaji yang diharapkan selama r-x = tingkat penyusutan aktuaria total
bekerja adalah di usia x tahun hingga usia
tahun
15
Present value of future normal cost peserta berusia tahun adalah r

adalah nilai sekarang dari iuran sedangkan nilainya akan sama dengan nilai
normal yang dibayarkan secara berkala oleh sekarang manfaat pensiun saat tertanggung
peserta dimulai dari peserta berusia tahun berusia tahun yaitu r (Nurcahyani &
sampai memasuki usia pensiun berusia – Endang [4]), sehingga diperoleh persamaan:
tahun, yang dinotasikan dengan r . r r
Besar pembayaran berkala iuran normal yang
dilakukan setiap awal tahun sebesar dimulai Sehingga berdasarkan persamaan (7) dan
dari peserta masuk program pensiun (usia (8), maka nilai NC dapat dirumuskan sebagai
tahun) sampai memasuki usia pensiun selang berikut:
waktu usia tahun dapat dijelaskan dengan
skema pembayaran tampak pada Gambar 2. ̈ r-x ∑
∑ ̈ r-x
∑ ̈ r-x
̈
EAN ∑
̈
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
saat berusia tahun dan akan terhitung pensiun

pada usia tahun.
Misalkan adalah nilai tunai yang harus di
bayarkan tertanggung setiap tahunnya. Pada ̈
tahun pertama tertanggung membayarkan iuran
Berdasarkan prinsip ekuivalensi yang telah
sebasar dan tahun kedua sebesar dan
dijelaskan terlebih dahulu pada persamaan (9)
seterusnya mengalami peningkatan sebesar
dimana nilai uang yang masuk kedalam
setiap tahunnya sampai mencapai usia pensiun
perusahaan harus sama dengan nilai uang yang
satu tahun sebelum. Sehingga besar iuran
dikeluarkan perusahaan. Sehingga dengan
terakhir yang akan dibayarkan tertangngung
mengunakan persamaan ekuivalensi dari
adalah . Sebaliknya sebagai hak
persamaan (11) dan (12) maka akan diperoleh
yang akan didapatkan peserta pensiun bila hidup
persamaan:
sampai usia , akan mendapatkan
tanggungan (uang pensiun) mulai usia tahun [ ]
sebesar seumur hidup. Apabila peserta ̈
pensiun meninggal sebelum mencapai usia [ ]
̈
, maka peserta pensiun tidak mendapatkan
[ ] ̈
uang tanggungan apapun. Dari kontrak ini maka
nilai tunai dari premi yang akan dibayarkan ̈
[ ]
peserta pensiun adalah:
[ ] Dimana [ ] menyatakan besar iuran normal

pada tahun pertama , sehingga besar premi pada
tahun ke_ adalah:
[ ]
[ ]
{ }
[ ] 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
manfaat pensiun untuk premi tindak konstan

̈ ̅̅̅̅̅̅̅̅
dengan peningkatan secara konstan, digunakan
asumsi rata-rata gaji yang diperoleh karyawan
selama masih aktif bekerja sebagai berikut:
Pada contoh kasus yang disajikan telah di
Perhitunan Iuran Normal Metode Projected
ketahui gaji pokok terakhir yang diterima
Unit Credit
karyawan yaitu sebesar - maka
selanjutnya untuk menentukan besar manfaat Berdasarkan persamaan (10) diperoleh iuran
pensiun berdasarkan besar gaji terakhir dapat normal yang akan dibayarkan peserta program
menggunakan persamaan(2) sehingga diperoleh: dana pensiun adalah:
PUC
,-
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)
Jadi, diperoleh nilai sekarang total manfaat

Sedangkan untuk perhitungan iuran normal pada
pensiun yang akan di peroleh peserta program
usia 24 tahun menggunakan persamaan
pensiun saat mencapai usia 23 tahun sebesar
sehingga diperoleh:
Rp. ,-.
Sehingga diperoleh nilai adalah: [ ]
( )
Berdasarkan perhitungan yang dilakukan

c. Perhitungan Iuran Normal (Premi) pada sub bab sebelumnya, penggunaan asumsi
skala gaji terakhir yang diperoleh oleh peserta
Perhitunan Iuran Normal Metode Entry Age
pensiun digunakan untuk melakukan
Normal
perhitungan nilai sekarang manfaat pensiun tiap
Berdasarkan persamaan (9) diperoleh iuran tahun dan disajikan dalam bentuk grafik pada
normal yang akan dibayarkan peserta program Gambar 3.
dana pensiun adalah:
̈
EAN ̈ ̅̅̅̅̅̅̅̅
18
150000000 pembiayaan iuran normal (premi) dengan

mengunakan metode Projected Unit Credit akan
100000000
mengalami peningkatan setiap tahunnya. Pada
50000000 metode ini peningkatan iuran normal yang
terjadi setiap tahunnya tidak secara konstan,
0
sehingga pada saat peserta mencapai usia lebih
24 27 30 33 36 39 42 45 48 51 54
tua peningkatan besar iuran normal yang harus
Gaji Terakhir dibayarkan peserta program dana pensiun
semakin melonjak tinggi disesuaikan dengan
Gambar 3. Grafik Nilai Sekarang dari Manfaat perkiraan besar manfaat yang akan didapatkan
Pensiun (Present Value of Future Benefit) peserta pensiun jika membayar iuran normal
dengan Asumsi Skala Gaji Terakhir.
pada umur tersebut. Peningkatan iuran normal
Gambar 3 menunjukkan bahwa penggunaan mengunakan metode Projected Unit Credit
asumsi gaji terakhir menghasilkan manfaat dapat dilihat dengan grafik garis yang berwarna
pensiun yang sangat tinggi. Hal ini menyatakan biru.
bahwa penggunaan skala gaji terakhir akan Sedangkan grafik garis berbentuk pesegi
menunjukkan penggunaan asumsi gaji lainnya, yang ditunjukkan pada gambar 4 menunjukkan
mengingat setiap tahun pegawai selalu pembiayaan iuran normal dengan mengunakan
mendapatkan peningkatan gaji. Tetapi metode Individual Level Premium. Perhitungan
kekurangan saat mengunakan asumsi gaji iuran normal (premi) dengan mengunakan
terakhir adalah perusahaan asuransi dapat saja metode ini cenderung tetap saat pegawai baru
mengalami kerugian dikarenakan harus menjadi peserta pensiun sampai pegawai
melakukan pembayaran kekurangan pembiayaan memasuki usia pensiun. Hal ini disebabkan
yang terjadi diawal masa kepesertaan bagi karena perhitungan pembiayaan iuran normal
peserta program pensiun yang memperoleh dengan metode Individual Level Premium tidak
peningkatan penghasilan tiap tahunnya. dipengaruhi oleh usia peserta program dana
Sedangkan untuk perbandingan, perhitungan pensiun saat tahun perhitungan aktuaria (saat
pembiayaan iuran normal ditunjukkan pada peserta berusia x tahun), tetapi dipengaruhi oleh
Gambar 4. usia peserta program dana pensiun saat
memasuki program dana pensiun (saat peserta
1400000.00 berusia e tahun).
1200000.00 Sedangkan Grafik garis berbentuk persegi
1000000.00 tiga yang ditunjukkan pada gambar 4
800000.00 menunjukkan, bahwa pembiayaan iuran normal
600000.00 dengan menggunakan formula baru dengan
400000.00 kenaikan yang terjadi secara konstan. Hal ini
200000.00 disebabkan karena kenaikan iuran normal yang
0.00 terjadi setiap tahunnya adalah sebesar .
24 26 28 30 32 34 36 38 40 Dimana dengan menggunakan formula ini
didapatkan iuran normal yang harus dibayarkan
PUC ILP formula Baru
peserta pensiun saat baru memasuki program
dana pensiun sampai akhir usia pembayaran
Gambar 4. Grafik Pembiayaan Iuran Normal
Mengunakan Metode Projected Unit (satu tahun sebelum usia pensiun) berada di
Credit (PUC), Individual Level Premium tengah-tengah atau diantara perhitungan iuran
(ILP) Berdasarkan Asumsi Gaji Terakhir normal dengan mengunakan perhitungan dengan
metode Projected Unit Credit dan Individual
Grafik garis berbentuk layang-layang yang
Level Premium.
ditunjukkan pada gambar 4 menunjukan bahwa
19
Berdasarkan hasil perhitungan pembiayaan 2. Bilamana usia peserta program dana

iuran normal setiap tahun, berikut ini diperoleh pensiun saat mengikuti program pensiun
perbandingan hasil nilai akhir perhitungan iuran adalah 19 tahun dan usia pensiun pada
normal setiap tahunnya menggunakan tiga kontrak ini adalah 55 tahun, dengan
formula yang berbeda. Pada perhitungan ini kenaikan premi sebesar 5% dari iuran
diasumsikan bahwa setiap peserta yang normal awal. Adapun besar perbandingan
memasuki program dana pensiun pada usia premi adalah sebagai berikut,
tahun dan masih hidup saat memasuki usia untuk iuran
pensiun (berusia tahun). normal pada saat berusia 19 tahun sampai
Berdasarkan perhitungan nilai akhir usia 28 tahun, tetapi
pembiayaan iuran normal, diperoleh total akhir untuk iuran normal pada saat
pembiayaan iuran normal dengan Projected Unit berusia 29 tahun sampai usia 33 tahun dan
Credit adalah sebesar Rp.12.695.636,-, untuk
sedangkan total nilai akhir pembiayaan iuran iuran normal pada saat berusia 34 tahun
normal dengan mengunakan Entry Age Normal sampai usia satu tahun sebelum pensiun.
adalah sebesar Rp.5.896.427,-, dan total nilai Adapun saran untuk pengembangan
akhir pembiayaan iuran normal dengan penelitian selanjutnya agar peneliti selanjutnya
menggunakan formula kenaikan kostan adalah menggunakan asumsi tingkat suku bunga
Rp.8.066.992,- pembiayaan investasi yang berbeda. Selain itu,
Penggunaan pembiayaan akhir menggunakan agar kontrak program dana pensiun yang
formula kenaikan iuran normal secara konstan, selanjutnya dapat diperbaharui dengan kontrak
menghasilkan nilai akhir iuran yang lebih tinggi program dana pensiun dimana peserta program
dibandingkan dengan Individual Level Premium dana pensiun tetap memperoleh pembiayaan
dan lebih rendah dari nilai akhir iuran dengan usia tua (pensiun) pada saat peserta pensiun
menggunakan metode Projected Unit Credit. mengalami sesuatu kejadian dipertengahan
Oleh karena itu, perhitungan pembiayaan iuran sebelum mencapai usia pensiun.
normal dari sudut pandang peserta asuransi
dapat memilih formula kenaikan iuran normal DAFTAR PUSTAKA
secara konstan. Dengan demikian, peserta [1] Aitken, W. H 1994. A Problem Solving
pensiun tidak merasa terbebani dengan kenaikan Approach to Pensiun Funding And
iuran normal setiap tahunnya dikarenakan Valuation. 2nd edition. Winsted: Actex
kenaikan yang terjadi setiap tahunnya selalu Publications.
konstan. [2] Futami, T. 1993a. Matematika Asuransi
Jiwa Bagian I. Herliyanto, Gatot,
4. KESIMPULAN DAN SARAN penerjemah.Tokyo: oriental Life Insurance
Cultural Development Center. Terjemahan
Penelitian ini menunjukkan bahwa: dari: Seimei Hoken Sugaku, Jokan (“92
1. Formula model premi tidak konstan dengan revision).
kenaikan konstan pada tahun pertama
[3] Futami, T. 1993b. Matematika Asuransi
adalah: Jiwa Bagian II. Herliyanto, Gatot,
penerjemah.Tokyo: oriental Life Insurance
̈ Cultural Development Center. Terjemahan
dari: Seimei Hoken Sugaku, Jokan (“92
dengan menyatakan besar iuran normal revision).
pada tahun pertama, sehingga besar premi [4] Nurcahyani, L. dan Endang W. 2014.
pada tahun ke_ adalah: Penentuan Model Premi dengan Metode
Individual Level Premium Pada Asuransi.
Jurnal. Fakultas Matematika. Universitas
Brawijaya.
20
[5] Sembiring, R.K. 1986. Buku Materi Pokok

Asuransi I. Departemen Pendidikan dan
Kebudayaan Universitas Terbuka.
[6] Winklevoss. 1993. Pengertian Dana
Pensiun. http://wisuda.unud.ac.id. Diakses
tangal 16 Juni 2015.
[7] Bower,et al.1997. Perhitungan Dana
Pensiun dengan Metode Projected Unit
Credit. http://download.portalgaruda.org.
Diakses tangal 23 juli 2015.
21
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM

COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF
SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
Ni Putu Iin Vinny Dayanti§1, Ni Luh Putu Suciptawati2, Made Susilawati3
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]
§
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
1. PENDAHULUAN dengan data berukuran kecil. Penelitian ini

Analisis regresi linier berganda merupakan dilakukan dengan menerapkan bootstrap pada
analisis yang digunakan untuk menyelidiki kedua metode (MCD-bootstrap) dan (LMS-
hubungan linier antara dua atau lebih peubah bootstrap) untuk mengetahui perbandingan bias
prediktor terhadap peubah respon yang berskala pada parameter yang dihasilkan dalam
minimal interval (Neter, et al [1]). mengatasi pencilan pada data berukuran kecil.
Metode kuadrat terkecil (MKT) merupakan Metode bootstrap yang digunakan adalah
metode penduga parameter regresi yang baik bootstrap residual yang bekerja dengan
bila tidak terjadi pelanggaran asumsi klasik, meresampling sisaannya (residual) (Efron &
seperti adanya pencilan. Pencilan merupakan Tibshirani [2]).
data yang pengamatannya berada jauh dari Metode Minimum Covariance Determinant
sekelompok data amatan lainnya yang (MCD) memiliki prinsip kerja menggunakan
menyebabkan penduga parameter bersifat bias vektor rataan dan matriks kovarians dengan
(Neter, et al [1]). Metode yang bisa mengatasi membentuk subsampel yang berukuran dari
pencilan yaitu Minimum Covariance sampel berukuran amatan yang matriks
Determinant (MCD) dan Least Median of kovariansnya memiliki determinan terkecil
Squares (LMS). Namun penggunaan metode (Hubert & Debruyne [3]). Nilai diperoleh dari:
MCD dan LMS kurang tepat apabila berhadapan ⌊ ⌋ (1)
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…
Selanjutnya dicari vektor rataan dan ⌈ ⌉ (7)

matriks kovarians serta jarak mahalanobis
kekar dengan menggunakan rumus (Hubert Kemudian pada iterasi ke-2 ( ) diambil
& Debruyne [3]): pengamatan sejumlah dari dengan jarak
nilai ( ) yang minimum. Demikian seterusnya
∑ (2) sampai iterasi berakhir pada iterasi ke- yaitu
saat Selanjutnya dapat dihitung bobot
∑ , -, - (3)
dengan rumus:
√( ) ( ) (4) | ̂|
{ (8)
Selanjutnya ditentukan Fast MCD (Rousseeuw dengan
[4]) yaitu terlebih dahulu dengan menentukan ̂ [ ]√ (9)
subsampel yang berukuran kemudian dapat
dihitung nilai dan dengan misalkan maka dapat dibentuk matriks :
sebagai dan serta menghitung determinan
dari atau ( ). Jika ( ) maka [ ] (10)
dilanjutkan dengan menghitung nilai yang
diurutkan dari terkecil hingga terbesar. Pada
iterasi berikutnya yaitu akan diambil dengan entri matriks , dengan .
sebanyak pengamatan dengan jarak Penduga parameter regresi LMS dapat dihitung
terkecil. Demikian seterusnya hingga mencapai dengan menggunakan rumus:
konvergen ( ) ( ). Kemudian ̂ ( ) ( ) (11)
pilih himpunan yang memiliki determinan
terkecil serta menghitung nilai dan Langkah-langkah bootstrap residual (Efron
. Maka selanjutnya data dapat diboboti &Tibshirani [2]) adalah menentukan nilai ̂
dengan yang dihasilkan oleh model analisis regresi,
( ) ( ) selanjutnya dapat diperoleh nilai residual yaitu,
{ ̂ . Selanjutnya mengambil sampel
Sehingga dapat dibentuk matriks bootstrap berukuran dari
secara acak dengan pengembalian, sehingga
diperoleh sampel bootstrap pertama
[ ] ( ). Kemudian hitung nilai bootstrap
untuk dengan cara:
Dan diperoleh penduga MCD ̂ (12)
̂ ( ) ( ) (5) Lebih lanjut lagi dihitung koefisien regresi
untuk sampel bootstrap sehingga diperoleh
Least Median of Squares (LMS) merupakan
̂ . Iterasi terus dilakukan sampai pada batas
metode yang bekerja dengan meminimalkan
replikasi yang diinginkan.
median (nilai tengah) dari kuadrat residual ( )
(Rousseeuw [5] yaitu:
* + (6) Penelitian ini menggunakan data simulasi
dilakukan pada urutan nilai residual kuadrat. melalui pembangkitan data berdistribusi normal
Langkah awal metode LMS adalah dengan bantuan software R i386 3.1.3. Data ini
menentukan kuadrat nilai error dari MKT terdiri dari sisaan dan dua peubah prediktor
sehingga diperoleh nilai . Selanjutnya yang akan digunakan untuk menentukan peubah
dihitung nilai dengan rumus: responnya. Persentase pencilan yang diberikan
23
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
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
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
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
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
0.9436 0.8593-1.0355Tidak bias 0.9466 0.8325-1.0623Tidak bias
Tabel 6. Pendugaan parameter dengan metode

MCD-bootstrap dengan B=1000 kali Dari Tabel 7 dan 8 diperoleh bahwa dengan
resampling menganalisis menggunakan metode LMS-
Selang Kepercayaan 95% Selang Kepercayaan 99% bootstrap, selang kepercayaan 95% dan 99%
Jumlah
Pencilan
Parameter Estimasi Selang
Ket
Estimasi Selang
Ket dapat mencakup nilai parameternya. Hal ini
berarti hasil yang diperoleh dengan metode
0.9698 0.9031-1.0369 Tidak bias 0.9689 0.8840-1.0559 Tidak bias LMS-bootstrap, nilai penduga parameter dan
bersifat tidak bias.
Dari Tabel 5 dan 6 diperoleh bahwa

penduga parameter yang dihasilkan oleh metode
25
G. Perbandingan hasil MCD-Bootstrap dan DAFTAR PUSTAKA

LMS-Bootstrap
[1] Neter, J., Wasserman, W., & Kutner, M.
Perbandingan hasil analisis dengan metode
1997. Model Linier Terapan Buku II:
MCD-bootstrap dan LMS-bootstrap dapat Analisis Regresi Linier Sederhana.
dilihat pada Tabel 9 dan 10 adalah berikut: (Terjemahan Bambang Sumantri).
Tabel 9. Lebar selang pada selang kepercayaan Bandung: Jurusan FMIPA-IPB.
95% untuk dan pada metode [2] Efron, B., & Tibshirani, R.J. 1993. An
MCD-bootstrap dan LMS-bootstrap Introduction to the Bootstrap. New York
Metode London: Chapman & Hall.
Persentase
Parameter MCD-bootstrap LMS-bootstrap
Pencilan
B= 500 B= 1000 B= 500 B= 1000 [3] Hubert, M., & Debruyne, M. 2009.
5% 0.2067 0.205 0.2102 0.2138 Minimum Covariance Determinant. WIREs
10% 0.2449 0.2415 0.2512 0.2658 Computational Statistics 2010, pp 36-43.
15% 0.2707 0.2635 0.2935 0.2778
5% 0.1337 0.1338 0.1367 0.1389 [4] Rousseeuw, P.J. 1999. Fast Algorithm for
10% 0.1598 0.1574 0.1629 0.1725 the Minimum Covariance Determinant
15% 0.1762 0.1712 0.1914 0.18
Estimator. Technometrics, august 1999.
Vol. 41, No. 3 American Statistical
Tabel 10. Lebar selang pada selang kepercayaan
Association and the American Society for
99% untuk dan pada metode
Quality, pp.212-223.
MCD-bootstrap dan LMS-bootstrap
Metode
[5] _____________,1984. Least Median of
Persentase Squares Regression. Journal of the
Parameter MCD-bootstrap LMS-bootstrap
Pencilan
B= 500 B= 1000 B= 500 B= 1000 American Statistical Association, pp. 871-
5% 0.2625 0.2644 0.2895 0.2703 880.
10% 0.3376 0.3078 0.3371 0.3329
15% 0.3562 0.3588 0.3737 0.3761
5% 0.1716 0.1718 0.1877 0.1759
10% 0.2208 0.2008 0.2185 0.2157
15% 0.2297 0.2333 0.2419 0.2428
Dari Tabel 9 dan 10 menunjukkan bahwa

dengan selang kepercayaan 95% dan 99%,
metode MCD-bootstrap menghasilkan nilai
lebar selang yang lebih kecil dibandingkan
metode LMS-bootstrap untuk semua persentase
pencilan pada dan .
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
DUL
PENENTUAN HARGA OPSI DAN NILAI HEDGE MENGGUNAKAN

PERSAMAAN NON-LINEAR BLACK-SCHOLES
Putu Ayu Deni§1, Komang Dharmawan2, G. K. Gandhiadi3
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]
§
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
1. PENDAHULUAN stokastik yang mengasumsikan diketahui

Perkembangan investasi ditunjukan dengan adanya rentang dalam nilai volatilitas. Model
munculnya berbagai macam alternatif tersebut mengubah asumsi bahwa volatilitas
instrumen investasi salah satunya adalah opsi. yang dianggap konstan diubah menjadi tidak
Opsi merupakan kontrak yang memberikan hak konstan sehingga dapat ditentukan nilai
untuk membeli atau menjual aset pada harga opsinya. Selanjutnya akan ditentukan nilai
dan jangka waktu tertentu. Opsi kerap hedge ratio menggunakan model Non-Linear
digunakan oleh investor sebagai sarana untuk Black-Scholes.
melakukan lindung nilai (hedging) terhadap
2. TINJAUAN PUSTAKA
aset yang dimiliki.
Terdapat berbagai cara yang dapat A. Persamaan Klasik Black-Scholes
dilakukan dalam menghitung harga opsi, salah Dalam sebuah opsi terdapat nilai yang
satu cara yang sering digunakan dalam dunia merupakan fungsi dari berbagai macam
keuangan adalah model Black-Scholes. Dengan parameter, ditulis . Dengan
asumsi nilai volatilitas yang konstan, penerapan , merupakan harga dari underlying asset;
persamaan Black-Scholes ini dianggap belum adalah waktu ; adalah drift dari ;
sesuai dengan keadaan nyata dalam pasar merupakan strike price; adalah batas waktu
keuangan. Pada pasar, nilai volatilitas memiliki akhir opsi; dan bunga bebas risiko (Qiu &
kecenderungan tidak konstan. Sehingga model Lorenz [3]). Asumsi dasar dari model klasik
diturunkan menggunakan persamaan diferensial
27
Deni, P.A., Dharmawan, K., Gandhiadi, G.K. Penentuan Harga Opsi Dan Nilai Hedge Menggunakan…
Black-Scholes mengikuti: ( ) ( ) (8)

1. Tingkat suku bunga bebas risiko diketahui
konstan, harga dari underlying asset Selanjutnya kedua ruas dibagi dengan
mengikuti log-normal random walk sehingga dapat ditulis kembali dengan
2. Drift dan volatilitas diketahui konstan
3. Saham tidak membayarkan dividen (9)
4. Tipe opsi adalah opsi Eropa
B. Persamaan Non-Linear Black-Scholes
Diberikan merupakan portofolio dari nilai
opsi dan sebagai ukuran dari underlying asset Dalam perkembangannya model dari
volatilitas yang tidak pasti sangat populer dan
(1)
menarik (Zhang & Wang [5]).
Dengan mengikuti asumsi bahwa harga dari Asumsi yang mendasari model Black-
underlying asset mengikuti log-normal random Scholes akan dimodifikasi dalam parameter
walk volatilitas , dalam hal ini akan difokuskan
pada asumsi volatilitas yang konstan. Pada
(2) volatilitas yang tidak konstan merupakan
Perubahan harga saham dapat dimodelkan variabel stokastik yang tidak pasti. Terdapat
dengan menggunakan lemma Ito. Dimisalkan , dua cara untuk mencari nilai volatilitas yaitu
suatu peubah yang bergantung pada dengan cara implied dan historical (Qiu &
perubahan harga saham dan waktu. Apabila Lorenz [3]).
harga saham mengikuti persamaan (2) maka Misalkan volatilitas terletak dalam rentang
diperoleh (10)
(3) Akan diasumsikan bahwa volatilitas

terdapat pada selang waktu tertentu yang akan
Sehingga portofolio berubah menjadi memberikan keuntungan atau kerugian pada
batas waktu jatuh tempo.
(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
dengan Selanjutnya didefinisikan titik grid sepajang

jarak dan pada sumbu waktu
un uk
dan un uk
ka
{ Persamaan (12) dapat ditulis dalam bentuk
ka
umum sebagai berikut
Untuk selanjutnya dapat diperoleh opsi
terbaik dengan fungsi dan range yang (13)
yang diperoleh memenuhi
Dari persamaan (13), diperoleh
( ) ( )(
)
dengan
Untuk mencegah terjadinya osilasi, kondisi
tersebut harus memenuhi
dan ( )
ka
{
ka
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
iv. Jika maka dipilih nilai

dengan ⁄ ,
jika tidak maka dipilih nilai
dengan nilai ⁄
v. Selanjutnya hitung nilai
Pada gambar di atas dengan harga tebus (K)
sebesar 47,00, digunakan nilai opsi dengan
volatilitas yang berada pada rentang
(3) Lakukan langkah yang sama seperti
dengan nilai sebesar 6,032. Dari
langkah no 2 dengan sampai dengan
hasil diatas, dengan harga saham yang
ditawarkan sebesar 52 dan para pemegang opsi
4. Mencari hedge ratio
menyepakati harga tebus atau harga
Dalam mencari hedge akan digunakan
kesepakatan sebesar 47,00 maka diperoleh
turunan kedua dari persamaan (5) dengan
harga opsi sebesar 6,032. Harga ini dipilih
mengikuti algoritma berikut.
karena harga tersebut didapat dengan
30
menggunakan volatilitas tidak konstan yang 5. KESIMPULAN DAN SARAN

sesuai dengan keadaan pasar.
A. Kesimpulan
B. Implementasi dalam Penentuan Nilai Perhitungan opsi menggunakan persamaan
Hedge Ratio non-linear Black-Scholes menghasilkan harga
Hedge ratio adalah tingkat perubahan rata- opsi yang ideal karena sesuai dengan keadaan
rata nilai opsi terhadap harga saham. pasar yang bergerak dengan volatilitas yang
Berdasarkan definisi dan dengan menggunakan tidak konstan. Dengan menggunakan volatilitas
model Black-Scholes didapat rasio lindung nilai antara 20% dan 30% diperoleh harga opsi
terdapat pada persamaan (5). Dengan nilai sebesar 6,032.
adalah total dari nilai opsi dalam portofolio, Dari perhitungan untuk nilai hedge ratio
yaitu jumlah semua nilai opsi dalam portofolio. diperoleh rasio untuk portofolio yaitu proporsi
Hedge ratio menujukkan bahwa ada untuk underlying asset dan opsi sehingga
kemungkinan membuat portofolio yang bebas diperoleh portofolio yang bebas risiko dengan
resiko yang terdiri dari opsi dan saham. Nilai rasio sebesar 49,6% dan underlying asset 50,4%
hedge ratio akan hitung menggunakan pada harga tebus sebesar 47.
persamaan non-linear Black-Scholes,yang akan B. Saran
diselesaikan dengan algortima sehingga Pada penelitian ini menggunakan opsi
diperoleh grafik sebagai berikut dengan tipe Eropa, untuk pengembangan
penelitian diharapkan dapat menggunakan opsi
dengan tipe Amerika dan tipe Barier. Pada
penghitungan harga opsi dengan tipe Eropa
dapat disertakan deviden.
DAFTAR PUSTAKA
[1] Dharmawan, K. (2005). Supperreplication

Method for Multi-asset Barrier Options.
Ph.D. Thesis. University of New South
Wales Library, Sydney.
[2] Husnan, S. (1998). Dasar-Dasar Teori
Portofolio. Yogyakarta: UPP AMP YKPM.
[3] Qiu, Y., & Lorenz, J. (2009). A Non-Linier
Black-Scholes Equation. Int. J. Business
Dari gambar diatas menunjukkan bahwa Perform and Supply Chain Modelling, vol.1,
harga opsi dengan delta hedging diperoleh pp.33-40.
sebesar 0,496 sehingga diperoleh besaran rasio [4] Willmot, P. (1998). The Theory and Practice
hedge utuk opsi 49,6% sedangkan untuk saham of Financial Engineering. New York: John
50,4% sehingga terbentuk portofolio yang Wiley & Sons.
terdiri dari aset yang berisiko dan yang bebas [5] Zhang, K., & Wang, S. (2009). A
risiko. Computational Scheme for Uncertain
Volatility Model in Option Pricing. IMACS,
1754-1767.
31
PENENTUAN CADANGAN PREMI UNTUK ASURANSI JOINT LIFE
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]
§
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: ⌉ ∑
Menurut (Matvejevs & Matvejevs [5])

(1) nilai tunai dari pendapatan premi dan nilai
tunai dari benefit yang dibayarkan oleh pihak
Peluang dua orang berusia x dan y yang penanggung dapat dirumuskan sebagai
meninggal dalam jangka waktu t tahun berikut:
dinotasikan dengan , (Futami [4]) dan Nilai tunai dari pendapatan premi tahunan
dirumuskan sebagai berikut: konstan pada joint life dapat dinyatakan
sebagai
( ) ̈ ⌉ (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
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
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
meninggal sebelum akhir tahun ke- dan

masih tetap hidup sampai akhir tahun ke- lalu
dengan merupakan seluruh dana yang dibungakan selama setahun. Selisih tersebut
berasal dari tahun pertama kemudian kemudian dibagi dengan .
ditambahkan dengan premi pada tahun kedua Selanjutnya cadangan premi akhir tahun
yaitu . Keduanya kemudian ke- adalah sebagai berikut:
dibungakan selama setahun lalu dikurangi ( ) ( )
dengan ( ) yang merupakan
( )
uang pertanggungan yang dibayarkan pada
akhir tahun kedua. Selisih tersebut kemudian
dibagi dengan . Selanjutnya cadangan akhir dengan merupakan seluruh
tahun ketiga sampai akhir tahun ke- dana yang berasal dari tahun ke- yang
menggunakan formula yang sama seperti dibungakan selama setahun lalu dikurangi
cadangan akhir kedua. dengan ( ) yaitu uang
pertanggungan yang diberikan apabila
meninggal sebelum akhir tahun ke- dan
masih tetap hidup sampai akhir tahun ke-
lalu dibungakan selama setahun, dan
( ) ( ) yaitu uang
pertanggungan yang diberikan apabila
Selanjutnya cadangan premi akhir tahun meninggal sebelum akhir tahun ke- dan
ke- berbeda dengan cadangan premi akhir masih tetap hidup sampai akhir tahun ke-
tahun ke-t karena pada tahun ke- sudah lalu dibungakan selama setahun. Selisih
tidak ada pembayaran premi lagi. tersebut kemudian dibagi dengan .
Dimisalkan ( ) Cadangan premi akhir tahun ke- dan
dengan sehingga seterusnya sampai seumur hidup dicari dengan
cadangan akhir tahun ke- adalah sebagai menggunakan formula yang sama seperti pada
berikut cadangan premi akhir tahun ke- .
( ) ( )
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
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
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

E-Jurnal Matematika: Open Journal Systems

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

E-Jurnal Matematika: Open Journal Systems

Uploaded by

Copyright:

Available Formats

E-Jurnal Matematika http://ojs.unud.ac.id/index.

ANFIS Chernoff Faces GWPR Granger

causality test Heteroscedasticity Joint

Life Insurance Median Quantile

Regression Monte Carlo

Multicollinearity OLS Optimization

Vector Autoregression biplot

multicollinearity optimal lag test

HOME ABOUT LOG IN REGISTER SEARCH CURRENT ARCHIVES EDITORIAL

Home > Vol 5, No 1 (2016)

DALAM MENGEST IMASI IMPLIED VOLAT ILIT IES SAHAM

MET ODE ANALY T IC NET WORK PROCESS

NI WAYAN NINING ISMIRANTI, I PUTU EKA N. KENCANA, I KOMANG GDE 7-13

LIA JENITA, I NYOMAN WIDANA, DESAK PUTU EKA NILAKUSMAWATI 14-21

MEDIAN OF SQUA RES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA

PUTU AYU DENI, KOMANG DHARMAWAN, G. K. GANDHIADI 27-31

PENENT UAN CADANGAN PREMI UNT UK ASURANSI JOINT LIFE PDF

ANFIS Chernoff Faces GWPR Granger

causality test Heteroscedasticity Joint

Life Insurance Median Quantile

Regression Monte Carlo

Multicollinearity OLS Optimization

Vector Autoregression biplot

multicollinearity optimal lag test

HOME ABOUT LOG IN REGISTER SEARCH CURRENT ARCHIVES EDITORIAL

Home > About the Journal > Editorial Team

Drs. GK Gandhiadi, Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia

Made Susilawat i, Jurusan Matematika, Fakultas MIPA, Universitas Udayana, Bali-Indonesia

PERBANDINGAN KEEFISIENAN METODE NEWTON-RAPHSON,

Keywords: Black-Scholes, Implied Volatility, Newton-Raphson Method, Secant Method,

1. PENDAHULUAN mengikuti gerak Brown geometrik pada suku

B. Algoritma untuk Menaksir Implied b. Penyelesaian menggunakan metode

(ii) Jika ( ) ( ) , 3. HASIL DAN PEMBAHASAN

Tabel 1 Iterasi dengan Menggunakan Metode Newton-Raphson

Tabel 2 Iterasi dengan Menggunakan Metode Secant

Tabel 3 Iterasi dengan Menggunakan Metode Bisection

Berdasarkan Tabel 1, dapat ditarik relatif secara berturut-turut sebesar 4,084282e-

dibandingkan metode Secant dan metode DAFTAR PUSTAKA

ANALISIS PRIORITAS SOLUSI KEMACETAN LALU LINTAS

Keywords: Analytic Network Process, Traffic Congestion, Priorities, Denpasar

1. PENDAHULUAN Adapun alternatif-alternatif solusi yang akan

Langkah awal dari penggunaan metode Pada penelitian menggunakan ANP

Putaran dalam komponen menunjukan

Nilai-nilai dari RI dapat dilihat pada Tabel 2  i(1j ) ( jn ) 

Setiap matriks perbandingan dikatakan

Alternatif Manajemen Rasio Regulasi perbandingan berpasangan sesuai dengan item

Limiting supermatrix akan prioritas yang diperoleh dari limiting

Tabel 3. Prioritas Alternatif DAFTAR PUSTAKA

PENENTUAN MODEL PREMI TIDAK KONSTAN

Lia Jenita§1, I Nyoman Widana2, Desak Putu Eka Nilakusmawati3

1. PENDAHULUAN pensiun bagi pesertanya yang bertujuan

dalam bentuk pembayaran iuran normal [ ]

Manfaat yang didapatkan oleh peserta

Present value of future normal cost peserta berusia tahun adalah r

saat berusia tahun dan akan terhitung pensiun

[ ] Dimana [ ] menyatakan besar iuran normal

manfaat pensiun untuk premi tindak konstan

Jadi, diperoleh nilai sekarang total manfaat

Berdasarkan perhitungan yang dilakukan

150000000 pembiayaan iuran normal (premi) dengan

Berdasarkan hasil perhitungan pembiayaan 2. Bilamana usia peserta program dana

[5] Sembiring, R.K. 1986. Buku Materi Pokok

PENERAPAN BOOTSTRAP DALAM METODE MINIMUM