Algoritma Genetika dalam Pengoptimuman Portofolio Perusahaan Emiten

  • Izma Fahria Universitas Bangka Belitung
    (ID)
  • Elyas Kurtiawan Universitas Bangka Belitung
    (ID)

Abstract

ABSTRAK. Investasi saham di pasar modal tidak lepas dari risiko. Semakin tinggi keuntungan yang diperoleh dari investasi, maka akan berpotensi tinggi pula risiko yang dihadapi (high risk high return). Diversifikasi saham merupakan salah satu cara untuk memperkecil risiko investasi yang dapat dilakukan oleh investor. Tantangan besar ketika melakukan diversifikasi saham dalam portofolio adalah penentuan kandidat saham-saham dan besarnya proporsi jumlah dana yang ditempatkan pada masing-masing saham yang menyusun portofolio optimum. Penyelesaian masalah pembentukan portofolio optimum ini dilakukan dengan mengimplementasikan algoritma genetika agar diperoleh proporsi saham yang dapat menghasilkan keuntungan optimum dengan tingkat kerugian yang dapat dipertanggung jawabkan. Studi kasus dilakukan pada sejumlah saham dengan kinerja unggul yang aktif diperdagangkan di Bursa Efek Indonesia. Hasil penelitian menunjukkan bahwa metode algoritma genetika bekerja dengan efektif dalam penyelesaian masalah pembentukan portofolio optimum

Author Biography

Izma Fahria, Universitas Bangka Belitung
Jurusan Matematika

References

Goetzmann, W.N., Kumar, A., Equity Portfolio Diversification, Review of Finance, 12, 2008, pp. 433-463.

Jogiyanto, 2016, Teori Portofolio dan Analisis Investasi. Edisi kesepuluh. Yogyakarta: BPFE-Yogyakarta

Tandelilin, E 2017 Pasar Modal: Manajemen Portofolio dan Investasi. Yogyakarta: PT. Kanisius

Elton, E. J., Gruber, M. J., Brown, S. J., Goetzmann, W. N., Modern Portfolio Theory and Investment Analysis, Ninth edition, John Wiley and Sons, New York, 2014

Wahyuni, D, W., Mahmudy, B., Setiawan., Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 1, No. 1, Januari 2017, 63-68.

Zuhri, Z., Algoritma Genetika: Metode Komputasi Evolusioner untuk Menyelesaikan Masalah Optimasi, Penerbit Andi, Yogyakarta, 2014

Haupt, R.L, Haupt, S.E., Practical Genetic Algorithm, Second edition, John Wiley and Sons, New Jersey, 2004.

Soleimani, H., Golmakani, H.R., Salimi, M.H., Markowitz-based Portfolio Selection with Minimum Transaction Lots, Cardinality Constraint and Regarding Sector Capitalization using Genetic Algorithm, Expert Systems with Applications, 36, 2009, pp. 5058-5063.

C Chang, T.J., Yang, S-C., Chang, K-J., Portfolio Optimization Problems in Different Risk Measures using Genetic Algorithm, Expert System with Applications, 36, 2009, pp. 10529-15037

Lin, C-C., Liu, Y-T., Genetic Algorithms for Portfolio Selection Problems with Minimum Transaction Lots, European Journal of Operational Research, 185, 2008, pp. 393-404.

Woodside-Oriakhi, M., Lucas, C., Beasley, J.E., Heuristic Algorithms for the Cardinality Constrained Efficient Frontier, European Journal of Operational Research, 213, 2011, pp.538-550

Setiawan, E. D., Rosadi, Pengoptimuman Portofolio dengan Kendala Karakteristik Perusahaan Emiten, Jurnal Teknik Industri, Vol.19, No.2, 2017, 93-102.

Published
2020-12-23
How to Cite
[1]
I. Fahria and E. Kurtiawan, “Algoritma Genetika dalam Pengoptimuman Portofolio Perusahaan Emiten”, MSA, vol. 8, no. 2, pp. 70 - 76, Dec. 2020.
Abstract viewed = 428 times