LAPORAN UTS OPTIMASI PORTOFOLIO

PENYELESAIAN MINRISK1, MARXET1

Kelompok 5 :
Sheryl Natasya Inriyani 2017710026
Johannes Ruben Alexander Sitorus
2017710040
Satrio Wenas 6161801015
Pepita Tumiar Dorothy 6161801046
Audrey Eunike Heryadi 6161801076

PROGRAM STUDI MATEMATIKA

FAKULTAS TEKNOLOGI INFORMASI DAN SAINS
UNIVERSITAS KATOLIK PARAHYANGAN
2020
DAFTAR ISI

DAFTAR ISI ii

DAFTAR GAMBAR iv

DAFTAR TABEL iv

1 PENDAHULUAN 1
1.1 Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Rumusan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Batasan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 TINJAUAN PUSTAKA 3
2.1 Tingkat Pengembalian Portofolio . . . . . . . . . . . . . . . . . . . . 3
2.2 Risiko Portofolio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Efficient Frontier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3 METODE 6
3.1 Model Optimasi Portofolio yang Meminimumkan Risiko . . . . . . . . 6
3.1.1 Transformasi Minrisk1 menjadi Minrisk1m . . . . . . . . . . . 6
3.1.2 Menyelesaikan Minrisk1 dengan menghilangkan dua variabel . 7
3.2 Model Optimasi Portofolio yang Memaksimumkan Pengembalian . . . 8

4 HASIL DAN PEMBAHASAN 10

4.1 Data Saham . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.2 Analisis Penyelesaian Optimasi Portofolio dengan Minrisk1 . . . . . . 10
4.2.1 Metode Transformasi menjadi Minrisk1m . . . . . . . . . . . . 10
4.2.2 Metode Eliminasi Dua Variabel . . . . . . . . . . . . . . . . . 12
4.2.3 Perbandingan Metode Transformasi menjadi Minrisk1m dan
Eliminasi Dua Variabel . . . . . . . . . . . . . . . . . . . . . . 13
4.3 Analisis Penyelesaian Optimasi Portofolio dengan Maxret1m . . . . . 13

5 SIMPULAN DAN SARAN 15

5.1 Simpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.2 Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

LAMPIRAN 16

LAMPIRAN 18

ii
LAMPIRAN 19

DAFTAR PUSTAKA 20

iii
DAFTAR GAMBAR

4.1 Grafik ρ terhadap F . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4.2 Efficient Frontier Minrisk1m . . . . . . . . . . . . . . . . . . . . . . . 11
4.3 Efficient Frontier Minrisk1 dengan Metode Eliminasi Variabel . . . . 12
4.4 Efficient Frontier Maxret1m . . . . . . . . . . . . . . . . . . . . . . . 14

DAFTAR TABEL

iv
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Seiring berkembangnya zaman, kegiatan investasi juga semakin berkembang. In-
vestasi adalah penanaman uang atau modal dalam suatu perusahaan atau proyek
untuk tujuan memperoleh keuntungan. Investasi yang cukup berkembang adalah
investasi keuangan yang meliputi deposito, saham, obligasi, dan lain-lain. Dalam
melakukan investasi, tentu ada risiko yang akan dihadapi oleh investor. Risiko
adalah ukuran ketidakpastian dalam mencapai tingkat pengembalian sesuai harapan
investor. Investor umumnya menerapkan strategi diversifikasi untuk meminimumkan
risiko. Diversifikasi adalah proses pengalokasian modal pada beberapa aset dengan
proporsi tertentu. Ketika investor melakukan diversifikasi, maka terbentuklah se-
buah portofolio investasi. Portofolio dikatakan optimum jika memberikan kombinasi
rate return tertinggi dan risiko terendah. Oleh sebab itu, besar proporsi dana yang
akan diinvestasikan harus dipilih sedemikian sehingga menghasilkan portofolio yang
optimum.
Pada laporan ini, akan diselesaikan masalah optimasi portofolio dengan dua
model, yaitu Minrisk1 dan Maxret1. Penyelesaian masalah optimasi dengan
model Minrisk1 akan menggunakan dua metode, yaitu mentransformasikan men-
jadi Minrisk1m dan melakukan eliminasi variabel. Model Minrisk1m meng-
hasilkan kombinasi risiko yang minimum dan return mendekati target return dari
investor dengan kendala jumlah proporsi dana yang akan diinvestasikan adalah
satu. Sedangkan, model Maxret1 akan memaksimalkan expected return dengan
dua kendala, yaitu risiko portofolio sama dengan tingkat risiko yang dapat diterima
dan jumlah proporsi dana yang akan diinvestasikan adalah satu.
Selanjutnya, akan digunakan kurva efficient frontier untuk melihat hubungan an-
tara ekspektasi risiko dan ekspektasi return. Risiko di sini merujuk pada risiko yang
minimum sedangkan return-nya merupakan return yang ditentukan oleh investor.
Dari kurva efficient frontier kita dapat mengetahui beberapa hal, yaitu prediksi nilai
return yang akan diperoleh dengan menetapkan tingkat risiko tertentu, kombinasi
ekspektasi risiko dan ekspektasi return yang tidak akan menghasilkan portofolio op-
timum, dan kita dapat mengetahui portofolio-portofolio yang cocok bagi investor
bertipe konservatif maupun agresif.

1
1.2 Rumusan Masalah
Berdasarkan latar belakang maka terdapat beberapa permasalahan yang timbul
antara lain:

1. Bagaimana menyelesaikan masalah optimasi portofolio dengan model Min-

risk1 menggunakan dua metode, yaitu mentransformasikan menjadi model
Minrisk1m dan melakukan eliminasi variabel?

2. Bagaimana perbandingan hasil optimasi portofolio dengan model Minrisk1

yang dihitung menggunakan metode transformasi menjadi model Minrisk1m
dan metode eliminasi variabel?

3. Bagaimana menyelesaikan masalah optimasi portofolio dengan model Maxret1?

4. Bagaimana hubungan antara ekspektasi risiko dan ekspektasi tingkat pengem-

balian yang dapat digambarkan oleh kurva (efficient frontier ) dari hasil opti-
masi portofolio dengan model Minrisk1 dan Maxret1?

1.3 Tujuan
Tujuan dari penulisan laporan ini antara lain:

1. Menyelesaikan masalah optimasi portofolio dengan model Minrisk1 menggu-

nakan metode transformasi menjadi model Minrisk1m dan metode eliminasi
variabel.

2. Melihat perbandingan hasil optimasi portofolio dengan model Minrisk1 yang

dihitung menggunakan metode transformasi menjadi model Minrisk1m dan
metode eliminasi variabel.

3. Menyelesaikan masalah optimasi portofolio dengan model Maxret1.

4. Melihat hubungan antara ekspektasi risiko dan ekspektasi tingkat pengem-

balian yang dapat digambarkan oleh kurva (efficient frontier ) dari hasil opti-
masi portofolio dengan model Minrisk1 dan Maxret1.

1.4 Batasan Masalah

Batasan masalah dalam laporan ini, yaitu:

1. Portofolio terbentuk dari beberapa saham yang tergabung dalam indeks LQ45
dari 01 Januari 2014 sampai dengan 31 Desember 2019.

2. Model yang digunakan untuk menyelesaikan masalah optimasi portofolio adalah

Minrisk1 dan Maxret1.

2
 BAB 2
TINJAUAN PUSTAKA

2.1 Tingkat Pengembalian Portofolio

Tingkat pengembalian atau return rate adalah tingkat keuntungan atau keru-
gian yang diperoleh investor dari suatu investasi. Tingkat pengembalian tergantung
pada risiko saham. Semakin tinggi risikonya, semakin tinggi hasil yang diharapkan.
Return rate dihitung menggunakan data historis harga saham dengan cara mencari
selisih antara harga saham pada suatu periode dengan harga saham pada periode
sebelumnya lalu dibagi dengan harga saham pada periode sebelumnya. Jadi, return
rate saham ke-i pada periode ke-j dapat dinyatakan sebagai
Pi,j − Pi,j−1
ri,j = , (2.1)
Pi,j−1

di mana Pi,j adalah harga saham ke-i pada periode ke-j dan Pi,j−1 adalah harga
saham ke-i pada periode ke-(j − 1) dengan i = 1, 2, ..., n dan j = 1, 2, ..., t. Se-
lanjutnya, kita dapat hitung rata-rata return untuk masing-masing saham sebagai
Pm
j=1 ri,j
rij = . (2.2)
m
Ekspektasi return rate portofolio diberikan oleh
   
r1 y1
 r2   y2 
R = rT y di mana r =  ..  dan y =  ..  . (2.3)
   
. .
rn yn

Asumsikan seluruh dana akan diinvestasikan ke dalam n aset sehingga harus memenuhi
n
X
S= yi = 1 (2.4)
i=1

dengan yi menyatakan fraksi yang diinvestasikan ke dalam aset i. Kita dapat meng-
gunakan (2.4) untuk mengeliminasi yn . Perhatikan bahwa y1 + ... + yn−1 + yn = 1
ekuivalen dengan yn = 1 − y1 − ... − yn−1 . Misal x adalah sebuah vektor kolom

3
dengan xi = yi , (i = 1, · · · , n − 1) sehingga persamaan (2.4) menjadi
   
y1 x1
 y2   x2 
   
 ···  =  ···  (2.5)
   
yn−1   xn−1 
yn 1 − x1 − x2 − · · · − xn−1
    
0 1 0 ··· 0 x1
0 0
   1 ··· 0    x2 
 
= · · · +  .. .. ..  ··· .
..  (2.6)
   
0 0 0 ··· 1  xn−1 
1 −1 −1 · · · −1 xn

Selanjutnya, dapat didefinisikan sebuah vektor (n−1), α, dan sebuah matriks dengan
ordo n × (n − 1), B, sebagai
   
0 1 0 ··· 0
0
 
0
 1 ··· 0  
α = · · · dan B =  ..
   .. .. .. 
 (2.7)
0 0 0 ··· 1 
1 −1 −1 · · · −1

sehingga persamaan (2.5) dapat ditulis sebagai

y = α + Bx. (2.8)

2.2 Risiko Portofolio

Risiko adalah peluang terjadinya kerugian yang timbul karena adanya ketidak-
pastian dari return rate. Jadi, return rate dan risiko adalah dua faktor yang saling
berhubungan. Risiko ditentukan dari variansi dan kovariansi yang dapat dihitung
dari data return rate realisasi. Variansi aset i dapat dinyatakan sebagai
m
(rij − ri )2
P
j=1
σi2 = σii = (2.9)
m
sementara kovariansi dari aset i dan k dinyatakan sebagai
m
P
(rij − ri )(rkj − rk )
j=1
σik = . (2.10)
m
Dengan menjumlahkan variansi dan kovariansi, didapatkan risiko dari portofolio
dengan fraksi investasi y1 ,...,yn adalah sebagai berikut:
n
X n−1 X
X n
V = σi2 yi2 +2 σij yi yj . (2.11)
i=1 i=1 j=i+1

4
Persamaan (2.11) dapat dinyatakan dalam bentuk matriks, yaitu

V = y T Qy (2.12)

di mana matriks variansi-kovariansi Q didefinisikan oleh

 
σ11 σ12 · · · σ1n
 σ21 σ22 · · · σ2n 
Q =  .. ..  . (2.13)
 
.. ..
 . . . . 
σn1 σn2 · · · σnn

2.3 Efficient Frontier

Untuk mencapai tujuan investasi, seorang investor harus memilih portofolio yang
efisien dan menyisihkan portofolio yang dirasa kurang efisien. Kumpulan (set) dari
portofolio yang efisien disebut dengan efficient frontier. Dengan kata lain, batas
efisien (efficient frontier ) merupakan suatu kurva yang menyatakan hubungan an-
tara ekspektasi risiko dan ekspektasi tingkat pengembalian (return rate) yang meng-
hasilkan portofolio yang efisien. Jika hal ini dikaitkan dengan masalah optimasi
portofolio, maka risiko di sini merujuk pada risiko yang minimum sedangkan re-
turn-nya dapat pula merupakan return yang ditentukan oleh investor (yaitu Rp ).
Tujuan membentuk efficient frontier adalah untuk mendapatkan alternatif porto-
folio yang efisien dengan tingkat expected return yang diharapkan investor. Inputnya
adalah expected return dan standar deviasi, bersamaan dengan koefisien korelasi an-
tar setiap aset. Saham yang berkumpul dikanan atas efficient frontier dapat dilihat
sebagai saham yang terdivesifikasi secara efisien. Tiga cara menggambarkan effi-
cient frontier adalah memaksimalkan risk premium untuk setiap level dari standar
deviasi, menurunkan standar deviasi semua level dari risk premiun, memaksimalkan
rasio sharpe untuk setiap level dari standar deviasi.

5
 BAB 3
METODE

Dalam membentuk suatu portofolio, investor umumnya menginginkan portofolio

dengan risiko minimum atau return rate maksimum atau keduanya. Pada bab ini
akan membahas bagaimana membentuk portofolio yang optimum. Model yang akan
dibahas adalah Minrisk1 dan Maxret1.

3.1 Model Optimasi Portofolio yang Meminimumkan

Risiko
Meminimumkan risiko portofolio artinya meminimumkan fungsi risiko (V ) pada
Subbab 2.2. Asumsikan proporsi dana modal digunakan seluruhnya dan terdapat
target return rate portofolio sebesar Rp yang diharapkan investor. Penyelesaian
model optimasi portofolio yang meminimumkan risiko untuk n-aset dapat menggu-
nakan dua metode, yaitu transformasi menjadi Minrisk1m dan eliminasi variabel.
Penurunannya dapat dilihat pada Subsection (3.1.1) dan (3.1.2).

3.1.1 Transformasi Minrisk1 menjadi Minrisk1m

Pada metode ini, kita akan meminimumkan risiko dan mengusahakan return-nya
mendekati return yang diharapkan investor, yaitu Rp . Jadi, kita punya
ρ T
Minimize F = (α + Bx)T Q(α + Bx) + (r α − Rp + rT Bx)2 (3.1)
Rp2

dengan (α +Bx) mengacu pada persamaan (2.8). Agar gradien dan matriks Hessian
dari fungsi F lebih mudah diperoleh, maka persamaan (3.1) dapat ditulis sebagai

F = V + ρ̄(R − Rp )2

di mana
ρ
V = (α + Bx)T Q(α + Bx), ρ̄ = Rp2
, dan R = r̄T (α + Bx).

Turunan pertama dari fungsi F dapat ditulis sebagai

Fx = Vx + 2ρ̄(R − Rp )Rx

di mana
Vx = 2B T Q(α + Bx) dan Rx = B T r̄.

6
Untuk mendapatkan matriks Hessian, turunan kedua dari fungsi F dapat ditulis
sebagai
Fxx = Vxx + 2ρ̄(R − Rp )Rxx + 2ρ̄Rx RxT .
Dapat dilihat bahwa Rxx adalah matriks nol karena Rx tidak bergantung pada x.
Jadi, fungsi F dapat ditulis sebagai
Fxx = Vxx + 2ρ̄Rx RxT ,
di mana
Vxx = 2B T QB
dan Rx RxT merupakan matriks rank 1 yang setiap elemen ke-(i, j) diberikan oleh
∂R ∂R
(Rx RxT )i,j = .
∂xi ∂xj

3.1.2 Menyelesaikan Minrisk1 dengan menghilangkan dua

variabel
Selain menggunakan metode pada Subsection (3.1.1), kita juga dapat menyele-
saikan Minrisk1 dengan menghilangkan dua variabel. Kita gunakan (2.3) dan (2.4)
untuk menyatakan yn dan yn−1 dalam variabel y1 , . . . , yn−2 . Jadi, jika kita tulis
n−2
X n−2
X
γ1 = Rp − r¯i yi dan γ2 = 1 − yi
i=1 i=1

maka (2.3) dan (2.4) mengartikan

γ1 = r̄n−1 yn−1 + r̄n yn (3.2)

γ2 = yn−1 + yn . (3.3)
Selanjutnya, dengan mengurangi persamaan (3.2) dengan persamaan (3.3) yang
dikalikan dengan r̄n , diperoleh
(r̄n−1 − r̄n ) yn−1 = γ1 − r̄n γ2 (3.4)
γ1 − r̄n γ2
yn−1 = (3.5)
(r̄n−1 − r̄n )
n−2
X
= ᾱn−1 + β̄n−1,i yi (3.6)
i=1

di mana
Rp − r̄n r̄n − r̄i
ᾱn−1 = dan β̄n−1,i = . (3.7)
r̄n−1 − r̄n r̄n−1 − r̄n
Jadi, persamaan (3.3) dapat kita tulis
n−2
X
yn = γ2 − yn−1 = ᾱn + β¯n,i yi
i=1

7
di mana
ᾱn = 1 − ᾱn−1 dan β̄n,i = −(1 + β̄n−1,i ).
Jika kita menggunakan ekspresi ini untuk mengeliminasi yn−1 dan yn pada akhirnya
fungsi risiko hanya bergantung kepada y1 , ..., yn−2 saja. Lalu kita definisikan n-
vektor, ᾱ dan n × (n − 2) matriks, β̄ sebagai berikut
   
0 1 0 ... 0
 0   0 1 ... 0 
   
 ...   ... ... ... ... 
ᾱ = 
 0  β̄ =  0
  
   0 ... 1  
ᾱn−1  β̄n−1,1 β̄n−1,2 ... β̄n−1,n−2 
ān β̄n,1 β̄n,2 ... β̄n,n−2

Lalu jika x adalah (n − 2)-vektor dengan xi = yi , i = 1, 2, . . . , n − 2 maka y = ᾱ + β̄x

dan fungsi risiko (2.12) dapat ditulis sebagai

V = y T Qy = (ᾱ + β̄x)T Q(ᾱ + β̄x).

Karenanya, kita dapat tulis model Minrisk1 sebagai

Minimize V = ᾱT Qᾱ + 2ᾱT QB̄x + xT B̄ T QB̄x. (3.8)

Jika x∗ merupakan solusi dari (3.8) maka portofolio optimal diberikan oleh yi∗ =
ᾱ + β̄x∗
Dengan aljabar sederhana, gradien dan Hessian dari fungsi (3.8) masing-masing
diberikan oleh
∇V = 2β̄ T Qᾱ + 2β̄ T Qβ̄x (3.9)
dan
∇2 V = 2β̄ T Qβ̄. (3.10)

3.2 Model Optimasi Portofolio yang Memaksimumkan

Pengembalian
Sebuah portofolio dikatakan optimal jika memberikan ”return terbesar pada
risiko terkecil”. Dalam menyelesaikan masalah Maxret1 untuk n-aset, kita dapat
melakukan transformasi menjadi Maxret1m. Pada model ini, kita akan memaksi-
mumkan return dan mengusahakan risiko-nya mendekati risiko yang dapat diterima
investor, yaitu Va . Caranya adalah dengan mempertimbangkan fungsi komposit
berikut ini
ρ
Minimize F = −r̄T (α + Bx) + [(α + Bx)T Q(α + Bx) − Va ]2 . (3.11)
Va2

8
Agar gradien dan matriks Hessian dari fungsi F lebih mudah diperoleh, maka (3.11)
dapat ditulis sebagai
F = −R + ρ̄(V − Va )2
di mana R = r̄T (α + Bx), ρ̄ = Vρ2 , dan V = (α + Bx)T Q(α + Bx).
a
Gradien dari R dapat ditulis sebagai

Rx = B T r̄; (3.12)

dan matriks Hessian dari R, yaitu Rxx bernilai nol karena R linear terhadap x.
Selanjutnya, gradien dan Hessian dari V masing-masing diberikan oleh

Vx = 2B T Qα + 2B T QBx

dan
Vxx = 2B T QB.
Dengan menggunakan aturan rantai, gradien dan matriks Hessian dari fungsi (3.11)
masing-masing dapat ditulis sebagai

Fx = −B T r̄ + 2ρ̄(V − Va )Vx (3.13)

dan
Fxx = 2ρ̄(Vx VxT + (V − Va )Vxx ) (3.14)
di mana Vx VxT merupakan matriks rank 1 yang setiap elemen ke-(i,j) diberikan oleh

∂V ∂V
(Vx VxT )ij = .
∂xi ∂xj

9
 BAB 4
HASIL DAN PEMBAHASAN

Penyelesaian masalah optimasi portofolio pada laporan ini, akan menggunakan

model Minrisk1 dan Maxret1 yang masing-masing teorinya sudah dibahas pada
Bagian (3.1) dan (3.2). Alat bantu hitung yang digunakan adalah perangkat lunak
MATLAB R2016a.

4.1 Data Saham

Portofolio terbentuk daftar saham Indeks LQ 45 selama periode Januari 2014
sampai dengan Desember 2019. Indeks LQ 45 adalah indeks yang mengukur kinerja
harga dari 45 saham yang memiliki likuiditas tinggi dan kapitalisasi pasar besar
serta didukung oleh fundamental perusahaan yang baik. Saham yang tergabung ke
dalam daftar saham Indeks LQ 45 secara lengkap dapat dilihat pada Lampiran A.
Dari 45 saham yang berada pada indeks tersebut, diambil 6 saham dan 5 saham
berbeda yang masing-masing membentuk portofolio untuk menyelesaikan masalah
Minrisk1 dan Maxret1, secara lengkap dapat dilihat pada Lampiran B. Data
saham tersebut adalah harga Closed saham harian yang diperoleh dari situs Yahoo
Finance.

4.2 Analisis Penyelesaian Optimasi Portofolio den-

gan Minrisk1
Penyelesaian masalah optimasi portofolio dengan model Minrisk1 ini akan dis-
elesaikan dengan dua metode, yaitu transformasi menjadi Minrisk1m dan eliminasi
dua variabel. Asumsikan investor akan menginvestasikan seluruh dananya dengan
strategi diversifikasi untuk membentuk portofolio yang terdiri dari saham ASII,
BBCA, BBRI, ELSA, ICBP, dan INCO. Return rate saham dapat dilihat pada
lampiran C.

4.2.1 Metode Transformasi menjadi Minrisk1m

Pilih return rate yang diharapkan investor, Rp sebesar 0.0005% dan ρ sebesar 100.
Berdasarkan hasil perhitungan, agar portofolio dapat optimal dan mengusahakan
return portofolio mendekati Rp yaitu return yang diharapkan investor, maka investor
dapat melakukan strategi diversifikasi dengan proporsi 5.6859 dana pada saham

10
ASII, 4.962 dana pada saham BBCA, 2.5192 dana pada saham BBRI, 0.8594 dana
pada saham ELSA, 0.2224 dana pada saham ICBP, dan 0.2864 dana pada saham
INCO dengan melakukan short selling pada saham ASII, ELSA, dan ICBP. Dengan
proporsi dana investasi tersebut, investor akan menghadapi risiko, V sebesar 0.0111
dengan return portofolio, R sebesar 0.0055%, dan F sebesar 0.0111.
Selanjutnya, kita akan melihat hubungan ρ dan F pada Gambar 4.1.

Gambar 4.1: Grafik ρ terhadap F

Dapat kita lihat pada Gambar 4.1 bahwa ρ dan F memiliki hubungan yang positif.
Lebih jauh lagi, untuk ρ ∈ (0, 500), garis singgung pada titik-titik kurva tersebut
memiliki gradien mendekati nol, artinya pada daerah tersebut ρ tidak terlalu mem-
pengaruhi nilai F . Sedangkan untuk ρ lebih besar dari 500, garis singgung pada
titik-titik kurva tersebut memiliki gradien lebih besar dari nol, artinya pengaruh ρ
terhadap F dinilai cukup signifikan. Selain itu, kita dapat mengemukakan bahwa
untuk mencapai F yang minimum dengan kata lain risiko minimum sekaligus return
mendekati Rp , maka nilai ρ yang dipakai harus lebih kecil dari 500.
Grafik efficient frontier dari masalah ini, dapat dilihat pada Gambar 4.2 berikut
ini:

Gambar 4.2: Efficient Frontier Minrisk1m

Dari grafik di atas, diperoleh hubungan antara risiko, V dengan tingkat pengem-
balian yang diharapkan investor, Rp . Dapat dilihat bahwa grafik tersebut bergerak

11
naik, artinya semakin besar return yang diharapkan investor maka semakin be-
sar pula risiko yang akan dihadapi investor. Titik-titik yang berada pada kurva
merupakan portofolio-portofolio yang optimum. Artinya, jika investor menetapkan
tingkat risiko tertentu, maka investor tersebut dapat mengharapkan tingkat pengem-
balian yang sesuai dengan tingkat risiko tersebut. Pada kasus ini, jika investor
menetapkan target return sebesar 0.0005% maka investor akan mengalami risiko
sebesar 0%. Dalam dunia nyata, tentu nilai risiko tidak mungkin tepat 0%. Hasil
tersebut merupakan hasil analisis secara kualitatif. Sebelumnya, telah dilakukan
analisis kuantitatif di mana jawab risikonya sebesar 0.0111%. Efficient frontier ini
memberikan wawasan namun hendaknya tidak digunakan sebagai alat keputusan
kuantitatif praktis, karena kita tidak tahu return yang diharapkan, variansi, dan
korelasi yang ”sebenarnya”.

4.2.2 Metode Eliminasi Dua Variabel

Pilih return rate yang diharapkan investor, Rp sebesar 0.0005%. Berdasarkan
hasil perhitungan, agar portofolio dapat optimal dan mengusahakan return mendekati
Rp , maka investor dapat melakukan strategi diversifikasi dengan proporsi 0.2448
dana pada saham ASII, 0.7697 dana pada saham BBCA, 0.1668 dana pada saham
BBRI, 0.0046 dana pada saham ELSA, 10.3561 dana pada saham ICBP, dan 10.0484
dana pada saham INCO dengan melakukan short selling pada saham ASII dan
INCO. Dengan proporsi dana investasi tersebut, investor akan menghadapi risiko
V sebesar 0.1068 dan return portofolio sebesar 0.0005% yang mana nilai return ini
tepat sama dengan return yang diharapkan investor.

Gambar 4.3: Efficient Frontier Minrisk1 dengan Metode Eliminasi Variabel

Dapat dilihat dari grafik bahwa semakin tinggi nilai return-nya, semakin tinggi
juga risikonya. Risiko minimum yang dapat dialami investor sebesar 1.2% dengan re-
turn sebesar 7.5%. Selanjutnya, kita dapat menyatakan bahwa titik-titik pada kurva
yang semakin dekat dengan titik (1.2,7.5) merupakan portofolio-portofolio yang lebih
cocok bagi investor konservatif karena investor tipe ini tidak menginginkan risiko
yang besar. Sedangkan, titik-titik pada kurva yang makin jauh dari titik (1.2,7.5)
merupakan portofolio-portofolio yang lebih cocok bagi investor bertipe agresif di
mana investor tipe ini lebih toleran terhadap risiko yang besar untuk mendapatkan
tingkat pengembalian yang lebih tinggi. Jika investor menetapkan risiko sebesar
1.35 × 10−4 , maka investor dapat berharap tingkat pengembalian kira-kira sebesar
9.1 × 10−4 .

12
4.2.3 Perbandingan Metode Transformasi menjadi Minrisk1m
dan Eliminasi Dua Variabel
Menurut kelompok kami, di antara metode transformasi menjadi Minrisk1m
dan eliminasi dua variabel, yang lebih mudah adalah metode eliminasi dua variabel
karena metode tersebut menghilangkan dua variabel sehingga kita hanya bekerja
pada n − 2 variabel sedangkan metode transformasi menjadi Minrisk1m hanya
menghilangkan satu variabel. Selanjutnya, dapat dilihat pada bagian (4.2.1) dan
(4.2.2) masing-masing memberikan nilai risiko sebesar 0.0111 dan 0.1068 dengan
return masing-masing sebesar 0.0055% dan 0.0005%. Jadi, metode transformasi
menjadi Minrisk1m adalah metode yang lebih baik digunakan dalam masalah op-
timasi portofolio ini karena memberikan return yang besar sekaligus risiko yang
kecil.

4.3 Analisis Penyelesaian Optimasi Portofolio den-

gan Maxret1m
Asumsikan investor akan menginvestasikan seluruh dananya dengan strategi di-
versifikasi untuk membentuk portofolio yang terdiri dari saham KLBF, PGAS,
PTBA, TLKM, dan UNVR. Return rate saham-saham di atas, dapat dilihat pada
lampiran C.
Pilih risiko yang dapat ditoleransi oleh investor, Va sebesar 0.001. Berdasarkan
hasil perhitungan, agar portofolio dapat optimal dan nilai risiko dari portofolio terse-
but mendekati Va yaitu risiko yang dapat ditoleransi investor, maka terdapat tiga
solusi proporsi dana investasi, yaitu: 0.844934177, 20.478034, -18.814758868 dana
pada saham KLBF, -0.00455224, -7.57393, 7.575078836 dana pada saham PGAS,
-0.2764363658, 14.1289147, -14.7012996 dana pada saham PTBA, 0.790481995, -
11.9036923, 13.50185065 dana pada saham TLKM, dan -0.35442757, -14.1293259,
13.439128982 dana pada saham UNVR. Selanjutnya, dari ketiga solusi tersebut ten-
tunya investor menginginkan proporsi dana investasi yang dapat meminimumkan
F agar memperoleh return yang maksimum sekaligus risiko yang minimum. Sete-
lah dilakukan substitusi masing-masing solusi ke dalam F , kita peroleh bahwa solusi
yang dapat meminimumkan F adalah solusi ke-tiga, yaitu investor melakukan inves-
tasi 18.814758868 dana pada saham KLBF, 7.575078836 dana pada saham PGAS,
14.7012996 dana pada saham PTBA, 13.50185065 dana pada saham TLKM, dan
13.439128982 dana pada saham UNVR dengan melakukan short selling pada saham
KLBF dan PTBA. Dengan proporsi dana investasi tersebut, investor akan meng-
hadapi risiko V sebesar 0.001 yang mana nilai risiko portofolio ini tepat sama den-
gan risiko yang dapat ditoleransi investor dan memperoleh return portofolio sebesar
0.001802%.
Plot efficient frontier dari masalah ini, dapat dilihat pada Gambar 4.4 berikut
ini:

13
 Gambar 4.4: Efficient Frontier Maxret1m

Dari grafik di atas, diperoleh hubungan antara risiko yang dapat ditoleransi yaitu
Va dengan tingkat pengembalian R. Dapat dilihat bahwa grafik tersebut bergerak
naik, artinya semakin besar risiko yang dapat ditoleransi mengakibatkan semakin
besar pula return yang akan diperoleh investor. Jika risiko yang dapat ditoleransi in-
vestor sebesar 5×10−3 maka investor dapat berharap tingkat pengembalian kira-kira
4×10−3 . Titik-titik pada kurva yang semakin dekat dengan titik (0,1) merupakan
portofolio-portofolio yang lebih cocok bagi investor konservatif karena investor tipe
ini tidak menginginkan risiko yang besar. Sedangkan, titik-titik pada kurva yang
semakin jauh dari titik (0,1) merupakan portofolio-portofolio yang lebih cocok bagi
investor bertipe agresif di mana investor tipe ini lebih toleran terhadap risiko yang
besar.
Selanjutnya, dapat dikatakan bahwa risiko terkecil yang dapat ditoleransi in-
vestor sekitar 0.0005 dengan tingkat pengembalian sebesar 0.00125%. Lebih jauh
lagi, telah dibuktikan bahwa ketika investor mengharapkan risiko yang lebih kecil
dari daerah sekitar 0.0005 maka akan menghasilkan proporsi yang imajiner, artinya
investor tidak dapat berinvestasi dengan proporsi dana yang real. Analisis efficient
frontier ini sebaiknya tidak dijadikan acuan atau alat keputusan seorang investor
dalam berinvestasi karena ini hanya merupakan sebuah analisis kualitatif.

14
 BAB 5
SIMPULAN DAN SARAN

5.1 Simpulan
Berdasarkan hasil penelitian yang telah dilakukan, simpulan akhir yang diperoleh
adalah sebagai berikut :

1. Pada kasus Minrisk1 dengan Rp sebesar 0.0005% dan ρ = 100, investor dis-
arankan untuk menggunakan metode transformasi menjadi Minrisk1m den-
gan berinvestasi sebesar 5.6859 dana pada saham ASII, 4.962 dana pada sa-
ham BBCA, 2.5192 dana pada saham BBRI, 0.8594 dana pada saham ELSA,
0.2224 dana pada saham ICBP, dan 0.2864 dana pada saham INCO dengan
melakukan short selling pada saham ASII, ELSA, dan ICBP sehingga mem-
peroleh hasil return sebesar 0.0055%.

2. Pada kasus Maxret1 dengan Va sebesar 0.001, investor disarankan untuk

berinvestasi sebesar 18.814758868 dana pada saham KLBF, 7.575078836 dana
pada saham PGAS, 14.7012996 dana pada saham PTBA, 13.50185065 dana
pada saham TLKM, dan 13.439128982 dana pada saham UNVR dengan melakukan
short selling pada saham KLBF dan PTBA sehingga memperoleh hasil return
sebesar 0.001802%.

5.2 Saran
Penyelesaian masalah optimasi portofolio dapat dikembangkan pada penelitian
selanjutnya dengan cara:

1. Membentuk portofolio yang terdiri dari beberapa aset dalam sektor saham LQ
45 yang sama.

2. Membentuk portofolio yang terdiri dari aset yang memiliki analisis fundamen-
tal dan analisis teknikal yang baik.

3. Membentuk portofolio yang dikombinasikan dengan aset selain saham seperti

obligasi, deposito, atau emas. Selain itu, model-model penentuan portofolio
dapat dibandingkan untuk melihat yang mana lebih optimal.

15
 LAMPIRAN A

DAFTAR SAHAM INDEKS LQ45

No Kode Saham Nama Saham

1 ADHI Adhi Karya (Persero) Tbk.
2 ADRO Adaro Energy Tbk.
3 AKRA AKR Corporindo Tbk.
4 ANTM Aneka Tambang Tbk.
5 ASII Astra International Tbk.
6 ASRI Alam Sutera Reality Tbk.
7 BBCA Bank Central Asia Tbk.
8 BBNI Bank Negara Indonesia (Persero) Tbk.
9 BBRI Bank Rakyat Indonesia (Persero) Tbk.
10 BBTN Bank Tabungan Indonesia (Persero) Tbk.
11 BKSL Sentul City Tbk.
12 BMRI Bank Mandiri (Persero) Tbk.
13 BSDE Bumi Serpong Damai Tbk.
14 CPIN Charoen Pokphand Indonesia Tbk.
15 ELSA Elnusa Tbk.
16 EXCL XL Axiata Tbk.
17 GGRM Gudang Garam Tbk.
18 HMSP HM Sampoerna Tbk.
19 ICBP Indofood CBP Sukses Makmur Tbk.
20 INCO Vale Indonesia Tbk.
21 INDF Indofood Sukses Makmur Tbk.
22 INDY Indika Energy Tbk.
23 INKP Indah Kiat Pulp & Paper
24 INTP Indocement Tunggal Prakasa Tbk.
25 ITMG Indo Tambangraya Megah Tbk.

16
No Kode Saham Nama Saham
26 JSMR Jasa Marga (Persero) Tbk.
27 KLBF Kalbe Farma Tbk.
28 LPKR Lippo Karawaci Tbk.
29 LPPF Matahari Department Store Tbk.
30 MEDC Medco Energi Internasional Tbk.
31 MNCN Media Nusantara Citra Tbk.
32 PGAS Perusahaan Gas Negara (Persero) Tbk.
33 PTBA Tambang Batubara Bukit Asam (Persero) Tbk.
34 PTPP PP (Persero) Tbk.
35 SCMA Surya Citra Media Tbk.
36 SMGR Semen Indonesia (Persero) Tbk.
37 SRIL Sri Rejeki Isman Tbk.
38 SSMS Sawit Sumbermas Sarana Tbk.
39 TLKM Telekomunikasi Indonesia (Persero) Tbk.
40 TPIA Chandra Asri Petrochemical Tbk.
41 UNTR United Tractors Tbk.
42 UNVR Unilever Indonesia Tbk.
43 WIKA Wijaya Karya (Persero) Tbk.
44 WSBP Waskita Beton Precast Tbk.
45 WSKT Waskita Karya (Persero) Tbk.

17
 LAMPIRAN B

PORTOFOLIO UNTUK PENYELESAIAN MASALAH

MINRISK1
No Kode Saham Nama Saham
1 ASII Astra International Tbk.
2 BBCA Bank Central Asia Tbk.
3 BBRI Bank Rakyat Indonesia (Persero) Tbk.
4 ELSA Elnusa Tbk.
5 ICBP Indofood CBP Sukses Makmur Tbk.
6 INCO Vale Indonesia Tbk.

PORTOFOLIO UNTUK PENYELESAIAN MASALAH

MAXRET1

No Kode Saham Nama Saham

1 KLBF Kalbe Farma Tbk.
2 PGAS Perusahaan Gas Negara (Persero) Tbk.
3 PTBA Tambang Batubara Bukit Asam (Persero) Tbk.
4 TLKM Telekomunikasi Indonesia (Persero) Tbk.
5 UNVR Unilever Indonesia Tbk.

18
 LAMPIRAN C

TABEL RETURN RATE PORTOFOLIO UNTUK

PENYELESAIAN MASALAH OPTIMASI PORTOFOLIO
DENGAN MODEL MINRISK1

03/01/2014 06/01/2014 ... 27/12/2019 30/12/2019

ASII -0.028777 0.01481481 ... 0.00727273 0
BBCA -0.0306122 -0.0157895 ... 0.00224551 -0.0014937
BBRI -0.0068493 -0.0310345 ... 0.00453515 -0.006772
ELSA 0 0.02089552 ... 0.01315789 -0.0064935
ICBP -0.0239234 -0.0073529 ... -0.0088692 -0.0022371
INCO -0.05 -0.0842105 ... -0.0139665 0.03116147

TABEL RETURN RATE PORTOFOLIO UNTUK

PENYELESAIAN MASALAH OPTIMASI PORTOFOLIO
DENGAN MODEL MAXRET1

03/01/2014 06/01/2014 ... 27/12/2019 30/12/2019

KLBF 0 -0.0075758 ... 0.01253918 0.00309598
PGAS -0,0108696 -0.032967 ... 0.02739726 -0,0355556
PTBA -0.0384615 0 ... 0.00378788 0.00377358
TLKM -0.0229885 -0.0188235 ... -0.0025 -0.0050125
UNVR -0.011194 0.00943396 ... 0.00824499 -0.0186916

19
 DAFTAR PUSTAKA

[1] http://finance.yahoo.com
[2] Chandra, L., Hapsari, Y. D. (2013, May). Anal-
isis Pembentukan Portofolio Optimal dengan Meng-
gunakan Model Markowitz untuk Saham LQ 45 Pe-
riode 2008-2012. Retrieved from media.neliti.com:
https://media.neliti.com/media/publications/
111194-ID-analisis-pembentukan-portofolio-optimal.pdf
[3] Hull, J. (2018). Options, Futures, and Other Derivatives, 9th edi-
tion. Pearson, England.
[4] Rolanda, I., Kurniasih, A. (http://e-journal.president.ac.
id/). Analisis Portofolio Optimal : Pendekatan Mean Variance
(Studi Kasus pada Dana Pensiun Lembaga Keuangan Muamalat).
203-204.
[5] SAHAM LQ 45. (n.d.). Retrieved from yuknabungsa-
ham.idx.co.id: http://yuknabungsaham.idx.co.id/
indeks-lq45
[6] The Economic Times. (n.d.). Retrieved from economic-
times.indiatimes
[7] Bartholomew-Biggs, M. (n.d.). Nonlinear Optimization with Fi-
nancial Applications. Hatfield, England: Kluwer Academic.
[8] Modul kuliah Optimasi Portofolio Bapak Liem Chin, M.Si Uni-
versitas Katolik Parahyangan

20