Kelompok 5 :
Sheryl Natasya Inriyani 2017710026
Johannes Ruben Alexander Sitorus
2017710040
Satrio Wenas 6161801015
Pepita Tumiar Dorothy 6161801046
Audrey Eunike Heryadi 6161801076
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
LAMPIRAN 16
LAMPIRAN 18
ii
LAMPIRAN 19
DAFTAR PUSTAKA 20
iii
DAFTAR GAMBAR
DAFTAR TABEL
iv
BAB 1
PENDAHULUAN
1
1.2 Rumusan Masalah
Berdasarkan latar belakang maka terdapat beberapa permasalahan yang timbul
antara lain:
1.3 Tujuan
Tujuan dari penulisan laporan ini antara lain:
1. Portofolio terbentuk dari beberapa saham yang tergabung dalam indeks LQ45
dari 01 Januari 2014 sampai dengan 31 Desember 2019.
2
BAB 2
TINJAUAN PUSTAKA
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
y = α + Bx. (2.8)
4
Persamaan (2.11) dapat dinyatakan dalam bentuk matriks, yaitu
V = y T Qy (2.12)
5
BAB 3
METODE
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).
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
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
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)
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
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
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.
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:
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”.
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.
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%.
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.
15
LAMPIRAN A
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
18
LAMPIRAN C
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