Blue Modern and Creative Portfolio Presentation
Blue Modern and Creative Portfolio Presentation
BAB IV BAB V
HASIL & PEMBAHASAN SIMPULAN & SARAN
BAB I
PENDAHULUAN
LATAR
BELAKANG
• Saha m ap a saja?
Investasi Saham
Penggunaan Analisis Klaster
Di ve rs ifi kas i
"d on 't p ut all y ou r e gg untuk pengelompokan saham
Membentuk Portofolio
Teo ri P o rt o fo l i o o l eh
in o ne ba s ke t"
M ar k o wi t z
Portofolio Optimal
WEBSITE K-Means Clustering
• Saham A
• Saham x
• sa h a m B
Pengukuran Kinerja • saham y
• sa h a m C
• saham z
Portofolio
Indeks IDX80
RUMUSAN MASALAH
Seleksi saham dari indeks Kompas-100 berdasarkan kesamaan kurva pergerakan harga
kemudian membandingkan bobot portofolio Mean Variance dan Equal-Weight. Diperoleh hasil
bahwa pengelompokan saham berdasarkan kesamaan kurva pergerakan harga sangat
menjanjikan dalam pemilihan portofolio dan Mean Variance tampil lebih unggul dengan nilai
rasio Sharpe yang tinggi dan dengan volatilitas yang rendah.
PENELITIAN TERDAHULU
Klasifikasi dari harga saham harian indeks LQ45 periode Januari 2015 sampai September
2021 dengan menggunakan metode klasterisasi K-Means kemudian kemudian menentukan
portofolio optimal dengan model Markowitz. Analisis klaster K-Means menunjukan hasil yang
baik dalam mengategorikan saham sehingga diperoleh portofolio optimal dengan performa
yang baik juga.
PENELITIAN TERDAHULU
BAB III
METODE PENELITIAN
Return saham AALI ke, 2,3,...,698 dihitung dengan cara yang sama
Nilai return dari ke-75 saham disajikan pada Lampiran 2
SARAN
Pada penelitian ini masih banyak terdapat
Bagi peneliti yang ingin mengembangkan
kekurangan yang dapat disempurnakan lagi
penelitian ini pada saat membentuk
oleh peneliti selanjutnya. Bagi peneliti yang
portofolio agar lebih memperhatikan aspek
tertarik pada pengelompokan saham
lain seperti korelasi antar saham agar
dengan menggunakan analisis klaster,
investasi yang dilakukan dapat terlindungi
banyak metode clustering lain yang belum
dari kerugian yang besar
digunakan seperti K-Medoid, Fuzzy C-
Means, dan lainnya. Selain itu, peneliti juga
dapat mencoba untuk menggunakan
indeks saham selain IDX80.
TERIMA KASIH
4.3 Menghitung Variabel
ILLUSTRATION
ILLUSTRATION
Varians dari 75 saham dihitung
dengan cara yang sama dan
secara lengkap disajikan pada
UI / UX DESIGNER
Lampiran 3.
4.3.3 Menghitung Rata-rata Volume Penjualan
Nilai rata-rata volume penjualan dari setiap saham dihitung dari nilai volume
penjualan harian pada periode penelitian. Sebagai contoh berikut perhitungan nilai
rata-rata volume penjualan dari saham AALI.
ILLUSTRATION
Rata-rata volume penjualan dari
75 saham dihitung dengan cara
yang sama dan secara lengkap
UI / UX DESIGNER
disajikan pada Lampiran 3.
4.4 Standarisasi Data
Setelah diperoleh nilai expected return, varians, dan rata-rata volume penjualan dari
75 saham selanjutnya dilakukan standarisasi data yang bertujuan untuk
menyamakan satuan pada variabel. Standarisasi data menggunakan Z-score
dihitung menggunakan persamaan (2.16). Sebagai contoh, akan dilakukan
standarisasi data pertama yaitu saham AALI pada variabel expected return dengan
nilai tengah sebesar dan simpangan baku sebesar 0.001079.
ILLUSTRATION
Nilai dari merupakan data expected
return dari saham AALI yang sudah di
UI / UX
standarisasi. Secara lengkap DESIGNER
variabel
yang sudah di standarisasi disajikan
pada Lampiran 4.
4.5 Pengelompokan dengan K-Means
3.ILLUSTRATION
Menghitung jarak antar
objek terhadap centroid
jarak antar objek terhadap
UI / UX DESIGNER
centroid dihitung
menggunakan ukuran
jarak Euclidean pada
persamaan (2.18).
3. Mengitung jarak antar objek terhadap centroid
Masing-masing kovarians
antar saham pada klaster
ILLUSTRATION
dihitung dengan cara yang
sama dan secara lengkap
disajikan pada Tabel 4.5.
UI / UX DESIGNER
Nilai kovarians antar saham
pada klaster P1, P2, dan P4
dikerjakan dengan cara yang
sama dan berikutnya akan
membentuk matriks varian
ILLUSTRATION
kovarians antar saham.
UI / UX DESIGNER
3. Membentuk Matriks Varians Kovarians
Berdasarkan nilai kovarians antar saham dibentuk matriks varians-kovarians pada klaster P3
menggunakan persamaan (2.13)
UI / UX DESIGNER
UI / UX DESIGNER
Berdasarkan Gambar 4.4 sampai dengan Gambar 4.7 dengan asumsi investor seorang risk
averter portofolio optimal dipilih dari portofolio efisien dengan nilai risiko portofolio paling
minimum. Pembobotan nilai risiko portofolio minimum dihitung menggunakan persamaan
(2.14). Sebagai contoh akan dihitung nilai bobot dengan risiko portofolio yang minimum pada
klaster P3
ILLUSTRATION
Dengan cara yang sama nilai kombinasi bobot yang optimal pada klaster P1, P2 dan P4 secara
lengkap disajikan pada Lampiran 8. Setelah diperoleh kombinasi bobot yang optimal pada
UI / UXdan
setiap klasternya kemudian akan dihitung nilai expected return portofolio DESIGNER
risiko portofolio
dari masing-masing klaster.
4.7 Menghitung Expected return portofolio dan Risiko Portofolio
Expected return portofolio dihitung menggunakan persamaan (2.8) dengan nilai expected
return setiap klaster pada Lampiran 5 dan kombinasi bobot setiap klaster pada Lampiran 7.
Sebagai contoh perhitungan expected return portofolio pada klaster P3 sebagai berikut:
ILLUSTRATION
UI / UX DESIGNER
4.7 Menghitung Expected return portofolio dan Risiko Portofolio
Selanjutnya risiko portofolio dihitung menggunakan persamaan (2.12) dengan matriks
varians kovarian setiap klaster pada Lampiran 6 dan kombinasi bobot setiap klaster pada
Lampiran 8. Sebagai contoh perhitungan risiko portofolio pada klaster P3 sebagai berikut:
ILLUSTRATION
UI / UX DESIGNER
UI / UX DESIGNER
4.8 Pengukuran Kinerja Portofolio dengan Rasio Sharpe
pengukuran kinerja portofolio dengan rasio Sharpe yakni melakukan evaluasi terhadap expected
return portofolio yang menghasilkan return lebih besar dari benchmark. nilai benchmark pana
penelitian ini menggunakan nilai rata-rata harian suku bunga Bank Indonesia selama periode penelitian
berlangsung sebesar 0,19% atau 0,0019 (www.bi.go.id). Rasio Sharpe dihitung menggunakan
persamaan (2.15) sebagai contoh dihitung nilai rasio Sharpe pada klaster P3
Berdasarkan Tabel 4.6 dapat dilihat bahwa nilai Rasio Sharpe dari klaster P4 paling besar
daripada nilai rasio Sharpe dari klaster lainnya. Dengan demikian menunjukan bahwa
klaster P4 merupakan portofolio dengan kinerja paling baik apabila dibandingkan dengan
klaster yang lain berdasarkan perhitungan rasio Sharpe.
INTEPRETASI
HASIL
P1
P2
P3
P4
INTEPRETASI
HASIL
P1
P2
P3
P4
BAB V
SIMPULAN P4
75 Saham