E. Lestari, Evy Sulistianingsih., Nurfitri Imro’ah
{"title":"通过基因算法确定股票投资组合的最佳选择","authors":"E. Lestari, Evy Sulistianingsih., Nurfitri Imro’ah","doi":"10.26418/bbimst.v8i2.31534","DOIUrl":null,"url":null,"abstract":"Investor akan dihadapkan oleh keuntungan dan risiko dalam melakukan investasi. Untuk mengurangi risiko tersebut, investor dapat melakukan diversifikasi yaitu mengalokasikan dana ke beberapa saham sehingga terbentuk portofolio saham. Algoritma Genetika merupakan teknik yang diadopsi dari proses evolusi alam yang digunakan untuk melakukan pencarian penyelesaian optimal atas sejumlah penyelesaian masalah yang mungkin. Penelitian ini, mengimplementasikan Algoritma Genetika untuk memperoleh portofolio saham yang dapat memberikan keuntungan yang maksimal dan risiko tertentu. Parameter yang digunakan dalam Algoritma Genetika yaitu ukuran populasi (pop size) sebanyak 50 kromosom, probabilitas crossover 60% dan probabilitas mutasi sebesar 10%. Data yang digunakan adalah data penutupan harga saham bulanan indeks LQ 45 periode Januari 2010 sampai Juni 2018. Berdasarkan hasil analisis, Algoritma Genetika lebih optimal dibandingkan dengan perhitungan manual menggunakan Single Index Model dalam menentukan portofolio saham karena keuntungan yang diperoleh lebih besar dan risiko lebih kecil. Fitness terbesar dari tiga generasi diperoleh sebesar 0,1122 dengan keuntungan 0,0081 dan risiko 0,0719. Sedangkan keuntungan dan risiko berdasarkan perhitungan manual menggunakan Single Index Model diperoleh yaitu 0,0075 dan 0,0746.Kata Kunci: Algoritma Genetika, Offspring, Crossover, Mutasi, Single Index Model","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"12 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-04-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":"{\"title\":\"PENENTUAN PORTOFOLIO SAHAM OPTIMAL MENGGUNAKAN ALGORITMA GENETIKA\",\"authors\":\"E. Lestari, Evy Sulistianingsih., Nurfitri Imro’ah\",\"doi\":\"10.26418/bbimst.v8i2.31534\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Investor akan dihadapkan oleh keuntungan dan risiko dalam melakukan investasi. Untuk mengurangi risiko tersebut, investor dapat melakukan diversifikasi yaitu mengalokasikan dana ke beberapa saham sehingga terbentuk portofolio saham. Algoritma Genetika merupakan teknik yang diadopsi dari proses evolusi alam yang digunakan untuk melakukan pencarian penyelesaian optimal atas sejumlah penyelesaian masalah yang mungkin. Penelitian ini, mengimplementasikan Algoritma Genetika untuk memperoleh portofolio saham yang dapat memberikan keuntungan yang maksimal dan risiko tertentu. Parameter yang digunakan dalam Algoritma Genetika yaitu ukuran populasi (pop size) sebanyak 50 kromosom, probabilitas crossover 60% dan probabilitas mutasi sebesar 10%. Data yang digunakan adalah data penutupan harga saham bulanan indeks LQ 45 periode Januari 2010 sampai Juni 2018. Berdasarkan hasil analisis, Algoritma Genetika lebih optimal dibandingkan dengan perhitungan manual menggunakan Single Index Model dalam menentukan portofolio saham karena keuntungan yang diperoleh lebih besar dan risiko lebih kecil. Fitness terbesar dari tiga generasi diperoleh sebesar 0,1122 dengan keuntungan 0,0081 dan risiko 0,0719. Sedangkan keuntungan dan risiko berdasarkan perhitungan manual menggunakan Single Index Model diperoleh yaitu 0,0075 dan 0,0746.Kata Kunci: Algoritma Genetika, Offspring, Crossover, Mutasi, Single Index Model\",\"PeriodicalId\":265420,\"journal\":{\"name\":\"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya\",\"volume\":\"12 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-04-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"3\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.26418/bbimst.v8i2.31534\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/bbimst.v8i2.31534","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
PENENTUAN PORTOFOLIO SAHAM OPTIMAL MENGGUNAKAN ALGORITMA GENETIKA
Investor akan dihadapkan oleh keuntungan dan risiko dalam melakukan investasi. Untuk mengurangi risiko tersebut, investor dapat melakukan diversifikasi yaitu mengalokasikan dana ke beberapa saham sehingga terbentuk portofolio saham. Algoritma Genetika merupakan teknik yang diadopsi dari proses evolusi alam yang digunakan untuk melakukan pencarian penyelesaian optimal atas sejumlah penyelesaian masalah yang mungkin. Penelitian ini, mengimplementasikan Algoritma Genetika untuk memperoleh portofolio saham yang dapat memberikan keuntungan yang maksimal dan risiko tertentu. Parameter yang digunakan dalam Algoritma Genetika yaitu ukuran populasi (pop size) sebanyak 50 kromosom, probabilitas crossover 60% dan probabilitas mutasi sebesar 10%. Data yang digunakan adalah data penutupan harga saham bulanan indeks LQ 45 periode Januari 2010 sampai Juni 2018. Berdasarkan hasil analisis, Algoritma Genetika lebih optimal dibandingkan dengan perhitungan manual menggunakan Single Index Model dalam menentukan portofolio saham karena keuntungan yang diperoleh lebih besar dan risiko lebih kecil. Fitness terbesar dari tiga generasi diperoleh sebesar 0,1122 dengan keuntungan 0,0081 dan risiko 0,0719. Sedangkan keuntungan dan risiko berdasarkan perhitungan manual menggunakan Single Index Model diperoleh yaitu 0,0075 dan 0,0746.Kata Kunci: Algoritma Genetika, Offspring, Crossover, Mutasi, Single Index Model