OPTIMASI K-MEANS DAN MARKOWITZ UNTUK MENINGKATKAN PORTOFOLIO SAHAM PADA BURSA EFEK INDONESIA

Abstract

Investasi di pasar saham menuntut pendekatan analisis berbasis data untuk membentuk portofolio yang optimal. Penelitian ini bertujuan untuk mengoptimalkan portofolio saham di Bursa Efek Indonesia dengan mengombinasikan metode K-Means Clustering dan Model Markowitz. Data yang digunakan mencakup harga penutupan saham (Close), rasio Price-to-Earnings (P/E), Price-to-Book Value (PBV), dan Return on Equity (ROE) pada periode 2019 hingga 2024. Proses penelitian dimulai dengan tahap preprocessing data, yaitu normalisasi, perhitungan return, dan volatilitas saham. Selanjutnya, penerapan K Means Clustering dilakukan untuk mengelompokkan saham berdasarkan kesamaan karakteristik fundamental dan teknikal. Penentuan jumlah klaster menggunakan metode Elbow Method. Setelah klaster terbentuk, dilakukan seleksi satu saham terbaik dari masing-masing klaster berdasarkan rata-rata return tahunan tertinggi. Saham-saham terpilih kemudian dioptimasi menggunakan Model Markowitz dengan pendekatan Mean-Variance Optimization untuk menentukan bobot investasi optimal. Evaluasi portofolio dilakukan melalui simulasi backtest menggunakan data tahun 2024 dan dibandingkan dengan performa Indeks LQ45 sebagai benchmark. Hasil penelitian menunjukkan bahwa kombinasi K-Means Clustering dan Model Markowitz menghasilkan portofolio dengan return yang lebih tinggi dan risiko yang lebih terkontrol dibandingkan benchmark. Pendekatan ini juga terbukti meningkatkan efektivitas diversifikasi dan pengelolaan risiko portofolio. Penelitian ini memberikan kontribusi terhadap penerapan teknik data mining dan optimasi kuantitatif dalam manajemen portofolio saham di pasar modal Indonesia, serta memberikan alternatif strategi investasi berbasis teknologi kepada investor dan akademisi.