OPTIMISASI PORTOFOLIO SAHAM DENGAN KENDALA KARDINALITAS MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY

    Razka Divaniza Mukti, - (2023) OPTIMISASI PORTOFOLIO SAHAM DENGAN KENDALA KARDINALITAS MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY. S1 thesis, Universitas Pendidikan Indonesia.

    Abstract

    Optimasi Portofolio Saham dengan Kendala Kardinalitas adalah masalah
    menentukan portofolio dengan pilihan kombinasi saham optimal dengan membatasi
    jumlah aset saham yang masuk atau disebut sebagai kendala kardinalitas dengan
    tujuan untuk memudahkan pemantauan tiap aset dan mengurangi biaya transaksi.
    Penelitian ini menyelesaikan masalah Optimasi Portofolio Saham dengan Kendala
    Kardinalitas dengan menggunakan Algoritma Artificial Bee Colony (ABC) untuk
    menentukan saham yang masuk dalam portofolio beserta proporsi bobotnya dengan
    tujuan mendapatkan return maksimum dengan risiko yang minimum. ABC meniru
    tingkah laku dari koloni lebah dalam mencari makanan. Terdapat empat tahapan
    ABC, yaitu tahap inisialisasi, tahap employed bees, tahap onlooker bees, dan tahap
    scout bees. Penelitian ini juga mengimplementaikan penyelesaian masalah optimasi
    portofolio dengan kendala kardinalitas dengan menggunakan ABC untuk penentuan
    portofolio pada indeks saham IDX 30. Hasil implementasi menunjukkan bahwa ABC
    mampu menyelesaikan masalah optimasi portoflio dan memberikan hasil yang baik.

    Stock Portfolio Optimization with Cardinality Constraints is the problem of
    determining a portfolio with a choice of optimal stock combinations by limiting the
    number of incoming stock assets or referred to as cardinality constraints with the
    aim of facilitating monitoring of each asset and reducing transaction costs. This
    research solves the problem of Stock Portfolio Optimization with Cardinality
    Constraints by using the Artificial Bee Colony (ABC) Algorithm to determine the
    stocks included in the portfolio along with the proportion of its weight with the aim
    of getting maximum return with minimum risk. ABC imitates the behavior of a bee
    colony in search of food. There are four stages of ABC, namely the initialization
    stage, the employed bees stage, the onlooker bees stage, and the scout bees stage.
    This research also implements the solution of portfolio optimization problems with
    cardinality constraints using ABC for portfolio determination on the IDX 30 stock
    index. The implementation results show that ABC is able to solve portfolio
    optimization problems and provide good results.

    [thumbnail of S_MAT_1903809_Title.pdf] Text
    S_MAT_1903809_Title.pdf

    Download (469kB)
    [thumbnail of S_MAT_1903809_Chapter 1.pdf] Text
    S_MAT_1903809_Chapter 1.pdf

    Download (98kB)
    [thumbnail of S_MAT_1903809_Chapter 2.pdf] Text
    S_MAT_1903809_Chapter 2.pdf
    Restricted to Staf Perpustakaan

    Download (293kB)
    [thumbnail of S_MAT_1903809_Chapter 3.pdf] Text
    S_MAT_1903809_Chapter 3.pdf

    Download (396kB)
    [thumbnail of S_MAT_1903809_Chapter 4.pdf] Text
    S_MAT_1903809_Chapter 4.pdf
    Restricted to Staf Perpustakaan

    Download (325kB)
    [thumbnail of S_MAT_1903809_Chapter 5.pdf] Text
    S_MAT_1903809_Chapter 5.pdf

    Download (65kB)
    [thumbnail of S_MAT_1903809_Appendix.pdf] Text
    S_MAT_1903809_Appendix.pdf
    Restricted to Staf Perpustakaan

    Download (74kB)
    Official URL: http://repository.upi.edu
    Item Type: Thesis (S1)
    Additional Information: SINTA ID : 6675529 SINTA ID : 5986406
    Uncontrolled Keywords: Optimasi portoflio, kardinalitas, Artficial Bee Colony, return, risiko Portfolio optimization, cardinality, risk
    Subjects: L Education > L Education (General)
    Q Science > QA Mathematics
    Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Matematika - S1 > Program Studi Matematika (non kependidikan)
    Depositing User: Razka Divaniza Mukti
    Date Deposited: 05 Sep 2023 20:29
    Last Modified: 05 Sep 2023 20:29
    URI: http://repository.upi.edu/id/eprint/101873

    Actions (login required)

    View Item View Item