BAB IV HASIL DAN PEMBAHASAN
Proses penyusunan portofolio reksadana saham ini menghasilkan himpunan portofolio dengan nilai expected return yang maksimum dan nilai risiko
yang minimum. Proses untuk mendapatkan portofolio yang optimum dilakukan dengan menggunakan Multi-Objective Genetic Algorithm MOGA NSGA-II
sehingga hasil yang didapatkan dapat digunakan untuk membantu investor pemodal dalam menyusun portofolio reksadana saham secara optimal.
Model yang digunakan dalam penyusunan portofolio reksadana saham ini menggunakan model yang dikembangkan oleh Markowitz. Model yang
dikembangkan oleh Markowitz ini bertujuan untuk memaksimumkan keuntungan dan meminimumkan risiko, atau memaksimumkan keuntungan dengan tingkat
risiko tertentu, atau tingkat keuntungan tertentu dengan risiko yang minimum. Data yang digunakan sebagai input bagi model MOGA adalah data nilai
aktiva bersih NAB perunit tiap reksadana saham bulanan harga penutupan tiap akhir bulan yang diperoleh dari sumber Pusdok Majalah Bisnis Indonesia PMBI
selama periode 4 tahun 2007-2010 atau sebanyak 48 bulan Lampiran 1.
4.1 Praproses Data
Data reksadana saham yang digunakan diperoleh dari PMBI periode Januari 2007 sampai dengan Desember 2010 atau sejumlah 48 data untuk setiap
reksadana saham yang digunakan. Data yang digunakan berupa data NAB perunit setiap bulan dengan jumlah reksadana saham yang digunakan sejumlah 10
reksadana saham dari 85 reksadana saham yang ada di Indonesia. Adapun reksadana saham yang digunakan seperti pada Tabel 1.
4.2 Expected Nilai Aktiva Bersih NAB
Berdasarkan data NAB perunit yang diperoleh dari PMBI dengan 10 perusahaan reksadana saham seperti pada Tabel 1, maka dilakukan pendugaan
NAB dengan menggunakan exponensial moving average EMA periode 12, 24 dan 36 bulan dengan menggunakan aplikasi yang telah dibangun, dalam hal ini
menggunakan Matlab sehingga diperoleh expected NAB yang diperlukan untuk melakukan penyusunan portofolio.
4.2.1 Parameter EMA
Tabel 2 merupakan parameter yang digunakan untuk melakukan pendugaan expected terhadap NAB.
Tabel 2 Parameter Expected NAB
Parameter Jumlah
Reksadana 10
Periode Bulan 12, 24 dan 36
Untuk melakukan pendugaan NAB menggunakan sejumlah parameter, yaitu 10 reksadana saham yang digunakan untuk penyusunan portofolio dan
periode berdasarkan pada Tabel 2. Hasil dari perhitungan menggunakan EMA ini akan memberikan nilai pendugaan NAB dengan menggunakan data bulan
sebelumnya. Data yang dihasilkan dari pendugaan NAB ini digunakan untuk menghitung nilai harapan keuntungan expected return dan risiko.
4.2.2 Expected NAB
Pada grafik dibawah ini merupakan grafik dari nilai-nilai expected NAB yang dihasilkan dari perhitungan menggunakan EMA Lampiran 2.
Gambar 15 Expected NAB periode 12 bulan
0,00 2000,00
4000,00 6000,00
8000,00 10000,00
12000,00
RDS01 RDS02 RDS03 RDS04 RDS05 RDS06 RDS07 RDS08 RDS09 RDS10
Feb-10 Mar-10
Apr-10 May-10
Jun-10 Jul-10
Aug-10 Sep-10
Oct-10 Nov-10
Dec-10 Jan-11
Pada Gambar 15 terlihat bahwa RDS01, RDS03, RDS04, RDS05, RDS07, RDS08 dan RDS09 mengalami kenaikan, sedangkan RDS02 dan RDS10 stabil
dan RDS06 mengalami penurunan.
Gambar 16 Expected NAB periode 24 bulan Pada Gambar 16 terlihat bahwa RDS01, RDS02, RDS03, RDS04, RDS05,
RDS07, RDS08, RDS09 dan RDS10 mengalami kenaikan, sedangkan RDS06 mengalami penurunan.
Gambar 17 Expected NAB periode 36 bulan Pada Gambar 17 terlihat bahwa RDS01, RDS04, RDS08 dan RDS09
mempunyai peningkatan pertumbuhan, sedangkan RDS02 dan RDS06 mempunyai pertumbuhan yang menurun dan RDS03, RDS04, RDS05, RDS07
serta RDS10 mempunyai pertumbuhan yang stabil.
0,00 1000,00
2000,00 3000,00
4000,00 5000,00
6000,00 7000,00
8000,00 9000,00
10000,00
RDS01RDS02RDS03RDS04RDS05RDS06RDS07RDS08RDS09RDS10 Feb-10
Mar-10 Apr-10
May-10 Jun-10
Jul-10 Aug-10
Sep-10 Oct-10
Nov-10 Dec-10
Jan-11
0,00 1000,00
2000,00 3000,00
4000,00 5000,00
6000,00 7000,00
8000,00 9000,00
RDS01 RDS02 RDS03 RDS04 RDS05 RDS06 RDS07 RDS08 RDS09 RDS10 Feb-10
Mar-10 Apr-10
May-10 Jun-10
Jul-10 Aug-10
Sep-10 Oct-10
Nov-10 Dec-10
Jan-11
4.3 Expected Return dan Risiko
Kategori