Optimasi Portofolio Saham Berbasis Metaheuristik dengan Pemilihan Saham melalui K-Means, Fuzzy C-Means, dan Agglomerative Clustering serta Analisis Return melalui Simulasi Latent Performance Investment

Abstrak

Pasar modal berperan penting sebagai sarana pendanaan bagi perusahaan, sekaligus wadah investasi bagi masyarakat. Namun, fluktuasi harga saham yang tinggi menimbulkan risiko yang perlu dikelola secara cermat. Analisis ini bertujuan membangun portofolio saham yang efisien melalui integrasi metode clustering dan algoritma optimisasi metaheuristik. Sebanyak 25 saham dari lima sektor utama di Bursa Efek Indonesia (BEI) digunakan sebagai objek penelitian dengan periode pengamatan 2015–2019. Proses pengelompokan saham dilakukan menggunakan tiga metode clustering, yaitu K-Means, Fuzzy C-Means, dan Agglomerative Clustering. Hasil analisis menunjukkan bahwa metode K-Means memberikan performa terbaik dengan nilai silhouette score tertinggi, yaitu sebesar 0,4333. Tahap optimasi selanjutnya dilakukan menggunakan delapan algoritma metaheuristik dengan Grey Wolf Optimization (GWO) menghasilkan kinerja paling unggul dengan sharpe ratio tertinggi, yaitu sebesar 1,392 serta risiko terendah berdasarkan value at risk dan probability of loss. Simulasi investasi sebesar Rp500.000.000 pada akhir tahun 2019 menunjukkan pertumbuhan nilai portofolio sebesar 46,6% dengan tingkat pengembalian tahunan majemuk (CAGR) 7,95%. Hasil ini membuktikan bahwa kombinasi klasterisasi K-Means dan optimasi berbasis GWO efektif dalam membentuk portofolio efisien, stabil, dan relevan bagi strategi investasi pasif di pasar saham Indonesia.