Article
STUDI KOMPARASI ALGORITMA METAHEURISTIK BERBASIS SWARM UNTUK OPTIMISASI PORTOFOLIO SAHAM IDX30
Jurnal Matematika, Komputasi dan Statistika, Vol. 6 No. 1 (2026), hlm. 1147–1160
Abstrak
Optimasi portofolio menurut Harry Markowitz bertujuan memaksimalkan pengembalian yang diharapkan pada tingkat risiko tertentu melalui pemilihan kombinasi aset yang efisien. Dalam konteks ini, algoritma metaheuristik digunakan karena mampu menangani permasalahan nonlinier kompleks yang sulit diselesaikan metode konvensional. Di antara algoritma yang populer, pendekatan berbasis swarm intelligence seperti Grey Wolf Optimizer (GWO), Jellyfish Search Optimization (JSO), Whale Optimization Algorithm (WOA), dan Manta Ray Foraging Optimization (MRFO) meniru perilaku hewan dalam mencari makan untuk menemukan solusi optimal. Penelitian ini menerapkan keempat algoritma tersebut pada optimasi bobot saham indeks IDX30 periode 1 Januari 2018–29 September 2025. Saham diklasterisasi menggunakan metode K-Means, menghasilkan kelompok yang terdiri dari ADRO.JK, ANTM.JK, INCO.JK, dan ITMG.JK. Kinerja tiap algoritma dievaluasi berdasarkan expected return, volatility, dan Sharpe ratio. Hasil menunjukkan bahwa JSO memberikan performa terbaik dengan Sharpe ratio tertinggi sebesar 0,5932 dan bobot optimal masing-masing 9,09% ADRO.JK, 36,11% ANTM.JK, 54,8% ITMG.JK, dan 0% INCO.JK. Simulasi investasi sebesar Rp100.000.000,00 pada 2 Januari 2023 dan penjualan pada 29 September 2025 menghasilkan nilai akhir Rp135.099.000,00, dengan keuntungan Rp35.099.000,00 atau tingkat pengembalian 35,10%.