Anandaputri, Hanif (2026) PERBANDINGAN HASIL METODE KARUSH–KUHN–TUCKER (KKT) DAN ALGORITMA GENETIKA DALAM OPTIMASI PORTOFOLIO MODEL MEAN–VaR. Undergraduate thesis, Universitas Diponegoro.

	Text file 1 (pendahuluan) - hanif ananda.pdf Download (351kB)
	Text file 2 (isi) - hanif ananda.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text dafpus - hanif ananda.pdf Download (205kB)

Abstract

Penelitian ini bertujuan untuk membandingkan hasil metode Karush–Kuhn–Tucker (KKT) dan Algoritma Genetika (GA) dalam optimasi portofolio menggunakan model Mean–Value at Risk (Mean–VaR). Model Mean–VaR digunakan untuk menentukan bobot portofolio optimal dengan meminimalkan risiko yang diukur menggunakan Value at Risk (VaR) serta mempertimbangkan expected return portofolio. Data yang digunakan berupa harga penutupan harian lima saham yang tergabung dalam indeks IDX30, yaitu BBCA, ADRO, ICBP, TLKM, dan KLBF selama periode 2 Januari 2025 hingga 30 Desember 2025. Metode KKT diterapkan melalui pembentukan fungsi Lagrangian dan penyelesaian kondisi optimalitas yang meliputi kondisi stasioner, kelayakan primal, kelayakan dual, dan complementary %slackness. Karena model yang diperoleh bersifat nonlinier, penyelesaian numerik dilakukan menggunakan metode Sequential Least Squares Programming (SLSQP). Sementara itu, Algoritma Genetika diterapkan sebagai metode optimasi heuristik berbasis evolusi dengan ukuran populasi 50, jumlah generasi 200, laju mutasi 0,1, dan ukuran elitisme 2. Kinerja portofolio hasil optimasi dievaluasi menggunakan expected return, Value at Risk (VaR), dan Sharpe Ratio. Hasil penelitian menunjukkan bahwa kedua metode menghasilkan bobot portofolio yang memenuhi seluruh kendala optimasi. Komposisi portofolio yang diperoleh dari kedua metode menempatkan saham ICBP dan BBCA sebagai aset dengan bobot terbesar dalam portofolio. Berdasarkan nilai expected return, VaR, dan Sharpe Ratio yang diperoleh, kedua metode menghasilkan nilai evaluasi portofolio dengan selisih yang relatif kecil. Selain itu, Algoritma Genetika menghasilkan solusi feasible yang memenuhi seluruh kendala optimasi sehingga dapat digunakan sebagai alternatif dalam penyelesaian masalah optimasi portofolio nonlinier berkendala pada model Mean–VaR.

Actions (login required)

View Item