Analisis Clustering Saham IDX 30 Menggunakan Algoritma K-Means Dalam Pembentukan Porotfolio Optimal Model Markowitz

Nurfadillah Dilla; Rita Raya; Nicea Roona Paranoan; Yacob Ruru; Caecilia Bintang Girik Allo; Sitti Rosnafi’an Sumardi

doi:10.47709/jebma.v6i3.9797

Authors

Nurfadillah Dilla Universitas Cenderawasih
Rita Raya Universitas Cenderawasih
Nicea Roona Paranoan Universitas Cenderawasih
Yacob Ruru Universitas Cenderawasih
Caecilia Bintang Girik Allo Universitas Cenderawasih
Sitti Rosnafi’an Sumardi Universitas Cenderawasih

DOI:

https://doi.org/10.47709/jebma.v6i3.9797

Keywords:

Clustering, IDX30, K-Means, Model Markowitz, Silhouette Coefficient

Abstract

Penelitian ini bertujuan untuk mengelompokkan saham IDX30 berdasarkan karakteristik return, Price to Book Value (PBV), Price to Earnings Ratio (PER), dan Return on Equity (ROE) menggunakan metode K-Means serta membentuk portofolio optimal menggunakan Model Markowitz. Data yang digunakan terdiri atas 26 saham IDX30 yang dianalisis berdasarkan variabel return, PBV, PER, dan ROE. Sebelum proses clustering, data distandarisasi menggunakan metode Z-score untuk menyamakan skala antarvariabel. Penentuan jumlah cluster dilakukan menggunakan Silhouette Coefficient, sedangkan pemilihan saham kandidat pada masing-masing cluster dilakukan berdasarkan Sharpe Ratio. Selanjutnya, saham kandidat digunakan dalam pembentukan portofolio optimal menggunakan Model Markowitz dengan mempertimbangkan expected return, risiko, dan kovarians antar saham. Hasil penelitian menunjukkan bahwa jumlah optimal yang terbentuk adalah dua cluster dengan nilai Silhouette Coefficient sebesar 0,5251. Cluster 1 terdiri atas 23 saham, sedangkan cluster 2 terdiri atas 3 saham dan hasil clustering mencapai kondisi konvergen. Berdasarkan Sharpe Ratio, ANTM dipilih sebagai saham kandidat dari cluster 1 dengan nilai 0,10089, sedangkan UNVR dipilih dari cluster 2 dengan nilai 0,05292. Hasil optimasi Model Markowitz menghasilkan bobot portofolio sebesar 70,93% untuk ANTM dan 29,07% untuk UNVR, dengan expected return sebesar 0,316% dan risiko sebesar 2,699% pada setiap periode pengamatan.

References

Chatfield, C., & Collins, A. J. (1980). Introduction to Multivariate Analysis. London: Chapman and Hall.

Fathurachman, R. M., & Saepudin, D. (2025). Prediksi Return Saham Berbasis Clustering Menggunakan K-Means Clustering dan Convolutional Neural Network. Jurnal Penelitian Informatika, 3(1), 33– 39. https://doi.org/10.25124/logic.v3i1.9463

Febriansyah, F., & Adlan, M. A. (2025). Saham Sebagai Instrumen Investasi: Peluang, Risiko, dan Strategi Investasi Di Tengah Dinamika Ekonomi Global 2024 – 2025. Journal Of Economis and Business, 3(2), 207–220.

Griastana, P. A. G. (2025). Pengambilan Keputusan Investasi Melalui Model Markowitz: Analisis Portofolio Optimal Saham Indeks IDX30. Journal of Economic, Business and Accounting, 8(5), 318–327.

Harahap, K. (2024). Manajemen Investasi dan Portofolio. Medan: PT Media Penerbit Indonesia.

Indriyani, Lokano, R., & Dewi, E. S. (2024). Analisis Pengaruh Return on Equity terhadap Harga Saham dengan Price to Book Value sebagai Variabel Intervening pada Perusahaan yang Terdaftar di Bursa Efek Indonesia. Prosiding Seminar Nasional Ilmu Ekonomi dan Akuntansi, 1(2), 365–376.

Jumairi, N., Jasmir, J., & Purnama, B. (2025). Penerapan Data Mining Dalam Mengelompokkan Saham Melalui Rasio Keuangan Pada Saham Papan Utama Bursa Efek Indonesia Menggunakan Metode K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 9(3), 4863–4869. https://doi.org/10.36040/jati.v9i3.13670

Maulana, A., Albani, R., Susanti, E., Rahmaya, E. S., & Haris, I. A. (2025). Penerapan Algoritma K-Means Clustering Untuk Segmentasi Wilayah Berdasarkan Indikator Ekonomi di Indonesia. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2), 4055–4062. https://doi.org/10.31004/riggs.v4i2.1169

Nasution, M. A. (2025). Optimasi K-Means dan Markowitz untuk Meningkatkan Portofolio Saham pada Bursa Efek Indonesia. (Skripsi, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Muhammadiyah Sumatera Utara Medan).

Nisa’a, K., Salzabila, N. A., & Amila, A. A. F. (2024). Penerapan Model Markowitz dalam Pembentukan Portofolio Optimal pada Saham Teraktif di BEI. Lontara Journal of Mathematics, Statistics And Application, 1(1), 7–17

Pratama, Y., Sulistianingsih, E., Debataraja, N. N., & Imro’ah, N. (2024). K-Means clustering dan mean variance efficient portofolio dalam portofolio saham. journal of probability and statistics, 5(1), 24– 30. https://doi.org/10.34312/jjps.v5i1.20298

Rinto, M., Susilowati, D., & Hernadi Moorcy, N. (2024). Pengaruh Return On Equity, Earning Per Share, Dan Debt To Equity Ratio Terhadap Harga Saham Pada Perusahaan Subsektor Food And Beverage Yang Terdaftar Di Bursa Efek Indonesia. Media Riset Ekonomi [Mr.Eko], 3(1), 49–57. https://doi.org/10.36277/mreko.v3i1.374

Saputra, I., & Kristiyanti, D. A. (2022). Machine Learning untuk Pemula (1 ed.). Yogyakarta: PT Anak Hebat Indonesia.

Sindi Ayu Lusiana, Lukita Tripermata, & Andini Utari Putri. (2025). Analisis Fundamental dan Teknikal terhadap Return Saham pada Perusahaan Multisektor IDX 30 yang Terdaftar di BEI. AKUA: Jurnal Akuntansi dan Keuangan, 4(4), 873–879. https://doi.org/10.54259/akua.v4i4.5646

Tohendry, D., & Jollyta, D. (2023). Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Saham Berdasarkan Price Earning Ratio dan Price To Book Value. Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi, 5(1), 1–7.