Laporkan Masalah

Optimasi Portofolio Mean-Semivariance Menggunakan Metode Resampled Efficient Frontier: Studi Kasus Pada Saham Jakarta Islamic Index (JII)

Hanna Safira Choirunisa, Danang Teguh Qoyyimi, M.Sc., Ph.D.

2026 | Skripsi | STATISTIKA

Optimasi portofolio merupakan proses penentuan komposisi aset dengan mempertimbangkan return dan risiko. Penelitian ini membahas optimasi portofolio mean-semivariance menggunakan metode resampled efficient frontier pada saham Jakarta Islamic Index (JII). Penelitian ini dilakukan karena saham JII memiliki risiko sisi bawah, sedangkan proses optimasi portofolio rentan terhadap kesalahan estimasi parameter. Untuk mengatasi hal tersebut, penelitian ini menggunakan model mean-semivariance karena semivariansi mengukur risiko sisi bawah, serta metode resampled efficient frontier untuk mengurangi pengaruh kesalahan estimasi parameter terhadap bobot portofolio melalui pembentukan banyak sampel simulasi dan perataan bobot pada frontier, yaitu kumpulan portofolio efisien. Data yang digunakan adalah harga adjusted close saham JII periode Januari sampai Desember 2025 yang diolah menjadi return harian dan dibagi menjadi data in-sample dan out-of-sample. Saham penyusun portofolio TLKM, INCO, dan MDKA dipilih berdasarkan uji normalitas karena simulasi Monte Carlo membangkitkan data berdasarkan distribusi normal. Portofolio yang dibandingkan adalah portofolio MSV, yaitu portofolio optimal dari Mean-Semivariance Efficient Frontier, dan portofolio RMSV, yaitu portofolio optimal dari Resampled Efficient Frontier Mean-Semivariance. Portofolio optimal dipilih berdasarkan Sortino ratio, yaitu ukuran kinerja portofolio yang membandingkan return dengan risiko sisi bawah. Hasil penelitian menunjukkan bahwa bobot portofolio MSV adalah 0,67 pada TLKM, 0,05 pada INCO, dan 0,28 pada MDKA, sedangkan bobot portofolio RMSV adalah 0,59 pada TLKM, 0,19 pada INCO, dan 0,22 pada MDKA. Pada data out-of-sample, portofolio RMSV menghasilkan Sortino ratio 0,197, lebih baik dibandingkan portofolio MSV yang menghasilkan Sortino ratio 0,181. Hasil ini menunjukkan bahwa proses resampling menghasilkan alokasi bobot yang lebih tersebar dan kinerja out-of-sample yang lebih baik.

Portfolio optimization is the process of determining asset allocation by considering return and risk. This study discusses mean-semivariance portfolio optimization using the resampled efficient frontier method on Jakarta Islamic Index (JII) stocks. This study was conducted because JII stocks have downside risk, while the portfolio optimization process is susceptible to parameter estimation error. To address these issues, this study uses the mean-semivariance model because semivariance measures downside risk, and the resampled efficient frontier method to reduce the effect of parameter estimation error on portfolio weights by generating many simulated samples and averaging the weights on the frontier, which is a set of efficient portfolios. The data used are adjusted close prices of JII stocks from January to December 2025, which are transformed into daily returns and divided into in-sample and out-of-sample data. The portfolio assets, namely TLKM, INCO, and MDKA, are selected based on normality tests because the Monte Carlo simulation generates data based on a normal distribution. The portfolios compared are the MSV portfolio, namely the optimal portfolio from the Mean-Semivariance Efficient Frontier, and the RMSV portfolio, namely the optimal portfolio from the Resampled Efficient Frontier Mean-Semivariance. The optimal portfolio is selected based on the Sortino ratio, which is a portfolio performance measure that compares return with downside risk. The results show that the MSV portfolio weights are 0.67 in TLKM, 0.05 in INCO, and 0.28 in MDKA, while the RMSV portfolio weights are 0.59 in TLKM, 0.19 in INCO, and 0.22 in MDKA. In the out-of-sample data, the RMSV portfolio produces a Sortino ratio of 0.197, which is better than the MSV portfolio with a Sortino ratio of 0.181. These findings indicate that the resampling process produces a more diversified weight allocation and better out-of-sample performance.

Kata Kunci : portofolio, mean-semivariance, efficient frontier, resampled efficient frontier

  1. S1-2026-493710-abstract.pdf  
  2. S1-2026-493710-bibliography.pdf  
  3. S1-2026-493710-tableofcontent.pdf  
  4. S1-2026-493710-title.pdf