Electronic Theses and Dissertation

Investasi saham selalu menghadirkan tantangan dalam menentukan portofolio yang dapat memberikan keuntungan tinggi namun dengan risiko yang dapat diukur. penelitian ini bertujuan untuk mengoptimalkan portofolio saham idx30 tahun 2024 dengan menggunakan pendekatan single index model dan algoritma genetika. metode sim digunakan untuk menentukan portofolio awal dengan melihat hubungan antara return dan risiko pasar, sedangkan algoritma genetika diterapkan untuk melakukan optimasi lanjutan melalui tahap seleksi, crossover, dan mutasi. hasil penelitian menunjukkan bahwa metode sim menghasilkan expected return sebesar 1,71% dengan risiko 8,18%, sedangkan algoritma genetika menghasilkan expected return sebesar 1,66% denagn risiko 7,33%. dengan bobot saham optimal diperoleh yaitu tlkm = 0,0837, untr = 0,7908, dan cita = 0,1255. maka dapat disimpulkan bahwa penerapan algoritma genetika mampu memberikan portofolio yang lebih stabil dan efisien karena dapat menyeimbangkan antara potensi keuntungan dan tingkat risiko investasi. kata kunci: optimasi, portofolio saham, single index model, algoritma genetika

Stock investment always presents challenges in determining a portfolio that can provide high returns but with measurable risks. This study aims to optimize the IDX30 stock portfolio for 2024 using a single index model approach and a genetic algorithm. The SIM method is used to determine the initial portfolio by examining the relationship between return and market risk, while the genetic algorithm is applied to perform further optimization through selection, crossover, and mutation stages. The results show that the SIM method produces an expected return of 1.71% with a risk of 8.18%, while the genetic algorithm produces an expected return of 1.66% with a risk of 7.33%. The optimal stock weights obtained are TLKM = 0.0837, UNTR = 0.7908, and CITA = 0.1255. Therefore, it can be concluded that the application of the Genetic Algorithm can provide a more stable and efficient portfolio because it balances potential returns with investment risk. Keywords: optimization, stock portfolio, single index model, genetic algorithm