<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1709423">
 <titleInfo>
  <title>OPTIMASI PORTOFOLIO DENGAN MENGGUNAKAN SINGLE INDEX MODEL DAN ALGORITMA GENETIKARN(STUDI KASUS:</title>
  <subTitle>HARGA SAHAM PENUTUPAN INDEKS IDX30 TAHUN 2024)</subTitle>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>SITI ARREYAN</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas mipa</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>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.&#13;
&#13;
Kata kunci: optimasi, portofolio saham, single index model, algoritma genetika&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1709423</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-01-21 13:08:45</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-01-21 15:34:43</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>