penerapan ”analisis keputusan dalam risiko” dalam
Post on 02-Oct-2021
11 Views
Preview:
TRANSCRIPT
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
PENERAPAN ”ANALISIS KEPUTUSAN DALAM RISIKO” DALAM
PENGAMBILAN KEPUTUSAN INVESTASI SAHAM JANGKA PENDEK
UNTUK MENDAPATKAN CAPITAL GAIN ATAU KERUGIAN YANG
OPTIMUM
Leopoldus Ricky Sasongko,S.Si
1, Dra. Lilik Linawati,M.Kom
2, dan Dr. Bambang Susanto,MS
3
Program Studi Matematika, Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana, Salatiga
leoz_rickz@yahoo.com1, lina.utomo@yahoo.com
2 , bsusanto5@gmail.com
3
Abstrak
Investasi saham merupakan salah satu cara pengendalian dana yang memberikan peluang
keuntungan tinggi, namun juga berisiko kerugian yang tinggi pula bagi investor saham terutama
investor saham yang melakukan investasi saham jangka pendek.
Analisis keputusan dalam risiko melalui perhitungan probabilitas posterior (Bayesian)
digunakan sebagai dasar kajian pengambilan keputusan terhadap investasi saham jangka pendek
agar diperoleh capital gain atau kerugian yang optimum. Beberapa faktor yang mendapat
perhatian dalam investasi saham di pasar saham di Indonesia meliputi IHSG, kurs rupiah per
dollar AS, dan pengembalian (return) harga saham individual.
Dari hasil penelitian yang dilakukan serta dibantu dengan simulasi fungsi pemulusan
densitas Kernel, diperoleh cara menerapkan analisis keputusan dalam risiko dalam pengambilan
keputusan investasi saham jangka pendek bergantung pada keadaan kurs rupiah per dollar AS.
Kata kunci : investasi saham, analisis keputusan, posterior (Bayesian), capital gain, densitas
Kernel.
1. Pendahuluan
Investasi saham merupakan salah satu cara pengendalian dana yang memberikan
peluang keuntungan yang tinggi, namun juga berisiko kerugian yang tinggi pula (high
risk-high return) bagi investor (pelaku investasi) saham pada umumnya. Terkhusus bagi
investor saham yang melakukan investasi saham jangka pendek (investor memperoleh
capital gain) dapat memperoleh keuntungan besar dalam waktu singkat namun dapat
juga mengalami kerugian besar dalam waktu singkat pula. Jika investor saham akan
melakukan investasi saham jangka pendek maka investor saham perlu mengambil
langkah cermat dalam menginvestasikan dananya pada suatu saham. Analisis keputusan
dalam risiko merupakan salah satu alat bantu dalam Riset Operasi yang dapat digunakan
sebagai dasar kajian pengambilan keputusan terhadap investasi saham [1] jangka
pendek pada masa mendatang dengan harapan dapat mengoptimumkan capital gain atau
kerugian.
Selanjutnya akan dikaji tentang penerapan analisis keputusan dalam risiko untuk
pengambilan keputusan investasi saham jangka pendek pada saham-saham alternatif
yang diperjualbelikan di Indonesia. Perlu diketahui dalam kajian ini bahwa investasi
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
saham jangka pendek dilakukan secara tidak langsung yaitu melakukan investasi saham
jangka pendek di pasar saham di Indonesia yang berada di dalam Bursa Efek Indonesia
(BEI). Ada beberapa faktor yang mendapat perhatian dalam analisis keputusan nantinya
antara lain IHSG (Indeks Harga Saham Gabungan), nilai tukar (kurs) rupiah per dollar
AS (Amerika Serikat), dan pengembalian (return) harga saham individual. Situasi pasar
saham di Indonesia yang digambarkan oleh IHSG mempunyai hubungan kausalitas
terhadap pengembalian harga saham individual [2], sedangkan naik turunnya IHSG
dipengaruhi oleh kuat lemahnya kurs rupiah per dollar AS [3] sehingga ketiga hal
tersebut saling berhubungan satu sama lain. Dalam kajian ini, dari semua saham yang
terdaftar di BEI hanya dipilih beberapa saham alternatif (pilihan). Pemilihan saham
alternatif berdasarkan pada saham-saham yang tergabung dalam perhitungan indeks
LQ45.
Data yang digunakan dalam analisis nantinya meliputi :
a. Data IHSG penutupan (close index) harian mulai tanggal 1 Agustus 2007 sampai
dengan 30 Juli 2010 (3 tahun) sejumlah 721 data. Data tersebut dinotasikan tX
dan tt Xx (t >= 2) menyatakan differencing IHSG agar diketahui keadaan
IHSG apakah sedang naik atau turun (tidak pernah tetap) untuk t = 1,2,3,..,721.
Data ini dapat diperoleh di finance.yahoo.com.
b. Data kurs beli per dollar AS pada Bank Indonesia mulai tanggal 1 Agustus 2007
sampai dengan 30 Juli 2010 (3 tahun) sejumlah 721 data. Data tersebut
dinotasikan tY dan tt Yy (t >= 2) menyatakan differencing kurs rupiah per
dollar AS agar diketahui keadaan kurs rupiah per dollar AS apakah sedang
menguat, tetap, atau melemah untuk t = 1,2,3,..,721. Data ini dapat diperoleh di
www.bi.go.id.
c. Data harga saham penutupan harian (close price) dari saham yang tergabung di
Indeks LQ45 yang nantinya digunakan dalam analisis mulai tanggal 1 Agustus
2007 sampai dengan 30 Juli 2010 (3 tahun) sejumlah 721 data. Data tersebut
dinotasikan sesuai kode saham contoh tASII dan tt ASIIdASII (t >= 2)
menyatakan fluktuasi harga saham terkait untuk t = 1,2,3,..,721. Data ini dapat
diperoleh di finance.yahoo.com.
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
2. Analisis Keputusan Dalam Risiko (Decision Analysis Under Risk) [1]
Analisis keputusan adalah salah satu alat yang mendekatkan kriteria kualitatif
dengan suatu nilai berhingga (finite number) untuk pengambilan keputusan [1]. Kriteria
tersebut ditransformasi menjadi suatu aturan terukur (kuantitatif). Contohnya,
universitas terbaik menurut seorang siswa memperhatikan biaya yang dikeluarkan,
reputasi, dan lokasi universitas. Siswa tersebut memperhatikan 50% dari reputasi dan
masing-masing 25% untuk biaya dan lokasi universitas. Dengan kata lain, siswa
tersebut memberikan bobot reputasi 2 kali lebih besar dari kriteria lainnya.
Kriteria masa mendatang yang paling mungkin didasari oleh konversi situasi yang
bersifat probabilistik menjadi situasi deterministik dengan mengganti variabel acak
(random variable) menjadi suatu nilai yang memiliki probabilitas tertinggi untuk
muncul [4]. Probabilitas ini sering disebut probabilitas prior atau probabilitas awal.
Diasumsikan bahwa distribusi probabilitas data ekperimen diketahui. Untuk
memperoleh informasi baru, probabilitas prior dapat dikembangkan menjadi
probabilitas baru yang dikenal sebagai probabilitas posterior (Bayesian) atau
probabilitas akhir (Bayesian).
Anggaplah secara umum i adalah suatu kejadian ke- i dengan i = 1,2,3,..,m,
sehingga probabilitas i adalah
ii cP }{ (1)
dengan ic nilai probabilitas kejadian i didapat dari luas daerah di bawah kurva
kepadatan probabilitas data eksperimen [5]. Adanya informasi baru yang merupakan
kejadian yang mungkin dari hasil suatu eksperimen yaitu j dengan j = 1,2,3,..,n.
Sering digunakan istilah probabilitas kondisional atau probabilitas bersyarat yaitu
ijP | . Probabilitas kondisional diasumsikan tersedia sehingga
ijij dP | (2)
dengan ijd nilai probabilitas didapat dari luas daerah di bawah kurva kepadatan
probabilitas data eksperimen. Tujuannya adalah menggunakan probabilitas kondisional
dan probabilitas prior untuk memperoleh probabilitas posterior.
Dengan diketahui (1) dan (2), dimulai dengan menghitung jP yaitu
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
m
i
iij
m
i
iij
m
i
jij cdPPPP111
| (3)
untuk j = 1,2,3,..,n . Dengan berdasarkan (3), dilanjutkan dengan menghitung
probabilitas posterior yang dinotasikan jiP | yaitu
m
i
iij
iij
m
i
iij
iij
j
ji
ji
cd
cd
PP
PP
P
PP
11
|
|| (4)
untuk j = 1,2,3,..,n dan i = 1,2,3,..,m. 1|1
m
i
jiP untuk setiap j = 1,2,3,..,n.
Probabilitas posterior inilah nantinya yang akan digunakan dalam mengevaluasi
keputusan agar dapat diambil keputusan. Anggap ila adalah besar keuntungan
(kerugian) alternatif ke- l untuk l = 1, 2, 3, .., k pada kejadian ke- i untuk i = 1, 2, 3,
..,m. Maka nilai keuntungan (kerugian) yang diharapkan (expected payoff) untuk
alternatif ke- l = 1, 2, 3, .., k dan pada kondisional ke- j = 1, 2, 3, .., n adalah
m
i
jiiljmmljljljl PaPaPaPaEV1
2211 ||......|| (5).
Alternatif terbaik untuk mengambil keputusan berdasarkan *EV yaitu
max* jll EVEV atau min* jll EVEV untuk suatu kondisional j = 1, 2, 3, .., n.
2.1. Pohon keputusan berdasarkan kriteria nilai yang diharapkan
(Decision tree-based expected value criterion)
Suatu masalah mengenai pengambilan keputusan khususnya dalam
mempertimbangkan proses keputusan tahap berganda dimana alternatif-alternatif
keputusan saling bergantung dibuat saling berurutan [4]. Sehingga perlu adanya
representasi grafik dari masalah keputusan tersebut dan pohon keputusan merupakan
salah satu caranya. Pohon keputusan mempunyai dua jenis node yaitu node berbentuk
kotak (□) mewakili titik keputusan (decision point) dan node berbentuk lingkaran (○)
mewakili kemungkinan peristiwa (chance event) [1],[4]. Pada titik keputusan,
pengambil keputusan mempunyai hak atas pengambilan keputusan. sedangkan dalam
kemungkinan peristiwa melambangkan variabel tak tentu (uncertain variable),
pengambil keputusan tidak mempunyai kendali terhadap kemungkinan-kemungkinan
peristiwa yang terjadi [6].
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
3. Algoritma Analisis Keputusan Investasi Saham Jangka Pendek
Pada bab ini akan diperlihatkan bagaimana pengolahan dan analisa data
berdasarkan algoritma analisis keputusan investasi saham jangka pendek seperti pada
Gambar 1.
Mulai
Input :
Data IHSG, Kurs
Beli per Dollar
AS, Harga
Saham – saham
Indeks LQ45
Hitung Koefisien
Korelasi ( r ) IHSG dan
Kurs Beli per Dollar AS
r > 0,599 ?
Atau
r < -0,599 ?
Menentukan Saham
Alternatif
Apakah
Fluktuasi Harga
Saham Stasioner
dan Berdistribusi
Normal ?
Ya
Selesai
Tidak
Menghitung
Probabilitas Prior dari
IHSG sebagai Situasi
Pasar Saham
Menghitung
Probabilitas
Kondisional dari Kurs
Beli per Dollar AS dan
IHSG
Ya
Menghitung
Probabilitas Posterior
dari Kurs Beli per
Dollar AS dan IHSG
Menentukan
Keuntungan dan
Kerugian dari Saham
Alternatif
Membuat Model Pohon
Keputusan
Analisa Data :
Menentukan Nilai
Keuntungan dan
Kerugian yang
Diharapkan
Output :
Keputusan
Investasi Saham
Validasi Keputusan
dari Hasil Model
Pengambilan
Keputusan Investasi
Saham
Output :
Kesalahan (error)
dari Validasi
Keputusan
Tidak
Gambar 1. Diagram Alir Analisis Keputusan Investasi Saham Jangka Pendek
4. Analisa dan Pembahasan
Sesuai algoritma analisis keputusan investasi saham jangka pendek, diperoleh
hasil dari pengolahan dan analisa data meliputi :
a. Nilai koefisien korelasi ( r ) tX dan tY yaitu sebesar 8702,0r . Dengan
599,08702,0r menunjukkan bahwa kedua variabel (IHSG dan kurs beli
per dollar AS) mempunyai hubungan linier yang kuat. Hal tersebut menyatakan
bahwa IHSG dan kurs rupiah dollar AS mempunyai hubungan kausalitas yaitu
saat IHSG naik, kurs rupiah menguat dan begitu juga saat IHSG turun, kurs rupiah
melemah. Hal tersebut diperlihatkan pada Gambar 2.
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
Gambar 2. Grafik Hubungan IHSG dan Kurs Beli per Dollar AS
b. Saham-saham alternatif yang terpilih adalah saham-saham yang tetap selama 7
periode pergantian saham-saham yang masuk dalam perhitungan indeks LQ45 dan
merupakan saham-saham yang memiliki nilai kapital terbesar di 4 sektor teratas
yaitu
Tabel 1. Saham Alternatif Awal
No (l) Kode Saham Sektor
1 ASII Aneka Industri
2 TLKM Infrastruktur, Utilitas, dan Transportasi
3 BBCA Keuangan
4 UNTR Perdagangan Jasa dan Investasi
Setelah dilakukan uji kestasioneran dan kenormalan terhadap fluktuasi harga
saham terkait memberikan hasil bahwa fluktuasi harga saham BBCA tidak
memenuhi distribusi normal akibat dari fluktuasi harga saham BBCA pernah
turun 50% dari 7200 menjadi 3600 sehingga relatif berisiko untuk memilih saham
BBCA sebagai salah satu alternatif keputusan. Selanjutnya dengan mengganti
saham BBCA dengan BMRI (besar nilai kapital di bawah BBCA) yang memenuhi
uji kestasioneran dan kenormalan. Beberapa penjelasan sebelumnya, diperjelas
dengan nilai p-value (> 0,01) dari hasil uji Kolmogrov-Smirnov satu sampel untuk
saham alternatif awal (Tabel 1) dan BMRI yang disajikan pada Tabel 2.
Tabel 2. Hasil Uji Kolmogorov-Smirnov Fluktuasi Harga Saham Alternatif Awal dan BMRI
Fluktuasi
Harga Saham p-value
dASIIt 0,9926
dTLKMt 0,9973
dBBCAt 0,004495
dUNTRt 0,9999
dBMRIt 0,9980
c. Data tt Xx dan tt Yy berturut-turut adalah data IHSG dan kurs rupiah per
dollar AS hasil differencing yang sebelumnya telah diketahui berkorelasi,
digunakan untuk memperoleh probabilitas prior (dari data tx ), probabilitas
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
kondisional (dari data ty ), dan probabilitas posterior (dari perhitungan persamaan
(3) dan (4)).
Tabel 3. Probabilitas Prior
i in ii cP
1 395 0,5486
2 325 0,4514
Jumlah 720 1
Tabel 4. Probabilitas Kondisional
i j in jin
ij
i
ji
ij dn
nP |
1
1
395
232 0,5873
2 9 0,0228
3 154 0,3899
2
1
325
112 0,3446
2 9 0,0277
3 204 0,6277
Jumlah 720 720 2
Berdasarkan Tabel 3 dan Tabel 4, maka diperoleh matriks B [ ijB ] =
[ jiP | ] probabiltas posterior yaitu :
11B = 0,6744 12B = 0,5001 13B = 0,4302
21B = 0,3256 22B = 0,4999 23B = 0,5698
d. Keuntungan dari rata-rata kenaikan dan kerugian dari rata-rata penurunan
fluktuasi harga saham untuk masing-masing saham dapat dilihat pada Tabel 5. Tabel 5. Rata-rata Kenaikan dan Penurunan Fluktuasi Harga Saham Alternatif
i No (l) Fluktuasi
Harga Saham ila
1
1 dASIIt 11a 566.3185
2 dTLKMt 12a 129.7767
3 dBMRIt 13a 70.7731
4 dUNTRt 14a 262.2063
2
1 dASIIt 21a -547.3294
2 dTLKMt 22a -172.0820
3 dBMRIt 23a -80.5016
4 dUNTRt 24a -262.6855
e. Model pohon keputusan dari analisis keputusan investasi saham jangka pendek
disajikan pada Gambar 3.
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
1
2
5
6
7
8
3
9
10
11
12
4
13
14
15
16
b1
b2
b3
ASII
TLKM
BMRI
UNTR
ASII
TLKM
BMRI
UNTR
ASII
TLKM
BMRI
UNTR
a1
a1
a1
a1
a1
a1
a1
a1
a1
a1
a1
a1
a2
a2
a2
a2
a2
a2
a2
a2
a2
a2
a2
a2
566.3185
-547.3294
129.7767
-172.0820
70.7731
-80.5016
262.2063
-262.6855
0,6744
0,3256
0,5001
0,4999
0,4302
0,5698
0,6744
0,3256
0,6744
0,3256
0,6744
0,3256
0,5001
0,4999
0,5001
0,4999
0,5001
0,4999
0,4302
0,5698
0,4302
0,5698
0,4302
0,5698
566.3185
-547.3294
129.7767
-172.0820
70.7731
-80.5016
262.2063
-262.6855
566.3185
-547.3294
129.7767
-172.0820
70.7731
-80.5016
262.2063
-262.6855
Gambar 3. Pohon Keputusan Investasi Saham Jangka Pendek
f. Sesuai dengan persamaan (5), maka nilai keuntungan atau kerugian yang
diharapkan setelah melakukan investasi saham dapat dilihat pada Tabel 6.
Tabel 6. Nilai Keuntungan atau Kerugian yang Diharapkan
l 1 2 3
1 7180,20311EV 5903,921EV 2711,6831EV
2 4924,3112EV 1267,2122EV 2314,4232EV
3 5185,2113EV 8512,423EV 4277,1533EV
4 3031,9114EV 1945,024EV 8926,3634EV
*EV
max jll EV l max jll EV l min jll EV l
7180,20311EV 1 5903,921EV 1 4277,1533EV 3
g. Berdasarkan Tabel 6, nilai *EV untuk kolom 1 atau saat kurs beli menguat
adalah memilih l = 1 untuk investasi pada saham ASII dengan nilai keuntungan
yang diharapkan yaitu 203,7180. Nilai *EV untuk kolom 2 atau saat kurs beli
tetap adalah memilih l = 1 untuk investasi pada saham ASII dengan nilai
keuntungan yang diharapkan yaitu 9,5903. Dan nilai *EV untuk kolom 3 atau
saat kurs beli melemah adalah memilih l = 3 untuk investasi pada saham BMRI
dengan nilai kerugian yang diharapkan yaitu 15,4277.
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
h. Validasi keputusan terhadap hasil analisis yaitu dengan mencocokan keadaan kurs
pada data pengamatan tambahan (periode 2 Agustus 2010 sampai dengan 29
Oktober 2010) dengan keputusan yang bersesuaian seperti yang telah dihasilkan
pada poin g. Dari validasi keputusan diperoleh kesalahan model sebanyak 9 data
pengamatan dari 58 data pengamatan. Sehingga kesalahan model sebesar
%52,15%10058
9.Validasi model dapat dilihat pada Gambar 4.
Gambar 4. Validasi Model Analisis Keputusan Investasi Saham Jangka Pendek
5. Simulasi
Simulasi sepenuhnya dilakukan dengan simulasi pemulusan densitas Kernel.
Setelah diketahui data berdistribusi normal, maka simulasi dilakukan dengan simulasi
pemulusan densitas Kernel-normal.
Hal pertama dilakukan adalah dengan mencari densitas data yang nantinya
diperoleh bandwitdh h (H matriks bandwitdh) optimal dari data. Lalu menggunakan
bandwitdh h (H matriks bandwitdh) optimal tersebut untuk membangkitkan data
simulasi (random) sebagai tiruan dari data nyata lalu menampilkan densitas data dan
bandwitdh h (H matriks bandwitdh) optimal dari data simulasi. Simulasi yang dilakukan
diantaranya untuk :
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
a. data IHSG dan kurs beli dollar AS yang memiliki korelasi, maka dilakukan
simulasi pemulusan densitas Kernel-normal bivariat guna memperoleh
probabilitas prior, kondisional, dan posterior dari data simulasi bivariat.
b. menentukan keuntungan dan kerugian dari data simulasi pemulusan densitas
Kernel-normal univariat fluktuasi harga saham untuk tiap saham alternatif.
Setelah memperoleh nilai-nilai pada poin 1 dan 2, dilanjutkan melakukan analisis
keputusan lalu membandingkannya terhadap hasil analisis seperti bab 4. Simulasi
dibantu dengan menggunakan program R 2. 12. 0 package ks yang dapat diunduh di
cran.r-project.org. Selanjutnya diperlihatkan sekaligus perbandingan hasil simulasi
terhadap hasil analisis sebelumnya.
10024,26826058,46
26058,46823,120H
Gambar 5. Estimasi Densitas Kernel Bivariat data IHSG ( tXx )
dan Kurs Beli per Dollar AS ( tYy )
3761,3432414,8
2414,81791,129H
Gambar 6. Estimasi Densitas Kernel Bivariat Data Simulasi IHSG (RIK[,1])
dan Kurs Beli per Dollar AS (RIK[,2]) 1000 Data
Tabel 7. Bandwidth h Optimal Data Fluktuasi Harga Saham
dASIIt dTLKMt dBMRIt dUNTRt
Bandwidth h 144,1 36,03 18,02 72,07
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
-2000 0 2000 4000
0e+00
1e-0
42e-0
43e-0
44e-0
45e-0
46e-0
47e-0
4
density.default(x = dASII)
N = 720 Bandw idth = 144.1
Density
-500 0 500
0.0
000
0.0
005
0.0
010
0.0
015
0.0
020
density.default(x = dTLKM)
N = 720 Bandw idth = 36.03
Density
-400 -200 0 200 400
0.0
00
0.0
01
0.0
02
0.0
03
0.0
04
0.0
05
density.default(x = dBMRI)
N = 720 Bandw idth = 18.02
Density
-2000 -1000 0 1000 2000
0.0
000
0.0
002
0.0
004
0.0
006
0.0
008
0.0
010
0.0
012
0.0
014
density.default(x = dUNTR)
N = 720 Bandw idth = 72.07
Density
Gambar 7. Estimasi Densitas Kernel Univariat Fluktuasi Harga Saham Untuk
Masing-masing Saham Alternatif
Tabel 8. Bandwidth h Optimal Data Simulasi Fluktuasi Harga Saham
dASIItsim dTLKMtsim dBMRItsim dUNTRtsim
Bandwidth h 89 24,72 12,37 42,58
-4000 -2000 0 2000 4000
0e+00
2e-0
44e-0
46e-0
4
density.default(x = dASIIsim)
N = 10000 Bandw idth = 89
Density
-500 0 500 1000
0.0
000
0.0
005
0.0
010
0.0
015
0.0
020
0.0
025
0.0
030
density.default(x = dTLKMsim)
N = 10000 Bandw idth = 24.72
Density
-400 -200 0 200 400
0.0
00
0.0
01
0.0
02
0.0
03
0.0
04
0.0
05
0.0
06
0.0
07
density.default(x = dBMRIsim)
N = 10000 Bandw idth = 12.37
Density
-2000 -1000 0 1000 2000
0.0
000
0.0
005
0.0
010
0.0
015
density.default(x = dUNTRsim)
N = 10000 Bandw idth = 42.56
Density
Gambar 8. Estimasi Densitas Kernel Univariat Data Simulasi Fluktuasi Harga Saham Untuk
Masing-masing Saham Alternatif 10000 Data
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
1
2
5
6
7
8
3
9
10
11
12
4
13
14
15
16
b1
b2
b3
ASII
TLKM
BMRI
UNTR
ASII
TLKM
BMRI
UNTR
ASII
TLKM
BMRI
UNTR
a1
a1
a1
a1
a1
a1
a1
a1
a1
a1
a1
a1
a2
a2
a2
a2
a2
a2
a2
a2
a2
a2
a2
a2
571,5509
-554,9655
130,1120
-172,9639
71,3730
-79,7427
261,9449
-271,1633
0,5341
0,4659
0,7142
0,2858
0,5239
0,4761
0,5341
0,4659
0,5341
0,4659
0,5341
0,4659
0,7142
0,2858
0,7142
0,2858
0,7142
0,2858
0,5239
0,4761
0,5239
0,4761
0,5239
0,4761
571,5509
-554,9655
130,1120
-172,9639
71,3730
-79,7427
261,9449
-271,1633
571,5509
-554,9655
130,1120
-172,9639
71,3730
-79,7427
261,9449
-271,1633
Gambar 9. Pohon Keputusan Investasi Saham Jangka Pendek Hasil Simulasi
Tabel 9. Pengambilan Keputusan Investasi Saham dari Data Hasil Simulasi
Keputusan Investasi Saham
1 2 3
Analisis
Mula-mula ASII ASII BMRI
Simulasi ASII ASII BMRI
6. Kesimpulan
Berdasarkan analisa dan simulasi diperoleh beberapa kesimpulan yaitu
a. Penerapan analisis keputusan dalam risiko untuk pengambilan keputusan investasi
saham jangka pendek (harian) pada saham-saham alternatif dalam pengaruh kurs
rupiah per dollar AS terhadap IHSG dapat dilakukan dengan cara seperti pada
diagram alir analisis keputusan investasi saham jangka pendek Gambar 1.
b. Hasil keputusan investasi saham jangka pendek (harian) yang diperoleh dari
analisis keputusan dalam risiko bergantung pada keadaan kurs beli rupiah per
dollar AS. Saat kurs beli rupiah per dollar AS menguat dan tetap, keputusan
investasi ada pada saham ASII dengan besar keuntungan yang diharapkan masing-
masing 203,7180 rupiah saat kurs menguat dan 9,5903 rupiah saat kurs tetap.
Sedangkan pada saat kurs beli rupiah per dollar AS melemah, keputusan investasi
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011
ada pada saham BMRI dengan kerugian yang diharapkan sebesar 15,4277 rupiah.
Besar keuntungan yang diharapkan dapat diartikan sebagai capital gain yang
maksimum sedangkan kerugian yang diharapkan dapat diartikan sebagai kerugian
yang minimum yang dapat diperoleh investor saham jangka pendek.
c. Hasil simulasi juga memberikan hasil keputusan investasi saham jangka pendek
(harian) sama dengan yang diperoleh dari analisis mula-mula.
7. Daftar Pustaka
[1] Taha, Hamdy A. 2007. Operation Research An Introduction Eighth Edition.
United States: Pearson Education. Inc.
[2] Muis, Saludin. 2008. Meramal Pergerakan Harga Saham. Yogyakarta : Graha
Ilmu.
[3] Dewi, Rosdianah. 2010. Rupiah Menguat, Hasil Intervensi BI.
inilah.com[internet]. Tersedia di
http://ekonomi.inilah.com/read/detail/895822/rupiah-menguat-hasil-intervensi-bi .
Waktu unduh 11:45 tgl 10/10/2010.
[4] Taha, Hamdy A. 1997. Riset Operasi Suatu Pengantar Edisi Kelima Jilid 2.
Terjemahan Operation Research An Introduction Fifth Edition. Jakarta : Binarupa
Aksara.
[5] Ward, Robert W. 2004. Option and Option Trading : A Simplified Course that
Takes You from Coin Tosses to Black – Scholes. USA : McGraw-Hill.
[6] Masruroh, Nur Aini. 2010. Basic Decision Analysis. Presentasi Seminar.
top related