Temuan tersebut penting karena pandemi COVID-19 menjadi salah satu ujian terberat bagi pasar keuangan global. Di Indonesia, tekanan pasar pada Maret 2020 memicu penurunan tajam IHSG, arus keluar modal asing, serta perubahan besar pada hubungan pergerakan antar-aset. Kondisi ini membuat strategi diversifikasi konvensional tidak selalu mampu melindungi investor ketika banyak saham turun secara bersamaan.
Ketika Diversifikasi Konvensional Menghadapi Krisis
Selama puluhan tahun, investor banyak menggunakan Modern Portfolio Theory (MPT) yang diperkenalkan Harry Markowitz. Pendekatan tersebut pada dasarnya mencari keseimbangan antara tingkat keuntungan dan risiko. Investor dapat memilih kombinasi aset yang menawarkan imbal hasil tertentu dengan risiko serendah mungkin.
Masalahnya, model klasik tersebut bekerja berdasarkan sejumlah asumsi yang relatif ideal. Misalnya, pergerakan imbal hasil aset dianggap mengikuti pola distribusi tertentu dan kondisi pasar diasumsikan cukup stabil. Ketika terjadi krisis ekstrem, hubungan antar-saham dapat berubah secara drastis sehingga perhitungan risiko berdasarkan data historis menjadi kurang mampu menggambarkan kondisi pasar yang sebenarnya.
Pandemi memberikan contoh nyata persoalan tersebut. Pada periode tekanan pasar, saham-saham yang sebelumnya dapat memberikan manfaat diversifikasi justru bisa bergerak turun secara bersamaan. Karena itu, Piero dan Yanuarta RE menguji pendekatan yang lebih adaptif dengan menggunakan algoritma evolusioner.
NSGA-II Mencari Banyak Pilihan Portofolio
NSGA-II bekerja dengan cara yang menyerupai proses seleksi alam. Algoritma tersebut membuat sejumlah kombinasi portofolio, mengevaluasi kinerjanya, kemudian mempertahankan dan mengembangkan kombinasi yang lebih baik melalui proses yang disebut crossover dan mutation.
Dalam penelitian ini, algoritma tidak hanya mencari satu jawaban. NSGA-II secara bersamaan mengejar dua sasaran yang saling bertentangan, yakni memaksimalkan imbal hasil dan meminimalkan risiko. Hasil pencarian berupa sekumpulan pilihan optimal yang disebut Pareto front. Investor kemudian dapat memilih kombinasi sesuai tingkat risiko yang sanggup ditanggung.
Peneliti menggunakan 17 saham yang dipilih dari konstituen LQ45 dan konsisten tercatat selama periode pengamatan. Data harga penutupan harian diperoleh dari Yahoo Finance, kemudian diolah menjadi imbal hasil harian. Perhitungan dilakukan dengan skrip berbasis Python menggunakan pustaka yfinance untuk memperoleh data dan pymoo untuk menjalankan algoritma evolusioner.
NSGA-II dijalankan dengan populasi awal 100 kombinasi portofolio dan 200 generasi. Setelah setiap generasi, kombinasi portofolio dievaluasi berdasarkan efisiensi risiko dan imbal hasil. Portofolio yang dihasilkan kemudian dibandingkan menggunakan Sharpe Ratio, yaitu ukuran yang menunjukkan seberapa besar imbal hasil yang diperoleh dibandingkan dengan risiko yang harus ditanggung investor.
BBCA Menjadi Penyangga, BRPT Mendorong Imbal Hasil
Data awal menunjukkan betapa beragamnya kinerja saham selama periode krisis. BBCA mencatat perkiraan imbal hasil tahunan positif 17,37 persen dengan standar deviasi 28,73 persen, yang merupakan tingkat risiko terendah dalam sampel. Sebaliknya, BRPT menghasilkan perkiraan imbal hasil tertinggi sebesar 62,92 persen, tetapi dengan risiko yang juga paling tinggi, yakni 63,83 persen.
Hasil optimasi kemudian menghasilkan portofolio terbaik dengan Sharpe Ratio 1,034. Portofolio tersebut memiliki perkiraan imbal hasil tahunan 42,96 persen dan standar deviasi 41,52 persen. Grafik Pareto front pada halaman 11 artikel memperlihatkan adanya hubungan positif antara risiko dan imbal hasil: semakin tinggi risiko yang diterima, semakin tinggi pula perkiraan imbal hasil pada kumpulan portofolio optimal.
Komposisi portofolio terbaik juga menunjukkan bahwa algoritma tidak memilih strategi membagi modal secara merata ke seluruh saham. Berdasarkan grafik alokasi aset pada halaman 12, sekitar 39,03 persen modal ditempatkan pada BBCA, sedangkan 55,06 persen dialokasikan ke BRPT. Sebagian kecil lainnya ditempatkan pada EXCL sebesar 5,45 persen dan KLBF sebesar 0,13 persen.
Menurut Piero dan Yanuarta RE, kombinasi tersebut mencerminkan strategi yang menggabungkan saham dengan karakter defensif dan saham berpotensi memberikan imbal hasil tinggi. BBCA berfungsi sebagai penyangga risiko, sementara BRPT memberikan dorongan terhadap potensi keuntungan. EXCL dan KLBF mendapat porsi kecil, yang dalam hasil penelitian berkaitan dengan perubahan pola ekonomi selama pembatasan sosial, termasuk meningkatnya kebutuhan komunikasi dan produk kesehatan.
Sebaliknya, algoritma memberikan bobot nol atau sangat kecil kepada saham yang mengalami tekanan besar, termasuk ITMG dan BBTN. ITMG mencatat perkiraan imbal hasil tahunan -36,12 persen, sedangkan BBTN mencapai -29,91 persen selama periode pengamatan.
Berpotensi Mendukung Keputusan Investor
Bagi manajer investasi, hasil ini menunjukkan bahwa algoritma evolusioner dapat digunakan sebagai alat bantu untuk menghadapi kondisi pasar yang berubah cepat. Alih-alih hanya mengandalkan satu portofolio yang dianggap paling optimal, investor dapat memperoleh sejumlah alternatif yang menawarkan kombinasi risiko dan imbal hasil berbeda.
Piero dan Yanuarta RE menilai NSGA-II berpotensi diterapkan pada sistem pengambilan keputusan investasi, termasuk untuk membantu proses penyesuaian portofolio ketika terjadi guncangan ekonomi. Algoritma juga dapat disesuaikan dengan berbagai batasan investasi, seperti batas maksimum kepemilikan aset atau jumlah saham dalam portofolio.
Namun, hasil tersebut tidak berarti NSGA-II otomatis menjamin keuntungan di masa depan. Penelitian memiliki keterbatasan karena pengujian berfokus pada periode krisis 2019–2020. Model juga hanya mempertimbangkan dua sasaran, yakni imbal hasil dan risiko, tanpa memasukkan biaya transaksi dan sejumlah faktor pasar lainnya. Peneliti merekomendasikan pengujian pada periode ekonomi yang lebih panjang, termasuk masa pemulihan setelah pandemi, serta penambahan faktor seperti likuiditas dan ESG.
Profil Penulis
Diego Armando Piero — peneliti pada Program Magister Manajemen, Universitas Negeri Padang, Padang, Indonesia. Bidang penelitian dalam artikel ini berkaitan dengan optimasi portofolio, algoritma evolusioner, pasar modal, dan pengambilan keputusan investasi berbasis komputasi.
Ramel Yanuarta RE — peneliti sekaligus corresponding author pada Program Magister Manajemen, Universitas Negeri Padang, Padang, Indonesia. Fokus artikel mencakup optimasi portofolio, computational finance, algoritma evolusioner, dan strategi investasi pada kondisi pasar berisiko tinggi. Artikel mencantumkan Ramel Yanuarta RE sebagai penulis korespondensi.
Sumber Penelitian
Piero, Diego Armando & Yanuarta RE, Ramel. “Evolutionary Portfolio Optimization During the COVID-19 Crisis: An Empirical Analysis of the Indonesian LQ45 Index Using NSGA-II.” Formosa Journal of Multidisciplinary Research (FJMR), Vol. 5 No. 8, 2026, hlm. 2603–2620. DOI: 10.55927/fjmr.v5i8.167.
0 Komentar