PENERAPAN ”ANALISIS KEPUTUSAN DALAM RISIKO” DALAM

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

[email protected], [email protected]

2 , [email protected]

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

mailto:[email protected]




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.

http://www.bi.go.id/


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


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].


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.


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


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.


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.


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 :


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



-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


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


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.

http://ekonomi.inilah.com/read/detail/895822/rupiah-menguat-hasil-intervensi-bi

Documents

PENERAPAN ”ANALISIS KEPUTUSAN DALAM RISIKO” DALAM