Data Mining untuk Pengelompokan Saham pada Sektor Energi dengan Metode K-Means

Anggi Srimurdianti Sukamto, Wawan Setiawan, Enda Esyudha Pratama

Abstract


Saham adalah kepemilikan hak oleh perorangan (pemegang saham) pada suatu perusahaan berdasarkan pemberian modal sehingga dianggap  memiliki kepemilikan dan pengawasan perusahaan tersebut berdasarkan bagian tertentu. Menurut data dari Indonesia Stock Exchange (IDX) pada tahun 2020, jumlah investor di Pasar Modal Indonesia yang terdiri dari investor saham, reksadana dan obligasi, mengalami kenaikan 56 persen yaitu 3,87 juta Single Investor Identification (SID) sampai pada tanggal 29 Desember 2020. Kenaikan ini menjadi 4 kali lipat lebih tinggi sejak 4 tahun terakhir. Investor saham juga mengalami kenaikan sebanyak 53 persen menjadi 1,68 juta SID. Hal tersebut menunjukkan besarnya minat masyarakat terhadap keikutsertaan pada kepemilikan saham. Namun dalam berinvestasi terdapat risiko. Risiko dalam berinvestasi di pasar modal sebenarnya dapat diminimalisir dengan pemilihan saham yang benar terutama dalam hal fundamendal perusahaan. Penelitian ini menggunakan metode K-Means untuk mengelompokan saham sesuai dengan karakteristiknya. Berdasarkan perhitungan, didapatkan sebanyak 5 kali Iterasi untuk 4 Kelas/Cluster yang telah didefinisikan diawal. Selain itu, didapatkan hasil bahwa Kelas/Cluster 1 dan 4 diisi oleh emiten-emiten yang memiliki fundamental buruk  serta Kelas/Cluster 2 berisi emiten pemberi dividen yang tinggi. Secara keseluruhan, didapatkan kesimpulan bahwa algoritma K-Mean dapat digunakan untuk membantu para Investor dalam melakukan pencarian emiten yang sesuai dengan karakteristik yang diinginkan.


Keywords


Saham; Fundamental; Risiko; Data Mining; K-Means

Full Text:

PDF

References


(2002) Kamus Besar Bahasa Indonesia website. [online]. Available: https://www.kbbi.web.id/saham.

(2020) Indonesia Stock Exchange website. [online]. Available: https://www.idx.co.id/media/20221199/laporan-tahunan-2020.pdf

A.M. Wibisono, B.N. Sari. “ Sistem Pakar Penentu Profil Risiko Investasi,” Journal of Information System., pp 79-89, 2022.

R. R. Putra, C. Wadisman, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means,” ntecoms: Journal of Information Technology and Computer Science., pp 72-77, 2018.

F. N. Sasmita, D. Saepudin, A. Aditsania, “Pembentukan Portofolio Saham Melalui Proses Clustering Kurva Harga Saham Hasil Cubic-Spline,” e-Proceeding of Engineering , 9859, 2019.

Sunariyah, “Pengantar Pengetahuan Pasar Modal,” Yogyakarta: AMP YKPN, 2004.

Jogiyanto, “Teori Portofolio dan Analisis Investasi,” Yogyakarta: BPFE, 2008.

(2022), Stockbit, stockbit. Retrieved from stockbit.com

R.T. Vulandari, “Data Mining Teori dan Aplikasi Rapidminer”. Yogyakarta: Gava Media, 2017.

L. Mayola, S. Sanjaya, W. Safitri, “Identifikasi Karakteristik Jakarta Islamic Index dengan Menggunakan Algoritma K-Means” SEBATIK, 83-88, 2018.

P. Hanjasto, “Analisis Trend Saham LQ-45 Selama Pandemi Covid-19 dengan K-Means Clustering”, Jurnal Informatika Ekonomi Bisnis, Vol.4, No. 4, 2022.

H. Annur, “Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering (Studi Kasus Toko Luxor Variasi Gorontalo)”, Jurnal Informatika UPGRIS.,Vol.5, No. 1, 2019.

D. Anggraini, S.A. Putri, L.A. Utami, “Implementasi Algoritma dalam Menentukan Penjualan Mobil yang Paling Diminati Pada Honda Permata Serpong”, Jurnal Media Informatika Budidarma, Vol. 4, No. 2, 2020.

A. Ichlas, I. R. Munthe, M.N.S. Hasibuan, “Aturan Asosiasi untuk Analisis Data Penjualan Produk Menggunakan Algoritma Apriori”, Jurnal Teknik Informatika Unika St. Thomas (JTIUST), Vol. 06, No. 01, 2021.

A. Sitorus, “Implementasi Data Mining Pada Penjualan Tas Menggunakan Algoritma Apriori”, Batam: Universitas Putera Batam, 2020.

R. Subekti, R. Kusumawati, E.R. Sari, “K-Means Clustering dan Average Linkage dalam Pembentukan Portofolio Saham”, Seminar Matematika dan Pendidikan Matematika UNY, 2017.




DOI: https://doi.org/10.26418/jp.v9i1.62509

Refbacks

  • There are currently no refbacks.