PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN SAHAM BERDASARKAN PRICE EARNING RATIO DAN PRICE TO BOOK VALUE

Derrick Tohendry; Deny Jollyta

Derrick Tohendry Institut Bisnis dan Teknologi Pelita Indonesia
Deny Jollyta Institut Bisnis dan Teknologi Pelita Indonesia

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Saham merupakan salah satu instrument investasi yang memiliki risiko tinggi namun tingkat imbal hasil yang didapatkan cukup tinggi. Banyak masyarakat yang mulai melakukan investasi ke saham. Kebanyakan orang membeli saham tanpa melakukan analisa apapun sehingga banyak terjadi setelah dibeli harga saham malah turun maupun ketika menjual saham harganya malah naik. Untuk meminimalisir risiko ini maka diperlukan pengelompokkan saham berdasarkan rasio keuangan Price Earning Ratio (PER) dan Price to Book Value (PBV). Rasio PER dan PBV sering digunakan oleh investor untuk menilai sebuah perusahaan murah atau mahal. Data yang akan digunakan pada penelitian ini diambil dari broker mirae asset sekuritas. Pengelompokkan ini akan menggunakan algoritma K-Means. Selain itu metode Elbow juga akan digunakan untuk mengevaluasi jumlah cluster yang akan dipakai pada K-Means. Algoritma K-Means dipilih karena cukup mudah untuk dipahami dan sangat umum digunakan sebagai teknik clustering atau pengelompokkan. Algoritma K-Means yang digunakan akan ditulis dengan Bahasa pemrograman Python melalui Google Colaboratory. Hasil dari Penelitian ini adalah 3 kelompok saham yang terdiri dari kelompok saham murah, kelompok saham sedang, dan kelompok saham mahal. Kelompok saham murah cenderung memiliki risiko yang rendah, kelompok saham sedang cenderung memiliki risiko yang sedang, dan kelompok saham mahal cenderung memiliki risiko yang tinggi.

References

[1] R. Suganthi and P. Kamalakannan, “Analyzing Stock Market Data Using Clustering Algorithm,” Int. J. Futur. Comput. Commun., vol. 4, no. 108-111. 10.7763/IJFCC.2015.V4.366., 2015.
[2] G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.
[3] E. P. Jaya and R. Kuswanto, “Pengaruh Return on Assets, Debt To Equity Ratio Dan Price to Book Value Terhadap Return Saham Perusahaan Lq45 Terdaftar Di Bursa Efek Indonesia Periode 2016 – 2018,” J. Bina Akunt., vol. 8, no. 1, pp. 51–67, 2021, doi: 10.52859/jba.v8i1.136.
[4] S. Sukamulja, Pengantar Pemodelan Keuangan dan Analisis Pasar Modal. Yogyakarta: CV Andi Offset, 2017.
[5] E. Tandelilin, Pasar Modal Manajemen Portofolio & Investasi. Yogyakarta: PT Kanisius, 2017.
[6] E. Irwansyah, “Clustering,” 2017. https://socs.binus.ac.id/2017/03/09/clustering/.
[7] Suyanto, Data Mining untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika, 2017.
[8] B. Orleans and E. P. Putra, “Clustering Algoritma (K-Means),” 2022. https://sis.binus.ac.id/2022/01/31/clustering-algoritma-K-Means/.
[9] H. Wimmer, “Effects of Normalization Techniques on Logistic Regression in Data Science,” Proc. Conf. Inf. Syst. Appl. Res., pp. 1–9, 2018.