Model Optimasi Alokasi Dana Investasi Terbatas Menggunakan Pendekatan Riset Operasi dan Orange Data Mining

Penulis

  • Zuhri Zuhri Universitas IBBI
  • Fajrillah Fajrillah Universitas IBBI
  • Almastoni Almastoni Universitas IBBI

DOI:

https://doi.org/10.70340/jirsi.v5i2.350

Kata Kunci:

Investment Optimization, Linear Programming, Limited Capital, Orange Data Mining, Operations Research, Information Systems

Abstrak

Keterbatasan modal menjadi kendala utama dalam pengambilan keputusan investasi, terutama bagi investor pemula. Penelitian ini bertujuan mengembangkan model optimasi alokasi dana investasi dengan modal terbatas menggunakan pendekatan riset operasi (pemrograman linier) dan implementasinya melalui Orange Data Mining. Studi kasus dilakukan pada tiga instrumen investasi digital (saham, reksadana, emas) dengan total modal Rp100 juta dan batas risiko maksimum 10%. Metode yang digunakan adalah pemrograman linier dengan penyelesaian menggunakan metode Simpleks dan Orange Data Mining. Hasil penelitian menunjukkan solusi optimal berupa alokasi 25% saham, 50% reksadana, 25% emas dengan return ekspektasi Rp10,75 juta/tahun. Perbandingan metode menunjukkan akurasi identik (100%) dengan waktu komputasi Orange 0,3 detik vs manual 15 menit. Analisis sensitivitas menunjukkan peningkatan toleransi risiko dari 10% ke 15% menaikkan return menjadi Rp12,5 juta. Penelitian ini berkontribusi pada pengembangan alat bantu keputusan investasi yang mudah digunakan investor pemula sekaligus bahan ajar Riset Operasi.

Unduhan

Data unduhan belum tersedia.

Referensi

Otoritas Jasa Keuangan, "Statistik Pasar Modal Indonesia 2025," OJK Publishing, Jakarta, 2026.

Kustodian Sentral Efek Indonesia, "Laporan Tahunan KSEI 2025," KSEI, Jakarta, 2026.

R. J. Shiller, Narrative Economics: How Stories Go Viral and Drive Major Economic Events. Princeton University Press, 2020.

F. S. Hillier and G. J. Lieberman, Introduction to Operations Research, 11th ed. McGraw-Hill Education, 2021.

H. A. Taha, Operations Research: An Introduction, 10th ed. Pearson Education, 2020.

F. S. Hillier and G. J. Lieberman, "The History and Future of Operations Research," INFORMS Journal on Applied Analytics, vol. 52, no. 3, pp. 214-228, 2022.

W. L. Winston, Operations Research: Applications and Algorithms, 4th ed. Cengage Learning, 2020.

B. Render, R. M. Stair, and M. E. Hanna, Quantitative Analysis for Management, 14th ed. Pearson Education, 2023.

Orange Data Mining Team, "Orange: Data Mining Toolbox in Python," Journal of Machine Learning Research, vol. 20, no. 1, pp. 1-5, 2019.

J. Demšar et al., "Orange: Data Mining Fruitful and Fun – A Historical Perspective," Informatica, vol. 41, no. 1, pp. 7-14, 2017.

Diterbitkan

2026-05-30

Terbitan

Bagian

Articles