Analisis Perbandingan Optimasi Portofolio Menggunakan Pendekatan Konvensional CAPM dan Pendekatan Machine learning LSTM-GARCH pada Indeks LQ45 = Comparative Analysis Of Portfolio Optimization Using Conventional CAPM And Machine Learning-Based LSTM-GARCH Approach In LQ45 Index

Latar Belakang. Pemilihan portofolio saham optimal menjadi aspek krusial dalam investasi, mengingat dinamika pasar dan volatilitas yang tinggi. Pendekatan konvensional seperti Capital Asset Pricing Model (CAPM) telah lama digunakan, namun perkembangan teknologi memungkinkan penerapan machine learning, seperti Long Short-Term Memory (LSTM) dan Generalized Autoregressive Conditional Heteroskedasticity (GARCH), untuk meningkatkan akurasi prediksi return dan volatilitas saham. Oleh karena itu, penelitian ini membandingkan efektivitas kedua pendekatan dalam menghasilkan portofolio optimal. Tujuan. Penelitian ini bertujuan untuk menentukan portofolio saham optimal menggunakan pendekatan machine learning LSTM-GARCH dan pendekatan konvensional CAPM, serta membandingkan kinerja portofolio berdasarkan Sharpe ratio, yang mengukur efisiensi return terhadap risiko. Metode. Pendekatan LSTM-GARCH diawali dengan membaca data harga penutupan saham, eksplorasi, pra-pemrosesan, dan normalisasi Min-Max Scaling. Model LSTM dilatih dengan kombinasi jumlah neuron dan epoch, dievaluasi menggunakan MAPE dan RMSE, lalu digunakan untuk memprediksi harga penutupan dan menghitung return. Return digunakan untuk memodelkan volatilitas menggunakan GARCH pada data heteroskedastis, sedangkan untuk data homoskedastis digunakan standar deviasi. Optimasi dilakukan dengan pendekatan Mean-Variance melalui 10.000 simulasi pembobotan. Pendekatan CAPM melibatkan perhitungan return harian, expected return, beta saham, dan pembobotan portofolio dengan Mean-Variance Efficient Portfolio (MVEP). Evaluasi dilakukan dengan return tahunan, volatilitas, dan Sharpe ratio. Hasil. Portofolio optimal LSTM-GARCH terdiri dari BRIS (43,93%), ADRO (4,55%), ICBP (29,29%), dan BBCA (22,23%), sedangkan portofolio CAPM terdiri dari BRIS (66,82%), ARTO (15,71%), dan GOTO (17,47%). Portofolio LSTM-GARCH memiliki Sharpe ratio lebih tinggi (1,24886) dibandingkan CAPM (0,89053), menunjukkan efisiensi return yang lebih baik dengan risiko yang lebih rendah. Kesimpulan. Pendekatan LSTM-GARCH terbukti lebih optimal dibandingkan CAPM, menghasilkan return yang lebih stabil dengan risiko lebih terkendali, menjadikannya alternatif unggul dalam strategi investasi saham.