METODOLOGI PENELITIAN
ALUR PENELITIAN
Alur penelitian ini dijabarkan sebagai berikut: - Input data perdagangan saham
Data yang akan digunakan dalam penelitian ini adalah data perdagangan saham yang diperoleh selama Tahun 2007-2008 terdiri dari saham berkapitalisasi besar dan saham berkapitalisasi kecil.
- Pemodelan
Pemodelan dilakukan dengan mengimplementasikan penelitian yang dilakukan oleh Hirabayashi (2009) terhadap saham di Indonesia. Kemudian dilakukan modifikasi terhadap indikator teknis yang digunakan oleh Hirabayashi (2009) yang selanjutnya disebut model Modifikasi. Indikator teknis yang digunakan sebagai modifikasi berdasarkan empat kategori indikator teknis (Teeples 2010).
Input Data Perdagangan Saham Terdiri atas
Saham berkapitalisasi Besar & berkapitalisasi Kecil
Modifikasi Model Hirabayashi (2009) dengan penambahan
indikator teknis Pemodelan Perdagangan Saham
Dengan Algoritme Genetika Model Hirabayashi (2009)
Pengujian
Analisis & Pembahasan Mulai
- Pengujian
Pengujian kedua pemodelan dilakukan dengan penerapan model tersebut pada perdagangan saham tahun 2007-2008 untuk kemudian dianalisis.
- Analisis dan Pembahasan
Analisis akan dilakukan terhadap hasil yang diperoleh pada penerapan kedua model tersebut pada perdagangan saham. Analisis dilakukan dengan melakukan perbandingan antara aturan perdagangan model Hirabayashi dan peraturan dagang yang memodifikasi model Hirabayashi. Kedua model ini juga akan dibandingkan dengan metode buy and hold. Metode buy and hold merupakan metode umum yang digunakan oleh para trader. Melalui metode ini, saham akan dibeli dan ditahan pada periode tertentu untuk kemudian dijual pada akhir periode. Analisis akan dititikberatkan pada:
- Kinerja model dengan perbandingan keuntungan yang diperoleh serta perbandingan terhadap tren pergerakan harga..
- Pengaruh jenis kapitalisasi saham terhadap kinerja model. - Aturan perdagangan yang mempengaruhi hasil.
PEMODELAN
Adapun proses pemodelan GA terdiri atas beberapa tahapan yang disajikan pada Gambar 3. POPULASI Evaluasi Nilai Fitness LINGKUNGAN EVOLUSI Reproduksi Penyilangan Mutasi OPERATOR ALGORITMA GENETIKA . . .
Pemodelan menggunakan data harian perdagangan saham selama dua tahun. Pelatihan dilakukan menggunakan data 6 (enam) bulan sebelumnya untuk mendapatkan individu terbaik. Hal ini mengikuti penelitian yang dilakukan oleh Hirabayasi (2009). Individu terbaik yang merupakan sebuah trading rule optimal digunakan selama 3 (tiga) bulan perdagangan berikutnya.
Penjelasan metode di atas adalah sebagai berikut: 1. Pembuatan individu (populasi)
Individu yang disebut kromosom dalam GA berisi informasi yang dibutuhkan untuk membuat aturan jual dan beli. Kromosom ini terdiri atas representasi biner dan dibagi menjadi tiga bagian, yaitu :
a. Bagian pertama dikelompokkan menjadi 3 (tiga) sub bagian. Sub bagian pertama terdiri atas aturan jual dan aturan beli untuk semua indikator teknis. Pada sub bagian ini terdapat komponen yang terdiri atas kumpulan bit. Jumlah bit ditentukan melalui rentang nilai dalam tiap indikator teknis. Untuk metode RSI, rentang yang digunakan adalah 3.125 – 100. Dengan membagi rentang nilai tersebut menjadi 32 nilai, maka jumlah bit dalam tiap batas untuk aturan jual dan beli adalah 5 bit. Sub bagian berikutnya adalah parameter untuk kalkulasi indikator teknis, dan waktu untuk profit cashing dan loss cutting.
b. Bagian kedua menunjukkan operator yang akan diaplikasikan kepada classifier. Operator yang digunakan adalah operator AND dan OR. Masing-masing operator terdiri atas 1 bit.
c. Bagian ketiga atau bagian classifier akan menunjukkan aturan yang memutuskan waktu untuk melakukan perdagangan. Jika aturan ini bernilai BENAR, maka sistem akan memberikan keputusan untuk melakukan perdagangan saham. Jika aturan bernilai SALAH, maka sistem akan memberikan keputusan tidak adanya perdagangan saham. Bagian ini juga terdiri atas 1 bit yang disimbolkan dengan karakter A,
B, dan C. Karakter ini mewakili persamaan yang disajikan pada Tabel 1. Persamaan ini merupakan persamaan kondisional yang akan
dibandingkan dengan indikator teknis pada waktu tertentu. Representasi tiga bagian pada kromosom disajikan pada Gambar 4.
65 Bit 65 Bit 1 Bit 1 Bit 1 Bit 1 Bit
Aturan Jual Aturan Beli Operator Operator Operator Classifier
5 bit 5 bit 5 bit 5 bit 5 bit 5 bit 5 bit 5 bit RSI Lower RSI Upper RSI MA Lower RSI MA Upper RR Lower RR Upper PD Lower PD Upper
Gambar 4 Representasi kromosom
Tabel 1 Persamaan kondisional
A {(c1 <RSI< c2) Op.1 (c3 < PD < c4) }Op.2 {(c5<RR< c6) Op.3 ( c7 < MA < c8)} B {(c1 <RSI< c2) Op.1 (c5<RR< c6) }Op.2
{(c3 < PD < c4) Op.3 ( c7 < MA < c8)} C {(c1 <RSI< c2)Op.1(c7<MA<c8)}Op.2
{(c5<PD< c6) Op.3 (c3 < RR < c4)}
2. Perhitungan nilai fitness tiap individu
Perhitungan nilai fitness untuk tiap individu dilakukan berdasarkan keuntungan yang diperoleh dalam perdagangan saham selama periode dari kumpulan data pelatihan. Nilai fitness dihitung pada masa akhir periode proses pelatihan data dan diperoleh dengan membandingkan pendapatan terakhir hasil proses perdagangan saham. Lingkup perdagangan saham adalah kegiatan penjualan (jual) dan pembelian (beli) saham.
Untuk mendapatkan nilai beli saham diperlukan nilai lembar saham yang diperoleh dan pendapatan berdasarkan lembar saham tersebut. Persamaan untuk penentuan jumlah lembar saham adalah sebagai berikut:
………...(11)
5 bit 5 bit 5 bit 5 bit 5 bit
RSI – referensi waktu RSI MA referensi waktu PD – referensi waktu Profit cashing Loss cutting
Adapun untuk penjualan saham persamaannya adalah sebagai berikut : ……......(12) Kedua nilai ini diakumulasi selama proses perdagangan sesuai dengan periode pelatihan data sehingga menghasilkan pendapatan akhir.
Berdasarkan pendapatan akhir maka akan diperoleh nilai fitness dengan mencari selisih antara pendapatan akhir dan modal awal.
………...(13) Dalam penelitian ini broker fee tidak dimasukkan dalam perhitungan fitness function. Hal ini dikarenakan nilai broker fee yang kecil yaitu berkisar 0.25% untuk kegiatan beli dan 0.35% untuk kegiatan jual.
Proses perdagangan saham merujuk kepada proses kegiatan pembelian dan penjualan saham yang umumnya dilakukan oleh para investor/trader. Proses perdagangan tersebut secara keseluruhan terlihat pada Gambar 5.
Waktu t=0 Melakukan trading ? Proses aturan trading Tidak Ya t=t+1 Keputusan Jual saham dan Beli
Saham
t = t+1
Penentuan profit cashing atau loss
cutting
Profit cashing atau loss cutting ?
Tidak
Reset status Ya
Status : hold
Pada setiap periode harian sistem memeriksa nilai indikator teknis yang
dihasilkan dan dibandingkan dengan persamaan kondisional seperti Tabel 1. Apabila nilai yang dihitung pada waktu tertentu berada pada
selang aturan beli atau aturan jual, maka sistem akan memberikan keputusan untuk jual atau beli saham. Setelah terdapat keputusan jual atau beli, maka sistem tetap dalam posisi trading sampai keputusan mengenai profit cashing dan loss cutting terpenuhi.
3. Seleksi
Metode seleksi dalam Algoritme Genetika yang digunakan adalah turnamen. Dalam turnamen, individu dalam populasi dipilih berdasarkan nilai fitness yang paling besar. Turnamen dilakukan terhadap individu untuk menentukan individu terpilih. Individu yang terpilih akan dilanjutkan untuk pemrosesan berikutnya yaitu crossover (penyilangan). Penekanan seleksi dapat diatur dengan mengubah ukuran turnamen. Jika ukuran turnamen lebih besar, maka individu yang lemah mempunyai kesempatan yang lebih kecil untuk dipilih. Individu yang mempunyai nilai 1% teratas dalam nilai fitness secara otomatis menjadi individu untuk generasi baru. Sedangkan individu yang mempunyai nilai fitness terendah dalam hal ini bernilai 30% akan digantikan melalui proses acak dengan gen baru. Konsep yang digunakan adalah imigrasi.
4. Penyilangan dan Mutasi
Metode penyilangan yang digunakan adalah metode penyilangan dua titik. Metode ini memilih dua titik secara acak pada individu induk. Semua bit antara titik ini ditukar antar induk.
Mutasi adalah operator genetika yang digunakan untuk menjaga perbedaan genetika dari kromosom dalam sebuah populasi antara generasi yang satu dan generasi yang lainnya.
Mutasi dilakukan dengan mengubah kromosom 0 menjadi 1 atau 1 menjadi 0. Dalam tahapan ini ditentukan peluang penyilangan sebesar 60% dan mutasi sebesar 1%.
5. Pengambilan individu terbaik
Tahapan ini dilakukan dengan mengulang tahapan 2 sampai dengan 4 sebanyak 24 generasi. Hasil nilai fitness ini yang menjadi acuan untuk ditemukannya aturan strategi perdagangan saham yang optimal.