Penerapan Metode SAW (Simple Additive Weighting) Dalam Pemilihan Saham Terbaik Pada Sektor Teknologi
Rosma Siregar*, Kartika Sari, Siti Julianita Siregar Prodi Sistem Infromasi, STMIK Triguna Dharma, Medan, Indonesia
Email: 1, *[email protected], 2[email protected], 3[email protected] Email Penulis Korespondensi: [email protected]
Abstrak−Saham adalah satu dari sekian banyak investasi yang banyak digemari oleh semua kalangan karena menjanjikan return yang tinggi. Namun disamping menjanjikan return yang tinggi, saham juga dapat memberikan resiko kerugian yang tinggi pula, dimana hal ini membuat orang awam takut untuk mulai berinvestasi di pasar saham. Untuk mencegah kerugian dalam membeli saham adalah dengan cara memilih saham dengan fundamental yang baik. Untuk mendukung hal tersebut, diperlukan suatu analisis yang dapat membantu mengambil keputusan dalam memilih saham terbaik pada sektor teknologi.
Analisis metode saw akan digunakan pada penelitian ini, dimana metode saw mampu untuk meyeleksi alternatif-alternatif bersarkan kategori yang sudah ditentukan. Penelitian ini akan melalakukan parangkingan untuk saham terbaik berdasarkan fundamental perusahaan yaitu EPS, PER, PBV,ROE,DER dan Dividen Yield. Hasil penelitian ini adalah saham EDGE sebagai saham terbaik dalam sektor teknologi dengan nilai tertinggi yaitu 0.88. Adapun tujuan penelitian ini adalah untuk membantu investor memilih saham sebelum melakukan investasi di perusahaan-perusahan teknologi.
Kata Kunci: Sistem Pendukung Keputusan; Simple Addictive Weighting; Saham.
Abstract−Stocks are one of the many investments that are favored by all groups because they promise high returns. But in addition to promising high returns, stocks can also provide a high risk of loss, which makes ordinary people afraid to start investing in the stock market. To prevent losses in buying stocks is to choose stocks with good fundamentals. To support this, we need an analysis that can help make decisions in choosing the best stocks in the technology sector. The saw method analysis will be used in this study, where the saw method is able to select alternatives based on predetermined categories. This study will rank the best stocks based on company fundamentals, namely EPS, PER, PBV, ROE, DER and Dividend Yield. The results of this study are EDGE stocks as the best stocks in the technology sector with the highest value of 0.88. The purpose of this research is to help investors choose stocks before investing in technology companies.
Keywords: Decision Support System; Simple Addictive Weighting; Stocks.
1. PENDAHULUAN
Investasi hal yang sangat diperlukan untuk menambah sumber penghasilan, menjamin masa depan, memperoleh laba dan juga dapat menghasilkan passive income [1]. Ada beberapa bentuk dari investasi, salah satunya adalah nabung saham. Dalam meningkatkan perekmonian masyarakat, saham memiliki peranan yang sangat penting.
Pasar modal merupakan pilihan untuk permodalan suatu perusahaan. Dana hasil penawaran umum dapat dipakai untuk mengembangkan dan perluasan usaha [2]. Kurangnya informasi masyarakat tentang memilih investasi yang ideal menyebabkan pendukung keputusan yang tidak memadai yang mengarah ke portofolio yang tidak menguntungkan. Pilihan investasi sangat penting karena mereka mengimbangi risiko yang dapat diterima oleh investor. Tidak sedikit orang yang melakukan investasi tanpa menganalisis perusahaan tersebut terlebih dahulu yang menyebabkan kerugian dimasa yang akan datang [3].
Investor pemula terkadang takut untuk membeli saham karena kurang paham dengan fundamental sebuah perusahaan, jika salah memilih perusahaan untuk investasi akan akan mengakibatkan kerugian dimana hal ini membuat investor pemula dan orang awam takut untuk mulai berinvestasi di pasar saham. Untuk mencegah kerugian dalam membeli saham adalah dengan cara memilih saham dengan fundamental yang baik. Untuk mendukung hal tersebut, diperlukan suatu analisis yang dapat membantu mengambil keputusan dalam memilih saham terbaik pada sektor teknologi. Adapun alasan memilih saham terbaik di sektor teknologi adalah agar semakin banyak investor dalam negeri yang melakukan investasi di perusahaan-perusahaan teknologi sehingga dapat berperan dalam perkembangan teknologi dalam negeri
Maka dibutuhkannya sistem pendukung keputusan untuk memilih saham terbaik terutama pada perusahaan-perusahaan teknologi. Sistem ipendukung ikeputusan adalah iinformasi iinteraktif sistem pendukung yang imenyediakan iinformasi dan ipemodelan. Sistem pendukung keputusan bertujuan sebagai pendukung dalam menemukan sebuah solusi untuk imasalah iatau iuntuk imengevakuasi ipeluang [4].
Pada beberapa penelitian terkait, penelitian yang dilakukan oleh Resti pada tahun 2017 [5] menggunakan metode SAW untuk memilih lokasi baru untuk membuka cabang baru toko. Penelitian tersebut menghasilkan membuka cabang baru di kota Ngunut. Penelitian yang dilakukan oleh Reza et,al tahun 2017 [6] menggunakan metode Simple Addictive Weighting (SAW) untuk lokasi yang tempat untuk pemilihan lokasi rumah tinggal. Hasil penelitian menghasilkan sistem yang dapat memberikan rekomendasi rumah kepada calon pembeli. Selanjutnya pada penelitian Elistri et,al pada tahun 2014 [7] menggunakan metode SAW untuk mebuat sistem pendukung keputusan untuk memilih jurusan. Hasil penelitian meghasilkan sistem yang dapat membantu memilihkan jurusan kepada siswanya.
DOI 10.30865/mib.v6i1.3425
Penelian selanjutnya oleh Saputra pada tahun [8] meggunakan metode SAW untuk menentukan nomor urut Caleg. Hasil penelitian ini adalah metode SAW dapat digunakan untuk menentukan nomor caleg bersasarkan kualifiasi yang ada. Penelitian oleh Putra et,al tahun 2018 [9] menggunakan metode SAW untuk memilih Guru berprestasi. Hasil dari penelitian ini adalah metode SAW berhasil melakukan perankingan guru berprestasi.
Dari penelitian-penelitian sebelumnya yang membuat sistem pendukung keputusan dengan metode saw bisa memilih alternatif paling baik dengan memilih nilai tertinggi. Metode ini dirasa tepat dalam memilih saham terbaik pada sektor teknologi yang akan mengurutkan perusahan-perusahaan teknologi terbaik mulai dari tertinggi hingga terendah. Sehingga dapat mempermudah inverstor dalam memilih perusahaan teknologi terbaik sebelum melakukan investasi.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Ada beberapa tahapan dalam penelitian ini, ditunjukkan pada gambar berikut.
Gambar 1. Tahapan Penelitian a. Identifikasi Masalah
Mengindentifikasi masalah berupa masalah dan solusi pada pemilihan saham terbaik berdasarkan kriteria- kriteria yang sudah ditentukan.
b. Studi Pustaka
Studi pustaka didapat dari artikel penelitian terdahhulu baik artikel tentang saham dan artikel mengenai analisi metode SAW.
c. Pengumpulan Data
Pada tahap ini pengumpulkan data alternatif dan kriteria yang digunakan dalam penelitian.
d. Analisis data Menggunakan SAW
Pada tahap ini akan melakukan pegolahan data dengan cara melakukan analisa data dengan cara manual menggunakan metode SAW
e. Menarik Kesimpulan
Pada tahap terakhir akan dilakukan penarikan kesimpulan yang didapat dari hasil analisa data menggunakan metode SAW
2.2 Saham
Saham adalah bukti bahwa memiliki saham/dana perusahaan. Ada dua pembagian kelompok dalam saham yaitu saham biasa (common stock), kemudian saham istimewa (preferred stock). Untuk saham biasa merupakan tanda kepemilikan suatu perusahaan yang menanggung risiko jika perusahaan merugi dan mendapat untung jika perusahaan mendapat untung. Saham istimewa pemegang saham akan mendapat pendapatan tetap dalam bentuk dividen. Alasan investor melakukan investasi adalah untuk mendapatkan return [10]. Salah satu dampak yang terjadi dengan membeli saham yaitu risiko turunnya harga saham (capital loss) dan dampak pembubaran perusahaan yang menerbitkan saham itu sendiri. Investor perlu analisa data harga saham yang merupakan data deret waktu yang sangat aktif untuk meminimalkan risiko jual beli saham [11].
2.3 Sistem Pendukung Keputusan (SPK)
SPK sebagai sistem yang berbasis ikomputer interaktif yang imembantu dalam pengambilan ikeputusan, memecahkan imasalah tidak terstruktur idengan data dan model yang iberbeda [12]. SPK adalah suatu sistem informasi yang iMembantu imengidentifikasi pilihan ikeputusan dan memberikan iinformasi iuntuk mendukung pengambilan ikeputusan. Sistem Pendukung Keputusan juga merupakan sistem yang dirancang untuk membantu manajemen dalam proses pendukung ikeputusan dan untuk imeningkatkan proses dan ikualitas ihasil pendukung keputusan [13], [14].
2.4 Simple Additive Weighting (SAW)
SAW adalah isatu dari banyaknya metode yang diterapkan dalam mempermudah pendukung ikeputusan yang memiliki beberapa atribut. Digunakan untuk menentukan pilihan alternatif terbaik dari banyak alternatif yang ada[15]. Metode Simple Addictive Weighting (SAW) adalah satu dari sekian banyak pemecahan masalah dikenal
sebagai ipenjumlahan iberbobot. Rancangan idasar imetode SAW yaitu dengan menemukan penjumlahan iterbobot dari setiap nilai ikinerja ipada isetiap pilihan-pilihan (alternatif) dari semua iatribut yang telah tersedia yang pada akhirnya imenghasilkan iopsi ipilihan (alternatif) terbaik [16]. Berikut iadalah tahapan dalam menyelesaikan metode SAW [17]:
a. Menentukan alternatif yang digunakan untuk pendukung keputusan.
b. Menentukan kriteria untuk dijadikan sebagai parameter penilaian.
c. Memberikan alternatif nilai evaluasi ikecocokan untuk setiap kriteria.
d. Tentukan Bobot prioritas setiap kriteria.
e. Menetapkan nilai kecocokan dari seluruh pilihan (alternatif) ke setiap kriteria.
f. Pembuatan matrix yang dihasilkan idari itabel nilai kecocokan dari seluruh pilihan (alternatif) ke setiap kriteria.
X=[
X11 ⋯ X1j
⋮ ⋱ ⋮
i1 ⋯ Xij
] (1)
g. Langkah selanjutnya yaitu inormalisasi imatrik ikeputusan idengan icara imenghitung seetiap nilai irating kinerja iyang sudah idinomalisasi (rij) dari pilihan (alternatif) Ai ipada ikriteria Cj.
rij= {
xij
max xij jika j merupakan keuntungan
min xij
xij jika j merupakan atribut kerugian
(2)
Membuat matrik normalisasi (R).
R=
r11 … r1j
⋮ ⋱ ⋮
r1i … r1j
h. Tahapan terakhir untuk mendapatkan hasil perankingan dengan cara:
Vi=∑Wj rij
n
j=1
(3)
3. HASIL DAN PEMBAHASAN
Pada pengolahan data untuk pembuatan SPK untuk memilih saham terbaik di sektor teknologi dibutuhkan alternatif yang akan dilakukan parankingan dengan kritera-kriteria yang sudah ditentukan. Alternatif yang akan diranking pada penelitian ini adalah saham Multipolar Technology (MLTP), Hansel Davest Indonesia (HDIT), IndoSterling Technomedia (TECH), Indointernet (EDGE) dan Zyrexindo Mandiri Buana (ZYRX). Data pada tabel 1 berikut ini merukan alternatif saham yang akan dilakukan parankingan.
Tabel 1. Alternatif
Data pada tabel 2 yaitu kriteria yang akan digunakan sebagai acuan pendukung keputusan. Ada 6 kriteria yang akan digunakan yaitu EPS (Price iEarning iRatio), PBV (Price ito iBook), ROE (Return on iEquity), DER (Debt to Equity) dan DY (Dividen Yield).
Tabel 2. Kriteria
iAlternatif Keterangan
A1 MLPT
A2 HDIT
A3 A4 A3
TECH EDGE ZYRX
Kriteria Keterangan
C1 EPS (Benefit)
C2 PER (Benefit)
C3 C4 C5 C6
PVB (Benefit) ROE (Benefit) DER (Benefit) DY (Benefit)
DOI 10.30865/mib.v6i1.3425
Data pada tabel 3 merupan nilai dari pembobotan yang akan dicocokan dengan setiap alternatif yang sudah diterntukan.
Tabel 3. Nilai Bobot Kriteria
iSkala Nilai bobot Sangat Baik 5
Baik 4
Cukup 3
Buruk 2
Sangat Buruk 1
Data pada tabel 4 adalah hasil nilai alternatif dari setiap kriteria, nilai kriteria ditentukan sesuai nilai yang ada pada itabel 3 dimana jika kriteria sangat baik mendapat nilai bobot 5, kriteria baik mendapat nilai bobot 4, kriteria cukup mendapat nilai 3, kriteria buruk mendapat nilai 2, dan kriteria sangat buruk mendapat nilai 1
Tabel 4. Nilai alternatif dari setiap kriteria
Alternatif Kritera
C1 C2 C3 C4 C5 C6
A1 4 5 4 4 4 5
A2 5 3 4 3 4 4
A3 5 4 3 5 3 5
A4 3 3 5 3 5 3
A5 4 4 5 4 3 3
Nilai ibobot idari isetiap ikriteria idapat idilihat ipada itabel iberikut:
Tabel 5. Bobot iKriteria
iKriteria iBobot EPS 0.20 PER 0.10 PVB 0.20 ROE 0.10 DER 0.20
DY 0.20
Tahapan selanjutnya dari analisis sistem pendukung keputusan adalah tahapan normalisasi, dimana perhitungan normalisasi diambil dari tabel 4:
r11 = max (4;5;5;3;4)4 = 45= 0.8 r12 = 5
max (4;5;5;3;4)= 5
5= 1 r13 = max (4;5;5;3;4)5 = 55= 1 r14 = 3
max (4;5;5;3;4)= 3
5= 0.6 r15 = max (4;5;5;3;4)4 = 45= 0.8 r21 = 5
max (5;3;4;3;4)= 5
5= 1 r22 = max (5;3;4;3;4)3 = 35= 0.6 r23 = 4
max (5;3;4;3;4)= 4
5= 0.8 r24 = max (5;3;4;3;4)3 = 35= 0.6 r25 = 4
max (5;3;4;3;4)= 4
5= 0.8 r31 = max (4;4;3;5;5)4 = 45= 0.8
r32 = 4
max (4;4;3;5;5)= 4
5= 0.8 r33 = max (4;4;3;5;5)3 = 35= 0.6 r34 = 5
max (4;4;3;5;5)= 3
5= 1 r35 = 5
max (4;4;3;5;5)= 5
5= 1 r41 = max (4;3;5;3;4)4 = 45= 0.8 r42 = 3
max (4;3;5;3;4)= 3
5= 0.6 r43 = max (4;3;5;3;4)5 = 55= 1 r44 = 3
max (4;3;5;3;4)= 3
5= 0.6 r45 = max (4;3;5;3;4)4 = 45= 0.8 r51 = 4
max (4;4;3;5;3)= 4
5= 0.8 r52 = max (4;4;3;5;3)4 = 45= 0.8
r53 = 3
max (4;4;3;5;3)= 3
5= 0.6 r54 = max (4;4;3;5;3)5 = 55= 1 r55 = 3
max (4;4;3;5;3)= 3
5= 0.6 r61 = 5
max (5;4;5;3;3)= 5
5= 1
r62 = 4
max (5;4;5;3;3)= 4
5= 0.8 r63 = max (5;4;5;3;3)5 = 55= 1 r64 = 3
max (5;4;5;3;3)= 3
5= 0.6 r65 = max (5;4;5;3;3)3 = 35= 0.6
Tahap selanjutnya yaitu membentuk matrix, dimana matrix akan diisi dari hasil normalisasi.
R = [
0.8 1.0 0.8 1.0 0.6 0.8 1.0 0.8 0.6
0.8 0.8 1.0 0.6 0.8 0.8 1.0 0.6 1.0 0.6 0.6
0.8 0.8
1.0 0.6 1.0 0.8
1.0 0.6 0.6 0.6]
Tahapan selanjutnya adalah melakukan proses perankingan dengan cara melakukan perhitungan : V1= (0.8)(0.20) + (1.0)(0.10) + (0.8)(0.20) + (0.8)(0.10) + (0.8)(0.20) + (1.0)(0.20)
= 0.16+0.1+0.16+0.08+0.16+0.2
=0.86
V2= (1.0)(0.20) + (0.6)(0.10) + (0.8)(0.20) + (0.6)(0.10) + (0.8)(0.20) + (0.8)(0.20)
=0.20+0.06+0.16+0.06+0.16+0.16
=0.8
V3= (1.0)(0.20) + (0.8)(0.10) + (0.6)(0.20) + (1.0)(0.10) + (0.6)(0.20) + (1.0)(0.20)
=0.2+0.08+0.12+0.1+0.12+0.2
=0.82
V4=(0.6)(0.20) + (0.6)(0.10) + (1.0)(0.20) + (0.6)(0.10) + (1.0)(0.20) + (0.6)(0.20)
=0.12+0.12+0.2+0.12+0.2+0.12
=0.88
V5= (0.8)(0.20) + (0.8)(0.10) + (1.0)(0.20) + (0.8)(0.10) + (0.6)(0.20) + (0.6)(0.20)
=0.16+0.08+0.2+0.08+0.12+0.12
=0.72
Hasil dari proses perhitungan perankingan diperoleh hasil sebagai berikut:
Tabel 6. Perankingan Alternatif
Alternatif Keterangan Nilai Ranking
A1 MLPT 0.86 2
A2 HDIT 0.8 4
A3 TECH 0.82 3
A4 EDGE 0.88 1
A5 ZYRX 0.72 5
4. KESIMPULAN
Berdasarkan ihasil ipengolahan data imenggunakan imetode iSimple Addictive iWeighting dapat ditarik kesimpulan metode SAW dapat melakuan perankingan saham dengan lima alternatif yang ada. Saham EDGE memperoleh peringkat pertama dengan nilai tertinggi yaitu 0.88. Peringkat kedua saham MLTP dengan nilai 0.86. Peringkat ketiga saham TECH dengan milai 0.82. Peringkat ke empat saham HDIT dengan nilai 0.8 dan peringkat kelima dalah saham ZYRX dengan nilai 0.72. Tetapi perankingan saham dapat berubah-ubah setiap waktu karena fundamental perusahaan berubah, maka diperlukan mengubah nilai kriteria setiap kriteria (EPS, PER,PVB,ROE,DER,DY) dengan laporan keungan perusahaan settiap tahun atau per triwulan . Dengan diterapkannya iSimple Addictive iWeighting diharapkan dapat membantu inverstor pemula untuk memilih saham terbaik di sektor teknologi.
REFERENCES
[1] M. Hayati, “Investasi Menurut Perspektif Ekonomi Islam,” Ikonomika, vol. 1, no. 1, pp. 66–78, 2016.
[2] S. Dilla, L. K. Sari, and N. A. Achsani, “Estimating the effect of the covid-19 outbreak events on the indonesia sectoral stock return,” J. Apl. Bisnis dan Manaj., vol. 6, no. 3, p. 662, 2020.
[3] W. Windasari and T. Zakiyah, “Literasi Investasi Bagi Generasi Milenial di Era Digital,” JCSE J. Community Serv.
Empower., vol. 1, no. 1, pp. 13–16, 2020.
DOI 10.30865/mib.v6i1.3425
[4] S. H. Sahir, R. Rosmawati, and K. Minan, “Simple additive weighting method to determining employee salary increase rate,” Int. J. Sci. Res. Sci. Technol, vol. 3, no. 8, pp. 42–48, 2017.
[5] N. C. Resti, “Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD. Indo Multi Fish,” INTENSIF J. Ilm. Penelit. dan Penerapan Teknol. Sist.
Inf., vol. 1, no. 2, pp. 102–107, 2017.
[6] T. R. Adianto, Z. Arifin, and D. M. Khairina, “Sistem pendukung keputusan pemilihan rumah tinggal di perumahan menggunakan metode simple additive weighting (saw)(studi kasus: Kota samarinda),” Pros. 2nd SAKTI, 2017.
[7] M. Elistri, J. Wahyudi, and R. Supardi, “Penerapan metode saw dalam sistem pendukung keputusan pemilihan jurusan pada Sekolah Menengah Atas Negeri 8 Seluma,” J. Media Infotama, vol. 10, no. 2, 2014.
[8] A. Y. Saputra, “Sistem Pendukung Keputusan Penentuan Nomor Urut Caleg dengan Metode SAW,” Creat. Inf. Technol.
J., vol. 2, no. 2, pp. 93–101, 2015.
[9] A. S. Putra, D. R. Aryanti, and I. Hartati, “Metode SAW (Simple Additive Weighting) sebagai Sistem Pendukung Keputusan Guru Berprestasi (Studi Kasus: SMK Global Surya),” in Prosiding Seminar Nasional Darmajaya, 2018, vol.
1, no. 1, pp. 85–97.
[10] Y. Yulia, “ANALISIS PENGARUH RASIO LIKUIDITAS TERHADAP RETURN SAHAM (Studi Pada Perusahaan Indeks LQ 45 Yang Terdaftar Di Bursa Efek Indonesia),” J. Khatulistiwa Inform., vol. 4, no. 2, 2016.
[11] W. Y. Rusyida and V. Y. Pratama, “Prediksi Harga Saham Garuda Indonesia di Tengah Pandemi Covid-19 Menggunakan Metode ARIMA,” Sq. J. Math. Math. Educ., vol. 2, no. 1, pp. 73–81, 2020.
[12] N. Oktavina and Y. Yanitasari, “Sistem Penunjang Keputusan Penilaian Kesehatan Organisasi Koperasi Menggunakan Metode Simple Additive Weighting (SAW),” Techno Xplore J. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, pp. 115–
126, 2019.
[13] A. Susanto, L. Latifah, and A. Fitriyani, “Decision support systems design on sharia financing using Yager’s fuzzy decision model,” in 2017 5th International Conference on Cyber and IT Service Management (CITSM), 2017, pp. 1–4.
[14] T. S. M. T. A. Jaenudin, “Penerapan Metode SAW (Simple Additive Weighting) dalam Sistem Pendukung Keputusan untuk Menentukan Penerima Beasiswa,” Pros. Saintiks FTIK Unikom, vol. 2, 2017.
[15] A. Pranolo and S. M. Widyastuti, “Simple additive weighting method on intelligent agent for urban forest health monitoring,” in 2014 International Conference on Computer, Control, Informatics and Its Applications (Ic3Ina), 2014, pp. 132–135.
[16] F. Ardhy and D. M. Efendi, “Pemberian Reward Terhadap Karyawan Terbaik Dengan Mneggunakan Metode Simple Additive Weighting (SAW),” J. SIMADA (Sistem Inf. dan Manaj. Basis Data), vol. 2, no. 2, pp. 176–181, 2019.
[17] F. Yani, Y. Yuranda, P. Pajarini, and R. Rosmawati, “Penentuan Beasiswa Pada SMPN 6 Pangkalpinang Menggunakan Metode SAW dan Fuzzy Multi Attribute Decision Making,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no.
1, pp. 437–443, 2018.
