Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Saintifik : Jurnal Matematika, Sains, dan Pembelajarannya E-Jurnal Matematika
BANDAR ANZARI
Universitas Pakuan
Mathematics Physics Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
EVALUASI KINERJA PORTOFOLIO SAHAM OPTIMAL DENGAN LONG SHORT-TERM MEMORY BERBASIS MODEL MARKOWITZ PADA INDEKS SMINFRA18 ANNISA FITRIANI; BANDAR ANZARI; MUHAMMAD RAFLI; FAUZAN ISMAIL MULYADI; EMBAY ROHAETI
E-Jurnal Matematika Vol. 15 No. 3 (2026)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/MTK.2026.v15.i03.p510

Abstract

This study aims to determine the optimal stock portfolio within the SMinfra18 index using the Markowitz model and forecast the dominant stock price using the Long Short-Term Memory (LSTM) method. Monthly closing prices of 18 SMinfra18 stocks from January 2024 to December 2025 were analyzed. The study consisted of three main stages: (1) calculating stock returns and selecting stocks with positive expected returns; (2) optimizing the portfolio using the Markowitz model to construct an Equal Weight Portfolio, a Minimum Variance Portfolio, and an Optimal Portfolio based on the maximum Sharpe Ratio; and (3) forecasting the dominant stock price using LSTM. Seven stocks met the selection criteria: WIFI, SSIA, PGAS, UNTR, ELSA, MEDC, and PGEO. The optimal portfolio achieved a monthly expected return of 5.04% with a risk of 6.26% and a Sharpe Ratio of 0.8044, comprising UNTR (37.50%), PGAS (29.85%), SSIA (13.92%), WIFI (12.51%), and ELSA (6.21%). The LSTM model achieved a Mean Absolute Percentage Error (MAPE) of 1.36%, while a 5-day forecast for UNTR indicated stable prices between Rp 29,421.87 and Rp 29,371.21. These results demonstrate the effectiveness of integrating the Markowitz model and LSTM for portfolio optimization and stock price forecasting.
Implementasi Rolling Forecast untuk Meningkatan Akurasi Peramalan Arima pada Saham Unilever Bandar Anzari; Alaika Luthfi; Qori Fadilah Widiastuti; Gitsa Laili Agisti; Embay Rohaeti
SAINTIFIK Vol 12 No 1 (2026): Saintifik: Jurnal Matematika, Sains, dan Pembelajarannya
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/saintifik.v12i1.619

Abstract

PT Unilever Indonesia Tbk (UNVR) menghadapi tantangan volatilitas harga saham yang tinggi akibat dinamika pasar dan faktor eksternal yang berfluktuasi, sehingga menurunkan akurasi model peramalan konvensional. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham UNVR dengan menerapkan metode rolling forecast pada model ARIMA. Data yang digunakan merupakan data harga penutupan mingguan dari Januari 2015 hingga Januari 2025. Berdasarkan proses identifikasi Box–Jenkins dan pemilihan model menggunakan Akaike Information Criterion (AIC), model terbaik yang diperoleh adalah ARIMA(0,1,1). Hasil evaluasi menunjukkan bahwa penerapan rolling forecast secara signifikan meningkatkan kinerja model dengan penurunan MAPE dari 58,12% menjadi 3,44% dan MAE dari 1.481,51 menjadi 105,01, yang berarti peningkatan akurasi sebesar lebih dari 94%. Peningkatan ini menunjukkan bahwa pembaruan parameter model secara berkala efektif dalam menangkap perubahan tren harga terkini dan mengurangi bias prediksi. Secara praktis, hasil penelitian ini memberikan kontribusi bagi investor dan manajer portofolio dalam mengoptimalkan strategi pengambilan keputusan berbasis data dengan sistem peramalan yang lebih adaptif terhadap dinamika pasar saham.
Co-Authors Alaika Luthfi ANNISA FITRIANI Embay Rohaeti FAUZAN ISMAIL MULYADI Gitsa Laili Agisti MUHAMMAD RAFLI Qori Fadilah Widiastuti