Dalam investasi saham seorang investor sebaiknya membuat portofolio optimal agar memperoleh hasil yang memuaskan dengan nilai return tinggi atau nilai risiko rendah. Maka dari itu sebagai investor harus dapat berkompromi dalam menangani 2 objektif, objektif yang dimaksud adalah objektif 1 expected return sedangkan untuk objektif 2 adalah risiko dan untuk menyelesaikan problem tersebut dapat menggunakan algoritma Multiobjective NSGA (Non - Dominated Shorting Genetic Algorithm). Sudah ada beberapa penelitian yang terkait dengan Algortima Multiobjective NSGA – II dan terbukti bahwa algoritma ini merupakan algortima yang cukup baik untuk menangani problem optimasi 2 objektif. Data yang digunakan pada tugas akhir ini adalah data saham yang tergabung dalam index LQ45. Hasil akhir dari penerapan Algortima Genetika Multiobjective NSGA-II akan menghasilkan bobot yang nantinya bobot tersebut akan digunakan untuk menghitung return portofolio dan risiko kemudian akan membentuk efficient frontier. Pada penelitian ini risiko menggunakan semivariance terbukti menghasilkan risiko yang optimal jika dibandingkan dengan variance.
Kata kunci : NSGA-II , Multiobjective , Optimasi portofolio , semivariance, efficient frontier