ABSTRAKSI: Pada tahun 1991, Konno dan Yamazaki melakukan pengembangan terhadapMetodeMean Variance dan memperkenalkan metodeMean Absolute Deviation (MAD). MAD adalah salah satu metode yang dapat digunakan dalam optimasi portofoliodengan menggunakan Linear Programming.Dalam penerapannya Metode Mean Absolute Deviation menggunakan analisis data historis pembentuk portofolio dengan rentang periode tertentu. Model MAD lebih optimal dan lebih sederhana dalam perhitungan waktu komputasi karena tidak menggunakan perhitungan matriks kovariansi dan matriks invers seperti pada model Mean Variance sehingga waktu komputasi yang dihasilkan lebih kecil.
Berdasarkan hasil eksperimen yang telah dilakukan menggunakan data LQ45 dengan asumsi Short Selling diperkenankan, Metode Mean Absolute Deviation memiliki nilai rata-rata risiko yang lebih rendah (0.07593) dibandingkan dengan Metode Mean Variance(0.18709), namun jika Short Selling tidak diperkenankan (Tanpa-Short Selling) Metode Mean Absolute Deviationmemberikan nilai rata-rata risiko yang tidak berbeda secara signifikan.Nilai rata-rata return pada transaksi Short Selling maupun Tanpa-Short Selling dengan menggunakan Metode Mean Absolute Deviation juga tidak berbeda secara signifikan dengan Metode Mean Variance.
Nilai rata-rata risiko minimal pada Metode Mean Absolute Deviation berdasarkan transaksi Tanpa-Short Selling dihasilkan oleh Portofolio 5 (0.0399), lebih rendah dibandingkan pada transaksi Short Selling yang dihasilkan oleh Portofolio 2 (0.0488). Eksperimen juga menunjukan performansi waktu komputasi yang dibutuhkan Metode Mean Absolute Deviation lebih cepat dibandingkan dengan Metode Mean Variance.KATA KUNCI: portofolio, LQ45, Mean Absolute Deviation, Mean Variance, Short Selling, Tanpa-Short SellingABSTRACT: In 1991, Konno and Yamazaki developed Mean Variance Methods and introduced a new method called Mean Absolute Deviation (MAD). MAD can be used in portfolio optimization using Linear Programming. In practice the Mean Absolute Deviation method uses historical data analysis ranges forming a portfolio with a certain period. MAD model is more optimal and simpler in computation time because the calculation does not use the matrix covariance calculation and the inverse matrix as the Mean Variance models so the computation time is smaller.
Based on the results of experimentsperformed using LQ45 Index with the assumption that Short Selling are allowed, Mean Absolute Deviation method has a lower risk (0.07593) compared with Mean Variance Method (0.18709), but if Short Selling is not allowed (no-Short selling) Mean Absolute Deviation method gives an average value of risk did not differ significantly. The average value of the return on the Short Selling transaction and no-Short Selling transaction using Mean Absolute Deviation Method also did not differ significantly with Mean Variance Method.
The average value of the minimum risk on Mean Absolute Deviation Method based no-Short Selling transactions generated by Portfolio 5 (0.0399), lower than the Short Selling transactions generated by Portfolio 2 (0.0488). Experiments also show the performance of the computing time required Mean Absolute Deviation method is faster than the Mean Variance Method.KEYWORD: portfolio, LQ45, Mean Absolute Deviation, Mean Variance, Short Selling, no-Short Selling