Aplikasi Model Predictive Control (MPC) Pada Optimasi Portofolio Komoditas
Abstract
Komoditas merupakan salah satu jenis investasi yang disediakan oleh pasar modal kepada investor. Dalam investasi komoditas, terdapat dua hal yang menjadi pertimbangan investor, yaitu return dan risiko. Tujuan utama dalam investasi komoditas adalah memaksimalkan return dengan tingkat risiko tertentu atau meminimalkan risiko dengan tingkat return tertentu. Penentuan portofolio komoditas yang optimal merupakan salah satu hal yang sangat penting bagi kalangan investor. Pada penelitian ini digunakan metode pengendali Model Predictive Control (MPC) untuk menyelesaikan permasalahan optimasi portofolio komoditas dengan adanya kendala di dalam pembentukan portofolio. Data yang digunakan adalah data 3 komoditas yang diperdagangkan, yaitu emas, tembaga, dan minyak. Pengendali MPC dapat diterapkan dengan baik pada permasalahan optimasi portofolio komoditas. Dari hasil simulasi terlihat bahwa jumlah modal yang dimiliki investor yang merupakan output dari sistem menunjukkan peningkatan yang signifikan. Kenaikan ini terjadi karena jumlah modal yang diinvestasikan pada portofolio komoditas berusaha untuk mencapai reference trajectory yang ditetapkan. Selain itu state dan input dari sistem selalu berada di dalam batas constraint yang diberikan.
References
Bodie, Z., Kane, A., and Marcus, A. J. (2015). Portfolio management. New York: McGraw Hill/Learning Solutions
Chandra, P. (2017). Investment analysis and portfolio management. Chennai: McGraw-hill education.
Darmadji, T., and Fakhruddin, H.M. (2011). Pasar Modal di Indonesia (Third Edition). Jakarta: Salemba Empat.
Dombrovsky,V. and Lashenko,E.A. (2003). Dynamic Model of Active Portfolio Management With Stochastic Volatility in Incomplete Market. SICE 2003 Annual Conference, vol. 1, 516 – 521.
Levine, H. A. (2005). Project portfolio management: a practical guide to selecting projects, managing portfolios, and maximizing benefits. London: John Wiley & Sons.
Martinsuo, M., and Lehtonen, P. (2007). Role of single-project management in achieving portfolio management efficiency. International journal of project management, 25(1), 56-65.
Muske, K. R., and Rawlings, J. B. (1993). Model predictive control with linear models. AIChE Journal, 39(2), 262-287.
Qin, S. J., and Badgwell, T. A. (2003). A survey of industrial model predictive control technology. Control engineering practice, 11(7), 733-764.
Seki, H., Ogawa,M., Ooyama,S., Akamatsu,K., Ohshima,M., and Yang, W. (2001). Industrial Application Of Nonlinear Model Predictive Control to Polymerization Reactors. Journal of Control Engineering Practice, vol. 9, 819-828.
Subchan, Syaifudin, W.H., and Asfihani, T. (2014). Ship Heading Control of Corvette Sigma With Disturbance Using Model Predictive Control. Far East Journal of Applied Mathematics, vol. 87, no 3, 245-256.
Wang, L. (2009). Model Predictive Control System Design and Implementation using MATLAB. Melbourne: Springer.
Wang, Y., and Boyd, S. (2009). Fast model predictive control using online optimization. IEEE Transactions on control systems technology, 18(2), 267-278.
Widianto, A. (2017). Sejarah Kinerja IHSG 10 Tahun. Retrieved February 19, 2020, from https://bolasalju.com/artikel/ sejarah- kinerja-ihsg-10-tahun/.
Yuninda, N.H. (2008). Simulasi Pengendalian Kadar Glukosa Penderita Diabetes Mellitus Tipe 1 Berbasis Metode Aktif Set Model Predictive Control (MPC) Dengan Constraints. Master thesis, Prodi Teknik Elektro, Universitas Indonesia, Jakarta.
