Analisis Pola Musiman Saham Bank Mandiri Menggunakan Fuzzy C-Means untuk Optimalisasi Keputusan Investasi Bulanan

Abstract

This study applies the Fuzzy C-Means (FCM) clustering method to identify seasonal patterns in stock price movements with the aim of supporting monthly investment decision-making. The research focuses on Bank Mandiri’s stock (BMRI.JK) over the period 2020–2025. The analysis involves processing historical prices, calculating technical indicators, and implementing fuzzy clustering techniques. Daily price data are transformed into monthly metrics, including average return, win rate, and volatility. The FCM method with three clusters is employed to uncover seasonal tendencies. The results reveal three clearly separated clusters. October, August, and January (Cluster 3) are identified as optimal accumulation periods, with the highest average returns of 0.003148, 0.002889, and 0.002651, respectively, accompanied by superior win rates. In contrast, May, February, December, and September (Clusters 1 and 2) are categorized as profit-taking periods due to their low to negative returns. This study provides a multidimensional perspective on stock performance assessment while offering a methodological contribution through the application of FCM in seasonal pattern recognition. Beyond strengthening the financial literature, the findings also deliver practical value by introducing a data-driven decision support framework for investment strategies, particularly relevant to emerging capital markets such as Indonesia.

Keywords : Fuzzy C-Means Clustering; Seasonal Patterns; Investment Decision Support; Stock Market Analysis; Data Mining. 

Penelitian ini menerapkan metode Fuzzy C-Means (FCM) clustering untuk mengidentifikasi pola musiman pada pergerakan harga saham dengan tujuan mendukung pengambilan keputusan investasi bulanan. Penelitian ini berfokus pada data saham Bank Mandiri (BMRI.JK) dengan rentang waktu 2020–2025. Analisis dilakukan melalui pengolahan harga historis, perhitungan indikator teknis, serta penerapan metode fuzzy clustering. Data harga harian diubah menjadi metrik bulanan yang meliputi rata-rata return, tingkat kemenangan (win rate), dan volatilitas (volatility). Metode FCM dengan tiga klaster digunakan untuk menemukan kecenderungan pola musiman. Hasil penelitian menunjukkan adanya tiga klaster yang terpisah secara jelas. Bulan Oktober, Agustus, dan Januari (Klaster 3) teridentifikasi sebagai periode akumulasi optimal dengan rata-rata return tertinggi masing-masing sebesar 0,003148; 0,002889; dan 0,002651, disertai tingkat kemenangan yang unggul. Sebaliknya, bulan Mei, Februari, Desember, dan September (Klaster 1 dan 2) dikategorikan sebagai periode profit-taking karena return rendah hingga negatif. Penelitian ini memberikan perspektif multidimensional dalam menilai performa saham, sekaligus memberikan kontribusi metodologis melalui penerapan FCM berbasis pola musiman. Sehingga temuan ini tidak hanya memperkuat literatur keuangan, tetapi juga mampu menghadirkan kerangka kerja sistem pendukung keputusan investasi berbasis data yang relevan bagi pasar modal Indonesia.

Keywords : Klasterisasi Fuzzy C-Means; Analisis Pola Musiman; Sistem Pendukung Keputusan Investasi; Analisis Pasar Saham; Penambangan Data.