BAB 1
PENDAHULUAN
1.1 Latar Belakang
Topik manajemen risiko menjadi mengemuka setelah terjadi banyak kejadian yang
menyebabkan kerugian pada perusahaan. Depresi tajam dan cepat terhadap rupiah
(krisis moneter), serangkaian kecelakaan transportasi darat, laut, udara, kecurangan
dalam perbankan, memperbesar permintaan terhadap manajemen risiko.
Risiko dalam konteks bisnis merupakan suatu kejadian potensial, baik
yang dapat diperkirakan (anticipated), yang tidak diperkirakan (unanticipated)
maupun yang berdampak negatif terhadap pendapatan dan permodalan perusahaan
(Agus Pracoyo, 2010). Karena itu risiko dalam dunia bisnis harus dikelola
sedemikian, sehingga risiko tersebut dapat diminimumkan sekecil mungkin yang
disebut dengan manajemen risiko. Manajemen risiko (risk management) pada
dasarnya adalah proses menyeluruh yang dilengkapi dengan alat, teknik, dan sains
yang diperlukan untuk mengenali, mengukur, dan mengelola risiko secara lebih
transparan. Sebagai sebuah proses menyeluruh manajemen risiko menyentuh hampir
setiap aspek aktifitas sebuah entitas bisnis, mulai dari proses pengambilan keputusan
untuk menginvestasikan sejumlah uang, sampai pada keputusan untuk menerima
seorang karyawan baru.
Indonesia dikenal sebagai salah satu pasar utama yang sedang berkembang
dari para pesaing lokal maupun internasional, PT Unilever Indonesia Tbk telah
menyiapkan diri untuk dapat menguasai target yang lebih besar di pasar yang tengah
Selanjutnya Perusahaan ini terus memantau tren pasar, melibatkan diri
dengan para pelanggan dan pembelanja guna memperoleh insight tentang kesukaan
seraya memantau perilaku konsumen untuk mengembangkan kategori yang efektif
dan strategi brand. Stategi diturunkan dalam bentuk program inovasi dan
pengembangan pasar untuk menciptakan produk-produk dan jasa yang paling relevan
dan menarik bagi konsumen. Dalam hal ini penulis mengambil judul “PENENTUAN
VALUE AT RISK MELALUI SIFAT STATISTIK DISTRIBUSI RETURN PADA
PT. UNILEVER INDONESIA TBK”
1.2 RUMUSAN MASALAH
Semakin tinggi harga pasar menunjukkan bahwa saham tersebut juga semakin
diminati oleh investor, karena semakin tinggi harga saham akan menghasilkan
capital again yang semakin besar pula. Capital again merupakan selisih antara harga
pasar pada periode sekarang dengan periode sebelumnya. Oleh karena itu penelitian
ini akan mencari besar kemungkinan return (keuntungan) pada PT Unilever
Indonesia Tbk menggunakan Value at Risk dengan standard normalitas, serta
memperhitungkan sifat statistika yaitu skewness dan kurtosis.
1.3 BATASAN MASALAH
Dalam penelitian ini, pengambilan sampel akan didasarkan pada
batasan-batasan sebagai berikut:
1. Data yang digunakan merupakan data yang secara resmi dipublikasikan
oleh Bursa efek Indonesia dan Bank Indonesia.
2. Tingkat kepercayaan yang digunakan dalam penelitian ini adalah 5% dan
potensi terjadinya kerugian maksimum (VaR), dihitung selama 30 hari.
3. Risiko pasar yang diamati pada penelitian ini hanya mencakup risiko nilai
perubahan harga dengan asumsi harga yang ada bersifat tetap selama
1.4 TUJUAN PENELITIAN
Menentukan value at risk pada keadaan saham PT Unilever Indonesia Tbk dengan
menggunakan standard normalitas dan momen statistika yaitu skewnes dan kurtosis.
1.5 MANFAAT PENELITIAN
Hasil penelitian ini diharapkan dapat memberikan manfaat kepada:
1. Para analis dan investor di pasar saham Indonesia akan dapat memperoleh
gambaran yang jelas mengenai model yang tepat dari Value at Risk untuk
mengukur salah satu risiko pasar yaitu menggunakan statistik distribusi
return dari saham-saham PT Unilever Indonesia Tbk, sehingga dalam
pengambilan keputusan investasinya dapat memperhitungkan apakah resiko
yang ditanggung sesuai dengan return yang diharapkan.
2. Perusahaan yang sahamnya tergabung dalam PT Unilever Indonesia Tbk
dapat mengevaluasi performa saham perusahaan tersebut dengan
mengetahui VaR dari sekumpulan keadaan saham yang terpilih.
3. Para akademisi dapat mengambil manfaat penelitian ini sebagai kasus nyata
yang dapat digunakan dalam penelitian manajemen keuangan dan dapat
menjadi pelengkap penilitian-penelitian yang lain serta dapat
mengembangkan penelitian-penelitian selanjutnya.
1.6 TINJAUAN PUSTAKA
Sudjana (1992) dan Supangat, Andi (2007), memaparkan bahwa distribusi normal atau
Ada sejumlah konsep statistik dan ukuran yang perlu diketahui ketika
menganalisa distribusi menggunakan statistik. Statistik deskriptif salah satu ukuran
statistik yang akan di bahas dalam menghitung pengukuran risiko.
1. Nilai rata-rata
=
∑
� �∑
�Dengan: � = tanda kelas interval
� = frekuensi yang sesuai dengan tanda kelas �
2. Modus adalah nilai yang muncul dengan frekuensi terbesar
� = + 1
1+ 2
Dengan:
b = batas bawah kelas modal ialah kelas interval dengan
frekuensi terbanyak
p = panjang kelas modal
1 = frekuensi kelas modal dikurangi frekuensi kelas interval
dengan tanda kelas yang lebih kecil sebelum tanda
kelas modal
2 = frekuensi kelas modal dikurangi frekuensi kelas
interval dengan tanda kelas yang lebih besar sesudah
3. Median adalah nilai tengah dari sebuah kelompok angka tertentu yang
diperingkat berdasarkan besarnya nilai angka tersebut.
�
=
+
1
2
− �
Dengan:
b = batas bawah kelas median
p = panjang kelas median
n = banyak data
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas
median
f = Frekuensi kelas median
4. Standar deviasi adalah ukuran simpangan nilai tertentu dari nilai rata-ratanya. Dalam hal ini standar deviasi akan mengukur simpangan kerugian
dari suatu risiko terhadap rata-rata (mean) kerugian dari seluruh kejadian
risiko. Rumusnya yaitu:
�
=
∑ �−2
−1
5. Skewness atau kecondongan adalah tingkat ketidaksimetrisan atau kejauhan simetri dari sebuah distribusi. Sebuah distribusi yang tidak simetri akan
memiliki rata-rata, median dan modus yang tidak sama besarnya, sehingga
distribusi akan terkonsentrasi pada salah satu sisi dan kurvanya akan
menceng. Untuk mengetahui bahwa konsentrasi distribusi menceng ke
kanan atau menceng ke kiri, dapat digunakan metode koefisien
� = − � �
Dengan: Sk = koefisien kemencengan
= rata-rata
Mo = modus
σ = simpangan baku
apabila secara empiris didapatkan hubungan antar nilai pusat sebagai:
− � = − �
Maka rumus kemencengan diatas dapat diubah menjadi:
�
=
3
−
�
�
6. Kurtosis
Kurtosis (keruncingan) adalah tingkat kepuncakan dari sebuah distribusi
yang biasanya diambil se][cara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga
macam, yaitu:
a. Leptokurtik merupakan distribusi yang memiliki puncak relatif tinggi.
b.Platikurtik merupakan distribusi yang memiliki puncak hampir mendatar.
c.Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi dan
tidak mendatar.
Untuk mengetahui keruncingan suatu distribusi dan menyelidiki apakah
adalah koefisien keruncingan atau koefisien kurtosis persentil dengan
menghitung nilai VaR dengan kesalahan normal disimbolkan dengan
Ψnormal, dinyatakan sebagai:
Ψ
normal = mean –aσDimana nilai a merupakan nilai dari distribusi normal yang di dapat dari
tabel Z untuk tingkat kepercayaan α.
Perhitungan VaR dengan kesalahan skewness dan kurtosis disimbolkan
1.7 METODE PENELITIAN
Metode yang dilakukan dalam penelitian ini yaitu:
1. Proses identifikasi risiko financial.
Pada bagian ini diuraikan mengenai jenis risiko yang melekat (inherent
risk) dalam transaksi trading untuk memastikan bahwa pengukuran risiko
financial dapat dilakukan secara akurat yang meliputi risiko harga
pasar/sekuritas (price risk). Nilai yang diambil merupakan daftar nilai
closing pada saham PT. Unilever Indonesia Tbk per hari selama 30 hari.
2. Proses pengukuran risiko financial menggunakan Value at Risk (VaR).
Pengukuran risiko financial dapat dilakukan dengan mencoba
mengkontraskan pendekatan VaR dengan pendekatan tradisional yang
menggunakan asumsi kenormalan data dan perhitungan yang
memperhatikan sifat statistika, yaitu rata-rata, modus, median, skewness
dan kurtosis.
3. Menghitung nilai VaR dengan kesalahan normal Ψnormal = mean – aα
dan menghitung VaR dengan kesalahan skewness dan kurtosis
ΨSK = mean – a׳α
4. Kemudian mengambil kesimpulan untuk membandingkan nilai VaR
dengan kesalahan normal dengan VaR dengan kesalahan skewness dengan
