Penentuan Nilai Resiko Saham Pada PT. Astra International Tbk Dengan Menggunakan Metode Statistika

(1)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Risiko adalah suatu yang selalu dihubungkan dengan kemungkinan terjadinya sesuatu yang

merugikan yang tidak terduga dan tidak diharapkan atau penyimpangan antara tingkat

pengembalian yang diharapkan (expected return) dengan tingkat pengembalian aktual (actual

return). Pengukuran resiko merupakan hal yang sangat penting berkaitan dengan investasi

dana yang cukup besar. Seperti halnya dalam pasar modalyang merupakan wadah alternatif

bagi pemilik modal (investor) untuk menanamkan modal (investasi).Dalam pasar modal

tersedia berbagai financial assets yang menawarkan tingkat keuntungan dan resiko yang

berbeda. Karena investor menghadapi kesempatan investasi yang beresiko, pilihan investasi

tidak hanya mengandalkan pada tingkat keuntungan yang diharapkan tetapi juga tingkat

kerugian yang mungkin akan investor hadapi dari investasi yang ditanamkan.

Saham adalah surat berharga yang menunjukkan bagian kepemilikan atas suatu

perusahaan. Jika membeli saham berarti membeli sebagian kepemilikan atas perusahaan

tersebut. Dan berhak atas keuntungan perusahaan dalam bentuk dividen, jika perusahaan

mebukukan keuntungan berarti juga bisa mengambil keuntungan dari naiknya harga saham

tersebut dari waktu ke waktu.

Diperlukan alat ukur yang bisa digunakan menggunakan resiko pasar tersebut, agar

dapat diketahui sejauh mana investor dapat dengan aman berinvestasi. Value at Risk (VaR)

merupakan salah satu bentuk pengukuran resiko yang cukup baik. Hal ini mengingat

kesederhanaan dari konsep VaR, selain juga memiliki kemampuan implementasi dalam

berbagai metodologi statistika yang beragam dan mutakhir. Namun, untuk menghasilkan nilai

resiko yang valid pada bursa saham, dibutuhkan teknikal analisis, yang menggunakan data

historis mengenai perkembangan harga saham dan volume perdagangan saham sehingga

dapat diketahui pola-pola pergerakan harga saham berdasarkan observasi pergerakan harga

saham dimasa yang lalu.

Salah satu aspek yang penting dalam analisis resiko keuangan adalah perhitungan

(2)

kondisi pasar yang normal pada kurun waktu t dengan tingkat kepercayaan α. Secara

sederhana VaR ingin menjawab pertanyaan, seberapa besar (dalam persen atau sejumlah uang

tertentu) perusahaan dapat merugi selama waktu investasi t dengan tingkat kepercayaan sebesar α. Dengan menggunakan standart normalitas dan memperhitungkan sifat statistika yaitu skewness dan kurtosis, kemudian akan di hitung nilai resiko tersebut. Dalam hal ini

penulis mengambil judul “PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA INTERNATIONAL TBK DENGAN MENGGUNAKAN METODE STATISTIKA”

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 Astra International Tbk menggunakan nilai risiko 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 95% dan

potensi terjadinya kerugian maksimum Value at Risk (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 periode

penelitian.

1.4 TUJUAN PENELITIAN

Menentukan nilai risiko pada keadaan saham PT Astra International Tbk dengan

(3)

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 dari saham-saham PT

Astra International Tbk, sehingga dalam pengambilan keputusan investasinya dapat

memperhitungkan apakah risiko yang ditanggung sesuai dengan keuntungan

(return) yang diharapkan.

2. Perusahaan yang sahamnya tergabung dalam PT Astra International Tbk dapat

mengevaluasi performa saham perusahaan tersebut dengan mengetahui nilai risiko

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 sering

pula disebut distribusi Gauss yang variabel acaknya bersifat kontinu. Distribusi ini merupakan

salah satu yang paling penting dan banyak digunakan.

Ada sejumlah konsep statistik dan ukuran yang perlu diketahui ketika menganalisa

distribusi menggunakan statistik. Statistik deskriptif adalah salah satu ukuran statistik yang

akan di bahas dalam menghitung pengukuran risiko.

1. Nilai rata-rata (Mean)

Teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok

tersebut. Rata-Rata (mean) ini didapat dengan menjumlahkan data seluruh individu

dalam kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada

kelompok tersebut.

Menghitung rata-rata data tunggal dibedakan antara data tunggal yang berfrekuensi

satu dengan data tunggal yang berfrekuensi lebih dari satu.

(4)

=

1

+

₂

+

₃

…

+

atau:

=

1=1 �

dimana:

= mean (rata-rata)

� = data ke i

n = banyak data

Menghitung rata-rata data yang sudah dikelompokkan dalam distribusi frekuensi,

maka data tersebut akan berbaur sehingga keaslian data itu akan hilang bercampur dengan

data lain menurut kelasnya, hanya dalam perhitungan mean kelompok diambil titik tengahnya

yaitu setengah dari jumlah ujung bawah kelas dan ujung atas kelas untuk mewakili setiap

kelas interval. Hal ini untuk menghindari kemungkinan data yang ada disetiap interval

mempunyai nilai yang lebih besar atau lebih kecil dari titik tengah. Dari mean kelompok

dapat dicari dengan rumus:

=

�=1 � �

�

dengan:

= mean (rata-rata)

_�_{= tanda kelas interval}

� = frekuensi yang sesuai dengan tanda kelas �

2. Modus adalah nilai dari beberapa data yang mempunyai frekuensi tertinggi baik data tunggal maupun data yang berbentuk distribusi, atau nilai yang sering muncul dalam

kelompok data.

Menghitung modus dengan data tunggal dilakukan sangat sederhana, yaitu dengan

(5)

data kualitatif maupun kuantitatif dengan cara menentukan frekuensi terbanyak

diantara data yang ada.

Jika data kuantitatif telah disusun dalam daftar distribusi frekuensi, rumus modus

adalah:

� = + 1

1+ 2

Dengan:

b = batas bawah kelas modal ialah kelas interval dengan frekuensi terbanyak

p = panjang kelas modus

₁_{= frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang}

lebih kecil sebelum tanda kelas modus

2 = frekuensi kelas modal dikurangi frekuensi kelas

interval dengan tanda kelas yang lebih besar sesudah tanda kelas modus

3. Median adalah nilai tengah dari gugusan data yang telah diurutkan (disusun) dari data

terkecil sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil.

Mencari median data tunggal dengan cara mengurutkan data tersebut dari data terkecil

sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil, dengan

rumus:

Untuk data yang telah disusun dalam daftar distribusi frekuensi, mediannya dihitung

denngan rumus:

� = +

(6)

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 suatu nilai yang menunjukkan tingkat atau derajat variasi kelompok data atau ukuran standar penyimpangan dari mean atau rata-ratanya.

Standar deviasi (simpangan baku) merupakan alat kuadrat dari varian suatu data.

Jika mempunyai sampel berukuran n dengan data x1, x2,..., xn dan rata-rata , maka

statistik s2 dihitung dengan:

2 ₌ �=1 � −

−1

2

Untuk mencari simpangan baku s, dari s2 diambil harga akarnya yang positif.

Jika data dari sampel telah disusun dalam daftar distribusi frekuensi, maka untuk

menentukan varians s2 dipakai rumus:

2₌ �=1 � � −

−1

2

atau yang lebih baik digunakan:

2 ₌ � �

� = frekuensi yang sesuai dengan tanda kelas �

= _�=1 _�

Sedangkan standar deviasi (simpangan baku) untuk data populasi digunakan rumus:

�2 ₌ ��

2 − �=1 �� 2

�=1

(7)

�2 ₌ � �� − � 2

�=1

�

dengan:

� = standar deviasi

� = frekuensi data ke i

�� = data ke i

� = rata-rata

5. Skewness atau kemiringan adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan

(dilihat dari rata-ratanya) makan dikatakan menceng kanan (positif) dan jika

sebaliknya maka menceng kiri (negatif). Dalam kedua hal terjadi sifat taksimetri.

Untuk mengetahui derajat taksimetri sebuah model, digunakan ukuran kemiringan

yang ditentukan oleh:

� = − �

�

dengan: Sk = koefisien kemiringan

_{= rata-rata}

Mo = modus

σ = simpangan baku

Maka rumus empirik untuk kemiringan, adalah:

�

=

3 −

�

dengan:

Sk = koefisien kemencengan

_{= rata-rata}

Me = median

σ = simpangan baku

(8)

a. _�

3 = TK = koefisien Tingkat Kemencengan (Skewness) b. TK = 0 maka bentuk kurva simetris

c. TK > 0 maka kurva positif (menceng/landai ke kanan)

d. TK < 0 maka bentuk kurva negatif (menceng/landai ke kiri)

Kriteria: jika -2,0 < TK < 2,0 maka data dapat diinterprestasikan berdistribusi normal

atau hampir normal.

6. Kurtosis

Kurtosis (keruncingan) adalah derajat kepuncakan dari sebuah distribusi yang

biasanya diambil secara 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.

Kriteria untuk menafsirkan koefisien kurtosis yaitu:

�4> 3, distribusi leptokurtik (runcing)

�4< 3, distribusi platikurtik (datar/landai)

�4= 3, distribusi normal

Untuk mengetahui keruncingan suatu distribusi dan menyelidiki apakah distribusi

normal atau tidak, salah satu ukuran yang sering digunakan adalah koefisien

keruncingan atau koefisien kurtosis persentil dengan rumus:

=

��

90− ₁₀

=

1

2 �3−�1

90− 10

dimana:

SK = rentang semi antar kuartil

K1 = kuartil kesatu

(9)

P90 = persentil ke-90

P90– P10 = rentang 10 – 90 persentil

Kriteria: penafsiran model distribusi, yaitu:

= 0,263, distribusi normal

> 0,263, distribusi leptokurtik (runcing)

< 0,263, distribusi platikutik (datar/landai)

Situngkir, Hokky dan Surya, Yohanes (2004) memaparkan bahwa untuk menghitung nilai VaR dengan kesalahan normal disimbolkan dengan Ψnormal, dinyatakan sebagai:

Ψ

normal = mean –aσ

Dimana 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 dengan ΨSK dinyatakan sebagai:

a

׳

(α) = α +

6

(α) –

1) +

24

(α) –

3(α) –

2

36

(2(α) –

5(α))

dengan:

sk = nilai skewness

k = nilai kurtosis

sehingga rumusnya dapat diperoleh:

(10)

1.7 METODE PENELITIAN

Adapun metode yang digunakan dalam penelitian ini secara rinci adalah sebagai berikut:

1. Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui hasil penelitian

lainnya yang relevan serta buku-buku maupun artikel-artikel yang didapatkan melalui

internet.

2. Proses identifikasi risiko dengan menguraikan jenis risiko yang melekat dalam transaksi

trading untuk memastikan bahwa pengukuran resiko dapat dilakukan secara akurat yang

meliputi risiko harga pasar (price risk).

3. Memperoleh data dari Bursa Efek Indonesia.

4. Menghitung Value at Risk (VaR) dengan kesalahn normal Ѱ = − �_dan

menghitung VaR dengan kesalahan skewness dan kurtosis Ѱ_�� = − ′�

5. Kemudian mengambil kesimpulan untuk membandingkan nilai VaR dengan kesalahan

normal dengan VaR dengan kesalahan skewness dengan menggunkan tingkat kepercayaan