1 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 berkembang pesat saat ini. Perseroan memfokuskan diri pada sejumlah kategori dan produk perusahaan induk perusahaan ini, memiliki atau mampu membangun keunggulan kompetitif, dan dimana penjualan dan marjin dapat tumbuh secara konsisten. 1
2 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 batasanbatasan 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 periode penelitian. 2
3 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 sering pula disebut distribusi Gauss yang variabel acaknya bersifat kontinu. Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan. 3
4 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 x = f ix i f i Dengan: x i = tanda kelas interval f i = frekuensi yang sesuai dengan tanda kelas x i 2. Modus adalah nilai yang muncul dengan frekuensi terbesar Mo = b + p b 1 b 1 + b 2 Dengan: b = batas bawah kelas modal ialah kelas interval dengan frekuensi terbanyak p = panjang kelas modal b 1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang lebih kecil sebelum tanda kelas modal b 2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang lebih besar sesudah tanda kelas modal. 4
5 3. Median adalah nilai tengah dari sebuah kelompok angka tertentu yang diperingkat berdasarkan besarnya nilai angka tersebut. Me = b + p 1 2 n F f 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 rataratanya. Dalam hal ini standar deviasi akan mengukur simpangan kerugian dari suatu risiko terhadap rata-rata (mean) kerugian dari seluruh kejadian risiko. Rumusnya yaitu: σ= x i x 2 n 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 kemencengan pearson. Koefisien kemencengan pearson merupakan nilai selisih rata-rata dengan modus dibagi simpangan baku. Koefisien kemencengan pearson dirumuskan: 5
6 Sk = x Mo σ Dengan: Sk = koefisien kemencengan x = rata-rata Mo = modus σ = simpangan baku apabila secara empiris didapatkan hubungan antar nilai pusat sebagai: x Mo = x Mo Maka rumus kemencengan diatas dapat diubah menjadi: Sk = 3 x Me σ 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 distribusi normal atau tidak, salah satu ukuran yang sering digunakan 6
7 adalah koefisien keruncingan atau koefisien kurtosis persentil dengan rumus: k = SK P 90 P 10 = 1 2 K 3 K 1 P 90 P 10 Dimana: SK = rentang semi antar kuartil K 1 K 3 P 10 P 90 = kuartil kesatu = kuartil ketiga = persentil kesepuluh = persentil ke-90 P 90 P 10 = rentang 10 90 persentil 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 + sk (α) 1) + k sk 2 (α) 3(α) (2(α) 5(α)) 6 24 36 Dengan: sk = nilai skewness k = nilai kurtosis sehingga rumusnya dapat diperoleh: Ψ sk = mean a σ 7
8 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 menggunakan tingkat kepercayaan sebesar 5 %. 8