Anda di halaman 1dari 17

Tugas Seminar

Manajemen Risiko
Metode
Pengukuran Risiko
Secara Kuantitatif
(peluang & dampak)
Septian Fachrizal
! Khusus " #$
Metode Pengukuran
Peluang
Soal
PT % memiliki &an'ak alat &erat( salah satu diantaran'a )rane merek %*+,
-erdasarkan data 'ang dimiliki perusahaan( dalam . tahun terakhir( )rane merek
%*+ mengalami patah as se&an'ak / kali,
Setiap kejadian patah as mengaki&atkan tim&uln'a &ia'a minimal se&esar Rp 011
juta, !ata statistik menunjukkan kerugian untuk setiap kejadian2
Kejadian ke Kerugian (Rupiah)
0 0#1 jt
# 0.3 jt
. 001 jt
4 0.1 jt
3 003 jt
/ 011 jt
S567 02 Saudara diminta untuk menghitung risiko tahun depan terkait hal diatas2
a, -erapa &esar kemungkinan terjadi dua kali patah as tahun depan8
&, -erapa &esar kemungkinan terjadi tiga kali patah as tahun depan8
c, -erapa &esar kemungkinan tidak terjadi patah as tahun depan8
d, -erapa &esar dana 'ang harus dicadangkan untuk mengantisipasi kerugian
aki&at patah as tahun depan8
9a:a&
!imana 2 e ; #,$0<#<
= ; rata > ratake&erhasilan ; n , p
? ; -an'akn'a unsur &erhasil dalam sampel
n ; 9umlah @ ukuran populasi
p ; pro&a&ilitas kelas sukses
)ontoh 2
0, !ua ratus penumpang telah memesan tiket untuk se&uah pener&angan
luar negeri, 9ika pro&a&ilitas penumpang 'ang telah mempun'ai tiket
tidak akan datang adalah 1,10 maka &erapakah peluang ada . orang 'ang
tidak datang,
; 1,0<14 ; 0<,14 A
#, 9ika rata > rata kedatangan B ; $# setiap jam( &erapakah peluang dari ? ;
4 kedatangan dan t ; . menit, Cunakan proses poissonD
!ik 2 B ; $# kedatangan setiap jam atau $# @ jam maka 0 jam atau /1
menit adalah unit :aktun'a, -erarti . menit adalah . @ /1 ; 0 @ #1 unit
:aktu maka t t ; 0 @ #1 dan ? ; 4
; 1,00 atau 0,0 A
!istri&usi -inomial
Defnisi
!istri&usi -inomial adalah suatu distri&usi pro&a&ilitas 'ang dapat digunakan
&ilamana suatu proses sampling dapat diasumsikan sesuai dengan proses -ernoulli,
Misaln'a( dalam perlemparan sekeping uang logam se&an'ak 3 kali( hasil setiap
ulangan mungkin muncul sisi gam&ar atau sisi angka, -egitu pula( &ila kartu diam&il
&erturut"turut( kita dapat mem&eri la&el E&erhasilF &ila kartu 'ang teram&il adalah
kartu merah atau EgagalF &ila 'ang teram&il adalah kartu hitam, Glangan"ulangan
terse&ut &ersifat &e&as dan peluang ke&erhasilan setiap ulangan tetap sama('aitu
se&asar H,,(Ronald I, Jalpole)
Ciri Ciri
0, Setiap perco&aan han'a mempun'ai # kemungkinan hasil 2 sukses(hasil 'ang
dikehendakai( dan gagal(hasil 'ang tidak dikehendaki)
#, Setiap perco&aan &eersifat independen atau dengan pengem&alian,
., Pro&a&ilita sukses setiap perco&aan harus sama( din'atakan dengan p,
Sedangkan pro&a&ilita gagal din'atakan dengan K( dan jumlah p dan K harus
sama dengan satu,
4, 9umlah perco&aan( din'atakan dengan n( harus tertentu jumlahn'a,
Rumus
dimana ? ; 1(0(#(.(L(n
n 2 &an'akn'a ulangan
? 2 &an'akn'a ke&erhasilan dalam peu&ah acak ?
p 2 peluang &erhasil dalam setiap ulangan
K 2 peluang gagal( dimana K ; 0"p dalam setiap ulangan
)atatan 2 !alam mem&edakan p dengan K( harus dapat menetapkan mana kejadian
SGKSIS dan mana kejadian C6C67, 6nda dapat menetapkan &ah:a kejadian 'ang
menjadi pertan'aan atau ditan'akan adalah ; kejadian SGKSIS,
Contoh Soal 2
0, -erdasarkan data &iro perjalanan PT Mandala Jisata air( 'ang khusus
menangani perjalanan :isata turis manca negara( #1A dari turis men'atakan
sangat puas &erkunjung ke Mndonesia( 41A men'atakan puas( #3A
men'atakan &iasa saja dan sisan'a men'atakan kurang puas, 6pa&ila kita
&ertemu dengan 3 orang dari peserta :isata turis manca negara 'ang pernah
&erkunjung ke Mndonesia( &erapakah pro&a&ilitas 2
a,Paling &an'ak # di antaran'a men'atakan sangat puas,
&,Paling sedikit 0 di antaran'a men'atakan kurang puas
c,Tepat # diantaran'a men'atakan &iasa saja
d,6da # sampai 4 'ang men'atakan puas
9a:a& 2
a,% N #
7ihat ta&el dan lakukan penjumlahan se&agai &erikut 2
&(?O n( p) ; &(1O 3( 1,#1) P &(0O 3( 1,#1) P &(#O 3( 1,#1) ;
1,.#$/< P 1,41/1 P 1,#14<1 ; 1,4#1< atau
&(?;1) ; 3)1 (1,#1)1 (1,<1)3 ; 1,.#$/<
&(?;0) ; 3)0 (1,#1)1 (1,<1)4 ; 1,41/1
&(?;#) ; 3)# (1,#1)1 (1,<1). ; 1,#14<1
P
Maka hasil ? N # adalah ; 1,4#1<
&,% Q 0
7ihat ta&el dan lakukan penjumlahan se&agai &erikut 2
&(0O 3( 1,03) P &(#O 3( 1,03) P &(.O 3( 1,03) P &(4O 3( 1,03) P &(3O 3( 1,03) ;
1,.03 P 1,0.<# P 1,1#44 P 1,11# P 1,1110 ; 1,33/# atau
&(? Q0O 3( 1,03) ; 0 > &(? ; 1)
0 > 3)1 (1,03)1 (1,<3)3
0 > 1,44.$ ; 1,33/.
c,% ; #
&(#O 3( 1,#3) ; 1,#/.$
d,% N # % N 4
7ihat ta&el dan lakukan penjumlahan se&agai &erikut 2
&(#O 3( 1,41) P &(.O 3( 1,41) P &(4O 3( 1,41) ; 1,.43/ P 1,#.14 P 1,1$/< ;
1,/3#<
6nalisis masing > masing point 2
a, Se&an'ak paling &an'ak # dari 3 orang dengan jumlah 1,4#1< atau
4(#<A 'ang men'atakan sangat puas adalah sangat &esar,
&, Paling sedikit 0 dari 3 orang (&erarti semuan'a) dengan jumlah
1(33/. atau 33(/.A 'ang men'atakan kurang puas dapat dikatakan
cukup &esar (karena le&ih dari 31A),
c, Tepat # dari 3 orang 'ang men'atakan &iasa saja dengan jumlah
1(#/.$ atau #/(.$A adalah kecil (karena di&a:ah 31A),
d, 6da # sampai 4 'ang men'atakan puas dengan jumlah 1(/3#<A atau
/3(#<A dapat dikatakan cukup &esar,
6nalisis keseluruhan 2
6, Persentase
9ika diam&il persentase ter&esar tanpa memperhatikan jumlah %( maka
persentase ter&esar ada di point pertama (a) 'aitu 4(#<A 'ang men'atakan
sangat puas, Ral terse&ut menandakan &an'ak turis manca negara 'ang
sangat men'ukai Mndonesia,
-, Silai %
9ika dilihat dari jumlah %( maka perlu diperhatikan point kedua (&), 9umlah %
adalah paling sedikit 0 dari 3 orang (&erarti %T;0) 'aitu 33(/.A 'ang
men'atakan kurang puas , Ral terse&ut &erarti kelima (semua) turis manca
negara kurang puas terhadap kunjungann'a ke Mndonesia,
#, Kepala &agian produksi PT S6MSGSC melaporkan &ah:a rata " rata produksi
teleUisi 'ang rusak setiap kali produksi adalah se&esar 03 A, 9ika dari total
produksi terse&ut diam&il secara acak se&an'ak 4 &uah teleUisi( &erapakah
perhitungan dengan nilai pro&a&ilitas # 8
9a:a& 2
p ( rusak ) ; 1(03( K ( &aik ) ; 1(<3( ? ; #( n ; 4
Rumus 2 & ( ? O n O p ) ; n)? p? K n"?
& (? ; # O 4 O 1(0# ) ; 4)# (1(03)# (1(<3)(4 > #)
; 1(1$3
6nalisis 2
!engan jumlah 1(1$3 atau ($3A dari sampel acak se&an'ak 4 &uah teleUisi
dan rata > rata produk rusak setiap kali produksi adalah se&esar 03A( dapat
dikatakan kecil, Samun pada ken'ataann'a( meskipun dilihat secara
persentase kecil (han'a ($3A) 'ang naman'a produk rusak harus tetap
dikurangi atau &ahkan dihilangkan untuk mengurangi kerugian,
Rata Rata Dan Ragam Distribusi Binomial
Rata > rata = ; n , p
Ragam V# ; n , p , K
n 2 ukuran populasi
p 2 peluang &erhasil dalam setiap ulangan
K 2 peluang gagal( dimana K ; 0"p dalam setiap ulangan
)ontoh Rata > rata dan Ragam !istri&usi -inomial 2
Gntuk & (3O 3( #1) dimana ? ; 3( n ; 3 dan p ; 1,#1
K ; 0"p O K ; 0"1,#1 ; sehingga K ; 1,<1
maka 2 ; 3 ? 1,#1 ; 0
# ; 3 ? 1,#1 ? 1,< ; 1,<1
; 1,<1 ; 1,<44
!istri&usi +"Score
Defnisi
!alamstatistik( +"scoreadalahjumlahdeUiasistandaro&serUasiataudatum'ang diatas
rata"rata (mean), +"Scorepositifmenunjukkandatumdi atas rata"rata(
sementaranilainegatifmenunjukkandatumdi &a:ah rata"rata,
Kuantitasdiperolehdenganmengurangkanmean
populasidariskormentahindiUidudankemudianmem&agiper&edaandenganstandardeU
iasipopulasi, Proses konUersiinidise&utstandardisasidannormalisasi(:ikipedia)
Se&uah z"score (juga dikenal se&agai nilai z( skor standar( atau nilai normal) adalah
ukuran per&edaan dari hasil eksperimen indiUidual dari hasil 'ang paling mungkin(
mean, + din'atakan dalam jumlah standar deUiasi dari nilai rata"rata, +"skor
mengasumsikan distri&usi sampling dari statistik uji (rata"rata dalam &an'ak kasus)
adalah normal dan mengu&ah distri&usi sampling ke distri&usi normal standar,
Sifat
Silai dari (z) memiliki sifat se&agai &erikut2
z positif ketika nilai le&ih &esar dari mean
z negatif ketika nilai kurang dari mean
z adalah jumlah standar deUiasi antara nilai dan mean,
z adalah nol ketika nilai sama dengan mean
z tidak memiliki teori atas atau &atas &a:ah selain itu dise&a&kan secara
alami oleh &er&agai nilai"nilai dapat mengam&il,
!alam data 'ang terdistri&usi normal( (A dari distri&usi turun di &a:ah titik di
mana z ; 4( jadi z jarang akan le&ih &esar dari 4 atau kurang dari "4,
-e&erapa hal 'ang diperhatikan ketika menggunakan z"skor2
+"skor menormalkan distri&usi sampling untuk per&andingan &ermakna,
+"skor memerlukan sejumlah &esar data,
+"skor memerlukan( data acak independen
Rumus
+"skor 'ang din'atakan dalam standar deUiasi, Rute z"skor memiliki distri&usi
dengan rata"rata 1 dan standar deUiasi 0 Rumus untuk menghitung +"score
di&erikan di &a:ah ini2
Metode perhitungan +"score sangat sederhana2 kurangi mean sampel dari nilai dan
mem&agi apa 'ang 6nda dapatkan dengan standar deUiasi sampel, Setelah
menggunakan rumus terse&ut dapat melihat referensi ke +"Ta&le untuk menentukan
persentase nilai pro&a&ilitas 'ang le&ih tinggi atau di&a:ah +"score,
+"Ta&le
Contoh Soal
0, Seorang gurumenetapkansepotongSastraMnggriskursusuntuk31sis:adi
kelasn'a, Kamimem&uatasumsi&ah:aketikaskordisajikanpadahistogram( data
'angditemukanterdistri&usisecara normal, Rata"rata adalah
/1dari011dandeUiasistandar(dengan kata lain( Uariasidalamnilai) adalah
03tanda(lihatpanduanstatistikkami(
GkuranTendensiSentraldanStandar!eUiasi(
untukinformasile&ihlanjuttentangmean dandeUiasistandar),
Setelahmelihatkinerjatutorkelas( satusis:a( Sarah( telahmemintagurujika(
denganmencetak$1dari011( diatelahdilakukandengan&aik,
Mengingat&ah:askor rata"rataadalah/1dari011danSarahmencetak$1(
makapadapandanganpertamamungkintampak&ah:asejakSarahtelahmenceta
k01tandadi atasWrata"rataW mark( diatelahmencapaisalahsatutandater&aik,
Samun(
halinitidakmempertim&angkanUariasidalamnilaiantara31sis:a(dengan kata
lain( standardeUiasi), Setelahsemua( jikadeUiasistandar03( makaadajumlah
'ang :ajarUariasiantaranilai&iladi&andingkandenganrata"rata,
SementaraSarahmasihmencetakjauhle&ihtinggidaripadanilai rata"rata(
dia&elumtentumencapaisalahsatutandater&aikdi kelasn'a, Tim&ulpertan'aan2
Se&erapa&aikSarahtampildalamdirin'akursusSastraMnggrisdi&andingkandeng
an 'ang lain31sis:a8 Se&elummenja:a&pertan'aanini( marikitalihatmasalah
lain,
Seberapabaik
kemampuanSarahdalamkursusSastraInggrisdibandingkandengan yang
lain50siswa
Jawab
Gntukmenja:a&pertan'aanini( kita&isakem&alifrasese&agai2
-erapapersen(ataunomor)
darisis:amencetakle&ihtinggidariSarahdan&erapapersen(ataunomor)
sis:amendapatnilairendahdariSarah8 Pertama(
marikitategaskan&ah:aSarahmencetak$1dari011( skorrata"rata adalah/1(
dandeUiasistandaradalah03
Score Mean
Standard
!eUiation
(%) X s
Inglish
7iterature
$1 /1 03
Skor"zadalah1,/$(untuk# desimal)(
tetapisekarangkitaperlu&ekerjakeluarpersentase(ataunomor)
darisis:a'angdinilaile&ihtinggidanle&ihrendahdariSarah,
Gntukmelakukann'a( kitaperlulihatta&eldistri&usi normalstandar, Gntuk
menggunakan ta&el( 'ang le&ih mudah daripada mungkin terlihat pada
pandangan pertama( kita mulai dengan z"score 1,/$ (jika z"score telah le&ih
dari dua tempat desimal( misaln'a( kita adalah 1(///$( kami akan
mengumpulkan itu atau &a:ah sesuai( maka( 1(///$ akan menjadi 1,/$),
Sum&u ' dalam ta&el men'oroti dua digit pertama dari z"score dan sum&u ?
tempat desimal kedua, 5leh karena itu( kita mulai dengan sum&u '(
menemukan 1(/( dan kemudian &ergerak sepanjang sum&u ? sampai kita
menemukan 1,1$( se&elum akhirn'a mem&aca dari nomor 'ang sesuaiO
dalam hal ini( 1(#304, Mni &erarti &ah:a pro&a&ilitas skor 'ang le&ih &esar dari
1,/$ adalah 1(#304, 9ika kita melihat ini se&agai persentase( kita han'a kali
skor le:at 011O maka 1,#304 ? 011 ; #3,04A, !engan kata lain( sekitar #3A
dari kelas mendapat tanda le&ih &aik dari Sarah (kira"kira 0. sis:a karena
tidak ada hal seperti itu se&agai &agian dari mahasis:aD),
Kem&ali ke pertan'aan kita( YSe&erapa &aik kemampuan Sarah dalam kursus
Sastra Mnggris di&andingkan dengan 'ang lain 31 sis:a8Y( 9elas kita dapat
melihat &ah:a Sarah tidak le&ih &aik daripada se&agian &esar sis:a( dengan
$4,</A dari skor kelas le&ih rendah dari dia (011A " #3,04A ; $4,</A), Kita
juga dapat melihat se&erapa &aik ia dilakukan relatif terhadap nilai rata"rata
dengan mengurangi skor n'a dari mean ((3"1(#304 ; 1(#4</), 5leh karena
itu( #4(</A dari nilai (1(#4</ ? 011 ; #4(</A) le&ih rendah dari Sarah( tetapi
di atas skor rata"rata, Samun( temuan utama adalah &ah:a skor Sarah
&ukanlah salah satu tanda ter&aik,
Metode Pengukuran
!ampak
Zalue at Risk
Defnisi
Menurut Philip -est (0<) Zalue at Risk atau ZaR adalah suatu metoda pengukuran
risiko secara statistik 'ang memperkirakan kerugian maksimum 'ang mungkin
terjadi atas suatu portfolio pada tingkat keperca'aan (leUel of con[dence) tertentu,
Silai ZaR selalu disertai dengan pro&a&ilitas 'ang menunjukkan se&erapa mungkin
kerugian 'ang terjadi akan le&ih kecil dari nilai ZaR terse&ut, ZaR adalah suatu nilai
kerugian moneter 'ang mungkin dialami dalam jangka :aktu 'ang telah ditentukan,
Sifat
!alam matematika keuangan dan manajemen risiko keuangan( Ualue at risk
(ZaR) adalah ukuran risiko 'ang &an'ak digunakan untuk mengukur risiko
kerugian dari portofolio aset keuangan tertentu, Pada portofolio 'ang diukur (
ZaR mem&erikan nilai &atas sehingga pro&a&ilitas &ah:a kerugian mark"to"
market pada portofolio selama horison :aktu tertentu mele&ihi nilai ini
(dengan asumsi pasar normal dan tidak ada perdagangan dalam portofolio ),
!engan kata lain ZaR (Zalue at Risk) mem&erikan estimasi potensi kerugian
maksimal pada periode tertentu dengan tingkat ke'akinan (con[dence leUel)
tertentu dan dalam kondisi pasar 'ang normal,
Kele&ihan dari ZaR adalah &ah:a metoda ini fokus pada do:nside risk( tidak
tergantung pada asumsi distri&usi dari return( dan pengukuran ini dapat
diaplikasikan ke seluruh produk"produk [nansial 'ang diperdagangkan, 6ngka
'ang diperoleh dari pengukuran dengan metoda ini merupakan hasil
perhitungan secara agregat atau men'eluruh terhadap risiko produk"produk
se&agai suatu kesatuan,
ZaR juga mem&erikan estimasi kemungkinan atau pro&a&ilitas mengenai
tim&uln'a kerugian 'ang jumlahn'a le&ih &esar daripada angka kerugian
'ang telah ditentukan, Ral ini merupakan sesuatu 'ang tidak didapat dari
metoda"metoda pengukuran risiko lainn'a, ZaR juga memperhatikan
peru&ahan harga aset"aset 'ang ada dan pengaruhn'a terhadap aset"aset
'ang lain, Ral ini memungkinkan dilakukann'a pengukuran terhadap
&erkurangn'a risiko 'ang diaki&atkan oleh diUersi[kasi kelompok produk atau
portfolio,
!etode
1. Analytic VaRiance-Covariance Approach, (Delta Method
dise&ut juga delta normal method memiliki keunggulan dari sisi kemudahan
komputasi dan implementasi, Model ini diperkenalkan oleh 9P,Morgan pada
a:al 01an, 6sumsi 'ang digunakan dalam Zariance"coUariance approach
model adalah2 Portfolio disusun atas asset"aset 'ang linear, 7e&ih tepatn'a(
peru&ahan nilai dari suatu portfolio &ersifat linear dependen pada semua
peru&ahan 'ang terjadi pada nilai asset, 9adi( return portfolio juga &ersifat
linear dependen pada return asset, Return asset &erdistri&usi normal,
Selain memiliki keunggulan dalam hal kemudahan komputasi dan
implementasi metode ini memiliki kelemahan dalam hal akurasi (le&ih lemah)
di&andingkan dua metoda lainn'a,
Rumus 2
?\ adalah \th persentil normal distri&ution
P adalah nilai portfolio,
?\ dihitung menggunakan fungsi I?cel S5RM,S,MSZ()
!. Monte Carlo "i#$lation Approach
merupakan metode 'ang paling simple dan paling transparan dalam
perhitungan, Termasuk dalam perhitungan nilai portfolion'a, Kelemahan
metode ini tidak menggunakan distri&usi normal pada return assetn'a,
!alam menduga ZaR( simulasi Monte )arlo mempun'ai &e&erapa algoritma,
Pada dasarn'a simulasi Monte )arlo dilakukan dengan cara mem&angkitkan
&ilangan random &erdasarkan karakteristik dari data 'ang akan di&angkitkan
'ang kemudian dapat digunakan untuk menduga ZaR, ZaR dengan simulasi
Monte )arlo mengasumsikan &ah:a return &erdistri&usi normal,
(Maruddani dan Pur&o:ati #11)
Metodesimulasiakanter&entukdistri&usitertentu(
kemudianmelaluidistri&usiterse&ut Z6R dapatdihitung 'ang
memerlukansum&erda'a computer 'ang le&ih&esar dis&anding
keduaetodese&elumn'a,
Tingkat KeuntungandenganPro&a&ilitasn'a
Tingkat Pro&a&ilitas Pro&a&ilitasKumulatif
keuntungan (A)
0
#
.
4
3
/
$
<

0
1
"1(3
"1(#3
1
1(0
1(3
0
0(#
0(#3
#(#3
.
1(13
1(13
1(0
1(0
1(#3
1(03
1(0
1(0
1(13
1(13
1"4
3"
01"0
#1"#
.1"34
34"/
$1"$
<1"<
1"4
3"
9umlah 0
Tingkat keuntungan&isadilihatpadakolom #(
sementarapro&a&ilitas&isadilihatpadakolom .,
Pro&a&ilitaskomulatifmerupakankumulasiangkapro&a&ilitas 'ang
akandiperlukanuntukmenjalankansimulasi, Se&agaicontoh(
untuktingkatkeuntungan "1(3 karenaada 3A pro&a&ilitasterjadi(
makapro&a&ilitaskumulatif 'ang dipasangkanadalahangka 1(0(#(. dan 4 (ada
lima angka ), Total pro&a&ilitaskomulatifadalah 011 angka (dari 1
sampaidengan )( 'ang mencerminkan total pro&a&ilitas 'ang &erjumlah
011 (atau 3 angkasepertiterlihatdiatas),
Ta&elsampelsimulasi Monte > )arlo
6ngka
Random
Tingkat Keuntungan *ang
-erkaitan
0
#
.
4
3
/
$
<

0
1
.0
#
00
/3
34
/
43
#/
31
..
1(3
1(0
1
0
0
"1(#3
1(3
1(0
1(3
1(3
Run pertamamemunculkanangka random .0, 6ngka .0
terse&ut&erkaitandengantingkatkeuntungan 1(3 (pro&a&ilitaskomulatifn'a .1"
34), Proses terse&ut&isadiulang"ulangsampe 011 kali( 311 kali (atau 0,111
kali, Setelah proses terse&utdiulang > ulang(
kitaakanmemperolehdistri&usin'a, Se&agaicontoh(
ta&eldan&agan&erikutinimen'ajikandistri&usi 'ang dihasilkanmelalui 011 kali
run,
Ta&el!istri&usiFrekuensihasilsimulasi
Tingkat
Keuntungan
Frekuensi
"1(3
"1(#3
1
1(0
1(3
0
0(#
0(#3
#(#3
.
.
3
01
$
#3
0<
/
0#
.
00
9umlah 011
!istri&usidiatas&elumsepenuhn'a normal, 9ikakitamelakukan run
le&ih&an'aklagi (misal 0,111 kali)( makasesuaidengan )entral 7imit Theorem,
!istri&usin'aakanmendekatiataumenjadidistri&usi normal,
Setelahkitamengetahuidistri&usin'a( kita&isamenghitung Z6R
denganmenggunakandeUiasistandardannilai rata > ratan'a, Gntukdistri&usi di
atas( nilai rata > rata dandeUiasistandarn'aadalah 2
Rata > rata tingkatkeuntungan ; 1(14A
!eUiasistandar ; 1(#$A
3A Z6R" harian&isadihitungseperti&erikutini 2
Z6R 3A " harian ; 1(14 > 0(/3 (1(#$) ; " 1(/#$
Misalkankitamempun'aiportofoliosenilaiRp 0 M (maka Z6R > 3A
harianadalah > 1(/#$A ? Rp 0 M ; " Rp /(#$ juta,
%. &i'torical "i#$lation Approach.
merupakan metode pengukuran ZaR 'ang relatif simpel di&andingkan
Zariance"coUariance model, Monte )arlo Simulation Method memiliki
keunggulan dalam akurasi( namun memiliki kelemahan dalam hal komputasi
'ang le&ih rumit di&andingkan historical simulation method,
Return dapatdihitungdengancara
Return ; ]^P(tP0) > Pt)_ @ Pt`a011A
!imanaPt ; return padahari t
PtP0 ; return padahari tP0
Metodehistorismempun'aikele&ihan'aitutidakmengamsumsikandistri&usitert
entudansederhana, Samunadajugakelemahann'asepertiasumsi&ah:a data
masalalu&isadigunakanuntukmemperediksimasadatang,
Z6R portofolio ; ^ Z6R %
#
P Z6R *
#
P # ? P%* % Z6R% Z6R*_
0@#
Z6R ? ; Z6R (Ualue at risk saham %)
Z6R' ; Z6R (Ualue at risk saham *)
P?' ; korelasi return saham % dengansaham *
Ketiga metode terse&ut dimulai dengan memilih faktor"faktor risiko (faktor 'ang
memengaruhi nilai portfolio) dan kemudian dilanjutkan dengan pemilihan
metodologi pemodelan terhadap peru&ahan faktor"faktor risiko pasar terse&ut,
)ontoh
0, Pada umumn'a( ZaR dihitung untuk jangka :aktu #4 jam, Se&agai contoh(
&ila dikatakan &ah:a ZaR suatu portfolio adalah GSb3(111 dengan con[dence
leUel se&esar 3 persen( ini &erarti &ah:a ada 3 persen kemungkinan
portfolio terse&ut akan mengalami kerugian dengan nilai di &a:ah GSb3(111
dalam :aktu #4 jam ke depan, !apat pula dikatakan &ah:a ada 3 persen
kemungkinan portfolio terse&ut akan mengalami kerugian minimal GSb3(111
dalam :aktu #4 jam ke depan,
#, )ontoh lain( jika kita memiliki ZaR harian se&esar Rp,011 mil'ar pada
con[dence leUel A( hal ini &erarti &ah:a han'a terdapat satu kemungkinan
dari 011 dimana kerugian harian akan mele&ihi Rp,011 mil'ar, 6tau dengan
kata lain( kerugian harian akan mele&ihi Rp,011 mil'ar han'a akan terjadi
pada satu hari dari 011 trading da' atau dua samapai tiga hari dalam satu
tahun, 7e&ih singkat lagi dapat dikatakan dengan kita memiliki ke'akinan
se&esar A kerugian tidak akan mele&ihi Rp,011 mil'ar dalam &e&erapa
hari kedepan, 9adi kesimpulann'a( ZaR &erusaha menja:a& pertan'aan(
ERo: &ad can things get8F
"alue at Risk pada !S#$%&el
0, Ritung tingkat pengem&alian@return minimum 'ang diharapkan sehu&ungan
dengan tingkat keperca'aan (misal jika con[dence leUel adalah A( maka
A 'akin &ah:a return@pengem&alian akan &erada di atas ini), Ral ini
dilakukan dengan S5RMSMSZ () fungsi I?cel,
#, Ritung tingkat pengem&alian minimum 'ang diharapkan (pada tingkat
keperca'aan 'ang di&erikan)
., Sekarang menghitung nilai &erisiko untuk jangka :aktu tertentu
Zalue at Risk terse&ut merupakan ZaR untuk jangka :aktu tunggal, 6sumsi
&ah:a periode :aktu satu hari, Gntuk mengkonUersi ZaR untuk satu hari
dengan nilai 'ang sesuai selama se&ulan( perlu dikalikan ZaR dengan akar
kuadrat dari jumlah hari transaksi dalam se&ulan, 9ika ada ## hari
transaksidalam se&ulan( maka
ZaR satu &ulan ; ZaR untuk 0 hari ? ##
Menghitung )on[dence 7eUel