PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN

PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN

METODE SIMULASI BOOTSTRAPPING METODE SIMULASI BOOTSTRAPPING

Oleh
SKRIPSI Ragil Intan Cahyani
Universitas Negeri Yogyakarta
Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
ABSTRAK
Universitas Negeri Yogyakarta
Value at Risk (VaR) adalah suatu alat ukur statistik risiko yang mengukur
untuk memenuhi sebagian persyaratan kerugian maksimum yang diharapkan dari sebuah investasi pada tingkat konfidensi
(confidence interval) tertentu dan periode waktu (time period) tertentu dalam kondisi
guna memperoleh gelar Sarjana Sains pasar normal. Perhitungan VaR dapat digunakan dalam sebuah aset maupun
portofolio. Untuk menghitung VaR terdapat empat metode yaitu metode simulasi
Historis, metode Varians Kovarians, metode simulasi Monte Carlo, dan metode
simulasi Bootstrapping. Dalam skripsi ini akan dijelaskan tentang pengukuran VaR
pada portofolio saham dengan metode simulasi Bootstrapping. Tujuan dari penulisan
ini adalah menjelaskan penerapan pengukuran VaR pada portofolio saham dengan
metode simulasi Bootstrapping pada harga penutupan saham harian PT. Gudang
Garam Tbk, PT. Indofood Sukses Makmur Tbk, PT. Kalbe Farma Tbk, dan PT.
Unilever Indonesia Tbk.
Portofolio merupakan gabungan dari dua atau lebih saham individual.
Pengukuran VaR pada portofolio saham dengan metode simulasi Bootstrapping
mengestimasi distribusi dari data empiris. Metode Bootstrapping bebas dari asumsi
distribusi normal dan distribusi statistika lainnya. Pada intinya VaR dengan simulasi
Bootstrapping adalah melakukan simulasi dengan membangkitkan indeks untuk
mengestimasi nilai VaR-nya. Dalam pengukuran VaR pada portofolio langkah-
langkah utama adalah menentukan tingkat kepercayaan , periode waktu yang
dipilih, menentukan nilai parameter return aset serta korelasi antar aset,
mensimulasikan indeks untuk mendapatkan return terendah dari masing-masing aset,
menghitung return portofolio, mencari estimasi kerugian maksimum, menghitung
nilai VaR yang dinotasikan dengan dan menghitung rata-rata
Disusun oleh : hasil pengukuran VaR.
Ragil Intan Cahyani Penerapan pengukuran VaR pada portofolio saham dengan metode simulasi
Bootstrapping pada skripsi ini adalah harga penutupan saham harian PT. Gudang
09305144003 Garam Tbk, PT. Indofood Sukses Makmur, PT. Kalbe Farma, dan PT. Unilever
Indonesia Tbk periode 2 Juli 2012 sampai dengan 1 Juli 2013. Dari hasil perhitungan
VaR portofolio pada tingkat kepercayaan 95%, menghasilkan rata-rata nilai VaR
sebesar (tanda negatif menunjukkan kerugian). Hal ini dapat diartikan
ada kemungkinan sebesar 95% bahwa kerugian yang mungkin akan diderita investor
PROGRAM STUDI MATEMATIKA tidak akan melebihi dan dengan nilai keuntungan portofolio yang
didapat sebesar dalam jangka waktu satu hari dari dana awal
JURUSAN PENDIDIKAN MATEMATIKA
yang diinvestasikan pada portofolio sebesar .
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM Kata Kunci: Value at Risk, Return, Bootstrapping
UNIVERSITAS NEGERI YOGYAKARTA

2014

i
vii

BAB I risiko. Semakin enggan seorang investor terhadap risiko (risk averse), maka pilihan

PENDAHULUAN investasinya akan cenderung lebih banyak pada aset-aset yang bebas risiko

(Tandelilin, 2007:76). Pengembalian atas investasi yang dilakukan dan risiko yang

A. Latar Belakang didapat memiliki hubungan yang sangat erat dimana semakin besar tingkat

Dalam dunia bisnis, hampir semua investasi mengandung risiko. Investor pengembalian yang diharapkan maka semakin besar pula tingkat risiko yang

tidak mengetahui dengan pasti hasil yang akan diperolehnya dari investasi yang telah dihadapi, jadi antara pengembalian dan risiko tidak dapat dipisahkan.

ditanamnya. Dengan kata lain, dalam melakukan suatu investasi, investor Risiko dalam investasi adalah ketidakpastian yang dihadapi karena nilai uang

dihadapkan dengan masalah tentang penaksiran risiko. Investasi merupakan atau harga suatu aset atau investasi menjadi lebih kecil daripada tingkat

penempatan sejumlah dana pada saat ini dengan harapan untuk memperoleh pengembalian investasi yang diharapkan. Risiko investasi dapat dihindari/dikurangi

keuntungan di masa mendatang (Halim, 2005:4). Seorang investor membeli dengan melakukan diversifikasi. Diversifikasi dilakukan dengan cara memilih

sejumlah saham saat ini dengan harapan memperoleh keuntungan dari kenaikan berbagai aset saham untuk diinvestasikan. Kumpulan berbagai macam aset saham

harga saham ataupun sejumlah dividen (pengembalian laba) di masa yang akan inilah yang disebut sebagai sebuah portofolio. Pada umumnya, investor adalah risk

datang, sebagai imbalan atas waktu dan risiko yang terkait dengan investasi tersebut averse. Risk averse adalah investor yang apabila dihadapkan pada dua pilihan

(Tandelilin, 2007:3). investasi dengan tingkat pengembalian yang diharapkan sama dan dengan risiko

Investor pada umumnya merupakan pihak yang tidak menyukai adanya yang berbeda, maka investor tersebut pasti akan memilih investasi dengan tingkat

risiko tetapi menginginkan pengembalian yang maksimal. Sehingga investor yang risiko yang lebih rendah dan jika mempunyai beberapa pilihan portofolio yang

rasional akan menginvestasikan dananya dengan memilih saham yang efisien, yang efisien, maka portofolio yang optimal yang dipilih.

memberi return maksimal dengan risiko tertentu atau bisa dikatakan return tertentu Portofolio dikatakan efisien apabila portofolio tersebut ketika dibandingkan

dengan risiko minimal. Apabila investor mengharapkan tingkat keuntungan yang dengan portofolio lain mempunyai expected return terbesar dengan risiko yang sama

tinggi, maka harus menanggung risiko yang tinggi pula, begitu juga sebaliknya, atau memberikan risiko terkecil dengan expected return yang sama. Hakekatnya

apabila investor menginginkan risiko yang lebih rendah, maka tingkat keuntungan portofolio sebagai suatu bentuk investasi harus memperhatikan aspek yang dapat

yang diharapkan juga akan semakin rendah. Maka dari itu, investor bisa memilih mempengaruhi keuntungan maupun kerugian di masa yang akan datang, karena

menginvestasikan dananya pada berbagai aset untuk mengurangi kerugian/risiko harapan keuntungan di masa yang akan datang (return) dan kerugian (risiko)

investasi. Pilihan aset-aset tersebut didasarkan pada pemahaman investor terhadap merupakan konsekuensi dari suatu pilihan investasi.

1
 3 4

Dalam berinvestasi telah banyak dikembangkan perhitungan nilai risiko menggunakan parameter yang sesuai dan tidak mengasumsikan bahwa return

untuk mengurangi risiko, sehingga para investor dapat mengetahui nilai risiko lebih portofolio bersifat linear terhadap return aset tunggalnya. VaR dengan simulasi

awal. Salah satu bentuk pengukuran nilai risiko yang sering digunakan adalah Value Historis adalah metode yang mengesampingkan asumsi return yang berdistribusi

at Risk (VaR). normal maupun sifat linear antara return portofolio terhadap return aset tunggalnya.

Penerapan metode Value at Risk (VaR) merupakan bagian dari manajemen VaR dengan metode simulasi Bootstrapping mengestimasi distribusi dari data

risiko. VaR pada saat ini banyak diterima, diaplikasikan dan dianggap sebagai empiris. Metode Bootstrapping bebas dari asumsi distribusi normal dan distribusi

metode standar dalam mengukur risiko. VaR dapat didefinisikan sebagai estimasi statistika lainnya. Nilai VaR digunakan untuk mengetahui perkiraan kerugian

kerugian maksimum yang akan didapat selama periode waktu (time period) tertentu maksimum yang mungkin terjadi sehingga dapat mengurangi risiko.

dalam kondisi pasar normal pada tingkat kepercayaan (confidence level) tertentu Kelebihan dari VaR yaitu metode pengukuran ini dapat diaplikasikan ke

(Jorion, 2007:17). seluruh produk-produk finansial yang diperdagangkan. Angka yang didapat

Aspek terpenting dalam perhitungan VaR adalah menentukan jenis merupakan hasil perhitungan secara menyeluruh terhadap risiko produk-produk

metodologi dan asumsi yang sesuai dengan distribusi return. Hal ini dikarenakan sebagai suatu kesatuan. Selain itu VaR juga mengestimasi probabilitas atau

perhitungan VaR berdasarkan pada distribusi return sekuritas, dimana skuritas kemungkinan mengenai timbulnya kerugian yang jumlahnya lebih besar daripada

merupakan bukti uang atau pembayaran modal, misalkan saham, obligasi, wesel, angka kerugian yang telah ditentukan. Kelebihan lainnya dari VaR ini adalah VaR

sertifikat, dan deposito. Penerapan metode dan asumsi yang tepat akan menghasilkan memperhatikan perubahan harga aset-aset yang ada dan pengaruhnya terhadap

perhitungan VaR yang akurat untuk digunakan sebagai ukuran risiko. berkurangnya risiko yang diakibatkan oleh diversifikasi gabungan saham atau

Ada empat metode utama untuk menghitung VaR yaitu metode varians- portofolio.

kovarians, simulasi Historis, simulasi Monte Carlo, dan simulasi Bootstrapping. Pada skripsi ini metode simulasi Bootstrapping digunakan untuk mengukur

Keempat metode tersebut mempunyai kelebihan dan kekurangan masing-masing. atau menganalisis VaR portofolio pada saham PT. Gudang Garam Tbk, PT. Indofood

Metode Varians-kovarians mengasumsikan bahwa return berdistribusi normal dan Sukses Makmur Tbk, PT. Kalbe Farma Tbk, dan PT. Unilever Indonesia Tbk yang

return portofolio bersifat linear terhadap return aset tunggalnya. Kedua faktor ini terdaftar di Bursa Efek Indonesia. Metode ini merupakan metode yang paling banyak

menyebabkan estimasi yang lebih rendah terhadap potensi volatilitas (standar digunakan untuk mengukur VaR karena dapat menghitung bemacam-macam saham

deviasi) aset atau portofolio di masa depan. VaR dengan metode simulasi Monte dan risiko.

Carlo mengasumsikan bahwa return berdistribusi normal yang disimulasikan dengan

B. R penerapan
u
m pengukura
u
s n Value at
a
n
Risk pada
M
a portofolio
s
a saham
l
a dengan
h
metode
Dari latar
belakang simulasi
tersebut,
dapat Bootstrapp
dirumuska
n ing?
permasalah
an sebagai
berikut:
C. T
1. Bagaiman
u
j
a u
a
pengukur n

an Value P
e
at Risk n
e
pada l
i
portofolio t
i
saham a
n
dengan
Tujuan
metode penelitian
adalah :
simulasi
1. Menjelask
Bootstrap
an
ping?
langkah-
2. Bagaiman
langkah
a
pengukura
 3 4

n Value di dalam
BAB dalam matriks
at Risk perkuliah
II . Jadi, suatu
pada an. Serta
LANDASAN matriks
portofoli menamba
TEORI dengan ukuran
o saham h ilmu

dengan pengetahu
Pada
sebagai berikut:
metode an
bab ini akan
simulasi tentang
dibahas teori- . (2.1)
Bootstra metode
teori dasar yang
pping. simulasi
akan membantu
2. Menjelas Bootstrap 1. Penjumlahan
pembaca dalam dan
kan ping dan Pengurangan
memahami Matriks
penerapa penerapan
materi bab-bab Definisi 2.2
n nya.
selanjutnya. (Anton,
pengukur 2. B
a 2004:28)
an Value g
i A. Matriks Penjumlahan
at Risk
Definisi 2.1 dan
pada p
a (Anton, 2004:26) pengurangan
r
portofoli
a Matriks adalah matriks hanya
o saham
suatu susunan dapat dilakukan
p
dengan e bilangan berbentuk jika kedua
n
metode e
segiempat. matriks tersebut
l
simulasi i
Bilangan-bilangan memiliki ukuran
t
Bootstra i
dalam susunan yang sama.
pping. Menamba
tersebut disebut Sedangkan
h
anggota dari matriks yang
D. M informasi
matriks. Ukuran ukurannya
a
n tentang
f suatu matriks berbeda tidak
a pengukur
a dinyatakan dalam dapat
t an Value
banyaknya baris ditambahkan
P
at Risk
e (arah horizontal) atau
n
e pada
dan banyaknya dikurangkan.
l
portofolio kolom (arah
i
vertikal) yang Jika
t
terdapat dalam
i saham
matriks tersebut.
a dan
n dengan
Jika adalah
sebuah matriks
Hasil metode dengan jumlah
penelitian adalah sebarang
baris dan jumlah
ini simulasi kolom
diharapka dua matriks yang
n dapat
Bootstrap , maka
bermanfa ukurannya sama,
at :
ping. menyatakan maka jumlah
1. B
a anggota yang adalah matriks
g
i terletak pada yang diperoleh

dengan
baris dan
m
a menjumlahkan
kolom di
h
a
s 6
i
s
w
a

Untuk

mengem

bangkan

ilmu

pengetah

uan

secara

teoritis

sebagaim

ana yang

telah

dipelajari
 7 8

anggota-anggota pada dengan anggota-anggota yang bersesuaian pada . yang didapatkan dengan mempertukar baris-baris dan kolom-kolom dari ,

Sedangkan selisih adalah matriks yang diperoleh dengan mengurangkan sehingga kolom pertama dari merupakan baris pertama dari , kolom kedua dari

anggota-anggota pada dengan anggota-anggota yang bersesuaian pada .

merupakan baris kedua dari , dan seterusnya.
(2.2)

. (2.3)
. (2.6)

Beberapa sifat transpose matriks:

2. Perkalian Matriks

Definisi 2.3 (Anton, 2004:28) Jika adalah sebarang matriks dan adalah a.

sebarang skalar, maka adalah matriks yang diperoleh dari perkalian setiap b.

anggota pada matriks dengan bilangan .

c. , dengan adalah sebarang skalar,

d.

matriks ,
.
transpose dari

dinyatakan
Definisi 2.4
dengan dan
(Anton, 2004:30)
didefinisikan
Jika adalah
dengan matriks
matriksdan

adalah matriks

maka hasilkali

adalah matriks

yang anggota-

anggotanya

ditentukan

sebagai berikut.

Untuk mencari

anggota pada

baris dan

kolom dari

, memilih

baris dari

matriks dan

kolom dari

matriks .

Kemudian

mengalikan

anggota-anggota

yang bersesuaian

dari baris dan

kolom tersebut

dan kemudian

menjumlahkan

hasilkali yang

diperoleh.

Sehingga

anggota pada

baris

dan kolom
diperoleh
melalui:

3. Transpose
Matriks

Definisi 2.5

(Anton,

2004:36) Jika
 7 8

n dengan
simbol 10 disebut variabel
4. Matriks
Identitas .
random diskrit
Definisi 2.6 Jadi,
jika himpunan
(Anton, berhingga atau
nilai yang
dan
2004:46) Jika tak berhingga
. muncul dari
adalah suatu tetapi masih dapat
merupakan
matriks dihitung maka
himpunan
B. Definisi
segiempat, disebut sebagai
Peluang terhitung. Jika
dan jika variabel random
Definisi 2.7 variabel
terdapat diskrit.
(Bain, et al., random diskrit,
matriks Sedangkan jika
1992:9) fungsi peluang
yang semua hasil yang
Diberikan variabel random
ukurannya mungkin dari
suatu didefinisikan
sama, variabel random
percobaan,
sebagai:
sedemikian merupakan nilai
menyatakan

rupa sehingga dalam suatu

ruang sampel,
interval maka Distribusi
maka
disebut sebagai probabilitas dari
dikatakan
variabel random variabel random
dapat dibalik menyatakan
kontinu.
(invertible) kejadian yang adalah himpunan

dan mungkin semua pasangan .

Definisi 2.10
dinamakan dengan Fungsi yang
(Bain, et al.,
sebagai invers
menunjukkan
1992:56) Misal
(inverse) dari
probabilitas
merupakan suatu
.
masing-masing
. Suatu variabel random.
Jika
fungsi
dapat Variabel random nilai
yang
dibalik, menghubu
maka ngkan yang mungkin terjadi ada
inversnya bilangan
akan riil .
dinyataka setiap dengan
1. Variabel
Random dan .
Distribusi
Peluang Huruf besar

Dalam seperti , , digunakan

9 acak dan pembahasan untuk menotasikan
maka peluang pengukuran risiko, variabel random

variabel random random, sedangkan

dengan
kejadian
digunakan untuk huruf kecil seperti ,
dikatakan
syarat mendefinisikan , digunakan untuk
sebagai fungsi
adalah kerugian (loss), menotasikan nilai
peluang dan
. karena kerugian yang mungkin dari

(2.11) merupakan suatu setiap hasil

Hasil dari variabel random. observasi pada

dikatakan
setiap Definisi 2.9 (Bain, ruang sampel.
sebagai
percobaan yang et al., 1992:53) Ada dua
peluang , jika
dilakukan Suatu variabel jenis variabel
sifat-sifat
bernilai random random yaitu
berikut ini

terpenuhi: numerik atau (dinotasikan variabel random

i. untuk semua , riil. Untuk dengan ) adalah diskrit dan variabel

(2.8)
menghubungka suatu fungsi random kontinu.
ii.
, dan (2.9) n setiap yang Jika himpunan

anggota dalam didefinisikan semua hasil yang

jika
saling asing. (2.10)
ruang sampel pada ruang mungkin dari

dengan nilai riil sampel , yaitu variabel random

Definisi 2.8
digunakan
(Bain, et al.,
variabel
1992:18)
random.
sehingga
Diberikan
menghasilkan
suatu kejadian

nilai ,
 7 8

Misalka

n adalah

variabel

random diskrit,

maka fungsi

densitas

probabilitas

/pdf

(probability

density

function)

variabel

random jika

dipenuhi:

i. ,
(2.12)

ii.
,

iii. .
(2.14)

Misal

kan adalah

variabel

random

kontinu,

maka fungsi

densitas

probabilitas/

pdf

(probability

density

function)

variabel

random jika

dipenuhi:

i. ,

ii.

iii. .
(2.17)
 11 12

Definisi 2.11 (Bain, et al., 1992:64) Fungsi distribusi kumulatif/cdf (cumulative Misal dan adalah variabel kontinu

distribution function) menggambarkan probabilitas suatu variabel random yang

bernilai riil. Misal merupakan suatu variabel random, maka untuk semua nilai , cdf-
, untuk . (2.18)
nya adalah: s
Probab
i
ilitas variabel
f
random
a
kurang dari
t
atau sama

dengan
e
digambarkan
k
dengan
s
.
p

Untuk suatu
e
variabel random
diskrit, cdf adalah:
k

. t

Untuk suatu a
variabel random
kontinu, cdf s
adalah:
i
. (2.20)

a
2. Nilai
Harapan d
(Expected
Value) a

Definisi 2.12 l

(Bain, et al., a

1992:61) Jika h

adalah

variabel s

random e

diskrit dengan b

pdf , a

maka nilai g

ekspektasi a

dari i

didefinisikan

sebagai b

berikut: e

r
.
i
Jika
k

adalah variabel u
random kontinu
t
dengan pdf
:
, maka nilai

ekspektasi dari
a
didefinisikan
.
sebagai berikut:

sering kali

ditulis dengan atau

.

-
 11 12

adalah konstan,
Kovarians
. maka digunakan
untuk
melihat
b. varians
antara dua
dan adalah variabel
yang
konstan.
. berbeda.

Bukti: Sifat-sifat

Misal adalah c.
kovarians
variabel random
kontinu dengan , jika dan
pdf independen. (dengan

Bukti: adalah

Misal dan variabel konstanta)

random kontinu
independen didefinisikan
Bukti:
sebagai

berikut: a.

Bukti:

Menjabarkan

13

terlebih

dahulu

Bukti: dengan

. (2.25) menggunaka

n persamaan

. (2.30) yaitu:

3. Varians
. (2.29)
Definisi 2.13 4. Kovarians
dan Korelasi
(Bain, et al.,
Definisi 2.14
1992:73) (Bain, et al.,
1992:174)
Varians dari Kovarians dari
pasangan variabel
variabel random

random

didefinisikan

sebagai berikut:
dan
. did
efin . (2.30)
Teorema 2.1 isik
(Bain, et al., an
1992:74) Jika seb
adalah variabel aga
random, maka i
beri
kut:

. Dimana untuk
variabel random
B (2.27) diskrit:
u
kt .
i:
(2.31)

Dan untuk
variabel random
kontinu:

(2.32)

Jika dan independen, didapat:

. (2.33)

.
akar kuadrat dari
Sehingga didapat
varians.

. .
Ukuran (2.2
8)
sebaran yang
Teorema 2.2
sering
(Bain, et al.,
digunakan selain
1992:74) Jika
varians adalah
adalah variabel
standar deviasi
random, dan
yang merupakan
 15 16

Menghitung dan dengan menggunakan persamaan (2.22) yaitu:

. (2.34)

Dan untuk menghitung dan menggunakan persamaan (2.22) yaitu:

. (2.38)

. (2.35)

. (2.39)
. (2.36)

Sehingga untuk membuktikan digunakan

Sehingga untuk membuktikan digunakan persamaan persamaan (2.34), (2.38), dan (2.39) yaitu:
(2.34), (2.35), dan (2.36) yaitu:

. (2.37)

b.

Bukti:

17

. (2.40)

c.

Bukti:

Menjabarkan

terlebih
dahulu dengan
menggunakan
.

persamaan (2.26)

yaitu: Teorema 2.3

(Bain, et al.,

1992:178)
.
Jika dan
dan untuk
menghitung
dengan adalah
menggunakan
persamaan (2.22)
yaitu: variabel

random

. dengan

Sehingga untuk fungsi

membuktikan densitas

probabilitas

digunakan gabungan

persamaan (2.41)

dan (2.42) yaitu:

 15 16

maka dan
dinyatakan
dengan
.
maka
Bukti:

Jika nilai
.
ekspektasi
 19 20

Definisi 2.15 (Johnson, 2002:69) Jika adalah variabel random dengan mean . (2.47)

dan kovarian , vektor random dengan ordo maka ditulis sebagai matriks Variabel random dan dinyatakan tidak berkorelasi jika .
yaitu

Teorema 2.4 (Bain, et al., 1992:178) Jika adalah koefisien korelasi dari dan ,
. (2.45)
maka

(2.48)

Buk

Misalkan

maka,

. (2.46)

adalah varians

i
 19 20

n
J
s
i

k
k
a
o

a
d
r
a
i
n
a

s
a
.
d

a
D
l
e
a
f
h
i

s v

i a

a
2
b
.
e
1
l
6

r
(
a
B
n
a
d
i
o
n
m
,

d
e
e
t
n

a
a
n
l

,
v

r
1
i
9
a
9
n
2
s
:

)
 19 20

d t

a a

n r

a
d
n
a

k d

o a

v l

a a

r h

m K
a
a

n
19 20
 19 20

m suatu titik kritis

a 21 dengan
k untuk masalah
merupakan pengali
nilai ekstrim Lagrange.

terkendala dan Contoh 2.1 (Satu

Definisi 2.19 pengali Lagrange)
yang berpadanan
(Purcell, 2010:456) Sebuah
disebut pengali
Jika ada lebih dari perusahaan
Lagrange,
satu kendala yang memproduksi
diberlakukan pada dengan
dua macam
variabel-variabel merupakan
barang dan ,
suatu fungsi yang vektor gradien
dengan biaya
harus dari dan produksi yang
dimaksimumkan
dirumuskan
merupakan
atau
oleh
diminimumkan,
vektor gradien meminimumkan
maka digunakan
dari biaya, berapa
pengali-pengali
. banyaknya tiap
Lagrange tambahan
macam barang
(satu untuk setiap
yang harus
kendala).
diproduksi jika
Misalkan untuk
memperoleh nilai diketahui jumlah
ekstrim f(x,y,z)
dengan constraint kedua barang
g(x,y,z) = 0 dan
adalah 42 ?
h(x,y,z) maka fungsi
Lagrange untuk Jawab:
memperoleh nilai
ekstrim f(x,y,z) Masalah tersebut
adalah dapat
diformulasikan
. (2.50) sebagai berikut,

Cara dengan constrains

penyelesaiannya atau
adalah
dapat ditulis,
dan constrains
.

Metode ini dapat diperluas untuk n

variabel f(x1, x2, ..., xn) dengan k .
kendala Selanjutnya
dapat
( dibentuk
Definisi 2.17 2 fungsi
(Johnson, . Lagrange
2002:72) Dalam 5 yaitu:
bentuk matriks sert 1
a )
fun
gsi
, anggota La
pada gra .
diagonal di nge (
dalam nya 2
matriks ada .
tersebut lah 5
adalah
2
)

1, karena .

Se , (2.53)
hin
gga
car
a
pen
yel
esa
ian
nya
ada
lah
terhadap

kendala
C. Fungsi
Lagrange

Definisi 2.18

(Purcell, dengan

2010:456) menyelesaikan

Untuk persamaan

memaksimumk dan

an atau
(2.49)
meminimumka
untuk dan . Tiap
n
titik adalah
 23 24

Sehingga nilai dari adalah dengan maka

diperoleh

. (2.58)

Maka diperoleh solusi nilai dan . Contoh 2.2

Jadi biaya produksi minimum apabila jumlah produksi nilai dan . Diketahui keuntungan suatu investasi selama 6 periode. Disajikan dalam tabel:

Periode Tingkat keuntungan

Sedangkan biaya minimumnya adalah .
1 0.20
2 0.25
3 0.30
D. Distribusi Empiris 4 0.20
5 0.30
Definisi 2.20 (Efron, 1993 :31) Sampel random berukuran dari distribusi 6 0.20

probabilitas didefinisikan:

. (2.54) Sehingga diperoleh

Fungsi distribusi empiris didefinisikan sebagai distribusi diskrit dengan dengan

probabilitas untuk setiap , . Dengan kata lain, membentuk

dengan
himpunan pada ruang sampel dengan probabilitas empiris:

dengan
. (2.55)

maka nilai dari .

dapat dipandang sebagai proporsi dari sampel . Distribusi

empiris memberikan probabilitas dalam setiap hasil pelemparan. Dimana

E. Metode Bootstrapping
terdapat hasil pelemparan yang muncul berulang-ulang yang dinyatakan sebagai
Metode simulasi Bootstraping bebas dari asumsi distribusi normal dan

vektor dari peluang hasil percobaan yaitu , , maka distribusi statistika lainnya (Efron, 1993:5). Teknik penarikan sampel metode

. (2.56) Bootstrapping adalah dengan pengembalian dari sebuah sampel asli. Sampel asli

merupakan sampel yang diperoleh dari hasil observasi yang diperlakukan seolah-
Distribusi empiris adalah daftar nilai-nilai yang diperoleh dari sampel
olah sebagai populasi. Nama Bootstrap sendiri diambil dari sebuah frase “Pull up by
, dengan proporsi waktu pada masing-masing kejadian.
your own Bootstrap” yang artinya bergantunglah pada sumbermu sendiri. Dalam hal
. (2.57)
ini, metode Bootstrapping bergantung pada sampel yang merupakan satu-satunya

25 26

sumber yang dimiliki seorang peneliti. Dalam kasus dimana serangkaian pengamatan bank misalnya, mempunyai tujuan untuk memperoleh return yang lebih tinggi di atas

dapat diasumsikan dari independen dan terdistribusi secara identik, hal ini dapat biaya investasi yang dikeluarkan. Mereka biasanya lebih menyukai investasi pada

diimplementasikan dengan membangun sejumlah resamples dari data set yang aset yang mudah diperdagangkan ataupun pada penyaluran kredit yang lebih berisiko

diamati (dan ukuran sama dengan data set yang diamati), yang masing-masing tetapi memberikan harapan return yang tinggi.

diperoleh random sampling dengan penggantian dari data set asli. 2. Penentuan kebijakan investasi

Tahap kedua ini merupakan tahap penentuan kebijakan untuk memenuhi

F. Investasi tujuan investasi yang telah ditetapkan. Tahap ini dimulai dengan penentuan

Investasi adalah komitmen atas sejumlah dana atau sumber daya lainnya yang keputusan alokasi aset (aset allocation decision). Keputusan ini menyangkut

dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa pendistribusian dana yang dimiliki pada berbagai klas-klas aset yang tersedia

datang. Seorang investor membeli sejumlah saham saat ini dengan harapan (saham, obligasi, real estat ataupun aset luar negeri). Investor juga harus

memperoleh keuntungan dari kenaikan harga saham ataupun sejumlah dividen di memperhatikan berbagai batasan yang mempengaruhi kebijakan investasi seperti

masa yang akan datang, sebagai imbalan atas waktu dan risiko yang terkait dengan seberapa besar dana yang dimiliki dan porsi pendistribusian dana tersebut serta

investasi tersebut (Tandelilin, 2001:3). beban pajak dan pelaporan yang harus ditanggung.

Proses keputusan investasi merupakan proses keputusan yang berkesinambungan ( on 3. Pemilihan strategi portofolio

going process). Proses keputusan investasi terdiri dari lima tahap keputusan yang Strategi portofolio yang dipilih harus konsisten dengan dua tahap

berjalan terus menerus sampai tercapai keputusan investasi terbaik. Tahap-tahap sebelumnya. Ada dua strategi portofolio yang bisa dipilih, yaitu strategi portofolio

keputusan investasi meliputi lima tahap keputusan, yaitu: aktif dan strategi portofolio pasif. Strategi portofolio aktif meliputi kegiatan

1. Penentuan tujuan investasi penggunaan informasi yang tersedia dan teknik-teknik peramalan secara aktif untuk

Tahap pertama dalam proses keputusan investasi adalah menentukan tujuan mencari kombinasi portofolio yang lebih baik. Strategi portofolio pasif meliputi

investasi yang akan dilakukan. Tujuan investasi masing-masing investor bisa berbeda- aktifitas investasi pada portofolio yang seiring dengan kinerja indeks pasar. Asumsi

beda tergantung pada investor yang membuat keputusan tersebut. Misalnya, lembaga strategi pasif ini adalah bahwa semua informasi yang tersedia akan diserap pasar dan

dana pensiun yang bertujuan untuk memperoleh dana untuk membayar dana pensiun direfleksikan pada harga saham.

nasabahnya di masa depan mungkin akan memilih investasi pada portofolio reksadana 4. Pemilihan aset

karena merupakan investasi bersama dalam bentuk suatu efek portofolio yang Setelah stategi portofolio ditentukan, tahap selanjutnya adalah pemilihan aset-

terdiversifikasi. Sedangkan bagi institusi penyimpanan dana seperti aset yang akan dimasukkan dalam portofolio. Tahap ini memerlukan
 27 28

pengevaluasian setiap aset yang ingin dimasukkan dalam portofolio. Tujuan tahap ini harga dari harga awal dan return merupakan salah satu faktor yang memotivasi

adalah untuk mencari kombinasi portofolio yang efisien, yaitu portofolio yang investor dalam berinvestasi (Ruppert, 2001:23).

menawarkan return yang diharapkan yang tertinggi dengan tingkat risiko tertentu 1. Net Return

atau sebaliknya menawarkan return yang diharapkan tertentu dengan tingkat risiko Jika seseorang menginvestasikan dananya pada waktu pada suatu aset

terendah. dengan harga dan harga pada waktu selanjutnya (misalnya periode satu hari atau

5. Pengukuran dan evaluasi kinerja portofolio satu minggu atau satu bulan) adalah , maka net return pada periode dan

Tahap ini merupakan tahap paling akhir dari proses keputusan investasi.
adalah . Net return dapat digambarkan sebagai pendapatan relatif
Meskipun demikian, adalah salah kaprah jika kita langsung mengatakan bahwa tahap
atau tingkat keuntungan (profit rate).
ini adalah tahap terakhir, karena sekali lagi, proses keputusan investasi merupakan
Secara umum, net return antara periode sampai adalah sebagai berikut:
proses berkesinambungan dan terus menerus. Artinya, jika tahap pengukuran dan
. (2.59)
evaluasi kinerja telah dilewati dan ternyata hasilnya kurang baik, maka proses
dimana = net return
keputusan investasi harus dimulai lagi dari tahap pertama, demikian seterusnya

sampai dicapai keputusan investasi yang paling optimal. Tahap pengukuran dan = harga investasi pada saat

evaluasi ini meliputi pengukuran kinerja portofolio dan pembandingan hasil

= harga investasi pada saat
pengukuran tersebut dengan kinerja portofolio lainnya melalui proses benchmarking.
Pendapatan dari kepemilikan suatu aset adalah
Proses benchmarking ini biasanya dilakukan terhadap indeks portofolio pasar, untuk

mengetahui seberapa baik kinerja portofolio yang telah ditentukan dibanding kinerja
Misalnya, suatu investasi awal bernilai Rp 10.000.000,00 dan suatu net return adalah
portofolio lainnya (portofolio pasar) (Tandelilin, 2001:3).
0.07, maka pendapatan yang diperoleh adalah Rp 10.000.000,00 0.07 = Rp

G. Return 700.000,00.

Tujuan dari investor dalam melakukan investasi adalah untuk memperoleh

pendapatan di masa mendatang. Pendapatan atau kerugian yang didapat dalam 2. Gross Return

berinvestasi tergantung pada perubahan harga dari jumlah aset yang dimiliki. Para Pada net return, return dapat bernilai positif maupun negatif tetapi pada gross

investor tertarik dengan pendapatan yang relatif besar terhadap besar investasi awal. return nilainya positif. Gross return, , didefinisikan sebagai berikut:

Return mengukur pendapatan itu, karena return dari suatu aset adalah perubahan . (2.60)

Misalnya, dan , maka dan atau 5%.

29
30

3. Log Return
.
Log return
Retur
atau disebut juga
n rata-rata
sebagai
kemudian
continuously
digunakan
compounded
untuk
returns,
mengestimas
dinotasikan
i varians
dengan , dan
tiap periode
didefinisikan
yaitu kuadrat
sebagai berikut:
standar
.
deviasi per
(2.61)
periode yaitu
dengan
sebagai
pada pembahasan
beikut:
log return ini,
, (2.64

disebut varians
berarti logaritma
per periode
natural dari
karena besarnya
,
tergantung
sehingga return
waktu ketika
dapat juga
return diukur.
dinotasikan
Akar dari
sebagai berikut:
varians (standar

deviasi)
 27 28

merupakan dari harga

.
estimasi risiko saham yaitu:
(2.65)
. (2.62) standar deviasi.
Standar deviasi
Semakin besar tahunan
(volatilitas
nilainya, berarti tahunan) dapat
H. Risiko
diestimasi sebagai
semakin besar berikut:
Secara

umum, risiko penyimpanganny

.
adalah tingkat a (berarti
(2.66)
ketidakpastian risikonya
dimana:
akan terjadinya semakin tinggi)

sesuatu atau (Halim, 2005:42). = standar

deviasi tahunan
tidak Jika
= jumlah
terwujudnya terdapat (banyak hari
perdagang
sesuatu tujuan, observasi) return, an.

pada suatu kurun maka ekspektasi

atau periode return dapat I. Portofolio

waktu tertentu diestimasi dengan Portofoli

(time period). menghitung rata- o merupakan

Dalam rata sampel kombinasi atau

konteks (mean) return gabungan atau

manajemen yaitu: sekumpulan

investasi, risiko aset, baik

merupakan berupa aset riil

besarnya maupun aset

penyimpangan finansial yang

antara tingkat dimiliki oleh

pengembalian investor.

yang diharapkan Hakikat

(expected pembentukan

return/ER) portofolio

dengan tingkat adalah untuk

pengembalian mengurangi

actual (actual risiko dengan

return). cara

Semakin besar diversifikasi,

penyimpanganny yaitu

a berarti semakin mengalokasikan

besar tingkat sejumlah dana

risikonya. pada berbagai

Apabila alternatif

risiko dinyatakan investasi yang

sebagai seberapa berkorelasi

jauh hasil yang negatif.

diperoleh dapat Suatu

menyimpang portofolio

dari hasil yang dikatakan

diharapkan, efisien apabila

maka digunakan portofolio

ukuran tersebut ketika

penyebaran dibandingkan

untuk mengukur dengan

risiko. Alat portofolio lain

statistik yang memenuhi

digunakan untuk kondisi berikut:

sebagai ukuran 1. Memberikan

ER (Expected
Return)
penyebaran terbesar
dengan risiko
tersebut adalah yang sama,
atau
varians atau
 31 32

2. Memberikan risiko terkecil dengan ER yang sama (Halim, 2005:54). adalah independen. Ini berarti bahwa rate of return untuk satu aset tidak

Untuk membentuk portofolio yang efisien, asumsi perilaku investor yang terpengaruhi oleh rate of return aset yang lainnya, maka standar deviasi yang

wajar cenderung menghindari risiko (risk averse). Investor yang risk averse adalah mewakili risiko dari portofolio dapat dituliskan sebagai berikut:

investor yang jika . (2

.6
dihadapkan pada 7)
d
dua investasi e
n
dengan expected g
a
return yang sama n

dan risiko yang =

r
berbeda, maka ia
i
s
akan memilih i
k
investasi dengan o

tingkat risiko p
o
yang lebih r
t
rendah. Jika o
f
seorang investor o
l
i
memiliki o
beberapa pilihan
= standar
portofolio deviasi aset

efisien, maka
= jumlah aset
portofolio

optimal-lah yang

akan dipilihnya

(Abdurrakhman,

2007:42).

J. Diversifikasi memutuskan
Portofolio
untuk melakukan
Untuk
diversifikasi ada
menurunkan
beberapa
risiko portofolio,
permasalahan
investor perlu
yang perlu
melakukan
diperhatikan.
diversifikasi.
Salah satu
Diversifikasi
permasalahan
dalam pernyataan
yang sering terjadi
tersebut bisa
ketika melakukan
bermakna bahwa
diversifikasi
investor perlu
adalah penentuan
membentuk
atau pemilihan
portofolio
sejumlah aset-aset
sedemikian rupa
spesifik tertentu
hingga risiko
dan penentuan
portofolio dapat
proporsi dana
diminimalkan
yang akan
tanpa mengurangi
diinvestasikan
return yang
untuk masing-
diharapkan.
masing aset
Mengurangi
tersebut dalam
risiko tanpa
portofolio. Untuk
mengurangi
menghindari
return adalah
permasalahan
tujuan investor
tersebut investor
dalam
harus bisa
berinvestasi
memilih cara
(Tandelilin,
melakukan
2001:60).
diversifikasi yang
Namun,
tepat, antara lain
ketika investor
 31 32

(Jogiyanto, jumlah aset

2. Diversifikasi =
2010:279) secara = stan
random dar
1. Diversifikasi variansi devi
dengan dari asi
Diversif
banyak tingkat mas
aktiva keuntunga ing-
ikasi secara mas
n
Sesuai portofolio ing
random aset
hukum statistik
(random atau
bahwa semakin
naive
besar ukuran
diversification)
sampel, semakin
merupakan
dekat nilai rata-
pembentukan
rata sampel
portofolio
dengan nilai
dengan memilih
ekspektasi dari DAFTAR PUSTAKA
aset-aset secara
populasi.
acak tanpa
Asumsi yang Abdurr
memperhatikan a
digunakan k
karakteristik h
adalah bahwa m
dari investasi a
n
tingkat hasil
yang relevan .
(rate of return)
seperti
untuk masing- 2
misalnya return 0
0
masing aset
dari aset itu 7
.
secara statistik
sendiri. Investor

hanya memilih B
u
secara acak. k
u

3. Diversifikasi A
secara j
Markowitz a
r
Dengan

menggunakan P
e
metode mean- n
g
variance dari a
n
t
Markowitz,
a
r
aset-aset yang

mempunyai
S
t
korelasi lebih
a
t
kecil dari +1 i
s
akan t
i
menurunkan k
a
risiko

portofolio, K
e
sehinggan u
a
semakin banyak n
g
aset yang a
n
dimasukkan ke .

dalam
Y
portofolio, o
g
semakin kecil y
a
k
risiko
a
r
portofolio.
t
a
Untuk sejumlah :

aset mendekati
U
tak berhingga, n
i
risiko dari v
e
portofolio r
s
adalah: i
t
a
. s

dimana =
 31 32

G l
a a
j n
a g
h g
a
.
M
a Bain, L
d J
a
.
&
Anton,
H
E
n
& g
e
l
R h
o a
s r
s d
e t
s ,
,

M
C .
.

1
2 9
0 9
0 2
4 .
.

I
A n
l t
j r
a o
b d
a u
r c
t
i
o
L
n
i
n
e
a t
r o

E P
l r
e o
m b
e a
n b
t i
e l
r i
. t
y

V
e a
r n
s d
i

M
A a
p t
l h
i e
k m
a a
s t
i i
. c
a
l
E
d
i S
s t
i a
t
i
s
k
t
e
i
d
c
e
s
l
.
a
p
a
n S
. e
c
o
n
J
d
a
k
a
r E
t d
a i
: t
i
o
n
E
.
r
 31 32

p
m
C a
a n
l
i
f &
o
r
n H
i a
a l
: l
,

D
u I
x n
b c
u .
r
y H

a
P
r l
e
s i
s
. m

Efron, ,
B

& A

.
T
i
b
s 2
h
i 0
r
a 0
n
i 5
,
.

A
R
. n

a
1
9 l
9
3 i
.
s

A i
n
s

I
n
t I
o
d n
u
c v
t
i e
o
n s

t
t
o a

s
t
h i
e
.

B
o
o E
t
s d
t
r i
a
p s
.
i

N
e
w k

e
Y
o d
r
k u
:
a

C .
h
a
 31 32

J a

a n

a A

r n

t a

a l

: i

S i

a s

e I

m n

b v

a e

E t

m a

p s

a i

t .

J d

o i

g s

i i

a k

n e

t t

o u

. j

2 h

0 .
Yogyakarta: BPFE.
1
Johnson, R A & Wichern, D W. 2002. Applied Multivariate Statistical Analysis.
0 Fifth Edition. New Jersey. Prentice-Hall Inc.

. Jorion, P. 2007. Value at Risk: The New Benchmark Managing Financial Risk.
Third Edition. New York: The Mc Graw-Hill Companies.

Purcell,
T E

e
J
o

r
&
i

V
a
P r
b
o e
r
r g
,
t

o D
.
f

o
2
l 0
1
i 0
.
o

K
a
d l
 31 32

k
u
l N
u e
s w

d Y
a o
n r
k
:
G
e
S
o
p
m r
e i
t n
r g
i e
r
.
A
n Tandelilin, E. 2007. Analisis Investasi dan Manajemen Portofolio. Edisi Pertama.
a Yogyakarta: BPFE.
l
i History
t c
i a
l
s
.
P
r
i
J c
a e
k
a P
r T
t .
a
: G
u
d
a
E n
r g
l
a G
n a
g r
g a
a m
.
T
Rupper b
t k
,
t
a
D h
. u
n

2
2
0
0
1
0
2
1
,
.
U
R
E L
m :
p
i w
r w
i w
c .
a y
l a
h
o
M o
e f
t i
h n
o a
d n
s c
e
.
i c
n o
m
,
F
i d
n i
a a
n k
c s
i e
a s
l
p
a
d
E
a
n
g
2
i
4
n
e
O
e
k
r
t
i
o
n
b
g
e
.
 31 32

2
0 63
1
3
.

History
c
a
l

P
r
i
c
e

P
T
.

I
n
d
o
f
o
o
d

S
u
k
s
e
s

M
a
k
m
u
r

T
b
k

t
a
h
u
n

2
0
1
2
,

U
R
L
:

w
w
w
.
y
a
h
o
o
f
i
n
a
n
c
e
.
c
o
m
,

d
i
a
k
s
e
s

p
a
d
a

2
4

O
k
t
o
b
e
r

2
0
1
3
.