PENGUKURAN RISIKO

TEORI PROBABILITAS
DERAJAT RISIKO
VALUE AT RISK

PRODI TEKNIK INDUSTRI

UNIVERSITAS SAHID SURAKARTA
2021 1
TEORI PROBABILITAS

2
 PENGUKURAN RISIKO
TUJUAN PENGUKURAN RISIKO :
• NILAI RATA-RATA DARI KERUGIAN SELAMA SUATU
PERIODE ANGGARAN
• VARIASI NILAI KERUGIAN DARI SATU PERIODE
ANGGARAN KE PERIODE ANGGARAN YANG LAIN
• DAMPAK KESELURUHAN DARI KERUGIAN-KERUGIAN
TERSEBUT, TERUTAMA KERUGIAN YANG DITANGGUNG
SENDIRI
3
DIMENSI YANG DIUKUR:
• BESARNYA KEMUNGKINAN KEJADIAN
• BESARNYA KERUGIAN BILA SUATU
RISIKO TERJADI

4
 KONSEP PROBABILITAS DALAM
PENGUKURAN KERUGIAN
POTENSIAL
• SAMPLE SPACE DAN EVENT
• SAMPLE SPACE (SET S):
• SUATU RANGKAIAN DARI KEJADIAN TERTENTU YANG DIAMATI,
MISALNYA JUMLAH KECELAKAAN MOBIL DI WILAYAH TERTENTU
SELAMA PERIODE TERTENTU.
• BISA TERDIRI DARI BEBERAPA SEGMEN (SUB-SET) ATAU EVENT (SET E)
• SETIAP SET E DIBERI BOBOT. BOBOT BERDASARKAN BUKTI EMPIRIS
MASA LALU.
5
MISAL PADA KECELAKAAN MOBIL, MOBIL PRIBADI DIBERI BOBOT
2, SEDANGKAN MOBIL PENUMPANG UMUM DIBERI BOBOT 1,
SEHINGGA BOBOTNYA
• BILA TANPA BOBOT P (E) = E/S
• BILA DENGAN BOBOT P (E) = W (E)/W (S)

• P(E) : PROBABILITAS TERJADINYA EVENT

• E : SUB SET ATAU EVENT
• S : SAMPLE SPACE ATAU SET
• W : BOBOT DARI MASING-MASING EVENT
6
CONTOH :
• SEORANG KONTRAKTOR DIMINTA UNTUK MEMBANGUN
SEBUAH GEDUNG. APABILA SEGALA SESUATU BERJALAN
DENGAN BAIK, MAKA IA AKAN MENDAPATKAN
KEUNTUNGAN SEBESAR RP 10.000.000.
• KARENA MENYADARI SELALU ADANYA HAL-HAL YANG
TIDAK TERDUGA, MAKA PROBABILITAS UNTUK
MENDAPATKAN KEUNTUNGAN TERSEBUT DIPERKIRAKAN
HANYA 80%, DIMANA YANG 20% ADALAH
PENGELUARAN TAK TERDUGA. 7
• DARI DATA ITU, PIHAK KONTRAKTOR
DAPAT MEMPERTIMBANGKAN
KESEMPATAN-KESEMPATAN ATAU
KEMUNGKINAN-KEMUNGKINAN LAIN
SEHUBUNGAN DENGAN PERPUTARAN,
MISALNYA.
• BISA JUGA DENGAN MENGALIHKAN KE
PIHAK LAIN, MISAL PERUSAHAAN
ASURANSI
8
 Expected Value of Contract

Probabilitas Hasil Expected Value

80% + Rp 10.000.000 Rp 8.000.000

20 % - Rp 10.000.000 Rp 2.000.000
100% Rp 6.000.000

9
COMPOUND EVENTS
• TERJADINYA DUA ATAU LEBIH PERISTIWA
TERPISAH DALAM JANGKA WAKTU YANG
SAMA

COMPOUND EVENT YANG BEBAS

• JIKA TERJADINYA SATU PERISTIWA TIDAK ADA
HUBUNGANNYA DENGAN PERISTIWA LAIN

COMPOUND EVENT BERSYARAT

• JIKA TERJADINYA PERISTIWA YANG SATU
MEMPENGARUHI TERJADINYA PERISTIWA YANG
LAIN 10
CONTOH COMPOUND EVENT YANG BEBAS
• PROBABILITAS TERBAKARNYA GUDANG A TIDAK
DIPENGARUHI OLEH TERBAKARNYA GUDANG B.
BILA PROBABILITAS TERBAKARNYA GUDANG A
ADALAH 1/10 DA GUDANG B ADALAH 1/30, MAKA
PROBABILITAS TERBAKARNYA GUDANG A DAN
GUDANG B ADALAH
• 1/10 X 1/30 = 1/300
• JADI, P (A DAN B) = P (A) X P (B)
11
PROBABILITAS DARI SEMUA KEMUNGKINAN KEJADIAN ADALAH
• KEMUNGKINAN I:
• GUDANG A TERBAKAR DAN GUDANG B TIDAK TERBAKAR ADALAH
(1/10) X(1-1/30) = 29/300
• KEMUNGKINAN II:
• GUDANG A TIDAK TERBAKAR, TETAPI GUDANG B TERBAKAR ADALAH
(1-1/10) X (1/30) = 9/300
• KEMUNGKINAN III:
• GUDANG A DAN GUDANG B TIDAK TERBAKAR ADALAH
• (1-1/10) X (1-1/30) = 261/300
• KEMUNGKINAN IV:
• GUDANG A DAN GUDANG B TERBAKAR ADALAH (1/10) X (1/30)
=1/300

• JUMLAH PROBABILITAS KEEMPAT KEMUNGKINAN KEJADIAN TERSEBUT 12

ADALAH 300/300 = 1
CONTOH COMPOUND EVENT BERSYARAT

• PERUSAHAAN Y MEMPUNYAI DUA GUDANG YANG

BERDEKATAN, YAITU A DAN B. KEBAKARAN PADA GUDANG
A AKAN MEMPENGARUHI GUDANG B.
• BILA PROBABILITAS TERBAKARNYA GUDANG A ADALAH
1/40 DAN PROBABILITAS TERBAKARNYA GUDANG B JUGA
1/40, SERTA PROBABILITAS TERBAKARNYA GUDANG B
SETELAH GUDANG A TERBAKAR ATAU P(B/A) ADALAH
1/3,MAKA PROBABILITASNYA

13
PROBABILITAS
• KEMUNGKINAN I:

• GUDANG A TERBAKAR DAN GUDANG B TERBAKAR ADALAH (1/40) X(1/3) =

1/120
• KEMUNGKINAN II:
• GUDANG A TERBAKAR, TETAPI GUDANG B TIDAK TERBAKAR ADALAH 1/40 X (1-
1/3) = 2/120

• KEMUNGKINAN III:
• GUDANG A TIDAK TERBAKAR DAN GUDANG B TERBAKAR ADALAH
• (1-1/40) X 1/3 = 39/120

• KEMUNGKINAN IV:
• GUDANG A TIDAK TERBAKAR DAN GUDANG B TIDAK TERBAKAR ADALAH (1-1/40)
X (1-1/3) = 78/120
JUMLAH PROBABILITAS KEEMPAT KEMUNGKINAN KEJADIAN TERSEBUT ADALAH 14

120/120=1
• EVENT YANG INDEPENDEN DAN ACAK

• PRINSIP KEACAKAN (SETIAP EVENT MEMPUNYAI KESEMPATAN DAN

PROBABILITAS YANG SAMA) DAN INDEPENDENSI/ BERDIRI SENDIRI
MEMPUNYAI PERAN YANG PENTING,KHUSUSNYA PADA BIDANG
ASURANSI, KARENA:

• UNDERWRITER/ PERUSAHAAN ASURANSI AKAN BERUSAHA UNTUK

MENGKLASIFIKASIKAN UNIT-UNIT ESPOSURES KE DALAM KELOMPOK-
KELOMPOK, DI MANA KEJADIAN ATAU KERUGIAN DAPAT DIANGGAP
SEBAGAI EVENT YANG INDEPENDEN.
15
PENGUKURAN BESARNYA KERUGIAN
• PENGUKURAN SEBAIKNYA DILAKUKAN DENGAN
MENGGUNAKAN SATUAN UANG
• DALAM HAL TERTENTU KADANG-KADANG JUGA DIGUNAKAN
SKALA, MISAL SKALA 1-5
• 1 : KERUGIAN YANG SANGAT KECIL
• 2 : KERUGIAN YANG KECIL
• 3 : KERUGIAN MENENGAH
• 4 : KERUGIAN BESAR
• 5 : KERUGIAN SANGAT BESAR

16
• KEMUNGKINAN TERJADI KECELAKAAN (LIKELIHOOD)
• LIKELIHOOD : KESEMPATAN AKAN TERJADINYA SESUATU
BENAR-BENAR TERJADI
• KATEGORI LIKELIHOOD:
• VERY LIKELY : MUNGKIN TERJADI BERKALI-KALI
• LIKELY : MUNGKIN TERJADI KADANG-KADANG
• UNLIKELY : MUNGKIN TERJADI, TETAPI JARANG
• HIGHLY UNLIKELY : MUNGKIN TERJADI TETAPI SANGAT
TIDAK MUNGKIN PERNAH TERJADI

17
UNTUK MENGEVALUASI LIKELIHOOD KECELAKAAN, FAKTOR
YANG MEMODIFIKASI KATEGORI TERSEBUT ADALAH
ANCAMAN:
• VERY RARE : SEKALI DALAM SETAHUN ATAU KURANG
• RARE : BEBERAPA KALI DALAM SETAHUN
• UNUSUAL : SEKALI DALAM SETAHUN
• OCCASIONAL : SEKALI SEMINGGU
• FREQUENT : SETIAP HARI
• CONTINUOUS : TERUS MENERUS

18
• CONTOH : MESIN PENCETAK LUBANG BESI
• OPERATORNYA MENGHADAPI RISIKO CEDERA/
KECELAKAAN SATU KALI DALAM 34,75 MINGGU.
ANCAMAN RISIKONYA “VERY RARE” TETAPI
“LIKELIHOOD” (VERY LIKELY) TERJADI KECELAKAAN
(CEDERA) HAMPIR PASTI TERJADI KESALAHAN→
PENGENDALIAN

19
KONSEKUENSI/ AKIBAT KEJADIAN:
▪ FATAL :
KEMATIAN
▪ MAJOR INJURIES :
KERUGIAN LUKA-LUKA YANG TIDAK DAPAT DIUBAH ATAU GANGGUAN
KESEHATAN YANG MEMBUTUHKAN WAKTU LAMA DALAM PERBAIKAN
▪ MINOR INJURIES :
LUKA-LUKA BISA DIUBAH, ATAU GANGGUAN KESEHATAN HANYA DALAM
HITUNGAN HARI
▪ NEGLIGIBLE INJURIES :
CUKUP DENGAN PERTOLONGAN PERTAMA DAPAT KEMBALI BERFUNGSI
SEPERTI BIASA

20
Qonsequence Likelihood
Very Likely Likely Unlikely Highly Unlikely
Fatality HIGH HIGH HIGH MEDIUM
Major injuries HIGH HIGH MEDIUM MEDIUM
Minor injuries HIGH MEDIUM MEDIUM LOW
Negligible MEDIUM MEDIUM LOW LOW
Injuries

21
• SETIAP KEJADIAN MERUGIKAN, TERDAPAT DAMPAK
LANGSUNG DAN TIDAK LANGSUNG
• UNTUK KERUGIAN LANGSUNG, TERDAPAT BEBERAPA
KONSEP YANG DAPAT DIGUNAKAN:NILAI PEROLEHAN, NILAI
BUKU, NILAI PASAR DAN NILAI GANTI
• UNTUK KERUGIAN TIDAK LANSUNG, ANTARA LAIN BERUPA
BIAYA SEWA DAN BERKURANGNYA PENDAPATAN (SEBAGIAN
KERUGIAN LANGSUNG SANGAT SULIT DITENTUKAN)

22
DERAJAT RISIKO

23
BESARNYA RISIKO OBJEKTIF YANG TIMBUL DALAM SATU SITUASI

• PROBABLE VARIATION OF ACTUAL

FROM EXPECTED LOSSES
• OBJECTIVE RISK = ----------------
• EXPECTED LOSSES

• SIMPANGAN KEMUNGKINAN
KERUGIAN AKTUAL DENGAN
KERUGIAN YANG DIHARAPKAN
• OBJECTIVE RISK = ----------------
• KERUGIAN YANG DIHARAPKAN

24
• MISAL :
• KEMUNGKINAN KERUGIAN KARENA
KEBAKARAN BANGUNAN DI KOTA ABC
DAN XYZ DENGAN JUMLAH BANGUNAN
SETIAP KOTA 100.000.
• RATA-RATA BANGUNAN TERBAKAR SETIAP
TAHUN PADA TIAP KOTA ADALAH 100 Risiko ABC
BANGUNAN. (105-95)/100 = 10 %
• AHLI STATISTIK MENGESTIMASI JUMLAH
Risiko XYZ
KEBAKARAN PADA KOTA ABC TAHUN (120-80)/100 = 40 %
DEPAN ADALAH 95-105 BANGUNAN.
KISARAN PADA KOTA XYZ 80-120
• MAKA, DERAJAT BANGUNAN TERBAKAR
PADA MASING –MASING KOTA ADALAH

25
VALUE AT RISK

26
 VALUE AT RISK
• ADA TIGA METODE PERHITUNGAN
VALUE AT RISK YAITU:

• METODE HISTORIS
• METODE VARIANCE-COVARIANCE
• METODE DENGAN SIMULASI MONTE
CARLO.

27
• SEKARANG ISTILAH STATISTIK
KITA NYATAKAN DALAM
PERSENTASE DAN RUPIAH :
• DENGAN TINGKAT
KEPERCAYAAN 95%, KITA
BERHARAP KERUGIAN
HARIAN TERBURUK TIDAK
AKAN MELEBIHI 4%.
• JIKA KITA INVESTASI SEBESAR
RP. 100 JUTA, KITA PERCAYA
95% BAHWA KERUGIAN
HARIAN TERBURUK TIDAK
AKAN MELEBIHI RP. 4 JUTA
(RP. 100 JUTA X -4%).
Jika kita ingin menaikkan
tingkat kepercayaan, kita
perlu memindahkan ke
kiri pada grafik histogram
yang sama. Pada return -
8% dan -7% merupakan
1% return terburuk harian
atau dinyatakan dalam
kalimat :
Dengan tingkat kepercayaan 99%,
kita berharap bahwa kerugian
ahrian terburuk tidak akan
melebihi 7%.
Atau jika kita investasi Rp. 100
juta, kita percaya 99% bahwa
kerugian harian terburuk tidak
akan melebihi Rp. 7 juta. 28
METODE VARIANCE – COVARIANCE
• METODE INI MENGANSUMSIKAN BAHWA RETURN SAHAM
QQQ MEMILIKI DISTRIBUSI NORMAL DENGAN DEMIKIAN KITA
HANYA MEMERLUKAN ESTIMASI DUA FAKTOR YAITU
EXPECTED RETURN (RATA-RATA RETURN) DAN STANDAR
DEVIASI RETURN.
• IDE DIBALIK VARIANCE – COVARIANCE ADALAH SAMA
DENGAN METODE HISTORIS, KECUALI KITA MENGGUNAKAN
KURVA NORMAL BUKAN DATA ACTUAL.

• KEUNGGULAN KURVA NORMAL, KITA SECARA OTOMATIS

MENGETAHUI DI MANA LETAK 5% ATAU 1% RETURN
TERBURUK DALAM KURVA. BERIKUT INI HASIL
DISTRIBUSI RETURN HARIAN SAHAM QQQ

29
• 5% DAN 1% RETURN TERBURUK MERUPAKAN FUNGSI DARI
TINGKAT KEPERCAYAAN DAN STANDAR DEVIASI (Σ)
• NILAI KEPERCAYAAN 95% MEMBERIKAN NILAI FAKTOR
(CONFIDENCE FACTOR) 1.65 DENGAN ASUMSI
DISTRIBUSI NORMAL, BEGITU JUGA TINGKAT
KEPERCAYAAN 99% MEMBERIKAN NILAI FAKTOR 2.33.
• JIKA DIKETAHUI BAHWA STANDAR DEVIASI DARI
DISTRIBUSI RETURN HARIAN SAHAM QQQ ADALAH
2.645, MAKA BESARNYA VALUE AT RISK DAPAT
DIHITUNG SEPERTI TABEL DIBAWAH INI:

30
 Confidence #of standard
Deviations (σ)

95% (high) -1.65 x σ

99% (really high) -2.33 x σ

Nilai kepercayaan 95% memberikan nilai faktor

(confidence factor) 1.65 dengan asumsi distribusi normal,
begitu juga tingkat kepercayaan 99% memberikan nilai
faktor 2.33.
31
• JIKA DIKETAHUI BAHWA STANDAR DEVIASI DARI DISTRIBUSI RETURN HARIAN SAHAM
QQQ ADALAH 2.645, MAKA BESARNYA VALUE AT RISK DAPAT DIHITUNG SEPERTI
TABEL DIBAWAH INI:

Confidence # of σ Calculation Equals:

95% (high) -1.65 x σ -1.65 x (2.64%) -4.36

99% (really -2.33 x (2.64%) -6.16

high) -2.33 x σ

• DENGAN TINGKAT KEPERCAYAAN 95%, KITA BERHARAP BAHWA KERUGIAN

HARIAN TERBURUK TIDAK MELEBIHI 4.36%
• DENGAN TINGKAT KEPERCAYAAN 99%, KITA BERHARAP BAHWA KERUGIAN
HARIAN TERBURUK TIDAK MELEBIHI 6.16%
32
KONVERSI DARI SATU PERIODE WAKTU
KE PERIODE WAKTU LAINNYA
Karena periode waktu merupakan salah satu variabel untuk
menghitung VaR, maka kita dapat menghitung VaR dengan
periode waktu yang berbed satu bulan atau satu tahun.
Berikut ini adalah ringkasan hasil VaR dengan tiga metode
yang telah kita bahas diatas:

Investment Var Method Standard Time Period Calculated

Deviation VAR
QQQ Historical N/A Daily ~ -4.0%
QQQ Variance 2.64% -6.16%
Covariance Daily
QQQ Monte Carlo N/A Monthly -15%
Simulation

33
• PENGGUNA VAR DAPAT MENGKONVERSIKAN SATU PERIODE
WAKTU KE PERIODE WAKTU LAINNYA DENGAN
MENDASARKAN PADA IDE KLASIK DI ILMU MANAJEMEN
KEUANGAN YANG MENYATAKAN BAHWA STANDAR DEVIASI
RETURN SUATU SAHAM CENDERUNG MENINGKAT SEBESAR
AKAR KUADRAT DARI WAKTU.
JIKA STANDAR DEVIASI RETURN HARIAN ADALAH 2.64% DAN
ADA 20 HARI PERDAGANGAN DALAM SATU BULAN (T = 20),
MAKA STANDAR DEVIASI BULANAN DAPAT DIHITUNG SEBAGAI
BERIKUT:

ΣMOUNTHLY = ΣDAILY X T = 2.64% X 20

34
• UNTUK MENGUBAH STANDAR DEVIASI HARIAN MENJADI
STANDAR DEVIASI BULANAN KITA TIDAK MENGALIKAN
DENGAN ANGKA 20, TETAPI DENGAN AKAR 20.
• DENGAN CARA YANG SAMA JIKA KITA INGIN MERUBAH
STANDAR DEVIASI HARIAN MENJADI TAHUNAN (ASUMSI ADA
250 HARI PERDAGANGAN DALAM SETAHUN), MAKA STANDAR
DEVIASI HARIAN DIKALIKAN DENGAN AKAR 250.
• SEDANGKAN MERUBAH STANDAR DEVIASI BULANAN MENJADI
TAHUNAN DIKALIKAN DENGAN AKAR 12.

35
 QUIZ
INFORMASI APA YANG DIPERLUKAM
BERKENAAN DENGAN DUA DIMENSI RISIKO
YANG PERLU DIUKUR DALAM PENGUKURAN
RESIKO ?

36
TERIMA KASIH

37