MANA JEMEN RISIKO

OLEH:

RAJA CENDANA SEDANA (1807521158)

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
2021
 PEMBAHASAN

1.1. DEFINISI DAN ILUSTRASI RISIKO PASAR

Risiko pasar muncul karena harga pasar bergerak dalam arah yang merugikan organisasi. Risiko
pasar merupakan kondisi yang dialami oleh suatu perusahaan yang disebabkan oleh perubahan kondisi
dan situasi pasar di luar dari kendali perusahaan. Risiko pasar sering disebut juga sebagai risiko yang
menyeluruh, karena sifat umumnya adalah bersifat menyeluruh dan di alami oleh seluruh perusahaan.

Misalnya, suatu perusahaan mempunyai portofolio sekuritas saham yang dibeli dengan harga Rp
1 miliar. Misalkan harga saham jatuh, sehingga nilai pasar saham tersebut turun menjadi Rp 800 juta.

Perusahaan tersebut mengalami kerugian karena nilai portofolio sahamnya turun sebesar Rp 200
juta. Kerugian tersebut disebabkan karena harga saham bergerak kearah yang kurang menguntungkan
(dalam hal ini turun).
1.2. JENIS-JENIS RESIKO PASAR

Risiko pasar secara umum ada 2 (dua) bentuk yaitu :

1.2.1. Specific market risk (risiko pasar secara spesifik)

Specific market risk adalah suatu bentuk risiko yang hanya dialami secara khusus pada
satu sektor atau sebagian bisnis saja tanpa bersifat menyeluruh. Contohnya :

Produk yang dijual oleh perusahaan tersebut dianggap mengandung bahan yang
berbahaya atau bersifat haram. Contoh suatu produk makanan yang mengandung lemak babi.
Secara islam makanan yang mengandung lemak babi haram hukumnya. Ketika hal itu diekspose
oleh media massa baik cetak maupun elektronik akan menyebabkan terjadinya penurunan drastis
pada penjualan produk perusahaan yang berpengaruh pada perusahaan laba perusahaan.

1.2.2. General market risk (risiko pasar secara umum)

General market risk ini di alami oleh seluruh perusahaan yang disebabkan oleh suatu
kebijakan yang dilakukan oleh lembaga terkait yang mana kebijakan tersebut mampu memberi
pengaruh bagi seluruh sektor bisnis.
a) Foreign exchange risk yang merupakan bagian dari money market (pasar keuangan). Jual
beli valas ini memberikan keuntungan dengan konsep pada perolehan angka selisih pada
saat harga beli dan harga jual. Pada pasar valas ini kita dapat menggabungkan mata uang
dalam dua bentuk kategori yaitu :
Hard currencies (mata uang keras) mencakup mata uang yang berasal dari Negara-
negara yang memiliki tingkat kestabilan moneter tinggi atau biasanya berasal dari
Negara maju dan sering berbagai pihak menjadikan mata uang Negara tersebut sebagai
ukuran dalam mengkonversikan dengan mata uang negaranya
Soft curriencies ( mata uang yang lembut) adalah jenis mata uang yang diterbitkan
oleh suatu Negara namun jarang dipakai sebagai standar acuan dalam transaksi pasar
bisnis internasional, dengan alasan dianggap belum memiliki nilai kelayakan.
 b) Interest rate risk /Risiko suku bunga adalah risiko yang di alami akibat dari perubahan suku
bunga yang terjadi di pasaran yang mampu memberi pengaruh bagi pendapatan perusahaan.
Untuk pembahasan yang lebih dalam tentang interest rate risk ini dapat dilihat pada bab
khusus membahas tentang risiko suku bunga.
c) Commodity position risk / Risiko perubahan nilai komoditi adalah suatu siuasi dan kondisi
dimana terjadinya kerugian akibat perubahan harga barang komoditi di pasar yang
disebabkan oleh faktor-faktor tertentu, dimana kondisi ini akan semakin parah pada saat
barang komoditi tersebut telah terikat kontrak dalam suatu kontrak perjanjian (commodity
contrack) serta informasi tersebut telah sampai ke pasar.
d) Equity position risk / Risiko perubahan kekayaan adalah suatu kondisi dimana kekayaan
perusahaan (stock and share) mengalami perubahan dari biasanyan sehingga perubahan
tersebut memberi dampak pada keuntungan dan kerugian karyawan.

e) Politic risk / Stabilitas politik adalah sesuatu sangat penting bagi suatu Negara. Stabilitas
politik menjanjikan terciptanya pembangunan yang berkelanjutan, namun jika pemimpin
dan pihak terkait di suatu Negara tidak mampu menciptakan iklim kondusif dalam bidang
politik maka artinya seluruh pemimpin dan aparatur di Negara tersebut tidak memiliki
semangat kemimpinan.

1.3. METODE PENGUKURAN RISIKO PASAR : DEVIASI DAN VAR

1.3.1. Deviasi Standar

Jika kita membicarakan distribusi normal, kita hanya memerlukan dua parameter yaitu
nilai rata-rata (atau disebut juga sebagai nilai yang diharapkan) dan deviasi standarnya. Dengan
dua parameter tersebut, kita bisa melakukan banyak hal seperti menghitung probabilitas nilai
tertentu.

= nilai rata-rata
Bagan di atas menggambarkan kurva normal yang berbentuk seperti bel. Kurva tersebut
berbentuk simetris, dimana sisi kanan merupakan cerminan sisi kiri. Deviasi standar dipakai
untuk menghitung penyimpangan dari nilai rata-rata. Semakin besar deviasi standar, semakin
besar penyimpangan. Penyimpangan dipakai sebagai indikator risiko. Semakin besar
penyimpangan, semakin besar risiko.

Perhitungan deviasi standar bisa digunakan formula sebagai berikut ini.

E(R) = ∑ Ri / N
σR2 = ∑ (Ri – E(R))2 / (N – 1)
σR = (σR2 ) ½
Contoh Soal :
Misalkan kita melakukan pengamatan tingkat keuntungan aset A dan B selama 10 bulan terakhir.
Tingkat keuntungan tersebut bisa dilihat pada kolom (2) dan kolom (3) pada tabel.

Tingkat keuntungan rata-rata untuk aset A adalah sebagai berikut :

E(R A) = ∑ Ri / N

= (3+2+4,5+3+4+5,2+3,5+4,25+4+5) / 10 = 3,845%
Perhitungan deviasi standar dimulai dari perhitungan varian. Varian bisa dihitung sebagai
berikut ini :
σR2 = ∑ (R A – E(R A))2 / (N – 1)

= ( 8,76225 ) / (10-1)

= 0,973583

σA = (0,973583)½

= 0,9867%
Dengan cara yang sama tingkat keuntungan rata-rata dan deviasi standar untuk aset B
bisa dihitung, dan hasilnya adalah :

E(RB) = 4,15%

σB = 1,8265%

Karena deviasi standar untuk aset B lebih besar dibandingkan aset A, maka dapat
dikatakan bahwa risiko B lebih besar dibandingkan dengan risiko A.

Jika kita menggunakan probabilitas, maka deviasi standar bisa dihitung dengan formula
sebagai berikut :
E(R) = ∑ pi Ri
σR2 = ∑ pi (Ri – E(R))2
σR = (σ R 2 ) ½
1.3.2. VAR (VALUE AT RISK)

Value At Risk (VAR) mengembangkan lebih lanjut konsep kurva normal seperti yang
telah dibicarakan di muka, untuk menjawab pertanyaan sebagai berikut ini ’Jika besok adalah
hari yang jelek, berapa besar (nilai rupiah) dan berapa besar kemungkinannya (probabilitas)
kerugian yang bisa dialami perusahaan besok (atau beberapa hari mendatang)?’ bahwa kerugian
perusahaan (karena pergerakan harga pasar yang tidak menguntungkan) sebesar Rp 10 juta atau
lebih. Dalam hal ini VAR menjawab pertanyaan tersebut dengan memberikan nilai uang dari
kerugian tersebut (Rp 10 juta), dan besar kemungkinannya (5%).

1.3.2.1. VAR Metode Historis (Back Simulation)

Misalkan suatu perusahaan memegang saham PT X. Return harian saham tersebut

untuk 20 hari terakhir (data historis) bisa dilihat pada kolom (1) pada tabel berikut.

Return dapat dihitung dengan cara :

Return = { [ P(t+1) – Pt) ] / Pt } x 100%
Di mana Pt = return pada hari t
Pt+1 = return pada hari t+1
Untuk perhitungan VAR, return akan diurutkan dari yang paling rendah sampai
pada yang paling tinggi seperti terlihat pada kolom (2). Pada kolom (2) terlihat bahwa
return terendah adalah -8,37% yang terjadi pada hari ke-7. Sementara yang tertinggi
terjadi pada hari ke-17 sebesar 9,99%.
Misalkan kita ingin melihat VAR 95% harian, kita akan melihat 5% return
terendah. 5% dari 20 adalah 1, dengan demikian kita memilih 1 hari dengan return
terendah yaitu -8,38%.
Misalkan portofolio kita bernilai 1 miliar, maka

VAR 95% harian = - 8,38% x Rp 1 miliar = - Rp 83,78 juta

 Maka dapat dikatakan “besok ada kemungkinan sebesar 5% kerugian kita pada
saham X sebesar Rp 83,78 juta atau lebih” atau “kita yakin sebesar 95% bahwa kerugian
kita besok tak lebih dari Rp 83,78 juta”

Misalkan kita membentuk portofolio yang terdiri dari saham X dan Y, dengan
proporsi masing-masing sebesar 50%, konstan selama 20 hari.
Return untuk portofolio tersebut bisa dilihat pada kolom (4).
Sebagai contoh :

return portofolio pada hari 1 = (0,5x1,86)+(0,5x -1,96)

= 0,05%
Setelah diurutkan, hasil yang terendah adalah - 6,11%, maka

VAR 95% harian = - 6,11% x Rp 2 miliar

= Rp 122,2 juta
Metode historis mempunyai kelebihan yaitu tidak mengamsumsikan distribusi
tertentu dan sederhana. Namun ada juga kelemahannya seperti asumsi bahwa data masa
lalu bisa digunakan untuk memperediksi masa datang. Tetapi metode tersebut
mempunyai kelemahan seperti asumsi bahwa data masa lalu bisa dipakai untuk
memprediksi masa datang. Dengan kata lain, metode tersebut mempunyain asumsi
bahwa pola data di masa lalu sama dengan pola data di masa mendatang. Jika pola yang
terjadi cukup stabil, maka data masa lalu bisa dipakai untuk memprediksi data masa
mendatang. Jika tidak (misal ada krisis yang tidak terduga), maka data masa lalu tidak
bisa dipakai untuk memprediksi masa mendatang.
1.3.2.2. VAR Metode Modeling (Analytical)

Metode analitis biasanya mengasumsikan distribusi tertentu yang mendasari return

atau harga). Biasanya distribusi normal (yang berbentuk bel) yang diasumsikan
mendasari pergerakan harga tersebut. Setelah distribusi tersebut diasumsikan, kita bisa
menghitung nilai yang diharapkan (misal rata-rata) dan penyimpangan dari nilai yang
diharapkan tersebut (misal deviasi standar). Selanjutnya VAR bisa dihitung dengan
menggunakan parameter yang dideduksi (diambil) dari distribusi tersebut (nilai yang
diharapkan dan penyimpangannya).

Misalkan manajer portofolio mempunyai aset senilai Rp 1 milyar. Misalkan kita

mengasumsikan distribusi normal mendasari pergerakan harga aset tersebut. kita
memperkirakan tingkat keuntungan harian yang diharapkan dengan deviasi standarnya
adalah 12% dan 15%. Distribusi normal yang menggambarkan pergerakan aset tersebut
bisa dilihat pada gambar berikut ini
 Confidence
Interval

Terlihat bahwa rata-rata adalah 12% yang terletak di tengah-tengah distribusi

tersebut. Luas total wilayah distribusi normal mencerminkan probabilitas sebesar 1
(probabilitas bernilai dari 0 sampai dengan 1, inklusif). Sebagian luas dibawah distribusi
normal mencerminkan probabilitas dibawah satu. Sebagai contoh, luas ditengah (yang
berwarna gelap, antara -12,75 dengan 36,75) mencerminkan 90% dari total wilayah
distribusi normal, dan dengan demikian mencerminkan probabilitas sebesar 90% (atau
0,9). Jika kita melihat tabel distribusi normal, maka luas wilayah sebesar 5% dari ujung
paling kiri (atau dri ujung paling kanan), mempunyai nilai z sebesar 1,65. Dengan
demikian wilayah tengah seluas 90% berada diantara (Rata2 – (1,65 * deviasi standar))
dengan (Rata2 + (1,65 * deviasi standar)).

Dengan demikian VAR 95% return harian bisa dihitung melalui batas bawah
dimana wilayah sebesar 5% dari ujung paling kiri akan diperoleh, sebagai berikut ini.
VAR = 12% – 1,65 (15) = 12 % – 24,75 = – 12,75% VAR = –
12,75% x Rp1 milyar = – Rp127,5 juta

Jika kita mempunyai dua aset yang membentuk portofolio kita, maka efek
diversifikasi penting diperhatikan. Diversifikasi bisa mengurangi risiko jika kolerasi
return lebih kecil dari 1. sebagai contoh, misalkan menggabungkan dua aset dengan
karakteristik berikut ini :
Tingkat keuntungan bisa dilihat pada kolom 2, sementara probabilitas bisa dilihat pada
kolom 3. Probabilitas komulatif merupakan kumulasi
 Run pertama memunculkan angka random 31. Angka 31 tersebut berkaitan dengan
tingkat keuntungan 0,5 (probabilitas komulatifnya 30-54). Proses tersebut bisa diulang-
ulang sampe 100 kali, 500 kali , atau 1.000 kali. Setelah proses tersebut diulang – ulang,
kita akan memperoleh distribusinya. Sebagai contoh, tabel dan bagan berikut ini
menyajikan distribusi yang dihasilkan melalui 100 kali run.

Tabel Distribusi Frekuensi hasil simulasi

Tingkat Keuntungan Frekuensi

Distribusi diatas belum sepenuhnya normal. Jika kita melakukan run lebih banyak
lagi (misal 1.000 kali), maka sesuai dengan Central Limit Theorem. Distribusinya akan
mendekati atau menjadi distribusi normal. Setelah kita mengetahui distribusinya, kita
bisa menghitung VAR dengan menggunakan deviasi standar dan nilai rata – ratanya.
Untuk distribusi di atas, nilai rata – rata dan deviasi standarnya adalah :
Rata – rata tingkat keuntungan = 0,904%
Deviasi standar = 0,927%

95% VAR- harian bisa dihitung seperti berikut ini :

VAR 95% - harian = 0,904 – 1,65 (0,927) = - 0,627

Misalkan kita mempunyai portofolio senilai Rp 1 M , maka VAR – 95% harian adalah
– 0,627% x Rp 1 M = - Rp 6,27 juta.

1.3.2.4. Pemodelan VAR

Dalam beberapa situasi, kita ingin memodelkan VAR. Sebagai contoh, misalkan
kita mempunyai portofolio obligasi. Harga pasar obligasi sangat dipengaruhi oleh
tingkat bunga. Jika tingkat bunga naik, harga obligasi akan turun, dan sebaliknya. Kita
bisa memfokuskan perhatian kita pada tingkat bunga, dan menghubungkan perubahan
tingkat bunga dengan nilai pasar obligasi, kemudian menghitung VAR untuk portofolio
obligasi kita.

Lebih spesifik hubungan antara perubahan tingkat bunga dengan nilai obligasi bisa
dilihat sebagai berikut ini (lihat bab mengenai risiko perubahan tingkat bunga).
dP/P = – D [ dR / (1 + R) ]
 dimana: dP = perubahan harga

P = harga obligasi
D = Durasi obligasi
dR = perubahan tingkat bunga

R = tingkat bunga
Misalkan portofolio obligasi kita mempunyai durasi sebesar 5. Tingkat bunga saat
ini adalah 10%. Kemudian kita mengasumsikan pergerakan tingkat bunga mengikuti
distribusi normal. Analisis lebih lanjut, berdasarkan data historis dan pertimbangan-
pertimbagan, menunjukkan bahwa perubahan tingkat bunga harian yang diharapkan
adalah 0%, dengan deviasi standar perubahan tingkat bunga adalah 1%. Distribusi
perubahan tingkat bunga tersebut bisa digambarkan pada bagan berikut ini :
Bagan 4. Distribisi Perubahan Tingkat Bunga

-1,65% 0% +1,65%

Pertama, kita bisa menghitung perubahan harga akibat kenaikan tingkat bunga, sebagai
berikut ini,
dP/P = – D [ dR / (1 + R) ] = – 5 [ 0,0165 / (1 + 0,1) ] = – 0,075
Jika tingkat bunga meningkat sebesar 1,65%, maka portofolio kita akan turun nilainya
sebesar 7,5%. Jika portofolio kita mempunyai nilai sebesar Rp1 milyar, maka 95% VAR
portofolio kita adalah:

VAR 95% = -0,075 x Rp1 milyar = Rp75 juta

Dengan hasil tersebut, kita bisa mengatakan bahwa ada kemungkinan sebesar 5%
kerugian portofolio obligasi kita sebesar Rp75 juta atau lebih.

1.3.2.5. VAR untuk Periode yang Lebih Panjang

Dalam beberapa situasi, kita ingin menghitung VAR untuk periode yang lebih
panjang. Misal, untuk melikuidasi posisi portofolio, waktu satu hari tidak cukup. Kita
memerlukan waktu, misal 5 hari. Padahal kita menghitung VAR dengan menggunakan
periode harian. Dalam situasi tersebut, VAR harian harus dikonversi menjadi VAR 5-
hari. Konversi tersebut bisa dilakukan dengan menggunakan formula sebagai berikut
ini.

VAR(n) = VAR(harian) x n
 Kembali ke contoh di atas dimana 95%-VAR harian untuk portofolio obligasi kita
adalah Rp75 juta, 95%-VAR 5 hari bisa dihitung sebagai berikut ini.

VAR (5 hari) = Rp75 juta x 5

= Rp167,71 juta

Dengan demikian 95% VAR-5hari adalah Rp167,71

1.4. MANAJEMEN RISIKO PASAR : DIVERSIFIKASI

Diversifikasi adalah pembentukan portofolio melalui pemilihan kombinasi sejumlah

aset tertentu sedemikian rupa hingga risiko dapat diminimalkan tanpa mengurangi besaran
return yang diharapkan. Untuk melihat bagaimana diversifikasikan bisa mengurangi risiko,
dimulai dengan bicarakan efek divesifikasi dengan kerangka statistic, yang pertama dalam
situasi asset indepeneden kemudian diteruskan asset yang tidak independen.1.4.1 Aset
Independen.

Misalnya portofolio dengan N asset yang independen satu sama lain. Risiko asset
diukur dengan standar deviasi, sehingga tingkat keuntungan asset yang diharapkan dan risiko
asset tersebut adalah

Tingkatan keuntungan yang diharapkan = E(Ri) = (R1),..., (RN)

Risiko Aset = 𝜎𝑖 = 𝜎1, … , 𝜎𝑁

Misalkan asset tersebut mempunyai ukuran satu sama yang lainnya, tingkat
keuntungan yang diharapkan untuk portofolio tersebut dan risikonya adalah

E(Rp) = (1/N) R1 + ... + (1/N) RN = (R1 +... + RN) / N

𝜎𝑟 2 = (1/𝑁)2 𝜎12 + ...+ (1/𝑁)2 𝜎𝑁2 + 2 (1/N)(1/N) 𝜎12 + ... + 2 (1/N)(1/N) 𝜎𝑖 ,

dimana i ≠ 𝑗

Keterangan :

E(Rp) = tingkat keuntungan yang diharapkan untuk portofolio

R1...N = tingkat keuntungan aset 1 sampai N

𝜎𝑟 2 = varian portofolio atau standar deviasi dikuadratkan

𝜎𝑖 = kovarian antara saham i dengan j

N = jumlah aset
 Karena asset tersebut independen satu sama lain, maka kovarians antar asset sama
dengan nol. Dengan demikian formula diatas busa disederhanakan lagi menjadi :

𝜎𝑟 2 = (1/𝑁)2 𝜎1 2 + ...+ (1/𝑁)2 𝜎𝑁 2

𝜎𝑟 2 = (1/𝑁)2 (𝜎1 2 + ...+ 𝜎𝑁 2 )

Misalkan asset tersebut sama satu sama lainnya (identically distributed), maka risiko
tersebut sama dan bisa dituliskan sebagai berikut

𝜎1 2 = 𝜎2 2 = 𝜎𝑁 2 = 𝜎 2 `

Sehingga risiko portofolio bisa dituliskan sebagai berikut ‘

𝜎𝑟 2 = (1/𝑁)2 (N𝜎1 2 )
𝜎2
𝜎𝑟 2 = ( )
𝑁
Risiko portofolio (diukur melalui variansnya) adalah varians asset individual
dibagi dengan jumlah asset. Hasil tersebut menunjukkan bahwa jika N menjadi
semakin besar, maka risiko portofolio akan semakin turun. Jika N tidak terhingga
(N → ∞ ), maka risiko portofolio akan menjadi nol. Dengan kata lain, portofolio
ini mempunyai tingkat keuntungan yang pasti (tidak ada kemungkinan
penyimpangan).Misalkan kita melakukan investasi di suatu asset. Maka distribusi
perolehan aset tersebut terlihat seberti tabel berikut
Tabel Perhitungan Standar Deviasi
Profitabilitas Keuntungan (Rp)
(1) (2) (3) = (1) x (4) = (10 x ((3) -
(2) 475)2
A 0,25 200 50 18.906,25
B 0,5 500 250 312,5
C 0,25 700 175 12.656,25
1,00 475 31,875
Standar deviasi = 1.785.357
Jika tahun depan kondisi ekonomi baik (kondisi A) dengan probabilitas 0,25
maka tingkat keuntungan investasi tersebut adalah Rp700. Ada tiga kondisi yaitu
sedang (B), dan jelek (C). Tingkat keuntungan yang diharapkan bisa dilihat pada
kolom (3), yaitu sebesar 475. Perhitungan varian diperoleh pada kolom (4) baris kedua
dari bawah yaitu 31.875. Standar deviasi adalah akar dari 31.875 yaitu = 178,5
Tabel berikut ini menunjukkan efek diversifikasi ( asset independen ), risiko dengan
satu asset, kemudian portofolio dimulai dengan 10 aset sampai dengan jumlah asset
yang tidak terhingga
Tabel Efek Diversifikasi (Aset Independen)
Jumlah Risiko Risiko
Aset (Standar (Varian)
Deviasi)
1 178,5357 31.875
 10 17,85357 3.187,5
100 1,785357 318,75
1000 0,1785357 31,875
1000 0,01785357 3,1875
100000 0,001785357 0,31875
Tidak 0 0
terhingga
Tabel tersebut menunjukkan bahwa jika asset independen satu sama lain, risiko akan
cenderung nol kita memperluas asset menjadi tidak terhingga jumlahnya. Bagan berikut ini
menggambarkan hasil pada tabel diatas

Bagan efek Diversifikasi (Aset Independen)

1.4.2 Aset Tidak Independen
Kembali ke permasalahan di muka, yaitu kita memunyai portofolio yang terdiri dari
N aset, tetapi aset tersebut berkaitan (berkorelasi atau tidak independen) satu sama lain.
Kita ingin melihat tingkat keuntungan yang diharapkan dan risiko dari portofolio
tersebut. Sama seperti sebelumnya, aset - aset tersebut mempunyai ukuran yang sama,
distribusi yang sama, dengan risiko yang sama Tingkat keuntungan dan risiko bisa
dituliskan sebagai berikut:
E(Rp) = (1/N) R1 + ... + (1/N) RN
= (R1 +... + RN) / N
𝜎𝑟 2 = (1/𝑁)2 𝜎12 + ...+ (1/𝑁)2 𝜎𝑁2 + 2 (1/N)(1/N) 𝜎12 + ... + 2 (1/N)(1/N) 𝜎𝑖 ,
dimana i ≠ 𝑗
Perhatikan bahwa karena aset-aset tersebut tidak independen satu sama
lain,maka ada kovarians atau korelasi antar aset. Karena itu,term ke dua (yang memuat
kovarians antar aset) tidak bisa dihilangkan.Risiko portofolio dalam situasi adalah
penjumlahan dari varians setiap aset dengan kovarians antar aset. Jika aset tersebut
independen satu sama lain, kovarians akan sama dengan nol. Risiko portofolio akan
sama dengan formula risiko portofolio dengan aset independen yang ada. Maka
formulanya
1
𝜎𝑟 2 = [( ) 𝜎𝑖 2 ] + [(𝑁 − 1)/𝑁 )𝜎𝑖𝑗 ]
𝑁
Jika N → ∞ (semakin besar) maka komponen pertama akan
mendekati nol, karena nilai 1/N akan mendekati nol. Tetapi nilai [(N-1)/N]
akan mendekati 1 jika N semakin besar (N → ∞) Dengan kata lain, jika N
semakin besar, untuk portofolio dengan aset yang berkolerasi satu sama
lain, risiko portofolio tersebut tidak menjadi nol, tetapi akan mendekati
konstanta tertentu, yaitu rata-rata kovarian antar saham.
 Tabel Efek Diversifikasi (Aset Tidak Independen)
Jumlah Term Term Varian
Aset Pertama kedua Total
[(1 [(𝑁
/𝑁)𝜎𝑖 2 ] − 1)
/𝑁 )𝜎𝑖𝑗 ]
1 2.500 0 2500
10 250 225 475
100 25 247,5 272,5
1000 2,5 249,75 252,25
10000 0,25 249,975 250,225
100000 0,025 2,499,975 250,0225
Tidak 0 250 250
terhingga
Tabel diatas menunjukkan bahwa jika risiko portofolio yang terdiri
dari aset yang berkolerasi satu sama lain akan turun sampai nilai tertentu,
yaitu kovarian antar saham. Risiko tersebut tidak akan bisa diturunkan lebih
lanjut. Bagian berikut ini menunjukkan situasi tersebut.

Bagan efek Diversifikasi (Aset Tidak Independen)

1.4.3 Ilustrasi Risiko yang Bisa dan Yang Tidak bisa Diversifikasikan
Contoh risiko bisa didiversifikasi (risiko tidak sistematis): Misalkan kita
memegang saham Astra kemudian pabrik Astra mengalami kebakaran yang
mengakibatkan penurunan keuntungan. Dengan demikian kitamegalami
kerugian karena saham perusahaan mengalami penurunan. Namun disisi lain
kita juga mempunyai saham Indomobil sehingga kitamempunyai portofolio
dari saham Astra dan Indomobil. Berita buruk Astra menjadi berita baik
Indomobil. Pasokan Astra berkurang dan Indomobil meningkat, dengan
begitu kerugian saham di Astra bisa dikompensasi oleh keuntungan dari
Indomobil.
Contoh risiko yang tidak bisa didiversifikasi (risiko sistematis):
Misalkan terjadi resesi perekonomian di Indonesia sehingga
permintaan terhadap produk produk Indonesia melemah. Menyebabkan
penjualan mobil mengalami penurunan baik Astra maupun Indomobil
sehingga harga saham keduanya juga mengalami penurunan, salah satu cara
menurunkan risiko sistematis dalam situasi tersebut adalah dengan
memperluas aset dalam portofolio kita, misal dengan memasukan asset dari
luar negeri.
DAFTAR PUSTAKA

Mamduh, M. Hanafi, 2016, Manajemen Risiko (Edisi Ketiga), Yogyakarta:UPP STIM YKPN