STATISTIK DALAM MANAJEMEN RISIKO @ STATISTIK UNTUK PENGUKURAN RISIKO Sebagaimana dipahami bersama, masa depan bersifat tidak pasti. Oleh karena itu, metode statistik dapat dipakai untuk melakukan estimasi kemungkinan terjadinya peristiwa dimasa depan. Tidak ada kepastian dalam estimasi statistik karena masa depan tidak diketahui (unknown) dan tidak dapat dipastikan (unknowable). Data statistik tidak hanya digunakan untuk mengetahui, akan tetapi yang lebih penting lagi untuk digunakan sebagai dasar pembuatan keputusan dalam upaya pemecahan masalah. Metode statistik merupakan alat yang berguna untuk melaksanakan estimasi perubahan faktor risiko yang dapat mengakibatkan kerugian finansial. Risiko finansial didefinisikan sebagai estimasi perubahan faktor risiko yang dapat mengakibatkan diperolehnya hasil yang tidak diharapkan. Estimasi probabilitas perubahan faktor risiko biasanya didasarkan pada analisis historis atas 33yr non iste baik jah diketabe (H00H Pa), An stig gi tersedig yang We babwa data bistoris mercy 1 init gtr taktor risiko an bs is tidak terse, fata Yi par, dapay unt ata histori 1 dat Yep: implisit men; pan. Bila da n indikasi yang baik ter ing, mas terhadap masa de porika dependen ne! . i in’ dirasakan tidakakan ang ee suatu faktor risiko bersifat # erubal pe statist digunakan teknik . aa 7 ale ia a sehiNSBA per, Asumsi lainnya ad} panaan dunia nyata sel va. sebelumny’ yeder! ini keakuratan hag) terhadap porubahan S00 ene akan memengarul Astumsiasumsi Gt terse er diingat bahwa penyedel estimasi, op RISIKO DI MASA T BW PERGERAKAN FAK . DEPAN amaanuntukmenggambarkan jgunakansebagaiPTUMP ON an sebagai contoh unt), Harga pasar telah lazim digunakan nga pasar digun ur risiko perusahaan Perubahan (change) faktor risiko. Harge Untuk menguku . m bark: bahan faktor risiko. erlu dibuat skenario atas Perubahan harg in terjadi dalam suat angdipilih untug seluruh perubahan yang mungkin tet} entu dimasa depan yang Horizon waktu adalah periode waktu hari atau mungkin beberapa tahun, menyimulasikan perubahan, mungkin sat : dari transaksi yan, Pemilihan horizon waktu bergantung pada jatuh tempo memunculkan risiko pasar. dalah pembuatan Salah satu cara untuk menggambarkan perubahan harga adalah py ee dua kemungkinan Pohon binomial (binomial tree), Pada pohon binomial, hanyaada teas es sp Pergerakan harga pasar sehingga probabilitas rate naik atau persen, > GAMBAR 5-1 Pohon Binomialpe ann sst euananasnsn es 33 va sta > GAMBAR 5-2 pistribusi Pohon Binomial awerao 96 98 100 102 104 adalah 100. Setiap oe t ini kurs USD 1 bulan. sebagai contoh, saat menunjukkan kemungkinan perubahan kurs dalam diperoleh untuk periode empat bulan ditunjukkan dal Terdapat 16 jalur yang berbeda untuk memperore urs dalam horizon waktu empat bulan. Terdapat emp bergerak dari 100 saat ini menjadi 102 empat bulan BY aa probabilitas kurs akan mencapai 102 adalah sebesar 25 persen (4/16)- Lae Dengan demikian, setiap perusahaan harus ‘mengelola eksposut penetapan limit risiko yang didasarkan pada: 4, modal yang tersedia; 2. return on capital yang dihasilkan oleh suatu produk; 3, tingkat kepentingan suatu produk terhadap business plan perusahaani dan ‘L. kualitas dan pengalaman trader. jemen risiko adalah distribusi Jenis distribusi yang sering digunakan dalam manaj normal. i DISTRIBUS! NORMAL Dalam ilmu statistik, ada beberapa Konsep pengukuran statistik, yaitu nilai rata-rata (mean), modus, dan median. Nilat rata-rata merupakan suatu nilai yang cenderung berada disekitar pusat distribusi, disebut juga ukuran tendensi sentral. "Mean adalah ukuran nilai rata-Tata dari sekumpulan angka Mean dihitung, dengan: menambahkan seluruh angka dalam sekumpulan data, kemudian dibagi dengan jumlah data. Misalkan data yang diperoleh adalah 5,10, 15, 6, nilai mean adalah (5 + 10 +15 + 6)/4=36/4=9. ee arcs ae eae a pe alo. sekumpulan data. 4,5, 5,5, 6, nilai modus adalah 5.5, 10, yakar erdap Dari suatu penelitian, i 20,28 alah standares 15, 20,28. Hitungl st devi ku Ruadrat dari rata-rata Pens ‘ | : ang telah diurutkan . Jan angka Ya" i Median adalah nilai tengah dari sekU™PO ctolah gjurutkan dari yang dipero ediannya adalah 5. berdasarkan besarnya. Misalkan data yan6 terkecil hingga terbesar adalah 1, 2,3, 4/5: 67% ungan sebaran angie Penyebaran (dispersi) merupakan ting" angka tertinggi dan angka di sekiter Cea ange adalah sels ant ta dapat adalah angka terendah dari sekumpulan angka. Misalkan data Y‘ 5, 10, 15, 30, 50, range data tersebut adalah 50 - 5= 45. sanangka terhadap nilai Standar deviasi (SD) adalah ukuran jaraksekumPuO menghitung rata-rata dari sekumpulan angka tersebut. Nilai ini djukur : Be vt digunakan deviasi setiap angka terhadap rata-ratanya. Standar deviasi ; He amie untuk membandingkan tingkat dispersi relatif dari dua atau? er data. Kumpulan data yang memiliki standar deviasi 2,9 dikatal a — data yang lebih menyebar dibanding kumpulan data dengan standar Cevios! 2,30. Karakteristik distribusi normal bermanfaat untuk digunakan dalam mengestimasi risiko. Distribusi normal ini diperkenalkan oleh ahli matematika Inggris keturunan Prancis bernama Abraham de Moivre tahun 1738. Alat ini merupakan suatu alat yang kritis bagi peneliti untuk menghubungkan nilai perkiraan dari sampel untuk menyimpulkan karakteristik populasi dengan menggunakan pernyataan probabilitas, Karakteristik distribusi normal adalah sebagai berikut. 1. Kurva distribusi normal berbentuk lonceng dan simetris sempurna. 2. Memiliki nilai mean, modus, dan median yang sama dan terletak di pusat distribusi.i >GAMBAR 5-3 Kurva Distribusi Normal “28D -1SD Mean 1SD 28D 3. Probabilit persen, i 4. Sekitar 68 persen dari sekumpulan angka akan berada antara -1 SD dan +1 SD, 95 persen akan berada antara -2 SD dan +2 SD, serta 99 persen akan berada antara ~3 SD dan +3 SD. suatu angka akan berada di kiri atau kanan rata-rata adalah 50 Misalkan seorang pedagang valas tidak memiliki pengetahuan yang mendalam tentang pasar, kemudian diasumsikan keadaaan adalah sebagai berikut » Perubahan kurs terjadi secara acak dan dengan nilai yang sama. = Peluang kurs akan bergerak naik atau turun adalah sebesar 50 persen. Dari skenario tersebut, dapat diasumsikan bahwa pedagang valas tersebut dapat mengharapkan: «= Peluang untuk memperoleh keuntungam atau kerugian sebesar 50 persen. » —# Rala-rata akan memperoleh keuntungan atau kerugian adalah sebesar nol. = Enam puluh delapan persen hasil yang diperoleh akan berada di dalam 1 standar deviasi dari mean nol. Skenario di atas memberikan gambaran suatu distribusi normal dengan mean sama dengan nol. Untuk lebih jelas lihat kurva distribusi Gambar 5-3, Distribusi X dan Y merupakan distribusi normal. SD distribusi X lebih besar dibanding SD distribusi Y sehingga dapat disimpulkan data distribusi X lebih menyebar dibanding data distribusi Y. Bentuk distribusi X akan lebih gemuk dibandingkan dengan distribusi Y. Aplikasi bentuk kurva distribusi tersebut dalam manajemen risiko adalah potensi return dan risk distribusi X lebih tinggi dibanding distribusi Y. Tantangan manajer risiko sebuah perusahaan yang paling besar adalah mengukur risiko pasar secara konsisten di antara posisi risiko yang berbeda dan sensitifwel anne Pe AML BARTON 4 instrumen tap imi, ater iho mactanya model VaR, limit ristho ditetaph' gat yang dapat dipelihara sehingga sulit mengevalu yan Sulit untuk menilai mana di antara dua limit be Karena limit keduanya dinyatakan dalam satuan Ye" haat 1. Maksimum boleh memelihara 500 saham pert" "pith 2. Maksimum boleh memelihara 200 obligasi ya" Zaki. n pat dip” terhadap sejumlah harga pasar. Tujuan ini dapat risk (VaR), jebih besar atk va di) imit biasany? Dengan menggunakan limit VaR. limit bias?! uang seperti berikut: Posisi sham diberikan limit ris ar obligasi. at distribust Model VaR mengukur risiko dengan meat eth P mungkin terjadi selama periode waktu tertentu . : rahap. asar da Perusahaan. Distribusi dibuat melalui p: ane Terai dibuat berdasar data Pertama, distribusi harga pasar yang mun; Jah meng! historis. Faktor utama pembuatan distribusi adalah VTE car tethadap historis, yaitu ukuran seberapa jauh deviasi peruba! “a per tahun. Volatilitas ‘ata-rata. Volatilitas biasanya dinyatakan dalam POST To hon harga pasar historis digunakan sebagai input model untuk simulsi P di masa mendatang. nny Kedua, merevaluasi setiap posisi rsiko i harga pasar untuk membuat distribusi venekat kerugian yang sesuai dengan Dari distribusi tersebut, dapat diperteh ing at ke sara “eh vang diharapk sahaan. i oaae creta eeaeee sekitar3SD Tingkat. Keyakinanyang diminta Basel adal f Ps . = 99,7 perseny, dari rata-rata (3 SD sebenarnya menunjukkan tingkat =e a ‘ e sen) Analisis selanjutnya diulang untuk seluruh posisi risiko dan seluruh nilainya dijumlahkan untuk memperoleh total VaR perusahaan. : Terdapat tiga variabel utama metode value at risk, yaitu: 1. Jumlah data historis yang digunakan dalam perhitungan volatilitas sesuai dengan Basel minimal satu tahun meski bank boleh menggunakan periode yang lebih panjang asalkan konsisten. 2 Horizon waktu sesuai dengan Basel, yaitu 10 hari, meski banyak bank yang menghitung Daily VaR (DVaR) dan kemudian mengonversi nilainva menjadi 10 hari. 3. Tingkat keyakinan yang ditentukan oleh Basel adalah 99 persen, erugian yang ang dimiliki pitung Volatilitas ngan menggunakan an nilai seluruh pssansic ava ee » RANGKUMAN Model VaR mengukt statistik dapat di r . me yang eee ae eaten rent ole jn tejadi selama fe munculnya suatu kejadian di masa oe ‘tentu untuk setiap Posts! depan. g aimilki perusahean- yan » Dalam distribusi normal, biasanya ukuran mean, modus, median, range, dan standar deviasi digunakan. ISTILAH PENTING statistik Modus value at risk Range KAN Bf PERTANYAAN UNTUK DIDISKUSIKAN 1. Jelaskan apa yang dimaksud dengan mean, median, dan modus. 2. Jelaskan apa yang dimaksud dengan value at visk. 3, Jelaskan variabel apa saja yang dipakai beste 4, Jelaskan apa dasar perusahaan mengelola risik0 5. Dari sebuah coon didapat data sebagai berkut: 25, 30. on Dati data ini, hitunglah: a. mean; b. median; c. modus; d. range; dan e. standar deviasi. 50, 60, 80, 100.