5.

3 Metode Pengukuran Risiko Pasar : Deviasi dan VAR

A. Deviasi Standar

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

 = deviasi standar

 = nilai rata-rata

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.

Bulan Aset A (%) Aset B (%)

(2) (RA- (RB-
(1) (3) E(RA))2 E(RB))2
 1 3 2 0,714025 4,6225
2 2 4 3,404025 0,0225
3 4,5 5 0,429025 0,7225
4 3 4 0,714025 0,0225
5 4 1,5 0,024025 7,0225
6 5,2 4 1,836025 0,0225
7 3,5 8 0,119025 14,8225
8 4,25 5 0,164025 0,7225
9 4 3 0,024025 1,3225
10 5 5 1,334025 0,7225
Rata –rata 3,845 4,15
Jumlah 8,76225 30,025

Varians = Jumlah (N-1) 0,973583 3,336111

Tingkat keuntungan rata-rata untuk aset A adalah sebagai

berikut: E(RA) = ∑ 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 dengan rumus berikut:

σR2= ∑ (RA – E(RA))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
dapat dihitung sebagai berikut:

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. Adapun jika kita
menggunakan probabilitas, maka deviasi standar bisa dihitung dengan formula sebagai
berikut:

E(R) = ∑ pi Ri
o R 2 = ∑ pi (Ri – E(R))2
σR = (σ R 2 ) ½

B. VAR (VALUE AT RISK)

VAR mengembangkan lebih lanjut konsep kurva normal seperti yang telah
dibicarakan sebelumnya, 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%).

C. 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.

Saham PT Y
Saham PT X Portofolio X dan Y

(1) (2) (3) (4) (5)

Return Return Return Return Return
Hari Hari Hari Hari Hari
(%) (%) (%) (%) (%)
1 1,86 7 -8,37 1 -1,96 1 -0,05 7
2 -0,65 19 -2,77 2 2 2 0,67 1
3 6,39 14 -1,79 3 7,84 3 7,12 6
4 2,11 2 -0,65 4 -1,81 4 0,15 4
5 3,51 20 -0,17 5 3,7 5 3,6 19
-6,11
 6 7,14 1 1,86 6 -7,14 6 - 2 -0,05
-
0,00095 0,00095
7 -8,37 4 2,11 7 -3,84 7 -6,11 20 0,15
0,27
8 4,14 11 2,54 8 4 8 4,07 14 0,67
0,71
9 8,78 15 2,99 9 1,92 9 5,35 12 0,88
10 7,53 5 3,51 10 5,66 10 6,6 11 1,07
2,16
11 2,54 8 4,14 11 1,78 11 2,16 15 2,36
3,33
12 5,65 12 5,65 12 -3,5 12 1,07 17 3,6
4,07
13 8,79 3 6,39 13 1,81 13 5,3 5 4,36
14 -1,79 16 7,04 14 3,57 14 0,88 8 5,3
5,35
15 2,99 6 7,14 15 1,72 15 2,36 16 6,46
6,6
16 7,04 10 7,53 16 1,69 16 4,36 13 7,12
17 9,99 9 8,78 17 -3,33 17 3,33 9
18 9,47 13 8,79 18 3,44 18 6,46 18
19 -2,77 18 9,47 19 3,33 19 0,27 10
20 -0,17 17 9,99 20 1,61 20 0,71 3
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.

D. 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.
Misalkan 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:
 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:

Tabel data perhitungan VAR untuk Portofolio

A B
 Return yang diharapkan 12% 14%
Standar deviasi 15% 18%
Nilai investasi Rp 20 M Rp 12 M
95% value at risk Rp 2,55 M Rp 2,3 M
Korelasi A dengan B 0,55

Nilai portofolio diatas adalah Rp 32 M. Tingkat keuntungan yang diharapkan

untuk portofolio adalah rata – rata tertimbang dari return asset individualnya.

Return portofolio = Xa E(Ra) + Xb E(Rb)

= (20/32) x 12 + (12/32) X 14 = 12,75 %

Deviasi Standar Portofolio:

σp = [ XA22 + XB2B2 + 2 XAXB ab a b]
½
di mana P = deviasi standar (risiko) portofolio
A,B = deviasi standar return aset A dan B
AB = korelasi antar return aset A dan aset B

Untuk portofolio diatas, penyelesaiannya sebagai berikut :

σp = [ (20/32)2 (15)2 + (12/32)2 (18)2 + 2 (20/32) (12/32) (0,55) (15) (18) ] ½

= 14,25 %

VAR 95 % = 12,75 – 1,65(14,25) = - 10,76 %

VAR 95 % = - 10,76% X Rp 32 miliar = - Rp 3,44 miliar
VAR 95 % portofolio tersebut lebih kecil dibanding dengan penjumlahan VAR untuk
masing-masing aset (Rp 4,85 miliar = Rp 2,55 miliar + Rp 2,3 miliar). VAR portofolio
yang lebih kecil tersebut disebabkan adanya efek diversifikasi yang bisa mengurangi
risiko.

E. VAR dengan Simulasi Monte Carlo

Metode simulasi akan terbentuk distribusi tertentu, kemudian melalui distribusi

tersebut VAR dapat dihitung yang memerlukan sumber daya computer yang lebih besar
dibanding kedua metode sebelumnya.
 Tingkat Keuntungan dengan Probabilitasnya

Tingkat keuntungan
Probabilitas Probabilitas Kumulatif
(%)

1 -0,5 0,05 0-4

2 -0,25 0,05 5-9

3 0 0,1 10-19

4 0,1 0,1 20-29

5 0,5 0,25 30-54

6 1 0,15 54-69

7 1,2 0,1 70-79

8 1,25 0,1 80-89

9 2,25 0,05 90-94

10 3 0,05 95-99

Jumlah 1

Tingkat keuntungan bisa dilihat pada kolom 2, sementara probabilitas bisa dilihat pada
kolom 3. Probabilitas komulatif merupakan kumulasi angka probabilitas yang akan
diperlukan untuk menjalankan simulasi. Sebagai contoh, untuk tingkat keuntungan -0,5
karena ada 5% probabilitas terjadi, maka probabilitas kumulatif yang dipasangkan adalah
angka 0,1,2,3 dan 4 (ada lima angka). Total probabilitas komulatif adalah 100 angka (dari 0
sampai dengan 99), yang mencerminkan total probabilitas yang berjumlah 1 (atau 5 angka
seperti terlihat diatas).
 Tabel sampel simulasi Monte – Carlo

Angka Random Tingkat Keuntungan Yang Berkaitan

1 31 0,5
2 29 0,1
3 11 0
4 65 1
5 54 1
6 6 -0,25
7 45 0,5
8 26 0,1
9 50 0,5
10 33 0,5

Hasil 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 Frekuens
Keuntungan i
-0,5 3
-0,25 5
0 10
0,1 7
0,5 25
1 18
1,2 6
1,25 12
 2,25 3
3 11

Jumlah 100

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:

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.

F. 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) ]

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:

Bagan 4. Distribisi Perubahan Tingkat Bunga

Deviasi
standar=1%

M-1.65.STD 90% M+1.65.STD

-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.

G. 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:
VAR (5 hari) = Rp75 juta x 5

= Rp167,71 juta

Jadi dengan demikian 95% VAR-5 hari adalah sebesar Rp167,71 juta.
Kesimpulan:
Metode pengukuran risiko pasar terdiri dari deviasi dan VaR. Deviasi standar dipakai untuk
menghitung penyimpangan dari nilai rata-rata. Semakin besar deviasi standar, maka semakin
besar penyimpangannya. Sementara VaR adalah alat prediksi yang digunakan untuk mencegah
manajer melakukan keputusan yang melebihi toleransi risiko yang telah dikembangkan dalam
kebijakan perusahaan. Beberapa metodologi VaR yang tersedia, masing-masing memiliki
kelebihan dan kekurangannya sendiri sehingga perlu disesuaikan lagi dalam penggunaannya agar
memperoleh hasil/manfaat sesuai yang diharapkan.