Penentuan Nilai Resiko Saham Pada PT. Astra International Tbk Dengan Menggunakan Metode Statistika

DAFTAR PUSTAKA

Antasari, T. S dan Dodge Yadolah. 1981 . Matematical Programming In Statistics. New York: wiley.

Hosmer, D.W. dan Lemeshow 1989, Applied Logistic Regression, John Wiley, New York. Sunaryo, T. 2007. Manajemen Risiko Finansial, Penerbit Salemba Empat, Jakarta.

Supangat, Andi. 2007. Statistika dalam Kajian Deskritptif, Inferensi dan Non Parametric, Prenada Medai Group. Jakarta.

http://statistik4life.blogspot.com/2009/12/regresi-logistik.html. http://en.wikipedia.org/wiki/Maximum_kurtosis

BAB 3

PEMBAHASAN

3.1 Metode Nilai Risiko

Dalam iklim globalisasi yang begitu dinamik, ketidakpastian merupakan hal yang mau tidak mau perlu diperhatikan. Dengan demikian besarnya ketidakpastian, berimplikasi pada semakin besar risiko yang dihadapi. Oleh karena itu, pengukuran risiko menjadi kata kunci dalam berbisnis saat ini. Pengukuran risiko secara formal, sudah lama dilakukan oleh institut finansial, terutama bank. Akhir-akhir ini, pengukuran secara formal juga mulai dilakukan pada sektor lainnya seperti pada sektor energi, dan telekomunikasi.

Tingginya kebutuhan untuk mengukur risiko secara lebih tepat, menyebabkan banyak metode-metode pengukuran yang diusulkan baik dari peneliti maupun praktisi. Dari sekian banyak metode pengukuran risiko yang ada, hanya nilai risiko yang paling banyak digunakan dan menjadi faktor standar pengukuran risiko. Nilai risiko menjadi populer karena metode ini menggabungkan keunggulan dari pengukuran-pengukuran risiko sebelumnya.

Nilai risiko merupakan sebuah konsep yang digunakan dalam pengukuran risiko dalam manajemen risiko. Dalam analisis risiko keuangan perhitungan nilai risiko, merupakan pengukuran kemungkinan kerugian terburuk dalam kondisi pasar yang normal pada kurun waktu T dengan tingkat kepercayaan tertentu α.

3.2 Nilai Risiko Pada Data Keuangan

Data keuangan di Indonesia menunjukkan pola skewness sehingga ada keinginan untuk memperhatikan fakta empiris ini dalam perhitungan nilai risiko dalam berinvestasi di pasar modal.

Parameter skewness menunjukkan derajat ketaksimetrisan dari distribusi di antara nilai rata-ratanya. Nilai negatif dari skewness menunjukkan asimetris yang condong ke kiri sementara sebaliknya condong ke kanan. Nilai skewness ini memberikan gambaran intuitif ke arah mana kira-kira bentuk asimetri dari ekor gemuk distribusinya. Di sisi lain kurtosis menunjukkan tinggi rendahnya sebuah distribusi data relatif terhadap distribusi normal. Data

keuangan yang sering kali menunjukkan pola skewness dan kurtosis (platikurtik dan leptokurtik) menunjukkan bahwa terdapat banyak kejadian yang ternyata berada jauh dari nilai rata-rata, kontras dengan apa yang ditunjukkan dengan distribusi normal.

Dalam analisis data keuangan, yang terjadi pusat perhatian adalah fluktuasi harga yang merupakan variabel yang menunjukkan naik turunnya harga dari mekanisme pasar yang berimbas terhadap keuntungan. Yang menjadi pertanyaan tentunya adalah bagaimana jika keuntungan data keuangan yang dianalisis ternyata tidak membentuk distribusi normal. Ini tentu saja menjadi masalah yang harus di teliti.

3.3 Contoh Data Nilai Harga Saham

Berikut ini adalah data deret waktu keuangan yang dipilih untuk dianalisis menggunakan saham PT. Astra International Tbk. Data amatan diambil sebanyak 30 hari dari masing-masing saham terhitung pada tanggal 20 Mei 2016 sampai dengan tanggal 30 Juni 2016. Sumber data nilai harga saham tersebut diambil dari www.finance.yahoo.com

Tabel 3.1 Data nilai harga saham PT Astra International Tbk di Bursa Efek Jakarta

Tanggal Harga Saham

20 Mei 2016 6.350/Lot

23 Mei 2016 6.375/Lot

24 Mei 2016 6.375/Lot

25 Mei 2016 6.575/Lot

26 Mei 2016 6.550/Lot

27 Mei 2016 6.700/Lot

30 Mei 2016 6.750/Lot

31 Mei 2016 6.600/Lot

01 Juni 2016 6.675/Lot

02 Juni 2016 6.500/Lot

03 Juni 2016 6.600/Lot

06 Juni 2016 6.850/Lot

07 Juni 2016 6.850/Lot

08 Juni 2016 6.900/Lot

09 Juni 2016 6.875/Lot

10 Juni 2016 6.625/Lot

13 Juni 2016 6.575/Lot

14 Juni 2016 6.700/Lot

15 Juni 2016 6.725/Lot

16 Juni 2016 6.575/Lot

17 Juni 2016 6.600/Lot

20 Juni 2016 6.750/Lot

21 Juni 2016 6.750/Lot

22 Juni 2016 6.975/Lot

23 Juni 2016 6.950/Lot

24 Juni 2016 6.700/Lot

27 Juni 2016 6.625/Lot

28 Juni 2016 6.975/Lot

29 Juni 2016 7.200/Lot

3.4. Analisa Perhitungan Pada Instrumen Saham

Banyak pengukuran nilai risiko yang didasari pada asumsi distribusi normal, dan banyak juga return instrumen saham yang tidak mengikuti pola distribusi normal. Metode nilai risiko dihitung berdasarkan dua momen distribusi saja yaitu rata-rata dan standar deviasi, sementara banyak data keuangan memiliki informasi yang penting juga pada momen ketiga dan keempat yaitu skewness dan kurtosis, yang akan diperkenalkan untuk mengatasi kesulitan dalam analisis risiko yang bersandar pada normalitas distribusi data.

Untuk itu akan dihitung terlebih dahulu nilai statistik deskriptif yang meliputi nilai rata-rata, modus, median dan standar deviasi. Sebagai contoh akan dihitung nilai saham PT. Astra International Tbk dengan menggunakan tabel distribusi frekuensi. Dengan langkah-langkah sebagai berikut:

1. Urutkan data dari yang terkecil ke data terbesar

6350 6375 6375 6500 6550 6575 6575 6575 6600 6600 6600 6625 6625 6675 6700 6700 6700 6725 6750 6750 6750 6850 6850 6875 6900 6950 6975 6975 7200 7400

2. Hitung rentang yaitu data terbesar – data terkecil = 7400 – 6350

= 1050

3. Hitung banyak kelas dengan aturan Sturges yaitu: Banyak kelas = 1 + (3,3) log n

= 1 + (3,3) log 30 = 1 + (3,3) (1,4771) = 1 + 4,87443 = 5,87443

Banyaknya kelas sebanyak enam kelas.

4. Hitung panjang kelas interval dengan rumus:

=

=1050

= 175

5. Tentukan panjang kelas interval pertama. Biasanya diambil data terkecil = 6350

Tabel 3.2 Tabel Distribusi Frekuensi Kelas Interval Frekuensi

( _�)

Frekuensi Kumulatif

( )

Tanda Kelas ( _�)

Produk ( _{� �})

6350 – 6525 4 4 6437,5 25750

6526 – 6701 13 17 6613,5 85975,5

6702 – 6877 7 24 6789,5 47526,5

6878 – 7053 4 28 6965,5 27862

7054 – 7229 1 29 7141,5 7141,5

7230 – 7405 1 30 7317,5 7317,5

Jumlah 30 201573

 Mean :

= � �

�

= 201573 30

= 6719,1

 Modus

� = + 1

1+ 2 dengan:

b = batas bawah kelas modus p = panjang kelas modus

1= frekuensi kelas modus dikurangi frekuensi satu kelas sebelumnya

2 = frekuensi kelas modus dikurangi frekuensi satu kelas berikutnya Dari kelas modus ini didapat:

b = 6525,5

1= 13 - 4 = 9 2= 13 – 7 = 6 p = 175

Sehingga: � = 6525,5 + 175 13−4

13−4+13−7

= 6525,5 + 175 9

6

= 6525,5 + 175 1,5

= 6525,5 + 262,5 = 6788

 Median � = +

1

2 − �

dengan:

b = tepi batas bawah kelas median p = panjang interval median n = jumlah seluruh frekuensi

F = jumlah frekuensi sebelum kelas median f = frekuensi kelas median

Setengah dari seluruh data adalah 15 buah. Jadi median akan terletak di kelas kedua, karena sampai dengan ini jumlah frekuensi sudah lebih dari 15.

Dari kelas median didapat:

b = 6525,5 f = 13

p = 175 n = 30 F = 4 Sehingga:

� = 6525,5 + 175 30

2 − 4 13

= 6525,5 + 175 11

13 = 6525,5 + 148,07

= 6673,57

 Standard deviasi

�2 ₌ � �� − � 2 _� dengan: σ = Varian

_�= Nilai x ke i = rata – rata n = jumlah sampel _� = frekuensi

Tabel 3.3 Tabel Distribusi Frekuensi Lanjutan

Sehingga:

�= � ��− �

2 _�

�= 1276211

30

�= 42540,36

= 206,25

 Skewness

=3( − � )

�

=

3(6719,1−6673,57)

206,25

= 0,6622

 Kurtosis

Kelas Interval f _{� � � �} − − 2 _� − 2

6350 – 6525 4 4 6437,5 25750 -281,6 79298,56 317194,2

6526 – 6701 13 17 6613,5 85975,5 -105,6 11151,36 144967,7

6702 – 6877 7 24 6789,5 47526,5 70,4 4956,16 34693,12

6878 – 7053 4 28 6965,5 27862 246,4 60712,96 242851,8

7054 – 7229 1 29 7141,5 7141,5 422,4 178421,76 178421,8

7230 – 7405 1 30 7317,5 7317,5 598,4 358082,56 358082,6

=

��

90− ₁₀

=

1

2 �3−�1 90− 10

dimana:

SK = rentang semi antar kuartil K1 = kuartil kesatu

K3 = kuartil ketiga

P10 = persentil kesepuluh

P90 = persentil ke-90

P90– P10 = rentang 10 – 90 persentil

Untuk data yang sudah dibuat tabel distribusi frekuensinya �1 dan �3 dihitung dengan rumus:

�� = + �

4 − �

dengan:

b = batas kelas �_� ilah interval dimana �_� akan terletak p = panjang kelas �_�

F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas �_� f = frekuensi kelas �_�

i = 1,2,3

untuk menghitung �₁ maka 1

4 x 30 data = 7,5 data. Dengan demikian �1 terletak dalam kelas interval kedua, dan kelas ini merupakan kelas �₁. Dari kelas �₁ didapatkan:

b = 6525,5 p = 175 F = 4 f = 13 i = 1 n = 30

�1 = 6525,5 + 175

1(30)

4 −4

13

= 6525,5 + 175 (7,192) = 6525,5 + 1258,6

= 7784,1

Untuk menghitung �₃ maka 3

4 x 30 data = 22,5 data. Dengan demikian �3 terletak dikelas ketiga, dan kelas ini merupakan kelas �₃. Dari kelas �₃ didapatkan:

b = 6701,5 p = 175 F = 17 f = 7 i = 3 n = 30 Sehingga:

�3 = 6701,5 + 175

3(30)

4 −17

7

= 6701,5 + 175 (0,785) = 6701,5 + 145,225

= 6556,27

Untuk data yang sudah dibuat tabel distribusi frekuensinya ₁₀ dan ₉₀ dihitung dengan rumus:

� = +

�

100− �

dengan:

p = panjang kelas _�

F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas _� f = Frekuensi kelas _�

i = 1,2,3,...,99

Untuk menghitung ₁₀ maka 10% x 30 data = 3 data. Dengan demikian ₁₀ terletak dikelas pertama, dan kelas ini merupakan kelas ₁₀. Dari kelas ₁₀ didapatkan:

b = 6249,5 p = 175 F = 0 f = 4 Sehingga:

10 = 6349,5 + 175

10 30 100 −0

4

= 6349,5 + 175(0,75) = 6480,75

Untuk menghitung ₉₀ maka 90% x 30 data = 27 data. Dengan demikian ₉₀ terletak dikelas pertama, dan kelas ini merupakan kelas ₉₀. Dari kelas ₉₀ didapatkan:

b = 6877,5 p = 175 F = 24 f = 4 Sehingga

90 = 6877,5 + 175

90 30 100 −24

4 = 6877,5 + 175(0,75)

= 7008,75

= ��

10− 90

= 1

2(�3− �1) 90− 10

= 1

2(6556,27−7784,1) 7008,75−6480,75 =−613,915

528 = −1,16

Tabel 3.4 Hasil Perhitungan nilai saham

Nama Saham Mean Standard

deviasi

Skewness Kurtosis

PT. Astra International

6719,1 206,25 0,6622 -1,16

Dengan memperhatikan tabel 3.3, dapat dilihat bahwa nilai skewness menunjukkan data yang simetris dengan nilai rata-ratanya. Nilai positif dari skewness menunjukkan kurva condong kanan. Sedangkan nilai negatif pada kurtosis menunjukkan rendahnya sebuah data terhadap distribusi normal.

Tabel 3.5 Nilai yang didapat dari distribusi Z

Dari tabel 3.3 akan dihitung kesalahan dengan asumsi norma dan kesalahan dengan skewness dan kurtosis menggunakan tingkat kepercayaan sebesar 95%.

Perhitungan nilai risiko dengan kesalahan normal disimbolkan dengan Ѱnormal dinyatakan sebagai:

Ѱnormal = mean−aσ

Perhitungan nilai risiko dengan kesalahan skewness dan kurtosis disimbolkan ѰSK dinyatakan sebagai:

a׳(α) = α +

6 (α) – 1) + 24(α) –3(α) – 2

36 (2(α) –5(α)) dengan:

sk = nilai skewness k = nilai kurtosis

sehingga rumusnya dapat diperoleh:

ѰSK = mean−a׳σ

Pada saham PT. Astra International Tbk dapat dihitung Ѱnormal dan ѰSK menggunakan tingkat kepercayaan sebesar 95%.

Ѱnormal = mean−aσ

= 6719,1− 1,645 206,25 = 6719,1−339,28

= 6379,82

a׳(α) = α + SK

6 (α) – 1) + k

24 (α) –3(α) – SK²

36 (2(α) –5(α)

= 0,95 +0,6622

6 0,95−1 +

−1,16

24 0,95−3 0,95 −

0,6622²

36 (2 0,95 −5 0,95 ) = 0,95 + 0,1103 −0,05 + −0,0483 −1,9 − 0,0121 −2,85

= 0,95 + −0,00551 + 0,09177)−(−0,03448) = 1,0707

Sehingga:

ѰSK = mean−a׳σ

= 6719,1−1,0707 206,25 = 6719,1−220,84

= 6498,26

Tabel 3.6 Hasil perhitungan perbandingan Ѱ _{� �} dan Ѱ_�� dengan tingkat kepercayaan 95%

Nama Saham Ѱnormal ѰSK

PT Astra International Tbk 6379,82 6498,26

Dari tabel di atas terlihat bahwa (Ѱ ) sebesar Rp.6.379,82 dan harga saham dalam keadaan tertinggi (Ѱ_��) sebesar Rp.6.498,26 sehingga perhitungan skewness dan kurtosis pada nilai risiko menghasilkan nilai risiko yang lebih besar daripada perhitungan nilai risiko yang mengasumsikan kenormalan.

BAB 4

KESIMPULAN DAN SARAN

4.1 KESIMPULAN

Dari pembahasan diperoleh kesimpulan sebagai berikut:

Untuk saham PT Astra International pada tanggal 20 Mei s/d 30 Juni 2016 cenderung mengalami kenaikan. Setelah dihitung Value at Risk dengan α = 95% dapat diketahui bahwa harga saham dalam keadaan normal (Ѱ ) sebesar Rp.6.379,82 dan harga saham dalam keadaan tertinggi (Ѱ_��) sebesar Rp.6.498,26. Sehingga pada bulan berikutnya harga saham tersebut mengalami kenaikan, jadi disarankan untuk membeli saham PT Astra International Tbk.

4.2 SARAN

1. Kepada pihak perusahaan, Bank, dan manajemen perbankan lainnya yang ingin menggunakan pendekatan nilai risiko untuk mengukur risiko instrumen financial, sebaiknya menghitung nilai risiko dengan memperhatikan tidak hanya momen pertama dan kedua, tetapi juga momen ketiga dan keempat, yaitu skewness dan kurtosis dari distribusi data sehingga diperoleh nilai keuntungan yang tertinggi.

2. Pengukuran risiko financial dengan menggunakan model nilai risiko melalui sifat disribusi, diharapkan dapat menjadi nilai tambah dan bermanfat bagi manajemen perusahaan untuk memberikan gambaran seberapa besar tingkat risiko dalam keadaan trading pada instrument financial.

BAB 2

LANDASAN TEORI

2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial

Risiko adalah bagian tak terpisahkan dari kehidupan manusia. Risiko tidak dapat dan tidak perlu dihindari, tetapi dapat dikelola sehingga bisa menjadi suatu peluang untuk mendapatkan hasil yang diinginkan.

Risiko dalam konteks bisnis merupakan suatu kejadian potensial, baik yang dapat diperkirakan (anticipated) maupun yang tidak dapat diperkirakan (unanticipated) yang berdampak negatif terhadap pendapatan dan permodalan perusahaan. Kerugian yang dapat diperkirakan adalah kerugian yang timbul karena dilaksanakannya kegiatan usaha perbankan secara normal. Secara sederhana kerugian yang diperkirakan juga dapat didefenisikan sebagai biaya pelaksanaan kegiatan usaha. Selama pelaksanaan kegiatan sehari-hari, dapat diasumsikan bahwa kerugian yang diperkirakan kemungkinan besar akan terjadi. Kerugian yang tidak diperkirakan adalah kerugian yang besarnya secara signifikan jauh berada di atas batas yang dapat dikategorikan sebagai kerugian yang diperkirakan. Kerugian tersebut berasal dari kejadian yang tidak diperkirakan sebelumnya atau kejadian luar biasa yang menurut perusahaan perbankan kecil kemungkinannya akan terjadi dan bukan merupakan kerugian yang dialami sebagai bagian kegiatan usaha sehari-hari.

Risiko diidentifikasikan berdasarkan faktor penyebabnya, yaitu risiko karena pergerakan harga saham, nilai tukar atau suku bunga yang dikategorikan sebagai risiko pasar. Seperti diketahui bahwa risiko yang selalu ada dalam perusahaan menyangkut dua hal, yaitu masalah yang diharapkan dan ketidakpastian. Kalau hasil yang dicapai itu pasti, maka jelas tidak ada risiko dalam arti hasil yang diperoleh sesuai dengan harapan. Biasanya, orang mengatakan bahwa krisis moneter datang seperti pencuri, tidak terantisipasi. Sebagian kecil lainnya mengatakan bahwa indikasi krisis moneter sudah muncul sejak lama. Kondisi harga selalu bergerak. Potensi pergerakan harga ini memunculkan risiko potensial. Kebanyakan posisi finansial yang awalnya tidak berisiko, pada periode berikutnya posisi tersebut dapat memunculkan risiko yang besar.

Sektor finansial mempunyai potensi untuk menghasilkan imbal hasil yang tinggi. Salah satu prinsip yang abadi dalam ilmu ekonomi keuangan adalah imbal hasil tinggi yang berdampingan dengan risiko. Di mana terdapat imbal hasil tinggi, maka risiko menemani. Kejadian yang mengakibatkan kerugian besar membuat orang cenderung untuk bertindak hati-hati. Manajemen risiko bukan berarti menekan risiko seminimum mungkin. Aktivitas bisnis pada dasarnya adalah pilihan yang melibatkan return (keuntungan) dan risiko. Perusahaan dapat meningkatkan return dengan menerima risiko yang lebih tinggi. Tentu saja, perusahaan tersebut tidak akan menambah return apabila harus menerima tambahan risiko besar. Toleransi seseorang atau perusahaan terhadap risiko tentu saja terbatas. Oleh karena itu, pelaku ekonomi perlu memanajemeni risikonya. Manajemen risiko menempatkan pelaku ekonomi untuk menanggung risiko yang sesuai dengan toleransi risiko mereka.

Dengan manajemen risiko yang baik diharapkan dapat memproyeksikan seberapa jauh risiko yang akan dihadapi oleh perusahaan serta pengendalian yang diperlukan. Manajemen risiko adalah serangkaian prosedur dan metodologi yang digunakan untuk mengidentifikasi, mengukur, memantau, dan mengendalikan risiko yang timbul dari kegiatan usaha. Sebagai sebuah proses menyeluruh manajemen menyentuh hampir setiap aspek aktifitas sebuah entitas bisnis, mulai dari proses pengambilan keputusan untuk menginvestasikan sejumlah uang, sampai pada keputusan untuk menerima seorang karyawan baru.

Hal yang perlu ditekankan dalam manajemen risiko adalah bahwa manajemen risiko bukan sekedar mengidentifkasi, mengukur dan menyediakan cadangan, namun aktivitas keseharian harus mencerminkan semangat manajemen risiko tersebut. Pola hidup sehat adalah salah satu implementasi manajemen risiko. Manfaat penerapan manajemen risiko adalah:

1. Meningkatkan pelaksanaan GCG (Good Coorporate Governance) 2. Meningkatkan Shareholders value.

3. Memberikan gambaran potential loss pada masa yang akan datang. 4. Meningkatkan kualitas metode dan proses pengambilan bisnis.

5. Meningkatkan sistem deteksi dini terhadap high risk bussiness area, product, dan service. 6. Meningkatkan daya saing dengan meningkatkan infrastruktur.

Risiko keuangan dapat didefenisikan sebagai estimasi perubahan faktor-faktor risiko yang dapat mengakibatkan hasil yang tidak diinginkan. Untuk melakukan estimasi kemungkinan terjadinya peristiwa (event) di waktu mendatang diperlukan metode statistik. Tidak terdapat kepastian yang diperoleh dari hasil estimasi secara statistik karena kejadian di waktu mendatang tidak dapat diketahui (unknown) dan tidak dapat diramalkan. Namun demikian metode statistik dapat memberikan estimasi mengenai probabilitas terjadinya sebuah peristiwa di waktu yang akan datang. Metode tersebut merupakan alat yang sangat bermanfaat untuk mengestimasi perubahan faktor-faktor risiko yang dapat menimbulkan risiko kerugian finansial. Biasanya institut finansial mempublikasikan kinerjanya dengan menampilkan risikonya (volatilitasnya). Hal yang perlu diingat adalah prinsip bahwa tidak ada sesuatu yang gratis. Sangat tidak mungkin jika instrumen investasi memberikan return tinggi tanpa disertai peningkatan risiko. Apabila sebuah instrumen menawarkan keuntungan besar, instrumen ini juga menawarkan kerugian yang besar. Harga pasar digunakan untuk menggambarkan perubahan faktor-faktor risiko. Untuk melakukan pengukuran risiko yang timbul atas perubahan harga pasar di waktu mendatang, maka perlu dibuat skenario untuk seluruh perubahan yang mungkin terjadi dalam kurun waktu (time hirizon) tertentu.

2.2. Risiko Pasar

Risiko pasar adalah risiko kerugian yang timbul akibat pergerakan harga pasar yaitu timbul dari perubahan tingkat bunga, timbul sebagai akibat dari traded market risk yaitu risiko kerugian nilai investasi yang terkait dengan kegiatan pembelian dan penjualan (trading) instrumen keuangan di pasar secara berkesinambungan untuk mendapatkan keuntungan dari risiko yang diambil. Risiko pasar terdiri atas :

1. Risiko khusus (specific risk) adalah risiko yang timbul dari pergerakan harga suatu surat berharga karena faktor keamanan atau faktor penerbitnya. Sebagai contoh adalah harga obligasi akibat memburuknya peringkat kredit penerbitnya. Informasi ini akan secara khusus berpengaruh terhadap penerbit obligasi dan bukan mempengaruhi harga obligasi secara umum.

2. Risiko pasar umum (general market risk) adalah risiko yang timbul dari pergerakan harga-harga instrumen keuangan secara umum di pasar. Sebagai contoh, kebijakan penurunan suku bunga oleh pemerintah menyebabkan penurunan suku bunga di pasar sehingga mempengaruhi harga dari seluruh instrumen keuangan yang terkait dengan pergerakan suku bunga.

Risiko pasar umum di bagi menjadi 4 jenis sebagai berikut : 1. Risiko suku bunga

2. Risiko posisi ekuitas 3. Risiko nilai tukar 4. Risiko posisi komoditi

Harga pasar dipengaruhi oleh berbagai faktor diantaranya :

1. Penawaran dan permintaan produk akan berpengaruh terhadap tingkat harga jangka pendek ketika market makers melakukan penyesuaian harga dalam aktivitas pasar. Waktu yang diperlukan untuk berubahnya harga bervariasi antar pasar dan tergantung dari volume usaha market makers.

2. Likuiditas dapat mempengaruhi secara substansial terhadap harga pasar. Pasar yang likuid memiliki jumlah market makers yang besar serta volume usaha yang besar. Spread transaksi kecil sehingga cost transaksi juga rendah. Pasar yang tidak likuid memiliki spread yang besar dan transaksi tidak terjadi secara aktif. Pasar yang likuid dapat menjadi tidak likuid sebelum libur nasional maupun pengumuman kebijakan ekonomi oleh pemerintah.

3. Intervensi oleh otoritas keuangan memberikan efek jangka pendek terhadap tingkat harga pasar. Jangka waktu dapat berubah menjadi panjang jika, misalnya intervensi memberikan sinyal perubahan kebijakan ekonomi.

4. Arbitrase, di mana tingkat harga pasar lainnya, akan mempengaruhi pergerakan harga harian. Sebagai contoh, jika sebuah saham diperdagangkan di pasar london dan New York dan harga di London lebih tinggi dibandingkan harga di New York, maka trader akan menjual saham di pasar London dan membeli di pasar New York untuk memperoleh keuntungan dengan cepat. Faktor ini memastikan bahwa harga konsisten antar pasar sehingga tidak memungkinkan bagi trader untuk memperoleh keuntungan dengan melakukan trading sebagaimana contoh di atas. Namun demikian, kemungkinan untuk melakukan arbitrase dapat saja muncul untuk periode-periode jangka pendek.

5. Kondisi ekonomi, politik dan bencana alam dapat mengakibatkan perubahan harga jangka pendek. Hal ini dapat terjadi dalam skala pasar lokal namun jika kejadian cukup besar dapat saja berpengaruh terhadap pasar global.

6. Faktor-faktor fundamental ekonomi merupakan pembentuk utama tingkat harga jangka panjang. Sebagai contoh, dalam jangka panjang nilai tukar antar dua negara secara relatif dapat menggambarkan tingkat inflasi dan kinerja perekonomian masing-masing negara tersebut. Namun demikian banyak hal-hal lain yang bersifat jangka pendek yang mengakibatkan sulitnya melihat hubungan semacam itu dalam satu periode waktu tertentu.

2.3. Pasar Modal dan Manfaat Pasar Modal

Pada dasarnya, pasar modal (capital market) merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang bisa diperjualbelikan, baik dalam bentuk utang ataupun modal sendiri. Ada banyak instrumen-instrumen keuangan yang diperjualbelikan di pasar modal salah satunya adalah saham.

Pasar modal memberikan peran besar bagi perekonomian suatu negara karena pasar modal memberikan dua fungsi sekaligus, fungsi ekonomi dan fungsi keuangan. Pasar modal dikatakan memiliki fungsi ekonomi karena pasar modal menyediakan fasilitas atau wahana yang mempertemukan dua kepentingan yaitu pihak yang memiliki kelebihan dana (investor) dan pihak yang memerlukan dana (issuer). Pasar modal dikatakan memiliki fungsi keuangan, karena pasar modal memberikan kemungkinan dan kesempatan memperoleh imbalan (return) bagi pemilik dana, sesuai dengan karakteristik investasi yang dipilih. Jadi diharapkan dengan adanya pasar modal aktivitas perekonomian menjadi meningkat karena pasar modal merupakan alternatif pendanaan bagi perusahaan-perusahaan untuk dapat meningkatkan pendapatan perusahaan dan pada akhirnya memberikan kemakmuran bagi masyarakat yang lebih luas. Secara umum, manfaat keberadaan pasar modal adalah :

1. Menyediakan sumber pembiayaan (jangka panjang) bagi dunia usaha sekaligus memungkinkan alokasi dana secara optimal.

2. Memberikan wahana investasi yang beragam bagi investor sehingga memungkinkan untuk melakukan diversifikasi. Alternatif investasi memberi potensi keuntungan dengan tingkat risiko yang dapat diperhitungkan.

3. Menyediakan leading indikator bagi perkembangan perekonomian suatu negara. 4. Penyebaran kepemilikan perusahaan sampai lapisan masyarakat menengah.

5. Penyebaran kepemilikan, keterbukaan dan profesionalisme menciptakan iklim berusaha yang sehat serta mendorong pemanfaatan manajemen profesional.

2.4. Pengertian Saham

Setelah sedikit membahas pasar modal, salah satu produk yang diperjualbelikan di pasar

modal adalah saham. Pengertian saham secara umum dan sederhana adalah “surat berharga

yang dapat di beli atau di jual oleh perorangan atau lembaga di pasar tempat surat tersebut diperjualbelikan”.

Saham adalah surat berharga yang menunjukkan bagian kepemilikan atas suatu perusahaan. Jika membeli saham berarti membeli sebagian kepemilikan atas perusahaan tersebut. Dan anda berhak atas keuntungan perusahaan dalam bentuk dividen, jika perusahaan mebukukan keuntungan berarti bisa mengambil keuntungan dari naiknya harga saham tersebut dari waktu ke waktu.

Saham (stock) merupakan salah satu instrumen pasar keuangan yang paling populer. Menerbitkan saham merupakan salah satu pilihan perusahaan ketika memutuskan untuk pendanaan perusahaan. Pada sisi yang lain, saham merupakan instrumen investasi yang banyak di pilih para investor karena saham mampu memberikan tingkat keuntungan yang menarik.

Saham di bagi menjadi dua jenis, yaitu saham biasa (common stock) dan saham preferen (preferred stock). Saham biasa merupakan saham yang menempatkan pemiliknya paling akhir, terhadap pembagian diveden dan hak terhadap harta kekayaan perusahaan apabila perusahaan tersebut dilikuiditas (tidak memiliki hak-hak istimewa). Karakteristik dari saham biasa adalah diveden dibayarkan selama perusahaan memperoleh laba. Sedangkan saham preferen, merupakan saham yang memiliki karakteristik gabungan antara obligasi dan saham biasa, karena bisa menghasilkan pendapatan tetap.

Risiko saham adalah peluang terjadinya kerugian atau kerusakan pada saham, jika ingin memperoleh hasil yang besar, akan dihadapkan pada risiko yang besar pula. Contohnya dalam investasi saham Volatilitas atau pergerakan naik-turun harga saham secara tajam akan membuka peluang untuk memperoleh hasil yang lebih besar, namun sebaliknya, jika harga bergerak ke arah yang berlawanan, maka kerugian yang akan ditanggung sangat besar.

Daya tarik dari investasi saham, yaitu diveden dan capital gain. Dividen merupakan keuntungan yang diberikan perusahaan penerbit saham atas keuntungan yang dihasilkan

perusahaan. Biasanya dividen dibagikan setelah adanya persetujuan pemegang saham dan di lakukan setahun sekali. Agar investor berhak mendapatkan dividen, pemodal tersebut harus memegang saham tersebut untuk kurun waktu tertentu hingga kepemilikan saham tersebut diakui sebagai pemegang saham dan berhak mendapatkan dividen. Dividen yang diberikan perusahaan dapat berupa dividen tunai, di mana pemodal atau pemegang saham mendapatkan uang tunai sesuai dengan jumlah saham yang dimiliki dan dividen saham di mana pemegang saham mendapatkan jumlah saham tambahan.

2.4.1 Karakteristik Jenis Saham

Dalam melakukan investasi dalam instrumen saham diharapkan investor juga harus mengetahui jenis-jenis saham. Dan setiap jenis saham memiliki karakteristik tersendiri di mana di dalamnya melekat imbal hasil dan risiko yang berbeda-beda. Secara umum ada 7 macam jenis saham yang memiliki karakteristik yang berbeda-beda dan unik.

1. Saham Bue Chip

Saham blue chip adalah saham-saham perusahaan yang mempunyai reputasi yang sangat baik. Biasanya ini ditunjukkan dengan kinerja emiten yang konsisten, pertumbuhan laba yang konsisten dari tahun ketahun, konsisten memberikan dividen dan di jalankan dengan profesional. Biasanya emiten ini adalah perusahaan yang sudah mature ternama. Hal ini membuat kapitalisasi sahamnya dan likuiditasnya tinggi, oleh karena itu menjadi motor penggerak IHSG.

2. Growth Stock

Growth stock adalah saham perusahaan yang pertumbuhan pendapatannya dan labanya lebih tinggi dari rata-rata industri. Oleh karena itu harga sahamnya akan bertumbuh pula. Saham ini biasanya ada pada emiten yang industrinya atau produknya baru. Contoh ialah BTEL yang akan terus meningkat seiring biaya telepon CDMA yang lebih murah dari GSM. Akan tetapi bila ada substitusi produk yang baru, maka harga saham jenis ini akan jatuh.

Defensive Stock adalah saham-saham yang kinerjanya tidak banyak terpengaruh oleh shock atau siklus perekonomian. Biasnya emiten dari jenis saham ini ialah saham makanan dan industri farmasi ataupun produk-produk keperluan sehari-hari. Saham jenis ini, kenaikan dan penurunannya amat moderat.

4. Cyclical Stock

Cyclical stock adalah saham-saham yang kinerja fundamentalnya meningkat pada musim-musim tertentu. Misalnya saham HERO, Ramayana (RALS), Matahari (MPPA), yang nilainya meningkat akibat kenaikan penjualan di masa-masa menjelang hari raya seperti lebaran.

5. Income Stock

Income Stock adalah perusahaan yang rajin memberikan dividen kepada pemegang sahamnya. Hal ini karena perusahaan sudah mature dan tidak memerlukan biaya ekspansi yang tinggi. Contohnya Astra (ASII).

6. Speculative Stock

Saham ini adalah saham yang tidak konsisten dalam kinerja fundamentalnya, tapi kemungkinan kedepan akan menciptakan perbaikan kinerja. Saham ini sangat berisiko walaupun memberikan return yang besar pula.

7. Junk Stock

Junk Stock adalah saham perusahaan yang memiliki kinerja buruk, sering kali merugi, jarang membagikan dividen dan tidak memiliki prospek yang cerah. Harga sahamya sangat fluktuatif. Harap berhati-hati berinvestasi pada jenis saham ini.

2.4.2. Faktor-faktor yang Mempengaruhi Gejolak Harga Saham

Faktor-faktor yang menyebabkan harga saham dapat di bagi menjadi faktor-faktor makro dan mikro.

Faktor makro adalah faktor-faktor yang mempengaruhi ekonomi secara keseluruhan. Tingkat suku bunga yang tinggi, inflasi, tingkat produktivitas nasional, politik dan lain sebagainya dapat memiliki dampak penting pada potensi keuntungan perusahaan hingga pada akhirnya juga akan mempengaruhi harga sahamnya.

Faktor mikro adalah faktor-faktor yang berdampak secara langsung pada perusahaan itu sendiri. Perubahan manajemen, harga dan ketersediaan bahan mentah, produktivitas pekerja dan lain sebagainya yang akan dapat mempengaruhi kinerja keuntungan perusahaan tersebut secara individual.

2.5. Data Keuangan Indonesia

Sangat sedikit literatur yang membahas tentang sifat-sifat statistik dari sekian banyak data deret waktu keuangan yang kita miliki. Lebih lanjut lagi, analisis sistem ekonomi keuangan di Indonesia saat ini cenderung sangat menyederhanakan permasalah kuantatif ekonomi keuangan dengan analisis kualitatif yang sering terdengar sangat spekulatif. Dalam analisa data ekonomi keuangan, yang menjadi pusat perhatian adalah fluktuasi harga yang terjadi. Pada dasarnya fluktuasi harga yang terjadi adalah variabel yang menunjukkan naik turunnya harga sebagai bentuk kausal dari mekanisme pasar yang berimbas terhadap return. Fluktuasi telah sedemikian menarik perhatian berbagai kalangan analisis hingga saat ini terdapat banyak sekali defenisi yang diberikan untuk mempresentasikan fluktuasi harga. Data keuangan di Indonesia menunjukkan pola skewness (kemiringan) dan kurtosis dalam hal ini platikurtik dan leptokurtik. Parameter skewness menunjukkan derajat ketidaksimetrisan dari distribusi di antara nilai rata-rata. Di sisi lain, kurtosis menunjukkan tinggi rendahnya sebuah distribusi data relatif terhadap distribusi normal. Sedangkan asumsi metode Value at Risk adalah bersifat distribusi normal. Data keuangan yang sering kali menunjukkan pola skewness (kemiringan) menunjukkan bahwa terdapat banyak kejadian yang ternyata berada jauh dari nilai rata-rata, kontras dengan apa yang ditunjukkan dengan distribusi normal. Sifat lain yang sangat unik dalam deret data keuangan adalah sifatnya yang mengikuti distribusi non-Gauss.

2.6 Ukuran Statistik

Statistika sebagai pengetahuan yang berhubungan dengan cara-cara mengumpulkan data, pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang telah dilakukan (Sudjana 1986:3).

Sedangkan statistik diartikan sebagai kumpulan fakta yang berbentuk angka-angka yang disusun dalam bentuk daftar atau tabel yang menggambarkan persoalan. Menurut Sudjana (1986:3), kata statistik dipakai untuk menyatakan kumpulan data bilangan, maupun bilangan yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan suatu persoalan.

Metode statistik digunakan untuk memperkirakan kemungkinan kejadian di masa depan. Tidak ada kepastian dalam perkiraan statistik karena masa depan tidak diketahui dan tidak dapat diketahui.

Namun metode statistik bisa memperkirakan probabilitas (kemungkinan) suatu kejadian terjadi di masa depan. Dengan demikian metode tersebut berguna untuk memperkirakan perubahan faktor risiko yang bisa menciptakan risiko kerugian finansial. Ada sejumlah konsep statistik dan ukuran yang perlu diketahui ketika menganalisa distribusi menggunakan statistik. Satu distribusi yang penting adalah distribusi normal yang digunakan pada metode Value at Risk, yang memilki sejumlah sifat yang berguna untuk memperkirakan risiko.

2.6.1. Sifat-sifat penting distribusi normal

Distribusi normal atau sering pula disebut distribusi Gauss yang variable acaknya bersifat kontinu. Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan.

Gambar 2.1 Bentuk kurva normal umum Sifat-sifat penting distribusi normal :

1. Grafiknya selalu ada di atas sumbu datar x.

2. Bentuknya simetrik terhadap x = μ

3. Mempunyai satu modus, jadi kurva unimodal, tercapai pada x = μ sebesar 0,3989

�

4. Grafiknya mendekati (berasimtutkan) sumbu datar x dimulai dari x = μ + 3σ ke kanan dan x = μ - 3σ ke kiri.

Untuk tiap pasang μ dan σ, sifat-sifat di atas selalu dipenuhi, hanya bentuk kurvanya

saja yang berlainan. Jika σ makin besar, kurvanya semakin rendah (platikurtik) dan untuk σ

makin kecil, kurvanya makin tinggi (leptokurtik).

2.6.2 Statiktik Deskriptif, Skewness dan Kurtosis

Ada sujumlah konsep statistik dan ukuran yang perlu diketahui ketika menganalisa distribusi menggunakan satatistik. Statistik deskriptif salah satu ukuran statistik yang akan di bahas dalam menghitung pengukuran risiko.

7. Nilai rata-rata (Mean)

Teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok tersebut. Rata-Rata (mean) ini didapat dengan menjumlahkan data seluruh individu dalam kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.

Menghitung rata-rata data tunggal dibedakan antara data tunggal yang berfrekuensi satu dengan data tunggal yang berfrekuensi lebih dari satu.

Menghitung rata-rata yang berfrekuensi satu dengan rumus:

= 1+ 2 + 3…+

atau:

= 1=1 �

dimana:

= mean (rata-rata)

� = data ke i

n = banyak data

Menghitung rata-rata data yang sudah dikelompokkan dalam distribusi frekuensi, maka data tersebut akan berbaur sehingga keaslian data itu akan hilang bercampur dengan data lain menurut kelasnya, hanya dalam perhitungan mean kelompok diambil titik tengahnya yaitu setengah dari jumlah ujung bawah kelas dan ujung atas kelas untuk mewakili setiap kelas interval. Hal ini untuk menghindari kemungkinan data yang ada disetiap interval

mempunyai nilai yang lebih besar atau lebih kecil dari titik tengah. Dari mean kelompok dapat dicari dengan rumus:

= �=1 � �

�

dengan:

= mean (rata-rata) _� = tanda kelas interval

� = frekuensi yang sesuai dengan tanda kelas �

8. Modus adalah nilai dari beberapa data yang mempunyai frekuensi tertinggi baik data tunggal maupun data yang berbentuk distribusi, atau nilai yang sering muncul dalam kelompok data.

Menghitung modus dengan data tunggal dilakukan sangat sederhana, yaitu dengan cara mencari nilai yang sering muncul diantara sebaran data. Penggunaan modus bagi data kualitatif maupun kuantitatif dengan cara menentukan frekuensi terbanyak diantara data yang ada.

Jika data kuantitatif telah disusun dalam daftar distribusi frekuensi, rumus modus adalah:

� = + 1

1+ 2 Dengan:

b = batas bawah kelas modal ialah kelas interval dengan frekuensi terbanyak p = panjang kelas modus

1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang lebih kecil sebelum tanda kelas modus

2 = frekuensi kelas modal dikurangi frekuensi kelas

interval dengan tanda kelas yang lebih besar sesudah tanda kelas modus

9. Median adalah nilai tengah dari gugusan data yang telah diurutkan (disusun) dari data terkecil sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil.

Mencari median data tunggal dengan cara mengurutkan data tersebut dari data terkecil sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil, dengan rumus:

 Data ganjil

� = + 1

2  Data Genap

� =

�

2

+� +1

2 2 dimana:

n = banyak data

Untuk data yang telah disusun dalam daftar distribusi frekuensi, mediannya dihitung denngan rumus:

� = + 1

2 − �

dengan:

b = batas bawah kelas median p = panjang kelas median n = banyak data

F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas median f = frekuensi kelas median

10. Standar deviasi adalah suatu nilai yang menunjukkan tingkat atau derajat variasi kelompok data atau ukuran standar penyimpangan dari mean atau rata-ratanya. Standar deviasi (simpangan baku) merupakan alat kuadrat dari varian suatu data.

Jika mempunyai sampel berukuran n dengan data x1, x2,..., xn dan rata-rata , maka

statistik s2 dihitung dengan:

2 ₌ �=1 � −

−1 2

Jika data dari sampel telah disusun dalam daftar distribusi frekuensi, maka untuk menentukan varians s2 dipakai rumus:

2

= �=1 � � −

−1 2

atau yang lebih baik digunakan: 2

= � �

2₋

� �=1 − �

�=1

−1

2

dengan:

� = tanda kelas

� = frekuensi yang sesuai dengan tanda kelas �

= _�=1 _�

Sedangkan standar deviasi (simpangan baku) untuk data populasi digunakan rumus:

�2 ₌ ��

2 − �=1 ��� 2

�=1

2

atau

�2 ₌ � �� − � 2

�=1

�

dengan:

� = standar deviasi

� = frekuensi data ke i �� = data ke i

� = rata-rata

11. Skewness atau kemiringan adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari rata-ratanya) makan dikatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Dalam kedua hal terjadi sifat taksimetri.

Gambar 2.2 Bentuk Kurva Miring Positif (menceng kanan) dan Negatif (menceng kiri)

Untuk mengetahui derajat taksimetri sebuah model, digunakan ukuran kemiringan yang ditentukan oleh:

� = − �

�

dengan: Sk = koefisien kemiringan = rata-rata

Mo = modus

σ = simpangan baku

Maka rumus empirik untuk kemiringan, adalah:

� = 3 − �

�

dengan:

Sk = koefisien kemiringan = rata-rata

Me = median

σ = simpangan baku

Catatan: e. _�

3 = TK = koefisien Tingkat Kemencengan (Skewness) f. TK = 0 maka bentuk kurva simetris

g. TK > 0 maka kurva positif (menceng/landai ke kanan) h. TK < 0 maka bentuk kurva negatif (menceng/landai ke kiri)

Kriteria: jika -2,0 < TK < 2,0 maka data dapat diinterprestasikan berdistribusi normal atau hampir normal.

12.Kurtosis

Kurtosis (keruncingan) adalah derajat kepuncakan dari sebuah distribusi yang biasanya diambil secara relatif terhadap suatu distribusi normal. Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga macam, yaitu:

a. Leptokurtik merupakan distribusi yang memiliki puncak relatif tinggi. b.Platikurtik merupakan distribusi yang memiliki puncak hampir mendatar.

c. Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi dan tidak mendatar.

Gambar 2.3 Jenis Kurva

Kriteria untuk menafsirkan koefisien kurtosis yaitu:

�4 > 3, distribusi leptokurtik (runcing)

�4 < 3, distribusi platikurtik (datar/landai)

�4 = 3, distribusi normal

Untuk mengetahui keruncingan suatu distribusi dan menyelidiki apakah distribusi normal atau tidak, salah satu ukuran yang sering digunakan adalah koefisien keruncingan atau koefisien kurtosis persentil dengan rumus:

= �� 90− 10

= 1 2 �3−�1

90− 10 dimana:

SK = rentang semi antar kuartil K1 = kuartil kesatu

K3 = kuartil ketiga

P10 = persentil kesepuluh

P90 = persentil ke-90

P90– P10 = rentang 10 – 90 persentil

Kriteria: penafsiran model distribusi, yaitu: = 0,263, distribusi normal

> 0,263, distribusi leptokurtik (runcing) < 0,263, distribusi platikutik (datar/landai)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Risiko adalah suatu yang selalu dihubungkan dengan kemungkinan terjadinya sesuatu yang merugikan yang tidak terduga dan tidak diharapkan atau penyimpangan antara tingkat pengembalian yang diharapkan (expected return) dengan tingkat pengembalian aktual (actual return). Pengukuran resiko merupakan hal yang sangat penting berkaitan dengan investasi dana yang cukup besar. Seperti halnya dalam pasar modalyang merupakan wadah alternatif bagi pemilik modal (investor) untuk menanamkan modal (investasi).Dalam pasar modal tersedia berbagai financial assets yang menawarkan tingkat keuntungan dan resiko yang berbeda. Karena investor menghadapi kesempatan investasi yang beresiko, pilihan investasi tidak hanya mengandalkan pada tingkat keuntungan yang diharapkan tetapi juga tingkat kerugian yang mungkin akan investor hadapi dari investasi yang ditanamkan.

Saham adalah surat berharga yang menunjukkan bagian kepemilikan atas suatu perusahaan. Jika membeli saham berarti membeli sebagian kepemilikan atas perusahaan tersebut. Dan berhak atas keuntungan perusahaan dalam bentuk dividen, jika perusahaan mebukukan keuntungan berarti juga bisa mengambil keuntungan dari naiknya harga saham tersebut dari waktu ke waktu.

Diperlukan alat ukur yang bisa digunakan menggunakan resiko pasar tersebut, agar dapat diketahui sejauh mana investor dapat dengan aman berinvestasi. Value at Risk (VaR) merupakan salah satu bentuk pengukuran resiko yang cukup baik. Hal ini mengingat kesederhanaan dari konsep VaR, selain juga memiliki kemampuan implementasi dalam berbagai metodologi statistika yang beragam dan mutakhir. Namun, untuk menghasilkan nilai resiko yang valid pada bursa saham, dibutuhkan teknikal analisis, yang menggunakan data historis mengenai perkembangan harga saham dan volume perdagangan saham sehingga dapat diketahui pola-pola pergerakan harga saham berdasarkan observasi pergerakan harga saham dimasa yang lalu.

Salah satu aspek yang penting dalam analisis resiko keuangan adalah perhitungan Value At Risk (VaR), yang merupakan pengukuruan kemungkinan kerugian terburuk dalam

kondisi pasar yang normal pada kurun waktu t dengan tingkat kepercayaan α. Secara sederhana VaR ingin menjawab pertanyaan, seberapa besar (dalam persen atau sejumlah uang tertentu) perusahaan dapat merugi selama waktu investasi t dengan tingkat kepercayaan

sebesar α. Dengan menggunakan standart normalitas dan memperhitungkan sifat statistika yaitu skewness dan kurtosis, kemudian akan di hitung nilai resiko tersebut. Dalam hal ini penulis mengambil judul “PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKAN METODE STATISTIKA”

1.2 RUMUSAN MASALAH

Semakin tinggi harga pasar menunjukkan bahwa saham tersebut juga semakin diminati oleh investor, karena semakin tinggi harga saham akan menghasilkan capital again yang semakin besar pula. Capital again merupakan selisih antara harga pasar pada periode sekarang dengan periode sebelumnya. Oleh karena itu penelitian ini akan mencari besar kemungkinan return (keuntungan) pada PT Astra International Tbk menggunakan nilai risiko dengan standard normalitas, serta memperhitungkan sifat statistika yaitu skewness dan kurtosis.

1.3 BATASAN MASALAH

Dalam penelitian ini, pengambilan sampel akan didasarkan pada batasan-batasan sebagai berikut:

1. Data yang digunakan merupakan data yang secara resmi dipublikasikan oleh Bursa Efek Indonesia dan Bank Indonesia.

2. Tingkat kepercayaan yang digunakan dalam penelitian ini adalah 95% dan potensi terjadinya kerugian maksimum Value at Risk (VaR), dihitung selama 30 hari.

3. Risiko pasar yang diamati pada penelitian ini hanya mencakup risiko nilai perubahan harga dengan asumsi harga yang ada bersifat tetap selama periode penelitian.

1.4 TUJUAN PENELITIAN

Menentukan nilai risiko pada keadaan saham PT Astra International Tbk dengan menggunakan standard normalitas dan momen statistika yaitu skewness dan kurtosis.

1.5 MANFAAT PENELITIAN

Hasil penelitian ini diharapkan dapat memberikan manfaat kepada:

1. Para analis dan investor di pasar saham Indonesia akan dapat memperoleh gambaran yang jelas mengenai model yang tepat dari Value at Risk untuk mengukur salah satu risiko pasar yaitu menggunakan statistik distribusi dari saham-saham PT Astra International Tbk, sehingga dalam pengambilan keputusan investasinya dapat memperhitungkan apakah risiko yang ditanggung sesuai dengan keuntungan (return) yang diharapkan.

2. Perusahaan yang sahamnya tergabung dalam PT Astra International Tbk dapat mengevaluasi performa saham perusahaan tersebut dengan mengetahui nilai risiko dari sekumpulan keadaan saham yang terpilih.

3. Para akademisi dapat mengambil manfaat penelitian ini sebagai kasus nyata yang dapat digunakan dalam penelitian manajemen keuangan dan dapat menjadi pelengkap penilitian-penelitian yang lain serta dapat mengembangkan penelitian-penelitian selanjutnya.

1.6 TINJAUAN PUSTAKA

Sudjana (1992) dan Supangat, Andi (2007), memaparkan bahwa distribusi normal atau sering pula disebut distribusi Gauss yang variabel acaknya bersifat kontinu. Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan.

Ada sejumlah konsep statistik dan ukuran yang perlu diketahui ketika menganalisa distribusi menggunakan statistik. Statistik deskriptif adalah salah satu ukuran statistik yang akan di bahas dalam menghitung pengukuran risiko.

1. Nilai rata-rata (Mean)

Teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok tersebut. Rata-Rata (mean) ini didapat dengan menjumlahkan data seluruh individu dalam kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.

Menghitung rata-rata data tunggal dibedakan antara data tunggal yang berfrekuensi satu dengan data tunggal yang berfrekuensi lebih dari satu.

=

1

+

₂

+

₃

…

+

atau:

=

1=1 �

dimana:

= mean (rata-rata) � = data ke i

n = banyak data

Menghitung rata-rata data yang sudah dikelompokkan dalam distribusi frekuensi, maka data tersebut akan berbaur sehingga keaslian data itu akan hilang bercampur dengan data lain menurut kelasnya, hanya dalam perhitungan mean kelompok diambil titik tengahnya yaitu setengah dari jumlah ujung bawah kelas dan ujung atas kelas untuk mewakili setiap kelas interval. Hal ini untuk menghindari kemungkinan data yang ada disetiap interval mempunyai nilai yang lebih besar atau lebih kecil dari titik tengah. Dari mean kelompok dapat dicari dengan rumus:

=

�=1 � �

� dengan:

= mean (rata-rata)

_{� = tanda kelas interval}

� = frekuensi yang sesuai dengan tanda kelas �

2. Modus adalah nilai dari beberapa data yang mempunyai frekuensi tertinggi baik data tunggal maupun data yang berbentuk distribusi, atau nilai yang sering muncul dalam kelompok data.

Menghitung modus dengan data tunggal dilakukan sangat sederhana, yaitu dengan cara mencari nilai yang sering muncul diantara sebaran data. Penggunaan modus bagi

data kualitatif maupun kuantitatif dengan cara menentukan frekuensi terbanyak diantara data yang ada.

Jika data kuantitatif telah disusun dalam daftar distribusi frekuensi, rumus modus adalah:

� = + 1

1+ 2 Dengan:

b = batas bawah kelas modal ialah kelas interval dengan frekuensi terbanyak p = panjang kelas modus

_{1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang}

lebih kecil sebelum tanda kelas modus

2 = frekuensi kelas modal dikurangi frekuensi kelas

interval dengan tanda kelas yang lebih besar sesudah tanda kelas modus

3. Median adalah nilai tengah dari gugusan data yang telah diurutkan (disusun) dari data

terkecil sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil. Mencari median data tunggal dengan cara mengurutkan data tersebut dari data terkecil sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil, dengan rumus:

 Data ganjil

� =

+ 1 2

 Data Genap

� =

�

2

+� +1 2

2

dimana:

n = banyak data

Untuk data yang telah disusun dalam daftar distribusi frekuensi, mediannya dihitung denngan rumus:

� = +

1 2 − �

dengan:

b = batas bawah kelas median p = panjang kelas median n = banyak data

F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas median f = frekuensi kelas median

4. Standar deviasi adalah suatu nilai yang menunjukkan tingkat atau derajat variasi kelompok data atau ukuran standar penyimpangan dari mean atau rata-ratanya. Standar deviasi (simpangan baku) merupakan alat kuadrat dari varian suatu data. Jika mempunyai sampel berukuran n dengan data x1, x2,..., xn dan rata-rata , maka

statistik s2 dihitung dengan:

2 ₌ �=1 � − −1

2

Untuk mencari simpangan baku s, dari s2 diambil harga akarnya yang positif.

Jika data dari sampel telah disusun dalam daftar distribusi frekuensi, maka untuk menentukan varians s2 dipakai rumus:

2₌ �=1 � � − −1

2

atau yang lebih baik digunakan:

2 ₌ � � 2

− �=1 � − � �=1

−1

2

dengan:

� = tanda kelas

� = frekuensi yang sesuai dengan tanda kelas � = _�=1 _�

Sedangkan standar deviasi (simpangan baku) untuk data populasi digunakan rumus:

�2 ₌ ��

2 − �=1 ��� 2 �=1

2

�2 ₌ � �� − � 2 �=1

� dengan:

� = standar deviasi � = frekuensi data ke i �� = data ke i

� = rata-rata

5. Skewness atau kemiringan adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari rata-ratanya) makan dikatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Dalam kedua hal terjadi sifat taksimetri. Untuk mengetahui derajat taksimetri sebuah model, digunakan ukuran kemiringan yang ditentukan oleh:

� = − �

� dengan: Sk = koefisien kemiringan

_{= rata-rata}

Mo = modus

σ = simpangan baku

Maka rumus empirik untuk kemiringan, adalah:

�

=

3

−

�

�

dengan:

Sk = koefisien kemencengan

_{= rata-rata}

Me = median

σ = simpangan baku

a. _�

3 = TK = koefisien Tingkat Kemencengan (Skewness) b. TK = 0 maka bentuk kurva simetris

c. TK > 0 maka kurva positif (menceng/landai ke kanan) d. TK < 0 maka bentuk kurva negatif (menceng/landai ke kiri)

Kriteria: jika -2,0 < TK < 2,0 maka data dapat diinterprestasikan berdistribusi normal atau hampir normal.

6. Kurtosis

Kurtosis (keruncingan) adalah derajat kepuncakan dari sebuah distribusi yang biasanya diambil secara relatif terhadap suatu distribusi normal. Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga macam, yaitu:

a. Leptokurtik merupakan distribusi yang memiliki puncak relatif tinggi. b.Platikurtik merupakan distribusi yang memiliki puncak hampir mendatar.

c. Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi dan tidak mendatar.

Kriteria untuk menafsirkan koefisien kurtosis yaitu:

�4> 3, distribusi leptokurtik (runcing)

�4< 3, distribusi platikurtik (datar/landai)

�4= 3, distribusi normal

Untuk mengetahui keruncingan suatu distribusi dan menyelidiki apakah distribusi normal atau tidak, salah satu ukuran yang sering digunakan adalah koefisien keruncingan atau koefisien kurtosis persentil dengan rumus:

=

��

90− ₁₀

=

1

2 �3−�1 90− 10

dimana:

SK = rentang semi antar kuartil K1 = kuartil kesatu

K3 = kuartil ketiga

P90 = persentil ke-90

P90– P10 = rentang 10 – 90 persentil

Kriteria: penafsiran model distribusi, yaitu: = 0,263, distribusi normal

> 0,263, distribusi leptokurtik (runcing) < 0,263, distribusi platikutik (datar/landai)

Situngkir, Hokky dan Surya, Yohanes (2004) memaparkan bahwa untuk

menghitung nilai VaR dengan kesalahan normal disimbolkan dengan Ψnormal, dinyatakan sebagai:

Ψ

normal = mean –aσ

Dimana nilai a merupakan nilai dari distribusi normal yang di dapat dari tabel Z untuk tingkat kepercayaan α.

Perhitungan VaR dengan kesalahan skewness dan kurtosis disimbolkan dengan

ΨSK dinyatakan sebagai:

a

׳

(α) = α +

6

(α) –

1) +

24

(α) –

3(α) –

2

36

(2(α) –

5(α))

dengan:

sk = nilai skewness k = nilai kurtosis

sehingga rumusnya dapat diperoleh:

1.7 METODE PENELITIAN

Adapun metode yang digunakan dalam penelitian ini secara rinci adalah sebagai berikut: 1. Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui hasil penelitian

lainnya yang relevan serta buku-buku maupun artikel-artikel yang didapatkan melalui internet.

2. Proses identifikasi risiko dengan menguraikan jenis risiko yang melekat dalam transaksi trading untuk memastikan bahwa pengukuran resiko dapat dilakukan secara akurat yang meliputi risiko harga pasar (price risk).

3. Memperoleh data dari Bursa Efek Indonesia.

4. Menghitung Value at Risk (VaR) dengan kesalahn normal Ѱ = − � _dan

menghitung VaR dengan kesalahan skewness dan kurtosis Ѱ_�� = − ′�

5. Kemudian mengambil kesimpulan untuk membandingkan nilai VaR dengan kesalahan normal dengan VaR dengan kesalahan skewness dengan menggunkan tingkat kepercayaan � (alpha) sebesar 95% .

PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKKAN

METODE STATISTIKA

ABSTRAK

Model Value at Risk (VaR) adalah alat ukur risiko yang merupakan pengukuran kemungkinan kerugian terburuk dalam kondisi pasar yang normal pada kurun waktu T dengan tingkat kepercayan. Salah satu aspek yang sering menjadi perhatian adalah analisis risiko pada sistem keuangan, dalam hal ini perhitungan yang digunakan yaitu Value at Risk. Capital again merupakan selisih antara harga pasar pada periode sekarang dengan periode sebelumnya. Pengukuran ini menunjukkan perbandingan dua metodologi perhitungan VaR yang menggunakan standar normalitas dan yang memperhitungkan dua momen statistika lain dari data keuangan, yaitu skewness dan kurtosis. Kemudian membandingkan VaR tersebut pada data awal.

DETERMINATION OF VALUE AT RISK STOCKS IN PT. ASTRA INTERNATIONAL TBK BY USING STATISTICA METHODS

ABSTRACT

Model Value at Risk (VaR) risk measuring instrument that be unsightly loss possibility measurement in a condition normal market in range of time t with certain belief level a. One of the aspect wring be attention risk analysis in financial system, in this case calculation value at risk.Capital again is the difference between the market price in the current period to the previous period. This measurement shows comparison two calculation methodologies var that use standard normalitas and calculate two moment statistika other from finance data, that is skewness and kurtosis. Result that go to show that latest methodology shows calculation accuracy better than approach tradisional that show standard normalitas.

PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKAN

METODE STATISTIKA

WINDI WULANDARI 140823023

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKAN

METODE STATISTIKA

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

WINDI WULANDARI 140823023

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2016

PERSETUJUAN

Judul : Penentuan Nilai Resiko Saham Pada PT. Astra International Tbk Dengan Menggunakan Metode Statistika

Kategori : Skripsi

Nama : Windi Wulandari

Nomor Induk Mahasiswa : 140823023

Program Studi : Sarjana (S1) Matematika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara

Disetujui di Medan, Agustus 2016

Komisi Pembimbing:

Pembimbing 2, Pembimbing 1,

Drs. Ujian Sinulingga, M.Si Drs. Gim Tarigan, M.Si NIP. 19560303 198403 1 004 NIP. 19550202 198601 1 001

Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, M.Si

PERNYATAAN

PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKAN

METODE STATISTIKA

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Agustus 2016

Windi Wulandari 140823023

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Penentuan Nilai Resiko Saham Melalui Sifat Statistik Distribusi Pada PT. Astra International Tbk.

Terimakasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si selaku pembimbing 1, dan Drs. Ujian Sinulingga, M.Si selaku pembimbing 2 yang telah bersedia meluangkan waktu, memberikan masukan, bimbingan dan arahan untuk menyelesaikan skripsi ini. Juga kepada Bapak Drs. Marihat Situmorang, M.Kom dan Bapak Dr. Pasukat Sembiring, M.Si selaku dosen pembanding atas kritik dan saran dalam menyempurnakan skripsi ini. Terimakasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah.

Akhirnya teristimewa penulis ucapkan kepada orang tua dan saudara-saudara saya, M. Effendy (Ayah), Harmiani (Ibu), Anissa Nirmala Effendy (Adik), serta seluruh teman-teman, atas doa, dukungan dan kasih sayang sehingga penulis dapat menyelesaikan skripsi ini dengan baik.

Penulis juga menyadari masih banyak kekurangan dalam skripsi ni, baik dalam teori maupun penulisannya. Oleh karena itu, penulis mengharapkan saran dari pembaca demi perbaikan bagi penulis. Akhir kata penulis berharap semoga tulisan ini bermanfaat bagi para pembaca.

Medan, Agustus 2016 Penulis

PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKKAN

METODE STATISTIKA

ABSTRAK

Model Value at Risk (VaR) adalah alat ukur risiko yang merupakan pengukuran kemungkinan kerugian terburuk dalam kondisi pasar yang normal pada kurun waktu T dengan tingkat kepercayan. Salah satu aspek yang sering menjadi perhatian adalah analisis risiko pada sistem keuangan, dalam hal ini perhitungan yang digunakan yaitu Value at Risk. Capital again merupakan selisih antara harga pasar pada periode sekarang dengan periode sebelumnya. Pengukuran ini menunjukkan perbandingan dua metodologi perhitungan VaR yang menggunakan standar normalitas dan yang memperhitungkan dua momen statistika lain dari data keuangan, yaitu skewness dan kurtosis. Kemudian membandingkan VaR tersebut pada data awal.

DETERMINATION OF VALUE AT RISK STOCKS IN PT. ASTRA INTERNATIONAL TBK BY USING STATISTICA METHODS

ABSTRACT

Model Value at Risk (VaR) risk measuring instrument that be unsightly loss possibility measurement in a condition normal market in range of time t with certain belief level a. One of the aspect wring be attention risk analysis in financial system, in this case calculation value at risk.Capital again is the difference between the market price in the current period to the previous period. This measurement shows comparison two calculation methodologies var that use standard normalitas and calculate two moment statistika other from finance data, that is skewness and kurtosis. Result that go to show that latest methodology shows calculation accuracy better than approach tradisional that show standard normalitas.

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

ABSTRAK v

ABSTRACT vi

DAFTAR ISI vii

DAFTAR TABEL viii

DAFTAR GAMBAR ix

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Tinjauan Pustaka 3

1.7Metode Penelitan 11 BAB 2 LANDASAN TEORI 12

2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial 12

2.2 Risiko Pasar 14

2.3 Pasar Modal dan Manfaat Pasar Modal 16

2.4 Pengertian Saham 17

2.4.1 Karakteristik Jenis Saham 18 2.4.2 Faktor-faktor yang Mempengaruhi Gejolak Harga Saham 20

2.5 Data Keuangan Indonesia 20

2.6 Ukuran Statistik 21

2.6.1 Sifat-sifat Penting Distribusi Normal 21 2.6.2 Statistik Deskriptif, Skewnes, dan Kurtosis 22

BAB 3 PEMBAHASAN 30

3.1 Metode Nilai Risiko 30

3.2 Nilai Resiko Pada Data Keuangan 30

3.3 Contoh Data Nilai Harga Saham 31

3.4 Analisa Perhitungan Pada Instrumen Saham 33

BAB 4 KESIMPULAN DAN SARAN 44

5.1 Kesimpulan 44

5.2 Saran 44

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Nomor Judul Halaman

Tabel

3.1 Data nilai harga saham PT. Astra International Tbk di Bursa

Efek Jakarta 32

3.2 Tabel Distribusi Frekuensi 34

3.3 Tabel Distribusi Frekuensi Lanjutan 37

3.4 Hasil Perhitungan Nilai Saham 41

3.5 Nilai yang didapat dari Distribusi Z 42

3.6 Hasil perhitungan perbandingan Ѱ dan ѰSK dengan

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

2.1 Bentuk Kurva Normal Umum 22

2.2 Bentuk Kurva Miring Positif (menceng kanan) dan

Negatif (menceng kiri) 27

2.3 Jenis Kurva 28

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Penentuan Nilai Resiko Saham Melalui Sifat Statistik Distribusi Pada PT. Astra International Tbk.

Terimakasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si selaku pembimbing 1, dan Drs. Ujian Sinulingga, M.Si selaku pembimbing 2 yang telah bersedia meluangkan waktu, memberikan masukan, bimbingan dan arahan untuk menyelesaikan skripsi ini. Juga kepada Bapak Drs. Marihat Situmorang, M.Kom dan Bapak Dr. Pasukat Sembiring, M.Si selaku dosen pembanding atas kritik dan saran dalam menyempurnakan skripsi ini. Terimakasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah.

Akhirnya teristimewa penulis ucapkan kepada orang tua dan saudara-saudara saya, M. Effendy (Ayah), Harmiani (Ibu), Anissa Nirmala Effendy (Adik), serta seluruh teman-teman, atas doa, dukungan dan kasih sayang sehingga penulis dapat menyelesaikan skripsi ini dengan baik.

Penulis juga menyadari masih banyak kekurangan dalam skripsi ni, baik dalam teori maupun penulisannya. Oleh karena itu, penulis mengharapkan saran dari pembaca demi perbaikan bagi penulis. Akhir kata penulis berharap semoga tulisan ini bermanfaat bagi para pembaca.

Medan, Agustus 2016 Penulis

PENENTUAN NILAI RESIKO SAHAM PADA PT. ASTRA

INTERNATIONAL TBK DENGAN MENGGUNAKKAN

METODE STATISTIKA

ABSTRAK

Model Value at Risk (VaR) adalah alat ukur risiko yang merupakan pengukuran kemungkinan kerugian terburuk dalam kondisi pasar yang normal pada kurun waktu T dengan tingkat kepercayan. Salah satu aspek yang sering menjadi perhatian adalah analisis risiko pada sistem keuangan, dalam hal ini perhitungan yang digunakan yaitu Value at Risk. Capital again merupakan selisih antara harga pasar pada periode sekarang dengan periode sebelumnya. Pengukuran ini menunjukkan perbandingan dua metodologi perhitungan VaR yang menggunakan standar normalitas dan yang memperhitungkan dua momen statistika lain dari data keuangan, yaitu skewness dan kurtosis. Kemudian membandingkan VaR tersebut pada data awal.

DETERMINATION OF VALUE AT RISK STOCKS IN PT. ASTRA INTERNATIONAL TBK BY USING STATISTICA METHODS

ABSTRACT

Model Value at Risk (VaR) risk measuring instrument that be unsightly loss possibility measurement in a condition normal market in range of time t with certain belief level a. One of the aspect wring be attention risk analysis in financial system, in this case calculation value at risk.Capital again is the difference between the market price in the current period to the previous period. This measurement shows comparison two calculation methodologies var that use standard normalitas and calculate two moment statistika other from finance data, that is skewness and kurtosis. Result that go to show that latest methodology shows calculation accuracy better than approach tradisional that show standard normalitas.

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

ABSTRAK v

ABSTRACT vi

DAFTAR ISI vii

DAFTAR TABEL viii

DAFTAR GAMBAR ix

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Tinjauan Pustaka 3

1.7Metode Penelitan 11 BAB 2 LANDASAN TEORI 12

2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial 12

2.2 Risiko Pasar 14

2.3 Pasar Modal dan Manfaat Pasar Modal 16

2.4 Pengertian Saham 17

2.4.1 Karakteristik Jenis Saham 18 2.4.2 Faktor-faktor yang Mempengaruhi Gejolak Harga Saham 20

2.5 Data Keuangan Indonesia 20

2.6 Ukuran Statistik 21

2.6.1 Sifat-sifat Penting Distribusi Normal 21 2.6.2 Statistik Deskriptif, Skewnes, dan Kurtosis 22

BAB 3 PEMBAHASAN 30

3.1 Metode Nilai Risiko 30

3.2 Nilai Resiko Pada Data Keuangan 30

3.3 Contoh Data Nilai Harga Saham 31

3.4 Analisa Perhitungan Pada Instrumen Saham 33

BAB 4 KESIMPULAN DAN SARAN 44

5.1 Kesimpulan 44

5.2 Saran 44

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Nomor Judul Halaman

Tabel

3.1 Data nilai harga saham PT. Astra International Tbk di Bursa

Efek Jakarta 32

3.2 Tabel Distribusi Frekuensi 34

3.3 Tabel Distribusi Frekuensi Lanjutan 37

3.4 Hasil Perhitungan Nilai Saham 41

3.5 Nilai yang didapat dari Distribusi Z 42

3.6 Hasil perhitungan perbandingan Ѱ dan ѰSK dengan

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

2.1 Bentuk Kurva Normal Umum 22

2.2 Bentuk Kurva Miring Positif (menceng kanan) dan

Negatif (menceng kiri) 27

2.3 Jenis Kurva 28