3.3 Definisi Operasional
1.Value at Risk = Value at Risk adalah suatu alat yang digunakan untuk mengetahui besarnya risiko harga saham atau risiko dari investasi yang
dapat ditolerir, baik dalam bentuk saham tunggal ataupun saham gabungan saham sekuritas dalam waktu tertentu dan
tingkat keyakinan tertentu. 2.Var.Covariance = Suatu Metode untuk mengukur Value at Risk, yang mana cara
perhitungannya mensyaratkan data harus normal mendapatkan nilainya setelah mendapatkan nilai volatilitas.
3.Historical Sim = Suatu Metode untuk mengukur Value at Risk yang menggunakan
return histori,
perhitungan yang
harus didahulukan dengan pengurutan data dan menentukan nilai
precentailnya sesuai dengan tingkat kepercayaan.
3.4 Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder atau data kuantitatif yang bersifat time series dalam bentuk data harian yaitu data dalam bentuk
angka-angka dalam kurun waktu 3 Januari 2011 sampai 29 Februari 2012 yang diperoleh dari www.yahoofinance.com.
3.5 Metode Pengumpulan Data
Pada penelitian ini penulis menggunakan metode kepustakaan library research, yang diperoleh dari publikasi resmi yang berhubungan dengan penelitian.
Pengumpulan data dimulai dengan penelitian pendahuluan, membaca dan
UNIVERSITAS SUMATERA UTARA
mempelajari penelitian terdahulu serta tulisan-tulisan yang mendukung dan berhubungan dengan pokok-pokok bahasan penelitian ini. Hal tersebut dilakukan
untuk memperkaya literatur yang digunakan dalam menjawab persoalan dan mendukung data kuantitatif yang telah ada.
3.6 Teknik Analisis
Untuk menganalisis risiko harga saham dalam penelitian ini penulis menggunakan Value at Risk, yakni Variance-covariance model dan Historical
Simulation model. Terdapat beberapa tahap yang harus dipenuhi dalam menganalisis risiko harga
saham dengan metode VaR ini. Adapun langkah-langkah analisisnya ialah : a. Menentukan saham yang akan dianalisis
Saham yang dianalisis pada penelittian ini adalah 10 saham perbankan dengan tingkat asset terbesar.
b. Menghitung return masing-masing saham Return dihitung dengan menggunakan rumus
R= Ln Pn Po Dimana :
R= Return hari ini Pn= Harga saham periode sekarang
Po= Harga saham periode sebelumnya alasan dipilihnya metode ini, karena metode ini lebih akurat dalam
menghitung data dalam jumlah yang cukup banyak.
UNIVERSITAS SUMATERA UTARA
c. Menghitung return portofolio Return portofolio dihitung dengan menggunakan rumus
E Rp =
Dimana : E Rp = Return yang diharapkan dari portofolio
Wi = Bobot portofolio sekuritas ke-i
E Ri = Return yang diharapkan dari sekuritas ke-i N
= Jumlah sekuritas yang ada dalam portofolio d. Melakukan uji stasioner data
Uji stasioner data dilakukan dengan uji ADF Augmented Dicky Fuller test dibandingkan dengan test statistic dengan tingkat kepercayaan yang telah
ditetapkan critical value. Adapun yang menjadi patokan data stasioner atau tidak adalah :
Ho : α = 0 maka data return tidak stasioner
H1 : α ≠ 0 maka data return sudah stasioner
Test Statistik: -Nilai ADF test critical value 5 atau nilai probabilitas 5, maka data
belum stasioner dan menolak Ho
UNIVERSITAS SUMATERA UTARA
-Nilai ADF test critical value 5 atau nil ai probabilitas ≤ 5, maka data
sudah stasioner dan terima Ho e. Melakukan uji normalitas data
Uji normalitas dilakukan untuk menguji apakah data tersebut berdistribusi normal maka digunakan test distribusi probabilitas Jarque-Berra. Patokan
untuk melihat apakah data sudah berdistribusi normal ialah : Probabilitas α 5
maka data bedistribusi normal Probabilitas α‟ 5
maka data tidak normal
Apabila data tidak normal, maka probabilitas α dikoreksi menjadi α‟ dengan Cornish Fisher Expansion dengan memperhatikan nilai skewness. Adapun
rumus mencari α‟ adalah sebagai berikut: α‟= α-
- 1€……………………………………………………….. 3.1
alpha : 1.644853 Keterangan :
α = Nilai alpha sesuai nilai probabilitas Jarque-Berra α‟= Nilai setelah disesuaikan adjusted
€ = Nilai skewnes kemenangan Uji normalitas ini pada dasarnya hanya diperlukan pada Variance Covariance
method, pada Historical Simulation method uji normalitas tidak diperlukan.
UNIVERSITAS SUMATERA UTARA
Variance Covariance Method membutuhkan uji ini karena pada perhitungan Value at Risk membuthkan nilai Z koreksi yang diperoleh dari uji normalitas.
f. Menguji data homokedastisitas atau heteroskedastisitas Uji ini dilakukan dengan white heteroscedaticity test no cross untuk
mengetahui nilai volatilitas data. Selanjutnya diambil keputusan menggunakan rumus yang mana, apakah menggunakan rumus standard
deviasi biasa apabila data homokedastisitas atau menggunakan rumus ARCH GARCH apabila data heteroskedastisitas. Adapun yang menjadi
patokan dalam penentuan penggunaan rumus ialah : Nilai probabilitas5
maka data bersifat heteroskedastisitas Nilai probabilitas 5
maka data bersifat homokedastisitas g. Menetukan Z score atau Z koreksi bila data tidak berdistribusi normal
Z score atau Z koreksi dilakukan apabila data return tidak berdistribusi normal, Z koreksi diperlukan dalam menentukan nilai Value at Risk dengan
menggunakan Variance Covariance Method. Z koreksi dapat ditentukan dengan menggunakan rumus sebagai berikut :
α‟= α- -
1€ Keterangan :
α = Nilai alpha sesuai nilai probabilitas Jarque-Berra 1,644853 α‟= Nilai setelah disesuaikan adjusted
€ = Nilai skewnes kemenangan
UNIVERSITAS SUMATERA UTARA
h. Melakukan pengurutan data Untuk perhitungan Value at Risk dengan Historical Simulation, return data
perlu diurutkan dari kerugian terbesar sampai keuntungan terbesar, kemudian menentukan precentail 5 untuk perhitungan VaR. Pengurutan data ini juga
diperlukan untuk menentukan besarnya failure profitloss dalam tahap backtesting.
i. Menentukan Variance portofolio Variance Covariance digunakan untuk perhitungan VaR portofolio model
Variance-covariance. Variance Covariance dapat dihitung dengan menggunakan rumus :
Variance portofolio= Dimana :
2
= Variance return sekuritas i = covariance antara return sekuritas I dan j
Wi = bobot atau porsi dana yang diinvestasikan pada sekuritas i
j. Menghitung Value at Risk Apabila persyaratan diatas telah dilalui, maka telah dapat dihitung
VaR masing-masing saham dengan model variance-covariance dan Historical Simulation. Perhitungan dapat dilakukan dengan menggunakan rumus :
VaR = Vo α Dimana :
UNIVERSITAS SUMATERA UTARA
Vo = Nilai Exposure α = Alpha
= Standard deviasi t = waktu holding period
k. Menghitung nilai VaR portofolio saham Langkah berikutnya ialah menghitung VaR portofolio saham, cara
perhitungannya sama dengan menghitung Value at Risk saham, namun dalam perhitungan portofolio nilai exposure tiap saham dijumlahkan.
l. Melakukan Back testing Tahap akhir dari Metode ini adalah melakukan backtesting dengan
menggunakan kupiec test, dengan cara membandingkan nilai profitloss aktual harian dengan nilai Value at Risk harian. Setelah itu dilakukan uji validasi
dengan menggunakan rumus LR yang dinyatakan dalam rumus berikut :
LR = -2 log[ p
x
]] + 2 log
Dimana : P
= probabilitas terjadinya failure di bawah null hypothesis n
= jumlah observasi x
= total failures
UNIVERSITAS SUMATERA UTARA
BAB IV HASIL DAN PEMBAHASAN
Pada Bab ini akan dijelaskan langkah-langkah perhitungan nilai Value at Risk dengan metode Variance Covariance dan metode Historical Simulation pada 10
saham perbankan Indonesia dengan nilai asset tertinggi, yakni saham BCA, BII, BNI, BRI, PERMATA, CIMB NIAGA, DANAMON, PANIN BANK, BANK MANDIRI,
BANK BTN. Analisa dimulai dengan statistik deskriptif data return setiap saham, dan dilanjutkan dengan serangkaian pengolahan data return untuk mencari nilai Z
koreksi dan nilai volatilitas dalam pengukuran nilai VaR. Setelah nilai VaR diketahui, maka dilakukan uji BackTesting menggunakan Kupiec Test untuk dapat
mengambil kesimpulan model mana yang valid untuk mengukur risiko harga saham.
4.1 Menghitung Return
Return harian tiap saham dihitung dengan menggunakan rumus 2.2 untuk
sejumlah 288 data perdagangan, yang dimulai dari periode 3 Januari 2011 sampai 29 Februari 2012, data perdagangan diperoleh dari yahoo.finance dengan harga saham
penutup yang menjadi acuan untuk menghitung return tiap saham. Adapun proses perhitungan return masing-masing saham dan portofolio secara lengkap dapat dilihat
pada lampiran 1 dengan bantuan Microsoft Excel.
4.1.1. Statistik Deskriptif Return Saham
UNIVERSITAS SUMATERA UTARA
Tabel 4.1 dibawah ini menunjukkan statistik deskrptif return masing-masing saham
selama periode pengamatan, yakni dari 3 Januari 2011 sampai 29 Februari 2012.
Tabel 4.1 Statistik Deskriptif Return Periode 3 Jan 2011 sd 29 Feb 2012
Saham Minimum
Maximum Mean
Std. Deviasi BCA
-0.0876 0.054808
0.00057 0.018578
BII -0.01358
0.112478 -0.00168
0.024849 BNI
-0.1606 0.075794
-0.00002 0.023785
BRI -0.14058
0.096992 0.000999
0.024955 BTN
-0.19637 0.119545
-0.00109 0.026472
CIMB -0.10981
0.114238 -0.00111
0.023725 DANAMON
-0.07327 0.106295
-0.00072 0.0234392
MANDIRI -0.15684
0.078643 -0.5
-18
0.02529385 PANIN
-0.08633 0.134657
-0.0009 0.02392003
PERMATA -0.07889
0.114048 -0.00081
0.02318019
Sumber : Yahoofinance, Data Diolah
Nilai-nilai dari return masimg-masing saham selama periode penelitian menunjukkan nilai mean variance yang stasioner. Namun untuk lebih pasti, maka
stasioner data return akan diuji lebih detail pada uji stasioner dengan menggunakan ADF Test statistik. Pada tabel diatas juga dapat dilihat nilai volatilitas return masing-
UNIVERSITAS SUMATERA UTARA
masing saham, yang ditunjukkan pada nilai standard deviasi, yang berarti nilai risiko dari masing-masing saham selama periode penelitian.
4.2. Hasil Uji Stasioner
Kategori