Professional Documents
Culture Documents
750-Article Text-3228-1-10-20221101
750-Article Text-3228-1-10-20221101
750-Article Text-3228-1-10-20221101
Bagian Pengelola Jurnal dan Publikasi (BPJP) Volume 05 Number 02 (Juli 2022)
Sekolah Tinggi Ilmu Ekonomi Indonesia Jakarta
Abstract– This study aims to determine the value at risk for investment
decisions in an empirical study on the Building Construction Sector which
are included in the LQ45 index listed on the IDX for the 2016-2020 period.
This study uses a descriptive quantitative research approach, and the data
used are secondary data with data sources coming from www.idx.co.idand
www.finance.yahoo.com. In this study using purposive sampling technique.
The analytical method used in this research is the Value at Risk Historical
Simulation approach at 99% alpha level using stock prices and the prices
of the Construction, Property, and Real Estate Sector Index for the 2016-
2020 period. The portfolio measurement method uses the Capital Asset
Pricing Model (CAPM) model of 3 issuers listed in the LQ45 index
consisting of WSKT, WIKA, and PTPP In this study, the proportion of the
same investment in each stock is 33.33%. This study uses a regression test
to determine the relationship between sector stock returns and returns
indexA tool used to measure investment risk with the help software
Microsoft Excel 2019. The results of the VaR calculation show that the
smallest risk of the three stocks during the 2016-2020 period is WSKT
shares and the largest risk is PTPP shares with VaR values of 34.71% and
36.72%, respectively. For investors who have a risk averse preference, they
can invest their funds in WSKT shares, and for investors who have a risk
taker, they can invest their funds in PTPP shares. The highest 5-year
portfolio VaR results were PTPP shares of Rp 12,239,066, and the lowest
was WSKT shares of Rp 11,571,282. The results Significance F of the three
stocks for 5 years indicate that there is a significant influence between
sector stock returns and returns index.
I. PENDAHULUAN
Pertumbuhan ekonomi di Indonesia semakin membaik karena didorong oleh perbaikan ekonomi
global yang berdampak pada kinerja ekspor yang semakin kuat, dan meningkatnya permintaan domestik
dan investasi. Pertumbuhan ekonomi menunjukkan bagaimana aktivitas ekonomi menghasilkan perubahan
dalam struktur sosial masyarakat dan menghasilkan nilai tambahan pendapatan dan kesejahteraan,
peningkatan pertumbuhan ekonomi dapat dilihat dari realisasi pembangunan yang sudah terlaksana dan
tercermin di Indeks Harga Saham Gabungan (IHSG) (Intan et al., 2019).
Covid-19 sangat berdampak bagi pertumbuhan ekonomi pada seluruh negara tidak hanya di
Indonesia. Covid-19 ini menginfeksi sistem pernafasan yang menyebabkan flu biasa sampai penyakit yang
lebih parah. Dampak pandemi Covid-19 terhadap kondisi ekonomi makro Indonesia mengalami
ketidakstabilan yang mempengaruhi pasar saham dan menimbulkan risiko sehingga memerlukan estimasi
yang lebih baik. Berbagai sektor industri mengalami dampak yang cukup dalam akibat Covid-19 karena
aktivitas bisnis dan mobilitas banyak yang mengalami gangguan. Sektor industri di Indonesia yang menjadi
salah satu penggerak roda pertumbuhan ekonomi adalah sektor building construction, di mana
pembangunan infrastruktur mengakibatkan ekspansi ekonomi untuk meningkatkan aliran barang, mobilitas
orang ke seluruh siklus perekonomian dan pemerataan ekonomi di Indonesia.
Risiko dan return menjadi salah satu pertimbangan tolak ukur ketika seseorang akan melakukan
investasi. Pengetahuan tentang risiko (risk) menjadi modal penting yang harus dimiliki oleh setiap investor
maupun calon investor melakukan investasi (Sarpong et al., 2018). Sebelum melakukan keputusan investasi
seorang investor harus mempertimbangkan imbal hasil yang diharapkan atau (expected return) dan risiko
(risk) yang harus ditanggung dari investasi tersebut, untuk mengetahui risiko dari investasi maka investor
harus mengukur tingkat risikonya. Kebutuhan akan pengukuran risiko semakin dibutuhkan karena
perkembangan dan pertumbuhan aktivitas perdagangan dan pasar semakin meluas dan tidak menentu yang
membuat pelaku pasar khususnya para investor membutuhkan teknik pengukuran risiko yang lebih akurat
dan terpercaya (Sarpong et al., 2018). Risiko dapat dikelola oleh investor jika investor dapat mengukur
besar atau kecilnya risiko yang akan didapatkan apabila menginvestasikannya (Sultra et al., 2021).
Pengukuran risiko pasar yang paling popular adalah menggunakan Value at Risk (VaR) (Gunay,
2017). Value at Risk (VaR) merupakan metode pengukuran risiko yang telah menjadi standar untuk
mengukur risiko dengan perhitungan risiko pasar (market risk) dan menentukan risiko kerugian maksimum
yang dapat terjadi pada suatu portofolio (Sarpong et al., 2018). Menurut Sultra et al. (2021) menyatakan
bahwa Value at Risk (VaR) dapat digunakan untuk mengukur risiko secara kuantitatif untuk mengestimasi
potensi kerugian maksimal (maximum potential loss) yang mungkin bisa terjadi di masa yang akan datang
dan yang akan dihadapi pada jangka waktu tertentu pada tingkat kepercayaan tertentu. Pengukuran dengan
menggunakan VaR umumnya dilakukan oleh investor untuk mengetahui estimasi potensi kerugian akibat
risiko pasar, karena metode VaR dapat dengan mudah digunakan oleh berbagai lembaga keuangan lainnya
khususnya untuk saham (Amin et al., 2018). Value at Risk (VaR) telah dirancang dan dipergunakan oleh
lembaga keuangan sebagai alat standar untuk melaporkan risiko (Astuti dan Gunarsih, 2021). Thanh et al.
(2018) menyatakan bahwa VaR dapat menggunakan tiga metode pendekatan utama yaitu, metode varians-
kovarians (parametrik), metode simulasi Monte Carlo (semi parametrik), dan metode simulasi historis (non-
parametrik). Pada setiap pendekatan mempunyai kelebihan dan kekurangan, umumnya Value at Risk (VaR)
digunakan oleh para investor untuk mengetahi tingkat return dan risiko yang akan mereka terima pada
investasinya.
Pendekatan parametrik didasarkan pada asumsi bahwa pengembalian terdistribusi secara normal dan
adanya hubungan linier antara perubahan nilai instrumen dengan dampak dari perubahan faktor risiko (risk
factor) dan pendekatan non-parametrik didasarkan pada data historis dan tidak memerlukan normalitas data,
mempertimbangkan pengembalian masa lalu yang sebenarnya (Astuti dan Gunarsih, 2021). Keunggulan
menggunakan metode VaR adalah berfokus pada downside risk, yang artinya tidak hanya bergantung pada
asumsi distribusi dan return. Dalam pengambilan keputusan investasi, investor harus memahami
fundamental trade-off dan risiko (risk) sesuai dengan referensi mereka (Astuti dan Gunarsih, 2021). Value
at Risk (VaR) juga memiliki kelemahan yaitu VaR hanya mengukur persentil dari distribusi keuntungan
maupun kerugian tanpa memperhatikan pada setiap kerugian yang melebihi tingkat VaR (Saepudin et al.,
2017).
Putri Endah Astuti dan Tri Gunarsih., (2021) menganalisis Value at Risk (VaR) untuk mengestimsi
risiko investasi dan pembentukan portofolio yang optimal pada saham perbankan dengan menggunakan
metode Mean-VaR berdasarkan pendekatan Markowitz.
Susanti, Sukono, dan Verrany (2020), membahas mengenai analisis risiko saham tunggal dan
pengembalian portofolio dengan judul Value-at-Risk Estimation Method Based on Normal Distribution,
Logistics Distribution and Historical Simulation. Penelitian ini menggunakan data saham BNI, BRI, dan
Portofolio. Dalam penelitian ini perhitunagan value at risk (VaR) akan diestimasi dengan menggunakan
pendekatan distribusi normal, distribusi logistik, dan simulasi historis.
Andrianto, dan Khairunnisa (2019), menjelaskan tentang perhitungan value at risk dengan
menggunakan metode historis dan monte carlo pada saham sub sektor rokok. Teknik analisis data yang
digunakan adalah teknik analisis data kuantitatif dengan menggunakan bantuan software Microsoft Excel.
Ridha dan Khoirudin (2018) penelitian ini bertujuan untuk untuk mengetahui konsistensi pengukuran
risiko menggunakan value at risk dengan menggunakan metode historis pada saham syariah meliputi
periode jangka pendek, jangka menengah dan jangka panjang.
Teori Portofolio
Portofolio merupakan gabungan antar beberapa sekuritas yang menjadi pilihan untuk investasi pada
periode waktu tertentu dengan bobot tertentu pada masing-masing sekuritas yang bertujuan untuk
meminimalkan risiko (Iasha et al., 2020). Tujuan pembentukan portofolio adalah untuk mengurangi risiko
dengan melakukan diversifikasi, yaitu mengalokasikan beberapa dana ke berbagai alternatif investasi yang
aset-asetnya berkorelasi. Pentingnya untuk mengidentifikasi porsi dana yang akan diinvestasikan pada
sebuah aset guna memaksimalkan keuntuntungan dengan risiko yang kecil. Menurut Abrami dan Marsoem
(2021) menyatakan bahwa portofolio adalah sekumpulan dari beberapa aset yang diinvestasikan baik dari
individu maupun institusi untuk memperkecil tingkat risiko dan memaksimalkan pengembalian yang
diharapkan. Portofolio optimal mempunyai kombinasi yang baik antara pengembalian yang di harapkan
(expected return) dan risiko (risk), sedangkan portofolio efisien memberikan penawaran pengembalian
yang diharapkan (expected return) yang paling signifikan terhadap tingkat risiko yang sama atau portofolio
yang memiliki risiko paling rendah dengan tingkat return yang sama atau pada tingkat pengembalian
tertentu (Astuti dan Gunarsih, 2021).
value at risk dengan tingkat kepercayaan 99% artinya probabilitas risiko pada saat terjadinya (event)
kerugian sebesar 1%.
𝑃𝑡 − 𝑃𝑡−1
𝑅𝑡 = (1)
𝑃𝑡
Information:
𝑅𝑡 : return time t
Pt : investment price at time t
Pt−1 : investment price at time t-1
T : investment time
Rata-rata Geometrik
𝐺 = 𝑛√𝑥 1 𝑋 𝑥 2 𝑋 … 𝑋 𝑥𝑛 (4)
𝐺 = Measuring average
𝑥1 = Data x ke-i
𝑥2 = Data x ke-i
𝑛 = Number of data
Perhitungan VaR
VaR didefinisikan sebagai nilai kerugian maksimal portofolio (Hartono, 2017:250) Nilai VaR dapat
dihitung dengan menggunakan metode simulasi historis.
𝑉𝑎𝑅(1−𝑎𝑙𝑝ℎ𝑎) = 𝑄 ∗ √𝑡 (5)
Information:
𝑉𝑎𝑅(1−𝑎) = VaR with confidence level (1-Alpha) after (t) period
𝑄 ∗ √𝑡 = quantile of return of distribution
0.00%
BI Rate
40.00%
20.00%
0.00%
-20.00%
-40.00%
-60.00%
WS WIK PTP
KT A P
2016 52.21% -9.76% 3.04%
2017 -14.82%-42.40%-28.49%
2018 -43.38%-22.07%-45.15%
2019 -26.73% 5.48% -34.62%
2020 18.76% 5.50% 38.90%
2016-2020 -3.72% -5.29% -13.04%
Return geometrik saham berfluktuasi. Pada saham WSKT return tertinggi terdapat pada tahun 2016
yaitu sebesar 52,21% mengindikasikan bahwa secara historis saham WSKT memberikan return sebesar
52,21 % pada tahun tersebut. Return saham WSKT terkecil terdapat pada tahun 2018 sebesar -43,38%
mengindikasikan bahwa pada tahun tersebut saham WSKT hanya mampu memberikan return sebesar -
43,38% dan selama periode tahun 2016-2020 saham WSKT dapat memberikan return sebesar -3,72%. Pada
saham WIKA return tertinggi terdapat pada tahun 2020 yaitu sebesar 5,50% mengindikasikan bahwa secara
historis saham WIKA dapat memberikan return sebesar 5,50% pada tahun tersebut.
10.00%
5.00%
0.00%
-5.00%
-10.00%
-15.00%
-20.00%
WSKT WIKA PTPP
2016 10.67% 10.67% 10.67%
2017 -5.43% -5.43% -5.43%
2018 -18.15% -18.15% -18.15%
2019 8.91% 8.91% 8.91%
2020 -13.09% -13.09% -13.09%
2016-2020 -3.46% -3.46% -3.46%
Return geometrik Indeks Sektor pada setiap saham tetap tidak terdapat perubahan, mengindikasikan
bahwa pergerakan Indeks Harga Sektor Konstruksi, Properti, dan Real Estate (JKPROP) menjadi acuan
tingkat pengembalian indeks pasar saham atau hasil persentasi tersebut dapat digunakan sebagai nilai return
pasar pada persamaan CAPM.
Akumulasi tahun -
2016-2020 35,28%
2016 -5,65%
2017 -17,00%
2018 -22,38%
PTPP 2019 -23,34%
2020 -50,42%
Akumulasi tahun -
2016-2020 36,72%
CAPM
20.00%
10.00%
0.00%
-10.00%
-20.00%
-30.00%
-40.00%
-50.00%
-60.00%
-70.00%
WSK WIK
PTPP
T A
Column1 8.83% 13.24% 8.19%
2017 -11.26% -3.41% -19.47%
2018 -34.68% -64.80% -63.51%
2019 12.74% 11.32% 14.94%
2020 -13.37% -17.62% -18.08%
2016-2020 -6.46% -8.53% -9.25%
Hasil perhitungan CAPM rata-rata mengalami fluktuasi penurunan dari tahun ke tahun. Pada saham
WSKT expected return CAPM tertinggi didapat pada tahun 2019 yaitu sebesar 12,74%, sedangkan yang
terendah pada tahun 2019 sebesar -34,68% dan selama periode 5 tahun dari tahun 2016-2020 sebesar -
6,46%. Pada saham WIKA expected return CAPM tertinggi didapat pada tahun 2016 yaitu sebesar
13,242%, sedangkan yang terendah pada tahun 2018 sebesar -64,80% dan selama periode 5 tahun dari tahun
2016-2020 sebesar - 8,53%. Pada saham PTPP expected return CAPM tertinggi didapat pada tahun 2019
yaitu sebesar 14,94%, sedangkan yang terendah pada tahun 2018 sebesar -64,51% dan selama periode 5
tahun dari tahun 2016-2020 sebesar -9,25%.
Perhitungan VaR
Hasil perhitungan VaR pada setiap saham bervariasi, dimana pada saham WSKT nilai VaR terbesar
pada tahun 2020 yaitu sebesar -47,66% sedangkan nilai VaR terkecil terjadi pada tahun 2016 sebesar -
5,75%. Selama 5 tahun saham WSKT memiliki nilai VaR sebesar -34,71% lebih rendah dibandingkan
dengan saham lainnya yaitu WIKA dan PTPP. Pada saham WIKA nilai VaR tertinggi pada tahun 2020
yaitu sebesar -51,09%, sedangkan nilai VaR terkecil terjadi pada tahun 2019 sebesar -12,84%. Pada saham
PTPP nilai VaR tertinggi pada tahun 2020 yaitu sebesar -50,42%, sedangkan nilai VaR terkecil terjadi pada
tahun 2016 sebesar -5,65%. Selama 5 tahun saham PTPP memiliki nilai VaR sebesar - 36,72% lebih tinggi
dari pada saham WSKT dan WIKA, mengindikasikan bahwa kerugian yang akan di dapatkan jika
berinvestasi pada saham ini kerugian yang aka diperoleh tidak akan melebihi 36,72% untuk saham PTPP,
34,71% untuk saham WSKT, dan 35,28% untuk saham WIKA.
V. SIMPULAN
1. Perhitungan risiko menggunakan metode VaR dengan pendekatan simulasi historis mampu
memberikan hasil besaran potensi kerugian yang akan diterima apabila investor menginvestasikan
dananya pada saham WSKT, WIKA, dan PTPP dengan proporsi investasi sebesar 33,33% pada setiap
saham.
2. Menggunakan confidence level 99%, mengindikasikan bahwa kerugian yang melebihi kerugian
maksimal hanya akan terjadi sekali dalam interval waktu setiap tahunnya dan akumulasi dari tahun
2016- 2020.
3. Berdasarkan perhitungan CAPM masing-masing saham selama periode 2016-2020. Pada saham
WSKT memiliki return lebih besar dari pada expected return, saham PTPP memiliki return lebih
rendah dari expected return, dan saham WIKA memiliki return lebih tinggi dari pada expected return.
4. Berdasarkan perhitungan VaR masing-masing saham, dapat di simpulkan bahwa VaR terbesar adalah
saham PTPP dan VaR terkecil adalah saham WSKT.
5. Berdasarkan hasil uji regresi pada masing-masing saham, terdapat hubungan korelasi dari yang lemah
sampai cukup kuat antara return saham dan return indeks sektor. Selama periode 5 tahun semua saham
berpengaruh signifikan.
DAFTAR PUSTAKA
Abrami, Rizkar, and Bambang Santoso Marsoem, Optimal Portfolio Formation with Single Index Model
Approach on Lq-45 Stocks on Indonesia Stock Exchange, International Journal of Innovative Science
and Research Technology, 2021, VI. www.ijisrt.com.
Amin, Farah Azaliney Mohd, Nurulhazwan Izmi Othman, Mohamad Khairil Amri Khairuddin, and
Muhammad Haikal Muhaimin Hazahar, ‘Measuring Value at Risk for Kijang Emas Investment Using
Historical Simulation Approach’, International Journal of Academic Research in Business and Social
Sciences, 9.9 (2019). https://doi.org/10.6007/ijarbss/v9-i9/7003.
Amin, Farah Azaliney Mohd, Siti Fatimah Yahya, Siti Ainazatul Shazlin Ibrahim, and Mohammad Shafiq
Mohammad Kamari, ‘Portfolio Risk Measurement Based on Value at Risk (VaR)’, in AIP Conference
Proceedings (American Institute of Physics Inc., 2018), MCMLXXIV.
https://doi.org/10.1063/1.5041543.
Astuti, Putri Endah, and Tri Gunarsih, ‘Value at Risk Analysis in Risk Measurement and Optimum
Portofolio Formation in Banking Shares JBTI : Jurnal Bisnis : Teori Dan Implementasi, 12.2 (2021),
103–14. https://doi.org/10.18196/jbti.v12i2.12263.
Bodie, Z., Kane A., & Marcus, A. J. (2014). Dasar-Dasar Investasi (9th ed.). Jakarta : Salemba Empat.
Djohanputro (2012). Manajemen Risiko Korporat Terintegrasi (11st ed). Jakarta: PPM.
Günay, Samet, ‘Value at Risk (VaR) Analysis for Fat Tails and Long Memory in Returns’, Eurasian
Economic Review, 7.2 (2017), 215–30. https://doi.org/10.1007/s40822-017-0067-z.
Iasha, Dian, Ahmad Faisol, and Universitas Lampung, Capital Asset Pricing Model sebagai Penentu
Portofolio Optimal pada Indeks Saham LQ-45 (Lampung, 2020).
Intan Sari, Widya, ‘Analisis Pengaruh Inflasi, Suku Bunga SBI, Nilai Tukar Terhadap Return LQ 45 Dan
Dampaknya Terhadap Indeks Harga Saham Gabungan (IHSG) Di Bursa Efek Indonesia (BEI)
ARTICLES INFORMATION ABSTRACT’, Jurnal Sekuritas, 3.1 (2019).
Mostafa, Fahed, Tharam Dillon, and Elizabeth Chang, Computational Intelligence Applications to Option
Pricing, Volatility Forecasting and Value at Risk, ed. by Poland Janusz Kacprzyk, Polish Academy
of Sciences, Warsaw, 2017th edn (Australia: Springer Nature, 2017), DCXCVII. https://doi.org/DOI
10.1007/978-3-319-51668-4.
Naufal, Muhamad, Nur Ridha, and Moh Khoiruddin, Management Analysis Journal Konsistensi
pengukuran Value at Risk pada Saham Syariah dengan Metode Historis, Management Analysis
Journal, 2018, VII. http://maj.unnes.ac.id.
Sultra, I Wayan Eka, Muhammad Rifai Katili, and Muhammad Rezky Friesta Payu, ‘Metode Simulasi
Historis untuk Perhitungan Nilai Value at Risk pada Portofolio dengan Model Markowitz’, Euler :
Jurnal Ilmiah Matematika, Sains Dan Teknologi, 9.2 (2021), 94–102.
https://doi.org/10.34312/euler.v9i2.11518.
Salsabila, A, and S Hasnawati, ‘Value At Risk and Expected Returns of Portfolio (Companies Listed on
LQ45 Index Period 2013–2016)’, KnE Social Sciences, 3.10 (2018).
https://doi.org/10.18502/kss.v3i10.3407.
Sarpong, Peter Kwasi, Jones Osei, and Samuel Amoako, Historical Simulation (HS) Method on Value-at-
Risk & Its Approaches, Dama International Journal of Researchers (Ghana:
www.damaacademia.com Historical, 2018), III. www.damaacademia.com.
Susanti, Dwi, Sukono Sukono, and Maria Jatu Verrany, ‘Value-at-Risk Estimation Method Based on
Normal Distribution, Logistics Distribution and Historical Simulation’, Operations Research:
International Conference Series, 1.1 (2020), 13–18. https://doi.org/10.47194/orics.v1i1.19.