BAB I PENDAHULUAN

1.1 Latar Belakang

Nilai tukar merupakan salah satu indikator penting dalam perekonomian karena mencerminkan nilai mata uang domestik terhadap mata uang asing. Pergerakan nilai tukar, khususnya dolar Amerika Serikat (USD), cenderung berfluktuasi akibat berbagai faktor ekonomi seperti inflasi, suku bunga, dan kondisi pasar global. Fluktuasi tersebut dapat menimbulkan risiko kerugian bagi institusi keuangan maupun pelaku usaha yang memiliki eksposur terhadap mata uang asing.

Oleh karena itu, diperlukan suatu metode untuk mengukur potensi risiko yang timbul akibat perubahan nilai tukar. Salah satu metode yang umum digunakan dalam manajemen risiko adalah Value at Risk (VaR), yaitu ukuran statistik yang digunakan untuk mengestimasi potensi kerugian maksimum pada tingkat kepercayaan tertentu dalam periode waktu tertentu. Dalam analisis ini digunakan metode Historical Simulation, yang menghitung VaR berdasarkan distribusi return historis tanpa mengasumsikan bentuk distribusi tertentu. Analisis ini dilakukan untuk mengetahui potensi risiko kerugian yang mungkin terjadi akibat fluktuasi nilai tukar USD.

1.2 Rumusan Masalah

1.Bagaimana karakteristik statistik data pergerakan nilai tukar USD berdasarkan analisis statistik deskriptif?

2.Bagaimana karakteristik statistik return pergerakan nilai tukar USD berdasarkan analisis statistik deskriptif?

3.Berapa besar nilai Value at Risk (VaR) pada nilai tukar USD dengan menggunakan metode Historical Simulation pada tingkat kepercayaan tertentu?

4.Bagaimana interpretasi risiko kerugian yang diperoleh dari hasil perhitungan Value at Risk (VaR) terhadap pergerakan nilai tukar USD?

1.3 Tujuan Penelitian

1.Menganalisis karakteristik statistik pergerakan nilai tukar USD melalui analisis statistik deskriptif.

2.Menganalisis karakteristik statistik return nilai tukar USD melalui analisis statistik deskriptif.

3.Menghitung nilai Value at Risk (VaR) pada nilai tukar USD menggunakan metode Historical Simulation pada tingkat kepercayaan tertentu.

4.Menginterpretasikan tingkat risiko kerugian yang mungkin terjadi berdasarkan hasil perhitungan Value at Risk (VaR).

1.4 Manfaat Penelitian

1.Manfaat Teoritis

Penelitian ini diharapkan dapat memberikan tambahan referensi dan pemahaman mengenai penerapan metode Value at Risk (VaR) dengan pendekatan Historical Simulation dalam mengukur risiko pasar, khususnya pada pergerakan nilai tukar USD.

2.Manfaat Praktis

Penelitian ini diharapkan dapat memberikan gambaran mengenai potensi risiko kerugian yang mungkin terjadi akibat fluktuasi nilai tukar USD, sehingga dapat menjadi bahan pertimbangan bagi pihak terkait dalam melakukan pengelolaan dan pengendalian risiko keuangan.

BAB II TINJAUAN PUSTAKA

2.1 Nilai Tukar Valuta Asing USD

Nilai tukar merupakan harga suatu mata uang terhadap mata uang negara lain yang digunakan dalam transaksi internasional. Nilai tukar menunjukkan berapa banyak mata uang domestik yang diperlukan untuk memperoleh satu unit mata uang asing. Perubahan nilai tukar dipengaruhi oleh berbagai faktor ekonomi, seperti inflasi, suku bunga, kondisi perdagangan internasional, serta stabilitas ekonomi suatu negara.

Dolar Amerika Serikat (USD) merupakan salah satu mata uang yang paling dominan dalam sistem keuangan internasional dan sering digunakan sebagai mata uang acuan dalam perdagangan global. Oleh karena itu, pergerakan nilai tukar USD terhadap mata uang domestik memiliki pengaruh yang signifikan terhadap kegiatan ekonomi, termasuk perdagangan internasional, investasi, dan stabilitas pasar keuangan.

2.2 Simple Return

Return merupakan tingkat keuntungan atau kerugian yang diperoleh dari suatu aset dalam periode waktu tertentu. Dalam analisis keuangan, return digunakan untuk mengukur perubahan nilai suatu aset dari waktu ke waktu. Salah satu jenis return yang umum digunakan adalah simple return.

Simple return merupakan perhitungan return yang didasarkan pada perubahan harga aset antara dua periode waktu yang berurutan. Simple return menunjukkan persentase perubahan harga aset dari periode sebelumnya ke periode saat ini. Perhitungan simple return relatif sederhana dan sering digunakan dalam analisis keuangan, termasuk dalam pengukuran risiko seperti Value at Risk (VaR).

Secara matematis, simple return dapat dirumuskan sebagai berikut: \[ R_t = \frac{P_t - P_{t-1}}{P_{t-1}} \]

Keterangan:

  • \(R_t\) = return pada periode ke-\(t\)
  • \(P_t\) = harga aset pada periode ke-\(t\)
  • \(P_{t-1}\) = harga aset pada periode sebelumnya

Nilai return yang diperoleh dapat bernilai positif maupun negatif. Return positif menunjukkan adanya kenaikan harga aset, sedangkan return negatif menunjukkan penurunan harga aset pada periode tersebut.

2.3 Value at Risk

Value at Risk (VaR) merupakan salah satu metode yang umum digunakan dalam manajemen risiko untuk mengukur potensi kerugian maksimum yang mungkin terjadi pada suatu aset atau portofolio dalam periode waktu tertentu dengan tingkat kepercayaan tertentu. Dengan kata lain, VaR memberikan estimasi batas kerugian yang kemungkinan besar tidak akan terlampaui dalam kondisi pasar normal selama jangka waktu yang telah ditentukan.

Konsep VaR banyak digunakan oleh lembaga keuangan seperti bank, perusahaan investasi, dan institusi keuangan lainnya untuk mengukur serta mengelola risiko pasar yang timbul akibat perubahan harga aset, suku bunga, maupun nilai tukar. Melalui perhitungan VaR, pihak manajemen dapat memperoleh gambaran mengenai tingkat risiko yang dihadapi sehingga dapat digunakan sebagai dasar dalam pengambilan keputusan terkait pengendalian risiko.

Secara umum, Value at Risk dapat dinyatakan sebagai: \[ VaR = Z_{\alpha} \times \sigma \times V \]

Keterangan:

  • \(VaR\) = Value at Risk
  • \(Z_{\alpha}\) = nilai z pada tingkat kepercayaan \(\alpha\)
  • \(\sigma\) = standar deviasi return
  • V = Nilai Harga/ Investasi

2.3.1 Historical Simulation Value at Risk

Historical Simulation merupakan salah satu metode dalam perhitungan Value at Risk (VaR) yang menggunakan data historis untuk mengestimasi potensi kerugian yang mungkin terjadi pada suatu aset atau portofolio. Metode ini bersifat non-parametrik karena tidak mengasumsikan bentuk distribusi tertentu terhadap data return. Perhitungan VaR dengan pendekatan ini dilakukan dengan memanfaatkan distribusi return historis yang tersedia untuk menentukan nilai kerugian maksimum pada tingkat kepercayaan tertentu.

Secara umum, Historical Simulation Value at Risk dapat dinyatakan sebagai: \[ VaR = - V \times Q_{\alpha}(R) \]

Keterangan:

  • \(V\) = nilai Harga atau investasi
  • \(Q_{\alpha}(R)\) = quantile return pada tingkat signifikansi \(\alpha\)
  • \(R\) = return historis

BAB III METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan merupakan data sekunder, yaitu laporan yang berisikan dataset tentang pergerakan nilai tukar valuta asing mata uang USD. Data ini diperoleh dari PT Bank Jakarta Kantor Pusat

3.2 Elemen Penelitian

Elemen yang digunakan dalam penelitian ini adalah sebagai berikut. 1.Data nilai Harga beli Nilai tukar Valuta Asing USD 2.Data Historis 250 hari pergerakan Nilai tukar valuta asing USD

BAB IV HASIL DAN PEMBAHASAN

4.1 Import Data

# Membaca data
data <- read.csv("C:/Users/HP/Downloads/Forex USD.csv",
                 sep = ";",
                 dec = ",") 
          
# Melihat data
head(data)
##         Date       Price
## 1 11/11/2024  15.671,00 
## 2 12/11/2024  15.677,00 
## 3 13/11/2024  15.771,00 
## 4 14/11/2024  15.782,00 
## 5 15/11/2024  15.873,00 
## 6 18/11/2024  15.888,00
# Ambil elemen price 
price <- data$Price

head(price)
## [1] " 15.671,00 " " 15.677,00 " " 15.771,00 " " 15.782,00 " " 15.873,00 "
## [6] " 15.888,00 "
# Mengubah Price menjadi numerik
price <- gsub("\\.", "", price)   # hapus titik ribuan
price <- gsub(",", ".", price)    # ubah koma jadi titik
price <- as.numeric(price)        # ubah ke numeric

# cek hasil
head(price)
## [1] 15671 15677 15771 15782 15873 15888

4.2 Simple Return

return <- diff(price) / price[-length(price)]

head(return)
## [1]  0.0003828728  0.0059960452  0.0006974827  0.0057660626  0.0009450009
## [6] -0.0025176234

Secara umum, nilai return yang relatif kecil menunjukkan bahwa perubahan nilai tukar USD dari hari ke hari cenderung tidak terlalu besar, namun tetap mengalami fluktuasi. Fluktuasi inilah yang mencerminkan adanya risiko pasar pada pergerakan nilai tukar. Oleh karena itu, perhitungan return menjadi langkah awal yang penting dalam analisis risiko keuangan, khususnya dalam perhitungan Value at Risk (VaR) dengan metode Historical Simulation.

4.3 Statistik Deskriptif Nilai Pergerakan Nilai Tukar USD

library(moments)

mean(price)
## [1] 16384.36
sd(price)
## [1] 254.7699
min(price)
## [1] 15671
max(price)
## [1] 16943
skewness(price)
## [1] -0.3344227
kurtosis(price)
## [1] 3.03521
summary(price)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   15671   16256   16370   16384   16580   16943

Berdasarkan hasil pada statistik deskriptif nilai pergerakan nilai tukar USD dapat disimpulkan bahwa :

1.Nilai Rata-rata (Mean) Nilai rata-rata dari data nilai tukar USD adalah sebesar 16.384,36. Hal ini menunjukkan bahwa selama periode pengamatan, nilai tukar USD terhadap rupiah secara umum berada di sekitar angka tersebut.

2.Standar Deviasi (Standard Deviation) Nilai standar deviasi sebesar 254,77 menunjukkan tingkat volatilitas atau penyebaran data terhadap rata-rata. Nilai ini menunjukkan bahwa pergerakan nilai tukar USD memiliki fluktuasi sekitar ±254 rupiah dari nilai rata-ratanya.

3.Nilai Minimum dan Maksimum

Nilai minimum: 15.671

Nilai maksimum: 16.943

Hal ini menunjukkan bahwa selama periode pengamatan nilai tukar USD bergerak dalam rentang sekitar 1.272 rupiah. Rentang ini menggambarkan variasi pergerakan kurs selama periode penelitian.

4.Median dan Kuartil Berdasarkan hasil summary(price) diperoleh:

Kuartil 1 (Q1): 16.256

Median: 16.370

Kuartil 3 (Q3): 16.580

Nilai median yang mendekati mean menunjukkan bahwa distribusi data relatif seimbang, meskipun terdapat sedikit kemiringan distribusi.

5.Skewness Nilai skewness sebesar -0,334 menunjukkan bahwa distribusi data sedikit miring ke kiri (negatively skewed). Artinya, terdapat beberapa nilai yang lebih rendah dari rata-rata yang menyebabkan ekor distribusi lebih panjang di sisi kiri.

6.Kurtosis Nilai kurtosis sebesar 3,035 yang mendekati angka 3 menunjukkan bahwa distribusi data mendekati distribusi normal (mesokurtic). Ini berarti tingkat keruncingan distribusi relatif normal tanpa adanya ekor yang terlalu tebal atau terlalu tipis.

4.4 Visualisasi Pergerakan Nilai Tukar USD

plot(price,
     type="l",
     main="Pergerakan Harga USD",
     xlab="Waktu",
     ylab="Harga")

Berdasarkan grafik pergerakan harga USD terhadap waktu, terlihat bahwa nilai tukar mengalami fluktuasi selama periode pengamatan.Berdasarkan grafik pergerakan harga USD terhadap waktu, terlihat bahwa nilai tukar mengalami fluktuasi selama periode pengamatan.

Setelah mencapai titik puncak, nilai tukar mengalami penurunan yang cukup signifikan hingga berada di kisaran 16.200–16.300 pada periode sekitar 130–150. Penurunan ini menunjukkan adanya fase koreksi atau depresiasi sementara dari nilai USD.

Pada periode selanjutnya, pergerakan harga kembali menunjukkan fluktuasi dengan kecenderungan meningkat, hingga mendekati 16.700 pada periode sekitar 210. Setelah itu, nilai tukar cenderung bergerak relatif stabil dengan fluktuasi kecil di sekitar kisaran 16.600–16.700 hingga akhir periode pengamatan.

4.5 Statistik Deskriptif Return Nilai Pergerakan Nilai Tukar USD

library(moments)

mean(return)
## [1] 0.0002476984
sd(return)
## [1] 0.003399359
min(return)
## [1] -0.01115175
max(return)
## [1] 0.01708318
skewness(return)
## [1] 0.2719538
kurtosis(return)
## [1] 5.487685
summary(return)
##       Min.    1st Qu.     Median       Mean    3rd Qu.       Max. 
## -0.0111517 -0.0016706  0.0001841  0.0002477  0.0023346  0.0170832

Berdasarkan analisis Statistik Deskriptif Return didapat bahwa :

1.Nilai Rata-rata Return (Mean)

Nilai rata-rata return sebesar 0,0002477. Hal ini menunjukkan bahwa selama periode pengamatan, nilai tukar USD memiliki rata-rata kenaikan sekitar 0,0247% per periode. Nilai mean yang positif mengindikasikan bahwa secara umum terjadi kecenderungan peningkatan nilai tukar USD terhadap rupiah.

2.Standar Deviasi Return

Nilai standar deviasi sebesar 0,003399 menunjukkan tingkat volatilitas return. Nilai ini menggambarkan bahwa perubahan return USD relatif kecil namun tetap menunjukkan adanya fluktuasi dalam pergerakan nilai tukar.

3.Nilai Minimum dan Maksimum

Hasil perhitungan menunjukkan bahwa:

Return minimum sebesar -0,01115 (sekitar -1,11%)

Return maksimum sebesar 0,01708 (sekitar 1,71%)

Hal ini menunjukkan bahwa dalam satu periode, nilai tukar USD dapat mengalami penurunan hingga sekitar 1,11% atau kenaikan hingga sekitar 1,71%.

4.Median dan Kuartil

Berdasarkan hasil summary diperoleh:

Kuartil 1 (Q1) = -0,0016706

Median = 0,0001841

Kuartil 3 (Q3) = 0,0023346

Nilai median yang mendekati mean menunjukkan bahwa distribusi return relatif simetris, meskipun terdapat sedikit perbedaan pada ekor distribusi.

5.Skewness

Nilai skewness sebesar 0,2719 menunjukkan bahwa distribusi return sedikit miring ke kanan (positively skewed). Artinya terdapat beberapa nilai return yang relatif lebih besar pada sisi positif dibandingkan sisi negatif.

6.Kurtosis

Nilai kurtosis sebesar 5,4877 lebih besar dari 3, yang menunjukkan bahwa distribusi return bersifat leptokurtic. Hal ini berarti distribusi memiliki ekor yang lebih tebal (fat tails) dibandingkan distribusi normal, sehingga kemungkinan terjadinya perubahan return yang ekstrem lebih besar.

4.6 Visualisasi Return Pergerakan Nilai Tukar USD

# Grafik 
plot(return,
     type="l",
     main="Return USD",
     xlab="Waktu",
     ylab="Return")

# Histogram
hist(return,
     breaks=30,
     main="Distribusi Return USD",
     xlab="Return",
     col="lightblue")

Berdasarkan visualisasi plot return USD dan histogram distribusi return, dapat disimpulkan bahwa nilai return berfluktuasi di sekitar nol tanpa menunjukkan tren yang jelas. Sebagian besar return berada pada kisaran sekitar -0,01 hingga 0,01, yang menunjukkan bahwa perubahan nilai tukar relatif kecil. Namun, terdapat beberapa lonjakan (spike) baik positif maupun negatif yang mengindikasikan adanya periode volatilitas tinggi pada waktu tertentu.

Distribusi return pada histogram menunjukkan bahwa sebagian besar nilai terkonsentrasi di sekitar nol dan membentuk pola yang mendekati distribusi normal. Meskipun demikian, terdapat beberapa nilai ekstrem yang mengindikasikan kemungkinan adanya ekor tebal (fat tails) pada distribusi return. Kondisi ini umum terjadi pada data keuangan dan penting diperhatikan dalam analisis risiko.

Historical Simulation Value at Risk (VaR)

# Quantile
alpha <- 0.05

quantile <- quantile(return, alpha)

quantile
##           5% 
## -0.005289925
# Value at Risk
Harga <-  282539832279 

VaR <- Harga * quantile

VaR
##          5% 
## -1494614393

Berdasarkan perhitungan Historical Simulation untuk mengukur risiko menggunakan Value at Risk (VaR) pada tingkat kepercayaan 95% (α = 0,05), diperoleh nilai kuantil return sebesar -0,005289925. Nilai kuantil ini menunjukkan batas kerugian pada persentil ke-5 dari distribusi return.

Dengan menggunakan nilai investasi (harga) sebesar 2.825.398.322.279, diperoleh nilai VaR sebesar -14.946.143.393. Hasil ini menunjukkan bahwa dengan tingkat kepercayaan 95%, potensi kerugian maksimum yang mungkin terjadi dalam satu periode pengamatan diperkirakan sekitar Rp14,95 miliar. Artinya, terdapat kemungkinan sebesar 5% bahwa kerugian yang terjadi dapat melebihi nilai tersebut.

Metode Historical Simulation dalam perhitungan VaR menggunakan data historis return tanpa mengasumsikan bentuk distribusi tertentu, sehingga mampu menangkap karakteristik aktual dari data pasar. Oleh karena itu, hasil VaR ini memberikan gambaran risiko kerugian yang mungkin dihadapi berdasarkan pola pergerakan return yang pernah terjadi sebelumnya.

BAB V Penutup

Kesimpulan

Berdasarkan hasil analisis data return USD, dapat disimpulkan bahwa pergerakan return berfluktuasi di sekitar nilai nol tanpa menunjukkan tren yang jelas, dengan sebagian besar perubahan berada pada kisaran kecil. Namun, terdapat beberapa lonjakan return yang menunjukkan adanya periode volatilitas yang lebih tinggi. Distribusi return juga terlihat mendekati normal, tetapi masih terdapat nilai ekstrem yang mengindikasikan kemungkinan adanya ekor tebal (fat tails) yang umum terjadi pada data keuangan.

Selanjutnya, pengukuran risiko menggunakan metode Value at Risk dengan pendekatan Historical Simulation pada tingkat kepercayaan 95% menghasilkan nilai VaR sebesar sekitar Rp14,95 miliar. Nilai ini menunjukkan bahwa dalam kondisi pasar normal, potensi kerugian maksimum yang mungkin terjadi dalam satu periode diperkirakan tidak akan melebihi nilai tersebut, dengan kemungkinan sebesar 5% kerugian dapat melampaui batas tersebut.

Secara keseluruhan, analisis ini memberikan gambaran bahwa meskipun sebagian besar pergerakan return relatif kecil, tetap terdapat potensi risiko kerugian yang signifikan sehingga pengukuran risiko seperti VaR penting dilakukan dalam pengelolaan risiko keuangan.

Saran

Berdasarkan hasil analisis return dan pengukuran risiko menggunakan Value at Risk dengan metode Historical Simulation, beberapa saran yang dapat diberikan adalah sebagai berikut:

1.Investor atau pengelola keuangan disarankan untuk selalu memperhatikan tingkat volatilitas pergerakan nilai tukar USD karena fluktuasi yang terjadi dapat meningkatkan potensi risiko kerugian.

2.Penggunaan metode pengukuran risiko seperti VaR perlu dilakukan secara berkala agar dapat memantau potensi kerugian maksimum yang mungkin terjadi dalam suatu periode.

3.Untuk penelitian selanjutnya, disarankan menggunakan metode pengukuran risiko lainnya atau membandingkan beberapa metode VaR agar diperoleh hasil analisis risiko yang lebih komprehensif.

4.Penelitian berikutnya juga dapat menggunakan periode data yang lebih panjang atau menambahkan variabel lain yang mempengaruhi pergerakan nilai tukar agar hasil analisis menjadi lebih akurat dan mendalam.

DAFTAR PUSTAKA

Jorion, P. (2007). Value at Risk: The New Benchmark for Managing Financial Risk (3rd ed.). New York: McGraw-Hill.

Hull, J. C. (2018). Risk Management and Financial Institutions (5th ed.). Hoboken: John Wiley & Sons.

Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed.). Hoboken: John Wiley & Sons.

Dowd, K. (2005). Measuring Market Risk (2nd ed.). Chichester: John Wiley & Sons.

McNeil, A. J., Frey, R., & Embrechts, P. (2015). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton: Princeton University Press.