FEB UNDIP · Manajemen Keuangan II

Return & Risiko

Pertemuan 11 · Return & Risiko Sekuritas dan Portofolio

Cara mengukur imbal hasil dan risiko sebuah saham, lalu menggabungkannya dalam portofolio — dan mengapa "jangan taruh semua telur di satu keranjang" bisa dibuktikan dengan angka.

RPS Minggu 12 · Sub-CPMK 11 · 2 × 50 menit

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menghitung return dan risiko sekuritas serta portofolio (Sub-CPMK 11). Secara rinci:

Capaian 1 — Return

Menghitung return realisasi, ekspektasi (probabilitas), dan rata-rata historis sebuah sekuritas tanpa kesalahan aritmetika.

Capaian 2 — Risiko

Menghitung dan menafsirkan variance, standar deviasi, dan CV sebagai ukuran risiko sekuritas individual.

Capaian 3 — Portofolio

Menghitung expected return & risiko portofolio dua aset dengan bobot, kovarians, dan korelasi.

Capaian 4 — Beta & SML

Menjelaskan diversifikasi, risiko sistematis vs tidak sistematis, beta, dan SML (jembatan ke CAPM/WACC).

Dua Saham, Return Sama — Mana yang Anda Pilih?

Dua saham di BEI sama-sama menjanjikan return rata-rata 12% per tahun. Apakah keduanya sama baik?

Saham X — Stabil

~12%

tidur nyenyak

Return rata-rata ~12%, tetapi hasil tahunan jarang menyimpang jauh — bergerak di kisaran sempit 10%–14% saja.

Saham Y — Liar

~12%

jantung berdebar

Return rata-rata ~12% juga, tetapi hasil tahunan bisa −30% sampai +50%. Sebaran jauh lebih lebar.

Return sama, tapi Anda pasti memilih Saham X. Kenapa? Karena Anda diam-diam sudah menimbang risiko. Hari ini kita ubah firasat itu jadi angka.

Saya selalu membuka topik ini dengan satu pilihan yang jawabannya sudah Anda tahu secara naluri. Bayangkan ada dua saham di Bursa Efek Indonesia yang sama-sama menjanjikan return rata-rata dua belas persen per tahun; mana yang Anda pilih? Hampir semua orang memilih saham yang stabil, dan naluri itu benar — masalahnya, naluri tidak bisa dipakai untuk mengambil keputusan miliaran rupiah. Perhatikan bahwa ketika Anda memilih saham yang stabil, Anda sebenarnya sedang menimbang sesuatu di luar return, yaitu risiko, walau mungkin Anda belum punya namanya. Tugas kita hari ini adalah memberi nama, rumus, dan angka pada firasat risiko itu, sehingga Anda bisa membandingkan dua investasi secara adil — bukan hanya dari imbal hasilnya, tetapi dari imbal hasil yang sudah disesuaikan dengan risikonya. Angka return di sini indikatif untuk ilustrasi, bukan estimasi pasar riil.

Bagian 1 dari 4

Mengukur Return Sebuah Sekuritas

Tiga wajah return: yang sudah terjadi (realisasi), yang kita harapkan ke depan (ekspektasi), dan rata-rata dari masa lalu (historis).

Return Realisasi vs Return Ekspektasi

Realisasi (Historis)

Return yang sudah terjadi. Untuk satu periode: gabungan capital gain (perubahan harga) + dividen. Bersifat fakta, dilihat langsung dari data harga di BEI.

Ekspektasi (Masa Depan)

Return yang kita harapkan ke depan = rata-rata tertimbang dari semua kemungkinan return, dengan probabilitas sebagai bobot.

R = (P₁ − P₀ + D₁) ÷ P₀

P₀ = harga awal · P₁ = harga akhir · D₁ = dividen · (P₁−P₀)/P₀ = capital gain yield · D₁/P₀ = dividend yield. Mini-contoh: beli Rp 1.000, setahun jadi Rp 1.080, dapat dividen Rp 40 → R = (1.080−1.000+40)/1.000 = 12%.

Mari kita perjelas dua wajah return yang paling sering tertukar. Return realisasi adalah apa yang benar-benar sudah terjadi: misalnya tahun lalu saham BBCA naik dari seribu menjadi seribu delapan puluh rupiah dan membagikan dividen empat puluh rupiah, maka return realisasinya dua belas persen, terdiri dari capital gain delapan persen dan dividend yield empat persen. Angka ini fakta, bisa Anda hitung langsung dari data harga di Bursa Efek Indonesia. Sebaliknya, return ekspektasi adalah apa yang kita harapkan akan terjadi tahun depan, dan karena masa depan tidak pasti, kita tidak bisa menyebut satu angka pasti — kita harus menimbang berbagai kemungkinan dengan peluangnya masing-masing. Inti slide ini: rumus return satu periode di atas mengukur yang sudah terjadi, sedangkan untuk masa depan kita butuh konsep nilai harapan, yang kita bahas di slide berikutnya.

Expected Return: Rata-Rata Tertimbang Probabilitas

Karena masa depan tak pasti, kita daftar setiap skenario, tebak return-nya, lalu timbang dengan peluangnya.

E(R) = Σ Pᵢ × Rᵢ

Skenario	Pᵢ	Rᵢ	Pᵢ × Rᵢ
Resesi	0,25	−10%	−2,50%
Normal	0,50	+12%	+6,00%
Boom	0,25	+28%	+7,00%
E(R)	1,00	—	10,50%

E(R) = −2,5% + 6,0% + 7,0% = 10,5%. Inilah "pusat" dari sebaran kemungkinan — bukan jaminan, tapi tebakan terbaik. Syarat: semua Pᵢ harus berjumlah 1.

Inilah cara keuangan menangani ketidakpastian masa depan: kita tidak menebak satu angka, melainkan mendaftar semua kemungkinan dan menimbangnya. Bayangkan seorang analis memperkirakan return saham tahun depan tergantung kondisi ekonomi — kalau resesi mungkin rugi sepuluh persen, kalau normal untung dua belas persen, kalau boom untung dua puluh delapan persen. Masing-masing skenario diberi probabilitas, dan syaratnya semua probabilitas harus berjumlah satu, karena salah satu skenario itu pasti terjadi. Expected return dihitung dengan mengalikan peluang tiap skenario dengan return-nya, lalu semuanya dijumlahkan; di contoh ini hasilnya sepuluh koma lima persen. Tegaskan ke mahasiswa bahwa expected return bukan jaminan Anda akan dapat sepuluh setengah persen — hampir pasti hasil sebenarnya akan berbeda — melainkan titik pusat dari semua kemungkinan, dan justru seberapa lebar kemungkinan menyimpang dari pusat inilah yang kita sebut risiko.

Hitung dari Nol — HDN-1: Expected Return Saham BBCA

Analis memperkirakan return saham BBCA tahun depan tergantung kondisi ekonomi (angka ilustratif). Berapa expected return-nya?

Langkah	Skenario	Pᵢ	Rᵢ	Pᵢ × Rᵢ
1 — Daftar	Resesi	0,25	−0,10	−0,0250
	Normal	0,50	0,12	0,0600
	Boom	0,25	0,28	0,0700
2 — Cek ΣPᵢ	—	1,00	—	—
3 — Jumlahkan	—	—	—	0,1050

Expected Return BBCA

10,50%

pusat acuan untuk mengukur risiko

Langkahnya selalu: (1) daftar skenario, (2) pastikan ΣPᵢ = 1, (3) jumlahkan kolom Pᵢ × Rᵢ. Hasil ini jadi "pusat" untuk mengukur risiko di HDN-2.

Sekarang kita kerjakan satu kasus dari nol sampai jadi, dan saya pakai BBCA sebagai contoh karena saham ini akrab di telinga Anda — walau angkanya saya buat ilustratif, bukan ramalan riil. Langkah pertama selalu sama: daftar semua skenario beserta probabilitas dan perkiraan return-nya; di sini ada resesi dengan peluang dua puluh lima persen, normal lima puluh persen, dan boom dua puluh lima persen. Langkah kedua, dan ini sering dilupakan, periksa bahwa semua probabilitas berjumlah satu — kalau tidak, berarti ada skenario yang terlewat atau salah hitung. Langkah ketiga, kalikan tiap probabilitas dengan return-nya lalu jumlahkan semua, dan kita peroleh expected return sepuluh koma lima persen. Simpan angka sepuluh koma lima persen ini baik-baik, karena di Hitung dari Nol berikutnya kita akan mengukur seberapa jauh return tiap skenario menyimpang dari angka pusat ini — dan sebaran itulah yang kita sebut risiko.

Bagian 2 dari 4

Mengukur Risiko Sebuah Sekuritas

Risiko = seberapa lebar hasil bisa menyimpang dari yang diharapkan. Alatnya: variance, standar deviasi, dan koefisien variasi (σ = √Variance).

Risiko Itu Soal Sebaran, Bukan Soal Rata-Rata

Dua saham bisa punya expected return sama persis, tetapi risikonya jauh berbeda — yang membedakan adalah lebar sebarannya.

Saham A — Sempit

E(R) 10%

hasil hampir selalu 8%–12%

Sebaran kecil → risiko rendah. Hasil sebenarnya jarang jauh dari harapan.

Saham B — Lebar

E(R) 10%

hasil bisa −20% sampai +40%

Sebaran besar → risiko tinggi. Harapan sama, tapi ketidakpastian jauh lebih besar.

Kita ukur "lebar sebaran" dengan menjumlahkan kuadrat penyimpangan tiap hasil dari E(R). Dikuadratkan agar penyimpangan ke atas dan ke bawah sama-sama positif (tidak saling meniadakan).

Ide kunci slide ini sederhana tetapi sering luput: risiko bukan soal rata-rata, melainkan soal sebaran di sekitar rata-rata. Dua saham bisa punya return harapan yang sama persis sepuluh persen, tetapi yang satu hasilnya hampir selalu dekat ke sepuluh persen, sedangkan yang lain bisa melonjak ke empat puluh persen atau anjlok minus dua puluh persen. Saham kedua jelas lebih berisiko meskipun harapannya sama, karena Anda tidak pernah tahu akan dapat yang mana. Untuk mengukur lebar sebaran ini, kita lihat seberapa jauh tiap kemungkinan menyimpang dari titik harapan, lalu kita kuadratkan penyimpangan itu. Mengapa dikuadratkan? Karena kalau tidak, penyimpangan ke atas dan ke bawah akan saling meniadakan dan totalnya selalu nol — dengan mengkuadratkan, semua penyimpangan menjadi positif sehingga benar-benar terhitung sebagai risiko.

Variance (σ²) dan Standar Deviasi (σ)

Variance = rata-rata tertimbang kuadrat penyimpangan dari E(R). Standar deviasi = akarnya, agar satuannya kembali ke persen return.

σ² = Σ Pᵢ × [Rᵢ − E(R)]²

σ = √σ²

Mengapa diakarkan? Variance bersatuan "persen-kuadrat" yang sulit dimaknai. Standar deviasi mengembalikannya ke persen, jadi bisa langsung dibandingkan dengan return. (Rumus ini untuk distribusi skenario; versi data historis sedikit berbeda — dibahas saat praktik Excel.)

Sekarang kita beri rumus pada intuisi sebaran tadi. Variance, dilambangkan sigma kuadrat, adalah rata-rata tertimbang dari kuadrat penyimpangan tiap skenario dari return harapannya. Langkahnya: untuk setiap skenario, hitung selisih return-nya dari E(R), kuadratkan, lalu timbang dengan probabilitasnya, dan jumlahkan semuanya. Masalahnya, variance bersatuan persen-kuadrat yang tidak punya makna intuitif — apa artinya risiko nol koma nol satu delapan persen-kuadrat? Karena itu kita ambil akarnya untuk mendapat standar deviasi, yang bersatuan persen sama seperti return, sehingga bisa langsung dibandingkan; misalnya return harapan sepuluh setengah persen dengan risiko tiga belas setengah persen terasa bermakna. Untuk data historis, prinsipnya sama, hanya saja probabilitas diganti dengan pembobotan merata satu per n dikurangi satu — tetapi konsep intinya identik: ukur seberapa lebar return menyebar di sekitar rata-ratanya.

Hitung dari Nol — HDN-2: Risiko (σ) Saham BBCA

Pakai distribusi yang sama dengan HDN-1 (E(R) = 10,5%). Berapa standar deviasi (risiko) saham BBCA?

Skenario	Pᵢ	Rᵢ	Rᵢ − E(R)	[Rᵢ − E(R)]²	Pᵢ × [..]²
Resesi	0,25	−0,10	−0,205	0,042025	0,010506
Normal	0,50	0,12	0,015	0,000225	0,000112
Boom	0,25	0,28	0,175	0,030625	0,007656
σ²					0,018275
σ = √0,018275					0,13519 = 13,52%

Risiko BBCA: σ ≈ 13,52%. Profilnya: return harapan 10,5% dengan risiko 13,52%. Angka risiko lebih besar dari return — wajar untuk saham individual yang memang volatil.

Sekarang kita hitung risiko saham yang tadi, dari nol, memakai distribusi yang sama persis seperti HDN-1 supaya Anda melihat keduanya menyatu. Ingat, E(R) sudah kita hitung sebesar sepuluh koma lima persen; itulah titik pusat yang jadi acuan. Untuk tiap skenario, kita hitung selisih return-nya dari pusat ini: resesi menyimpang minus dua puluh koma lima persen, normal hampir tidak menyimpang, dan boom menyimpang plus tujuh belas koma lima persen. Selisih-selisih itu kita kuadratkan supaya semuanya positif, lalu kita timbang dengan probabilitasnya dan jumlahkan, dan kita peroleh variance nol koma nol satu delapan dua tujuh lima. Terakhir, kita akarkan variance itu untuk mendapat standar deviasi sebesar tiga belas koma lima dua persen — dan inilah angka risiko saham BBCA dalam ilustrasi kita. Perhatikan satu hal penting: risikonya tiga belas setengah persen, lebih besar dari return harapannya yang sepuluh setengah persen, dan itu sangat wajar untuk saham individual yang memang bergejolak.

Koefisien Variasi (CV) — Risiko per Unit Return

Bagaimana membandingkan dua saham yang return DAN risikonya beda-beda? Pakai CV: risiko yang "dinormalkan" oleh return.

CV = σ ÷ E(R)

Saham P

1,50

E(R) = 10%, σ = 15%

CV = 15/10 = 1,50 → risiko 1,5 unit untuk setiap 1 unit return.

Saham Q

1,25

E(R) = 20%, σ = 25%

CV = 25/20 = 1,25 → lebih efisien, walau σ-nya lebih besar.

σ saja bisa menyesatkan: Saham Q risikonya (25%) lebih besar, tetapi per unit return justru lebih efisien (CV 1,25 < 1,50). CV memungkinkan perbandingan adil antar skala.

Standar deviasi adalah ukuran risiko yang baik, tetapi punya satu kelemahan ketika membandingkan saham dengan skala berbeda. Bayangkan Saham P dengan return harapan sepuluh persen dan risiko lima belas persen, versus Saham Q dengan return harapan dua puluh persen dan risiko dua puluh lima persen; mana yang lebih berisiko? Kalau hanya melihat standar deviasi, Q tampak lebih berisiko karena dua puluh lima lebih besar dari lima belas. Tetapi itu tidak adil, karena Q juga menjanjikan return jauh lebih tinggi — wajar kalau risikonya ikut lebih besar. Koefisien variasi menyelesaikan masalah ini dengan membagi risiko dengan return harapan, sehingga kita memperoleh risiko per unit return; ternyata Q justru lebih efisien dengan CV satu koma dua lima dibanding P yang satu koma lima nol. Pelajarannya: kalau dua investasi punya skala return berbeda, jangan bandingkan standar deviasinya langsung — bandingkan koefisien variasinya, karena yang relevan adalah berapa risiko yang Anda tanggung untuk setiap unit imbal hasil yang diharapkan.

Bagian 3 dari 4

Portofolio & Keajaiban Diversifikasi

Menggabungkan beberapa saham. Return portofolio sekadar rata-rata tertimbang — tetapi risikonya hampir selalu lebih kecil. Inilah ide pemenang Nobel: Markowitz (1952).

Expected Return Portofolio = Rata-Rata Tertimbang

Bagian yang mudah dulu. Return harapan portofolio hanyalah rata-rata return tiap aset, ditimbang dengan proporsi dananya.

E(Rₚ) = wₐ × E(Rₐ) + wᵇ × E(Rᵇ)

wₐ, wᵇ = bobot (proporsi dana) tiap aset · wₐ + wᵇ = 1 (seluruh dana teralokasi). Contoh: 60% dana di Saham A (E(R) 12%) + 40% di Saham B (E(R) 16%) → E(Rₚ) = 0,6×12% + 0,4×16% = 7,2% + 6,4% = 13,6%.

Sifat penting sebagai pemeriksaan cepat: return portofolio selalu di antara 12% dan 16% — tidak mungkin di bawah yang terendah atau di atas yang tertinggi. Untuk risiko, sifat ini justru TIDAK berlaku — di situlah keajaibannya.

Kita mulai dari bagian yang mudah, yaitu return portofolio, supaya nanti kontras dengan bagian risikonya yang penuh kejutan. Return harapan sebuah portofolio sangat sederhana: ia hanyalah rata-rata tertimbang dari return harapan tiap aset, di mana bobotnya adalah proporsi dana yang Anda tempatkan di masing-masing. Misalnya Anda menaruh enam puluh persen dana di Saham A yang harapannya dua belas persen, dan empat puluh persen di Saham B yang harapannya enam belas persen; maka return harapan portofolionya tiga belas koma enam persen. Perhatikan satu sifat penting yang harus selalu Anda jadikan pemeriksaan cepat: return portofolio selalu berada di antara return kedua aset penyusunnya — tidak mungkin lebih kecil dari yang terendah atau lebih besar dari yang tertinggi. Ingat baik-baik bahwa untuk risiko, sifat selalu di antara ini justru tidak berlaku, dan di situlah letak keajaiban diversifikasi yang akan kita buktikan.

Risiko Portofolio Dua Aset — Kovarians & Korelasi Masuk

Di sinilah kejutannya. Risiko portofolio bukan sekadar rata-rata tertimbang risiko — ada suku ketiga yang menangkap apakah dua saham "bergerak searah".

σₚ² = wₐ²σₐ² + wᵇ²σᵇ² + 2·wₐ·wᵇ·Cov(a,b)

Cov(a,b) = ρ(a,b) × σₐ × σᵇ

Suku ketiga 2·wₐ·wᵇ·Cov itulah kunci diversifikasi. ρ (rho, korelasi, antara −1 dan +1) mengukur searah-tidaknya dua saham. Jika ρ < 1, suku ini mengecil — sehingga risiko portofolio turun di bawah rata-rata tertimbang.

Inilah rumus terpenting hari ini, dan saya minta Anda mengamati strukturnya, bukan sekadar menghafalnya. Variance portofolio dua aset terdiri dari tiga suku: dua suku pertama adalah kontribusi risiko masing-masing aset secara terpisah, dan suku ketiga adalah yang membuat semuanya menarik. Suku ketiga mengandung kovarians, yaitu ukuran apakah dua saham cenderung bergerak searah atau berlawanan, yang sering kita nyatakan lebih praktis sebagai korelasi yang nilainya antara minus satu dan plus satu. Kalau dua saham bergerak sempurna searah, korelasinya plus satu dan suku ketiga ini besar penuh, sehingga risiko portofolio menjadi maksimal — sama saja seolah Anda tidak diversifikasi. Tetapi begitu korelasinya kurang dari satu, suku ketiga mengecil, dan risiko portofolio ikut turun di bawah rata-rata tertimbang risiko anggotanya — itulah mekanisme matematis di balik kalimat jangan taruh semua telur dalam satu keranjang.

Hitung dari Nol — HDN-3: Portofolio BBCA + TLKM

A=BBCA (E(R) 12%, σ 18%), B=TLKM (E(R) 16%, σ 26%). Bobot 60% A & 40% B, korelasi ρ = 0,30 (ilustratif). Cari E(Rₚ) dan σₚ.

Langkah	Perhitungan	Nilai
1 — E(Rₚ)	0,6×0,12 + 0,4×0,16	0,136 = 13,6%
2 — Kovarians	0,30 × 0,18 × 0,26	0,01404
3 — Suku 1	0,6²×0,18² = 0,36×0,0324	0,011664
4 — Suku 2	0,4²×0,26² = 0,16×0,0676	0,010816
5 — Suku 3	2×0,6×0,4×0,01404	0,006739
6 — Variance σₚ²	jumlah suku 1+2+3	0,029219
7 — σₚ	√0,029219	0,17094 = 17,09%

Portofolio: E(Rₚ) = 13,6%, σₚ = 17,09%. Bandingkan: rata-rata tertimbang risiko = 0,6×18% + 0,4×26% = 21,2%. Risiko portofolio jauh lebih kecil — turun ~4,11 poin persen berkat korelasi 0,30 < 1.

Inilah perhitungan inti hari ini, jadi ikuti tiap langkah dengan kalkulator di tangan. Kita pakai dua saham yang akrab — BBCA dengan return harapan dua belas persen dan risiko delapan belas persen, serta TLKM dengan return harapan enam belas persen dan risiko dua puluh enam persen — dengan korelasi nol koma tiga puluh sebagai angka ilustratif. Langkah satu, return portofolio mudah: rata-rata tertimbang menghasilkan tiga belas koma enam persen, dan perhatikan angka ini berada di antara dua belas dan enam belas seperti yang kita janjikan. Langkah dua sampai tujuh adalah risiko: pertama hitung kovarians dari korelasi dikali kedua standar deviasi, lalu susun tiga suku variance, jumlahkan menjadi nol koma nol dua sembilan dua, dan akarkan untuk memperoleh standar deviasi portofolio sebesar tujuh belas koma nol sembilan persen. Sekarang lihat keajaibannya: kalau Anda mengira risiko portofolio adalah rata-rata tertimbang risiko anggotanya, Anda akan menjawab dua puluh satu koma dua persen — padahal hasil sebenarnya hanya tujuh belas koma nol sembilan persen, lebih rendah lebih dari empat poin persen, semata-mata karena kedua saham tidak bergerak sempurna searah.

Mengapa Risiko Portofolio Bisa Lebih Kecil dari Anggotanya?

Saat satu saham turun, saham lain mungkin sedang naik — gejolak keduanya saling meredam. Inilah inti diversifikasi.

Tanpa Diversifikasi (ρ = +1)

21,2%

dua saham bergerak sempurna searah

Risiko = rata-rata tertimbang penuh. Tidak ada peredaman sama sekali — sama saja seolah tidak diversifikasi.

Dengan Diversifikasi (ρ = 0,3)

17,09%

gejolak saling meredam

Return tetap 13,6%, risiko lebih kecil — inilah makan siang gratis dalam keuangan.

Markowitz (1952): diversifikasi adalah satu-satunya "makan siang gratis" dalam keuangan — Anda menurunkan risiko tanpa mengorbankan expected return, asalkan korelasi antar-aset < 1.

Sekarang mari kita pahami secara intuitif mengapa keajaiban tadi terjadi, karena angka tanpa intuisi mudah dilupakan. Bayangkan dua saham di portofolio Anda: pada suatu tahun saham pertama anjlok karena masalah di industrinya, tetapi kebetulan saham kedua justru sedang naik karena di industri yang berbeda. Gejolak keduanya saling meredam, sehingga nilai portofolio total Anda jauh lebih stabil daripada kalau Anda hanya memegang salah satu saja. Kuncinya ada pada korelasi: selama kedua saham tidak bergerak sempurna searah, selalu ada peredaman, dan makin rendah korelasinya makin besar peredamannya. Harry Markowitz menyebut ini sebagai satu-satunya makan siang gratis dalam dunia keuangan, karena Anda berhasil menurunkan risiko tanpa harus mengorbankan return harapan sedikit pun — dan inilah alasan mengapa setiap penasihat investasi yang baik selalu menyuruh Anda menyebar dana, bukan menumpuknya di satu saham favorit.

Makin Rendah Korelasi, Makin Besar Manfaat Diversifikasi

Pakai data HDN-3 (σₐ 18%, σᵇ 26%, bobot 60:40), kita ubah-ubah korelasinya. Lihat risiko portofolio menyusut:

Korelasi ρ	Sifat	σₚ (risiko portofolio)
+1,0	Searah sempurna	21,20%
+0,5	Searah sebagian	18,36%
+0,3	Searah lemah (HDN-3)	17,09%
0,0	Tak terkait	14,99%
−0,5	Berlawanan sebagian	10,61%
−1,0	Berlawanan sempurna	0,40%

Pada ρ = +1, tidak ada manfaat diversifikasi (risiko = rata-rata tertimbang). Makin turun ρ, risiko makin susut. Pada ρ = −1, risiko nyaris hilang (0,40%, hampir nol).

Slide ini membuktikan dengan tabel bahwa manfaat diversifikasi seluruhnya ditentukan oleh korelasi. Kita ambil dua saham yang sama persis seperti HDN-3 dengan bobot enam puluh banding empat puluh, lalu kita ubah-ubah hanya satu hal: korelasinya. Pada korelasi plus satu, kedua saham bergerak sempurna searah, dan risiko portofolio sama persis dengan rata-rata tertimbang dua puluh satu koma dua persen — artinya diversifikasi tidak memberi manfaat apa pun. Begitu korelasi turun, risiko portofolio ikut menyusut: pada nol risiko turun ke hampir lima belas persen, dan pada korelasi negatif risiko anjlok tajam karena gejolak kedua saham saling membatalkan. Pada kasus ekstrem korelasi minus satu, risiko bisa nyaris hilang sama sekali — di contoh kita tinggal nol koma empat persen — walaupun dalam praktik korelasi minus satu hampir tidak pernah ditemukan; pelajaran praktisnya adalah carilah saham-saham yang korelasinya rendah, idealnya dari industri yang berbeda, untuk meredam risiko portofolio Anda.

Coba Sendiri: Geser Korelasi & Bobot, Lihat Risiko Portofolio Berubah

Geser korelasi dan bobot dua saham, amati risiko portofolio menyusut sampai ke titik minimum, bahkan mendekati nol.

Bagian 4 dari 4

Risiko Sistematis, Beta & Garis Pasar Sekuritas

Diversifikasi menghapus risiko unik tiap perusahaan — tapi ada risiko yang tak bisa dihindari. Inilah yang dihargai pasar lewat beta dan SML, jembatan ke biaya ekuitas (CAPM).

Dua Jenis Risiko: Yang Bisa & Tak Bisa Dihindari

Risiko Tidak Sistematis

Unik tiap perusahaan — pemogokan, gugatan, CEO mundur, gagal produk. Bisa dihapus dengan diversifikasi (saham lain tak ikut terdampak).

Risiko Sistematis (Pasar)

Memengaruhi semua saham — resesi, kenaikan BI-Rate, krisis global, pelemahan kurs. Tak bisa dihilangkan dengan diversifikasi.

Risiko total = Sistematis + Tidak sistematis

Karena risiko tidak sistematis bisa dihapus "gratis" lewat diversifikasi, pasar tidak memberi imbalan untuknya. Pasar hanya menghargai risiko sistematis — inilah dasar beta & CAPM.

Ini salah satu wawasan paling penting dalam keuangan, jadi tolong pahami betul. Risiko total sebuah saham sebenarnya terdiri dari dua bagian yang sifatnya sangat berbeda. Bagian pertama adalah risiko tidak sistematis, yaitu kejadian buruk yang khas pada satu perusahaan — misalnya pabriknya kebakaran, CEO-nya tersangkut kasus, atau produknya gagal di pasar; risiko jenis ini bisa Anda hapus dengan diversifikasi, karena ketika satu saham terkena masalah, saham-saham lain di portofolio Anda tidak ikut terdampak. Bagian kedua adalah risiko sistematis, yaitu guncangan yang menimpa seluruh pasar sekaligus — resesi, kenaikan suku bunga Bank Indonesia, krisis global, atau pelemahan rupiah; risiko jenis ini tidak bisa Anda hindari, karena semua saham ikut terseret turun bersamaan. Konsekuensinya tajam: karena risiko tidak sistematis bisa Anda buang gratis lewat diversifikasi, pasar tidak akan memberi Anda imbalan untuk menanggungnya — pasar hanya memberi imbal hasil lebih tinggi untuk risiko sistematis yang memang tidak bisa dihindari siapa pun, dan inilah fondasi konsep beta yang kita bahas berikutnya.

Beta (β) — Ukuran Risiko Sistematis Sebuah Saham

Beta mengukur seberapa sensitif return suatu saham terhadap gerakan pasar (mis. IHSG). Patokannya: pasar punya β = 1.

β = Cov(saham, pasar) ÷ Var(pasar)

Beta	Arti	Contoh tipikal
β > 1	Lebih bergejolak dari pasar (agresif)	Saham siklikal/teknologi
β = 1	Bergerak seirama pasar	Indeks pasar (IHSG)
0 < β < 1	Lebih kalem dari pasar (defensif)	Konsumsi/utilitas
β < 0	Berlawanan arah pasar (langka)	Emas/aset lindung nilai

Jika β = 1,5: saat pasar naik 10%, saham ini cenderung naik ~15%; saat pasar turun 10%, turun ~15%. Mini-contoh: Cov(saham,pasar) = 0,024 dan Var(pasar) = 0,020 → β = 0,024 ÷ 0,020 = 1,20. Makin tinggi β, makin besar risiko sistematisnya.

Kalau risiko sistematis adalah satu-satunya risiko yang dihargai pasar, kita butuh cara untuk mengukurnya, dan ukurannya disebut beta. Beta mengukur seberapa sensitif sebuah saham terhadap gerakan pasar secara keseluruhan, yang di Indonesia biasa diproksi dengan Indeks Harga Saham Gabungan atau IHSG. Patokannya, pasar itu sendiri diberi beta sama dengan satu; sebuah saham dengan beta satu koma lima berarti ketika pasar naik sepuluh persen, saham itu cenderung naik sekitar lima belas persen, dan sebaliknya saat pasar turun ia ikut turun lebih dalam — inilah saham agresif. Sebaliknya, saham dengan beta di bawah satu, seperti saham konsumsi atau utilitas, lebih kalem dari pasar dan disebut defensif, karena saat pasar bergejolak ia relatif lebih tenang. Secara teknis, beta adalah kovarians antara return saham dan return pasar dibagi varians pasar, atau kemiringan garis yang Anda peroleh kalau meregresikan return saham terhadap return pasar — tetapi untuk sekarang cukup pahami maknanya: beta tinggi berarti risiko sistematis tinggi, dan karena itu investor menuntut imbal hasil lebih tinggi.

Garis Pasar Sekuritas (SML) — Harga dari Risiko Sistematis

SML menerjemahkan beta menjadi return yang dituntut investor. Inilah rumus CAPM yang Anda pakai untuk biaya ekuitas di MK I.

E(R) = Rᵉ + β × [E(Rᵐ) − Rᵉ]

Rᵉ = risk-free rate (SUN 10 thn ~6,8%) · E(Rᵐ) = return pasar harapan · [E(Rᵐ) − Rᵉ] = market risk premium (premi risiko pasar ~6%) · β = risiko sistematis. Mini-contoh: β = 1,2; Rᵉ ~6,8%; premi pasar ~6% → E(R) = 6,8% + 1,2×6% = 6,8% + 7,2% = 14,0%.

SML naik dari Rᵉ (β=0) dengan kemiringan = premi risiko pasar. Saham di atas garis = murah (return > tuntutan); di bawah garis = mahal. Inilah biaya ekuitas (kᵉ) untuk WACC.

Inilah puncak pertemuan hari ini, tempat semua konsep bertemu dan menyambung ke topik biaya modal. Garis pasar sekuritas, atau SML, adalah garis lurus yang menerjemahkan beta sebuah saham menjadi return yang dituntut investor untuk memegangnya, dan persamaannya tidak lain adalah rumus CAPM yang sudah Anda kenal di Manajemen Keuangan I. Rumusnya: return yang dituntut sama dengan suku bunga bebas risiko ditambah beta dikali premi risiko pasar; di Indonesia, bebas risiko biasa diproksi dengan imbal hasil Surat Utang Negara sepuluh tahun yang kira-kira enam koma delapan persen, dan premi risiko pasarnya berkisar di angka tertentu yang harus Anda verifikasi saat dipakai. Contohnya, sebuah saham dengan beta satu koma dua, bebas risiko enam koma delapan persen, dan premi pasar enam persen, menuntut return empat belas persen — dan angka empat belas persen inilah yang menjadi biaya ekuitas saham tersebut. Jadi seluruh perjalanan kita hari ini, dari mengukur return dan risiko satu saham, ke portofolio dan diversifikasi, lalu ke risiko sistematis dan beta, semuanya bermuara pada satu angka praktis: biaya ekuitas yang akan Anda masukkan ke dalam perhitungan WACC untuk menilai kelayakan proyek.

Coba Sendiri: Klik Titik Sebaran, Lihat Beta & SML Terbentuk

Amati sebaran return saham vs return pasar, lihat beta sebagai kemiringan garis regresi, dan posisi saham terhadap SML.

Studi Kasus: Dua Saham BEI, Mana yang "Layak Beli"?

Pakai SML/CAPM untuk menilai apakah return yang ditawarkan sepadan dengan risikonya (Rᵉ ~6,8%, premi pasar ~6% — ilustratif).

Saham Defensif (β = 0,8)

11,60%

return dituntut CAPM

6,8% + 0,8×6% = 11,60%. Jika pasar memperkirakan return 13% → di atas garis → menarik.

Saham Agresif (β = 1,5)

15,80%

return dituntut CAPM

6,8% + 1,5×6% = 15,80%. Jika pasar memperkirakan return 14% → di bawah garis → kemahalan.

Keputusan bukan "pilih yang return-nya tertinggi". Yang benar: pilih saham yang return harapannya melampaui tuntutan CAPM-nya — yaitu return yang sudah disesuaikan risiko sistematisnya.

Sekarang kita pakai semua yang dipelajari untuk membuat keputusan investasi yang nyata, walaupun angkanya saya buat ilustratif. Bayangkan ada dua saham di Bursa Efek Indonesia: yang pertama saham defensif dengan beta nol koma delapan, dan yang kedua saham agresif dengan beta satu koma lima. Banyak investor pemula langsung memilih saham agresif karena terdengar lebih menggairahkan dan menjanjikan return empat belas persen — tetapi itu cara berpikir yang keliru. Cara yang benar adalah membandingkan return harapan setiap saham dengan return yang dituntut CAPM sesuai risikonya: saham defensif menuntut sebelas koma enam persen tetapi diperkirakan memberi tiga belas persen, sehingga ia berada di atas garis dan menarik; sedangkan saham agresif menuntut lima belas koma delapan persen tetapi hanya diperkirakan memberi empat belas persen, sehingga ia di bawah garis dan sebenarnya kemahalan. Pelajaran terbesar pertemuan ini terangkum di sini: jangan pernah mengejar return tertinggi secara mentah — kejarlah return yang melampaui tuntutan risikonya, karena hanya itu yang benar-benar menambah kekayaan Anda sebagai pemegang saham.

Cheat Sheet — Rumus Inti Return & Risiko

Konsep	Rumus	Untuk
Return 1 periode	(P₁−P₀+D₁)/P₀	Return realisasi sekuritas
Expected return	E(R) = Σ Pᵢ Rᵢ	Return harapan dari skenario
Variance sekuritas	σ² = Σ Pᵢ [Rᵢ−E(R)]²	Risiko (kuadrat)
Standar deviasi	σ = √σ²	Risiko sekuritas (utama)
Koefisien variasi	CV = σ/E(R)	Risiko per unit return
E(R) portofolio	wₐE(Rₐ)+wᵇE(Rᵇ)	Return harapan portofolio
Variance portofolio	wₐ²σₐ²+wᵇ²σᵇ²+2wₐwᵇCov	Risiko portofolio 2 aset
Kovarians	Cov = ρ·σₐ·σᵇ	Searah-tidaknya dua aset
Beta	β = Cov(i,m)/Var(m)	Risiko sistematis
SML / CAPM	E(R) = Rᵉ + β[E(Rᵐ)−Rᵉ]	Return dituntut = biaya ekuitas

Benang merah: return = rata-rata tertimbang (selalu); risiko portofolio bukan rata-rata (turun jika ρ<1); pasar hanya menghargai risiko sistematis (beta), bukan risiko unik.

Ini slide yang saya sarankan Anda foto dan tempel di meja belajar, karena seluruh pertemuan hari ini terangkum dalam sepuluh rumus inti ini. Tiga rumus pertama mengukur return dan risiko satu sekuritas, dan koefisien variasi membantu Anda membandingkan saham dengan skala berbeda secara adil. Tiga rumus berikutnya membawa kita ke portofolio, dan di sinilah letak pelajaran terpenting: return portofolio selalu sekadar rata-rata tertimbang, tetapi risiko portofolio bukan rata-rata tertimbang — ia bisa jauh lebih kecil berkat kovarians dan korelasi yang kurang dari satu. Dua rumus terakhir, beta dan SML, menutup hari ini dengan menyambungkannya ke biaya ekuitas: pasar hanya menghargai risiko sistematis yang diukur beta, lalu menerjemahkannya menjadi return yang dituntut lewat CAPM. Kalau Anda hanya boleh membawa pulang satu kalimat dari pertemuan ini, bawalah ini: return dinilai bersama risikonya, risiko unik bisa didiversifikasi gratis, dan hanya risiko pasar yang dibayar oleh imbal hasil.

Latihan & Diskusi Kelas

Latihan 1 — Sekuritas

Saham punya 3 skenario: Buruk (p=0,30, R=−5%), Sedang (p=0,40, R=10%), Baik (p=0,30, R=25%). Hitung E(R), σ, dan CV. (petunjuk: ikuti HDN-1 & HDN-2.)

Latihan 2 — Portofolio

Saham A (E(R) 10%, σ 20%) & B (E(R) 18%, σ 30%), bobot 50:50, ρ = 0,40. Hitung E(Rₚ) dan σₚ, lalu bandingkan dengan rata-rata tertimbang risiko. (petunjuk: ikuti HDN-3.)

Kerjakan 7 menit. Untuk Latihan 2, hitung dulu kovarians, lalu tiga suku variance, baru akarkan. Cek apakah σₚ < rata-rata tertimbang (manfaat diversifikasi). Lalu kita bahas bersama.

Sekarang giliran Anda berhitung, karena return dan risiko hanya benar-benar dikuasai dengan latihan, bukan dengan menonton saya. Latihan pertama menguji kemampuan dasar pada satu sekuritas: ada saham dengan tiga skenario, dan saya minta Anda menghitung expected return, standar deviasi, dan koefisien variasinya — ikuti persis langkah HDN-1 dan HDN-2, mulai dari memastikan probabilitas berjumlah satu. Untuk Latihan 1, kuncinya: E(R) = 10,0%, σ = 11,62%, CV = 1,162. Latihan kedua adalah inti pertemuan ini, yaitu portofolio dua aset dengan korelasi nol koma empat; hitung return portofolionya yang mudah, lalu risikonya yang menantang dengan tiga suku variance. Untuk soal portofolio, biasakan urutan disiplin ini: hitung kovarians terlebih dahulu dari korelasi dikali kedua standar deviasi, baru susun tiga suku variance, dan terakhir akarkan; kuncinya E(Rₚ) = 14,0% dan σₚ = 21,10%, lebih kecil dari rata-rata tertimbang 25,0%. Saya beri waktu tujuh menit, lalu kita bahas kunci jawabannya bersama.

Rangkuman & Jembatan ke Biaya Modal

Hari ini Anda belajar mengukur return dan risiko, dari satu saham sampai portofolio, dan menemukan beta sebagai harga risiko sistematis.

Tiga Hal yang Harus Melekat

Return ditimbang dengan risiko, jangan dikejar mentah.
Diversifikasi menurunkan risiko jika ρ<1 (free lunch).
Pasar hanya menghargai risiko sistematis (beta) lewat CAPM.

Terhubung ke Mana?

CAPM hari ini = cara hitung biaya ekuitas (kᵉ). kᵉ adalah komponen utama WACC — biaya modal yang dipakai mendiskon arus kas proyek (capital budgeting).

Beta & SML bukan akhir cerita — keduanya input untuk menghitung biaya modal perusahaan. Alur: Return & Risiko → Beta → CAPM → biaya ekuitas (kᵉ) → WACC → diskon arus kas proyek. Kuasai return–risiko hari ini, dan WACC akan terasa logis.

Kita sampai di penghujung pertemuan yang padat ini, dan saya ingin Anda membawa pulang tiga hal yang melekat seumur hidup. Pertama, return tidak pernah dinilai sendirian; ia selalu dipasangkan dengan risikonya, dan koefisien variasi adalah alat untuk membandingkan keduanya secara adil. Kedua, diversifikasi adalah satu-satunya makan siang gratis dalam keuangan — selama korelasi antar-aset kurang dari satu, Anda bisa menurunkan risiko tanpa mengorbankan return, dan itulah inti penemuan Markowitz. Ketiga, tidak semua risiko dibayar oleh pasar; hanya risiko sistematis yang diukur beta, dan CAPM menerjemahkannya menjadi return yang dituntut. Yang paling penting Anda sadari, semua ini bukan teori yang berhenti di sini: angka return yang dituntut dari CAPM itulah biaya ekuitas perusahaan, yang menjadi komponen utama WACC, yang nantinya Anda pakai untuk mendiskon arus kas proyek dan menilai kelayakannya. Minggu depan kita lanjut ke biaya modal dan WACC — jadi kuasai return dan risiko hari ini, karena ia adalah pintu masuk ke seluruh pengambilan keputusan keuangan perusahaan.

📖 Baca juga: Wacc — penjelasan mendalam dan contoh numerik.