Program Studi Manajemen • FEB UNDIP

Manajemen Resiko Bisnis

Pertemuan 9 — Analisis Risiko Pasar

Suku bunga naik, nilai tukar melemah, harga saham jatuh — bagaimana mengukur, menguji, dan melindungi perusahaan dari guncangan pasar?

RPS MINGGU 10 • SUB-CPMK 8 • DURASI 2 × 50 MENIT

Selamat datang di Pertemuan 9 tentang Analisis Risiko Pasar — salah satu topik paling hidup di seluruh mata kuliah ini karena dampaknya bisa dirasakan setiap hari di berita keuangan. Ketika Bank Indonesia (BI) menaikkan suku bunga, perusahaan yang memiliki banyak utang berbunga mengambang langsung melihat beban bunga melonjak; itulah risiko suku bunga. Ketika rupiah melemah terhadap dolar, eksportir bisa bersorak tapi importir merana; itulah risiko nilai tukar. Hari ini kita akan belajar secara sistematis dari mana saja risiko pasar itu datang, bagaimana mengukurnya dengan alat kuantitatif yang konkret, dan apa yang bisa dilakukan perusahaan untuk melindungi diri. Siapkan kalkulator Anda, karena kita akan menghitung Modified Duration dan Transaction Exposure dari nol — dua alat ukur yang dipakai praktisi riil di perbankan dan perusahaan publik Indonesia.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menganalisis risiko pasar (Sub-CPMK 8). Secara rinci:

CAPAIAN 1 — IDENTIFIKASI

4 SUMBER

Mengidentifikasi empat sumber risiko pasar dan sub-jenisnya dari kasus perusahaan Indonesia.

CAPAIAN 2 — DURATION

Menghitung Modified Duration (MD) dan estimasi perubahan harga obligasi dari nol.

CAPAIAN 3 — KURS

KURS

Mengukur transaction exposure — paparan nilai tukar atas transaksi yang sudah terjadi tapi belum diselesaikan — dan kerugian potensial dua skenario.

CAPAIAN 4 — LINDUNG NILAI

HEDGE

Menjelaskan prinsip stress testing dan instrumen hedging (lindung nilai) yang sesuai per jenis risiko.

Ketika Pasar Bergerak, Perusahaan Rugi — atau Untung

KASUS 1 — BI RATE 2022–2023

BI menaikkan suku bunga sebanyak 225 bps (basis points — satuan 0,01%; 225 bps = 2,25%) dalam satu tahun, dari 3,50% (Agustus 2022) ke 5,75% (Januari 2023); puncak 6,00% Oktober 2023. Emiten dengan utang floating (berbunga mengambang) melihat beban bunga tahunan naik jutaan rupiah per Rp 1 M utang. WIKA dan WSKT melaporkan lonjakan beban keuangan.

KASUS 2 — RUPIAH & SAWIT 2023

Rupiah melemah dari ~Rp 14.800 ke ~Rp 15.800 per USD di semester I/2023. Eksportir CPO (Crude Palm Oil — minyak kelapa sawit mentah) seperti AALI (PT Astra Agro Lestari, BEI) dan SSMS memperoleh pendapatan lebih tinggi dalam rupiah — namun tanpa strategi nilai tukar yang jelas, keuntungan ini tidak terkelola dengan baik.

Pesan kunci: risiko pasar bukan ancaman abstrak — ia mengubah laporan laba-rugi setiap kuartal, langsung berdampak pada profitabilitas perusahaan.

Saya ingin membuka dengan dua kasus yang bukan rekaan — ini benar-benar terjadi di Indonesia dalam beberapa tahun terakhir. Ketika Bank Indonesia menaikkan BI Rate 225 basis poin dari 3,50% ke 5,75% — dan kemudian berlanjut hingga 6,00% di Oktober 2023 — perusahaan-perusahaan BUMN konstruksi seperti WIKA dan WSKT yang memiliki tumpukan utang berbunga mengambang langsung merasakan tekanan; beban bunga mereka naik bukan karena perusahaan salah beroperasi, melainkan karena pasar bergerak. Di sisi lain, pelemahan rupiah terhadap dolar memberikan keuntungan bagi eksportir sawit seperti AALI dan SSMS — tetapi keuntungan ini hanya nyata jika perusahaan memahami dan mengelola paparan nilai tukarnya. Inilah mengapa analisis risiko pasar bukan sekadar kewajiban regulasi OJK, tetapi keputusan bisnis yang nyata berdampak pada profitabilitas dan kelangsungan perusahaan.

Bagian 1 dari 5

Peta Risiko Pasar

Dari mana saja risiko pasar datang? Kita petakan empat sumber utama sebelum mengukur satu per satu.

Suku Bunga Nilai Tukar Harga Saham Harga Komoditas

Empat Sumber Risiko Pasar

OJK (SEOJK 12/2022) mengklasifikasikan risiko pasar dalam empat dimensi:

1 — RISIKO SUKU BUNGA

Kerugian akibat perubahan suku bunga yang memengaruhi nilai aset/liabilitas berbunga. Sub-jenis: repricing risk dan yield curve risk.

2 — RISIKO NILAI TUKAR

Kerugian akibat fluktuasi kurs mata uang asing. Sub-jenis: transaction, translation, dan economic exposure.

3 — RISIKO HARGA SAHAM

Kerugian akibat penurunan harga saham yang dipegang sebagai investasi atau portofolio. Diukur dengan Beta (β).

4 — RISIKO HARGA KOMODITAS

CPO

Kerugian akibat fluktuasi harga komoditas (minyak, CPO, batu bara, emas) yang memengaruhi biaya produksi atau pendapatan.

Satu perusahaan bisa terpapar lebih dari satu sumber risiko secara bersamaan.

Regulator keuangan Indonesia, yaitu OJK (Otoritas Jasa Keuangan), secara eksplisit mengklasifikasikan risiko pasar ke dalam empat dimensi ini dalam SEOJK Nomor 12 Tahun 2022 tentang Penerapan Manajemen Risiko bagi Bank Umum. Meskipun aturan ini spesifik untuk perbankan, kerangka yang sama berlaku untuk perusahaan non-keuangan karena keempat sumber risiko ini memang universal. Perhatikan bahwa satu perusahaan bisa sekaligus terpapar suku bunga (punya utang berbunga mengambang), nilai tukar (impor bahan baku), dan komoditas (harga bahan baku fluktuatif) — inilah mengapa manajemen risiko pasar harus bersifat holistik. Sepanjang pertemuan hari ini, kita akan fokus terutama pada risiko suku bunga dan nilai tukar karena keduanya paling sering diuji dan paling mudah diukur secara kuantitatif untuk mahasiswa S1.

Risiko Suku Bunga: Dua Sub-Jenis Utama

REPRICING RISK — RISIKO PERUBAHAN HARGA ULANG

Terjadi karena aset dan liabilitas perusahaan memiliki jangka waktu penetapan bunga yang berbeda.

Contoh: bank punya deposito 3 bulan (liabilitas) tapi kredit 5 tahun (aset)
Ketika suku bunga naik, biaya dana naik cepat sementara pendapatan bunga aset belum bergerak
Selisih keuntungan (net interest margin) menyempit drastis

YIELD CURVE RISK — RISIKO KURVA IMBAL HASIL

Terjadi ketika bentuk kurva imbal hasil (yield curve) berubah tidak sejajar.

Yield curve = grafik hubungan jangka waktu vs suku bunga obligasi penerbit yang sama
Flattening (penggepengkan kurva): suku bunga jangka pendek naik lebih cepat dari jangka panjang
Mengubah nilai relatif aset-liabilitas dengan durasi berbeda secara tak terduga

Implikasi praktis: kenaikan BI Rate Februari 2023 → deposito 1 bulan ikut naik dalam 30 hari, tetapi KPR (Kredit Pemilikan Rumah) 30 tahun yang sudah dikunci di bunga tetap tidak bergerak.

Bayangkan Anda adalah seorang bankir: Anda menerima deposito nasabah selama tiga bulan dengan bunga 5%, dan Anda meminjamkan uang itu ke debitur selama lima tahun dengan bunga 9%. Selisih 4% itulah keuntungan Anda, dan bisnis berjalan mulus — sampai tiba-tiba Bank Indonesia menaikkan suku bunga. Deposito tiga bulan habis jatuh tempo bulan depan, dan nasabah menuntut bunga 7% untuk memperbarui deposito; sementara kredit lima tahun yang Anda kucurkan masih terkunci di 9% hingga tahun depan — selisih Anda menyempit drastis. Inilah repricing risk dalam bentuk paling nyata, dan itulah mengapa bank sangat ketat mengelola ketidaksesuaian jangka waktu antara aset dan liabilitas mereka. Yield curve risk adalah dimensi yang lebih halus: bukan sekadar "bunga naik atau turun", tetapi "bagian mana dari kurva yang bergerak dan seberapa banyak" — karena pergerakan yang tidak seragam di sepanjang kurva bisa mengubah nilai portofolio secara tak terduga.

Risiko Nilai Tukar: Tiga Dimensi Paparan

TRANSACTION EXPOSURE

Transaksi

Risiko atas transaksi yang sudah terjadi dalam mata uang asing tapi belum diselesaikan. Contoh: PT X memiliki utang USD 100.000 jatuh tempo 3 bulan — jika rupiah melemah, utang dalam rupiah membengkak.

TRANSLATION EXPOSURE

Translasi

Risiko atas konversi laporan keuangan anak perusahaan luar negeri ke mata uang pelaporan induk. Ini risiko akuntansi, bukan kas langsung.

ECONOMIC EXPOSURE

Ekonomi

Risiko atas nilai perusahaan jangka panjang akibat perubahan kurs yang memengaruhi daya saing, harga jual, dan biaya secara struktural.

Untuk ujian: transaction exposure = paling terukur karena ada kontrak spesifik; economic exposure = paling luas tapi paling sulit diukur.

Risiko nilai tukar sering diringkas menjadi satu istilah, padahal ada tiga dimensi yang sangat berbeda sifat dan cara pengukurannya. Transaction exposure adalah yang paling tangibel: ada kontrak, ada tanggal jatuh tempo, dan kita bisa menghitung kerugian dengan persis menggunakan dua angka kurs. Translation exposure lebih abstrak — ia memengaruhi laporan keuangan konsolidasi tetapi tidak selalu mencerminkan arus kas nyata; banyak perusahaan multinasional menerima kerugian translasi besar di laporan keuangan tetapi tidak kehilangan uang tunai. Economic exposure adalah yang paling strategis dan paling sulit diukur — misalnya, jika rupiah menguat terus terhadap dolar, produk elektronik impor menjadi lebih murah dan mengancam produsen elektronik lokal secara permanen. Untuk mahasiswa S1, fokus terpenting adalah memahami transaction exposure dengan baik karena ia paling konkret, paling sering diuji, dan paling langsung bisa di-hedge dengan instrumen keuangan yang tersedia.

Risiko Harga Saham & Risiko Harga Komoditas

RISIKO HARGA SAHAM

Memengaruhi perusahaan yang memegang saham sebagai investasi (contoh: perusahaan asuransi jiwa)
Ukuran utama: Beta (β) — sensitivitas imbal hasil saham terhadap imbal hasil pasar (IHSG — Indeks Harga Saham Gabungan)
Contoh: β = 1,2 berarti jika IHSG turun 10%, saham cenderung turun 12%
Saham BBCA (BEI), TLKM (BEI) memiliki beta berbeda mencerminkan sensitivitas terhadap pasar

RISIKO HARGA KOMODITAS

Memengaruhi perusahaan yang menggunakan atau menjual komoditas sebagai input/output utama
Contoh Indonesia: produsen semen (batu bara sebagai energi), PERTAMINA (minyak mentah), AALI/SSMS (CPO)
Tidak ada ukuran tunggal seperti duration atau beta — bergantung pada struktur kontrak dan pasar komoditas spesifik

Dua risiko ini sering bergerak bersama saat krisis (market contagion — penularan pasar), sehingga diversifikasi pun tidak cukup melindungi.

Risiko harga saham terutama relevan untuk perusahaan yang memegang portofolio saham sebagai investasi — misalnya, perusahaan asuransi jiwa di Indonesia wajib menempatkan sebagian besar asetnya di pasar modal, sehingga ketika IHSG anjlok, nilai aset investasi mereka ikut turun. Saham BBCA (Bank Central Asia) dan TLKM (Telkom Indonesia) di BEI (Bursa Efek Indonesia) memiliki beta yang berbeda mencerminkan sensitivitas berbeda terhadap pergerakan pasar. Risiko harga komoditas menyentuh sektor riil secara langsung — bayangkan produsen mi instan yang memerlukan tepung terigu: ketika harga gandum dunia melonjak, biaya produksi naik, dan kalau harga jual tidak bisa disesuaikan segera karena persaingan, margin laba tertekan. Pada saat krisis seperti crash COVID-19 pada Maret 2020, keempat jenis risiko pasar ini sering bergerak bersama secara negatif, disebut market contagion, sehingga diversifikasi pun tidak cukup melindungi perusahaan.

Bagian 2 dari 5

Risiko Suku Bunga & Duration

Dari konsep ke angka: bagaimana menghitung Modified Duration dan memperkirakan dampak perubahan suku bunga terhadap harga obligasi.

Hukum Emas: harga obligasi bergerak berlawanan arah dengan suku bunga — saat suku bunga naik, harga obligasi turun.

Duration & Modified Duration: Dua Rumus Kunci

Intuisi: Duration = titik keseimbangan waktu arus kas obligasi — seperti pusat gravitasi timbangan: semakin besar kupon yang diterima awal, semakin pendek durasinya.

MACAULAY DURATION (D)

D = Σ [ t × PV(CF₁) ] / Harga Obligasi = Σ [ t × CF₅ / (1+y)ᵗ ] / P₀

MODIFIED DURATION (MD)

MD = D / (1 + y)

ESTIMASI PERUBAHAN HARGA

ΔP / P ≈ −MD × Δy

Tanda minus (−): perubahan harga berlawanan arah dengan perubahan yield — inilah hukum harga obligasi. Δy = perubahan YTM (yield to maturity — imbal hasil sampai jatuh tempo).

Macaulay Duration dihitung dengan mengambil rata-rata tertimbang dari waktu penerimaan setiap arus kas — tertimbang oleh bobot nilai sekarang arus kas tersebut terhadap total harga obligasi. Hasilnya adalah satu angka dalam satuan tahun yang mewakili "rata-rata tunggu" investor sampai uangnya kembali — obligasi dengan kupon besar akan punya duration lebih pendek dari jatuh temponya karena investor menerima uang lebih awal lewat kupon. Modified Duration adalah langkah berikutnya: kita bagi Macaulay Duration dengan (1 + y) untuk mendapatkan ukuran yang langsung bisa dipakai dalam rumus perubahan harga. Rumus ΔP/P ≈ −MD × Δy adalah alat praktis yang digunakan trader obligasi setiap hari — kalau MD = 2,5 dan suku bunga naik 1%, harga obligasi diperkirakan turun 2,5%. Tanda minus di sini bukan kesalahan — ia mencerminkan hubungan terbalik antara harga obligasi dan yield.

HDN-1 — Hitung Modified Duration dari Nol

Soal: Obligasi PT Semen Nusantara (ilustrasi): nilai nominal Rp 1.000.000, kupon 8%/tahun tahunan, jatuh tempo 3 tahun, YTM = 9%.

Langkah	Perhitungan	Nilai
1. Arus kas tiap tahun	Kupon = 8% × Rp 1.000.000	CF₁ = CF₂ = Rp 80.000; CF₃ = Rp 1.080.000
2a. PV₁	80.000 / (1,09)¹	Rp 73.394
2b. PV₂	80.000 / (1,09)²	Rp 67.334
2c. PV₃	1.080.000 / (1,09)³	Rp 833.960
3. Harga obligasi (P₀)	PV₁ + PV₂ + PV₃	Rp 974.688
4. Bobot w₁, w₂, w₃	73.394/974.688; 67.334/974.688; 833.960/974.688	0,07531; 0,06908; 0,85561
5. Macaulay Duration (D)	1×0,07531 + 2×0,06908 + 3×0,85561	2,7803 tahun
6. Modified Duration (MD)	D / (1 + 0,09) = 2,7803 / 1,09	2,5508
7. Dampak ΔYield +1%	ΔP/P ≈ −2,5508 × 0,01	−2,55%
8. Estimasi harga baru	974.688 × (1 − 0,0255)	~Rp 949.825

Jika YTM naik 1% (dari 9% ke 10%), harga obligasi turun ~Rp 24.862 (−2,55%). Estimasi vs harga eksak (Rp 950.263): selisih hanya Rp 438 — aproksimasi linear cukup akurat untuk perubahan kecil.

Mari kita hitung bersama-sama — saya minta Anda ikut mengerjakan di kertas masing-masing. Langkah pertama, kita tentukan arus kas: obligasi berbunga 8% dari nominal Rp 1 juta berarti kupon Rp 80.000 per tahun, dan di tahun ketiga kita juga menerima kembali pokok Rp 1 juta, sehingga CF₃ = Rp 1.080.000. Langkah kedua, kita diskontokan masing-masing arus kas dengan YTM 9% — ini persis seperti menghitung nilai sekarang yang sudah Anda pelajari di Manajemen Keuangan I. Perhatikan bahwa total nilai kini semua arus kas adalah Rp 974.688 — ini lebih rendah dari nilai nominal Rp 1.000.000 karena YTM (9%) lebih tinggi dari kupon (8%), artinya obligasi ini diperdagangkan di bawah par. Macaulay Duration kita hitung dengan rumus rata-rata tertimbang: setiap periode dikalikan bobotnya masing-masing, menghasilkan 2,78 tahun. Setelah dibagi (1+0,09), Modified Duration = 2,55 — artinya jika yield naik 1 persen poin, harga obligasi diperkirakan turun sekitar 2,55%, atau Rp 24.862 dari harga Rp 974.688.

Apa Artinya Modified Duration = 2,55?

INTERPRETASI LANGSUNG

MD = 2,55 berarti: harga obligasi berubah ≈ 2,55% untuk setiap perubahan yield 1%
Naik yield 1% → harga turun 2,55%
Turun yield 1% → harga naik 2,55%
Portofolio Rp 100 M: kehilangan ≈ Rp 2,55 M jika BI Rate naik 1%

ATURAN PRAKTIS

Obligasi kupon rendah → duration lebih panjang → lebih sensitif
Obligasi jangka pendek → duration lebih pendek → lebih terlindungi
Zero-coupon bond: Duration = Jatuh Tempo (paling sensitif)

Sifat Obligasi	Duration	Sensitivitas
Kupon tinggi, jangka pendek	Rendah	Rendah
Kupon rendah, jangka panjang	Tinggi	Tinggi
Zero-coupon bond	= Jatuh tempo	Tertinggi

Modified Duration adalah angka yang sangat praktis karena langsung memberitahu Anda dalam persentase berapa harga obligasi akan bergerak untuk setiap pergerakan 1% pada yield. Dengan MD = 2,55, bayangkan Anda memegang portofolio obligasi senilai Rp 100 miliar — jika BI Rate naik 1%, portofolio Anda bisa kehilangan nilai sekitar Rp 2,55 miliar dalam jangka pendek. Aturan praktis yang perlu Anda ingat: semakin lama jangka waktu obligasi dan semakin kecil kuponnya, semakin panjang durasinya dan semakin besar risiko suku bunganya. Penting juga dipahami bahwa durasi hanya merupakan aproksimasi (pendekatan) — untuk perubahan yield yang sangat besar, kita perlu tambahan ukuran yang disebut convexity, tapi itu topik di luar cakupan hari ini. Zero-coupon bond (obligasi tanpa kupon; dijual dengan diskon besar dan seluruh imbal hasil datang dari selisih harga beli vs nilai nominal saat jatuh tempo) memiliki duration sama persis dengan jatuh temponya — paling sensitif dari semua jenis obligasi.

Coba Sendiri: Geser Yield, Amati Perubahan Harga Obligasi

Geser perubahan yield dan amati bagaimana modified duration memprediksi persentase perubahan harga obligasi.

Studi Kasus: Suku Bunga Mengambang & Kenaikan BI Rate

Bank Indonesia menaikkan BI Rate dari 3,50% (Agustus 2022) ke 5,75% (Januari 2023) — total kenaikan 225 bps; puncak 6,00% pada Oktober 2023.

DAMPAK: PERUSAHAAN KONSTRUKSI BUMN (ilustrasi)

Utang obligasi berbunga mengambang (floating): Rp 10 T
Bunga awal: BI Rate + 2% = 5,50% p.a. → Beban bunga: Rp 550 M/tahun
Setelah BI Rate +225 bps: 7,75% p.a. → Beban bunga: Rp 775 M/tahun
Kenaikan beban bunga: Rp 225 M/tahun — tanpa perubahan bisnis apa pun
Referensi: WIKA dan WSKT melaporkan kenaikan beban keuangan signifikan (IDX, 2023)

STRATEGI MITIGASI

Negosiasi konversi ke bunga tetap (fixed rate) sebelum siklus kenaikan dimulai
Gunakan interest rate swap (kontrak pertukaran aliran bunga): bayar bunga tetap, terima bunga mengambang
Manajemen maturity profile: percepat pelunasan utang floating, terbitkan obligasi fixed rate

Kasus ini nyata dan sangat relevan untuk Indonesia. Antara Agustus 2022 dan Januari 2023, Bank Indonesia menaikkan BI Rate sebesar 225 basis poin — dari 3,50% ke 5,75% — sebagai respons terhadap tekanan inflasi global. Bagi perusahaan konstruksi BUMN yang memiliki utang besar dengan bunga mengambang, kenaikan ini langsung menghantam laporan laba-rugi: dengan asumsi utang Rp 10 triliun (angka ilustrasi, bukan dari laporan keuangan resmi) dan kenaikan 225 bps, beban bunga tahunan naik Rp 225 miliar hanya dari perubahan suku bunga — bukan dari ekspansi bisnis atau aset baru. Angka Rp 225 miliar ini muncul bukan karena kesalahan manajemen, melainkan murni karena eksposur risiko suku bunga yang tidak di-hedge. Solusi yang tepat seharusnya adalah interest rate swap: perusahaan membayar bunga tetap kepada bank/counterparty dan menerima pembayaran bunga mengambang, sehingga kewajiban bersihnya menjadi fixed rate dan terlindungi dari kenaikan lebih lanjut. Catatan: dosen disarankan verifikasi data BI Rate terkini dari bi.go.id sebelum mengajar.

Bagian 3 dari 5

Risiko Nilai Tukar

Dari tiga dimensi paparan ke perhitungan konkret: berapa ruginya jika rupiah melemah?

Rupiah melemah (kurs USD/IDR naik) = buruk untuk importir dan debitur mata uang asing, baik untuk eksportir. Periksa arah ini dulu sebelum menghitung.

Sekarang kita bergeser ke risiko nilai tukar — topik yang sangat relevan bagi perekonomian Indonesia yang sangat bergantung pada perdagangan internasional. Indonesia adalah eksportir besar komoditas (CPO, batu bara, nikel) dan importir besar barang modal dan bahan baku; akibatnya, hampir setiap perusahaan besar di Indonesia punya paparan nilai tukar dalam satu bentuk atau lainnya. Di bagian ini kita akan fokus pada transaction exposure karena ia paling konkret dan paling mudah dihitung — dan kita akan mengerjakan satu contoh lengkap dari nol. Kunci untuk bagian ini adalah mengingat bahwa rupiah melemah (kurs USD/IDR naik) adalah kabar buruk untuk importir dan debitur mata uang asing, tetapi kabar baik untuk eksportir — dan arah dampak ini harus selalu Anda periksa terlebih dahulu sebelum menghitung angkanya.

Tiga Exposure Nilai Tukar: Perbandingan Cepat

Dimensi	Transaction Exposure	Translation Exposure	Economic Exposure
Apa yang terdampak?	Transaksi spesifik yang sudah terjadi	Laporan keuangan konsolidasi	Nilai perusahaan jangka panjang
Jangka waktu	Pendek (hari–bulan)	Per periode pelaporan	Panjang (tahun)
Dampak kas?	Ya, langsung	Tidak langsung (akuntansi)	Ya, via pendapatan & biaya
Mudah diukur?	Ya (ada jumlah pasti)	Sedang	Sulit

Tip ujian (dari Yale — Shiller): Tanyakan “apakah ada kontrak spesifik yang membuat perusahaan wajib menerima/membayar mata uang asing?” Kalau ada → transaction. Kalau dampaknya ke seluruh model bisnis → economic.

Tabel ini adalah ringkasan yang sering saya gunakan untuk membantu mahasiswa mengingat perbedaan antara tiga exposure nilai tukar secara efisien. Perhatikan kolom pertama: transaction exposure memiliki dampak kas langsung dan bisa diukur dengan tepat karena ada jumlah kontrak yang spesifik. Translation exposure, meski kadang tampak besar di laporan keuangan, tidak selalu mencerminkan kerugian kas nyata — perusahaan multinasional sering memiliki translation loss besar di periode tertentu tetapi bisnisnya tetap menghasilkan arus kas yang sehat. Economic exposure adalah yang paling strategis: bayangkan perusahaan manufaktur Indonesia yang bersaing dengan produk China — jika rupiah menguat terus, produk China menjadi lebih murah dalam rupiah dan menekan pangsa pasar perusahaan kita, bahkan tanpa ada transaksi mata uang asing sama sekali. Untuk mahasiswa yang berminat di bidang akuntansi: PSAK 71 (Pernyataan Standar Akuntansi Keuangan 71 tentang Instrumen Keuangan — setara IFRS 9, berlaku di Indonesia mulai 2020) mengatur perlakuan hedge accounting agar keuntungan/kerugian instrumen lindung nilai diakui pada periode yang sama dengan eksposur yang dilindungi.

Mengukur Transaction Exposure: Rumus Dasar

NILAI KEWAJIBAN/PIUTANG DALAM RUPIAH

Nilai (IDR) = Jumlah (FCY) × Kurs (IDR/FCY)

KERUGIAN/KEUNTUNGAN KURS

ΔNilai = Jumlah (FCY) × [Kurs_Baru − Kurs_Lama]

UNTUK UTANG (importir/debitur)

Kurs naik (rupiah melemah) → ΔNilai positif → kerugian kurs
Kurs turun (rupiah menguat) → ΔNilai negatif → keuntungan kurs

UNTUK PIUTANG (eksportir)

Kurs naik (rupiah melemah) → piutang USD dalam IDR naik → keuntungan kurs
Kurs turun (rupiah menguat) → piutang USD dalam IDR turun → kerugian kurs

FCY = foreign currency (mata uang asing); IDR = rupiah Indonesia.

HDN-2 — Hitung Transaction Exposure dari Nol

Soal: PT Maju Bersama (ilustrasi) memiliki utang USD 100.000 jatuh tempo 3 bulan. Kurs saat ini: Rp 15.500/USD.

Langkah	Perhitungan	Hasil
A. Nilai utang sekarang	USD 100.000 × Rp 15.500	Rp 1.550.000.000
B. Skenario 1: kurs Rp 16.500	USD 100.000 × Rp 16.500	Rp 1.650.000.000
Kerugian skenario 1	Rp 1.650 jt − Rp 1.550 jt	Rp 100.000.000
C. Skenario 2: kurs Rp 17.000	USD 100.000 × Rp 17.000	Rp 1.700.000.000
Kerugian skenario 2	Rp 1.700 jt − Rp 1.550 jt	Rp 150.000.000

Skenario	Kurs (IDR/USD)	Nilai Utang (IDR)	Kerugian Kurs
Baseline	15.500	Rp 1.550.000.000	—
Skenario 1	16.500	Rp 1.650.000.000	Rp 100.000.000
Skenario 2	17.000	Rp 1.700.000.000	Rp 150.000.000

Rupiah melemah Rp 1.000 per dolar = kerugian Rp 100 juta — tanpa kesalahan bisnis apa pun.

Mari kita kerjakan langkah demi langkah — ini adalah perhitungan yang harus dapat Anda lakukan dalam ujian dalam 5 menit. Langkah A: nilai utang saat ini adalah USD 100.000 dikali Rp 15.500 per dolar, hasilnya Rp 1.550.000.000 atau Rp 1,55 miliar (baseline — kondisi acuan saat ini sebagai titik perbandingan). Dalam tiga bulan ketika utang jatuh tempo, PT Maju Bersama harus membeli USD 100.000 dari pasar untuk membayar krediturnya — dan jika kurs saat itu sudah melemah ke Rp 16.500 (skenario 1), mereka harus membayar Rp 1,65 miliar, sehingga ada selisih kerugian Rp 100 juta. Skenario 2 yang lebih buruk (Rp 17.000/USD) menghasilkan kerugian Rp 150 juta. Kerugian ini murni dari pergerakan kurs — bukan karena volume penjualan turun atau biaya produksi naik — dan inilah yang membuat risiko nilai tukar kadang terasa "tidak adil". Semua angka terverifikasi: USD 100.000 × (16.500 − 15.500) = Rp 100 juta; USD 100.000 × (17.000 − 15.500) = Rp 150 juta.

Studi Kasus: Eksportir CPO & Fluktuasi USD

Indonesia adalah produsen CPO (Crude Palm Oil) terbesar dunia. AALI (PT Astra Agro Lestari, BEI) dan SSMS menjual CPO di pasar internasional dalam denominasi USD.

SAAT RUPIAH MELEMAH — WINDFALL

Pendapatan ekspor dalam USD tidak berubah (misal USD 50 juta/kuartal)
Kurs melemah dari Rp 14.800 ke Rp 15.800/USD
Pendapatan dalam IDR naik: USD 50 juta × Rp 1.000 = Rp 50 miliar
Margin laba bertambah tanpa menambah volume produksi (windfall — keuntungan tidak terduga dari faktor eksternal)

RISIKO SEBALIKNYA — RUPIAH MENGUAT

Jika kurs kembali ke Rp 14.000/USD
Pendapatan IDR turun drastis
Biaya produksi (pupuk, upah) tetap dalam IDR
Margin tertekan — bahkan tanpa perubahan operasional
Strategi: natural hedge — ambil utang USD agar ada penyeimbang alami

Ironi risiko pasar: saat rupiah melemah, eksportir untung; saat menguat, rugi — dan tidak ada yang mengontrol kurs pasar.

AALI dan SSMS adalah contoh kanonik eksportir komoditas Indonesia yang paparan nilai tukarnya sangat nyata. Kedua perusahaan ini menjual CPO dengan harga internasional yang dikuotasi dalam dolar AS — sehingga pendapatan mereka dalam dolar relatif stabil mengikuti supply-demand CPO global, tetapi pendapatan dalam rupiah sangat bergantung pada kurs IDR/USD. Pada tahun 2022–2023 ketika rupiah melemah, AALI dan SSMS menikmati windfall pendapatan dalam rupiah — tetapi ini adalah keuntungan yang "tidak direncanakan" dan tidak bisa diandalkan. Verifikasi aritmetika: USD 50.000.000 × Rp 1.000 = Rp 50.000.000.000 = Rp 50 miliar. Strategi yang umum digunakan eksportir adalah natural hedge (lindung nilai alami): memastikan sebagian kewajiban juga dalam USD sehingga kalau kurs bergerak, ada penyeimbang alami antara kewajiban dan pendapatan dalam mata uang yang sama.

Bagian 4 dari 5

Risiko Saham, Komoditas & Stress Testing

Beta untuk risiko ekuitas, komoditas di sektor riil, dan cara menguji ketahanan perusahaan dengan skenario ekstrem.

Stress testing (pengujian ketahanan — simulasi dampak skenario ekstrem terhadap posisi keuangan perusahaan) diwajibkan OJK untuk perbankan Indonesia.

Beta (β): Ukuran Risiko Sistematis Saham

Intuisi: Beta = seberapa besar saham ikut bergerak ketika IHSG bergerak 1%. Beta 1,5 berarti jika IHSG naik 1%, saham cenderung naik 1,5% — dan sebaliknya saat pasar turun.

Beta (β)	Interpretasi	Contoh Saham BEI
β < 0	Bergerak berlawanan pasar	(jarang — produk defensif ekstrem)
β = 0	Tidak berkorelasi dengan pasar	Aset bebas risiko (SUN)
0 < β < 1	Kurang sensitif dari pasar	Saham defensif: UNVR, MYOR
β = 1	Bergerak seiring pasar	Saham “rata-rata pasar”
β > 1	Lebih sensitif dari pasar	Saham siklikal: BBRI, ASII, GOTO

Risiko sistematis = risiko yang tidak bisa dihilangkan dengan diversifikasi karena bergerak bersama seluruh pasar. Saham dengan β tinggi lebih berisiko saat pasar turun, tapi juga lebih menguntungkan saat pasar naik. Lihat Slide berikut untuk cara menghitung β dari data return.

Beta (koefisien yang mengukur volatilitas imbal hasil saham relatif terhadap portofolio pasar) adalah konsep yang sudah Anda kenal dari mata kuliah keuangan — di sini kita melihatnya dari sudut pandang manajemen risiko, bukan sekadar penetapan harga aset. Dalam konteks risiko pasar, beta mengukur seberapa besar nilai portofolio saham perusahaan bergerak mengikuti pergerakan IHSG (Indeks Harga Saham Gabungan). Saham GOTO (Gojek-Tokopedia) misalnya memiliki beta lebih dari 1 karena merupakan saham teknologi yang sangat sensitif terhadap sentimen pasar — ketika IHSG turun 10%, GOTO bisa turun 15% atau lebih. Sebaliknya, saham UNVR (Unilever Indonesia) yang menjual kebutuhan sehari-hari cenderung memiliki beta lebih rendah. Untuk manajer risiko, implikasinya jelas: perusahaan asuransi yang memegang portofolio saham dengan beta rata-rata 1,3 menghadapi risiko pasar yang jauh lebih besar daripada yang memegang portofolio dengan beta 0,7 — dan perbedaan ini harus dicerminkan dalam cadangan modal. Nilai beta spesifik perlu diverifikasi dari Bloomberg atau laporan riset ekuitas terkini.

HDN-3 (Bagian 1/2) — Rata-Rata Return & Tabel Deviasi

Intuisi: Beta = seberapa serempak saham bergerak dengan pasar, dibanding seberapa liar pasar sendiri bergerak. Kita perlu kovarians (ukuran keserempakan) dan varians (ukuran keliar-an pasar) — kedua-duanya dibangun dari deviasi tiap periode.

Data: return mingguan saham PT XYZ (ilustrasi) dan IHSG selama 4 periode. | Notasi Σ = jumlahkan semua baris; (n−1) = koreksi sampel kecil.

Periode	Rm − R̄m	Ri − R̄i	Produk silang (Rm−R̄m)(Ri−R̄i)	Kuadrat (Rm−R̄m)²
Rata-rata (→)	R̄m = (2,0 − 1,5 + 1,0 − 0,5) / 4 = 0,25% R̄i = (3,2 − 2,0 + 1,8 − 0,6) / 4 = 0,60%
1	2,0 − 0,25 = +1,75	3,2 − 0,60 = +2,60	1,75 × 2,60 = 4,550	1,75² = 3,063
2	−1,5 − 0,25 = −1,75	−2,0 − 0,60 = −2,60	(−1,75)×(−2,60) = 4,550	(−1,75)² = 3,063
3	1,0 − 0,25 = +0,75	1,8 − 0,60 = +1,20	0,75 × 1,20 = 0,900	0,75² = 0,563
4	−0,5 − 0,25 = −0,75	−0,6 − 0,60 = −1,20	(−0,75)×(−1,20) = 0,900	(−0,75)² = 0,563
Σ			10,900	7,252

Tiap baris adalah langkah manual — pastikan Anda bisa menghitung satu baris sendiri sebelum lanjut ke Slide berikut.

Sebelum tabel ini, baca dulu intuisinya: beta = seberapa serempak saham bergerak bersama pasar, dibandingkan seberapa liar pasar bergerak sendiri. Untuk mengukur keserempakan itu, kita butuh kovarians (ukuran seberapa serempak dua variabel bergerak bersama) — tapi kovarians tidak bisa dihitung sebelum kita tahu deviasi tiap periode dari rata-ratanya. Itulah mengapa langkah pertama adalah menghitung rata-rata return: R̄m = 0,25% dan R̄i = 0,60%. Langkah kedua adalah inti slide ini: untuk setiap periode, kita hitung berapa jauh Rm menyimpang dari 0,25%, berapa jauh Ri menyimpang dari 0,60%, lalu kita kalikan keduanya — produk silang ini adalah kontribusi satu periode terhadap kovarians. Perhatikan periode 1: Rm lebih tinggi dari rata-rata (+1,75) DAN Ri lebih tinggi dari rata-rata (+2,60), produk silangnya positif (+4,550) — ini menyatakan keduanya bergerak ke arah yang sama. Hasil Σ = 10,900 dan 7,252 adalah penjumlahan empat baris yang baru saja kita hitung bersama.

HDN-3 (Bagian 2/2) — Kovarians, Varians, dan Beta

Dari Slide sebelumnya: Σ[(Rm−R̄m)(Ri−R̄i)] = 10,900 Σ(Rm−R̄m)² = 7,252

Langkah	Perhitungan	Hasil
3. Kovarians(Ri, Rm)	10,900 / (n−1) = 10,900 / 3	3,633
4. Varians(Rm)	7,252 / (n−1) = 7,252 / 3	2,417
5. Beta (β)	β = Kovarians / Varians = 3,633 / 2,417	≈ 1,50

β ≈ 1,50 — saham XYZ bergerak 1,5× lebih besar dari IHSG. Jika IHSG turun 10%, saham ini diperkirakan turun ∼15%.

LOGIKA INTUISI

Kovarians besar + varians pasar kecil → saham bergerak jauh > pasar → β tinggi
Pasar sendiri sudah liar (varians besar) + saham hanya ikut → β mendekati 1

TIP EXCEL

=SLOPE(range_Ri, range_Rm) menghasilkan beta yang sama persis
Fungsi SLOPE secara internal menghitung Cov/Var seperti langkah di atas
Praktik: gunakan 60 observasi bulanan untuk stabilitas statistik

Dari Slide sebelumnya kita sudah punya dua angka ajaib: 10,900 (jumlah produk silang) dan 7,252 (jumlah kuadrat deviasi pasar). Langkah 3: bagi 10,900 dengan (n−1) = 3, hasilnya kovarians = 3,633 — ini adalah ukuran keserempakan gerakan saham dan pasar. Langkah 4: bagi 7,252 dengan 3, hasilnya varians (rata-rata kuadrat deviasi — mengukur seberapa liar sebaran data) = 2,417 — ini ukuran keliar-an pasar sendiri. Langkah 5: beta = kovarians / varians = 3,633 / 2,417 = 1,50 — saham XYZ bergerak 1,5× lebih besar dari IHSG. CAPM (Capital Asset Pricing Model — model yang menggunakan beta untuk menentukan imbal hasil yang disyaratkan investor: E(Ri) = Rf + β × [E(Rm) − Rf]) menggunakan beta ini sebagai fondasi penetapan harga aset. Dalam praktik, beta dihitung dari 60 observasi bulanan menggunakan regresi OLS, tapi mekanika hitungannya identik.

Coba Sendiri: Amati Titik Sebar Return Saham vs Pasar

Ubah pola pergerakan titik return saham terhadap IHSG pada scatter plot, lalu amati bagaimana kemiringan garis regresi (beta) berubah.

Risiko Harga Komoditas: Dampak Nyata di Sektor Riil

SIAPA YANG TERPAPAR?

Produsen komoditas (AALI, SSMS, ADRO, PTBA): terpapar risiko harga jual turun
Pengguna komoditas (SMGR — semen pakai batu bara; INDF — produk pangan pakai CPO): terpapar risiko harga beli naik
Bank yang membiayai sektor komoditas: terpapar secara tidak langsung via kualitas kredit debitur

KARAKTERISTIK KHUSUS

Harga ditentukan pasar global — tidak ada perusahaan tunggal yang bisa memengaruhi harga (price taker)
Volatilitas tinggi: harga batu bara thermal bisa turun 50%+ dalam satu siklus
Sering berkorelasi dengan USD (dikuotasi dalam USD) → double exposure (terpapar dua risiko sekaligus)

Komoditas	Emiten Terpapar	Risiko Utama
CPO	AALI, SSMS, LSIP	Harga jual turun / ekspor terhambat
Batu bara	ADRO, PTBA, ITMG	Harga jual turun + regulasi lingkungan
Minyak mentah	AKRA, MEDC	Harga beli naik / marjin SPBU tertekan
Nikel	ANTM, INCO	Harga jual bergantung permintaan EV (kendaraan listrik) global

Risiko harga komoditas unik karena perusahaan Indonesia, seberapapun besarnya, adalah price taker di pasar komoditas global — artinya mereka tidak bisa menentukan harganya sendiri, hanya bisa menerima harga yang terbentuk di bursa internasional. Perhatikan juga double exposure: komoditas seperti CPO dan minyak bumi dikuotasi dalam dolar AS di pasar internasional, sehingga perusahaan Indonesia yang bergerak di sektor komoditas sebenarnya menghadapi dua risiko sekaligus — risiko harga komoditas itu sendiri dan risiko nilai tukar IDR/USD. Ketika keduanya bergerak berlawanan dengan yang diharapkan secara bersamaan, dampaknya bisa sangat besar. Kenaikan harga nikel global sejak 2021 yang didorong oleh booming kendaraan listrik telah sangat menguntungkan ANTM dan INCO — ini contoh risiko komoditas yang "menguntungkan", tetapi perusahaan-perusahaan hilir yang menggunakan nikel sebagai bahan baku mengalami tekanan biaya yang besar pada periode yang sama.

Stress Testing & Scenario Analysis: Uji Ketahanan Perusahaan

Alat ukur seperti duration dan beta mengukur risiko dalam kondisi normal. Stress testing mengukur ketahanan dalam kondisi ekstrem.

STRESS TESTING

Simulasi dampak skenario ekstrem tapi mungkin terjadi (historical crisis atau hypothetical shock)
Contoh: “Bagaimana jika BI Rate naik 300 bps dalam 6 bulan?” atau “Jika kurs melemah ke Rp 20.000/USD?”
Output: estimasi kerugian maksimum dan kecukupan modal/likuiditas
Diwajibkan OJK untuk bank (SEOJK 12/2022)

SCENARIO ANALYSIS

Analisis dampak untuk 2–4 skenario berbeda (optimis, dasar, pesimis, krisis)
Setiap skenario mendefinisikan nilai spesifik variabel risiko pasar
Digunakan dalam perencanaan bisnis dan budget tahunan perusahaan

Skenario	BI Rate	Kurs USD/IDR	Harga CPO (USD/ton)
Optimis	5,50%	Rp 14.500	950
Dasar	6,00%	Rp 15.500	800
Pesimis	7,00%	Rp 17.000	650
Krisis	8,50%	Rp 20.000	450

Duration dan beta adalah alat yang sangat berguna untuk mengukur risiko dalam kondisi pasar yang normal. Tetapi krisis keuangan, secara definisi, adalah kondisi tidak normal: volatilitas melonjak jauh melebihi estimasi historis, korelasi antar-aset berubah drastis, dan risiko yang tadinya tampak kecil bisa berubah menjadi bencana. Di sinilah stress testing berperan: ia bertanya "apa yang terjadi pada posisi keuangan kita jika skenario terburuk yang masih masuk akal benar-benar terjadi?" — misalnya, krisis 1998 ketika kurs mencapai Rp 16.000/USD, atau pandemi 2020 ketika IHSG turun 30% dalam beberapa minggu. OJK mewajibkan bank untuk melakukan stress testing secara berkala dan melaporkan hasilnya dalam kerangka SEOJK 12/2022 — ini bukan pilihan, melainkan persyaratan regulasi. Untuk perusahaan non-bank, scenario analysis adalah versi yang lebih ringan tetapi sangat berguna: dengan mendefinisikan secara eksplisit kondisi optimis, dasar, pesimis, dan krisis, manajemen dipaksa untuk berpikir sistematis tentang risiko dan menyiapkan respons untuk setiap kemungkinan. Analogi medis: stress test jantung tidak dilakukan dengan pasien duduk santai, tetapi dengan pasien berlari di treadmill — kita tes kondisi terburuk agar tahu batas ketahanan.

Bagian 5 dari 5

Hedging: Prinsip Dasar Lindung Nilai

Perusahaan sudah mengukur risikonya — sekarang, apa yang bisa dilakukan untuk melindungi diri?

F — Futures Fwd — Forward ↔ Swap Opt — Options

Kita sampai di bagian terakhir dan paling aplikatif: hedging (lindung nilai — strategi mengurangi paparan risiko pasar dengan mengambil posisi yang berkebalikan dengan eksposur yang ada). Setelah mengidentifikasi, mengukur, dan menguji risiko, langkah berikutnya adalah memutuskan apakah risiko itu akan ditanggung atau dilindungi. Penting untuk dipahami sejak awal: hedging bukan tentang menghilangkan risiko sepenuhnya — itu tidak mungkin dan tidak selalu diinginkan. Hedging adalah tentang menukar risiko yang tidak diinginkan (kurs, suku bunga) dengan kepastian yang memungkinkan perencanaan bisnis yang lebih akurat. Di bagian ini kita hanya membahas prinsip dasar empat instrumen utama — detail mekanisme dan valuasinya adalah topik mata kuliah Manajemen Keuangan Lanjut atau Manajemen Risiko Finansial.

Empat Instrumen Hedging: Perbandingan

Instrumen	Definisi Singkat	Cocok Untuk	Keunggulan	Kelemahan
Futures	Kontrak beli/jual aset di masa depan pada harga tetap, diperdagangkan di bursa terorganisasi	Komoditas (CPO/batu bara di BAPPEBTI), suku bunga	Standar, likuid, transparan	Harus di-mark-to-market harian; basis risk
Forward	Kontrak beli/jual aset di masa depan pada harga tetap, bersifat OTC (antar-pihak)	Nilai tukar korporasi (paling umum di Indonesia)	Disesuaikan kebutuhan; fleksibel	Tidak likuid; counterparty risk (risiko pihak lawan gagal bayar)
Swap	Pertukaran aliran pembayaran secara periodik antar dua pihak	Suku bunga (fixed ↔ floating); nilai tukar lintas mata uang	Jangka panjang; efisien untuk utang besar	Kompleks; butuh ISDA agreement
Options	Hak (bukan kewajiban) untuk beli (call) atau jual (put) aset pada harga tertentu	Fleksibilitas satu arah; komoditas volatil	Lindungi sisi bawah, tetap ikut sisi atas	Premi mahal; lebih kompleks

OTC = over the counter (transaksi antar dua pihak langsung, tidak melalui bursa). ISDA = International Swaps and Derivatives Association — kontrak standar internasional untuk transaksi derivatif. Mark-to-market = penilaian posisi berdasarkan harga pasar harian.

Keempat instrumen ini adalah toolbox utama manajer risiko untuk mengelola risiko pasar. Forward adalah yang paling umum digunakan perusahaan Indonesia untuk hedging nilai tukar: perusahaan importir yang akan membayar USD 1 juta tiga bulan lagi bisa membeli forward USD dari bank dengan kurs yang disepakati sekarang, sehingga tidak perlu khawatir dengan pergerakan kurs selama tiga bulan ke depan. Interest rate swap digunakan WIKA dan WSKT dalam dokumen prospektus obligasi mereka untuk mengkonversi sebagian utang berbunga mengambang menjadi bunga tetap. Options memberikan asuransi satu arah — perusahaan yang membeli put option untuk CPO terlindungi jika harga CPO jatuh, tetapi jika harga naik, perusahaan tetap bisa menikmati keuntungan minus premi yang sudah dibayar. Basis risk (risiko bahwa instrumen hedge tidak bergerak persis seiring dengan eksposur yang dilindungi) selalu ada dalam futures, sehingga lindung nilai tidak pernah sempurna 100%.

Instrumen Mana untuk Exposure Apa? + Natural Hedge

Jenis Exposure	Instrumen Hedge yang Umum	Contoh Indonesia
Transaction Exposure	Forward, options, swap	Utang impor bahan baku (USD) dilindungi dengan forward USD dari bank
Translation Exposure	Hedge akuntansi PSAK 71	Konsolidasi anak usaha Singapura — aplikasi hedge accounting
Economic Exposure	Operational hedge	Kompetisi produk impor vs lokal — sesuaikan sumber bahan baku

Natural hedge (lindung nilai alami): menyesuaikan mata uang pendapatan dan kewajiban agar saling mengimbangi — paling murah, tidak perlu instrumen keuangan. Contoh: eksportir CPO yang punya utang USD secara alami terlindungi karena pelemahan rupiah meningkatkan pendapatan IDR dan sekaligus meningkatkan kewajiban IDR — dua efek yang saling mengimbangi.

PSAK 71 = Pernyataan Standar Akuntansi Keuangan 71 tentang Instrumen Keuangan (setara IFRS 9, berlaku Indonesia 2020) — mengatur hedge accounting agar keuntungan/kerugian derivatif diakui pada periode yang sama dengan eksposur yang dilindungi.

Tabel ini menghubungkan tiga jenis exposure nilai tukar dari Slide 15 dengan instrumen hedge yang paling tepat untuk masing-masing. Transaction exposure adalah yang paling mudah di-hedge karena ada jumlah kontrak yang spesifik — forward adalah solusi paling umum dan praktis. Translation exposure dikelola melalui hedge accounting di bawah PSAK 71: perusahaan mencocokkan pengakuan keuntungan/kerugian instrumen hedge dengan eksposur yang dilindungi agar laporan keuangan tidak bergejolak. Economic exposure tidak bisa dihilangkan dengan derivatif — ia membutuhkan keputusan operasional struktural seperti menyesuaikan sumber bahan baku. Natural hedge sering dilupakan sebagai opsi pertama tetapi sebenarnya paling efisien dari sisi biaya: eksportir CPO yang punya utang USD secara alami terlindungi karena pelemahan rupiah meningkatkan pendapatan dalam IDR dan sekaligus meningkatkan kewajiban dalam IDR — dua efek yang saling mengimbangi. Operational hedge adalah keputusan bisnis, bukan transaksi keuangan.

Peta Besar Analisis Risiko Pasar

Sumber Risiko	Alat Ukur Utama	Rumus Kunci	Instrumen Hedge
Suku bunga	Macaulay & Modified Duration	MD = D/(1+y); ΔP/P ≈ −MD×Δy	Interest rate swap, futures suku bunga
Nilai tukar	Transaction exposure	ΔNilai = FCY × (Kurs_Baru − Kurs_Lama)	Forward, swap mata uang, options
Harga saham	Beta (β)	β = Cov(Ri,Rm) / Var(Rm)	Equity futures, index options
Harga komoditas	Sensitivitas harga (kualitatif)	Analisis skenario per unit komoditas	Commodity futures, options

Proses lengkap (4 langkah):

1Identifikasi — sumber risiko apa yang ada?

2Ukur — gunakan alat yang tepat per jenis risiko.

3Uji ketahanan — stress test & scenario analysis.

4Kelola — accept, hedge, atau transfer risiko.

Referensi regulasi: SEOJK 12/2022 mewajibkan bank mengelola keempat jenis risiko pasar ini secara terintegrasi.

Rangkuman ini adalah peta konsep yang harus Anda bisa reproduksi sendiri tanpa melihat catatan setelah pertemuan ini. Kita sudah membahas empat sumber risiko pasar beserta alat ukur masing-masing: duration untuk suku bunga, transaction exposure untuk nilai tukar, beta untuk saham, dan analisis skenario untuk komoditas. Yang perlu Anda ingat bukan sekadar rumusnya, tetapi juga logika di baliknya: duration menangkap sensitivitas harga terhadap perubahan yield; transaction exposure menghitung kerugian rupiah secara langsung karena ada kontrak spesifik dalam mata uang asing; beta mencerminkan korelasi pergerakan saham dengan pasar secara keseluruhan. Empat langkah proses di bagian bawah slide ini — identifikasi, ukur, uji, kelola — adalah kerangka yang digunakan oleh departemen manajemen risiko di bank, perusahaan multinasional, dan bahkan BUMN besar di Indonesia, dan OJK akan memeriksa apakah keempat langkah ini dijalankan dengan baik dalam setiap pemeriksaan tahunan.

Apa yang Sudah Anda Capai Hari Ini

CHECKLIST CAPAIAN HARI INI

✓ Mengidentifikasi 4 sumber risiko pasar & sub-jenisnya (suku bunga, nilai tukar, saham, komoditas)
✓ Menghitung Modified Duration dari nol — MD = 2,5508; estimasi harga baru Rp 949.825 (HDN-1)
✓ Mengukur transaction exposure dua skenario — kerugian Rp 100 jt (Sk.1) dan Rp 150 jt (Sk.2) (HDN-2)
✓ Menghitung beta dari kovarians/varians — β ≈ 1,50 (HDN-3)
✓ Menjelaskan stress testing dan prinsip hedging

PERSIAPAN PERTEMUAN 10 — RISIKO OPERASIONAL

Baca: Hanafi (2014), Bab Risiko Operasional (risiko dari kegagalan proses internal, sistem, SDM, atau kejadian eksternal)
Cari contoh: kasus fraud/kejadian operasional perusahaan Indonesia (mis. kasus BUMN 2019–2023)
Siapkan: perbedaan risiko pasar vs risiko operasional
Refleksi: apakah risiko pasar atau operasional yang lebih besar dampaknya bagi perusahaan?

Tugas refleksi: Identifikasi satu perusahaan di BEI (Bursa Efek Indonesia) yang menurut Anda paling terpapar risiko pasar. Apa jenisnya dan mengapa? Jawaban menjadi bahan diskusi awal Pertemuan 10.

Anda telah menyelesaikan Pertemuan 9 yang padat dengan konten kuantitatif dan regulasi — selamat. Empat poin di checklist adalah yang harus Anda bisa lakukan secara mandiri; jika ada yang masih terasa belum dikuasai, saya sangat mendorong Anda mengerjakan soal-soal latihan sebelum kuis berikutnya. Pertemuan 10 kita akan beralih ke jenis risiko yang berbeda secara fundamental: risiko operasional. Berbeda dari risiko pasar yang datang dari luar (pergerakan harga di pasar), risiko operasional berasal dari dalam organisasi — kegagalan proses, kesalahan manusia, kelemahan sistem, atau kejadian eksternal seperti bencana alam. Tugas refleksi di callout adalah bahan diskusi awal pertemuan depan — pilihlah satu emiten BEI yang Anda kenal, identifikasi jenis risiko pasarnya, dan jelaskan mengapa perusahaan itu terpapar jenis risiko tersebut. Terima Kasih atas perhatian dan partisipasi Anda hari ini.

Visualisasi: Peta Risiko Pasar & Alat Ukurnya

Referensi & Sumber Verifikasi

REFERENSI UTAMA RPS

Hanafi, M.M. (2014). Manajemen Risiko, Edisi Kedua. Yogyakarta: UPP STIM YKPN. — Bab Risiko Pasar.
Rustam, B.R. (2017). Manajemen Risiko Perbankan. Jakarta: Salemba Empat. — Risiko nilai tukar & suku bunga.
Bodie, Z., Kane, A., & Marcus, A.J. Investments. McGraw-Hill. — Duration, Modified Duration, Beta.

REGULASI & SUMBER LANJUTAN

SEOJK No. 12/SEOJK.03/2022 — Penerapan Manajemen Risiko bagi Bank Umum Konvensional. OJK.
Fabozzi, F.J. Bond Markets, Analysis, and Strategies. — Duration & convexity lanjutan.
BIS. Principles for Management of Interest Rate Risk. — Standar internasional suku bunga.
Brigham & Houston (2018). Dasar-Dasar Manajemen Keuangan. — Hedging, risiko nilai tukar.
Data: bi.go.id (BI Rate); idx.co.id (laporan keuangan emiten); ojk.go.id (regulasi).

Catatan akurasi: PPh Badan 22% (berlaku sejak UU Cipta Kerja 2020). PPN efektif 11% (PMK 131/2024 — tidak relevan langsung di materi ini). Angka ilustrasi HDN-1/HDN-2/HDN-3 terverifikasi di Lampiran A materi. BI Rate dan kurs: verifikasi terkini sebelum mengajar dari bi.go.id.

Slide ini merangkum semua sumber yang digunakan dalam pertemuan ini. Tiga referensi pertama adalah buku teks yang ada di RPS — Hanafi, Rustam, dan Bodie-Kane-Marcus — dan ketiganya tersedia di perpustakaan UNDIP. SEOJK 12/2022 dapat diunduh gratis dari situs OJK dan merupakan dokumen regulasi aktif yang berlaku. Fabozzi adalah referensi lanjutan untuk mahasiswa yang ingin mendalami duration dan convexity lebih jauh — ini buku standar untuk praktisi pasar obligasi. Untuk data real-time, selalu verifikasi BI Rate dari bi.go.id, laporan keuangan emiten dari idx.co.id, dan regulasi terbaru dari ojk.go.id sebelum mengajar karena angka-angka ini bisa berubah. Semua angka kunci dalam HDN-1, HDN-2, dan HDN-3 sudah terverifikasi secara aritmetika dan tersedia detailnya di Lampiran A materi sumber.

Sub-CPMK 8 • Selesai

Analisis Risiko Pasar

Identifikasi • Ukur • Uji • Kelola

MD = 2,5508 (HDN-1) Rp 100 jt (HDN-2 Sk.1) β ≈ 1,50 (HDN-3)

PERTEMUAN 10 • RISIKO OPERASIONAL

📖 Baca juga: Sensitivity Scenario Analysis — penjelasan mendalam dan contoh numerik.