Program Studi Bisnis Digital • FEB

Manajemen Risiko

Pertemuan 9 — Analisis Risiko Pasar (Market Risk)

Sumber-sumber risiko pasar — suku bunga, nilai tukar, dan harga komoditas — serta teknik mengukurnya lewat duration dan Value at Risk (VaR).

RPS MINGGU 10 • 2 × 50 MENIT

Selamat datang kembali, Anda sudah menyelesaikan minggu lalu tentang risiko pemasaran — sekarang kita masuk ke jenis risiko yang paling terasa dampaknya di layar berita setiap hari: risiko pasar. Coba bayangkan Anda bekerja di treasury Bank BCA, atau di divisi keuangan Garuda Indonesia yang punya utang leasing pesawat dalam dolar — setiap kali Bank Indonesia mengumumkan suku bunga acuan, atau setiap kali rupiah melemah terhadap dolar AS, nilai aset dan kewajiban perusahaan Anda bisa berubah dalam hitungan jam. Itulah risiko pasar: potensi kerugian akibat pergerakan variabel pasar yang sebenarnya di luar kendali internal perusahaan. Hari ini kita akan membedah tiga sumber utamanya — suku bunga, nilai tukar, dan harga komoditas — lalu belajar mengukurnya secara kuantitatif memakai duration dan Value at Risk, dan menutup dengan studi kasus nyata Indonesia. Siapkan kalkulator Anda, karena pertemuan ini akan banyak berhitung.

Tujuan Pembelajaran Hari Ini

Sesuai Sub-CPMK minggu ke-10, setelah pertemuan ini Anda diharapkan mampu menjelaskan sumber-sumber risiko pasar serta teknik mengukurnya.

MEMAHAMI

Definisi risiko pasar dan bedanya dari risiko kredit/operasional
Tiga sumber utama: suku bunga, nilai tukar, harga komoditas
Tiga jenis exposure nilai tukar (transaksi, translasi, ekonomi)

MENGHITUNG

Sensitivitas harga obligasi terhadap suku bunga lewat duration
Value at Risk (VaR) harian portofolio saham
Menilai instrumen mitigasi (hedging) yang tepat untuk kasus nyata

Bagian 1 dari 3

Anatomi Risiko Pasar

Mengenali tiga sumber utama risiko pasar dan bagaimana masing-masing menyentuh perusahaan di Indonesia.

Apa itu Risiko Pasar?

Risiko pasar (market risk) adalah potensi kerugian akibat pergerakan variabel pasar — harga, suku bunga, atau kurs — yang mengubah nilai aset, liabilitas, atau posisi keuangan perusahaan. Berbeda dari risiko operasional, sumbernya berasal dari luar perusahaan dan sulit dikendalikan secara langsung.

SUKU BUNGA

Perubahan suku bunga acuan BI7DRR memengaruhi harga obligasi dan biaya kredit.

NILAI TUKAR

Fluktuasi rupiah terhadap dolar AS memengaruhi importir, eksportir, dan utang valas.

HARGA KOMODITAS

Naik-turun harga bahan baku (kopi, CPO, BBM) memengaruhi biaya produksi dan margin.

Perhatikan definisi ini baik-baik karena akan menjadi jangkar seluruh materi hari ini: risiko pasar itu soal pergerakan angka-angka yang diperdagangkan di pasar terbuka — suku bunga, kurs, dan harga komoditas — bukan soal kesalahan proses internal seperti risiko operasional yang sudah Anda pelajari di pertemuan tujuh. Bedanya penting sekali dalam praktik: risiko operasional bisa dikurangi lewat perbaikan SOP internal, tapi risiko pasar hampir selalu berasal dari kekuatan eksternal yang tidak bisa dikendalikan satu perusahaan sendirian, misalnya keputusan Bank Indonesia menaikkan suku bunga acuan atau gejolak nilai tukar akibat sentimen global. Tiga kategori di layar ini akan menjadi kerangka kita sepanjang pertemuan: suku bunga, nilai tukar, dan harga komoditas. Nanti Anda akan lihat bahwa satu perusahaan bisa terkena ketiganya sekaligus — bayangkan sebuah maskapai penerbangan yang punya utang dolar, membeli avtur dengan harga komoditas global, dan terdampak suku bunga lewat biaya leasing pesawat.

Sumber #1 — Risiko Suku Bunga

Risiko suku bunga (interest rate risk) adalah potensi kerugian akibat perubahan tingkat suku bunga pasar yang memengaruhi nilai instrumen berbunga tetap maupun biaya pendanaan. Pergerakan diukur dalam basis poin (bps) — 1 bps = 0,01%.

SIAPA YANG TERDAMPAK

Bank — mismatch jatuh tempo aset (kredit jangka panjang) vs. liabilitas (deposito jangka pendek)
Pemegang obligasi — harga obligasi turun saat yield (imbal hasil) naik
Debitur KPR bunga mengambang — cicilan naik saat suku bunga acuan naik

PEMICU DI INDONESIA

Kenaikan BI7DRR (suku bunga acuan Bank Indonesia)
Kenaikan suku bunga The Fed (AS) yang mendorong BI menyesuaikan
Inflasi domestik di atas target BI ~2,5% ± 1%

Mari kita mulai dari risiko yang paling sering muncul di berita ekonomi: risiko suku bunga. Bayangkan Anda bekerja di sebuah bank seperti BCA — bank menghimpun dana lewat deposito jangka pendek yang bunganya bisa berubah kapan saja, tapi menyalurkannya sebagai kredit jangka panjang dengan bunga yang sudah dikunci; ketidakcocokan jatuh tempo inilah yang disebut mismatch, dan itulah sumber risiko suku bunga bagi perbankan. Bagi pemegang obligasi, logikanya terbalik tapi hasilnya sama merugikan: begini analoginya, kalau Anda punya obligasi dengan kupon tetap lalu suku bunga pasar naik, obligasi baru yang diterbitkan menawarkan kupon lebih tinggi, sehingga obligasi lama Anda jadi kurang menarik dan harganya di pasar sekunder otomatis turun. Konsep basis poin penting Anda kuasai karena industri keuangan selalu memakainya untuk pergerakan kecil — kenaikan suku bunga dari 6% ke 6,25% biasa disebut "naik 25 basis poin", bukan "naik seperempat persen". Nanti di slide berikutnya kita akan hitung persis berapa rupiah kerugian yang timbul dari pergerakan semacam ini memakai konsep duration.

Sumber #2 — Risiko Nilai Tukar

Risiko nilai tukar (foreign exchange/FX risk) adalah potensi kerugian akibat perubahan kurs mata uang. Exposure (paparan) muncul dalam tiga bentuk berikut.

Jenis Exposure	Penjelasan	Contoh Indonesia
Transaksi	Arus kas kontraktual dalam valas yang belum jatuh tempo	Importir bahan baku bayar USD 3 bulan lagi
Translasi	Konversi laporan keuangan anak usaha luar negeri ke rupiah	Perusahaan Indonesia dengan anak usaha di Vietnam
Ekonomi	Perubahan daya saing jangka panjang akibat kurs	Eksportir CPO kalah bersaing saat rupiah menguat

Risiko nilai tukar ini yang paling sering Anda dengar lewat frasa "rupiah melemah" di media massa, tapi mari kita bedah lebih presisi lewat tiga jenis exposure atau paparan. Exposure transaksi itu yang paling konkret dan jangka pendek: kalau perusahaan Anda mengimpor komponen elektronik dari Tiongkok dan harus membayar dalam dolar tiga bulan lagi, maka nilai rupiah yang harus dibayar bisa berubah sebelum tanggal jatuh tempo tiba. Exposure translasi lebih bersifat akuntansi — muncul ketika sebuah perusahaan Indonesia, katakanlah GoTo, punya operasi atau anak usaha di negara lain dan harus mengonversi laporan keuangannya ke rupiah setiap periode pelaporan. Exposure ekonomi ini yang paling halus tapi paling berbahaya jangka panjang: kalau rupiah menguat terus-menerus, eksportir kelapa sawit Indonesia jadi kurang kompetitif dibanding eksportir Malaysia karena produk mereka relatif jadi lebih mahal di pasar dunia, meskipun tidak ada satu pun kontrak valas yang jatuh tempo hari itu. Ketiga jenis ini penting Anda bedakan karena instrumen mitigasinya nanti juga berbeda-beda.

Sumber #3 — Risiko Harga Komoditas

Risiko harga komoditas adalah potensi kerugian akibat fluktuasi harga bahan baku atau produk primer di pasar global maupun domestik — biasanya di luar kendali perusahaan individu.

UMKM KOPI

☕

Harga biji kopi arabika fluktuatif mengikuti bursa komoditas global — margin UMKM kopi lokal ikut tertekan.

INDUSTRI MAKANAN

🌾

Harga CPO dan gula naik memengaruhi biaya produksi mi instan, roti, dan minyak goreng.

LOGISTIK & OJEK ONLINE

⛽

Kenaikan harga BBM bersubsidi/non-subsidi menekan margin mitra pengemudi Gojek dan Grab.

Sumber ketiga ini paling dekat dengan keseharian Anda sebagai mahasiswa bisnis digital, karena banyak model bisnis platform bergantung pada komoditas fisik di baliknya. Ambil contoh UMKM kopi yang menjual lewat Tokopedia atau Shopee — harga biji kopi arabika mereka mengikuti pergerakan bursa komoditas internasional seperti ICE Futures, sehingga margin mereka bisa tergerus dalam semalam tanpa perubahan apa pun dari sisi operasional toko. Di skala lebih besar, produsen mi instan atau minyak goreng sangat sensitif terhadap harga crude palm oil atau CPO dan gula dunia; kenaikan harga bahan baku ini yang sering memicu kenaikan harga jual ke konsumen. Contoh paling relevan untuk ekonomi digital adalah mitra pengemudi Gojek dan Grab — pendapatan mereka bersih setelah dikurangi biaya BBM, sehingga kenaikan harga bahan bakar langsung memangkas margin harian mereka meski tarif per order tidak berubah. Perhatikan pola umum di ketiga contoh ini: perusahaan atau individu yang terpapar risiko komoditas biasanya tidak bisa menentukan harga input mereka sendiri, mereka hanya bisa merespons.

Bagian 2 dari 3

Mengukur Risiko Pasar

Dari konsep ke angka: duration untuk obligasi, Value at Risk untuk portofolio saham.

Duration: Sensitivitas Harga Obligasi

Duration mengukur rata-rata tertimbang waktu penerimaan arus kas obligasi (dalam tahun) — semakin panjang duration, semakin sensitif harga obligasi terhadap perubahan suku bunga.

Modified Duration = Macaulay Duration ÷ (1 + YTM)

%ΔHarga ≈ −Modified Duration × ΔYield

Tanda minus menunjukkan hubungan terbalik: suku bunga (yield) naik → harga obligasi turun, dan sebaliknya. Yield to Maturity (YTM) = tingkat imbal hasil obligasi jika dipegang sampai jatuh tempo.

Duration ini konsep yang sering bikin mahasiswa bingung di awal, jadi mari kita pelan-pelan. Bayangkan duration sebagai "titik keseimbangan waktu" dari semua arus kas yang akan Anda terima dari sebuah obligasi — kupon setiap periode ditambah pokok di akhir — dinyatakan dalam tahun; semakin jauh arus kas itu ke depan, semakin besar durationnya, dan semakin besar pula sensitivitas harganya terhadap perubahan suku bunga. Modified duration adalah versi yang sudah disesuaikan agar bisa langsung dipakai memprediksi persentase perubahan harga: rumusnya adalah Macaulay duration dibagi satu ditambah yield to maturity, yaitu tingkat imbal hasil yang akan Anda peroleh kalau memegang obligasi sampai jatuh tempo. Perhatikan tanda minus di rumus kedua — ini bukan kesalahan ketik, tapi mencerminkan hubungan terbalik yang mendasar dalam pasar obligasi: begitu suku bunga pasar naik, obligasi lama dengan kupon tetap jadi kurang menarik dibanding obligasi baru, sehingga harganya harus turun supaya imbal hasilnya tetap kompetitif. Di slide berikutnya kita akan pakai dua rumus ini untuk menghitung persis berapa rupiah kerugian sebuah obligasi kalau BI menaikkan suku bunga.

Hitung dari Nol #1 — Dampak Kenaikan Suku Bunga

Obligasi korporasi nilai nominal Rp 1.000.000 (harga saat ini at par/sama dengan nominal), Macaulay Duration 4,5 tahun, YTM 8%. BI menaikkan suku bunga acuan +1% (100 bps). Berapa harga obligasi baru?

Langkah	Perhitungan	Nilai
1. Macaulay Duration (diberikan)	—	4,5 tahun
2. Modified Duration	4,5 ÷ (1 + 0,08)	≈ 4,17
3. %ΔHarga	−4,17 × 1%	≈ −4,17%
4. ΔHarga (rupiah)	−4,17% × Rp 1.000.000	−Rp 41.700
5. Harga baru	Rp 1.000.000 − Rp 41.700	Rp 958.300

HARGA OBLIGASI BARU

Rp 958.300

turun ≈ 4,17% akibat kenaikan suku bunga 100 bps

Ini contoh perhitungan yang akan sering Anda temui kalau bekerja di divisi treasury atau manajemen investasi. Kita mulai dari data yang diberikan: Macaulay duration 4,5 tahun dan YTM 8%, lalu kita ubah ke modified duration dengan membagi 4,5 dengan satu ditambah 0,08, hasilnya sekitar 4,17. Angka 4,17 ini artinya untuk setiap kenaikan 1% suku bunga, harga obligasi diperkirakan turun sekitar 4,17% — perhatikan bagaimana modified duration langsung berfungsi sebagai "faktor pengali sensitivitas". Karena BI menaikkan suku bunga acuan sebesar 1% penuh atau 100 basis poin, kita kalikan 4,17 dengan 1% untuk mendapat perkiraan penurunan harga 4,17%, lalu kita terapkan persentase itu ke nilai nominal obligasi Rp 1.000.000 sehingga ketemu penurunan sekitar Rp 41.700. Hasil akhirnya, harga obligasi yang tadinya diperdagangkan pada nilai nominal turun menjadi sekitar Rp 958.300 — inilah kerugian riil yang harus dicatat pemegang obligasi kalau mereka menjual sebelum jatuh tempo, dan inilah sebabnya bank serta manajer investasi begitu peka terhadap setiap pengumuman rapat dewan gubernur BI.

Coba Sendiri: Geser Suku Bunga dan Lihat Harga Obligasi Bergerak

Ubah Macaulay duration, YTM, dan perubahan suku bunga, lalu amati bagaimana harga obligasi baru dihitung secara langsung.

Value at Risk (VaR): Ukur Kerugian Maksimum

Value at Risk (VaR) adalah estimasi kerugian maksimum sebuah portofolio dalam periode tertentu, pada tingkat keyakinan (confidence level) tertentu. Metode varians-kovarians (parametrik) sudah disinggung di Pertemuan 6 — di sini kita fokuskan penerapannya pada risiko pasar.

VaR = Nilai Portofolio × Z × σ

Z = nilai kritis distribusi normal standar untuk tingkat keyakinan: 90% → 1,28 · 95% → 1,645 · 99% → 2,33. σ (sigma) = volatilitas (standar deviasi) return harian portofolio.

Anda sudah mengenal Value at Risk secara umum di pertemuan enam ketika kita membahas teknik analisis risiko historis, analitik, dan Monte Carlo — sekarang kita pakai konsep yang sama tapi secara spesifik untuk mengukur risiko pasar pada portofolio saham. Formula parametrik ini paling praktis untuk dihitung manual: kalikan nilai portofolio Anda dengan Z, yaitu nilai kritis dari distribusi normal standar yang mencerminkan tingkat keyakinan yang Anda pilih, lalu dikalikan lagi dengan sigma, yaitu volatilitas harian portofolio yang biasanya dihitung dari standar deviasi return historis. Semakin tinggi tingkat keyakinan yang Anda inginkan, semakin besar nilai Z-nya — bayangkan begini, kalau Anda ingin 99% yakin bahwa kerugian tidak akan melebihi angka tertentu, Anda perlu ruang aman yang lebih lebar dibanding kalau Anda cukup puas dengan keyakinan 90%. Angka 1,645 untuk tingkat keyakinan 95% ini yang paling sering dipakai di industri karena dianggap keseimbangan wajar antara kehati-hatian dan kepraktisan. Di slide berikutnya kita akan langsung praktik menghitung VaR harian sebuah portofolio saham memakai data BBCA sebagai contoh.

Hitung dari Nol #2 — VaR Harian Portofolio Saham

Portofolio saham BBCA senilai Rp 500.000.000, volatilitas (σ) return harian 1,8%. Hitung VaR harian pada tingkat keyakinan 95%.

Langkah	Perhitungan	Nilai
1. Nilai portofolio & σ (diberikan)	—	Rp 500.000.000 · 1,8%
2. Z-score 95% (tabel normal standar)	—	1,645
3. Z × σ	1,645 × 1,8%	2,961%
4. VaR harian	2,961% × Rp 500.000.000	Rp 14.805.000

VaR HARIAN (95%)

Rp 14,8 juta

95% yakin kerugian harian portofolio tidak melebihi Rp 14.805.000

Sekarang giliran Anda praktik langsung dengan angka nyata gaya portofolio saham BBCA. Kita mulai dari dua data yang diberikan soal: nilai portofolio Rp 500 juta dan volatilitas harian 1,8%, artinya secara historis return harian saham ini bergerak naik-turun rata-rata 1,8% dari hari ke hari. Karena kita diminta tingkat keyakinan 95%, kita ambil Z-score 1,645 dari tabel distribusi normal standar yang sudah kita bahas di slide sebelumnya — angka ini sudah baku dan tidak perlu dihitung ulang, cukup diingat atau dicari di tabel statistik. Langkah ketiga kita kalikan Z dengan sigma untuk mendapat persentase kerugian maksimum relatif, hasilnya 2,961%, lalu langkah terakhir kita terapkan persentase itu ke nilai portofolio penuh sehingga ketemu angka Rp 14.805.000. Artinya, dengan keyakinan 95%, manajer portofolio ini bisa mengatakan ke atasannya: "kerugian harian portofolio BBCA kita kemungkinan besar tidak akan melebihi Rp 14,8 juta" — tapi ingat, ini bukan jaminan mutlak, karena masih ada 5% kemungkinan kerugian melebihi angka itu, terutama pada hari-hari gejolak pasar ekstrem seperti krisis.

Sensitivitas: Skenario Kenaikan Suku Bunga

Memakai Modified Duration 4,17 dari kasus obligasi tadi, berikut dampak beberapa skenario kenaikan suku bunga terhadap harga obligasi Rp 1.000.000.

ΔYield	%ΔHarga (−4,17 × ΔYield)	Harga Baru
+0,5% (50 bps)	≈ −2,09%	≈ Rp 979.150
+1,0% (100 bps)	≈ −4,17%	Rp 958.300
+1,5% (150 bps)	≈ −6,26%	≈ Rp 937.450

Semakin besar kenaikan suku bunga, semakin besar penurunan harga — hubungan ini hampir linear untuk perubahan kecil, tapi melengkung (konveksitas) untuk perubahan besar.

Slide ini untuk membantu Anda melihat pola secara utuh, bukan cuma satu titik data seperti di hitungan sebelumnya. Perhatikan bahwa saya memakai modified duration yang sama, 4,17, untuk tiga skenario berbeda: kenaikan 50 basis poin, 100 basis poin yang tadi sudah kita hitung detail, dan 150 basis poin. Anda bisa lihat pola yang hampir linear di sini — kenaikan suku bunga dua kali lipat dari 50 ke 100 basis poin menghasilkan penurunan harga yang juga hampir dua kali lipat, dari sekitar 2,09% menjadi 4,17%. Saya bilang "hampir" karena sebenarnya hubungan asli antara harga obligasi dan suku bunga itu melengkung, bukan garis lurus sempurna — fenomena ini disebut konveksitas, dan modified duration hanyalah pendekatan linear yang cukup akurat untuk perubahan suku bunga kecil, tapi mulai meleset untuk perubahan besar. Untuk kebutuhan mata kuliah ini, cukup Anda pahami bahwa duration memberi estimasi yang baik dan cepat dihitung, dan itulah mengapa dipakai luas oleh manajer investasi di lapangan.

Bagian 3 dari 3

Mitigasi & Studi Kasus Indonesia

Dari pengukuran ke tindakan: instrumen hedging dan pelajaran dari krisis nyata.

Instrumen Mitigasi Risiko Pasar (Hedging)

Hedging = strategi mengurangi exposure risiko pasar memakai instrumen keuangan atau strategi operasional.

INSTRUMEN DERIVATIF

Forward — kontrak kunci kurs/harga di masa depan, disepakati bilateral, tidak diperdagangkan di bursa
Futures — mirip forward, tapi terstandardisasi & diperdagangkan di bursa
Opsi (option) — hak (bukan kewajiban) beli/jual di harga tertentu, ada premi
Swap — pertukaran arus kas (mis. bunga tetap ↔ mengambang)

STRATEGI OPERASIONAL

Natural hedging — mencocokkan mata uang pendapatan dengan mata uang beban (mis. pendapatan rute internasional USD vs. utang USD)
Diversifikasi pemasok/pasar untuk kurangi ketergantungan satu komoditas
Kontrak harga tetap jangka panjang dengan pemasok bahan baku

Setelah bisa mengukur, sekarang saatnya bicara solusi. Forward dan futures itu konsepnya sama — mengunci harga atau kurs hari ini untuk transaksi yang baru terjadi di masa depan — tapi forward disepakati langsung antara dua pihak secara fleksibel di luar bursa, sementara futures sudah terstandardisasi ukuran kontraknya dan diperdagangkan resmi di bursa berjangka. Opsi ini yang paling fleksibel karena memberi hak, bukan kewajiban — bayangkan Anda membeli opsi beli dolar pada kurs Rp15.500, kalau nanti rupiah menguat ke Rp15.000, Anda cukup biarkan opsi itu kadaluarsa dan beli dolar langsung di pasar dengan harga lebih murah, hanya rugi premi opsinya saja. Swap biasa dipakai perusahaan untuk menukar eksposur bunga tetap dengan bunga mengambang atau sebaliknya, tergantung ekspektasi arah suku bunga ke depan. Tapi jangan lupakan strategi operasional yang seringkali lebih murah: natural hedging, misalnya maskapai penerbangan yang sengaja mempertahankan pendapatan dari rute internasional dalam dolar supaya bisa langsung dipakai membayar cicilan leasing pesawat yang juga dalam dolar, tanpa perlu membeli instrumen derivatif sama sekali.

Studi Kasus — Exposure FX Maskapai Penerbangan

Bagaimana maskapai seperti Garuda Indonesia terpapar risiko nilai tukar dari sisi utang leasing pesawat?

RUNTUTAN KASUS

Maskapai menyewa (leasing) pesawat dari lessor asing — kewajiban pembayaran dalam USD.
Sebagian besar pendapatan tiket domestik diterima dalam rupiah — terjadi mismatch mata uang.
Ketika rupiah melemah terhadap USD, beban leasing dalam rupiah membengkak meski nominal USD-nya tetap sama — ini exposure transaksi.
Mitigasi: natural hedging lewat pendapatan rute internasional berdenominasi USD, atau kontrak forward membeli USD di kurs terkunci.

Kasus ini nyata dan pernah menekan laporan keuangan maskapai-maskapai Indonesia, termasuk Garuda Indonesia dan Lion Air, jadi perhatikan logikanya baik-baik. Langkah pertama, hampir semua pesawat komersial disewa dari lessor internasional dan kontraknya didenominasi dalam dolar AS, karena itu standar industri penerbangan global. Langkah kedua, sementara itu, mayoritas pendapatan maskapai dari penumpang domestik diterima dalam rupiah — di sinilah ketidakcocokan mata uang mulai terbentuk antara sisi pendapatan dan sisi kewajiban. Langkah ketiga adalah titik kritisnya: begitu rupiah melemah, katakanlah dari Rp15.000 ke Rp15.800 per dolar, jumlah dolar yang harus dibayar tidak berubah, tapi rupiah yang dibutuhkan untuk membelinya jadi jauh lebih banyak — inilah exposure transaksi yang kita bahas di awal pertemuan tadi. Langkah terakhir, solusinya bisa dua arah: natural hedging dengan sengaja mempertahankan proporsi pendapatan dari rute internasional dalam dolar, atau membeli kontrak forward yang mengunci kurs pembelian dolar di muka sehingga kepastian biaya lebih terjamin walau rupiah terus bergejolak.

Coba Sendiri: Simulasikan Eksposur FX dan Pilih Instrumen Hedging

Ubah nilai eksposur mata uang asing dan skenario pergerakan kurs, lalu bandingkan hasil sebelum dan sesudah hedging dengan instrumen berbeda.

Studi Kasus — Taper Tantrum & Respons BI

Bagaimana gejolak global tahun 2013 memicu risiko pasar besar-besaran di Indonesia, dan bagaimana Bank Indonesia merespons?

RUNTUTAN KASUS

Mei 2013, bank sentral AS (The Fed) memberi sinyal akan mengurangi stimulus moneter (tapering).
Investor asing menarik dana dari pasar negara berkembang termasuk Indonesia — modal keluar dari SBN dan saham secara masif.
Rupiah melemah tajam, dari ≈ Rp9.700 ke ≈ Rp12.000-an per USD dalam hitungan bulan — market risk sistemik.
Bank Indonesia menaikkan suku bunga acuan (saat itu BI Rate, cikal-bakal BI7DRR) agresif dari ≈ 5,75% ke ≈ 7,5% sepanjang 2013 untuk meredam pelarian modal & menstabilkan rupiah.

Peristiwa ini dikenal dalam literatur keuangan internasional sebagai "taper tantrum", dan menjadi contoh sempurna bagaimana risiko pasar bisa menjalar sistemik lintas negara. Awal mulanya bukan dari Indonesia sama sekali — bank sentral Amerika Serikat memberi sinyal akan mengurangi program pembelian obligasi besar-besaran yang selama ini membanjiri pasar global dengan likuiditas murah. Begitu sinyal itu keluar, investor global panik dan menarik dana mereka dari pasar negara berkembang, termasuk dari Surat Berharga Negara dan pasar saham Indonesia, karena aset di negara maju dianggap akan kembali menarik seiring naiknya imbal hasil di sana. Akibatnya rupiah melemah tajam dalam waktu singkat, dari sekitar sembilan ribu tujuh ratus menjadi dua belas ribuan per dolar — ini contoh nyata risiko nilai tukar yang bukan berasal dari kesalahan siapa pun di dalam negeri, melainkan dari kebijakan negara lain. Untuk meredam derasnya modal yang kabur dan menahan pelemahan rupiah lebih jauh, Bank Indonesia terpaksa menaikkan suku bunga acuan secara agresif sepanjang tahun itu — kebijakan yang saat itu disebut BI Rate dan menjadi cikal bakal BI7DRR yang kita kenal sekarang, sekaligus mengingatkan Anda bahwa risiko suku bunga dan risiko nilai tukar sering muncul berbarengan sebagai respons berantai.

Latihan & Diskusi Kelas

Sebuah importir Indonesia punya utang USD 200.000 jatuh tempo 3 bulan lagi. Kurs saat ini Rp 15.500/USD. Analis memperkirakan rupiah bisa melemah ke Rp 16.000/USD atau menguat ke Rp 15.000/USD.

PERTANYAAN 1

Berapa potensi kerugian (jika melemah) dan potensi keuntungan (jika menguat) dalam rupiah?
Petunjuk: 200.000 × selisih kurs.

PERTANYAAN 2

Instrumen mana yang paling tepat untuk hedging: forward, opsi, atau natural hedging? Jelaskan alasan Anda dan trade-off-nya.

Sekarang giliran Anda mempraktikkan sendiri semua konsep yang sudah kita bahas hari ini dalam satu kasus utuh. Untuk pertanyaan pertama, coba kerjakan dengan logika yang sama seperti contoh Garuda Indonesia tadi: kalikan selisih kurs dengan jumlah eksposur dolar, dan Anda akan menemukan bahwa baik potensi kerugian maupun potensi keuntungan sama-sama sekitar seratus juta rupiah, tergantung arah pergerakan rupiah. Untuk pertanyaan kedua, saya ingin Anda benar-benar mempertimbangkan trade-off setiap instrumen — forward memberi kepastian penuh tapi mengunci Anda kehilangan potensi untung kalau ternyata rupiah menguat, sementara opsi memberi fleksibilitas menikmati penguatan rupiah tapi Anda harus membayar premi di muka, dan natural hedging membutuhkan restrukturisasi bisnis yang tidak selalu memungkinkan dalam jangka pendek. Silakan diskusikan berpasangan selama lima menit, lalu kita bahas bersama-sama — saya akan memanggil beberapa kelompok secara acak untuk mempresentasikan jawaban dan alasan mereka. Ingat, di dunia nyata tidak ada jawaban "benar" tunggal, yang penting adalah alasan dan kesesuaian dengan profil risiko perusahaan.

Rangkuman: Cheat Sheet Risiko Pasar

Sumber	Alat Ukur	Contoh Mitigasi
Suku bunga	Modified Duration × ΔYield	Swap bunga tetap ↔ mengambang
Nilai tukar	Exposure transaksi/translasi/ekonomi	Forward, opsi, natural hedging
Harga komoditas	Volatilitas historis, VaR	Kontrak harga tetap, diversifikasi pemasok

VaR = Portofolio × Z × σ | %ΔHarga ≈ −MD × ΔYield

Mari kita rangkum seluruh perjalanan dua jam kita hari ini dalam satu tabel yang bisa Anda simpan sebagai catatan ringkas. Tiga sumber risiko pasar yang sudah kita bahas — suku bunga, nilai tukar, dan harga komoditas — masing-masing punya alat ukur khasnya sendiri: duration untuk sensitivitas obligasi, klasifikasi exposure untuk kurs, dan volatilitas historis atau VaR untuk komoditas dan saham secara umum. Dua rumus di kotak bawah ini adalah yang paling penting untuk Anda hafal dan bisa aplikasikan langsung: rumus VaR untuk mengestimasi kerugian maksimum portofolio, dan rumus perubahan harga obligasi berbasis modified duration. Perhatikan bahwa mitigasi untuk tiap sumber risiko juga berbeda-beda pendekatannya — ada yang lewat instrumen derivatif seperti forward dan swap, ada yang lewat strategi operasional seperti diversifikasi pemasok. Kalau ada satu hal yang harus Anda ingat dari pertemuan hari ini, itu adalah: mengenali sumber risiko saja tidak cukup, seorang manajer risiko yang baik harus bisa mengukurnya dalam angka rupiah yang konkret sebelum memutuskan tindakan mitigasi apa yang paling efisien.

Penutup & Persiapan Minggu Depan

MINGGU DEPAN (P10 · RPS Minggu 11)

Analisis Risiko Kredit
Rating & skoring kredit (model Zaltman & linier)
RAROC, term structure, dan credit matrix

TUGAS SEBELUM PERTEMUAN 10

📝

Baca kasus kredit UMKM (dibagikan via portal kuliah) dan siapkan draf identifikasi 3 sumber risiko kredit dari kasus tersebut untuk didiskusikan di awal sesi.

Sebelum kita tutup, mari saya rangkum sekali lagi apa yang sudah Anda kuasai hari ini: Anda sekarang bisa menjelaskan tiga sumber risiko pasar, menghitung dampak suku bunga terhadap harga obligasi lewat duration, menghitung Value at Risk portofolio saham, dan mengevaluasi instrumen mitigasi yang tepat untuk situasi tertentu. Minggu depan kita berpindah dari risiko pasar ke risiko kredit — ini juga jenis risiko finansial, tapi fokusnya berbeda: bukan lagi soal pergerakan pasar, melainkan soal kemungkinan pihak lain gagal membayar kewajibannya kepada kita, dan kita akan belajar metode rating, skoring kredit, RAROC, sampai term structure. Tolong kerjakan tugas persiapan yang tertera di layar — membaca kasus kredit UMKM dan menyiapkan draf identifikasi sumber risikonya — karena kita akan langsung diskusikan begitu kelas dimulai, tanpa banyak waktu pemanasan. Terima Kasih atas partisipasi aktif Anda hari ini, terutama saat sesi latihan hedging tadi; sampai jumpa di pertemuan sepuluh.