BAB 1
PENDAHULUAN
1.1 Latar Belakang
Manajemen risiko merupakan salah satu elemen penting dalam menjalankan bisnis perusahaan karena semakin berkembangnya dunia perusahaan serta meningkatnya kompleksitas aktivitas perusahaan mengakibatkan meningkatnya tingkat risiko yang dihadapi perusahaan. Sasaran utama dari implementasi manajemen risiko adalah melindungi perusahaan terhadap kerugian yang mungkin timbul. Lembaga perusahaan mengelola risiko dengan menyeimbangkan antara strategi bisnis dengan pengelolaan risikonya sehingga perusahaan akan mendapatkan hasil optimal dari operasionalnya.
Risiko itu sendiri adalah potensi terjadinya suatu peristiwa baik yang dapat diperkirakan maupun yang tidak dapat diperkirakan yang dapat menimbulkan dampak bagi pencapaian tujuan organisasi. Kebutuhan untuk mengelola risiko, yaitu risiko kredit dan risiko pasar di lembaga perusahaan dan asuransi sudah menjadi perhatian yang serius. Sejak Basel II (Basel Capital Accord II) dalam perannya sebagai regulator dan pengawas perbankan di Indonesia mulai disosialisasikan dan diwajibkan bagi lembaga perusahaan, mulailah dikenal jenis risiko yang jauh lebih luas daripada risiko kredit dan risiko pasar, yaitu risiko operasional.
Risiko operasional yaitu potensi terjadinya kerugian karena kesalahan manusia atau kegagalan proses dan pengendalian dalam operasional sehari-hari. Pengelolaan risiko operasional bertujuan untuk mengantisipasi potensi kerugian yang telah atau hampir terjadi yang disebabkan karena kurang memadai atau tidak berfungsinya proses-proses internal, faktor kesalahan manusia, kelemahan sistem dan teknologi atau
berbagai faktor eksternal yang dapat berpengaruh negatif terhadap operasional perusahaan.
Jika suatu perusahaan sudah memiliki database kerugian risiko operasional yang memadai, maka perusahaan dapat memanfaatkan data kerugian risiko tersebut untuk proses pemodelan dan pengukuran potensi kerugian risiko operasional. Untuk melakukan pemodelan dan pengukuran potensi kerugian risiko operasional, perusahaan harus terlebih dahulu mengetahui karakteristik dari distribusi kerugian risiko operasional.
Distribusi data kerugian risiko operasional dapat dikelompokkan ke dalam distribusi frekuensi data kerugian dan distribusi severitas data kerugian. Distribusi frekuensi menunjukkan jumlah atau frekuensi terjadinya suatu jenis kerugian operasional dalam periode waktu tertentu tanpa melihat nilai atau rupiah kerugian. Sedangkan distribusi severitas data kerugian menunjukkan nilai rupiah kerugian dari jenis kerugian operasional dalam periode waktu tertentu.
Distribusi frekuensi data kerugian merupakan distribusi discrete yaitu distribusi atas data yang nilai data harus bilangan integer atau tidak pecahan karena jumlah bilangan kejadian merupakan bilangan bulat positif. Sedangkan distribusi severitas data kerugian merupakan distribusi yang bersifat kontinu yang nilai datanya bernilai pecahan. Untuk melakukan pengujian karakteristik distribusi frekuensi dan distribusi severitas kerugian operasional akan digunakan test Goodness of Fit dengan menggunakan Chi-square test, Kolmogorov Smirnov test dan Anderson Darling test.
1.2 Perumusan Masalah
Pada penelitian ini rumusan masalah yang dibahas adalah bagaimanakah menguji test Goodness of Fit dalam pengukuran risiko operasional.
1.3 Tinjauan Pustaka
Seperti dijelaskan oleh Muslich, Muhammad. 2007. Manajemen Risiko Operasional – Teori dan Praktek dijelaskan bahwa test Goodness of Fit (GoF) didasarkan pada dua karakteristik distribusi dasar yaitu cumulative distribution function (cdf) dan probability density function (pdf). Test GoF merupakan test dengan mempergunakan pengujian distribusi normal berdasarkan data pdf sehingga test GoF masuk dalam kelompok area test.
Distribusi data kerugian risiko operasional dapat dikelompokkan ke dalam distribusi frekuensi data kerugian dan distribusi severitas data kerugian. Distribusi frekuensi data kerugian dapat dikelompokkan dalam distribusi Poisson, geometric, binomial dan hypergeometric. Sedangkan distribusi severitas data kerugian dapat dikelompokkan dalam distribusi normal, distribusi lognormal, distribusi eksponensial dan distribusi weibull.
Uji kenormalan data adalah uji yang digunakan untuk mengetahui apakah data menyebar mengikuti sebaran normal atau tidak. Beberapa uji kenormalan data antara lain adalah Chi-square test, Kolmogorov Smirnov test dan Anderson Darling test.
Metode Chi-square termasuk uji kenormalan yang berbasis statistik uji X 2 . Kegunaan metode X 2 ini ditujukan untuk menguji apakah ada perbedaan yang cukup signifikan antara jumlah pengamatan suatu objek pada tiap klasifikasinya terhadap nilai harapannya yang berdasarkan hipotesa nolnya. Dalam metode ini H0 dapat diuji sebagai berikut:
k
X2
Oi Ei 2 Ei
i 1
Dengan:
Oi
= nilai pengamatan yang diperoleh pada kategori yang ke-i
Ei
= nilai harapan (expected value) pada kategori yang ke-i
k
i 1
= jumlah kategori yang diamati
Apabila perbedaan Oi dan Ei relatif kecil, maka X 2 juga akan semakin kecil dan sebaliknya jika perbedaan antara Oi dan Ei sangat besar akan menyebabkan pula
X 2 menjadi besar. Pada pengujian X 2 ini, distribusi dari X 2 memiliki derajat kebebasan k-1 atau db(k-1).
Metode Kolmogorov Smirnov yang merupakan uji kenormalan paling populer, didasarkan pada nilai D yang didefinisikan sebagai berikut: D sup x Fn Z F0 Z
Dengan:
D
= nilai deviasi absolut maksimum antara Fn Z dan F0 Z
Fn
= fungsi kumulatif distribusi dari distribusi normal
Nilai D ini selanjutnya dibandingkan dengan nilai D kritis untuk tes . Stephens memberikan nilai kritis tersebut untuk berbagai kondisi pengujian. Nilai kritis tersebut adalah sebagai berikut:
0,85 a. Untuk 1% , nilai D kritis adalah 1,035 n 0,01 n 0,85 b. Untuk 5% , nilai D kritis adalah 0,895 n 0,01 n 0,85 c. Untuk 10% , nilai D kritis adalah 0,819 n 0,01 n
Pendekatan Anderson Darling (AD) digunakan untuk menguji kenormalan data dengan jumlah data yang kecil yaitu n kurang dari sama dengan 25 n 25 . Anderson Darling test ini digunakan untuk mengetahui distribusi dari data sampel. Untuk menghitung Anderson Darling test dapat dilakukan dengan menggunakan rumus sebagai berikut:
n 1 2i AD ln F0 Z i ln 1 F0 Z ni 1 n i 1 n
Dengan:
AD
= Anderson Darling test
Fn
= fungsi kumulatif distribusi dari distribusi normal
n
= jumlah sampel
Untuk menghitung nilai critical value (CV) dapat kita liat pada penjelasan Muslich, Muhammad. 2007. Manajemen Risiko Operasional – Teori dan Praktek dengan rumus sebagai berikut:
CV
0,752 0,75 2,25 1 2 n n
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui jenis distribusi mana yang cocok dalam pengukuran risiko operasional dengan menggunakan Chi-square test, Kolmogorov Smirnov test dan Anderson Darling test.
1.5 Kontribusi Penelitian
Kesimpulan yang diperoleh setelah dilakukan penelitian, diharapkan:
a. Sebagai bahan pertimbangan bagi para pembuat keputusan untuk menghadapi risiko dan ketidakpastian dalam keadaan yang nyata, mengkuantifikasi, mengukur, meminimumkan dan mengalokasikan, serta mengestimasi modal risiko operasional demi kelangsungan usaha perusahaan pada masa yang akan datang.
b. Agar dapat mengetahui dalam melakukan pemodelan kerugian risiko operasional dalam mempergunakan parameter data dengan tepat. c. Menambah wawasan dan memperkaya literatur dalam bidang statistika terutama yang berhubungan dengan manajemen risiko.
1.6 Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah :
a. Memaparkan langkah-langkah yang diperlukan untuk membentuk suatu pengukuran risiko operasional dengan penerapan uji kenormalan data. b. Pengukuran risiko operasional dilakukan dengan mengemukakan contoh kasus. c. Menguji karakteristik distribusi mana yang cocok dengan data frekuensi dan data severitas kerugian dengan menggunakan uji kecocokan data Chi-square test, Kolmogorov Smirnov test dan Anderson Darling test. d. Mengambil kesimpulan dari analisa yang diperoleh.