Pemodelan Volatilitas Dan Estimasi Value-At-Risk (VaR) Saham PT Bank Syariah Indonesia Dengan Model GJR-GARCH

Authors

  • Fernando Hadi Wijaya Universitas Pembangunan Nasional "Veteran" Jawa Timur, East Java, Indonesia Author

DOI:

https://doi.org/10.69836/ncrcs-sinesia.v2i1.165

Keywords:

GJR-GARCH, Value at Risk, Saham Syariah, volatilitas Asimetris, Manajemen Resiko

Abstract

Pasar modal syariah, khususnya sektor perbankan, memiliki dinamika volatilitas yang kompleks dan sering kali menunjukkan efek asimetris (leverage effect). Permasalahan utama dalam manajemen risiko muncul ketika model konvensional gagal menangkap karakteristik data finansial yang memiliki ekor gemuk (fat tails), sehingga berpotensi menghasilkan estimasi risiko yang terlalu rendah (underestimation). Penelitian ini bertujuan untuk memodelkan volatilitas dan mengestimasi Value-at-Risk (VaR) pada saham PT Bank Syariah Indonesia Tbk (BRIS) menggunakan pendekatan GJR-GARCH. Metodologi penelitian diawali dengan pengolahan data log-return harian, uji stasioneritas (ADF), dan identifikasi efek ARCH menggunakan uji ARCH-LM. Model GJR-GARCH diterapkan untuk menangkap respons volatilitas yang berbeda terhadap guncangan positif dan negatif di pasar. Selanjutnya, perhitungan VaR dilakukan untuk mengukur potensi kerugian maksimum pada tingkat kepercayaan 95% dan 99%. Akurasi model divalidasi melalui prosedur backtesting Kupiec POF. Hasil penelitian menunjukkan bahwa model GJR-GARCH(1,1) mampu mendeteksi keberadaan leverage effect secara signifikan pada saham BRIS, di mana berita buruk berdampak lebih besar terhadap volatilitas dibandingkan berita baik dengan magnitudo setara (γ = 0,1423, p < 0,01). Hasil backtesting mengonfirmasi validitas statistik model pada kedua tingkat kepercayaan. Penelitian ini berkontribusi dalam menyediakan kerangka manajemen risiko yang lebih akurat dan tangguh bagi investor maupun praktisi di ekosistem keuangan syariah.

Author Biography

  • Fernando Hadi Wijaya, Universitas Pembangunan Nasional "Veteran" Jawa Timur, East Java, Indonesia

    Fernando Hadi Wijaya adalah mahasiswa Program Studi Sains Data, Fakultas Ilmu Komputer, Universitas Pembangunan Nasional "Veteran" Jawa Timur. Bidang minat penelitiannya mencakup statistika keuangan, pemodelan deret waktu, machine learning, dan manajemen risiko kuantitatif.  Aktif mengembangkan aplikasi analitik berbasis Python dan R untuk keperluan analisis data keuangan. Penelitian ini merupakan karya pertamanya dalam bidang pemodelan volatilitas pasar modal syariah Indonesia. Penulis dapat dihubungi melalui email: nandomiix05@gmail.com

References

Ardhini, L., & Prastyo, D. D. (2024). Analisis Risiko Saham Subsektor Rumah Makan dan Ritel Pakaian & Tekstil di BEI Menggunakan CVaR dengan Pendekatan ARMA-GARCH dan EVT. Jurnal Sains Dan Seni ITS, 13(5), D216–D223.

Black, F. (1976). Studies of Stock Price Volatility Changes. Proceedings of the 1976 Meetings of the American Statistical Association, 177–181.

Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307–327. https://doi.org/10.1016/0304-4076(86)90063-1

Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The Econometrics of Financial Markets. Princeton University Press.

Darmanto, Putri, N. I., & Oktaviani, M. (2025). Strengthening Syariah Financial Markets with GARCH-Based Stock Price Forecasting and VaR-Risk Assessment. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 19(2), 1217–1236. https://doi.org/10.30598/barekengvol19iss2pp1217-1236

Echaust, K., & Just, M. (2020). Value at Risk Estimation Using the GARCH-EVT Approach with Optimal Tail Selection. Mathematics, 8(1), 114. https://doi.org/10.3390/math8010114

Engle, R. F., & Ng, V. K. (1993). Measuring and Testing the Impact of News on Volatility. Journal of Finance, 48(5), 1749–1778. https://doi.org/10.1111/j.1540-6261.1993.tb05127.x

Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. Journal of Finance, 48(5), 1779–1801. https://doi.org/10.1111/j.1540-6261.1993.tb05128.x

Idris, M. K. (2026). Redefinisi Fakir–Miskin dan Zakat Produktif sebagai Instrumen Pemberdayaan Ekonomi di Indonesia. Tasfiyah: Journal of Islamic Law and Sharia Economics, 2(1), 1–12. https://doi.org/10.69836/tasfiyah.v2i1.613

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

Kupiec, P. (1995). Techniques for Verifying the Accuracy of Risk Measurement Models. Journal of Derivatives, 3(2), 73–84. https://doi.org/10.3905/jod.1995.407942

Otoritas Jasa Keuangan. (2023). Kriteria Efek Syariah. OJK. https://www.ojk.go.id

Pratama, A., Aliani, A., Wardhana, M. I., Zhafiroh, S. N., & Jaelani, A. (2024). Faktor-faktor yang Mempengaruhi Mahasiswa Ekonomi Syariah Universitas Sultan Ageng Tirtayasa Tetap Menggunakan Bank Konvensional. Benefits: Journal of Economics and Tourism, 1(2), 77–91. https://doi.org/10.69836/benefits-jeti.v1i2.104

Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed.). Wiley. https://doi.org/10.1002/9780470644560

Yahoo Finance. (2025). BRIS Historical Data. https://finance.yahoo.com/quote/BRIS.JK/history/

Downloads

Published

2026-05-22

How to Cite

Pemodelan Volatilitas Dan Estimasi Value-At-Risk (VaR) Saham PT Bank Syariah Indonesia Dengan Model GJR-GARCH. (2026). Proceedings National Conference Sinesia, 2(1), 242-252. https://doi.org/10.69836/ncrcs-sinesia.v2i1.165