Program studi Teknik Fisika (Engineering Physics) adalah cabang ilmu yang menggabungkan prinsip-prinsip fisika dan teknik untuk menyelesaikan masalah teknologi dan ilmiah. Meskipun terlihat seperti bidang yang sangat teknis dan jauh dari industri keuangan, sebenarnya ada banyak aspek dari keilmuan ini yang relevan dan berpotensi besar untuk diterapkan dalam sektor keuangan.
Di era digital saat ini, keamanan data menjadi hal yang sangat penting. Serangan siber, peretasan, dan pencurian informasi semakin canggih, sehingga diperlukan sistem perlindungan yang lebih kuat.
Salah satu solusi terbaik adalah kriptografi, ilmu yang mengamankan data dengan metode penyandian. Namun, tahukah Anda bahwa teknik fisika memiliki peran besar dalam pengembangan kriptografi modern?
Teknik fisika adalah bidang multidisiplin yang menggabungkan prinsip fisika dengan teknologi untuk menghasilkan inovasi di berbagai sektor industri, termasuk keamanan informasi.
Dalam dunia kriptografi, teknik fisika berperan dalam menciptakan sistem keamanan berbasis fisika kuantum dan material canggih.
Di Indonesia, saat ini sudah ada 11 perguruan tinggi yang terakreditasi untuk menyelenggarakan program studi teknik fisika. Sudah cukup banyak dibandingkan saat penulis menempuh pendidikan sarjana teknik fisika pada era 90-an yang hanya ada 3 perguruan tinggi (ITB, ITS, Unas).
Sedangkan perguruan tinggi ternama di Amerika, Eropa hingga China menjadi "the big five" untuk penyelenggaraan program studi yang dikenal dengan "applied physics" atau "engineering physics" (Baca: Best Universities for Applied/Engineering Physics in the World)
Keilmuan Teknik Fisika sangat kuat dalam hal pemodelan matematis dan simulasi. Dalam industri keuangan, pemodelan dan simulasi digunakan untuk mengantisipasi perilaku pasar, menghitung risiko, dan memprediksi kinerja investasi.
Misalnya, metode Monte Carlo, yang sering digunakan dalam fisika untuk simulasi, juga digunakan dalam manajemen risiko keuangan untuk menghitung nilai risiko portofolio.
Metode ini menggunakan model stokastik untuk memprediksi kemungkinan perubahan harga set dalam portfolio. Ribuan atau bahkan jutaan skenario pasar dihasilkan berdasarkan distribusi probabilitas untuk menghitung hasil potensial portofolio di masa depan.
Dari hasil simulasi, distribusi probabilitas return portofolio dianalisis untuk melihat kemungkinan kerugian ekstrem. Namun, metode ini membutuhkan komputasi intensif, terutama untuk portofolio besar dengan banyak variabel.