ABSTRAKFokus dari penelitian ini adalah untuk mengidentifikasi bank-bank yang dianggap berisiko sebagai counterpart oleh bank lainnya dalam transaksi Pasar Uang Antar Bank PUAB , sehingga diharapkan dapat mencegah serta memitigasi potensi terjadinya risiko sistemik pada industri perbankan di Indonesia. Data yang digunakan dalam penelitian ini adalah data transaksi intraday bilateral pinjam meminjam tanpa agunan dengan tenor overnight O/N yang diambil dari transaksi PUAB dengan periode observasi dari Januari 2008-Juni 2009. Dari hasil penelitian, berhasil diidentifikasi sebanyak 4 bank yaitu FI 81, FI 94, FI 3 dan FI 54 yang secara statistik signifikan menunjukkan signal risiko tertinggi di PUAB.Selain itu ditemukan juga bukti bahwa sebagian besar bank yang menunjukkan frekuensi signal yang tinggi umumnya bertindak sebagai net peminjam di PUAB, hal ini mengindikasikan bahwa bank tersebut terus-menerus menghadapi permasalahan likuiditas. Dari hasil regresi ditemukan juga bukti adanya hubungan negatif dengan tingkat kemiringan slope sebesar -0,93 antara besarnya share signal risiko terhadap Z Score. Dari hasil penelitian ini diharapkan metode ini dapat digunakan sebagai tools pelengkap dalam melakukan monitoring risiko individual bank selain dari angka rasio keuangan, serta dapat diaplikasikan sebagai Early Warning System EWS perbankan
ABSTRACTThe focus of this study is to identify which banks that are considered risky as counterpart by other banks in interbank money market transactions PUAB , and it is expected to prevent and mitigate the potential of systemic risk in the banking industry in Indonesia. In this research used intraday bilateral lending transaction without collateral data with overnight tenor O N taken from PUAB transaction with observation period from January 2008 to June 2009. Based on the research result, it was identified 4 banks, FI 81, FI 94, FI 3 and FI 54 which statistically show the highest sign of risk in PUAB.There is also evidence that most banks that exhibit high signal frequencies generally act as net borrowers in the interbank money market, indicating that banks are constantly facing liquidity problems. From the regression results found also evidence of a negative relationship with the level of slope 0.93 between the amount of risk signal share against Z Score. Hopefully the method from this study can be used as a complementary tool in monitoring individual bank risk apart from the financial ratio, and can be applied as the Early Warning System EWS banking