Hasil Pencarian  ::  Simpan CSV :: Kembali

"Using the application of risk measuring, Operational Value at Risk (VaR) , is measuring risk that could arise and thus leading to a certain nominal that is used for reserve, including for managing a company. The method that is used for measuring operational risk is the LDA Aggregation Method. Historical data of the operational risk on the internal process from receiving shrimp process at PT. X is based on the internal audit result of PT X. Furthermore, with the Aggregation method it will form the Aggregation Loss Distribution with Aggregate Best Frequency Distribution, Poisson, distribution and Best Severity Distribution , Exponential Distribution .Computation is conducted with the spreadsheet Excel with 10.000 times of Monte Carlo simulation to calculate the maximum potential loss of Operational VaR based on the back testing result of the Kupiec Test, the model could be implemented for measuring the operational internal process risk from receiving shrimp process at PT. X.. The the next step for obtaining an accurate model . PT. X. should then regularly up - date the model with the newest data and validate the test through back testing process."

"Using the application of risk mesuring methods on banking industry, Operational Value at Risk (VaR), is measuring risk that could arise and thuse leading to a certain nominal that is used for reserve, including for managing a company. The method that is used for measuring operational risk is the LDA Aggregation Method. Historical data of the operational risk on the internal process from receiving shrimp process at PT.X is based on the internal audit result of PT. X. Furthermore, with the Agregation method it will form the Aggregation Loss Distribution with Aggregate best Frequency Distribution, Poisson Distribution and Best Severity Distribution, Exponential Distribution. Computationn is conducted with the spreadsheet Excel with 10.000 times of Monte Carlo simulation to calculate the maximum potential loss of Operational VaR based on the quantifyable method with a degree of freedom of 95%. Based on the back testing result of the Kupiec Test, the model could be implemented for measuring the operational internal process risk from receiving shrimp process at PT. X. The the next step for obtaining an accurate model. PT. X should then regularly up-date the model with the newest data and validate the test through back testing process."

"Hasil penelitian menunjukan distribusi frekuensi kerugian operasional claim spare part membentuk distribusi Geometric sedangkan distribusi severitas kerugian operasional membentuk distribusi Lognormal. Hasil tersebut didapat dari hasil pengujian distribusi dengan metode Kolmogorov Smirnov yang memiliki D max terkecil. Dengan menggunakan metode Loss Distribution Approach Aggregation Model, metode analisis simulasi Monte Carlo, besarnya Operational Value at Risk bulanan dari risiko operasional akibat claim spare part dengan tingkat kepercayaan 95% yang diperoleh adalah sebesar Rp 690.507.800,-. Berdasarkan hasil back testing dengan kupiec test menyatakan bahwa pengukuran risiko operasional akibat claim spare part pada PT.X dengan menggunakan Aggregation Loss Distribution Model simulasi Monte Carlo adalah valid. Jadi, nilai Operational VaR bisa digunakan sebagai dasar untuk membuat pencadangan kerugian PT.X.

---

The results show that the frequency distribution of operational losses spare part claim form Geometric distribution while operating loss severity distributions form a Lognormal distribution. Results are obtained from the test results with the distribution of Kolmogorov Smirnov method which has the smallest D max. By using the method of Loss Distribution Approach Aggregation Model, method of Monte Carlo simulation analysis, the magnitude of Operational Value at Risk monthly operational risks due to spare part claim with 95% confidence level obtained is Rp 690,507,800, -. Based on the results of back testing with the test kupiec stated that due to operational risk measurement claim spare part of PT X by using LDA aggregation Model with Monte Carlo simulation is valid. Thus, VaR Operational value can be used as a basis for making backups loss PT.X."

"Karya akhir ini membahas perhitungan risiko operasional dengan menggunakan metode LDA Aggregation. Selain itu juga dibahas mengcnai penerapan manajemen risiko di PT. ABC. Sebagai perusahaan manufaktur, PT ABC terekspose risiko operasional pengembalian produk rusak oleh pelanggan (customer return), yang nilainya sangat mempengaruhi variabilitas net profit. Pengukuran potensi kerugian risiko operasional berupa operational value al risk (OpVaR) menggunakan model LDA Aggregation, menghasilkan nilai sebesar Rp800.387.847,- (pada tingkat kcyakinan 95%) dan Rp1.992.724.386,- (pada tingkat keyakinan 99%). Hasil Back testing menggunakan Loglikelihood Razio menunjukkan bahwa model LDA Aggregation valid digunakan untuk menghitung potensi kemgian. Hasil penelitian menyarankan kepada PT ABC untuk menggunakan model LDA Aggregarion untuk penghitungan potensi kerugian risiko operasional dan menerapkan manajemen risiko untuk rnengelola risiko yang dihadapi perusahaan. Khusus untuk mitigasi risiko pengembalian produk oleh pelanggan, perusahaan perlu melakukan reduce risk dan transfer risk karena risiko pengembalian produk oleh pelanggan masuk dalam kategori risiko hiyt, baik dari segi likeiihood maupun dari segi impact.

---

The focus of this study is the calculation of operational risk by using LDA Aggregation method. It also discussed about the implementation of risk management at PT ABC. As a manufacturing company, PT ABC expose to operational risks such as defective product returns by customers (customer retum), whose value is affecting net profit variability significantly. Measurement of potential operational risk losses in the form of operational value at risk (OpVaR) using LDA Aggregation model, generate value Rp800.387.847,- (at 95% confidence level) and Rpl.992.724.386,- (at 99% confidence level). Back testing results using Loglikelihood ratio indicates that the model is valid to calculate potential losses.

The results suggest that PT ABC to use the LDA Aggregation model for calculating the potential of operational risk losses and apply risk management to manage the risks facing the company. Especially for mitigation of the customer return risk, companies need to reduce risk and transfer risk because the risk of product returns by customers tits into the category of high risk, both in terms of likelihood and impact."

"New Basel II Capital Accord menyadari bahwa dengan memperkenalkan persyaratan permodalan untuk risiko operasional akan menimbulkan dampak yang cukup signifikan terhadap jumlah regulatory capital yang harus disisihkan oleh bank.Penelitian ini menganalisa perbedaan metode dengan mengacu pada metode yang dipersiapkan oleh Basel Committe dalam memperkirakan capital charge untuk risiko operasional. Analisis diperoleh dengan membandingkan Advanced Measurement Approach (AMA) melalui Loss Distribution Approach (LDA) terhadap non-advanced atau Basic Indicator Approach (BIA). Perhitungan capital charge risiko operasional melalui Basic Indicator Approach merupakan persentase tertentu dari gross income. Sedangkan LDA model menekankan pada analisis kerugian operasional yang membutuhkan data historis (Loss Event Database) mengenai kejadian risiko operasional berdasarkan distribusi frekuensi dan severitas dengan menerapkan konsep Value at Risk (VaR).Berdasarkan data yang tersedia pada Bank X, hasil penelitian menunjukkan bahwa penerapan advanced approach dengan LDA model menghasilkan capital charge yang lebih rendah dibandingkan dengan BIA model.

---

New Basel II Capital Accord realized that the introduction of capital requirements for operational risk will cause a significant impact on the amount of regulatory capital that must be set aside by the bank.

This research analyzes the differences of methods with in regards to the methods prepared by the Basel Committee in estimating the capital charge for operational risk. The analysis was done by comparing the Advanced Measurement Approach (AMA) of the Loss Distribution Approach (LDA) to the non-advanced or Basic Indicator Approach (BIA). Calculation of operational risk capital charge with the Basic Indicator Approach is specified by a percentage of the gross income. Meanwhile, the LDA model requires analysis of operating loss using historical data (Loss Event Database) on the operational risk incidents based on the frequency and severity distribution and applying the concept of Value at Risk (VaR).

Based on the data made available by the Bank X, the results showed that the advanced approach applied using the LDA model produces a lower capital charge compared to the BIA model."

"Tesis ini membahas pengukuran risiko kredit menurut Basel II, yang berbeda dengan ketentuan Basel I yang berlaku saat ini. Untuk pengukuran kredit korporasi PT. Bank X telah mulai mempersiapkan diri dengan menerapkan sistem internal rating yang berjalan mulai tahun 2004. Internal rating merupakan salah syarat yang harus dipenuhi untuk melakukan pengukuran kredit sesuai dengan Basel II.Basel II memperkenal 3 metode pengukuran risiko kredit terutama untuk kredit usaha, yaitu Standardized Approach, IRB Foundation Appraoch dan IRB Advanced Approach. Dalam tulisan ini ketiga metode tersebut diterapkan untuk mengukur minimum capital charg.. Sesuai dengan data yang diperoleh risiko kredit yang diukur adalah portepel kredit yang dimiliki oleh Divisi Usaha Menegah PT. Bank X.Hasil pengukuran risiko kredit ini masing-masing diperbandingkan mana yang lebih effisien dalam menghitung risiko kredit. Selanjutnya hasil kesimpulan yang diperoleh dapat dijadikan bahan masukan bagi manajemen PT. Bank X, ataupun bank-bank lain yang menghadapi permasalahan yang sama.

---

The focus of this study is measuring credit risk using Basel II method. This preparation already started from 2004 through the implementation of internal rating system. Internal rating system as one of the term to be full filled to measring credit risk using Basel II.

Basel II introduce 3 methods to measuring credit risk specialy for corporate loan, which is Standardized Approach, IRB Foundation Approach dan IRB Advanced Approach. The subject on this paper is to implement 3 methods, calculate minimum capital charge using data of credit portfolio middle marker segment PT. Bank X.

The results from the measurement of each method then compared to find which method is more efficient in calculating credit risk. Therefore the conclusion is an input for the management of PT. Bank X as for the other banks who facing the same problem."

"Krisis perbankan tempo lalu ternyata menjadi pelajaran yang berharga bagi kalangan perbankan, termasuk pihak pemegang otoritas perbankan, yakni Bank Indonesia (BI). Hikmah dari kejadian tersebut adaiah semua pihak menjadi mawas diri untuk bekerja lebih baik dan profesional pada masa mendatang. Sebelum krisis, unsur pengawasan tidak dilakukan secara optimal dan para pelaku perbankanpun tidak memperhitungkan berbagai macam faktor risiko bisnis.Namun setelah itu, BI sebagai koordinator perbankan nasionalpun mulai mengkaji dart menata kembali industri yang telah dihantam badai yang paling dahsyat, yang selama ini belum pernah terjadi dalam sejarah perbankan nasional. Pada awal Januari 2004 BI menerbitkan Arsitektur Perbankan Indonesia (API) yang merupakan sebuah program menyeluruh yang dapat dijadikan pedoman bagi seluruh kalangan perbankan hingga 2010.Ada delapan pilar API yang mesti dilaksanakan oleh para pelaku bisnis perbankan. Salah satu pilar antara lain menyebutkan tentang perlunya manalemen risiko (risk nianagenrent) bagi kalangan perbankan. Pemberlakuan ketentuan BI No. 5/8/PBI/2003 tentang Penerapan Manajemen Risiko bagi Bank Umum yang mewajibkan bank memasukkan faktor risiko operasional ke dalam perhitungan kewajiban penyediaan modal minimum diharapkan dapat memperkuat sistem pengawasan perbankan secara menyeluruh.Dalam rangka menerapkan manajcmen risiko operasional secara efektif, maka bank "X" harus mampu mengidentifikasi risiko operasional dan mengukurnya. Hasil identifikasi risiko operasional digambarkan pada LEDB berupa kejadian kerugian (loss event), penyebab kerugian dan dampak dari kejadian kerugian dalam jumlah uang.Untuk keperluan pengukuran risiko operasional mula-mula dilakukan pengumpulan data kerugian dari LEDB. Selanjutnya data disaring untuk keperluan penelitian dan dianalisis secara statistic. Data kerugian dan data observasi jumlah kejadian kerugian digunakan sebagai dasar pembuatan severity of loss probability model dan frequency of loss probability model.Kedua model tersebut diuji masing-masing dengan menggunakan uji Kolmogorov-Smirnov dan uji Chi-Square. Berdasarkan uji model tersebut dipilih Exponential distribution dan Poisson distribution.Selanjutnya, guna pengukuran risiko operasional dilakukan simulasi Monte Carlo. Untuk itu dilakukan penetapan asumsi-asumsi bagi setiap jumlah kerugian dan jumlah kejadian kerugian. Penetapan asumsi tersebut dilakukan terhadap setiap angka kerugian dan jumlah kejadian kerugian. Angka jumlah kerugian diasumsikan mengikuti Exponential distribution, sedangkan angka jumlah kejadian diasumsikan mengikuti Poisson distribution. Setelah itu ditetapkan forecast atau output yang diharapkan.Hasil simulasi Monte Carlo adalah aggregate loss distribution. Berdasarkan distribusi kerugian hasil simulasi tersebut dilakukan perhitungan OpVaR, yang besarnya adalab Rp. 17.613.014.530,- (95th percentile) dari Rp. 31.151.154.671,- (99th percentile).

---

Banking crisis in Indonesia has indeed become a worthy lesson for bankers, including Bank Indonesia as monetary authority. The crisis has encouraged related parties to be more prudent and professional in the future. Supervision has not been done properly before banking crisis occurred and business risks have not been wholly considered.

Then, Bank Indonesia began to review and rebuild the banking industry in Indonesia. In the beginning of 2004, Bank Indonesia issued Indonesian Banking Architecture (API), a comprehensive program aimed to be guidance for bankers until 2010.

API introduces 8 pillars which must be accomplished by bankers. One of them states a need for risk management in banking industry. BE regulation No. 5/8/PBI/2003 regarding Risk Management Accomplishment for Banks, requesting banks to consider operational risk in the calculation of minimum capital requirement is expected to strengthen the control system in banking as a whole.

For the purpose of effective operational risk management, bank "X" must be able to identify operational risk and measure it: The identification of this risk is reported in Loss Event Data Base (LEDB).

To measure the risk, data of losses are gathered from LEDB, The data, consisting of loss amounts and frequency of losses are then used to establish severity of loss probability model and frequency of loss probability model. Both models are tested using Kolmogorov-Smimov Test and Chi-Square Test. Based on those tests, Exponential distribution and Poisson distribution are consecutively chosen as Severity of loss probability model and Frequency of loss probability model.

For the purpose of risk measurement, Monte Carlo simulation is done. Before doing this simulation, certain assumptions are established for each loss amount and each loss frequency.

The result of this simulation is aggregate loss distribution. Based on the distribution, Operational Value at Risk (OpVaR) is Rp. 17,613,014,530.00 (95th percentile) and Rp. 31,151,154,671.00 (99th percentile)."

"Kemajuan teknologi dalam mempercepat transaksi perdagangan mata uang antar negara menyebabkan kondisi pasar keuangan internasional dapat berubah dalam hitungan detik. Ketidakpastian akibat kondisi yang berubah ubah pada pasar keuangan ini dapat menyebabkan bank dapat mengalami kemungkinan kerugian. Oleh karena itu pada bulan Januari 1996, Basle Committee on Banking Supervision mengeluarkan "Amendment to the Capital Accord to Incorporate Market Risks" yang memasukkan risiko pasar dalam penghitungan Capital Adequacy Ratio (CAR). Pada "amandment" disebutkan bahwa untuk menghitung risiko pasar ada 2 pendekatan yaitu standardized model dan internal model.Penelitian ini menggunakan internal model dengan metode Value at Risk (VaR) pada PT Bank X untuk mengetahui kemungkinan kerugian maksimum yang dapat terjadi bila memegang portfolio dalam periode tertentu dan tingkat keyakinan tertentu pada kondisi pasar yang normal. Dalam menghitung VaR menggunakan pendekatan Risk Metric untuk menentukan confidence level dan holding period, yang kemudian dapat dilakukan dengan 3 metode yaitu: Standar Deviasi Normal, Exponential Weighted Moving Average (EWMA) dan Generalized Autoregressive Conditional Heterocedasticity (GARCH) sesuai dengan hasil darn pengujian data. Mata uang yang dipilih untuk penelitian ini adalah Dollar Amerika (USD), Euro (EUR), Poundsterling Inggris (GBP). Periode penelitian adalah pada tanggal 1 Oktober 2004 hingga 31 Oktober 2005. Awalnya datanya diuji dengan uji stationary ADF, uji normalitas Jarque Beta, dan white test heterocedastic untuk mengetahui karakteristik data. Berdasarkan hasil uji data ternyata data adalah hcterokedastisitas sehingga dalam penghitungan forecasting volatilitas return menggunakan rnetode EWMA dan GARCH untuk masing-masing mata uang.Kemudian hasil penghitungan tersebut digunakan untuk menghitung VaR dengan tingkat kepercayaan 95%. Kemudian VaR untuk masing-masing mata uang (VAR aset tunggal) yang menggunakan 2 metode tersebut masing masing diuji dengan Kupiec Test, untuk mengetahui validitas masing-masing model melalui metode TNoF (Total Number of Failure) untuk menentukan model mana yang terbaik. Dari hasil uji validasi ini dapat diketahui ternyata metode Garch menghasilkan hasil yang lebih baik dibandingkan EWMA. Hasil forecasting volatilitas dari VaR aset tunggaI untuk masing masing masing nilai tukar digunakan untuk menghitung VaR portofolio. Kemudian dari hasil pengujian TNoF diketahui bahwa VaR portofolio dengan metode GARCH adalah valid. Hal ini berarti VaR portofolio dapat menangkap pergerakan actual loss.

---

The increase of technology innovation on Foreign exchange transaction between countries makes some changes on money market rapidly. Uncertainty caused by this condition on money market, makes bank can get loss possibility. In January 1995, Basel Committee on Banking Supervision revised Basel Capital Accord 1988 to the new form of "Amendments to the Capital Accord to Incorporate Market Risks". The Amendment adds "market risk" component in measuring Capital Adequacy Ratio (CAR). The Amendment describes two different approaches to calculate Value at Risk (VaR). They are standardized model and internal model.This research is using internal model with the help of Value at Risk (VaR) method on PT Bank X. It aims to identify the maximum loss possibility in portfolio value at a given level of confidence over a period of time on normal condition market. In measuring VaR using Risk Metric for confidence level and holding period can be done in three methods: Normal Standard Deviation, Exponential Weighted Moving Average (EWMA) and Generalized Autoregressive Conditional Heterocedasticity (GARCH). The use of these three methods depends on the result of data processing. Foreign currencies used in this research are United Stated Dollar (USD), Euro (EUR) and Great Britain Poundsterling (GBP). The time period of this research began from 15S October 2004 until 315` October 2005. In order to know data characteristic, data were examined on Stationary Test (Augmented Dicky FuelIer), Normality Test (Jarque Beta), and White Test Heterocedasticity Test.The results are heterocedastic for all the foreign exchange data therefore forecasting volatily measurement can be calculated by using EWMA method and Garch method for each foreign exchange. The result of volatily measurement is finally used to measure VaR on 95% confidence level. VaR for each foreign exchange (single asset VaR) which use 2 methods volatily, is examined by Kupiec Test. It aims to know the validity of each model through TNoF (Total Number of Failure) in Kupiec Test. The goal of this process is to find the best model. From the validity test result, it can be concluded that Garch method is better than EWMA on this research. The result of forecasting volatility from single asset VaR on each foreign exchange can be used for calculating VaR portfolio. In the end the result test of TNoF, the use of GARCH method of VaR portfolio is valid. The bottom line is VaR portfolio can capture the movement of actual loss."

"Jumlah kerugian pada masa yang akan datang diestimasi berdasarkan frekuensi terjadinya klaim dan rata-rata jumlah klaim yang terjadi pada periode sebelumnya. Jumlah nilai estimasi tidak akan pernah sama, meskipun kerugian masa lalu diakibatkan risiko yang sama. Hal ini dikarenakan terjadinya kejadian ekstrim pada ekor distribusi. Oleh karena itu diperlukan suatu cara dalam mengestimasi potensi kerugian yang akan datang. Estimasi ini berkaitan dengan dengan penentuan nilai atas suatu variable tertentu yang melampaui suatu tingkat probabilita tertentu. Ukuran yang lazim di digunakan adalah Value at Risk (VaR). EVT adalah metode dalam mengukur suatu risiko yang sifatnya ekstrim. PT XYZ menghadapi potensi kerugian risiko operasional namun tidak memiliki metode pengukuran risiko yang akurat.Penelitian ini mencoba menerapkan Metode Extreme Value Theory ? Peaks over Threshold sebagai alternative dalam menetukan nilai ekstrim. Data yang digunakan adalah data klaim asuransi kesehatan PT. XYZ dengan periode 1 Januari 2007 hingga 31 Desember 2008. Hasil uji backtesting dengan periode 1 Januari 2009 hingga 31 Desember 2009 menunjukkan metode tersebut dapat digunakan sebagai alternatif pengukuran risiko operasional bagi PT. XYZ.

---

The future annual loss burden is estimated on the basis of predicted claims frequency and predicted average individual claim amount. Total estimated value will never be the same, although past losses caused by the same risk. This is because the occurrence of extreme events on the tail distribution is therefore needed a way of estimating the potential losses that will come. This estimate relates to the determination of the value of a certain variable exceeds a certain level of probability. The size of the prevalent use is Value at Risk (VaR). EVT is a method for measuring the risk of an extreme nature. PT XYZ faces potential losses from operational risk but does not have an accurate method of measuring risk. These papers apply Extreme Value Theory Method - Peaks over Threshold as alternative in extreme determine the value. The data used is health insurance claims data PT. XYZ with the period of January 1, 2007 until December 31, 2008. Backtesting test results with the period of January 1, 2009 until December 31, 2009 shows the method can be used as an alternative operational risk measurement for PT.XYZ."