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."

"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."

"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."

"Perbankan Indonesia terus mengalami perubahan bentuk dan karakter secara signifikan pada beberapa dekade terakhir. Perubahan kebijakan-kebijakan dan regulasi perbankan, tekanan kompetisi dalam pasar perbankan dan keuangan, serta tuntutan kinerja menyebabkan bank harus dikelola secara lebih proaktif terhadap kondisi dan potensi bisnis.Perbankan sebagai lembaga perantara keuangan saat ini semakin dilihat sebagai salah satu media translasi dan transformasi risiko dari pemilik dana yang pada umumnya bersifat risk averse. Kemampuan perbankan dalam mengelola risiko semakin menjadi perhatian sejalan dengan peningkatan volume dan kompleksitas operasional bisnis, peningkatan frekuensi dan jumlah kerugian perbankan akibat tindakan kriminal yang melibatkan pihak internal (pekerja bank) dan eksternal (nasabah) serta beberapa kejadian seperti bencana alam, kebakaran, dan serangan terorisme telah mengakibatkan kerugian yang sangat signifikan pada suatu sistem perbankan yang dapat mengakibatkan collapsenya suatu bank.Berdasarkan ketentuan Basel II,maka bank berupaya untuk menerapkan internal model dalam perhitungan rasio modalnya terutama untuk mengetahui seberapa besar potensi kerugian yang akan dilanggung oleh bank di masa yang akan datang. Dengan diterapkannya internal model, otomatis akan berpengaruh terhadap komposisi Modal bank dan kemampuan ekspansinya. Untuk itu diperlukannya suatu data base yang mencatat kejadian yang menimbulkan kcrugian pada bank.Sesuai hasil pengamatan terhadap manajemen risiko operasional Bank DEF ditemukan bahwa bank tersebut menghadapi risiko operasional namun tidak memiliki metode pengukuran risiko yang akurat sehingga memerlukan adanya pendekatan alternatif yang lebih baik dalam mengukur risiko tersebut. Berdasarkan kondisi tersebut maka dalam rangka memberikan salah satu solusi dalam penghitungan risiko operasional, dilakukan penelitian untuk menentukan model estimasi probabilitas frekuensi dan severity of loss yang tepat dengan metode Aggregating Value at Risk (VaR) dalam manajemen risiko operasional Bank DEF.Data historis risiko operasional yang digunakan (Loss Event Data Base/LEDB) bersumber dari hasil audit internal. Selanjutnya dengan metode Aggregating VaR akan dibentuk Aggregated Loss Distribution dengan mengaggregasi dua distribusi yaitu fitted frequency dan fitted severity distribusi, kemudian dilakukan perhitungan potensi kerugian maksimal operasional dengan pendekatan Value at Risk (OpVaR) berdasarkan metode quantile dengan tingkat keyakinan 95%.Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Penelitian ini memberikan kesimpulan bahwa total nilai Operational Value at Risk (OpVaR) Bank DEF sebesar Rp25.942.954.779.Berdasarkan uji back testing yang telah dilakukan maka atas hasil estimasi VaR dapat diterima. Hal ini menunjukkan bahwa metode Aggregating VaR dapat diimplementasikan sebagai alai ukur besarnya risiko operasional. Mengingat sedang dikembangkannya internal model dalam penghitungan risiko operasional maka di masa mendatang Bank DEF dapat menggunakan Metode Aggregating VaR dalam perhitungan risiko operasional untuk basil yang lebih baik dan akurat.

---

In the last decade, Indonesian banking constantly develops and changes in size and characters. Many factors have caused banks to manage proactively focusing in business condition and potential, such as new regulation and policies in banking, the nature of bank and Financial Institution competitiveness, and business efficiency target.

Many risk adverse investors use banks role as one of intermediate financial institutions to deal with their money. Consequently, the need of risk management in banking is required since volume and business operational activities rise in bank. Financial impact in Illegal business activity between internal parts (bank staff) and external parts (customer) and several events such as natural disaster, fire, and terrorist attack have caused significant loses in banking system that could led to bank collapses.

Banking industry regulation-under Basel II Accord requires banks to implement internal model in measuring their capital ratio in sequence to predict how large their potential losses in the future in a certain time horizon and certain level degree of freedom. The result automatically will influence bank capital and expansion target. Further, data base to record all operational losses is needed.

The research found that Bank DEE; was faced potential operational losses when managing its operational risk. Nevertheless, Bank DEF did not have appropriate and accurate method in measuring operational losses, so that it should need an alternative approach. Concerning this situation, this research proposes a solution in measuring operational risk at Bank DEF.

Operational risk historical data (Loss Event Data Base (LEDB) were provided by DEF Bank Internal Audit Division. The aggregated loss distribution is resulted from two distributions (fitted frequency and severity) by applying aggregating VaR method with a confidence level 95%.

Operational Value at Risk (OpVaR) total is the total maximum potential losses estimation over a certain time horizon and with a certain degree of confidence level, based on historical data. The research concludes that the total Operational Value at Risk amount is Rp.25.942.954.779 with 95% degree of confidence.

Based on the back testing Value at Risk estimation was not rejected. The result showed that banks could implement aggregating VaR method to measure its operational risk, and as such Bank DEF is suggested to implement the method for its risk management system."

"Remaja merupakan agregat berisiko yang rentan mengalami kecelakaan. Penelitian ini dilakukan untuk mengetahui hubungan antara pengetahuan dan perilaku keselamatan diri anak SMP dengan risiko kecelakaan di sekolah. Penelitian ini menggunakan desain cross sectional dengan melibatkan 219 siswa SMP Negeri 10 Bekasi. Hasil penelitian menunjukkan 56,7% responden dengan pengetahuan tinggi dan 56,5% responden dengan perilaku baik memiliki risiko rendah kecelakaan di sekolah. Hasil uji korelasi menyatakan tidak ada hubungan antara pengetahuan dan perilaku keselamatan diri dengan risiko terjadinya kecelakaan di sekolah (p= 0,240, p= 0,585, α= 0,05). Hasil penelitian ini dapat dijadikan evidence based pentingnya diterapkan pendidikan kesehatan mengenai keselamatan diri di sekolah.

---

Adolescents are the risk aggregate that often have accidents. The purpose of study to examine the relationship between knowledge and behaviour personal safety among student with the risk accidents in school. This study used cross sectional design involved 219 students in SMP Negeri 10 Bekasi. The result showed 56,7% adolescents who high knowledge and 56,5% adolescents who good behaviour have low risk accidents in school. Based on correlation test, there wasn’t relationship between knowledge and behaviour personal safety among student with the risk accidents in school (p= 0,240, p= 0,585, α= 0,05). This study can be used evidence based to apply personal safety education in school."

"Risiko kegiatan usaha perbankan semakin kompleks sejalan dengan pesatnya perkembangan lingkungan ekstemal dan internal di dalam dunia perbankan. Untuk itu agar mampu beradaptasi dalam lingkungan bisnis perbankan, bank dituntut untuk mencrapkan manajemen risiko. Sesuai dengan Amendment terhadap Basle Capital Accord (BCA) 1988 yang dikeluarkan oleh The Basle Committee on Banking Supervision pada bulan Januari 1996, perbankan diharapkan untuk memasukkan unsur risiko pasar dalam perhitungan Capital Adequacy Ratio (CAR).Risiko pasar didefinisikan sebagai risiko yang timbul karena adanya pergerakan variabel pasar (adverse movement) dari portofolio yang dimiliki oleh bank, yang dapat merugikan bank. Dalam penelitian ini komponen risiko pasar yang dijadikan objek penelitian adalah risiko nilai tukar.Sesuai dengan BCA tahun 1996, pengukuran risiko yang dihadapi bank dapat dilakukan dengan standardized approach ataupun menggunakan internal model. Untuk internal model Basle Accord mensyaratkan penggunaan Value at Risk (VaR) dalam penerapannya. VaR mengukur maksimum potensi kerugian yang diyakini akan terjadi pada kurun waktu tertentu, dengan tingkat keyakinan tertentu dan pada kondisi pasar yang normal.Latar belakang penulisan karya akhir dengan judul Analisis Perbandingan Pengukuran Risiko Pasar Posisi Devisa Neto dengan Pendekatan Metode Standar dan Model Internal (VaR - Metode Varian Kovarian) adalah karena sejak diberlakukannya Peraturan Bank Indonesia No.5/121PBI12003 bank wajib menghitung penyediakan modal minimum untuk mengcover risiko pasar dengan metode standar, yang salah satu faktor risikonya adalah risiko nilai tukar. Penyediaan modal khusus risiko nilai tukar dengan metode standar diperhilungkan sebesar 8% dari Posisi Devisa Neto bank. Perniasalahan yang timbul adalah bahwa penyediaan modal minimum bagi setiap bank diwajibkan menggunakan tarif yang sama yaitu 8%. Hal ini dapat mengakibatkan besarnya penyediaan modal (capital charge) dimaksud tidak tepat dibandingkan dengan kebutuhannya (terlalu besar atau bahkan terlampau sedikit). Dari sisi pengelolaan asset dan kewajiban (Assets and Liabilities Management) hal ini dapat merugikan bank, karena dapat mengakibatkan idle fund, atau sebaliknya justru membebani solvabilitas bank akibat kerugian yang tidak terantisipasi.Mengingat dalam BCA tahun 1996 perhitungan modal minimum risiko pasar dapat dimungkinkan dilakukan dengan model internal dengan pendekatan Value at Risk (VaR), dengan demikian timbul pertanyaan manakah dari kedua metode tersebut yang lebih efisien sehingga idle fluid yang timbul akibat peneadangan modal dan beban solvabilitas bank dimaksud dapat diminimalisir.Tujuan penulisan ini adalah untuk mengetahui seberapa efisien pengukuran risiko pasar khususnya nilai tukar dapat diestimasi oleh kedua metode tersebut dan manakah dari kedua metode dimaksud yang lebih balk untuk diterapkan dalam perhitungan modal minimum yang harus disediakan bank untuk mengcover potensi kerugian bank akibat fluktuasi nilai tukar.Perhitungan capital charge dengan metode standar dilakukan sesuai ketentuan Bank Indonesia dimaksud, sedang perhitungan dengan model internal dilakukan dengan cara perhitungan Value at Risk dengan metode Varian Kovarian. Data yang menjadi bahan analisis adalah posisi nilai tukar PT Bank ABC yang terdiri dari 5 (lima) mats uang asing, yaitu GBP, EUR, USD, JPY dan SGD. Sementara periode yang digunakan dalam analisis ini adalah dari 1 Oktober 2003 sampai dengan 31 Oktober 2005, yaitu 508 hail. Khusus dalam perhitungan VaR , Confident level yang dipergunakan adalah 95% dan holding period selama 1 hari.Berdasarkan hasil uji nonnalitas, dapat diketahui bahwa seluruh data series return setiap mata uang asing tersebut adalah tidak normal, sehingga nilai a yang diperhitungkan dicari dengan teori Cornish Fisher Expansion. Sementara itu, dari basil uji volatilitas data return seluruhnya merupakan heteroscedastic. Oleh karena itu forecasting volatilitas data mempergunakan model ARCH/GARCH.Hasil perhitungan capital charge untuk portfolio mata uang PT Bank ABC dengan metode standar sebesar Rp2.951 juta jauh lebih besar dibanding jika menggunakan model internal (VaR) yaitu sebesar Rp297 juta. Sementara dan hasil pengujianvaliditas model internal VaR dengan Kupiec Test, metode Total Number of FaiIure(TNoF) terdapat kesalahan/failure sebanyak 20 (dua puluh) tanggal dan Likelihood Ratio sebesar 1,595 < 3,841 berdasarkan tabel chi square. Sementara itu untuk metode standar tidak dilakukan uji validasi karena angka 8% untuk perhitungan capital charge bersifat mandatory dari Otoritas Pengawasan Perbankan. Dengan demikian perhitungan capital charge menggunakan model internal jauh lebih efisien dibandingkan dengan penggunaan metode standar.Agar terjadi efisiensi penggunaan dana yang pada akhirnya akan lebih meningkatkan pertumbuhan usaha bank, maka penggunaan model internal (VaR) untuk keperluan penyediaan modal minimum bank terkait dengan risiko pasar perlu dipercepat. Namun apabila ketentuan Bank Indonesia telah dapat memperbolehkan bank menyediakan modal minimum dimaksud dengan perhitungan model internal (VaR) maka baik pihak Bank Indonesia yang akan berperan sebagai validator dan bank sebagai pelaksana penerapan model internal harus bersaina-sama mempersiapkan sumber daya manusia dan teknologi informasi untuk mengantisipasinya.

---

In line with the growing complexities of the banking activities, the nature of risks in banking industry are rapidly changing and becoming more difficult to,zesist. Taken into account of such risks, banks are increasingly encouraged to apply more prudent risk management Based on Basle Capital Accord which is issued by The Basle Committee on Banking Supervision in January 1996, as Amendment of Basle Capital Accord 1988, banks is expected to sufficiently cover the element of market risk for their calculation of Capital Adequacy Ratio (CAR).

Market risk is defined as a risk of loss on the entire portfolio held by the bank, which arise due to adverse movement of market variables. In our research, the particular component of market risk taken as research object is exchange rate risk.

According to Basle Accord (1996 Amendments), banks may develop and make use of internal systems or employ standardize approach as a basis of their assessment of market risk. In case of applying internal model, Basle Accord requires the bank to adopt Value at Risk (VaR) approach. VaR approach measures potential maximum loss of which may occur in certain holding period, particular level of confidence and normal market condition.

The motivation of the research, entitled "Comparative Analysis of the Measurement Of Market Risk of Foreign Exchange Net Open Position Using Standardized Method and Internal Model (VaR - Variance Covariance Method)", is related with the adoption of Bank Indonesia Regulation No. 51121PBll2003 which required the bank to provide adequate capital to cover market risk by using standardized method, pp rtieularly exchange rate risk as one of risk factors. Applying standardized method, the minimum amount of capital required to cover exchange rate risk is uniformly set at 8% of the Net Open Position posed by particular bank. This unifolnmity may create problems since it may not fairly reflect the actual risk should be covered by the banks (resulting in over/underestimate the calculation of minimum capital required to cover such a risk). From the Asset and Liabilities Management point of view, imprecise calculation of minimum capital may result in potential loss or opportunity profit forgone due to excessive idle fund. By contrast, it could also give extra burden to the bank in case bank's capital is not adequate to cover unanticipated loss.

Meanwhile, based on Basle Accord 1996, minimum capital requirement could be calculated using internal model (adopting VaR approach), it may be queried which method offers better estimate in terms of minimizing idle fund and realistically reflect actual risk.

The aim of this researsch is to measure how efficient market risk calculated using standardized method and internal model with VaR approach and which one of the two methods is better applied by bank to calculate minimum capital to cover potential loss of exchange rate volatility.

The calculation of capital charge using standardized method is based on Bank Indonesia regulation, while VaR (Variance-Covariance method) is adopted for internal model approach. Data used for the analysis are exchange rate position of PT Bank ABC consisted of 5 foreign currencies (GBP, EUR, USD, JPY, and SOD). The period of analysis is from 1 October 2003 to 31 October 2005 (508 days). For the calculation of VaR, 95% level of confidence is applied and holding period is set at one day.

Based on normality test, all of the series reveal non-normality, so the value of a should be calculated using Cornish Fisher Expansion. Meanwhile, our volatility tests showed that the entire data are heteroschedastic. Therefore, volatility forecast is conducted using ARCH 1 GARCH.

Using standardized method, capital charge for the currency portfolio of PT Bank ABC is amounted to Rp2.95 t million much higher compared to internal model (VaR) that is amounted to Rp297 million. The test on validity internal model using Kupiec Test showed that the model is valid because the Total Number of Failure (TNOF) is amounted to 20 failures and Likelihood Ratio is 1,595 < 3,841 list of chi square. Meanwhile for the standardized method is not tested for validity of the method because 8% as capital charge is provided by Banking Supervisory Authority. Therefore by using internal model in capital charge calculation is much more efficient comparing to using standardized method.

Concerning the efficiency in fund management, which in general may prudently boost the bank business, the inception of internal method for calculating market risk should be speed up. However, if Bank Indonesia permits the banks to adopt internal model for their own risk assessments, Bank Indonesia should review the use of such measurement regularly. In addition, it is important for the banking industry to continuously develop their human resources capacity and apply appropriate Information System Technology."

"Penelitian ini mengkaji sebuah model perancangan pengukuran risiko operasional yang menggunakan ANP sebagai alat dalam penentuan bobot kriteria risiko pada perusahaan pembiayaan konsumen. Identifikasi risiko operasional dengan menggunakan metode Risk Breakdown Structure (RBS) menunjukkan terdapat 21 kelompok risiko dengan 569 item risiko operasional dari 12 departemen yang ada pada operasional cabang PT ABC. Risiko-risiko tersebut kemudian ditransformasi dengan mengacu Basell II Committe dengan sevent event loss categorie dengan 21 kelompok risiko. Dengan responden expert, hasil ANP menunjukkan bahwa risiko kegagalan sistem dan gangguan bisnis merupakan kelompok risiko tertinggi dibanding kategori risiko lainnya. Model strategi penanganan mengadopsi model empat strategi penanganan risiko yaitu risk acceptance, risk avoidance, risk sharing/transfer, dan risk mitigation yang disesuaikan dengan kebutuhan dan kondisi lapangan serta tingkat frekuensi dan dampak yang ditimbulkan. Pola controlling dan monitoring diterapkan dua model strategi yaitu On Going Monitoring (Pemantauan Berkelanjutan) yang penanggung jawabnya melekat pada PIC operasional. Dan yang lain yaitu : Separate Monitoring (Pemantauan oleh Pihak Ketiga : Internal Audit atau External Audit) dalam tiga kelompok yaitu : Self Compliance/Assesment, Internal Audit dan External Audit.

---

This study examined a model of operational risk measurement design using ANP as a tool in determining the risk criteria weight on consumer finance companies. Identification of operational risk using the Risk Breakdown Structure (RBS) showed there were 21 risk group and 569 items of operational risk from the existing 12 departments at the operational branch of PT ABC. Risks are then transformed by referring Basell II Committee with sevent loss event categories with 21 groups of risk. With expert respondents, ANP results showed that the risk of system failure and business disruption is the highest risk group compared to other risk categories. Model management handling strategies adopted four model risk management handling strategies that is risk acceptance, risk avoidance, risk sharing / transfer, and risk mitigation tailored to the needs and conditions in the field and the level of frequency and impact. The pattern of controlling and monitoring strategies applied two models namely On Going Monitoring (Monitoring Sustainability) that the insurer responsibilities inherent in the PIC operation. And another is: Separate Monitoring (Monitoring by Third Party: Internal Audit or External Audit) in the three groups, namely: Self Compliance / Assessment, Internal Audit and External Audit."

"Bisnis kartu kredit di Indonesia berkembang cukup pesat dalam dekade terakhir ini. Hal ini dapat dilihat dari banyaknya pelaku bisnis yang terjun ke bisnis kartu kredit, baik sebagai penerbit kartu (issuer) maupun pemroses transaksi (acquirer). Namun seiring dengan berkembangnya bisnis tersebut, ternyata diikuti dengan meningkatnya jenis dan tingkat kejahatan kartu kredit di Indonesia. Untuk itu diperlukan para pelaku bisnis di kartu kredit harus dapat mengukur berapa risiko operasional yang dialaminya serta bagaimana upaya-upaya yang harus dilakukan untuk meminimalkan terjadinya risiko operasional tersebut.Card Center PT Bank ABC termasuk salah satu pelaku pada bisnis kartu kredit di Indonesia. Namun hingga saat ini belum memiliki satu model yang bisa digunakan untuk menghitung berapa besarnya kerugian yang diakibatkan oleh risiko operasional. Berdasarkan permasalahan tersebut maka penulisan karya ilmiah kali ini dilakukan untuk mengukur besarnya kerugian yang diakibatkan oleh risiko operasional, terutama karena external fraud. Pembatasan permasalahan hanya pada pengukuran kerugian akibat external fraud dikarenakan untuk saat ini, data yang tersedia pada Card Center PT Bank ABC yang paling lengkap dan tersedia dengan rapi adalah data kerugian jenis risiko external fraud.Penelitian dilakukan dengan mengambil data-data harian dari kejadian external fraud dengan jenis: counterfeit, fraud application, fraud cash advanced, NRI, lost/stolen, fraud use, MOTO, dan others. Sedangkan periode penelitian diambil dari 1 Januari 2002 hingga 30 Juni 2005, dengan alasan data sudah mulai tersedia dengan rapi mulai tahun tersebut.Metode yang digunakan dalam penelitian ini adalah metode analisis simulasi, tepatnya dengan simulasi Monte' Carlo. Sedangkan model yang dipakai adalah Aggregating Model. Model ini mengagregasikan frekuensi dan severity dari kejadian external fraud. Distribusi frekuensi yang digunakan adalah distribusi Geometric, sedangkan distribusi severity yang digunakan adalah distribusi Lognormal. Pemilihan kedua jenis distribusi tersebut didukung dengan serangkaian goodness of fit test. Setelah jenis distribusi ditentukan kemudian dilakukan penghitungan Operational VaR. Perhitungan dilakukan pada spreadsheet Excell® dengan melakukan simulasi Monte Carlo. Proses iterasi dilakukan sebanyak 10000 kali. Pcnghitungan dilakukan beberapa kali untuk mendapatkan rata-rata berapa nilai Operational VaRnya. Langkah berikutnya adalah melakukan hack testing. Pengujian ini untuk mengetahui keakuratan model yang dipergunakan. Back testing dilakukan dengan Kupiec Test.Dan perhitungan yang tclah dilakukan, dapat disimpulkan bahwa pengukuran risiko operasional akibat external fraud pada PT Bank ABC dengan menggunakan Aggregating Model dapat diterima. Dengan pengukuran risiko operasional ini, diharapkan Card Center PT Bank ABC dapat mengetahui berapa risiko yang dialarni dan berapa prediksinya di periode berikutnya.Proses ini tentu tidak berhenti sampai di pengukuran saja tetapi juga memerlukan tindak lanjut berupa upaya-upaya untuk meminimalkan terjadinya risiko. Upaya-upaya yang dilakukan antara lain dengan melakukan mitigasi atas risiko yang ada dan tindakan preventif dengan tepat.

---

In last decade, credit card industry is growing very well in Indonesia. It can be showed from so many players in this field, both as issuer or as acquirer. But parallel with growing of the business, it is also followed by increasing of fraudulent in credit card. Therefore, all players in this business have to be able to assess and measure inherent operational risk in their business. They also must be able to minimize operational risk.

Card Center PT Bank ABC, is one of the players in credit card business in Indonesia. But until now, it has not had a specific model yet to measure its losses caused by operational risk. Based on this problem, the purpose of this research is to measure the impact of operational risk, especially external fraud. Research is focused only in external fraud event due to the source data of this risk already available compared to the others.

The data were taken from Risk Management Unit (RMU) in Card Center PT Bank ABC in daily basis. It contains of eight kinds of external fraud: counterfeit, fraud application, fraud cash advanced, NRI, lost/stolen, fraud use, MOTO, and others. And the period is from 1st January 2002 until 30th June 2005.

This research used Monte Carlo simulation analysis method, with Aggregating Model, which aggregate frequency and severity distribution. This research used Geometric frequency as frequency distribution, and Lognormal distribution as severity distribution. By Goodness of l=it test we can get the best distribution. Having calculated separately both severity and frequency process then combined them into one aggregated loss distributions. The aggregation of loss distribution allows us to predict a figure for the operational losses with certain degree of freedom. In this research we used confidence level 95%. The Monte Carlo simulation can be run in spreadsheet Excel. The iteration is processed 10000 times. To get the average of operational VaR the simulation must be done in several times.

To validate the model against actual operational losses to check the accuracy of its estimation, it is must continued with the next step, back testing. It has two steps, first is a basic analysis, and second is a statistical analysis. In statistical analysis we use Kupiec Test. With Kupiec Test, we can check the violations ratio (number of exception/total sample) of the model matches the confidence level determined.

According to the test, there is one violation occurred in 53 periods. And the result of LR value is smaller than critical value. So, we could accept the model to measure external fraud event. Card Center PT Bank ABC can use the model to measure and predict operational risk in the future caused by external fraud with Aggregating Model-Monte Carlo simulation. This process must continue with other efforts to minimize operational risk, such as mitigation and preventive actions."

"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."