Hasil Pencarian  ::  Simpan CSV :: Kembali

"Risiko operasional merupakan salah satu jenis risiko pada perbankan yang wajib dikelola dengan baik karena sifatnya yang melekat pada setiap aktifitas fungsional bank. Dalam pengelolaan risiko operasional, bank dipersyaratkan untuk memperhitungkan kerugian yang diperkirakan dan kerugian yang tidak diperkirakan dalam kebutuhan modal bagi risiko operasional. Kebutuhan modal bagi risiko operasional ini dikenal sebagai Economic Capital (EC). Komite Basel dalam aturan Basel II, memberikan tiga pendekatan dalam perhitungan EC salah satunya pendekatan Advanced Measurement Approach (AMA). Metode AMA yang banyak digunakan adalah metode Loss Distribution Approach (LDA). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan loss frequency distribution (distribusi frekuensi) kemudian membentuk aggregate loss distribution dari gabungan kedua distribusi tersebut. Nilai EC dengan metode LDA didapat dari Value at Risk (VaR) pada aggregate loss distribution dengan tingkat kepercayaan 99,9%. Permasalahan dari metode LDA saat ini adalah dalam mengestimasi distribusi severitas masih berbasis pada suatu model distribusi tertentu, padahal banyak kasus dimana data tidak dapat digambarkan dengan baik oleh suatu model distribusi yang sudah ada. Oleh karena itu, dalam tulisan ini akan dijelaskan solusi dari permasalahan tersebut, yaitu dengan mengestimasi distribusi severitas berbasis pada data. Metode yang digunakan adalah Kernel Density Estimation (KDE). KDE merupakan suatu pendekatan statistika non-parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak jika diasumsikan bentuk atau model distribusi dari variabel acak tersebut tidak diketahui. Hasil dari penelitian adalah estimasi distribusi severitas oleh KDE lebih baik dalam menggambarkan data dibandingkan dengan menggunakan model distribusi tertentu. Nilai EC yang dihasilkan oleh metode LDA yang menggunakan KDE lebih kecil 1,6 – 3,2% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tertentu.

---

Operational risk is one kind of risk on banking which must be managed well because of its character is inherent in every fungtional activity in Bank. In the management of operasional risk, Bank must be able to calculate a predictable loss and an unpredictable loss in capital requisite for operasional risk. The capital requisite in operasional risk is known as Economic Capital (EC). In the regulation of Basel II, Committee Basel gives three approaches of calculation in EC. One of that is Advanced Measurement Approach (AMA). In AMA method that is the most used in approach is Loss Distribution Approach (LDA) method. In LDA method, Bank must be able to estimate loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) and aggregate loss distribution is formed from both of them. Through LDA method, the value at EC can be gotten from Value at Risk (VaR) in aggregate loss distribution with the level of confidence reaches 99,9%. The problem from LDA method recently is in estimation a severity distribution which is still refers to a model on particular distribution whereas there are many cases which can not describe a data well through a distribution model that has been there. Therefore, in this paper, it will be explained how to face or the good solution from that problem. The good solution to face it is through estimation severity distribution that is refers to the data with using Kernel Density Estimation (KDE) method. KDE is a statistic approach non- parametric to estimate the function of distribution from disordered variabel that has not known. The result on this research is estimation of severity distribution through KDE is better than another in describing the data. LDA method using KDE is smaller the value at EC 1,6 % - 3,2 % than the value at EC using another distribution model in LDA method."

"Risiko adalah suatu kejadian atau tindakan yang berdampak negatif terhadap kemampuan lembaga untuk mencapai tujuan dan menentukan strategi. Salah satu pendekatan untuk mengukur risiko operasional adalah Advanced Measurement Approach (AMA), dimana bank diperkenankan untuk mengolah data internal dengan model yang dikembangkan secara internal. Dengan metode Loss Distribution Approach di AMA, bank mengestimasi dua fungsi distribusi probabilitas, yaitu distribusi frekuensi kerugian dan distribusi severitas kerugian tahunan pada setiap risiko. Selanjutnya, kedua fungsi distribusi tersebut digabungkan menjadi distribusi majemuk untuk menentukan value at risk masingmasing risiko menggunakan simulasi Monte Carlo pada tingkat kepercayaan 99,9%. Nilai risiko yang mungkin terjadi diluar estimasi distribusi severitas dapat mempengaruhi value at risk, sehingga dapat mempengaruhi prediksi rencana bisnis untuk tahun yang akan datang. Metode One-Class Support Vector Machine (SVM) dapat digunakan untuk mendeteksi data outlier tersebut. Dalam beberapa kasus, metode statistik tidak dapat mendeteksi data outlier. Selain itu, dalam menentukan data outlier tergantung pada seberapa penting informasi yang diperlukan dari data outlier tersebut, sehingga penentuannya bersifat subjektif. Adapun tujuan simulasi pada tulisan ini adalah melakukan analisis penggunaan metode One-Class SVM dalam mendeteksi outlier pada distribusi severitas dan pengaruh outlier pada perhitungan value at risk. Dari hasil analisis diperoleh data outlier yang mempengaruhi perhitungan value at risk.

---

Achieve its objectives and execute its strategies. One approach to measure operational risk is the Advanced Measurement Approach (AMA), which allows banks to process internal data with internally developed models. Under the Loss Distribution Approach in AMA, the bank estimates two distribution functions of the annual loss data to generate compound distribution to determine value at risk of each risk using Monte Carlo simulation at 99.9% confidence level. The risk amount that may occur outside of the estimated loss severity distribution can affect the value at risk, so that it can affect the prediction of business plan for the next years. In some cases, statistical methods cannot detect outliers and its determination is relatively subjective. The purpose of the simulations in this paper is to perform analysis of the use of One-Class SVM in detecting outliers in the loss severity distribution and the effect of the outliers on the value at risk. As a result, the outliers have successfully been detected in the loss severity distribution and there is the effect of the outliers on the value at risk."

"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."

"Abstrak ini menggambarkan analisis komprehensif mengenai risiko operasional yang terkait dengan pelaksanaan proyek Engineering, Procurement, dan Construction (EPC) dengan menggunakan metode Loss Distribution Approach (LDA). Penelitian ini menggunakan data historikal kerugian operasional pelaksanaan proyek EPC sejak Januari 2019 hingga Desember 2022. Penelitian ini menunjukkan nilai Operational Value At Risk sebesar Rp17,68 miliar dengan percentile 95% dan Rp41,44 miliar dengan percentile 99% yang telah dinyatakan valid setelah dilakukan Back Testing. Dengan dilakukannya analisis kerugian berbasiskan data historikal, diharapkan perusahaan EPC yang mengalami kerugian dapat memahami dan menjadikan penelitian ini sebagai lesson learned dan memitigasi risiko operasional yang mungkin terjadi pada proyek yang sedang berjalan sehingga potensi kerugian dapat diminimalisir.

---

This abstract describes a comprehensive analysis of operational risks in engineering, procurement, and construction (EPC) business by using calculation of loss distribution approach methods. This research uses the historical of operational losses from January 2019 to December 2022. This research shows the Operational Value At Risk is Rp17,68 billion with percentile 95% and Rp41,44 billion with a percentile of 99% and declared valid after Back Testing. By carrying out analysis losses based on historical data, the EPC companies are expected to be able to understand and make this research a lesson learned and mitigate operational risks that may occur in ongoing projects in order to minimize the potential loss."

"Risiko adalah kemungkinan kerugian pada bank akibat terjadinya suatu peristiwa. Risiko yang paling melekat pada setiap kegiatan bisnis perbankan adalah risiko operasional. Untuk mengurangi risiko operasional telah diatur beberapa metode penghitungan risiko ini yaitu metode standar dan metode lanjutan atau advance measurement approach. Metode standar memiliki beberapa keterbatasan diantaranya mengasumsikan tingkat risiko langsung proporsional terhadap ukuran gross income, sehingga bank diperkenangkan untuk mengolah data sendiri dengan metode AMA. Salah satu metode AMA yang sering digunakan adalah loss distribution approach . LDA menggunakan data bank yang terdiri dari 8 lini bisnis dan 7 tipe kejadian. Dengan metode LDA, bank mengestimasi dua fungsi distribusi dari data loss tahunan yaitu fungsi distribusi dari frekuensi dan fungsi distribusi dari severitas, kedua distribusi di compound dan ditentukan Value at Risk masing-masing risiko menggunakan metode Monte Carlo pada quantile 99,9%. Untuk perhitungan nilai economic capital dalam tesis ini ada 2 asumsi yaitu asumsi semua risiko bergantung sempurna (completely dependent) dan saling bebas (independent). Adapun tujuan simulasi pada paper ini adalah melakukan studi eksperimental perhitungan economic capital dengan menggunakan LDA. Dari hasil simulasi diperoleh nilai economic capital yang stabil (konvergen ke suatu nilai) pada jumlah sampel 106.

---

Risk is the possibility of losses on the bank due to the occurrence of an event. Most risk inherent in any banking business activities is operational risk. To reduce operational risk in has arranged some methods of calculating this risk of standard method or advanced methods or Advance Measurement Approach. The standard method has some limitations such as the level of risk assumed directly proportional to the size of the gross income, so bank allowed to process its own data with AMA. One AMA often used is Loss Distribution Approach. LDA is using a data bank that consisting of 8 business line and 7 even types. With the LDA method , the bank estimates two distribution function of annual loss data is distribution of frequency and severity, the two distribution in compound and determined the Value at Risk of each risk using Monte Carlo method on the 99.9% quantile. For the calculation of Economic Capital in this thesis there are two assumptions are assuming all risks of completely dependent and independent. The purpose of simulations in this paper is to conduct experimental study of Economic Capital calculation using LDA. From the simulation results Economic Capital stable (convergent) on the number of samples 106."

"Tesis ini membahas metode pengukuran untuk mengetahui jumlah besaran nilai klaim sebagai pencadangan biaya klaim kecelakaan pada perusahaan asuransi PT Jasa Raharja (Persero). Hasil yang diperoleh menyatakan bahwa distribusi frekuensi mengikuti pola distribusi Poisson dengan perhitungan Chi Square baik pada tingkat keyakinan 95 % maupun 99 %. Sementara distribusi severitas menghasilkan bahwa distribusi severitas mengikuti pola distribusi Eksponensial melalui pendekatan Chi Square pada tingkat keyakinan 95 % dan 99 %. Dalam pengukuran OpVaR menggunakan metode Loss Distribution Approach-Actuarial Model pada tingkat keyakinan 95 % dan pada tingkat keyakinan 99 %. Uji validitas yang menggunakan Kupiec Test untuk tingkat keyakinan 95 % dan 99 % yang menunjukkan metode Loss Distribution Approach-Actuarial Model valid digunakan dalam pengukuran OpVaR pada klaim kecelakaan PT Jasa Raharja (Persero).

---

Increasing society in their activity and to be easier for transportation access can appear accident risk. In regional, it will impact to accident claim proposal. From Operational Value at Risk Measurement notice that the frequency of loss distribution follows a Poisson distribution. It has a significant at confidence level in 95 % and also 99 %. Distribution of loss severity follows the exponential distribution with confidence level of 95 % and 99 %. Operational Value at Risk measurement by LDA-Actuarial method are IDR 223.023.374.267,- in confidence level of 95 % and IDR 295.023.374.267,- in confidence level of 99 %. Back testing with Kupiec Test is used for validity model to find out the accuracy of potential loss in confidence level of 95 % and 99 % that showed Loss Distributioan approach-Actuarial Method is valid to calculate Operational Value at Risk on Accident Claim in Jasa Raharja Company."

"[ABSTRAKKelemahan dari pendekatan Basic Indicator Approach (BIA), Standardised Approach (SA), & Alternative Standardised Approach (ASA) terutama dari penggunaan gross income yang digunakan sebagai proxy untuk eksposur risiko operasional, kemudian tidak memperhitungkan fakta bahwa eksposur risiko operasional meningkat dengan ukuran bank secara non-linear. Penulis mencoba menganalisa pendekatan New Standardised Approach (NSA) yang baru saja diperkenalkan oleh BCBS291 (Oktober 2014) dengan dua strategi yang terdiri dari penyempurnaan perhitungan SA dengan menggunakan business indicators (BI) sebagai proxy perhitungan modal risiko operasional dan meningkatkan kalibrasi dari koefisien perhitungan modal risiko operasional berdasarkan range gross income tanpa melihat lagi faktor β (beta) dari 8 (delapan) business lines. BI menggunakan 3 (tiga) makro komponen, yaitu interest component, services component, dan financial. Pendekatan NSA terlihat cukup konservatif didalam mengalokasikan Operational Capital at Risk (OpCaR) dengan nilai pencadangan yang lebih besar dibandingkan dengan BIA & SA. Kemudian untuk melihat efisiensi alokasi OpCaR dalam penelitian ini dianalisa pendekatan AMA dengan metode Actuarial Loss Distribution Approach menggunakan matriks dimensi 8 (delapan) business lines (BL) dan 7 (tujuh) event type (ET). Dengan mencari distribusi yang paling fit untuk mengestimasi frekuensi dan severitas dari kerugian operasional, dari matriks [ ] hanya dapat mengisi 21 data pada matriks [ ] yang seluruhnya berjumlah 56. Pada Akhirnya hasil OpCaR dengan LDA jauh lebih efisien dan mendekati nilai real losses bank ABC dibandingkan dengan NSA.

---

ABSTRACTOne of the weaknesses from Basic Indicator Approach (BIA), Standardized Approach (SA), and Alternative Standardized Approach (ASA) is the use of gross income as proxy for operational risk exposure. Moreover, it does not take into account the fact that operational risk exposure increases non-linearly with the size of the bank. The Author tries to analyze the New Standardized Approach (NSA) that recently introduced by BCBS291 (October 2014) with two strategies consisting of, improvement of the SA calculations using business indicators (BI) as a proxy for operational risk capital calculation and improve calibration of coefficient in the measurement of operational risk capital based on range of gross income without seeing another β (beta) factor of 8 (eight) business lines. BI using three (3) macro components, there are interest component, services component, and financial component. NSA looks fair and more conservative in allocating Operational Capital at Risk (OpCaR) with higher number than BIA and SA. Moreover, we want to see the efficiency of OpCaR allocation in this study by analyzing AMA with Actuarial Loss Distribution Approach using dimensional matrix between 8 (eight) business lines (BL) and 7 (seven) event types (ET) as comparison. By searching for the most fit distribution to estimate the frequency and severity of operational losses of the matrix [ ], we get 21 instead of 56 data of matrix [ ]. At the end of analysis, OpCaR result from LDA is much more efficient and closer to the real value of the ABC bank losses compared to NSA., One of the weaknesses from Basic Indicator Approach (BIA), Standardized Approach (SA), and Alternative Standardized Approach (ASA) is the use of gross income as proxy for operational risk exposure. Moreover, it does not take into account the fact that operational risk exposure increases non-linearly with the size of the bank. The Author tries to analyze the New Standardized Approach (NSA) that recently introduced by BCBS291 (October 2014) with two strategies consisting of, improvement of the SA calculations using business indicators (BI) as a proxy for operational risk capital calculation and improve calibration of coefficient in the measurement of operational risk capital based on range of gross income without seeing another β (beta) factor of 8 (eight) business lines. BI using three (3) macro components, there are interest component, services component, and financial component. NSA looks fair and more conservative in allocating Operational Capital at Risk (OpCaR) with higher number than BIA and SA. Moreover, we want to see the efficiency of OpCaR allocation in this study by analyzing AMA with Actuarial Loss Distribution Approach using dimensional matrix between 8 (eight) business lines (BL) and 7 (seven) event types (ET) as comparison. By searching for the most fit distribution to estimate the frequency and severity of operational losses of the matrix [ ], we get 21 instead of 56 data of matrix [ ]. At the end of analysis, OpCaR result from LDA is much more efficient and closer to the real value of the ABC bank losses compared to NSA.]"

"Komposisi pegawai Instansi XYZ yang sebagian besar berasal dari mahasiswa ikatan dinas, memunculkan potensi risiko berupa kerugian Instansi jika pegawai tersebut berhenti sebelum masa ikatan dinasnya berakhir. Dengan demikian, Instansi XYZ perlu memberikan perhatian yang khusus atas risiko yang berkaitan dengan sumberdaya manusia. Berhentinya pegawai merupakan salah satu risiko operasional yang berkaitan dengan sumberdaya manusia. Pengukuran risiko yang merupakan salah satu tahapan dalam manajemen risiko dan akan digunakan sebagai salah satu langkah bagi Instansi XYZ dalam menerapkan manajemen risiko. Penelitian yang dilakukan menyimpulkan bahwa (1) dengan Chi-Square goodness of fit test, frequency of loss distribution pemberhentian pegawai sebelum masa ikatan dinasnya berakhir pada Instansi XYZ mengikuti distribusi Poisson karena hasilnya signifikan pada tingkat keyakinan 95% maupun 99%; (2) dengan Chi-Square goodness of fit test, distribusi severitas kerugian pemberhentian pegawai mengikuti distribusi Lognormal pada confidence level 95% maupun 99%; (3) Pengukuran OpVaR dengan menggunakan Loss Distribution Approach - Actuarial Model memperoleh nilai Operational Value at Risk (OpVaR) pada tingkat keyakinan 95 % sebesar Rp 220.683.463,00 dan untuk tingkat keyakinan 99% sebesar Rp 348.157.546,00; (4) pengujian validitas model dengan Kupiec Test untuk confidence level 95% dan 99% menunjukkan Loss Distribution Approach - Actuarial Model valid untuk digunakan dalam pengukuran Operational Value at Risk (OpVaR) atas pemberhentian pegawai sebelum masa ikatan dinasnya berakhir pada Instansi XYZ.

---

The composition of XYZ Institution's employees who mostly come from the students bond department, raises the potential risk of loss when the employee quit before the end of his official bond. Thus, XYZ Institution should give particular attention on the risks associated with human resources. Dismissal of employees is one of the operational risk associated with human resources. Risk measurement is one of the stages in risk management and to be used as one step for the XYZ Institution in applying risk management.

Research carried out the conclution that (1) by Chi-Square goodness of fit test, the frequency of loss distribution on dismissal of employees before the period ends on his official bond in XYZ Institution follows a Poisson distribution because the results are significant at a confidence level of 95% or 99%, (2) with Chi-Square goodness of fit test, the distribution of loss severity on dismissal of employees follows the lognormal distribution at the confidence level of 95% or 99%, (3) Measuring OpVar using the Loss Distribution Approach - Actuarial Models obtained value of Operational Value at Risk (OpVar) at the confidence level of 95% amounting IDR 220,683,463.00 and for the confidence level of 99% amounting IDR 348,157,546.00, (4) test on validity of the model with the Kupiec test for the confidence level of 95% and 99% indicated that Loss Distribution Approach - Actuarial Models is valid for the usage in measuring Operational Value at Risk (OpVar) over the dismissal of employees before the period ends on his official bond in XYZ Institution."

"Penelitian ini membahas pengukuran risiko operasional kerugian klaim asuransi kebakaran di Indonesia. Data untuk analisis diperoleh dari Badan Pengelola Pusat Data Asuransi Nasional (BPPDAN) periode 2009-2014. Hasil penelitian menunjukkan bahwa distribusi frekuensi kerugian klaim asuransi kebakaran mengikuti pola distribusi Poisson dengan perhitungan uji statistik Kolmogorov Smirnov pada tingkat keyakinan 95%, sedangkan distribusi severity menunjukkan pola distribusi Lognormal dengan uji statistik Kolmogorov Smirnov. Pengukuran Value at Risk (VaR) risiko operasional di dalam tesis ini dihitung menggunakan pendekatan metode Loss Distribution Approach ? Aggregation Model dan simulasi Monte Carlo. Hasil pengukuran pada tingkat keyakinan 95% adalah sebesar 2.448.278.550 dan pengujian validitas atau back testing menggunakan Kupiec test dengan jumlah dua kesalahan dan model dapat diterima.

---

This applied research is intended to measure the Operational Value at Risk (VaR) for claim Property Insurance using data from statistical cession (BPPDAN) for the year 2009 - 2014. It was shown that the frequency distribution followed the Poisson distribution based on Kolmogorov Smirnov statistical test with 95% confidence level. While the severity distribution followed the Lognormal distribution based on Kolmogorov Smirnov statistical test. This Operational VaR is measured by the Loss Distribution Approach ? Aggregation (LDA Aggregation) Model and Monte Carlo simulation. Using 95% confidence level, the Value at Risk is Rp 2.448.278.550. The model is back tested using Kupiec test and the result shows there are two violations but the model is accepted."

"Pada skripsi ini dibahas model SIS dengan intervensi berupa pemberian obat dan penggunaan masker kesehatan pada individu terinfeksi. Model ini digunakan untuk menggambarkan perilaku dinamik dari data insiden lapangan pada penyakit SARS di Hong Kong. Pada model yang telah terbentuk dilakukan estimasi parameter beta secara periodik dan konstan yang bersamaan dengan estimasi parameter gamma_0 secara konstan agar sesuai dengan data insiden lapangan tersebut. Pendekatan yang digunakan dalam estimasi ini adalah teori kontrol optimum dengan metode langsung yang meminimumkan euclidian distance antara hasil simulasi I dan data I pada insiden lapangan dengan menentukan nilai parameter yang sesuai dengan model tersebut. Hasil simulasi menunjukkan bahwa nilai parameter beta periodik lebih baik daripada nilai parameter beta konstan dalam menghampiri data insiden lapangan tersebut. Selanjutnya nilai parameter beta dan gamma_0 terbaik yaitu nilai parameter yang membuat hasil simulasi mendekati data insiden lapangan, digunakan untuk mengestimasi nilai parameter u_1 dan u_2 yang paling optimum terkait dengan proporsi pemberian obat dan penggunaan masker yang meminimalkan jumlah individu yang terinfeksi dengan jumlah biaya minimal menggunakan pendekatan teori kontrol optimum dengan metode langsung. Selain teori kontrol optimum, beberapa hasil kajian analitik yang terkait dengan analisis model tersebut proses non minus;dimensional, penentuan titik keseimbangan, analisis kestabilan sistem, penentuan R_0, dan analisis bifurkasi sistem , serta simulasi numerik beserta interpretasi dibahas dalam skripsi ini.

---

In this thesis discussed SIS model with intervention is given medical treatment and the use of health masks on infected individuals. This model is used to describe the dynamic behavior from daily incident data of SARS disease in Hong Kong. On the model that has been formed carried out beta parameter estimation periodically and constantly which simultaneously with gamma 0 parameter estimation constantly to fit on the daily incident data. The approach used in this thesis is the optimal control theory with the direct method which minimizes the euclidian error between the simulation results and the daily incident data by determining the parameter values corresponding to the model.

The simulation results show that the periodic beta parameter value is better than the constant beta parameter value in approaching the daily incident data. Next, the best of beta and gamma 0 parameter value i.e. the parameter value that can make the simulation results fit with the daily incidence data be used to estimate the most optimal u 1 and u 2 parameter values related to proportion the user of medical treatment and medicinal masks intervention that minimizes the number of the infected human with minimal cost using the optimal control theory approach with the direct method. In addition to the above optimal control studies, some analytical result related to the model analysis non dimensionalization process, determination of equilibrium point, system stability analysis, determination of the basic reproduction number, and system bifurcation analysis , and numerical simulations with the interpretation of the result are discussed in this thesis."