Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini membahas mengenai pengukuran kontribusi risiko sistemik dan hubungannya dengan karakteristik individu bank pada perbankan Indonesia dengan periode pengamatan dari 2003 s.d 2013.Metode yang digunakan untuk mengukur kontribusi risiko sistemik adalah CoVaR (Girardi dan Ergun, 2013) dan MES (Acharya, 2010). CoVaR digunakan untuk melihat kontribusi risiko sistemik masing-masing bank terhadap sistem keuangan apabila bank mengalami distress sedangkan MES digunakan untuk melihat bagaimana kontribusi risiko sistemik masing-masing bank apabila sistem keuangan mengalami distress. Dari hasil pengukuran ditemukan bank yang memiliki nilai Delta CoVaR terbesar adalah BMRI, BBRI, BBCA dan BBNI.Ke 4 (empat) bank tersebut merupakan bank terbesar di Indonesia. Hal ini menunjukan bahwa bank yang akan memberikant kontribusi risiko kepada sistem sebesar nilai Delta CoVaR nya saat bank mengalami distress. Sebaliknya dari hasil pengukuran MES diketahui bahwa bank yang akan memberikan kontribusi risiko sistemik terbesar saat sistem mengalami distress adalah BBRI. Hasil penelitian menunjukan bahwa karakteristik individu bank seperti ukuran bank dan VaR memiliki pengaruh yang signifikan terhadap besar kontribusi risiko sistemik bank di Indonesia. Kondisi makroekonomi seperti inflasi secara signifikan mempengaruhi nilai kontribusi risiko sistemik dari masingmasing bank di Indonesia.

---

This thesis discusses the contribution of systemic risk and its relationship with the individual characteristics of banks in the Indonesian banking with the observation period from 2003 until 2013. The method used to measure systemic risk contribution is CoVaR (Girardi and Ergun, 2013) and MES (Acharya, 2010). CoVaR looks ay the returns of the financial system when an institution is in financial distress while MES looks at the returns of an institution when the financial system is in distress.

From the results of measurements we found that the bank has the largest value of Delta CoVaR areBMRI, BBRI, BBCA and BBNI. All of the bank are the largest bank in Indonesia. This shows that the bank will contribute to the system at its current value of Delta CoVaR bankswhile experiencing distress. On the other hand, the result measurement of the MES is that BBRI will provide the largest contribution to systemic risk when the system it experiencing distress.

The results showed that individual characteristics such as bank size and VaR has a significant effect on the bank contribution to systemic risk in Indonesia. Macroeconomic conditions such as inflation significantly affect the value of systemic risk contribution of each bank in Indonesia."

"Penelitian ini bertujuan untuk mengetahui pengaruh tingkat persaingan bank terhadap risiko sistemik pada perbankan publik di Indonesia untuk periode 2010-2014. Dengan menggunakan metode Lerner Index sebagai pengukuran tingkat persaingan bank dan metode Merton?s distance-to-default sebagai pengukuran risiko sistemik, menunjukan tingkat persaingan individual bank secara signifikan berpengaruh negatif terhadap risiko sistemik perbankan Indonesia. Semakin rendah tingkat konsentrasi pasar perbankan akan menurunkan tingkat risiko sistemik. Tingginya tingkat persaingan bank akan membuat bank-bank untuk mendiversifikasikan risiko-risikonya sehingga menyebabkan sistem perbankan semakin kokoh.

---

The objective of this research is to determine the effect of bank degree of competitiveness on systemic risk of public banks in Indonesia during 2010-2014. Using Lerner Index to measure bank degree of competitiveness and Merton's distance-to-default to measure systemic risk, show a significant negative relationship between bank degree of competitiveness and systemic risk. The less concentrated of banking market cause reduction on systemic risk. The greater bank degree of competitiveness encourages banks to take on more diversified risks, making the banking system less fragile."

"Penelitian ini bertujuan untuk mengetahui pengaruh dari loan at risk (LAR) dan variabel bank spesifik lainnya terhadap rentabilitas bank umum di Indonesia berdasarkan klasifikasi modal inti. Penelitian menggunakan regresi data panel dengan metode fixed effect model dengan parameter pengukuran rentabilitas bank umum diukur berdasarkan rasio return on asset (ROA) dan return on equity (ROE) sedangkan rasio LAR diukur berdasarkan penjumlahan dari portofolio kredit bank umum dengan kualitas bermasalah (non performing loan), dalam perhatian khusus, dan restukturisasi dengan kualitas lancar, selain hal dimaksud variabel bank spesifik lainnya yang digunakan adalah ukuran, leverage, dan permodalan, sementara bank yang diteliti dibagi berdasarkan kelompok bank secara agregatif dan 4 (empat) kelompok bank lainnya berdasarkan modal inti (KBMI) sesuai dengan ketentuan otoritas. Hasil penelitian menunjukkan portofolio kredit dengan kualitas LAR secara signifikan memengaruhi rentabilitas bank umum secara negatif baik pada ROA dan ROE serta berlaku pada keseluruhan kelompok bank umum yang diteliti, sementara variabel spesifik lainnya memiliki pengaruh dan tingkat signifikansi yang berbeda. Secara bersama-sama variabel independen pada seluruh model penelitian memiliki pengaruh yang signifikan pada rentabilitas seluruh kelompok bank umum di Indonesia.

---

This research aims to investigate the impact of loan-at-risk (LAR) and other specific bank variables on the profitability of commercial banks in Indonesia based on core capital classification. The study utilizes panel data regression with a fixed effect model method. The profitability of commercial banks is measured using the return on assets (ROA) and return on equity (ROE) ratios. The LAR ratio is calculated based on the sum of the commercial banks' credit portfolio with problematic quality (non-performing loans), special mentions, and restructuring with current quality. In addition to these, other specific bank variables used in the study include size, leverage, and capital. The banks under study are groups of bank in aggregate and categorized into four groups based on their core capital classification (KBMI) according to regulatory guidelines. The research findings indicate that the credit portfolio quality represented by LAR significantly negatively affects the profitability of commercial banks, both in terms of ROA and ROE, across all groups of commercial banks. Other specific variables show varying levels of influence and significance on the profitability of the studied commercial banks. Altogether, the independent variables in all models of the study have a significant impact on the profitability of all commercial bank groups in Indonesia."

"Berdasarkan ketentuan Basel II perhitungan risiko kredit dapat menggunakan beberapa pendekatan, yaitu standardized approach dan Internal Rating Based Approach. Bank XYZ belum menerapkan pendekatan Internal Rating Based Approach untuk menghitung risiko kredit pada produk kartu kredit. Sampai saat ini Bank XYZ menggunakan yaitu standardized approach untuk menghitung risiko kredit pada produk kartu kredit. Pada penelitian ini menggunakan pendekatan Internal Rating Based Approach dengan pendekatan Creditrisk+ dalam menghitung risiko kredit pada produk kartu kredit. Hasil akhir dari penelitian ini dengan menggunakan metode CreditRisk+ berupa nilai expected loss dan unexpected loss atau value at risk (VaR) yang kemudian digunakan untuk memproyeksikan tingkat economic capital yang dibutuhkan. Pada penelitian ini, hasil perbandingannya adalah nilai Actual loss < nilai VaR. Dari hasil penelitian diketahui nilai rata-rata VaR selalu lebih besar dibandingkan dengan nilai actual loss untuk periode 2010-2012. Pada tahun 2010 memiliki nilai rata-rata VaR sebesar Rp 21 milyar dan nilai actual loss-nya sebesar Rp 18,174 milyar. Pada tahun 2011 memiliki nilai VaR sebesar Rp18,378 milyar dan nilai actual loss sebesar Rp 15,539 milyar. Sedangkan pada tahun 2012 memiliki nilai VaR sebesar Rp 24,471 milyar dan nilai actual loss sebesar Rp 21,179 milyar. Hal tersebut menunjukkan bahwa risiko akibat adanya default kredit masih dapat ditutupi oleh Bank XYZ. Pengujian metode CreditRisk+ pada tingkat keyakinan 95% membuktikan bahwa selama periode pengamatan jumlah kejadian yang merugikan Bank XYZ dengan kerugian yang lebih besar dari nilai Expected Loss masih dibawah ambang batas dengan kerugian yang masih dapat ditolerir. dalam hal ini memperlihatkan bahwa kinerja metode CreditRisk+ relatif akurat dalam menghitung risiko kredit untuk produk retail seperti kartu kredit. Economic capital required dihitung secara bulanan, sebagai contoh pada bulan Desember 2012 pencadangan modal yang dibutuhkan sebesar Rp 3,31 milyar. Perhitungan dilakukan sesuai dengan periode penelitian, yaitu dari bulan Januari 2010 sampai dengan Desember 2012.

---

Under the terms of the Basel II credit risk calculation can use several approaches, namely the standardized approach and the Internal Rating Based Approach . XYZ Bank has not implemented the Internal Rating Based approach for calculating credit risk on credit card products. Until now XYZ Bank uses the standardized approach to calculate credit risk on credit card products. In this study using the Internal Rating Based approach with CreditRisk + approach to calculating the credit risk on credit card products. The final results of this study using a CreditRisk+ are expected loss and unexpected loss or value-at- risk (VaR), then used to project the level of economic capital required. In this study, the results of the comparison is the value of actual loss < VaR. Thus CreditRisk+ method can be used to measure credit risk in the Bank's credit card product XYZ.

The results showed the average VaR value is always greater than the actual loss values for the period 2010-2012. In the year 2010 had an average VaR value of Rp 21 billion and the value of its actual loss of Rp 18.174 billion. In 2011 the VaR value of Rp18, 378 billion and the value of actual loss of Rp 15.539 billion. Whereas in 2012 the VaR value of Rp 24.471 billion and the value of actual loss of Rp 21.179 billion. It shows that the risk due to credit defaults can still be covered by the XYZ Bank.

Testing methods CreditRisk+ at 95% confidence level during the period of observation proves that the number of adverse events with Bank XYZ greater losses than Expected Loss value is still below the threshold at which losses can be tolerated. in this case shows that the performance of the method is relatively accurate CreditRisk+ in calculating the credit risk for retail products like credit cards. economic capital required calculated on a monthly basis, for example in December 2012 the required reserve capital of Rp 3.31 billion. The calculation is performed according for period from January 2010 to December 2012."

"Penelitian ini bertujuan untuk melihat pengaruh diversifikasi kredit dalam sektor ekonomi terhadap return dan resiko bank. Peneliti menggunakan data panel yang terdiri dari 24 bank umum konvensional yang terdaftar di Bursa Efek Indonesia periode 2011-2015. Model yang digunakan dalam melihat diversifikasi yaitu model Hirshmann-Herfindahl Index HHI dan Shanon Entropy SE. Sedangkan, untuk melihat return dan resiko digunakan ROA dan NPL bank. Hasil penelitian menunjukkan bahwa diversifikasi kredit tidak berpengaruh terhadap return dan tidak berpengaruh terhadap resiko. Hal tersebut menunjukkan bahwa diversifikasi bank tidak mempengaruhi return dan resiko.

---

The purpose of this research to see the effect of credit diversification in the economic sector on the bank return and risk. This research used panel data consist of 24 conventional commercial bank listed on Indonesia Stock Exchange period 2011 2015. The main models used in the diversification view are Hirshmann Herfindahl Index HHI and Shanon Entropy SE . Meanwhile, to see the return and risk used ROA and NPL. The result showed that credit diversification did not affect return and risk. This show that credit diversification does not affect returns and risks."

"Penelitian ini bertujuan untuk mengetahui pengaruh ukuran bank dan kompleksitas bank terhadap risiko sistemik. Penelitian ini menggunakan sampel berasal dari 27 bank di Indonesia yang terdaftar pada bursa efek dalam kurun waktu 2004-2018. Jenis data yang digunakan adalah unbalance panel data yang diolah menggunakan regresi panel data fixed effect. Risiko sistemik menggunakan dua pengukuran berbeda yaitu ΔCoVaR dan SRISK. Dari penelitian ini dihasilkan temuan berupa ukuran bank memiliki pengaruh pada risiko sistemik di mana pada pengaruh positif terhadap SRISK dan pengaruh negatif pada ΔCoVaR. Selain itu, kompleksitas juga berpengaruh negatif pada risiko sistemik bank di Indonesia. Sedangkan tidak ditemukan pengaruh interaksi antara ukuran bank dan kompleksitas bank terhadap risiko sistemik

---

This study aims to analyze the effect of bank size and bank complexity on systemic risk. This study uses samples from 27 commercial banks in Indonesia which are listed on the stock exchange in the period 2004-2018. The type of data used is unbalanced panel data that is processed using fixed effect panel data regression. Systemic risk uses two different measurements namely ΔCoVaR and SRISK. From this research, bank size influences systemic risk, where the positive effect on SRISK and the negative effect on ΔCoVaR. Besides, complexity also negatively affects the systemic risk of banks in Indonesia. While no interaction effect was found between bank size and bank complexity on systemic risk."

"Skripsi ini bertujuan untuk meneliti determinan Non Performing Loan(NPL) dengan menguji faktor makroekonomi dan spesifik perbankan secara bersama-sama. Penelitian ini adalah penelitian kuantitatif dengan menggunakan data sekunder. Objek penelitiannya adalah 20 bank umum yang telah Terdaftar di Bursa Efek Indonesia sejak q12005-q42014. Penelitian ini menggunakan metode data panel dinamis GMM-System untuk melihat efek kedinamisan dari berbagai variabel dengan adanya pengujian lag variabel independen. Hasil Penelitian menunjukkan bahwa Variabel NPL quartal sebelumnya, Variabel PDB, dan Tingkat Inflasi memiliki pengaruh negatif dan signifikan terhadap terjadinya NPL. Sebaliknya, ROE dan BOPO berpengaruh positif dan signifikan terhadap NPL. Di sisi lain, skripsi ini menemukan bahwa variabel BI Rate, Solvency, dan Size tidak signifikan terhadap NPL.

---

The aim of present study is to identify factors affecting non performing loan in Indonesia. Using macroeconomic and bank-spesific variables, we analyse how those relationship and significances. This collaborative method will ensure a comprehensive results. The object of present study are 20 Banks that listed in Indonesia Stock Exchange between q12005-q42014. Using dynamic panel data GMM-system method, empirical results show that the previous period of NPL, change of GDP, Inflation Rate, and Solvency Ratio have a significantly negative effect to NPL. However, BOPO and ROE has a significantly positve relationship to NPL. On the other hand this research find any significance on BI Rate, Solvency, and Size to NPL."

"Penelitian ini menggunakan metode Credit Risk+ untuk menghitung risiko kredit pada PT Mandiri Tunas Finance selama periode Januari 2010 hingga Desember 2012. Penggunaan metode Credit Risk+ membutuhkan data input berupa exposure kredit, exposure at default, dan recovery rates serta tidak mengasumsikan penyebab default. Metode ini cocok digunakan untuk perhitungan risiko kredit retail. Asumsi default atau non performing loan (NPL) yaitu saat tunggakan debitur mencapai lebih dari 90 hari. Tahapan pengukuran risiko kredit yaitu pertama menghitung exposure default dari portofolio, kedua menghitung frequency of default, ketiga menghitung probability of default untuk mencari distribution of losses yang terjadi pada PT Mandiri Tunas Finance. Frequency of default dihitung dengan menggunakan asumsi tingkat keyakinan 95%. Perhitungan dengan metode ini menghasilkan nilai expected loss dan unexpected loss serta economic capital. Economic capital adalah besarnya modal yang digunakan untuk menutupi unexpected loss. Dalam penelitian ini digunakan backtesting dan validasi menggunakan Loglikehood Ratio (LR) test dan didapatkan hasil senilai 0, dimana hasil tersebut lebih kecil dibandingkan nilai kritis chi squared sebesar 3,8415. Hasil ini menunjukkan bahwa metode Credit Risk+ yang digunakan dalam penelitian ini masih valid untuk mengukur risiko kredit dan menghitung economic capital pada PT Mandiri Tunas Finance.

---

Credit Risk+ method is used to calculate the credit risk at PT Mandiri Tunas Finance during the period January 2010 to December 2012. Use of Credit Risk + method requires input data which is credit exposure, exposure defaults and recovery rates, and do not assume cause of default. This method is suitable for retail credit risk calculations. Assumptions default or non- performing loan (NPL) is currently delinquent borrowers overdue more than 90 days. Stages of credit risk assessment is the first to calculate the default exposure of the portfolio, second calculate the frequency of default, third count the probability of default to seek distribution of losses which occurred at PT Mandiri Tunas Finance. Frequency of default calculated using the assumption of 95 % confidence level. Calculations with this method generate expected loss and unexpected value loss and economic capital. Economic capital is the amount of capital that is used to cover unexpected loss. This study used backtesting and validation using Loglikehood Ratio ( LR ) test and the results 0, where the result is less than the critical value of chi- squared of 3,8415. These results indicate that the Credit Risk + method used in this study are still valid for measuring credit risk and calculate economic capital at PT Mandiri Tunas Finance."

"Penelitian ini bertujuan untuk mengetahui hubungan antara overconfidence manager dankontribusi risiko sistemik dari individual bank. Menggunakan pendekatan ΔCoVaR untukmengetahui kontribusi risiko sistemik, dan untuk mengukur overconfidence managermenggunakan proksi investasi dan belanja modal yang dilakukan oleh bank. Melalui sudut pandang behavioural finance, overconfidence manager adalah perilaku bias dari manager yang menaksir terlalu tinggi peluang keuntungan dimasa datang yang secara bersamaan abai terhadap risiko yang ada. Menggunakan data dari 16 bank terbuka diIndonesia dari tahun 2004 -2018. Penulis menemukan bahwa bank dengan kategori highconfidence berkontribusi lebih tinggi terhadap risiko sistemik dibandingkan dengan bankkategori low confidence.

---

This study aims to analyse the effect of manager overconfidence to the systemic risk

contribution from individual bank. Using ΔCoVaR approach to measure individual banks contribution to the systemic risk and managerial overconfidence using proxy of banks investment decision and capital expenditure. From behavioral finance perspective, overconfidence manager is the bias behavior of managers who overestimate the probability of future return and neglect the risk involved. Using data of 16 Indonesian Public banks from 2004-2018 and found that banks with high confidence contribute more to the systemic risk than banks with low confidence category"

"Penelitian ini meneliti pengaruh ukuran, modal, dan struktur pendanaan bank terhadap risiko sistemik bank terhadap risiko sistemik perbankan di negara ASEAN-5 periode 2004-2014. Risiko sistemik diukur menggunakan Marginal Expected Shortfall (MES) dan SRISK. Menggunakan regresi panel, penelitian ini menemukan bahwa risiko sistemik perbankan menggunakan ukuran MES meningkat seiring dengan meningkatnya ukuran bank, akan tetapi berbanding terbalik dengan modal. Struktur pendanaan memiliki pengaruh yang kurang signifikan dibandingkan dengan ukuran dan modal. Penelitian ini berkontribusi pada justifikasi terhadap Basel III mengenai pengetatan kebutuhan modal bank yang bertujuan untuk mengurangi risiko sistemik perbankan.

---

This paper studies aims to analyze the influence of bank size, capital, and funding structure to banking systemic risk in ASEAN-5 countries during period 2004-2014. Systemic risk measured by Marginal Expected Shortfall (MES) and SRISK. Using panel regression, this study finds that systemic risk measured by MES grows with bank size, but inversely related with capital using both MES and SRISK. Funding structure have less significant effects on systemic risk compare to size and capital. This result contribute to justification of Basel III that tightening bank capital requirements in order to reduce banks systemic risk."