Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mengetahui tingkat probability of default bank di Indonesia menggunakan pendekatan model struktural dan faktor-faktor yang mempengaruhi probability of default bank di Indonesia periode 2005 hingga 2014. Pendekatan model struktural menggunakan data pasar untuk memperoleh probability of default bank. Selanjutnya, digunakan metode data panel untuk mengetahui faktor-faktor yang mempengaruhi probability of default dari bank. Hasil penelitian menemukan semakin besar BUKU (Bank Umum Kelompok Usaha) bank cenderung memiliki volatilitas aset pasar yang lebih stabil, sehingga bank tersebut memiliki probability of default cenderung lebih kecil serta pada masa krisis 2008 berdampak signifikan pada kenaikan probability of default terhadap bank BUKU III dan IV. Adapun non traditional income, short term funding, dan ukuran perusahaan berpengaruh signifikan positif terhadap probability of default bank di Indonesia. Sedangkan, tier 1 ratio, kredit, liquid asset, return on equity memiliki pengaruh signifikan negatif terhadap probability of default bank di Indonesia.

---

This research aims to determine the level of probability of default Indonesian commercial banking using structural model approach and determinant probability of default Indonesian commercial banking during period 2005-2014. The structural model approach uses market data to obtain the probability of default of banks. Furthermore, the panel data method is used to determine the factors that affect the probability of default of banks. The result found that the greater BUKU of bank their asset market volatility is likely to have a more stable, so that the bank has a probability of default tends to be smaller and during the 2008 crisis have a significant impact on the increase in probability of default in BUKU III and BUKU IV. non-traditional income, short-term funding, and size have positive significant effect on the probability of default Indonesian comercial banking. Meanwhile, the tier 1 ratio, credit, liquid assets, return on equity has significantly negative effect on the probability of default Indonesian commercial banking."

"Tujuan Penelitian ini adalah untuk membandingkan kemampuan dua teknik sebagai pendekatan untuk memperoleh nilai pasar ekuitas yang dipakai untuk memprediksi kepailitan yaitu metode arus kas dan metode harga pasar saham (stock price), dengan menggunakan model merton dan KMV. Cooperstein, Pennacchi, dan Redburn(1995) dalam penelitiannya memberikan sebuah metode untuk mengestimasi nilai pasar ekuitas untuk mencari nilai pasar aset dan volatilitas aset bank dengan menggunakan data arus kas bank yang didapat dari laporan keuangan bank (laba rugi). Cara ini memungkinkan bank yang tidak go public bisa menghitung distance to default dan probability of default menggunakan model kuantifikasi yang ada untuk mengukur resiko kreditnya. Kemudian dua teknik tersebut diperbandingkan dengan ADZ Score yang merupakan alat ukur kerapuhan bank berdasarkan rasio-rasio dari laporan keuangan. Berdasarkan analisa hasil penelitian keduanya memiliki kekuatan dan kelemahan masing-masing, metode arus kas menghasilakan angka probability of default diatas 50% untuk 13 sampel bank. Sedangkan metode harga saham angka probablity of default sangat bervariatif yaitu kurang dari 1% hingga 48%.

---

The purpose of this research is to compare the ability of two methods to measure market value of equity for predicting probability of default encompasses cash flow and stock price method by using Merton's model and KMV. Cooperstein, Pennacchi, and Redburn (1995) in their research give a method to estimate market value of asset and asset volatility of bank by using cash flow data from bank?s financial report (profit and loss). This method is useful for non-listing (private) banks to calculate distance to default and probability of default using quantitative model for measuring its credit risk. The results of these two methods are compared to ADZ Score which it is a measurement tool of insolvency bank base on financial report ratios. Based on result analysis both of them have their own advantages and weaknesses, cash flow method effect to the number probability of default over 50% for 13 bank's sample. Conversely stock price?s method gives wide variety of default probability result less than 1% up to 48% for those bank's sample."

"Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan variabel terkait data aplikasi, data transaksi, dan data makroekonomi terhadap probability of default (PD) dari portofolio kartu kredit pada salah satu bank konvensional di Indonesia. Penelitian ini bersifat kuantitatif yang menerapkan metode statistik terhadap data account kartu kredit beserta status pembayaran, pertumbuhan Pendapatan Domestik Bruto (PDB), inflasi, suku bunga Bank Indonesia, tingkat pengangguran, Indeks Harga Properti Residensial (IHPR), dan Indeks Harga Konsumen (IHK) pada periode 2011-2013. Metode analisis yang digunakan adalah discrete survival analysis yang diterapkan melalui regresi logistik pada data panel dengan mengkondisikan data yang digunakan merupakan rekaman data sejak account kartu kredit dibuka hingga akhirnya account tersebut menjadi default ataupun lunas. Berdasarkan hasil penelitian dapat diperoleh kesimpulan bahwa penggunaan kombinasi variabel data aplikasi, transaksi, dan makroekonomi dapat meningkatkan akurasi dari model probability of default yang dihasilkan.

---

The focus of this study to determine the application, behavioral, and macroeconomic variables impact to credit card probability of default (PD) in one of conventional bank in Indonesia. This study is quantitative research using statistic method. The data used in this study are credit card account?s records and its deliquncy per day, Gross Domestic Product growth (GDP), inflation rate, Bank of Indonesia rate, unemployement rate, house price index, and consumer price index during 2011-2013. Discrete survival analysis method is used through applying logistic regression on panel dataset with data that contain default is conditional on no prior default having occurred on that account."

"Penelitian ini bertujuan untuk menganalisis pengaruh kompetisi bank dengan menggunakan pendekatan struktural dan pendekatan non - struktural terhadap stabilitas perbankan di Indonesia selama periode 2004 - 2013. Teknik estimasi penelitian ini menggunakan fixed effect model dengan menggunakan 107 bank. Hasil penelitian menunjukkan bahwa pengukuran kompetisi menggunakan pendekatan non - struktural memiliki pengaruh positif signifikan terhadap stabilitas perbankan dengan menggunakan pengukuran z-score. Sedangkan pengukuran menggunakan pendekatan struktural menunjukkan kompetisi memiliki pengaruh positif tidak sifnifikan terhadap stabilitas perbankan.

---

This study aims to determine the impact of bank competition to banking stabilitybased on structural approcah and non - structural approach. Fixed effect model is a method used to examine 107 banks in Indonesia from 2004 -2013. From the study, it concluded that with non - structural approach bank competition signficantly has a positive impact to banking stability while with structural approach the impact is also positive but non significant."

"Riset ini bertujuan untuk mengukur probabilitas kegagalan dari bank di Indonesia. 22 buah sampel bank diambil dan dikategorikan berdasarkan total aset menjadi bank besar, medium, kecil, serta berdasarkan kepemilikan dan aktivitas bisnis. Bank tersebut terdaftar di Bank Indonesia dan OJK. Dalam pengukuran probabilitas kegagalan, replikasi terhadap model merton black-scholes digunakan untuk mendapatkan jarak menuju kegagalan serta probabilitas kegagalan. Hasil akhir merupakan probabilitas kegagalan dari 22 sampel bank di Indonesia dari 2005 hingga 2016. Hasil menunjukkan peningkatan probabilitas kegagalan di akhir periode dan menunjukkan campuran fluktuasi serta sedikit peningkatan pada periode awal. Riset ini kemudian menganalisa secara deskriptif rasio finansial yang berkaitan di periode sampel yang didapatkan dari OJK.

---

This research aims to measure probability of default in banks in Indonesia. 22 sample banks were taken which then categorized by total asset into big, medium, small banks, and according to their ownership and business activities. Banks are registered in Bank Indonesia and OJK. In measuring probability of default, a replication of merton black scholes model is used to identify distance to default and the probability of default.

The result is probability of default of 22 sample banks in Indonesia from 2005 to 2016. Final result shows increase in default probability in the latter period while showing mixed fluctuation and slight increase in the early period. This research analyzes further by describing related financial ratios in the sample period provided from OJK."

"Penelitian ini menyajikan profil kemungkinan gagal bayar (default) di perusahaan publik pada sektor-non keuangan di negara-negara di Kawasan Asia. Dengan menggunakan metode pendekatan struktural yaitu pemodelan Merton, data laporan keuangan perusahaan dan market capitalization digunakan untuk memberikan estimasi kemungkinan default bagi setiap perusahaan. Melalui pengklasifikasian lebih jauh yaitu developed market, emerging market dan frontier market, penelitian ini membandingkan profil gagar bayar antar ketiga pasar tersebut. Ditemukan bahwa probabilitas default dari developed market dan emerging market tidak memiliki perbedaan yang signifikan. Namun, likuiditas pasar finansial dari ketiga pasar yang diteliti memiliki perbedaan yang signifikan. Adanya perbedaan signfikan pada likuiditas pasar finansial mengindikasikan bahwa likuiditas antar pasar keuangan tidak bisa tertangkap dengan baik menggunakan model Merton. Rendahnya likuiditas di pasar finansial frontier market dapat menjadi penyebab dibalik rendahnya probabilitas default. Kesimpulan ini dapat dijadikan bahan pertimbangan pembuatan keputusan bagi para calon investor pada era globalisasi ini.

---

This research presents the probability of default profiles of non-financial public companies in Asia's market. Using the Merton model as a structural approach method, financial reports data and market capitalization are employed to provide the probability of default of respective companies. The market then classified further into three categories: developed market, emerging market and frontier market. The probability of default profiles between those three categories has compared in this research. This study reveals that countries in the developed market and emerging market does not have significant differences, while the liquidity of those three financial markets are significantly different. It indicates that Merton model does not captured the liquidity of financial market properly which result to low probability of default in frontier market. These findings can be considered by the investor in their decision making in this era of globalization."

"Riset ini bertujuan untuk menganalisis profil kemungkinan gagal bayar perusahaan-perusahaan publik di sektor non-keuangan di kawasan Asia ndash; Pasifik yang diwakili oleh sepuluh negara: ASEAN-5 Indonesia, Thailand, Philippines, Singapore, Malaysia , China, Hong kong, Japan, Australia, USA. Metode struktural Merton digunakan untuk memperkirakan kemungkinan gagal bayar pada setiap perusahaan di setiap negara yang termasuk dalam penelitian. Sumber data utama adalah laporan keuangan perusahaan dan harga ekuitas di pasar. Angka kemungkinan gagal bayar dari semua perusahaan kemudian dikelompokkan ke dalam tingkatan ekonomi negara. Secara umum, ditemukan bahwa kelompok negara maju memiliki kemungkinan gagal bayar yang lebih rendah, volatilitas aset yang lebih rendah dan rasio liabilitas terhadap aset yang lebih tinggi dibandingkan negara berkembang.

---

The purpose of this research is to analyze probability of default profiles of non financial public companies in the Asia ndash Pacific region, which is represented by ten countries ASEAN 5 Indonesia, Thailand, Philippines, Singapore, Malaysia , China, Hong kong, Japan, Australia, and USA. Merton structural approach is employed to estimate the probability of default of each company in each country under investigation. The main sources of data are financial reports and equity market price. The probability of default of all companies are then grouped into country group level. In general, it is found that developed countries have a lower probability of default, a lower asset volatility, and a higher liability to asset ratio compared to developing countries."

"Fokus dari penelitian ini adalah untuk meneliti apakah indikator kesehatan bank dan faktor makroekonomi mempengaruhi probabilitas bank default dari model Merton dan bank rating. Penelitian dilakukan pada 29 sampel bank yang terdaftar di Bursa Efek Indonesia tahun 2009-2013 untuk model Merton dan 16 sampel bank terdaftar di Bursa Efek Indonesia dan diperingkat oleh Pefindo tahun 2013. Variabel independen yang digunakan adalah rasio-rasio yang termasuk dalam permodalan, kualitas aset, likuiditas, rentabilitas, dan kepatuhan bank, serta Produk Domestik Bruto, tingkat inflasi, BI rate, exchange rate. Hasil yang ditemukan adalah tidak ada variabel yang mempengaruhi probabilitas bank default dengan model Merton maupun bank rating. Tetapi secara bersama-sama, Capital Adequacy Ratio dan Loan to Deposit Ratio memiliki nilai R2 sebesar 78.64%. Kemudian penambahan Aset Tetap Terhadap Modal dan Loan to Deposit Ratio dalam model probabilitas bank default dengan bank rating memiliki daya klasifikasi sebesar 93.8%.

---

The focus of this study is to investigate the bank?s wellness indicator and macroeconomics factors that take effect to the probability of bank default from KMV Merton andbank rating. Research conducted to 29 listed bank in Indonesia Stock Exchange from 2009 - 2013 for KMV Model research and using 16 listed bank in Indonesia Stock Exchange that ranked by Pefindo in 2013. The research using, capital, asset quality, liquidity, profitability, good governance, Gross Domestisc Product, inflation rate, BI rate, and exchange rate as independend variabel.

The result founds that neither from any bank's wellness indicators or macroeconomics affect probability of bank default withKMV Merton and bank rating.But the result showed R2 78.64% when using Capital Adequacy Ratio and Loan to Deposit Ratio to probability of bank default with KMV Merton model and accuracy level 93.8% when using Fixed Asset to Capital and Loan to Deposit Ratio to probability of bank default with bank rating."

"Penelitian ini bertujuan untuk mengetahui teknik pemodelan probability of default yang tepat pada portfolio pembiayaan bersama antara bank dan fintech lending dan perusahaan pembiayaan (multi finance) pada Bank Swasta Nasional. Teknik yang digunakan sebagai perbandingan adalah teknik tradisional regresi logistik dan teknik machine learning. Penelitian dilakukan berdasarkan data Bank Swasta Nasional dari April 2019 hingga Desember 2022 dan diklasifikasikan menjadi dua kategori yaitu defaiult dan non-default sehingga model dapat melakukan prediksi kemungkinan nasabah gagal bayar selama durasi pinjaman. Analisis dilakukan menggunakan data aplikasi dan data transaksi tanpa melanggar aturan menjaga kerahasiaan nasabah. Selanjutnya, analisis dilakukan hanya untuk produk pembiayaan bersama pada fintech lending dan multi finance yang beroperasi hanya di Indonesia. Variabel signifikan yang memengaruhi pemodelan probability of default pada pembiayaan bersama antara bank dan fintech lending/multi finance antara lain adalah tenor, tujuan pinjaman, nominal beban bunga, deskripsi pekerjaan, kota domisili, umur dan pendapatan. Lebih lanjut, teknik tradisional regresi logistik memiliki tingkat keandalan lebih tinggi dibandingkan pendekatan machine learning decision tree pada studi kasus BSN.

---

This research is to find the appropriate credit scoring model technique to build the default model based on the joint financing schemes product between bank and fintech lending and multi finances that conducted by Bank Swasta Nasional. The credit scoring model to be compared using traditional approach, logistic regression against machine learning technique. This research is case study in Bank Swasta Nasional’s portfolio starting April 2019 up to December 2022 and will be classified into default or non-default so the model can predict the possibility of customer default during the period. The analysis conducted based on variables from application and transaction data that not breaching the confidentiality of personal data in Bank Swasta Nasional. Furthermore, the analysis only applicable for joint financing schemes product to fintech lending and multi finances that already have operated in Indonesia only. The significant variable to model the probability of default for joint financing schemes between bank and fintech lending or multi finances are tenure, loan purpose, interest amount, job description, home city, age and declared income. Furthermore, the analysis showed that the traditional technique logistic regression had higher accuracy compared to machine learning using decision tree in the case study."

"Penelitian ini bertujuan untuk memberikan pendekatan yang lebih granular dalam proses pemodelan Probability of Default (PD) mengikuti kerangka Pernyataan Standar Akuntansi Keuangan (PSAK) 71, melalui perhitungan PD kredit per provinsi di Bank ABC. Model PD akan dibentuk dengan menggunakan matriks transisi dan analisis regresi berganda, dengan menggunakan data historis kredit perbankan dan faktor makroekonomi tahun 2013-2020 di 33 provinsi. Hasil penelitian menunjukkan bahwa PD kredit masing-masing provinsi di Bank ABC menghasilkan PD yang lebih granular dan penurunan nilai yang lebih akurat dibandingkan model tanpa provinsi. Bank ABC dapat menggunakan hasil analisis ini untuk menentukan strategi ekspansi ke depan yaitu menyalurkan kredit ke provinsi dengan PD kecil.

---

This paper aims to provide a more granular approach to the Probability of Default (PD) modeling process following the International Financial Reporting Standard (IFRS) 9 framework by calculating PD credits per province at Bank ABC. The PD model will be formed using a transition matrix and multiple regression analysis, using historical data on bank credit and macroeconomic factors for 2013-2020 in 33 provinces. The results showed that the PD credit of each province in Bank ABC resulted in a more granular PD and more accurate impairment than the model without a province. Bank ABC can use the results of this analysis to determine future expansion strategies, namely channeling credit to provinces with small PD.

"