Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu alat ukur risiko yang memiliki peran penting dalam manajemen portofolio adalah Value-at-Risk VaR . VaR didefinisikan sebagai jumlah kerugian portofolio yang mungkin terjadi dengan tingkat kepercayaan yang tinggi, selama periode waktu tertentu. Secara matematis, VaR adalah persentil dari distribusi loss. Secara umum, return pergerakan harga saham dimodelkan dengan gerak Brown. Sementara itu, distribusi loss dari instrumen keuangan lebih berisfat leptokurtic dari distribusi normal dan cenderung memiliki fat tails . Oleh karena itu, karakteristik dari distribusi loss tersebut tidak memenuhi asumsi distribusi normal. Dengan demikian, proses Variance Gamma VG adalah proses stokastik alternatif untuk mendeskripsikan model dari distribusi return harga saham. Proses VG didefinisikan sebagai gerak Brown dengan perubahan waktu acak mengikuti proses Gamma. Pada penerapannya dalam pasar modal, perhitungan VaR akan dilakukan pada Indeks Harga Saham Gabungan Indonesia IHSG .

---

One of the measures of risk which has an important role in managing portfolio is Value at Risk VaR . VaR is defined as the amount of possible portfolio losses with a high level of certainty, over a specific time frame. From statistical point of view, VaR is the percentile of the loss distribution. In general, return of the stock prices is modeled with Brownian motion. Meanwhile, return distributions of financial instruments are more leptokurtic than normal distribution and tend to have the fat tails . Therefore, these characteristics of return distributions are countering the normality assumption. Accordingly, a Variance Gamma VG process is an alternative stochastic process to describe the model for the return distribution of stock prices. This process is defined as Brownian motion with random time change following gamma process. On purpose of risk management application, the calculation of VaR will be carried out by using Indonesia Composite Index IDX . "

"Latar belakang penulisan karya akhir ini beranjak dari adanya rekapitalisasi perbankan yang dilakukan pemerintah dan adanya amandemen Basel Capital Accord 1998 pada tahun 1996 yang memasukkan unsur risiko pasar sebagai dasar perhitungan kebutuhan modal minimum. Dengan selesainya rekapitalisasi, portofolio aset yang dimiliki bank yang direkapitalisasi sebagian besar berupa obligasi pemerintah. Mengingat instrumen surat berharga obligasi sangat berkaitan dengan risiko pasar terutama faktor risiko suku bunga, dampaknya apabila faktor risiko pasar tersebut tidak dikelola secara baik akan membawa dampak kerugian yang cukup signifikan bagi kelangsungan operasonal bank. Permasalahan yang timbul adalah untuk menghitung besamya risiko pasar, selama ini yang dilakukan perbankan masih mertggunakan pendekatan tradisional (non statistik) sehingga masih diragukan keakuratannya. Sedangkan pengukuran risiko dengan pendekatan advance approach (value at risk) masih belum banyak diterapkan oleh bankbank di Indonesia termasuk pada bank tempat kami melakukan penelitian. Tujuan dari penulisan ini adalah untuk mengetahui bagaimana menghitung besarnya risiko pasar dari portofolio obligasi dalam rangka memenuhi perhitungan kebutuhan modal baru dengan menggunakan teknik-teknik : Perhitungan Value at Risk (VaR) dengan pendekatan variance-covariance dengan estimasi volatilitas menggunakan model Exponentially Weighted Moving Average (EWMA), melakukan uji validasi permodelan dengan teknik Back Testing dan Kupiec Testing serta menghitung capital charge yang hams disediak:an untuk mengcover risiko pasar dari portofolio obligasi yang dimiliki bank. Sebelum sampai pada perhitungan VaR portofolio obligasi, penetapan spesifikasi model yang digunakan sebagai acuan pengolahan data sebagai berikut :- Perhitungan V aR porto folio obligasi menggunakan portofolio trading yang dimiliki bank posisi tanggal 30 Juni 2003 sebesat Rp. 1.824.127.000.000- Pembentukan yield curve menggunakan Bradley Crane Model. Hal ini dilakukan karena tidak tersedianya data harianyield curve.- Confidence Level (CL) yang digunakan 95% dan 99% (one tailed).- Holdingperiode ditetapkan selama 1 (satu) hari.- Forecast yield volatility menggunakan EWMA, dengan penetapan decay factor (A.) sebesar 0.94 dan penetapan nilai decay factor yang besamya ditetapkan berdasarkan perolehan mean squared error (MSE) yang terkecil.- Melakukan validasi permodelan dengan teknik Back Testing dan Kupiec Testing terhadap data observasi (periode Januari 2003 s.d Juni 2003) dan data out of sample (periode Juli 2003 s.d Agustus 2003). Dengan spesifikasi model diatas, perhitungan yield curve menggunakan Bradley Crane Model menghasilkan data time series yield curve sebanyak 121 titik untuk data observasi dan sebanyak 43 titik untuk data out of sampel untuk 19 jenis yield to maturity (YTM). Dari data tersebut kemudian dilakukan forecast yield volatility dengan permodelan EWMA. Hasil perhitungan forecast dengan model EWMA (.A= 0,94) setelah dilakukan back testing untuk data observasi maupun data out of sample menghasilkan sejumlah failure. Sedangkan untuk model EWMA yang nilai decay factornya ditetapkan berdasarkan nilai MSE terkecil, secara keseluruhan dari 19 jenis YTM nilai MSE terkecilnya berada pada nilai A, = 0,99. Penetapan nilai tersebut diperoleh dari hasil forecast yang sabagian besar dipengaruhi oleh variance return pada hari yang bersangkutan dan sebagian kecil dari hasil forecast 1 (satu) hari sebelumnya. Setelah dilakukan proses back testing (data observasi maupun data out of sample), permodelan ini tidak menghasilkan failure. Dari kedua model EWMA tersebut kemudian dilakukan validasi dengan Kupiec Testing, dan temyata secara statistik proportion of failures yang dihasilkan model dapat diterima (valid), sehinggaforecast yield volatility yang dihasilkan kedua model tersebut baik untuk CL 95% maupun CL 99% dapat digunakan untuk menghitung VaR. Dalam penelitian ini perhitungan VaR dibedakan antara VaR Diversified yang memperhitungkan risk correlation dan VaR Undiversified yang tidak memperhitungkan risk correlation. Sesuai dengan teori membuktikan bahwa dengan memperhitungkan risk correlation menghasilkan nilai VaR yang lebih rendah karena adanya efek diversifikasi. Dari hasil perhitungan VaR memperlihatkan bahwa permodelan EWMA (A.=0,94) menghasilkan nilai VaR yang lebih rendah dibanding permodelan EWMA (A=0,99), namun nilainya tidak jauh berbeda. Disamping itu, dari perhitungan VaR juga memperlihatkan bahwa dengan menggunakan CL 99% menghasilkan nilai V aR yang lebih besar dibanding CL 95%. Hal ini disebabkan dengan semaki.n besamya CL, nilai statistik (a.) yang digunakan untuk menghitungyield volatilitas juga semakin besar. Dengan memperbitungkan risiko pasar kedalam perbitungan CAR maka peroleban CAR posisi 30 Juni 2003 sebesar 12,36% mengalami penurunan antara 0,06% s.d 0,09% untuk setiap permodelan ( dengan asumsi bukan hanya posisi obligasi trading pada tanggal 30 Juni 2003 yang dihitung dalam market risk). Secara ringkas basil perbitungan VaR, capital charge dan CAR sebagai berikut:Dari hasil penelitian dapat disimpulkan babwa perbitungan VaR portofolio obligasi dengan pendekatan variance covariance yang forecast volatilitasnya menggunakan permodelan EWMA dapat digunakan bank dalam perbitungan risiko pasar. Sedangkan penetapan decay factor dalam perhitungan forecast, untuk kondisi di Indonesia pada saat ini yang paling cocok adalab sebesar 0,99. Hal ini telab dibuktikan bahwa permodelan EWMA (A. = 0.99) tidak menghasilkan failure, walaupun basil perbitungan VaR dan capital charge-nya sedikit lebib besar, namun basil akhir perbitungan CAR-nya tidakjauh berbeda dibanding permodelan EWMA (A.= 0,94)."

"Penerapan Manajemen Risiko baik bagi institusi keuangan ataupun institusi lain dirasa semakin diperlukan. Bila pada perbankan pelaksanaanya sudah diatur secara detil dalam Basle Accord dan diawasi ketat oleh Bank Indonesia sebagai Bank Sentral Republik Indonesia. Maka bagi institusi keuangan lain seperti asuransi, hal ini belum diatur sedemikian detil. Namun untuk menjaga kesehatan suatu perusahaan asuransi. Pemerintah teiah menetapkan ketentuan ketentuan Solvabilitas Minimum (BTSM). Salah satu ketentuannya adalah menentukan pengenaan faktor risiko tertentu pada aset saham yang dimiliki. Pada tesis ini Penulis mencoba untuk mengaplikasikan penerapan manajemen risiko dengan menghitung nilai Value at Risk (VaR) dengan menggunakan dua metode yaitu metode Variance Covariance dan metode Historical Simulation kemudian membandingkan dengan faktor risiko yang ditetapkan oleh Pemerintah dalam ketentuan BTSM tersebut. Hasilnya menemukan bahwa nilai VaR yang dihasi1kan dengan menggunakan metode historical simulation tidak valid dan Penulis menyarankan untuk menggunakan metode Variance Covariance sebagai metode dalam pengambilan keputusan investasi. Sedangkan BTSM dapat dilakukan untuk mengalokasikan modal.

---

Applying risk management to financial institution or any other institutions is increasingly necessary. While the implementation of risk management in banking had been arranged in detail by Basle Accord and strictly supervised by Bank of Indonesia as a central bank of Republic of Indonesia, not in other financial institution like insurance. For an insurance institution to be solvency, government has carried out the regulation by stipulating The Minimum Solvability Rate Limit. One of those stipulations is to put risk factor as a subject in the share asset possession.

In this thesis, the Writer try to applicate the implementation of risk management by calculating value at risk (VaR) using two method Variance Covariance and Historical Simulation then compare it to risk factor determined in The Minimum Solvability Rate Limit. As the result is value at risk (VaR) using historical simulation is not valid, while only the variance covariance method is. So the Writer recommended to use variance covariance method to be used in taking investment decision and use The Minimum Solvability Rate Limit for a capital allocation."

"Dalam Peraturan Bank Indonesia nom or 5/8/PBI/2003 tanggal 19 Mei 2003 tentang Penerapan Manajemen Risiko Bagi Bank Umum ditegaskan bahwa tujuan utama dari penerapan manajemen risiko bank adalah menjaga agar aktivitas operasional yang dilakukan bank tidak menimbulkan kerugian yang melebihi kemampuan bank untuk menyerap kerugian tersebut atau bahkan dapat membahayakan kelangsungan usaha bank. Modal merupakan komponen utama bagi bank dalam di dalam mengantisipasi potensi kerugian yang mungkin terealisasi di dalam menjalankan aktivitas operasional usahanya. Untuk itu salah satu cara dalam mengelola risiko usaha bank adalah dengan mengetahui seberapa besar modal yang hams disediakan oleh bank di dalam mengantisipasi risiko usahanya atau dengan mengetahui seberapa besar total risiko yang dapat diserap dengan modal bank yang tersedia sesuai dengan kondisi, struktur, uk:uran dan kompleksitas usaha masing-masing bank. Salah satu jenis risiko yang harus dihadapi oleh bank dalam menjalankan aktivitas usahanya adalah risiko pasar (market risk), yaitu risiko yang timbul karena adanya pergerakan variabel pasar (adverse movement) dari portofolio yang dimiliki oleh bank, yang dapat merugikan bank. Variabel pasar dalam hal ini adalah suku bunga (interest rate) dan nilai tukar (foreign exchange). Sebagaimana diatur Basle Committe on Banking Supervision (BCBS) dalam Amendment to The Capital Accord Incorporate Market Risk tahun 1996 yang juga telah diadopsi oleh Bank Indonesia sebagai regulator perbankan nasional, terdapat dua pendektan altematif yang dapat digunakan dalam menghitung risiko pasar, yaitu pendekatan standar (standardized approach) dan pendekatan internal model (internal model approach). Perhitungan risiko pasar dilakukan dengan memperhitungkan risiko suku bunga dan risiko nilai tukar. Risiko suku bunga mencakup risiko spesifik (specific risk) dan risiko umum (general market risk). Perhitungan risiko nilai tukar didasarkan pada Posisi Devisa Neto (Net Open Position) yang dimiliki Bank. Karya akhir ini mengkaji aspek-aspek proses perhitungan risiko pasar dalam mengestimasi besamya modal yang harus disediakan untuk mengantisipasi risiko pasar (market risk capital charge), khususnya yang disebabkan oleh faktor perubahan nilai tukar atas posisi devisa neto PT. Bank lntemasional Indonesia Tbk per tanggal 30 Juni 2003, baik dengan menggunakan pendekatan standar maupun pendekatan internal model dengan menggunakan pendekatan simulasi. data historis (historical simulation approach) dan pendekatan varian kovarian (variance covariance approach) dengan exponentially weighted moving average (EWMA). Dalam pendekatan standar, pengukuran risiko nilai tukar dilakukan dengan menggunakan pendekatan standar yang telah ditetapkan oleh regulator, dimana besamya Market Risk Capital Charge ditetapkan sebesar 8% dari posisi yang memiliki jumlah yang terbesar antara posisi long dan posisi short. Dengan pendekatan standar, besamya Market Risk Capital Charge adalah sebesar Rp.5.735 juta,-.Penetapan besamya Value at Risk dengan pendekatan simulasi data historis dilakukan dengan mensimulasi profit and loss atas posisi devisa neto bank berdasarkan return historis nilai tukar masing-masing valuta asing terhadap rupiah selama periode pengamatan, baik dengan 250 data maupun 500 data. Dengan menggunakan 250 data dan tingkat keyakinan (confidence level) 99%, besamya Value at Risk adalah sebesar Rp.888,38 juta,- sehingga besamya Capital at Risk adalah Rp.2.665,14 juta,-. Sedangkan untuk 500 data dan confidence level 99%, basil Value at Risk sebesar Rp.1.269,61 juta,- dan Capital at Risk sebesar Rp.3.808,83 juta,-. Untuk perhitungan Value at Risk dengan menggunakan pendekatan Variance Covariance - EWMA diawali dengan cara terlebih dahulu menetapkan faktor peluruh yang optimal (optimal decay factor ), dimana dalam penelitian ini besarnya faktor peluruh optimal yang digunakan adalah sebesar 0,96. Dengan menggunakan pendekatan ini, besarnya Value at Risk dengan 250 data dan confidence level 99% adalah sebesar Rp.664,24 juta,- dan Capital at Risk sebesar Rp.L992,72 juta,~, sedangkan untuk 500 data dan confidence level 99% Value at Risk sebesar Rp.559,57 juta,- dan Capital at Risk sebesar Rp.1.678,71 juta,-. Mengingat risiko pasar yang melekat dalam portofolio yang dimiliki bank tidak hanya terbatas pada risiko nilai.tukar yang melekat pada posisi devisa neto bank, tetapi risiko pasar dan risiko suku bunga yang melekat pada seluruh portofolio yang dimiliki bank, baik berupa instrumen surat hutang ,(debt instruments),forward rate agreement (FRA),foreign exchange, forward, ataupun dalam bentuk instrumen portofolio lainnya, maka pengaruh risiko nilai tukar posisi devisa neto bank terhadap perubahan CAR bank yang sangat kecil, yaitu hanya mengalami penurunan sebesar 0,17% dengan pendekatan standar, 0,08% dengan pendekatan simulasi historis, dan 0,06% dengan pendekatan varian kovarian dari CAR bank per-tanggal 30 Juni 2003 sebesar 25,88% sebelum memasukkan risiko pasar. Sementara itu berdasarkan hasil stress testing yang dilakukan dengan pendekatan historical scenario dengan tiga skenario, yaitu. skenario terbaik (best scenario), scenario terburuk (worst case scenario), dan skenario yang mungkin (probable case scenario) terdapat potensi terjadinya kerugian sebesar Rp.749 juta dan penurunan modal bank sebesar 0,026% dari posisi modal bank pertanggal 30 Juni 2003 sebesar Rp.2.836.828juta,-. "

"Dalam mengelola bank atau lembaga keuangan, manajemen mengmdapi berbagai risiko untuk memperoleh tingkat keuntungan yang diinginkan. Risiko (risk) dideiinisikan sebagai potensi teljadinya suatu peristiwa (events) yang dapal menimbulknn kerugian bank.Salah sam risiko perbankan adalah risiko pasar yaitu suatu risiko yang disebabkan oleh adanya volatilitas komponen pasar atau risiko kerugian pada posisi neraca dan rekening adminisitratif akibat perubahan harga pasar atas surat berharga atau instrumen keuangan lainnya. Terdapat dua komponen risiko pasar yang relevan bagi perbankan di Indonesia, yaitu risiko suku bunga dan risiko nilai tukar.Tujuan dari penelitian ini adalah untuk mengetahui besarnya risiko pasar yang disebabkan perubahan nilai tukar (foreign exchange) atas beberapa mata uang dalam portofolio posisi devisa netto (PDN) dengan mezode VaR (Value at Risk). Dengan diketahuinya nilai VaR ini, akan dapat diketahui besarnya kebutuhan penyediaan modal untuk menutup kemungkinan kerugian yang terjadi.Salah satu permasalahan yang timbul adalah diperlukan metode internal perhitungan risiko pasar tepat yang dapat diterapkan perbankan Indonesia Dalam perhitungan risiko pasar ini menggunakan VaR, yang dilakukan melalui tahapan-tahapan sebagai berikut:a. Perhitungan VaR Portofolio PDN dan capital charge, posisi 31 Desember 2002;b. Penetapan data observasi dan out of sample berupa foreign exchange dengan menggunakan basis data harian;c. Penetapan confidence level yang digunakan, yaitu 90% dan 98% (two tailed);d. Penetapan hoding periode selama 1 (satu) hari;e. Perhitungan forecast return volatility menggunakan Model EWMA, dengan penetapan n = 0,94 dan n, dari hasil perhitungan Mean Square Error (MSE) untuk setiap currency dan setiap confidence level;f. Assesment Model dengan metode Back Testing dan Kupiec Testingg. Perhitungan kembali CAR setelah memperhitungkan marker risk yang disebabkan oleh perubahan nilai tukar alas portofolio PDNDalam penelitian ini, untuk membantu proses pengolahan data, digunakan bantuan software Microsoft Excell.Data yang digunakan 3 (tiga) macam, meliputi historical time series nilai tukar dari Reuters, periode Januari s/d Desember 2002 sebagai data observasi dan periode Januari s/d Maret 2013, data out of sample, yang digunakan untuk uji kevalidan model Data posisi devisa netto (PDN) posisi 31 Desember 2002 dan Data Capital Adequacy Ratio (CAR) posisi 31 Desember 2002.Model yang digunakan dalam perhitungan forecast return volatility dengan Metode EWMA, dengan menggunakan confidence level 90% dan 98%. Kurs beberapa mata uang dalam portofolo PDN digunakan sebagai dasar untuk menghitung return, yang digunakan sebagai level data. Perhitungan ini menggunakan 1 (decay factor) dua macam, yaitu :a. Decay factor yang digunakan JP Morgan, yaitu n = 0,94b. Decay factor yang dihitung berdasarkan perhitungan MSE, dengan cara menggunakan persamaan forecast return variance, secara try and error, dengan variasi n yang digunakan, dipilih nilai MSE terkecil.Untuk menentukan adanya actual return yang melewati batas (failure), dilakukan penetapan batas atas (fortopn/forecast top) dan batas bawah (forbov/forecast bottom).Hasii validasi Back Testing pada data observasi dan out of sample, forecast return volatility diperoleh 2 (dua) hasil yang berbeda, yaitu pada n = 0,94, baik pada confidence level 90% dan 98%, terdapat failure relatif besar, melebihi 10% dan 2%, sehingga permodelan ini tidak layak unluk direkomendasikan. Sedangkan n = 0,99, baik pada confidence level 90% dan 98%, jumlah failure nihil, sehingga permodelan EWMA ini layak direkomendasikan.Validasi data Observasi dengan Kupiec Testing, dengan Model EWMA (n = 0,94), pada confidence level 90%, terdapat satu currency yang nilai Likelyhood Ratio (LR) yang ditolak (rejected), yaitu JPY. Sedangkan pada confidence level 98%, satu Nilai LR ditolak yaitu SGD. Pada n. = 0,99, baik pada confidence level 90% atau 98%, menunjukkan semua nilai LR diterima. Dengan demikian atas model yang digunakan tersebut layak digunakan dan data forecast return volatility dapat pergunakan untuk perhitungan VaR.Validasi Kuptec Testing untuk out of sample, dengan Model EWMA, dengan n = 0,94 pada confidence level 90%, terdapat 2 (dua) Nilai LR, yaitu USD dan SGD yang ditolak, sedangkan pada confidence level 98%, semua nilai LR diterima. Pada A = 0,99, baik pada confidence level 90% dan 98%, semua nilai LR diterima. Perhitungan sendiri besarnya decay factor, akan dapat Iebih realistis atas data yang digunakan.Pada Permodelan EWMA, n. = 0,94, pada confidence level 90% dan 98%, kesimpulan analisa Back Testing dan Kupiec Testing jumlah failure relatif besar, model tersebut tidak direkomendasikan, namun demikian dengan jumlah failure yang terjadi dikenakan penalty sesuai dengan rekomendasi Basel, sdningga permodelan ini diteruskan. Sedangkan pada n. = 0,99, baik pada confidence level 90% dan 98%, jumlah failure nihil, sehingga permodelan EWMA ini layak untuk direkomendasikan.Atas dasar data return yang digunakan sebagai level dala yang terdiri atas enam currency, maka data return tersebut dihitung risk correlation dengan bantuan software microsoft excel. Berdasarkan correlation matrix ini digunakan untuk menghitung VaR diversified, yang digunakan untuk perhitungan capital charge dan CAR, dengan hasil perhitungan sebagai berikut:Dilihat dari perhitungan CAR setelah memperhitungkan risiko pasar, khususnya akibat perubahan nilai tukar eras portofolio PDN, besamya CAR mengalami perubahan yaitu menurun dari CAR sebelumnya. Oleh sebab itu, akibat perubahan nilai tukar timbul risiko yang harus diantisipasi oleh bank dengan penyediaan modal yang cukup."

"Perbankan dalam menjalankan fungsinya sebagai financial intermediary selalu berhubungan dengan risiko. Sehingga dalam menjalankan kegiatan operasionalnya, bank harus dapat mengelola risikonya dengan baik. Selain itu, bisnis perbankan yang mengalami perkembangan pesat, juga membuat risiko kegiatan usaha perbankan menjadi semakin kompleks. Oleh karena itu bank dituntut untuk menerapkan manajemen risiko agar memiliki keunggulan kompetitif dalam persaingan bisnis perbankan. Basel Committee on Banking Supervision pada bulan Januari 1996 mengeluarkan Amendment terhadap Basel Capital Accord (BCA) 1988, perbankan diharapkan untuk memasukkan unsur risiko pasar dalam perhitungan Capital Adequacy Ratio (CAR). Bank Indonesia (BI) sebagai regulator perbankan di Indonesia mewajibkan perbankan untuk menerapkan manajemen risiko di bank masing-masing sesuai peraturan yang dikeluarkan oleh Basel Committee on Banking Supervision tersebut. Salah satu risiko yang dihadapi perbankan adalah risiko pasar. Risiko pasar adalah risiko yang timbul karena adanya pergerakan variable pasar (adverse movement) dari portfolio yang dimiliki oleh bank yang dapat merugikan bank itu sendiri. Risiko pasar yang dibahas dalam karya akhir ini adalah risiko nilai tukar pada portfolio Bank XYZ yang terdiri dari tiga mata uang. Dalam BCA 1996 disebutkan baln-va pengukuran risiko dapat dilakukan dengan standardized approach maupun internal model. Basel mensyaratkan penggunaan Value at Risk (VaR) untuk melakukan penghitungan risiko karena VaR adalah tool yang efektif untuk menggambarkan dan mengkomunikasikan risiko. VaR mengukur maksimum potensi kerugian pada portfolio instrumen keuangan yang diyakini akan terjadi dimasa mendatang dengan tingkat kepercayaan tertentu dan pada holding period tertentu. Pengukuran risiko nilai tukar dapat dilakukan dengan berbagai pendekatan. Pendekatan yang dipergunakan dalam penelitan ini adalah variance covariance. Sedangkan metode yang dipakai untuk mengbitung volatilitas return mata uang asing adalah deviasi standar normal dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Aset yang dipilih adalab tiga jenis mata uang asing pada portfolio Bank XYZ, yaitu Dolar Amerika (USD), Euro (EUR) dan Dolar Singapura (SGD) pada periode 2 Desember 2002 sampai dengan 27 Februari 2004 atau sebanyak 298 titik. Pemiliban atas tiga mata uang tersebut dikarenakan USD, EUR dan SGD merupakan tiga aset terbesar didalam portfolio mata uang asing Bank XYZ. Untuk melakukan perhitungan VaR perlu dilakukan pengujian data terlebih dahulu, yang meliputi uji stasioneritas dengan ADF Test, uji normalitas dan uji volatilitas data (white heteroscedastic lest). Berdasarkan basil pengujian data diketahui bahwa data return USD dan SGD memiliki volatilitas homoscedaslic, sehingga perbitungan volatilitasnya menggunakan deviasi standar normal. Sedangkan data return EUR yang memiliki volatilitas heteroscedastic. perbitungan volatilitasnya menggunakan GARCH. Setelab didapat basil volatilitas untuk ketiga mata uang tersebut, kemudian dilakukan perhitungan VaR untuk masing-masing mata uang dan portfolio dengan menggunakan confidence level 95% dan holding period I hari. Dari basil perhitungan VaR. diketahui potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 27 Februari 2004 akibat memegang posisi mata uang USD adalah sebesar Rp3.582.910.169; akibat memegang posisi mata uang EUR adalah sebesar Rp19.193.059 dan akibat memegang posisi SGD adalah sebesar Rp2.118.359.962. Sedangkan potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 27 Februari 2004 pada portfolio yang terdiri dari USD, EUR dan SGD adalah sebesar Rp5.720.463.191 dengan menggunakan metode undiversified VaR. Sedangkan potensi kerugian maksimum pada portfolionya dengan menggunakan metode diverstfied VaR adalah sebesar Rp5.417.153.223. Uji validasi model perlu dilakukan untuk mengetahui apakah model volatilitas untuk masing-masing mata uang tersebut valid. Uji validasi yang dilakukan dalam penelitian ini menggunakan Kupiec Test berdasarkan Total Number of Failures (TNoF) maupun Time Until First Failure (TUFF). Dari hasil uji validasi dapat disimpulkan bahwa model volatilitas untuk mata uang USD, EUR dan SGD adalah valid, karena nilai likelihood ratio (LR) yang lebih kecil dari 3,841. Sehingga, nilai VaR yang dihasilkan dapat rnenangkap pergerakan actual loos yang ada dan nilai akumulasi penyimpangan (overshooting) yang terjadi masih berada didalam batas toleransi sehingga dapat memberikan hasil yang cukup akurat."

"Dalam rangka mewujudkan sistem pembayaran yang efisien, cepat, aman dan handal, Bank Indonesia selaku Bank Sentral telah menerapkan sistem pembayaran berupa Real-Time Gross Settlement (RTGS). Sistem ini telah diterapkan hampir disebagian besar wilayah Asia Pasifik yang meliputi Hong Kong, Korea, Australia, China, New Zealand, dan Thailand. Di Indonesia sistem ini dikenal dengan sebutan BI-RTGS.Selain sistem BI-RTGS, Bank Indonesia juga memberikan sistem pembayaran nasional berupa Sistem Kliring Nasional Bank Indonesia (SKNBI). Diharapkan melalui kedua sistem tersebut akan tercipta pembayaran yang efisien, cepat, aman dan handal.Peraturan Bank Indonesia (PBI) Nomor 6/8/PBI/2004 tanggal 11 Maret 2004 tentang Sistem BI-RTGS dan PBI Nomor 7/18/PBI/2005 tanggal 22 Juli 2005 tentang SKNBI telah mengadopsi standar international business practice maupun core principle BIS. Dengan demikian Bank XYZ sebagai peserta sistem BI-RTGS dan SKNBI wajib tunduk kepada kedua PBI tersebut di atas dan sudah barang tentu menimbulkan konsekuensi yaitu timtutan agar pegawai Bank XYZ yang ditempatkan pada operasional sistem pembayaran bekerja lebih teliti, hati-hati dan seksama agar dapat meminimalkan atau meniadakan risiko yang mungkin dapat muncul dalam pelaksanaan transfer dana melalui kedua sistem dimaksud.Kesalahan pengiriman dana untuk rekening atau nama nasabah penerima yang dituju dipeserta penerima ataupun kesalahan dalam nilai nominal dan double pengiriman adalah beberapa contoh dari risiko operasional dari sisi peserta pengirim, sedangkan kesalahan dalam menentukan judgement terhadap perintah kiriman dana masuk dari peserta pengirim merupakan contoh risiko operasional dari sisi peserta penerima.Adanya kewajiban dari peserta pengirim untuk menerbitkan perintah kiriman dana baru kepada rekening yang dituju atau nasabah penenma yang benar tanpa menunggu pengembalian dana membuat pengalokasian dana cadangan untuk risiko operasional sangat penting. Besarnya alokasi dana cadangan ini harus dihitung dengan suatu metode pendekatan yang dikenal dengan sebutan Value at Risk (VaR).Pengukuran VaR untuk risiko operasional dapat dilakukan dengan beberapa metode pendekatan dan yang sederhana, sedikit komplek, dan sangat komplek. Tingkat keakuratan pengukuran terhadap aktual loss berbanding lurus dengan tingkat kompleksitas metode yang diterapkan. Adapun metode pengukuran risiko operasional dibagi menjadi 2, yaitu metode Standard dan Advanced Measurement Approach (AMA). Metode Standard terdiri dari Basic Indicator Approach (BIA), Standardized Approach (SA), Alternative Standardized Approach (ASA). Sedangkan AMA terdiri dari Internal Measurement Approach (IMA), Loss Distribution Approach (LDA), Scoreboard Approach, Bootstrapping Approach, Bayesian Method, dan Extreme Value Theory ( EVT).Metode AMA adalah metode yang dianggap menghasilkan pengukuran risiko operasional yang lebih baik yang dapat digunakan bagi perusahaan maupun perbankan dibandingkan dengan metode-metode lainnya seperti BIA, SA, ASA. Metode AMA menggunakan pendekatan internal dalam mengukur risiko operasional, sehingga metode ini terlepas dan aturan Basel.Dalam mengukur risiko operasional perusahaan, LDA mengharuskan untuk menggunakan data kerugian operasional intemal perusahaan masing-masing. Data kerugian tersebut dikelompokkan menjadi data iiekuensi kejadian dan data severitas kerugian. Dalam metode LDA, terdapat 2 cara pendekatan pengukuran yaitu dengan pendekatan actuarial method dan aggregation method. Dalam penelitian ini, metode pengukuran yang digunakan adalah dengan menggunakan AMA-LDA aggregation method.Dari hasil pengukuran yang dilakukan dan setelah dilakukan uji back resting, dapat ditarik kesimpulan bahwa penerapan metode pengukuran AMA-LDA aggregation method cocok diterapkan bagi Bank XYZ untuk mengukur besamya cadangan dana yang hams disediakan akibat potensi kerugian risiko operasional dalam sistem pembayaran nasional di keempat cabang Bank XYZ.

---

In order to achieve efficient, fast, secured and reliable payment system, Bank of Indonesia as the regulator has applied Real-Time Grass Settlement (RTGS) payment system. This system has been applied in most countries among Asia-Pasitic region, including Hong Kong, Korea, Australia, China, New Zealand, and Thailand. In Indonesia, this system is known as BI-RTGS.

Besides BI-RTGS system, Bank of Indonesia also provides national (domestic) payment system which is known as ?Sistem Kliring Nasional Bank Indonesia (SKNBI)? or ?National Clearing System of Bank Indonesia". By applying both systems, It is expected that we can have an efficient, quick, secured and reliable payment system.

Peraturan Bank Indonesia (PBI) or Bank of Indonesia Policies point 6/8/PBI/2004 on March 11th 2004 regarding to BI-RTGS System and PBI point 7/18/PBI/2005 on July 22nd 2005 regarding to SKNBI have adopted intemational business practice and BIS core principle standard. Thercby Bank XYZ as participant of BI-RTGS and SKNBI systems is required to obey both PBI above and get consequence, that the officers of Bank XYZ at operational payment system are required to work more accurately and carefully in order to minimize or eliminate any risks which might emerge in fund transfer involving both systems.

Mistaken account or customer name of fund recipient, mistaken nominal value and double transfer are some examples of operational risks on the side of fund sender. In the other hand, miss-judgement against incoming fund transfer order is the operational risk on the side of fund recipient.

Obligation of fund sender to issue order for new fund transfer to directed account or recipient without waiting for fund retum makes it very important to have spare fund allocation for operational risk. The amount of the spare fund has to be calculated using a method known as Value at Risk (VaR).

VaR measurement for operational risk can be performed using simple methods, slightly more complex methods or very complex methods. More complexity of the used method means higher accuracy level of the measurement against actual loss. There are two types of operational risk measurement methods: Standard and Advanced Measurement Approach (AMA). Standard method includes Basic Indicator Approach (BIA), Standardized Approach (SA), and Altemative Standardized Approach (ASA). AMA method includes Intemal Measurement Approach (IMA), Loss Distribution Approach (LDA), Scoreboard Approach, Bootstrapping Approach, Bayesian Method, and Extreme Value Theory (EVT).

AMA is a method which is considered as the one provides better operational risk measurement, that can be used in banking or other companies, compared with other methods, such as BIA, SA and ASA. AMA method uses internal approach in measuring operational risk, making this method not to depend on Basel rule.

In measuring company operational risk, usage of LDA demands intemal operational loss data of each company to be used. This loss data is grouped into occurrence frequency data and loss severity data. In LDA method, there are two methods of measurement, namely actuarial method and aggregation method. In this research, the method to be used is AMA- LDA aggregation method.

From the measurement and back testing result, we can get conclusion that applying AMA-LDA aggregation method is lit for Bank XYZ in measuring the amount of spare fund that must be provided due to potential loss of operational risk in national payment system which is used in four of its branches."

"Penelitian ini bertujuan untuk membandingkan dua metode value at-risk, delta-normal dan historical simulation diaplikasikan pada sebuah portofolio. Data yang digunakan dalam penelitian adalah rerum portofolio yang terdiri dari saham­ saham LQ45 selama interval waktu Februari 2007 sampai dengan Juli 2009 yang berjumlah 596 data. Sebelum diperbandingkan, hasil kedua metode pethitungan VaR akan diuji validitasnya sebagai rnetode pengukuran menggunakan Kupiec test. Jika kedua metode dinyatakan valid, maka kedua metode lersebut akan diperbandingkan untuk menentukan mewde manakah yang lebih cocok sebagai VaR bagi portofolio tersebut Uji normaHtas akan dilakukan karena merupakan asurnsi dalam metode delta-normal. Parameter perhitungau VaR yang digunakan adalah confidence interval 95% dengan horizon waktu 20 hari. Berdasarkan hasil pengujian Kupiec test, kedua metode dalam penelitian ini ditolak sebagai metode pengukuran VaR portofolio tersebut. Dan menurut uji normalitas, beberapa return portofolio tersebut tidak memilik.i dlstibusi normal yang berdampak metode delta-normal tidak dapat langsung diterapkan sehingga dafam perhitungannya harus menggunakan alpha prime. Hasil penelitian ini menyatakan bahwa kedua metode tersebut memiliki tingkat kesalahan yang sama, selain itu berdasarkan Kupiec test dari kedua metode tersebut tidak memiliki validitas yang baik untuk diterapkan.

---

This research aimed to comparing two method of Value-at-risk, that is delta­ normal and historical simulation applied to a portfolio. Data used in this research are portfolio return consisting LQ45's stock for time interval February 2007 till July 2009 with total 596 data. Before the comparison, result from both methods will be tested for its validity as a measurement method using Kupiec test. If both methods are valid, then both of methods will be compared to know which one is more suit as VaR for related portfolio. Normality test will be held because it needed for delta-normal method. Measurement parameters used are confidence interval 95% with 20 days time horizon.

Based on the result of Kupiec test, both methods rejected as VaR measurement method for related portfolio. And according to normality test, portfolio returns have a not normal distribution therefore can not be applied immediately to delta normal results are both method are have the same failure rate, but the result from Kupiec test shows that both methods are not suitable to be implemented."

"The objective of this research is to examine maximum losses when investor invests on syariah based stock. Markowitz model is used for constructing the optimal portfolio. Value at Risk Model is also used for calculating the expected losses. The research indicates that volatility seems to cluster in a predictable fashion. Therefore the research forecasts variances used exponentially weighted moving average (EWMA) model. This research also aims to evaluate whether the EWMA model can predict variances reasonably well. The data used in this research are syariah based stock which had been included in Jakarta Islamic Index (JII) during the year 2005-2006. This research provides that VAR models using an EWMAforecast are good enough for predicting risk. The number of exception of 508 daily datas are only less than 5% or valid at confident level 95%. As benchmark we also use historical method and monte carlo simulation to compare performance of EWMA forecast."