Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banyak perusahaan yang telah menyadari bahwa mereka harus berusaha keras tidak hanya mendapatkan pelanggan baru, namun juga untuk mempertahankan pelanggan lama. Memprediksi nasabah yang akan pergi mulai dilakukan oleh perusahaan. Prediksi nasabah churn adalah kegiatan yang dilakukan untuk memprediksi nasabah tersebut akan meninggalkan perusahaan atau tidak. Banyak cara yang dapat dilakukan untuk memprediksi nasabah churn. Salah satu cara memprediksi nasabah churn ini adalah dengan menggunakan teknik klasifikasi dari data mining yang menghasilkan sebuah model machine learning. Dengan mempelajari data nasabah seperti data demografi, data transaksi dan data kepemilikan produk maka, perusahaan akan bisa memprediksi nasabah yang akan churn, sehingga perusahaan dapat melakukan tindakan pencegahan agar nasabah tersebut tidak berhenti untuk menggunakan jasa dari perusahaan. Penelitian ini membandingkan beberapa metode dari teknik klasifikasi data mining dan pengukuran dari sampel datanya. Dari penelitian ini didapat bahwa metode Support Vector Machine (SVM) dengan perbandingan sampling kelas data 50:50 merupakan metode terbaik untuk memprediksi nasabah churn di Bank XYZ. Hasil dari pemodelan ini bisa digunakan untuk mendapatkan informasi nasabah yang akan pergi meninggalkan perusahaan sehingga perusahaan dapat mengambil tindakan sebelum nasabah tersebut pergi.

---

Many companies have realized they must strive not only to get new customers but also to retain old customers. The company began to predict customers who would no longer use company services. Churn customer prediction is an activity carried out to predict whether the customer will leave the company or not.

There are many ways that can be done to predict churn customers, usually to predicting this customer churn by using a classification technique from data mining that produces a machine learning model. Studying customer historical data such as demographic data, transaction data and product ownership data, will be able to predict customers who will churn and can take preventive measures so these customers do not stop using services from the company.

This study compares several methods of data mining classification techniques and measurements from data samples. From this study it was found that the method of Support Vector Machine (SVM) with a comparison of 50:50 data class sampling is the best method for predicting churn customers at Bank XYZ. The results of this modeling can be used to obtain information on customers who will stop using  company services so the company can take action before the customer leaves."

"Kerasnya persaingan usaha dan suasana kompetisi pada industri perbankan yang semakin ketat menjadikan perusahaan berusaha sekeras mungkin untuk mencegah berpindahnya pelanggan mereka ke perusahaan pesaing. Salah satu cara untuk bisa mencegah berpindahnya pelanggan ke perusahaan pesaing adalah dengan melakukan prediksi dan deteksi dini pelanggan-pelanggan mana saja yang berpotensi meninggalkan perusahaan dan beralih ke perusahaan pesaing yaitu dengan melakukan churn prediction. Churn prediction sudah diimplementasikan secara luas di industri telekomunikasi sebagai bagian dari churn management. Salah satu teknik yang digunakan untuk melakukan churn prediction adalah data mining. Tesis ini mencoba menggali pola-pola churn dari salah satu institusi perbankan nasional, dengan harapan bisa menemukan sebuah model churn bagi intitusi perbankan tersebut. Hasil analisa yang dilakukan melahirkan pengetahuan mengenai kondisi seperti apa yang mengakibatkan seorang nasabah akan menutup rekening mereka. Penggalian informasi juga berhasil menemukan beberapa pola yang seperti apa yang bisa dijadikan pertanda seorang nasabah akan menutup rekening mereka. Keterbatasan jumlah variabel dari dataset yang digunakan menghasilkan model data mining menjadi sangat sederhana, sehingga diperlukan adanya tambahan variabel lain untuk menghasilkan model yang lebih kuat.

---

The harshness of the competition for efforts and the atmosphere of the competition in the increasingly tight banking industry made the company try as hard as possible to prevent their customer's moving to the competitor's company.

Churn prediction is One of the methods that could prevent the customer's moving to the competitor's company by carrying out the prediction and the early detection of any customer who had the potential to leave the compani and to change to the competitor's company.Churn prediction already implemented widely in the telecommunications industry as a part of churn management. One of the techniques that was used to do churn prediction was the data mining. This thesis tried to dig up patterns churn from one of the national banking institutions, in the hope of could find a model churn for this banking institution.

Results of the analysis that was carried out produced knowledge concerning the condition like what resulted in a customer closing their account. The excavation of information also succeeded in finding several patterns that like what could be made the sign of a customer will close their account. The limitations of the number of variables from the set data that was used produced the data model mining became very simple, so as to be needed by the existence of the addition of the other variable to produce the stronger model."

"ABSTRAKKredit bermasalah atau non performing loan NPL merupakan salah satu indikator penilaian performa sebuah bank dalam menjalankan program kredit kepada nasabahnya. Peningkatan rasio NPL pada PT. Bank XYZ pada tahun 2016 memberikan dampak kerugian yang sangat besar bagi perusahaan. Tinggi atau rendahnya rasio NPL erat kaitannya dengan tingkat kepatuhan debitur dalam menyelesaikan kewajibannya sesuai dengan perjanjian yang ada. Peningkatan rasio NPL tersebut berasal dari berbagai sektor kredit termasuk kredit kepemilikan rumah KPR. Tercatat pada awal tahun 2017 terdapat 16,15 nasabah yang memiliki kredit tidak lancar pada kredit KPR FLPP. Kualitas kredit yang buruk memberikan kerugian pada Bank XYZ. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan teknik data mining untuk melakukan penilaian risiko calon nasabah kredit. Teknik data mining decision tree, support vector machine dan na ve bayes digunakan untuk melakukan penilaian risiko kualitas kredit calon nasabah. Teknik ensemble classification adaptive boosting dan bagging juga digunakan untuk meningkatkan performa dari model klasifikasi dasar. Pemodelan dilakukan dengan menggunakan data nasabah KPR FLPP. Evaluasi penelitian dilakukan menggunakan teknik k-fold cross validation. Hasil dari penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode base classification decision tree merupakan model yang terbaik pada kasus ini. Hasil dari pemodelan dapat digunakan dalam menilai potensi calon nasabah apakah akan menjadi nasabah yang mempunyai kualitas kredit baik atau buruk.

---

ABSTRACTNon performing loan NPL is one of some indicators that can be used to measure the performance of bank in running a credit program to its customer. Bank XYZ rsquo s NPL rate increased in 2016 brought a huge loss to the organization. High or low NPL rate in the bank is closely related to the level of compliance of its customer in fulfilling their obligation based on agreement. The increment of NPL came from several sectors including the mortgage sector. In the beginning of 2017, there are 16.15 of customer have bad credit performance of FLPP mortgage program. Bad quality can bring loss to the Bank XYZ. To resolve that problem, data mining technique is used in order to assess the credit risk of prospect customer. Data mining techniques such decision tree, support vector machine SVM and na ve bayes are used to score the credit risk of the prospect customer. Ensemble classification technique such adaptive boosting and bagging are used as well to improve the performance of base classification rsquo s model. Modelling uses the historical customer data of FLPP mortgage program. The technique of evaluation in this research uses k fold cross validation. The result of this research shows classifiers from base classification decision tree has the best result amongst the other models in this case. The best models can be used to score the potential of prospect customer whether they will be having good credit or bad credit."

"Studi tentang pengelolaan customer retention bersumber dari kebutuhan perusahaan untuk mempertahankan customer agar tetap loyal menggunakan produk ataupun layanan yang ditawarkan. Hingga saat ini customer retention menjadi salah satu perhatian utama dalam dunia bisnis karena menurunnya tingkat customer retention berdampak pada berkurangnya revenue. Big data mulai banyak dimanfaatkan sebagai sumber data untuk memahami suatu kondisi ataupun untuk memprediksi suatu behavior yang akan terjadi melalui berbagai pemodelan analisis data. Peristiwa berhentinya customer dari menggunakan produk ataupun layanan disebut customer churn. Penelitian ini menyajikan dua model untuk membantu suatu perusahaan jasa penyedia layanan online berbasis internet untuk menganalisis dan memprediksi future behavior berupa customer churn dan memahami kondisi yang menyebabkannya. Model prediksi customer churn yang dikembangkan menggunakan konsep logistic regression dan random forest. Hasil dari penelitian ini menunjukkan bahwa model yang dikembangkan bisa mengidentifikasi customer suatu perusahaan penyedia layanan online QWE.Inc yang berpotensi akan meninggalkan layanan. Selain itu penelitian ini juga menganalisis faktor-faktor yang memiliki pengaruh signifikan terhadap kondisi tersebut dan memberikan saran pengelolaan customer retention dengan program customer relationship management.

---

The study of customer retention management is influenced by the need of the companies to keep their customers stay loyal to use their products or services. Customer retention is one of the main concerns in the business world until today, since the declining level of customer retention will result in the reduced revenue. Big data begin to be widely used as source of data to learn about condition or to predict behavior that may occur through various data analysis modeling. The event of the customer stop from using the product or service is called customer churn.

This study presents two models to help QWE Inc. an internet based online service provider company, to analyze and predict future behavior which is customer churn and understand the causes. Customer churn prediction models in this study have been developed using logistic regression and random forest concepts.

The results of this study indicate that the developed model can identify the customer of QWE.Inc that will potentially leave the service. In addition, this study also analyzed the factors that have a significant influence on these conditions and provide advice on customer retention management with customer relationship management programs."

"[ABSTRAKDana pihak ketiga (DPK), yaitu dana yang dihimpun bank yang berasal darimasyarakat, perlu dikelola secara efektif dan efisien dengan mempersiapkanstrategi penempatan dana. Salah satu strategi dalam penempatan dana tersebutadalah menyalurkan kembali kepada masyarakat dalam bentuk pinjaman untukDPK yang diprediksi akan mengendap dalam jangka waktu yang cukup lama danmenyimpan DPK dalam bentuk kas, cadangan, atau investasi jangka pendek untukDPK yang diprediksi tidak akan mengendap dalam jangka waktu yang cukuplama menurut definisi bank. Penelitian ini menggunakan data mining untukmemprediksi porsi DPK yang mengendap dari masing-masing nasabahberdasarkan profil demografi dan transaksinya. Penelitian dibatasi pada produk tabungan, dan data yang digunakan untuk proses data mining adalah data profil nasabah dan data transaksi produk tabungan. Metodologi penelitian ini menggunakan pendekatan CRISP DM. Dan metodedata mining yang digunakan adalah teknik decision tree untuk prediksi, analisaklaster untuk proses diskritisasi label kelas yang akan digunakan dalam klasifikasidan menggunakan analisa RFM (Recency, Frequency, Monetary) untukmenyederhanakan nilai pada atribut-atribut yang terkait dengan transaksitabungan. Metode klasifikasi menggunakan algoritma C4.5 dan analisa klastermenggunakan algoritma k-means dan menggunakan WEKA sebagai data miningtools. Hasil dari penelitian ini adalah model untuk memprediksi porsi danamengendap dari nasabah. Dari hasil evaluasi menggunakan perhitungan sensitivity, spesitivity, dan accuracy menunjukan model yang berhasil dibangun memiliki keakuratan yang cukup baik dalam memprediksi porsi dana mengendap.

---

ABSTRACTThird-party funds (TPF), which is funds raised from the public, need to bemanaged effectively and efficiently by preparing a strategic placements. One ofthe strategies is by distributing loan from TPF that are expected to settle for a longperiod of time and store in the form of cash, reserves, or short-term investmentsfor TPF that are predicted will not settle within long period based on definitionfrom the bank. In this study data mining is used to predict portion of TPF thatwill settle for certain period of each customer based on the demographic profileand transaction history. The scope of this study is only for saving account product,and this study uses the customer profile data and transaction data of savingsproducts for data mining process. The research methodology in this study using the CRISP DM approach. Decision tree classification technique is used for prediction, cluster analysis method is usedfor discretization process of class labels to be used in the classification and useRFM analysis (Recency, Frequency, Monetary) to simplify the value of theattributes associated with the transaction of saving account. C4.5 algorithm isused for classification and cluster analysis using k-means algorithm and WEKA isused as data mining tools. The results of this study is the model that can predictportion of TPF that will settle for a certain period. The model evaluation bysensitivity, spesitivity, and accuracy calculation shows that the model hassuccessfully built a good accuracy in predicting of TPF that are expected to settlefor a long period of time. , Third-party funds (TPF), which is funds raised from the public, need to bemanaged effectively and efficiently by preparing a strategic placements. One ofthe strategies is by distributing loan from TPF that are expected to settle for a longperiod of time and store in the form of cash, reserves, or short-term investmentsfor TPF that are predicted will not settle within long period based on definitionfrom the bank. In this study data mining is used to predict portion of TPF thatwill settle for certain period of each customer based on the demographic profileand transaction history. The scope of this study is only for saving account product,and this study uses the customer profile data and transaction data of savingsproducts for data mining process. The research methodology in this study using the CRISP DM approach. Decision tree classification technique is used for prediction, cluster analysis method is usedfor discretization process of class labels to be used in the classification and useRFM analysis (Recency, Frequency, Monetary) to simplify the value of theattributes associated with the transaction of saving account. C4.5 algorithm isused for classification and cluster analysis using k-means algorithm and WEKA isused as data mining tools. The results of this study is the model that can predictportion of TPF that will settle for a certain period. The model evaluation bysensitivity, spesitivity, and accuracy calculation shows that the model hassuccessfully built a good accuracy in predicting of TPF that are expected to settlefor a long period of time. ]"

"ABSTRAKTujuan dari penelitian ini adalah untuk mengetahui apakah persepsi yang timbul dari pribadi konsumen terhadap suatu produk perbankan, yaitu produk Mobile Banking Bank XYZ, berpengaruh pada pembentukan behavioral to adopt terhadap produk Mobile Banking itu sendiri. Sehubungan dengan tujuan tersebut hipotesis yang diajukan adalah untuk mengetahui apakah variable TAM (Technology Acceptance Model) yaitu : Perceived Usefulness,Perceived Ease of Use,Social Norm, Perceived Risk,Relative Advantage,Personal innovativeness mempunyai pengaruh yang signifikan terhadap variabel behavioral to adopt serta. Populasi dari penelitian ini adalah seluruh nasabah Bank XYZ. Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah non probability sampling, dan penentuan besarnya sampel adalah dengan menggunakan convenience sampling yaitu sebesar 130 orang. Sumber data yang digunakan adalah data primer dan data sekunder. Pengambilan data primer adalah dengan metode kuesioner. Analisis penelitian ini dengan menggunakan pengujian instrumen (uji validitas dan reliabilitas) dan analisis kuantitatif (Regresi Linier Berganda, Uji R2, Uji Statistik-t, Uji F). Hasil analisis dalam penelitian ini menunjukkan bahwa tidak semua variabel TAM mempunyai pengaruh yang signifikan terhadap variabel Behavioral to adopt.

---

ABSTRACTThe objective of this research is to discover if the personal perception of a consumer toward a Banking product, which is Mobile Banking Bank XYZ, have a relation in creating consumer behavioral toward Mobile Banking it self. According to the objective, the hipotesis is to find if TAM (Technology Acceptance Model) with variable: Perceived Usefulness,Perceived Ease of Use,Social Norm, Perceived Risk,Relative Advantage,Personal innovativeness have a significant relation toward variable behavioral to adopt. The population in this research is the customers of Bank XYZ. The sampling technique is using non probability sampling and number of sampel decided by using convenience sampling which is 130 respondents. Data resources come from primary and secondary data. The primary data collected using questionaire. The analysis is using instrumen test (validity and reliability test) and quantity test (Multiple Linear Regresion, R2 test, T-test, F-test). The result of research is showing that not all TAM variables have significant relations with Behavioral to adopt variable."

"PT Bank XYZ adalah sebuah bank BUMN yang tengah mengembangkan layanan e-banking. Jumlah jaringan unit kerja terbesar di indonesia (lebih dari 5400 unit kerja) menjadi keunggulan komparatif diantara bank-bank lainnya. Dengan menerapkan layanan e-banking, Bank XYZ dapat menggali keunggulan kompetitif berbasis TI, yaitu keunggulan yang lebih menekankan pada kualitas layanan, bukan hanya kuantitas layanan yang dimiliki.Layanan e-banking yang dikembangkan Bank XYZ meliputi kartu ATM, sms-banking, phone-banking, dan internet banking. Layanan-layanan tersebut saat ini tengah giat dipasarkan, namun hasilnya belum maksimal. Mengutip laporan dari Kantor Pusat Bank XYZ (No.B-DJS/PEB/08/2010) tertanggal 1 Agustus 2010, bahwa realisasi transaksi ATM setiap bulan baru mencapai 78.77% dari target bulanan yang ditetapkan, SMS Banking baru mencapai 58.96%, phone-banking baru mencapai 58.62%, dan internet banking baru mencapai 35,21%. Berdasarkan permasalahan nyata di Bank XYZ sebagaimana yang telah diungkap di atas, diperlukan suatu analisa mengapa layanan e-banking di XYZ tidak mencapai target.Penelitian ini bertujuan untuk mengkaji faktor-faktor yang memengaruhi penerimaan pengguna dalam menggunakan salah satu jenis layanan e-banking yaitu SMS Banking. Salah satu teknik yang dapat digunakan adalah dengan Technology Acceptance Model (TAM). Metode pengumpulan data menggunakan kuisioner, sedangkan pegolahan data dan penarikan kesimpulan digunakan Structural Equation Modeling (SEM). Adapun lokasi penelitian adalah di Bank XYZ yang berlokasi di kota Tangerang.Hasil penelitian adalah berupa model TAM yang cocok untuk diterapkan di Bank XYZ beserta faktor yang memengaruhi nasabah dalam menggunakan SMS Banking. Faktor tersebut adalah persepsi kemudahan (perceived ease of use), perilaku penggunaan (behavioral intention), dan penggunaan nyata (actual usage).

---

PT Bank XYZ is a state-owned bank that is developing e-banking services. The number of work units as the largest network in Indonesia (more than 5400 units of work) will become a comparative advantage among other banks. By applying e-banking services, Bank XYZ can explore IT-based competitive advantage, that advantage is more emphasis on quality of service, not just the quantity of services they have.

E-banking service developed by Bank XYZ include ATM cards, SMS-banking, phone-banking, and internet banking. These services are currently being actively marketed, but the results have not been up. Citing a report from the Head Office Bank XYZ (No.B-DJS/PEB/08/2010) dated August 1, 2010, that the realization of ATM transactions per month reached 78.77% of the monthly target set, SMS Banking reached 58.96%, phone-banking reached 58.62%, and internet banking reached 35.21%. Based on the real issues in Bank XYZ as disclosed above, required an analysis of why the e-banking services in the Bank XYZ does not reach the target.

This study aimed to examine the factors that influence user acceptance in using one type of e-banking services namely SMS Banking. One technique that can be used is the Technology Acceptance Model (TAM). Methods for collecting data using questionnaires, while the data and drawing conclusions used Structural Equation Modeling (SEM). The research site is in the Bank XYZ which is located in the central city of Tangerang.

The results are in the form of the TAM model suitable to be applied in Bank XYZ with factors that influence customers to use SMS Banking. These factors are perceived ease of use, behavioral intention, and actual usage."

"Penelitian ini bertujuan untuk menjelaskan dan menganalisis mengenai pelaksanaan mediasi perbankan oleh Bank Indonesia sebagai wujud perlindungan nasabah dalam kasus antara Bank ABC dengan PT XYZ. Pokok permasalahan dalam penelitian ini adalah bagaimana ketentuan, pelaksanaan, dan penyelesaian dalam mediasi perbankan oleh Bank Indonesia sebagai wujud perlindungan nasabah dan bagaimana penerapannya dalam Bank ABC dengan PT XYZ. Peneliti mempergunakan metode penelitian yuridis normatif dengan studi kepustakaan. Hasil penelitian menunjukkan bahwa kasus antara Bank ABC dengan PT XYZ tidak memenuhi karakteristik mediasi perbankan dalam konteks Peraturan Bank Indonesia tentang Mediasi Perbankan mengingat jumlah nominal tuntutan perdata jauh di atas Rp 500.000.000,00 (lima ratus juta rupiah). Batasan karakteristik tersebut lantas tidak membuat Bank Indonesia melepaskan tanggungjawabnya sebagai fungsi pengawasan bank yang memiliki kewenangan untuk melakukan diskresi. Penyelesaian sengketa yang dimediasi oleh Bank Indonesia tersebut berupa akta kesepakatan. Atas akta kesepakatan tersebut dapat dimintakan perolehan putusan perdamaian yang berkekuatan hukum tetap, tertutup upaya banding atau kasasi, dan berkekuatan eksekutorial dengan diajukannya penguatannya di pengadilan.

---

This research is aimed to describe and analyze the implementation of banking mediation by Bank Indonesia as a form of customer protection in the case of Bank ABC against PT XYZ. The main issue in this research is to find out the regulations, implementation, and settlement in the banking mediation by Bank Indonesia as a form of customer protection, and how are these implemented in the case between Bank ABC and PT XYZ. Author uses the juridical-normative research method by literature studies.

This research shows that case of Bank ABC against PT XYZ does not meet the characteristics of banking mediation in the context of The Regulation of Bank Indonesia about Banking Mediation, which is considered by the amount of the civil suit that is much larger than Rp 500.000.000,00 (five hundred million rupiahs). Limitations of these characteristics do not cause the bank to release its responsibility as the supervisor of the bank that has a discretionary authority. The settlement of dispute mediated by Bank Indonesia is in the form of a deed of agreement. The deed of agreement has a legally binding force upon request to the court closed from the act of appeal and cassation, and holds an executorial power by requesting an affirmation to the court."

"Industri telekomunikasi Indonesia saat ini sedang berada pada tahap pertumbuhan yang sangat pesat seiring dengan berkembangnya teknologi informasi yang terkait dengan telekomunikasi. Di tengah persaingan industri ini yang sangat ketat, strategi untuk mempertahankan pelanggan untuk tetap loyal menggunakan layanan lebih baik daripada strategi untuk mengakuisisi pelanggan baru (Yeshwanth, Raj, & Saravanan, 2011). Oleh sebab itu, PT XL Axiata Tbk (XL) menjalankan kegiatan churn retention dalam upaya menjaga pelanggan mereka untuk tetap setia. Namun demikian, tingkat churn pelanggan di lima bulan terakhir pada tahun 2012 tidak mencapai KPI yang telah ditetapkan. Salah satu penyebabnya adalah rendahnya akurasi dari model yang digunakan untuk memprediksi pelanggan yang akan churn. Penambahan variabel-variabel baru yang lebih relevan dapat meningkatkan akurasi dari model. Penelitian terdahulu seperti yang dilakukan oleh S. Rossett & E. Neumann (2012) dengan memperhitungkan customer value, dan penelitian yang dilakukan oleh W. Gruszczynski & P. Arabas (2011) yang memasukan variabel social network ke dalam model, terbukti dapat meningkatkan akurasi dari churn model. Hasil kegiatan modeling dalam penelitian ini menghasilkan churn model baru untuk pelanggan low value dengan menambahkan variabel social network, dan churn model baru untuk pelanggan high value tanpa menambahkan variabel social network.

---

Currently, telecommunication industry in Indonesia growing fastly, inline with the growth of information technology related to telecommunications. It is always better to retain a customer than having to find a new customer in the present competitive environment (Yeshwanth, Raj, & Saravanan, 2011). To align with that, PT XL Axiata Tbk (XL) do churn retention to keep their subscriber. But in last five months of 2012, subscriber churn rate is higher than targeted. One of the reason for this is accuracy of churn prediction model getting worst. Addition of relevan variable can increase model accuracy.

In the previous research, S. Rossett & E. Neumann (2012) proving that customer value variable can improve their churn prediction model. W. Gruszczynski & P. Arabas (2011) also tried to improve their churn model by adding some variable related to social network. This research produce new and better churn model comparing to previous XL’s churn model. This new model predicting churn for low value subscriber and high value subscriber with different model. Also, the social network variable included in the new churn model. "

"Penelitian ini bertujuan untuk mengetahui dan menganalisis perlakuan akuntansi PT Bank XYZ Tbk. pada instrumen keuangan yang tercatat pada laporan keuangan perusahaan. Penelitian ini juga bertujuan untuk mengetahui perbedaan dan mengevaluasi dampak yang ditimbulkan oleh penerapan PSAK 71 mengenai Instrumen Keuangan, serta memberi masukan kepada industri perbankan dan regulator untuk mengatasi masalah-masalah tersebut kelak. Penelitian ini dilakukan dengan metode studi kasus. Hasil dari penelitian menyimpulkan bahwa (1) Penerapan PSAK 71 mengenai Instrumen Keuangan membutuhkan persiapan yang memadai dan partisipasi seluruh stakeholder demi kelancaran penerapan standar tersebut, (2) model baru penurunan nilai expected loss mempengaruhi perhitungan CKPN, yang menurunkan pendapatan dan rasio permodalan (CAR) Bank, dan (3) perlunya kesiapan infrastruktur, penyelenggarakan pelatihan dan workshop, identifikasi dampak, pengembangan sistem, dan partisipasi dalam penyusunan regulasi industri perbankan untuk mempermudah penerapan standar tersebut.

---

This study aims to determine and analyze the accounting treatment of PT Bank XYZ Tbk. on financial instruments recorded on the company's financial statements. This study also aims to determine the differences and discuss the impacts of the application of PSAK 71 on Financial Instruments, and provide input to the banking industry and regulators to address these issues in the future. This research uses a qualitative approach with case study method. This study results conclude, that: (1) The application of PSAK 71 on Financial Instruments requires adequate preparation and participation of all stakeholders, (2) The new expected loss impairment model affects the calculation of CKPN, which decreases the Bank's revenue and capital adequacy ratio (CAR), and (3) the need of infrastructure readiness, organizing training and workshops, impact identification, system development, and participation in banking industry regulation are critical to ease the standards implementation."