Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mengetahui perubahan dan mengevaluasi efisiensi proses bisnis akuisisi kartu kredit pada Bank X setelah melakukan transformasi digital pada proses front-end sebagai salah satu respon terhadap pandemi Covid 19. Transformasi digital yang dilakukan oleh Bank X pada periode tersebut adalah pengembangan kanal yang digunakan untuk menerima dan mengelola aplikasi kartu kredit melalui sales tool untuk pengajuan melalui petugas sales, kanal website, dan super app. Penelitian ini berjenis studi kasus dengan pendekatan kualitatif dengan pengumpulan data melalui wawancara dan observasi dokumen sekunder berupa laporan tahunan, laporan keuangan, kilas kinerja, serta berita pada website perusahaan maupun media elektronik. Wawancara dilakukan dengan enam orang responden dari berbagai level unit kerja yang merupakan pihak yang menjadi bagian dari proses bisnis kartu kredit yang diteliti. Analisis data dilakukan dengan membangun model logis dari unit analisis dan melakukan komparasi dengan kriteria kinerja dari konsep manajemen proses bisnis (BPM). Penelitian ini menunjukkan bahwa transformasi digital memberikan manfaat efisiensi bagi proses bisnis akuisisi kartu kredit di Bank X dari segi pengurangan jumlah aktivitas, pengurangan siklus waktu serta pengurangan penggunaan sumber daya dengan memaksimalkan penggunaan perangkat lunak dan teknologi digital. Tingkat efisiensi yang dihasilkan pada setiap kanal berbeda secara keseluruhan pada proses front-end dan back-end.

---

This study aims to acknowledge and evaluate credit card acquisition business process efficiency of Bank X subsequent to digital transformation on front-end process as response to Covid 19 pandemic. Digital transformation performed by Bank X in this period refered to channel development contained sales tool, website, and super app. It took qualitative method in the form of case study. Data were collected through interviews and observation towards Bank X’s  documents contain annual report, financial statement, performance highlight, and other publications on Bank X’s website and electronic media. The interviews were conducted with six respondents from different business unit that were in charge or responsible in such business process. Data analysis was carried out by building up logic models and comparation between the analysis units with the performance indicator of business process management (BPM) as measuring criteria. This study discovers that digital transformation give benefits of efficiency to bank X’s credit card acquisition business process. It is obtained through reducing activities conducted, cycle time, and usage of resources, particularly labor  due to the removal of some activities and digital  technology utilization. Each acquisition channel generates efficiency in different level."

"Kemajuan teknologi menyebabkan peningkatan produktivitas dan mendorong efisiensi dalam berbagai aspek kehidupan, termasuk sektor perbankan. Semakin efisien dan produktif suatu bank akan meningkatkan kapasitas bersaing dan menguasai pasar, sehingga diharapkan akan meningkatkan profitabilitas bank. Temuan empiris menunjukkan bahwa sebagian besar bank telah menjadikan adopsi teknologi perbankan digital sebagai strategi utama yang diterapkan. Penelitian ini bertujuan menganalisis pengaruh transformasi digital terhadap profitabilitas bank di Negara Berkembang ASEAN, diantaranya Indonesia, Malaysia, Thailand, Filipina, dan Vietnam. Objek penelitian terdaftar di Bursa Efek serta memiliki kelengkapan data laporan keuangan dan laporan tahunan dari tahun 2013 hingga 2022, yang kemudian diperoleh sampel sebanyak 75 bank. Variabel dependen adalah Profitabilitas Bank yang diukur menggunakan ROA, ROE, dan NIM, sedangkan variabel independen berupa Transformasi Digital, serta terdapat variabel kontrol berupa Diversifikasi Pendapatan, Tingkat Pertumbuhan PDB, Rasio Ekuitas terhadap Aset, Total Aset, dan Rasio Hutang terhadap Aset. Dengan menggunakan regresi Fixed Effect Model, ditemukan bahwa terdapat pengaruh signifikan pada level 1% antara Transformasi Digital terhadap Profitabilitas Bank, dimana pengaruh ini memiliki arah yang negatif.

---

Technological advances lead to increased productivity and encourage efficiency in various aspects of life, including the banking sector. The more efficient and productive a bank will increase its competitive capacity and dominate the market, it is hoped that this will increase the bank's profitability. Empirical findings show that most banks have made the adoption of digital banking technology the main strategy implemented. This research aims to analyze the influence of digital transformation on bank profitability in ASEAN emerging countries, including Indonesia, Malaysia, Thailand, Philippines, and Vietnam. The research object is registered on the Stock Exchange and has complete financial report data and annual reports from 2013 to 2022, from which a sample of 75 banks was obtained. The dependent variable is Bank Profitability which is measured using ROA, ROE, and NIM, while the independent variable is Digital Transformation, and there are control variables in the form of Income Diversification, GDP Growth Rate, Equity to Asset Ratio, Total Assets, and Debt to Asset Ratio. By using Fixed Effect Model regression, it was found that there was a significant influence at the 1% level between Digital Transformation and Bank Profitability, where this influence had a negative direction."

"Laporan praktik keinsinyuran ini membahas proses transformasi digital pada proses bisnis bidang Gas Bumi di BPH Migas melalui aplikasi Sistem Informasi Laporan Verifikasi dan Administrasi (SILVIA). Pembahasan difokuskan pada aspek profesionalisme, Kode Etik, Kesehatan dan Keselamatan Kerja serta aspek lingkungan. Metodologi pada pengembangan aplikasi dilakukan dengan Metode Plan, Do, Check, Action (PDCA), dimana pada tahap perencanaan dilakukan analisis dan identifikasi permasalahan pada aplikasi eksisting, identifikasi kebutuhan user untuk pengembangan aplikasi, penyusunan data flow diagram dan penyusunan dokumen functional design. Berdasarkan analisis dan identifikasi permasalahan pada aplikasi eksisting, penyusunan dokumen functional design menjadi faktor yang sangat penting untuk keberhasilan pengembangan aplikasi dan menjadi bagian awal dari model Software Development lifecycle yang digambarkan dalam laporan ini sebagai hasil dari diskusi/brainstorming untuk pengembangan aplikasi selanjutnya. Selain itu, proses transformasi digital diharapkan memberikan dampak untuk memelihara lingkungan melalui paperless activity.

---

This report discusses the digital transformation process in the Natural Gas business process at BPH Migas through the Verification and Administration Report Information System (SILVIA) application. The discussion is focused on aspects of professionalism, Code of Ethics, aspects of Occupational Health and Safety and also environmental aspects. The methodology in developing applications with the Plan, Do, Check, Action (PDCA) method, where in the planning, analysis is carried out related to identifying problems in existing applications, identifying user needs for application development, preparing data flow diagrams and preparing functional design documents. The results of the analysis based on the identification of existing application problems, the preparation of functional design documents is a very important success factor of application development and becomes the initial part of the Software Development lifecycle model described in this report as a result of discussions/brainstorming for further application development. The digital transformation process is expected to have an impact on maintaining the environment through paperless activity."

"Seiring dengan semakin tingginya kebutuhan masyarakat, semakin tinggi pula transaksi menggunakan kartu kredit yang mencerminkan makin tingginya tingkat kepercayaan masyarakat terhadap kartu. Tetapi disisi lain, ratio kredit macet atau Non Performing Loan (NPL) kartu kredit cenderung meningkat. Sebagai salah produk perbankan yang bersifat massal, kartu kredit memiliki risiko yang tinggi biasanya penerbitannya tanpa mernerlukan jaminan atau agunan, Bank selaku penerbit harus melakukan prinsip kebati-hatian dalam menerbirkan kartu kredit dan selain itu, Bank juga harus mengantisipasi risiko kerugian kredit baik expected loss maupun unexpected loss dengan menerapkan manajemen risiko. CreditRisk+ adalah sa1ah metode yang sederhana yang dapat diterapkan untuk pengukuran risiko kredit khususnya Kartu Kredit. Meialui perbitungan dengan CreditRisk+ dapat diketahui eronomic capital yang harus dipersiapkan untuk mengantisipasi unexpected Joss. Pengujian pennodelan divalidasi dengan metode Kupiec untuk mengetahui akurasi model resiko kredit dalam memproyeksi potensi kerugiannya

---

The increasing needs of society reflects on the incresing number of number credit card transaction. But on the other hand. non performing loan of credit card tends to increase as well. Credit card is considered as a high risk banking product since it is a mass product and need no collateral required Bank is advised to be prudent while issuing credit card and also should anticipate either expected loss or unexpected loss by implementing risk management. In assessing credit risk especially credit card risk. CreditRisk+ is one of simple method that may be implemented Through CreditRJsk+· method, Bank will be able to detennine the economic capital in anticipating any unexpected lass. Kupiec method is used to authenticated the validation of model to ensure the accuracy of credit risk model in projecting the loss."

"Secara khusus, tujuan penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi pola transaksi card holder dan mengetahui hubungan keterkaitan antara faktor-faktor yang berpengaruh pada pembentukan pola transaksi kartu kredit tersebut yang dinyatakan dengan rata-rata amount transaksi.Penelitian ini merupakan penelitian korelasional (correlational research) yang menggunakan variabel terikat rata rata amount transaksi card holder bank X. Sedangkan variabel bebas terdiri dari karakteristik kartu kredit (limit, frekuensi transaksi) dart karakteristik card holder (usia, jenis kelanrin, marital status, jumlah tanggungan) serta dummy kelompok jumlah kartu lainnya (DI, D2, D3). Sampel penelitian berasal dari transaksi 86 card holder selama 2 tahun dari bulan Januari 2003 sampai dengan bulan Desember 2004. Metode Analisis yang digunakan adalah metode Ordinary Least Squares dart Pooled Least Squares dengan pengolahan data menggunakan SPSS 11.Kesimpulan dari penelitian ini adalah : (1). analisis secara individual terhadap karakteristik kartu kredit (limit, frekuensi transaksi), dan karakteristik card holder (usia card holder, jenis kelamin card holder, setts dummy kelompok jumlah kartu lainnya (D2 dan D3) berpengaruh secara signifikan pada level signifikansi 5%, kecuali faktor marital status, jumlah tanggungan dan dummy kelompok jumlah kartu lainnya Dl, (2) analisis pengaruh secara serentak pada model 2(a) temyata karakteristik kartu kredit (limit, frekuensi transaksi) dan karaktenstik card holder (usia, jenis kelamin, marital status) serfs dummy kelompok jumlah kartu lainnya (D1, D2, D3) bersama-sama berpengaruh secara signifikan terhadap rata-rata amount transaksi card holder sedangkan pada model 2(b) ternyata karakteristik kartu kredit (limit, frekuensi transaksi) dan karakteristik card holder (usia, jenis kelamin, jumlah tanggungan) serta dummy kelompok jumlah kartu lainnya (DI, D2, D3) bersama-sama berpengaruh secara signifikan terhadap rata-rata amount transaksi card holder.

---

This research is aimed to explore factors influencing card holder transaction behavior and to analyze the relationship between factors that influencing card holder transaction behavior (card holder transaction average amount).

This study is correlation research which card holder transaction average amount as a dependent variable. The independent variables consist of credit card characteristics (limit, transaction frequency), card holder characteristics (age, sex, dependent quantity, marital status) and dummy other card quantity groups (DI, D2, D3). This research are used sample from 86 card holder transactions during January 2003 until December 2004. The method of analysis were used ordinary least square and polled least square with SPSS 11 software.

In concluding this study, findings obtained from the study are reorganized below in line with research purpose and research questions that : (1). based on individual analysis of predictors in the models, 6 independent variables those are limit, transaction frequency, age, sex, dummy other card quantity groups (D2, D3) have significantly individual impacts to card holder transaction average amount, except marital status, dependent quantity and dummy other card quantity groups (DI), (2). based on equation models 2 (a), limit, transaction frequency, age, sex, marital status, dummy other card quantity groups (DI, D2, D3) have significantly simultaneous impacts to card holder transaction average amount and 2 (b), limit, transaction frequency, age, sex, dependent quantity, dummy other card quantity groups (DI, D2, D3) have significantly simultaneous impacts to card holder transaction average amount."

"Menurut tingkat permintaan ekspor terhadap industri manufaktur sepatu dunia diperkirakan akan memengaruhi stabilitas perusahaan-perusahaan pada industri ini di Indonesia. Untuk dapat terus bersaing, diperlukan adanya inovasi dan strategi yang mumpuni di masa sekarang ini, dengan tujuan mempertahankan dan meningkatkan kepercayaan buyer. Inovasi dan strategi dapat dicapai dengan penerapan digital transformasi pada proses produksi dan logistik internal perusahaan, dimana salah satu penerapannya adalah dengan implementasi sistem informasi yang mendukung proses produksi dan logistik internal. Penelitian ini meneliti proses produksi dan logistik internal perusahaan manufaktur sepatu dan merancang proses bisnis yang menginkorporasikan sistem informasi terintegrasi dalam prosesnya selama operasional perusahaan berlangsung. Didapatkan hasil rancangan sistem informasi melalui metode System Development Life Cycle (SDLC) yang terdiri atas tiga sistem. Hasil perancangan berupa use case scenario and diagram, DFD, ERD, activity diagram, dan rancangan interface dari sistem informasi. Sistem informasi yang dirancang dapat mencapai 4 tahap pengembangan teknologi pada tranformasi digital proses penjualan, yaitu digitalisasi, integrasi data, otomatisasi proses, dan integrasi sistem.

---

The global decline in export demand for the shoe manufacturing industry is expected to affect the stability of companies in this industry in Indonesia. To be able to continue to compete, innovation and qualified strategies are needed today, with the aim of maintaining and increasing consumer confidence. These innovations and strategies can be achieved by implementing digital transformation in the company's internal production and logistics processes, where one of the applications is the implementation of information systems that support the production and internal logistics processes. This research examines the production and internal logistics processes of shoe manufacturing companies and designs business processes that incorporate integrated information systems in the process during company operations. The results of designing information systems through the System Development Life Cycle (SDLC) method consisting of three systems were obtained. The design results are in the form of use case Scenarios, DFD, ERD, Activity Diagrams, and information system interface designs. The designed information system can achieve 3 stages of technology development in the digital transformation of the sales process, namely digitization, data integration, process automation, and integration system."

"Karya akhir ini bertujuan untuk mengukur besarnya risiko kredit khususnya untuk scgmen karlu kredit Bank X di tahun 2005 dengan mempergunakan metode CreditRisk+. Alasan pcinilihan topik ini adalah :a. Produk Karlu Kredit merupakan jenis kredit yang memiliki resiko tinggi, mengingat sejak keputusan pemberian kredit oleh bank cenderung hanya didasarkan kepada verifikasi dokumen pendukung seperti slip gaji, surat keterangan, lembar penagihan kartu kredit bank lain, hasil rating sesama anggota Asosiasi Kartu Kredit Indonesia (AKKI), hasil verifikasi melalui telepon, serta lambahan dokumen pendukung lainnya, dan hanya sebagian calon pemegang karlu kredit yang prosesnya didahului oleh survey atau pengecekan lapangan mengingat kemampuan bank umumnya tidak memungkinkan unluk melakukan pengecekan lapangan semua calon pemegang kartu kredit, juga karena proses keputusan kredit hams sudah diberikan paling lambat lima hari sejak aplikasi kartu kredit diterima bank, selain itu kredit yang diberikan adalah unluk tujuan konsumsi dan tidak memiliki jaminan atas pemberian kredit tersebut.b. Bank X adalah penerbit kartu kredit terbesar not-nor dua di Indonesia di tahun 2005 setelah Citibank dengan jumlah pcmegang kartu kredil lebih dari 800.000 Cardholder dengan total outstanding balanced sebesar lebih dari Rp. 1,5 trilyun sehingga terdapat potensi risiko kredit yang cukup besar khususnya dalam hal terjadinya Default bagi Bank X, apabila pengeiolaan risiko kredit nya tidak dilakukan secara baik.c. Bank X belum mencrapkan metode Internal Raring Base (IRB) approach khususnya metode CrcclitRiski- untuk menghitung risiko kredit portofolio kartu krcdit nya.d. Adanya ketentuan Basel 11 tcntang kcharusan menghitung risiko krcdit scbagai salah satu unsur dalam menghitung CAR.Berdasarkan ketentuan Basel II, perhitungan risiko krcdit dapat mempergunakan beberapa pendekatan, antara lain dengan Standardized Model dan Internal Model, dimana dalam penelitian ini akan dilakukan perhitungan dengan menggunakan Internal Model dengan pendekatan CreditRisk+.CreditRisk+ dianggap sebagai Internal Model yang tepat untuk menghitung risiko krcdit pada suatu portofolio, hal ini karena metode ini dapat dipergunakan untuk menghitung risiko krcdit suatu portofolio krcdit dalam jumlah yang banyak namun dengan besaran outstanding masing-masing krcdit kecil, juga karena metode ini tidak memerlukan tambahan data makro sehingga dalam penerapannya lebih efisien namun tetap efektif. Selain itu metode ini dikenal scbagai Default Model yang hanya mcmbedakan portofolio krcdit menjadi dua golongan yaitu bagian portofolio krcdit yang An Del iult dan Default saja scrta mcngabaikan penycbab tcrjadinya Default tersebut.Penerapan CreditRisk+ dilakukan dengan menghitung risiko kartu kredit di Bank X dengan batasan-batasan scbagai berikut :a. Data portofolio kartu kredit yang dipergunakan adalah data selama 12 bulan di tahun 2005.b. Nilai exposure berkisar antara Rp 500 ribu hingga Rp 250 juta, mengingat hampir 90% oposure yang ada di dalam portofolio Bank X berada pada kisaran nilai tersebut, tanpa memperhatikan jenis kartu kredit Classic, Gold atau Platinum.Secara garis besar, tahapan penghitungan risiko kredit mempergunakan metade CreditRisk+ dilakukan dcngan mcnghitung Frequency of Default dan Severity cof Losses, kemudian rnenghitung Distribution of Default Losses. Selanjutnya dari perhitungan terschut, akan diperaleh besamya potensi kerugian berupa Expected Loss. Unexpected Loss dan bcsarnya Economic Capital untuk menutup kerugian yang terjadi.Perhitungan portofolio kartu kredit dengan mempergunakan metade CreditRisk+ dengan asunisi tingkat keyakinan 95% dan Probability of Default dihitung dcngan Poisson Model, menunjukkan basil sebagai berikut:a. Nilai Expected Loss yang menunjukkan besamya kerugian yang diperkirakan tcrjadi setiap bulan dapat dihitung nilainya mempergunakan metode CreditRisk+, sebagai contoh nilai Expected Lost di bulan November 2005 bcsarnya adalah Rp.74,823 Milyar. Nilai Expected Loss setiap bulan tersebut diharapkan dapat ditutup olch nilai PPAP yang dibcntuk oleh Bank X dan dcngan mernpergunakan Likelihood Ratio Test dikctahui bahwa hampir scluruh Expected Loss yang ada di tahun 2005 masih dapat ditutup oleh nilai Pencadangan Penghapusan Aktiva Produktif(PPAP) yang dibcntuk olch Bank X.b. Dengan pencrapan metade CreditRisk+ dal= penelitian ini, besamya nilai VaR sctiap bulan juga dapat dihitung nilainya, dengan tingkat kepercayaan 95 % maka nilai VaR suatu bulan menunjukkan proyeksi besamya nilai kerugian terbesar (Unexpected Loss) bulan berikutnya, sebagai contoh nilai VaR bulan November 2005 sebesar Rp.82,875 Milyar yang menunjukkan proyeksi nilai kerugian maksimum bulan Desember 2005 dengan tingkat kepercayaan 95 %, dimana nilai kcrugian aktual pada bulan Desembcr adalah sebesar Rp.80,303 Milyar.c. Hasil pengujian dcngan metode Likelihood Ratio pada tingkat kepercayaan 95%, mcnunjukkan bahwa sclama periodc pengamatan besarnya nilai VaR yang mcrupakan proycksi jumlah kerugian terbcsar bulan bcrikutnya cukup akurat untuk dipcrgunakan dalam mcnghitung risiko krcdit, karena selama periodc pengamatan seluruh nilai kcrugian aktual yang terjadi masih dibawah =bang batas jumlah kcrugian yang dapat ditolelir atau tidak terdapat nilai kerugian aktual yang nilainya lcbih bcsar atau sama dcngan nilai- VaR yang dihitung dcngan mctodc CredirRisk+.d. Dengan mempcrbunakan mctodc CredizRi.sk+, Bank X mempcrolch insentif berupa penurunan kewajiban pemenuhan modal, scbagai contoh di bulan November 2005 kewajiban pemenuhan modal mempcrbunakan metode CrecliiRisk+ adalah 0.39 % dad total exposure nya, angka ini jauh lcbih rendah dibandingkan dengan mempcrbunakan Standardized Approach yang mcnghasilkan kewajiban pemenuhan modal sebesar 6,29 % dari total exposure, schingga Bank X mempcrolch insentif nilai modal sebesar 5,90% (6,29% - 0,39%) yang dapat dialokasikan oleh Bank X untuk kcpcntingan lainnya yang lcbih produktif.e. Bank X memperolch manfaat lain dad pcncrapan metode CredirRisk+, selain dapat menghitung risiko kredit nya secara Icbih akurat. pcncrapan metode ini dapat mcmbantu manajcmen Bank X dalam mcnyusun strategi yang lebih cfcktif dan pengalokasian SDM yang Iebih akurat dalam mclakukan penagihan kreditnya yang Default.

---

The purpose of this thesis is to measure credit risk especially for the credit card segment of Bank X in 2005 by utilizing the CreditRisk+ method.The reasons of selecting this topic are:a. Credit Card is a type of credit that has a high risk, because since the decision of credit offer by the bank tends to be only based on supporting document verification for instance salary slip, recommendation letter, other bank's billing statement, rating result from other members of Asosiasi Kartu Kredit Indonesia (AKKI), phone verification result, as well as (he addition of the other supporting document, and only some of the process of the cardholder's applicant is proceeded by survey or external verification (on the spot), concerning that the bank's capacity generally does not possible to do field verification for all applicants, also because of the decision must been given at least in five days since the credit card application is accepted by the bank, moreover credit that is given aims for consumption and does not have the collateral.b. The Bank X is on 2''d rank of credit card's issuer in Indonesia in 2005 after Citibank, with the numbers of cardholders are more than 800.000 and the total outstanding balanced is more than Rp.1,5 trillion. On that condition, The Bank X has a potential high risk on its credit especially in the matter of the default occurrence, if the risk management of its credit is not well developed.c. The Bank X has not applied the method of Internal Rating Base (IRB) approach yet especially the CreditRisk+ method to calculate the credit risk of its credit card's portfolio.d. There is the regulation of Basel II about obligation to calculate the credit risk as one of the elements in calculating Capital Adequacy Ratio (CAR).Based on the Based in regulation, the calculation of the credit risk can be utilized in several approaches, such as by Standardized Model or Internal Model, that in this research it will be done credit risk calculation by using Internal Model with the CreditRisk+ approach.CreditRisk+ was reputed as the precise Internal Model to calculate the risk of credit in a portfolio, because this method can be utilized to calculate the risk of credit in a large portfolio of each small credit, also because of this method do not need the addition of the macro's economic data, so in its implementation is more efficient but still effective. Moreover this method is known as the Default Model that differentiates the credit portfolio only into two groups, the first is a Not Default credit portfolio and the other one is a Default credit portfolio, also this model ignores the cause of the Default occurrence.The implementation of CreditRisk+ is done by calculating the risk of the credit card in the Bank X with limitations as follows:a. The credit card portfolio data is the data for 12 months in 2005.b. The exposure revolves between Rp. 500 thousand up to Rp. 250 million; considering that almost 90% exposure available in the Bank X's portfolio is in that value range, without considering the type of Classic, Gold or Platinum card.In general, the stage of calculating credit risk with the CreditRisk+ method will be done by calculating Frequency of Default and Severity of Losses, afterwards calculating Distribution of Default Losses. From the result, will gel the potential loss such as Expected Loss, Unexpected Loss and the Economic Capital to cover the loss.The calculation of credit card portfolio by utilizing the CreditRisk+ method with the assumption of the 95%conviction level and probability of default is calculated by Poisson's model, shows results as follows:a. The Expected Loss that shows the estimated loss occurs every month can be calculated with CreditRisk+ method, for example is the Expected Lost value in November 2005 is Rp.74, 823 Billion. That value is expected to be covered by the PPAP that is formed by Bank X and by utilizing Likelihood ratio test it is known that almost all Expected Loss in 2005 still can be covered by the value of PPAP (Pencadangan Penghapusan Aktiva Produktif) that is formed by Bank X.b. With implementation of the CrediiRisk+ method in this research, the size of VaR every month also can be calculated, using the 95 % level of reliability so value of VaR (Unexpected Loss) in a month shows the projection of the biggest losses in the following month, for example is the size of VaR in November 2005 is Rp.82, 875 Billion, it shows the projection of the maximum loss in December 2005 with the 95 %level of reliability, the actual loss in December is Rp.80, 303 Billion.c. The result of the Likelihood Ratio method on 95% level of reliability shows that during the period of observation the size of VaR that shows the projection of the biggest loss in the following month. It is quite accurate to be utilized in calculating the risk of credit, because during the period of observation all of the actual value of loss that is happened is still under the limitation of tolerant total of loss or do not have the actual loss bigger than or same as the VaR value that is calculated with the CreditRisk+ method.d. By utilizing the Credit Risk+ method, Bank X receives incentive of the capital's fulfillment obligation reduction, for example in November 2005 the fulfillment obligation of capital utilized by the CreditRisk+ method is 0,39 % from the total exposure, this number is much more lower compared with Standardized Approach that produces the fulfillment obligation of capital for 6,29 % from the total exposure, therefore Bank X receives 5,90% (6,29% - 0,39%) capital incentive that can be allocated in more other productive area by Bank X.e. Bank X receives another benefit from the implementation of CreditRisk+ method, besides it can calculate the credit risk more accurately, this method implementation can help the management of Bank X to develop more effective strategy and more accurate human resources allocation in dunning its Default credit."

"Penelitian ini bertujuan untuk mengetahui pengaruh variabel makroekonomi terhadap pertumbuhan bisnis kartu kredit di Indonesia serta mengetahui daya substitusi kartu kredit terhadap transaksi debit maupun transaksi cash. Penelitian ini adalah penelitian kuantitatif dengan menggunakan metode statistik, sampel yang digunakan dalam penelitian ini meliputi data kredit yang diberikan (KYD), sales volume, NPL, inflasi, BI rate, impor barang konsumsi, selisih ekspor impor, transaksi debit, dan transaksi cash pada periode Januari 2008 sampai dengan Juli 2013. Metode yang digunakan digunakan dalam penelitian ini adalah melakukan analisis regresi linear berganda setiap variabel makroekonomi maupun variabel daya substitusi terhadap kredit yang diberikan (KYD). Dari hasil pengolahan data dapat ditarik kesimpulan bahwa variabel makroekonomi memiliki pengaruh terhadap pertumbuhan KYD adalah inflasi, BI rate, impor barang konsumsi, dan selisih ekspor impor dimana masing ? masing variabel makroekonomi tersebut memiliki pengaruh yang berbeda. Dimana baik variabel BI rate maupun impor barang konsumsi memiliki hubungan negatif terhadap pertumbuhan KYD, sementara untuk variabel selisih ekspor impor memiliki hubungan positif terhadap pertumbuhan KYD. Selain itu juga berdasarkan hasil penelitian, kartu kredit belum memiliki daya substitusi terhadap transaksi kartu debit, tetapi kartu kredit masih diposisikan sebagai alat penambah daya beli masyarakat.

---

This study aims to determine the effect of macroeconomic variables on credit card business growth in Indonesia and determine the substitution effect of debit transaction and cash transaction to the credit card transaction. This research is a quantitative study using statistical methods, the sample used in this study include credit card receivables, sales volume, NPL, inflation, central bank rate, imports of consumer goods, the difference between exports and imports, debit transactions and cash transactions on the period of January 2008 to July 2013. The method used in this research is to conduct multiple linear regression analysis of each macroeconomic variable and substitution effect on receivables.

From the data processing can be concluded that macroeconomic variables that have an influence on the growth receivables are inflation, central bank rate, imports of consumer goods, and the difference between exports and imports where each of these macroeconomic variables have different influences. Either central bank rate or imports of consumer goods have a negative relationship to receivables growth, while exports and imports was positively related to growth receivables. In addition, based on the research, credit card can not be a substitution goods for debit card transactions, but credit still positioned as purchasing power adder."

"BNI telah menyusun corporate strategy 2021-2025 sebagai langkah transformasi digital menuju industri 4.0. Salah satu strategi yang dibentuk adalah pengelolaan risiko dan proses kredit sebagai enabler manajemen risiko. Pada strategi tersebut terdapat salah satu inisiatif yaitu penerapan end-to-end credit process melalui implementasi Loan Management System (LMS). BNI memiliki permasalahan dalam proses pinjaman yang belum sepenuhnya terintegrasi sehingga data/informasi antar proses tidak berkesinambungan. Permasalahan ini memberikan dampak pada kualitas kredit BNI yang dilihat dari nilai Non-Performing Loan (NPL). Dalam transformasi digital menuju industri 4.0, BNI perlu mengukur tingkat kesiapan organisasi sebagai acuan untuk memetakan arah transformasi. Dalam implementasi LMS, BNI perlu mengukur kematangan digital bisnis pinjaman yang menjadi dasar adopsi Sistem Informasi (SI)/Teknologi Informasi (TI). Sebagai bagian dari dukungan SI/TI, BNI perlu mengukur manfaat ekonomi yang diperoleh atas implementasi SI/TI tersebut. Pada penelitian ini, kesiapan BNI menuju industri 4.0 diukur menggunakan model SIMMI 4.0 (System Integration Maturity Model Industry 4.0) yang dapat digunakan oleh berbagai industri. Kematangan digital bisnis pinjaman diukur menggunakan model Gartner Digital Maturity yang memiliki fokus pada produk dan jasa industri perbankan. Manfaat ekonomi implementasi SI/TI diukur menggunakan Kerangka Manfaat Bisnis Generik SI/TI. Hasil penelitian menunjukan BNI dalam tingkat kesiapan 3 yaitu horizontal and vertical digitization. BNI membutuhkan perbaikan untuk mencapai industri 4.0 melalui 4 tahapan yaitu integrasi proses dan data internal, integrasi vertikal, integrasi horizontal, dan integrasi ujung ke ujung. Kematangan digital bisnis pinjaman BNI berada pada tingkat dua yaitu digital beginner. BNI perlu meningkatkan platform strategy dan mengadopsi teknologi pada bisnis pinjaman. Manfaat ekonomi yang diperoleh dari implementasi LMS dari sisi peningkatan pendapatan bunga karena meningkatnya produktivitas Relationship Manager (RM) dan penurunan nilai Cadangan Kerugian Penurunan Nilai (CKPN) karena menurunnya nilai NPL.

---

BNI has prepared towards to industry 4.0. one of the strategies established is risk management and credit processes as enablers. One of the initiatives in this strategy is the implementation of and end-to-end credit process through the implementation of the Loan Management System (LMS). BNI has problems in the loan processes that have not been fully integrated, so that data/information between processes is not sustainable. This problem has an impact on BNI’s credit quality as seen from the value of Non-Performing Loan (NPL). In the digital transformation towards industry 4.0, BNI Needs to measure the level of organizational readiness as a reference to map the direction of transformation. In implementing LMS, BNI needs to measure the digital maturity of the loan business which the basis for the adoption of Information System (IS)/ Information Technology (IT). As part of IS/IT support, BNI needs to measure the economic benefit derived from the IS/IT implementation. In this study, BNI’s readiness towards industry 4.0 was measured using SIMMI 4.0 model (System Integration Maturity Model Industry 4.0) which can be used by various industries. The digital maturity of the loan business is measured using Gartner Digital Maturity model, which focuses on banking industry products and services. The economic benefits of IS/IT implementation are measured using the IS/IT Generic Business Benefit Framework. The results showed that BNI was in readiness level 3 which means horizontal and vertical digitization. The digital maturity of BNI’s loan business is at level two which means digital beginner. BNI needs to improve their strategy platform and adopt technology in the loan business. Economic benefits derived from the implementation of LMS in terms of increasing interest income due to increased productivity of Relationship Manager (RM) and decreased value of Expected Credit Loss (ECL) due to decreased NPL."

"Dengan mempertimbangkan aspek kehati-hatian dan perlindungan konsumen dalam kegiatan pembayaran menggunakan kartu, pada tanggal 6 Januari 2012 Bank Indonesia mengeluarkan Peraturan Bank Indonesia Nomor 14/2/PBI/2012 sebagai perubahan atas Peraturan Bank Indonesia Nomor 11/11/PBI/2009 tentang Penyelenggaraan Kegiatan Alat Pembayaran dengan Menggunakan Kartu, yang beberapa diantaranya mengatur tentang syarat kepemilikan kartu kredit serta penetapan suku bunga maksimal kartu kredit di Indonesia. Penerapan peraturan tersebut berlaku bagi semua penerbit kartu kredit di Indonesia, tak terkecuali Bank Mandiri. Dalam penelitian ini, menggunakan metode regresi linier berganda, dianalisis faktor yang mempengaruhi perolehan fee-based income kartu kredit Mandiri. Dari hasil olah data, disimpulkan bahwa penetapan PBI Nomor 14/2/PBI/2012 memiliki dampak signifikan terhadap perolehan fee-based income kartu kredit Bank Mandiri. Nilai koefisien beta yang positif menunjukkan bahwa penetapan peraturan tersebut memberikan kontribusi peningkatan perolehan fee-based income dari bisnis kartu kredit Bank Mandiri. Beberapa variabel lain yang berpengaruh signifikan terhadap bisnis kartu kredit Bank Mandiri adalah suku bunga kartu kredit serta peluncuran kartu kredit co brand. Selain itu, dalam penelitian ini juga disampaikan, implikasi terkait strategi kartu kredit Bank Mandiri terhadap penerapan peraturan tersebut. Salah satunya adalah fokus bisnis kartu kredit sebaiknya tidak hanya difokuskan pada akuisisi kartu baru, melainkan juga pada peningkatan transaksi atau loyalitas kartu existing.

---

ABSTRACTBy considering the aspects of prudential and consumer protection in using a card as a method payment, on January 6, 2012, Bank Indonesia issued PBI No 14/2/PBI/2012 regulation as amendment to the previous regulation PBI No /11/11/PBI/2009 related to the card payment instrument. Bank Indonesia as a regulator in card payment activities regulate the terms of credit card ownership and the maximum credit card rate in Indonesia. The implementation of these rules apply to all credit card issuers in Indonesia, and Bank Mandiri is no exception. In this study, the analysis of factors affecting the acquisition of fee-based income from credit card business in Bank Mandiri is conducted using a multiple linear regression method. From the data processing, it was concluded that the determination of PBI No 14/2/PBI/2012 has a significant impact on the acquisition of fee-based income of the credit card business in Bank Mandiri. The positive value of beta coefficient indicates that the determination of the regulation contributes an increase in the acquisition of fee-based income in credit card business. Some other variables that significantly influence the credit card business in Bank Mandiri are credit card rate and the launch of cobrand card. In addition, this study also presents the implications to the strategy of Bank Mandiri in dealing with the application of these rules. One is the credit card business should not only focus on the acquisition of a new card, but also in improving the transaction of the existing card."