Hasil Pencarian  ::  Simpan CSV :: Kembali

"Laporan berikut telah dimasukkan secara komprehensif untuk menganalisis efek dari Krisis Keuangan Global dan Euro Sovereign Krisis Utang ke Barclays Bank dan OCBC Bank, kinerja kedua bank tersebut dan manajemen risiko dua bank dari Inggris dan Singapura selama krisis yang merusak sektor keuangan dunia Eropa dan. Kami tertarik untuk meninjau kinerja Barclays Bank karena mereka adalah Bank terbesar kedua dalam hal aset di Inggris bahwa selama krisis keuangan didakwa untuk memalsukan tingkat Libor, jumlah $ 451.400.000 didenda kepada Bank multinasional ini. Kami juga ingin melihat dampak dari Krisis Keuangan terhadap kinerja OCBC Bank Singapura, dan bagaimana mereka menyelesaikan masalah dari Krisis Keuangan Global dan Euro Sovereign Krisis Utang, OCBC Bank dikenal sebagai yang paling beragam dari ketiga Bank lokal di Singapore. Untuk timeline laporan ini, kami memutuskan untuk menganalisis 2007-2013, karena kami berharap untuk menganalisis sebelum dan setelah Krisis Keuangan Global yang berdampak pada 2008 dan Euro Sovereign Krisis Utang meletus sekitar 2009-2010, dan jika ada setelah efek ini krisis masih berlangsung pada penampilan mereka dan manajemen risiko, kami juga ingin melihat strategi dua bank tersebut dalam mengatasi masalah ini.

---

The following reports has been put comprehensively to analyse the effects of the Global Financial Crisis and Euro Sovereign Debt Crisis to Barclays Bank and OCBC Bank, performance of these two Banks and the risk management of these two banks of United Kingdom and Singapore during the crises that ruin the Europe and world financial sector. We are interested to review the performance of Barclays Bank as they are the second biggest Bank in term of assets in UK that during financial crisis was charged for falsifying Libor rates, the amount of $451.4 million were fined to this multinational Bank. We also like to see the impacts of the Financial Crises to the performance of OCBC Bank of Singapore, and how they resolve the issues of Global Financial Crisis and Euro Sovereign Debt Crisis, OCBC Bank is known as the most diversified of all three local Banks in Singapore. For the timeline of this report, we decide to analyse from 2007 to 2013, as we hope to analyse before and after the Global Financial Crisis that impacted on 2008 and Euro Sovereign Debt Crisis erupted around 2009 to 2010, and if there are any after effects of this still ongoing crisis on their performances and risk managements, we also like to see the strategies of these two banks in overcoming these issues."

"ABSTRAKDalam beberapa tahun terakhir, perhatian lembaga keuangan terhadap manajemenresiko menjadi semakin besar karena pasar keuangan dunia semakin terintegrasi. Resikoyang dihadapi dalam mengelola portofolio adalah general risk dan spesific risk. Generalrisk terdiri dari business risk dan financial risk, sementara spesific risk terdiri dari marketrisk, credit risk, operational risk, dan liquidity risk. Sejarah membuktikan banyak bank yang bangkrut diakibatkan olehmismanajemen portofolio. Kasus kebangkrutan yang terjadi umumnya ditimbulkankarena salah mengantisipasi market risk, yaitu resiko kerugian yang dapat timbul danperubahan harga atau faktor ? faktor pasar, yakni suku bunga (interest rate), nilai tukar(exchange rate), harga saham dan komoditi. Salah satu kasus kerugian akibat market riskyang sempat menjadi perhatian pasar finansial internasional adalah kasus Orange County(California, Amerika). Untuk itu diperlukan perangkat analisa resiko yang lebih akurat untuk mendeteksidan memberikan peningatan dini (early warning system), untuk menghindarkan kerugianyang akan diderita dan mengakibatkan instabilitas keuangan. Basle Committee on Banking Supervision pada Januari 1996 menyebutkan secaraumum metode standar pengukuran resiko portofolio dan mensyaratkan para pelaku pasarmenerapkan minimal satu metode tersebut, yakni standar kualitatif standar kuantitatif,dan stress testing. Salah satu analisa perhitungan standar kuantitatif adalah VAR. Penelitian ini akan memaparkan perhitungan resiko dengan metode Value at Risk(VAR) pada PT.Bank Universal Tbk untuk mengetahul resiko maksimum yangmungkin timbul dikemudian hari akibat adanya volatilitas suku bunga pasar denganholding period yang berbeda-beda. Metode VAR yang diungkapkan dalam karya akhir ini adalah motode VarianKovarian. Metode ini dijabarkan lagi dalam tiga estimator volatilitas, yaitu StandarDeviasi, Equally Weighted (EW) dan Exponentially Weighted Moving Average (EWMA).Masing-masing metode estimator volatilitas dalam menghitung VAR dapat dibuatberbagai macam model dengan menggunakan jumlah data historis 520 hari kerja sebagaibasis perhitungan. Adapun selang kepercayaan yang dipilih adalah 95% (menurutRiskmetrics) dan 99% (menurut Basel Committee). Untuk estimator volatilitas EW dan EWMA, rolling data yang dipakai adalahsetiap 65 hari. Untuk estimator volatilitas EWMA, penelitian ini memakai dua decayfactor sebesar 0.94 dan 0.97. Dalam mendapatkan nilai VAR dikemudian hari holdingperiod yang disimulasikan antara lain 1 hari, 5 hari, 10 hari dan 20 hari kedepan. Dari tiga (3) estimator volatilitas ini, menghasilkan beragam model simulasi.Selanjutnya, setiap model ini dilakukan uji validitas untuk mengetahui apakah modeltersebut valid, konservatif atau tidak valid, yaitu dengan uji Backtesting. Uji inimenggunakan dua pendekatan peniode updating yaitu 5 hari dan 20 hari. Dari hasil ujibacktesting ini, terlihat bahwa periode updating 5 hari lebih merepresentasikan kejutanvolatilitas. Dari beberapa model yang disimulasikan, model EWMA dengan decay factor0.94 pada selang kepercayaan 95% adalah yang paling optimal bagi bank tersebut, karenamodel ini meniberikan prediksi nilal VAR terkecil dibanding model lainnya. Model ini sesuai dengan keadaan Net Present Value bank sebesar negatif Rp3,702,188,190,760 yang mengindikasikan bahwa ?capital requirement? banksebenamya juga tidak mampu untuk menutupi nilai resiko dengan model tersebut.Kemudian, dari hasil stress-testing, ditemukan pada tanggal 4 Desember 2001 terjadikerugian tertinggi sebesar Rp 37,289,116,191. Maka, bank harus menyediakan danasebesar nilai tersebut untuk mengantisipasi terjadi kembali kerugian yang dinyatakandalam toleransi maksimal kerugian bank akibat adanya volatilitas suku bunga.Berdasarkan hasil penelitian ini, disarankan bagi bank, bahwa untuk mampumengelola nilai resiko dengan model EWMA pada decay factor 0.94 dan selangkepercayaan 95%, bank harus mampu menutup kekurangan modalnya terlebih dahulu."

"Penelitian bertujuan untuk mengetahui penerapan good corporate governance dan struktur kepemilikan dapat mempengaruhi risiko aset dalam bank di Indonesia. Good corporate governance dinilai berdasarkan skor corporate governance berdasarkan kriteria yang ditetapkan oleh Bank Indonesia yang telah dibuat oleh penelitian sebelumnya yaitu penelitian Mahdan (2010), sedangkan untuk struktur kepemilikan dibedakan menjadi tiga, yaitu kepemilikan pemerintah, swasta, dan asing. Kepemilikan yang berbeda memungkinkan adanya perbedaan pengelolaan risiko pada masing-masing bank. Pengujian hipotesis dengan model regresi linear berganda yang menggunakan observasi sebanyak 223 observasi (firm year) yang terdaftar di Bank Indonesia selama tahun 2008 hingga 2011.Hasilnya penelitian ini menunjukkan bahwa good corporate governance tidak berpengaruh terhadap asset risk bank yang diproksikan dalam standard deviasi return on asset dan non performing loan. Namun struktur kepemilikan swasta memiliki pengaruh negatif terhadap standard deviasi return on asset dan non performing loan, sedangkan untuk kepemilikan asing tidak berpengaruh terhadap standard deviasi return on asset dan non performing loan.

---

The study aims to determine the application of good corporate governance and ownership structures can affect the risk of bank assets in Indonesia. Good corporate governance were evaluated according to corporate governance based on the criteria stipulated by Bank Indonesia have been made by previous research studies Mahdan (2010), whereas for the ownership structure is divided into three, namely government ownership, private, and foreign. Different ownership allows for differences in risk management at each bank. Hypothesis testing with multiple linear regression model that uses as many as 223 observations (firm year) are listed in the Bank Indonesia during 2008 to 2011.

The result of this study suggest that good corporate governance does not affect the bank asset risk in standard deviation of return on assets and non performing loans. But private ownership structure has a negative effect on the standard deviation of return on assets and non performing loans, while foreign ownership does not affect standard deviation of return on assets and non performing loans."

"Penelitian ini menguji secara empiris pengaruh risiko kredit setelah implementasi kebijakan stimulus oleh bank di Indonesia dan ukuran bank terhadap profitabilitas pada periode pandemi Covid-19. Metode yang digunakan adalah Generalized Method of Moments (GMM) Model Dinamis untuk memperoleh gambaran efektivitas kebijakan relaksasi dalam menjaga profitabilitas perbankan Indonesia. Kebijakan stimulus yang dilakukan regulator pada masa pandemi Covid-19 mengubah perhitungan risiko kredit, dan penelitian ini memberikan kontribusi berupa penggunaan pengukuran risiko kredit yang disesuaikan dengan kebijakan stimulus tersebut yaitu dengan menambahkan kredit restrukturisasi dengan kualitas lancar. Studi ini menemukan bahwa risiko kredit menggunakan pengukuran baru tersebut mempengaruhi secara negatif namun tidak signifikan terhadap profitabilitas pada periode selama pandemi Covid-19. Hal tersebut karena pelaksanaan kebijakan stimulus memungkinkan bank untuk tidak menurunkan kualitas kredit (tetap lancar) dengan cadangan kerugian yang tidak harus ditambah. Profitabilitas bank di masa pandemi tidak dipengaruhi signifikan oleh risiko kredit diduga antara lain dipengaruhi pula oleh kemampuan adaptasi yang baik dari bank di Indonesia melalui layanan tambahan sehingga dampak negatif dari risiko kredit dapat diminimalisir. Ukuran bank menurunkan  profitabilitas selama pandemi Covid-19 baik untuk bank dengan ukuran yang kecil, menengah maupun besar. Semakin besar ukuran bank, maka dianggap lebih berisiko antara lain karena kompensasi atas pengelolaan reputasi termasuk biaya operasional lainnya selain pembentukan kerugian yang lebih tinggi.

---

This study empirically examines the effect of credit risk using a new measure which is influenced by stimulus policy in Indonesia and bank size on profitability of Indonesian banks during the Covid-19 pandemic. It employed the Generalised Method of Moments (GMM) Dynamic Model to obtain an overview of the effectiveness of the relaxation policy in maintaining the profitability of the Indonesian banks. The stimulus policy by the regulator during the COVID-19 pandemic changed the credit risk calculation and this research contributed by using credit risk measurement adjusted to the stimulus policy by adding restructuring loans in current quality. The study found that credit risk negatively affected profitability in the period during the Covid-19 pandemic. This finding probably due to the stimulus policy allowing banks to remain current the credit quality with no addition to provision. Bank profitability during the pandemic was not significantly affected by credit risk, allegedly among others, also influenced by the good adaptability of banks in Indonesia through additional services. Bank size has had a significant negative effect on profitability during the Covid-19 pandemic for small, medium and large banks. The larger the size of the bank, the riskier it becomes due to the addition for reputation management includes other operational costs."

"Value at risk (VaR) merupakan metode yang dapat digunakan untuk mengestimasi potensi kerugian terbesar (maksimal) yang dapat terjadi sebagai akibat fluktuasi nilai tukar rupiah terhadap mata uang asing dalam periode waktu tertentu. Bank Syariah dihadapkan pada masalah bagaimana menentukan maksimal risiko nilai tukar (exchange rule risk) yang ditanggung selama 1 hari, 5 hari dan 20 hari untuk suatu valuta asing dengan tingkat kepercayaan sebesar 95%, berapa besar portofolio risiko exchange rate yang ditanggungnya untuk periode dan tingkat kepercayaan yang sama serta bagaimana cara melakukan validasi model untuk melihat tingkat akurasinya dan jenis validasi model apakah yang dapat digunakan untuk mengukur keakuratan model dalam mengestimasi maksimum kerugian dan realisasi kerugian.Untuk menjawab masalah tersebut, digunakan metodologi sebagai berikut: mengumpulkan data kurs tengah harian dan data posisi devisa neto untuk mata uang yang ditransaksikan di Bank Syariah selama periode tertentu, menentukan confidence level dan time harizon. Menghitung return harian masing-masing kurs. Melakukan uji stasionaritas, bila data tidak stasioner dilakukan derencing. Bila data stasioner dilanjutkan dengan uji normalitas data dan uji heteroskedastik. Dari uji normalitas akan diperoleh nilai alpha yang akan digunakan, sedangkan uji heteroskedastik akan menghasilkan nilai standard deviasi. Menghitung nilai VaR dengan formula value at risk. Hasil perhitungan VaR tersebut diuji validitasnya dengan uji bucktesting."

"Value at Risk pada penelitian ini digunakan dalam rangka meneari tingkat ratio dari risiko masing-masing komponen assets dan liabilities. Sedangkan Linear Programming digabungkan penggunaannya untuk memperhitungkan kendala-kendala yang ada untuk mencari nilai optimal dari komponen tersebut,. Penelitian ini mengumpulkan data assets dan liabilities (exposures) BNI dalam kurun waktu tertentu khususnya yang mempunyai sensitive assets dan sensitive Iiabilities. Selain datanya, interest masing-masing komponen yang diteliti juga diperoleh. Setelah data dikumpulkan, diperoleh nilai rata-rata dan return yield atau cost rate-nya. Hasil kali antara nilai exposures dengan interest-nya diperoleh return nominal untuk assets dan cost nominal untuk liabilities. Nilai ini kemudian dikenal dengan nilai kondisi saat ini. Setelah itu peneliti mengelompokkan sesuai posisi keuangan dan mata uang. Hasil dari pengelompokkan ini diperoleh nilai persentase komposisi saat ini. Selanjutnya risk volatility diperoleh dari hasil kali perubahan interest yang ada dalam kurun waktu penelitian dengan nilai t-table pada nilai confidence level 99%, yaitu 2,33. Risk volatility ini dikalikan dengan nilai exposures diperoleh Value at Risk. Untuk mendapatkan risk ratio, peneliti membagi return nominal atau cost nominal dengan Value at Risk. Risk ratio digunakan sebagai koefisien dari model pada Linear Programming yaitu untuk memaksimalkan risk ratio on assets dan meminimalkan risk ratio on liabilities.Hasil pengolahan dengan menggunakan linear programming menunjukkan nilai yang diharapkan (expected I optimum value). Hasil dari nilai optimum ini berbeda dengan nilai kondisi saat ini. Untuk membuktikan apakah kondisi assets dan liabilities Bank BNI belum mempunyai kondisi optimal dilakukan dengan membandingkan nilai nominal pada optimal condition dengan existing condition yang dikenal dengan room available. Hal yang penting adalah membandingkan nilai return nominal (assets) atau cost nominal (liabilities) dari optimal condition dengan existing condition untuk memperoleh return benefit dan cost saving. Diversifikasi benefit untuk Rupiah diperoleh nilai sebesar Rp 732 milyar per tahun, sedangkan untuk Valuta Asing diperoleh nilai sebesar US$ 9,69 juta per tahun.Hasil analisa menunjukkan bahwa tingkat optimal komponen Assets dan Liabilities pada Bank BNI dengan menggunakan model Value at Risk dan Linear Programmming masih menunjukkan kondisi yang kurang optimum dan dari basil proses diperoleh suatu komposisi yang lebih menguntungkan. Besarnya potensi risiko (Value at Risk) dapat dijadikan referensi bagi manajemen dalam mengukur potensi risiko dirnasa mendatang. Komposisi baru yang diharapkan akan memperoleh diversifikasi benefit yang lebih baik. Walaupun salah satu komponen, yaitu Iiabilities valas menunjukkan hasil yang lebih merugi, namun bila kita bandingkan dengan hasil yang diperoleh pada assets valas secara bersama-sama masih dapat menunjukkan hasil benefit yang lebih baik."

"Untuk menjalankan lungsinya sebagai financial intermediary. risiko terbesar yang dihadapi bank adalah risiko kredit. Olch karena itu merupakan suatu hal yang panting bagi bank untuk dapat mengukur seberapa besar risiko kreditnya. Pengukuran risiko kredit ini dilakukan dengan terlebih dahulu menentukan model risiko kredit yang tepat. Pengukuran risiko kredit usaha mikro pada Bank X dengan pendekatan standar yaitu berdasarkan Surat Edaran BI No.8/3/DPNP tanggal 30 Januari 2006 tidak menghasilkan ukuran risiko yang tepat, karenanya diperlukan alat pengukur risiko yang lain. Tujuan penelitian dalam karya akhir ini adalah untuk mengukur besarnya risiko kredit usaha mikro (KUM) pada Bank X dengan metode Credit Risk. KUM adalah kredit kelolaan Micro Banking and Sales Group pada Bank X yang diklasifikasikan menjadi beberapa jenis produk. yaitu KUM Mandiri. KUM Mapan, KUM Prima, KUM Kelompok dan KUM Karya. Produk-produk tersebut memiliki limit kredit maksimum Rp100.000.000,00 (seratus juta Rupiah). Produk KUM dipasarkan oleh Bank X sejak bulan Maret 2005. Sampai dengan 31 Mei 2006 Bank X telah menyalurkan KUM sebanyak Rp 1,016 Milyar dengan 59.130 rekening debitur. Credit Risk+ adalah metode pengukuran risiko kredit yang tepat untuk bald debet pinjaman yang kecil dengan jumlah rekening yang sangat banyak, karena metode ini tidak memerlukan tambahan data makro dan merupakan default mode. Dalarn pengukuran risiko KUM dengan metode Credit Risk+, terdapat pembatasan sebagai berikut :1. Data yang digunakan adalah data portfolio KUM pcriode bulan Juni 2005 sampai dengan Mei 2006. Penggunaan data periode tersebut karma produk KUM barn dipasarkan pada bulan Mat-et 2005 dan krcdil dinyatakan default apabila umur tunggakan kewajiban lcbih dari 90 hari. Oleh karena itu kemungkinan terdapatnya default KUM minimal 90 hari setelah diberikannya fasilitas KUM tersebut, yaitu pada bulan Juni 2005.2. Kredit dinyatakan default apabila tunggakan kcwajibannya telah melebihi 90 hari atau berdasarkan kolektibilitas BI tergolong kredit Kurang Lancar, Diragukan dan Macet. Pengukuran risiko KUM dengan menggunakan metode Credit Risk menunjukkan hasil sebagai berikut :1. Dengan menggunakan metode Credit Risk, pada bulan Mei 2006 nilai expected loss sebesar Rp 69,74 milyar dan nilai unexpected loss sebesar Rp 104,03 milyar. Hal ini menunjukkan bahwa nilai VaR untuk bulan Mei 2006 adalah sebesar Rp 104,03 milyar, artinya dengan tingkat keyakinan sebesar 95% maka besarnya risiko kerugian maksimum akibat terjadinya default pada portfolio KUM untuk satu bulan ke depan diperkirakan sebesar Rp 104,03 milyar. Jumlah tersebut adalah 10,24% dari total baki debet KUM.2. Dengan metode Credit Risk bank hams menyediakan modal untuk mencover risiko KUM pada bulan Mei 2006 sebesar 10,24% x 8%= 0,82% dari baki debet KUM atau sebesar Rp 8,32 milyar.3. Surat Edaran BI No.813IDPNP tanggal 30 Januari 2006 menyatakan bahwa bobot risiko untuk Kredit Usaha Kecil (KUK) sebesar 85 %., maka bank harus menyediakan modal untuk mencover risiko KUM pada bulan Mci 2006 sebesar 85% x 8% = 6.80% dari baki debet KUM atau sebesar Rp 69,12 milyar.4. Perbedaan kebutuhan modal yang harus disediakan Bank X berdasarkan metode Credit Risk dan berdasarkan SE BI No.8/3/DPNP untuk bulan Mei 2006 adalah sebesar Rp 69,12 milyar - Rp 8,32 milyar = Rp 60,8 milyar.5. Berdasarkan basil pengujian model dengan backtesting dan likelihood ratio, maka metode Credit Risk dapat dipertimbangkan sebagai model internal untuk mengukur risiko KUM Bank X maupun kredit usaha kecil lainnya yang memiliki karakteristik yang sama. Metode CreditRisk+ ini dapat dikembangkan sebagai sistem pengukuran risiko yang terintegrasi dengan cor banking sistem pada Bank X juga dapat dimanfaatkan untuk melakukan monitoring dan pengawasan yang lebih efektif terhadap portfolio KUM, dengan cara memfokuskan perhatian pada kelompok debitur dengan nilai eksposur yang tinggi dengan default rate yang terbesar.

---

As a financial intermediary, the greatest risk a bank has to face is credit risk. Therefore. it is very crucial for a bank to measure its credit risk. First, determining the model of the credit risk does the measurement of credit risk.

The measurement of the risk of micro banking in Bank X by standard approach does not give an accurate profile of its credit risk; therefore another measurement tool is needed. This paper is aimed to measure the credit risk of micro banking (Kredit Usaha Mikro/KUM) of Bank X by CreditRisk+ method.

KUM is managed by Micro Banking and Sales Group of Bank X, which are classified into several types of products, such as KUM Mandiri, KUM Mapan, KUM Prima, KUM Kclompok and KUM Karya. Those products have maximum limit of Rp. 100.000,000,00 (a hundred million rupiahs).

Bank X has launched the KUM products on March 2005. Till the end of May 2006, Bank X has facilitated KUM at the amount of Rp. 1.016 billion for 59,130 customer accounts.

Credit Risk' is suitable for credit risk measurement of loans with small outstanding balance and has many customer accounts, because this method does not need additional data about macro economics and is one of the default mode method.

To measure the risk of KUM by Credit Risk+ method, there are limitations as follows:

1. The data used are KUM portfolio data in the period of June 2005 until May 2006. The period is chosen because the products have been launched since March 2005 and the credit is stated as default whenever the facilities arc under performed for more than 90 days. Therefore the default facilities may be found after 90 days after the first KUM were facilitated, i.e. in June 2005.

2. The credit is slated as default whenever the facilities are under performed for more than 90 days or based on 131 collection is classified as Kredit Kurang Lacar, Diragukan and Macet.

The risk measurement by Credit Risk has the following results:

1. The amount of expected loss on May 2006 is Rp. 69.74 billion and the amount of unexpected loss is Rp. 104.03 billion. This shows that the VaR on May 2006 is Rp. 104.03 billion, which is meant that with the 95% confidence level, the maximum risk loss because of default of portfolio KUM for one month ahead is Rp. 104.03 billion. The amount is about 10.24% of the KUM's outstanding balance.

2. On May 2006 the bank has to provide capital to cover the risk of KUM in the amount of 10.24% x 8% = 0.82% of tine KUM's outstanding balance, or Rp.8.32 billion.

3. The circulating letter of BI no.8/3/DPNP dated January, 30, 2006 is stated that the risk-weighted for Kredit Usaha Kecil (KUK) is 85%, so the bank has to provide capital to cover the KUM credit risk on May 2006 is in the amount of 85% x 8% = 6,80% of the KUM's outstanding balance, or Rp. 69.12 billion.

4. The difference of capital needed based on Credit Risk + method and SE BI no. 8/3/DPNP on May 2006 is Rp. 69.12 billion - Rp.8.32 billion = Rp. 60.8 billion.

5. Based on the backtesting and likelihood ratio procedure, the Credit Risk+ method can be used as the internal model to measure the credit risk of KUM portfolio of Bank X and other small amount loans which is has the same characteristics.

The CredilRisk+ method can be developed as the integrated risk measurement system with czar banking system of Bank X. and also can he used as a more effective monitoring and supervising tools for KUM portfolio, with lousing on the customer group with high exposure and high default rate."

"Tujuan dari penelitian ini adalah untuk melihat pengaruh pertumbuhan kredit terhadap risiko dan kinerja bank umum konvensional Indonesia. Penelitian ini menggunakan data panel dinamis dengan metode Generalized Method of Moment (GMM). Ada 3 hipotesis yang akan diuji, yaitu pengaruh pertumbuhan kredit dengan risiko kredit melalui pendekatan kerugian kredit, pengaruh pertumbuhan kredit dengan profitabilitas bank melalui pendekatan pendapatan bunga, dan pengaruh pertumbuhan kredit dengan kapitalisasi bank melalui pendekatan rasio modal terhadap total aset. Data untuk penelitian ini dikumpulkan dari 93 bank umum konvensional yang terdaftar di Otoritas Jasa Keuangan (OJK) antara tahun 2009 dan 2019. Temuan dari penelitian ini adalah pertumbuhan kredit memiliki pengaruh negatif signifikan terhadap kerugian kredit dan memiliki pengaruh positif signifikan terhadap pendapatan bunga dan kecukupan modal Bank Umum Konvensional di Indonesia.

---

The purpose of this study was to examine the effect of credit growth on the risk and performance of Indonesian conventional commercial banks. This study uses dynamic panel data with the Generalized Method of Moment (GMM) method. There are 3 hypotheses to be tested, namely the effect of credit growth on credit risk through a credit loss approach, the effect of credit growth on bank profitability through the interest income approach, and the effect of credit growth on bank capitalization through the capital-to-total-asset ratio approach The data for this study was collected from 93 conventional commercial banks registered with the Financial Services Authority (OJK) between 2009 and 2019. The findings of this study are that credit growth has a significant negative effect on credit losses and has a significant positive effect on interest income and capital adequacy. Conventional Commercial Banks in Indonesia."

"Penelitian ini bertujuan untuk mengetahui hubungan antara efisiensi, modal, dan risiko bank. Variabel efisiensi diukur menggunakan rasio biaya operasional terhadap pendapatan operasional, modal diukur menggunakan rasio modal terhadap asset tertimbang menurut risiko, sedangkan risiko diukur menggunakan deviasi standar ROA. Pengujian hipotesis dilakukan dengan menggunakan regresi data panel dengan sampel data tahunan 84 bank umum konvensional di Indonesia pada tahun 2002 sampai tahun 2012. Hasil penelitian ini menunjukkan bahwa tingkat efisiensi dipengaruhi oleh modal bank, di mana tingkat modal yang tinggi dapat meningkatkan efisiensi bank. Penelitian ini juga menunjukkan bahwa tingkat risiko bank dipengaruhi oleh tingkat efisiensi, di mana semakin tidak efisien, risiko bank meningkat.

---

This research is aimed to analyze the relationship between efficiency, capital, and bank's risk. Efficiency is measured by operational cost to operational income ratio, capital is measured by capital to risk-weighted-assets, then risk is measured by standard deviation of ROA. Hypothesis-testing used panel data regression with sample 84 conventional banks in Indonesia over the period 2002-2012. The results of this research show that efficiency is affected by bank?s capital, where higher capital increase bank's efficiency. This research also show bank?s risk is affected by bank?s efficiency, where the less bank?s efficiency increase bank's risk."

"Studi ini bertujuan untuk mengetahui bagaimana pengaruh implementasi kebijakan makroprudensial terhadap perilaku pengambilan risiko oleh bank umum dalam bentuk proporsi kepemilikan aset tertimbang menurut risiko terhadap total aset, dengan waktu pengamatan dari Q1:2006-Q4:2013. Penelitian dilakukan menggunakan analisis data panel 71 bank dengan pendekatan fixed effect. Studi ini menemukan bahwa kebijakan makroprudensial tidak signifikan mengurangi perilaku pengambilan risiko oleh bank umum. Begitu pula ketika sampel dibedakan menjadi bank pemerintah dan bank non pemerintah

---

This study aims to analyze the impact of macroprudential policy on risk taking behaviour of commercial bank in Indonesia in form of proportion of risk-weighted asset on bank?s total asset during Q1:2006-Q4:2013 period. Using panel data analysis of 71 banks and fixed effect model approach, the study finds that macroprudential policy is not significant in affecting bank risk taking even when the sample is distinguished into state bank and non state bank"