Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kemajuan teknologi dalam mempercepat transaksi perdagangan mata uang antar negara menyebabkan kondisi pasar keuangan internasional dapat berubah dalam hitungan detik. Ketidakpastian akibat kondisi yang berubah ubah pada pasar keuangan ini dapat menyebabkan bank dapat mengalami kemungkinan kerugian. Oleh karena itu pada bulan Januari 1996, Basle Committee on Banking Supervision mengeluarkan "Amendment to the Capital Accord to Incorporate Market Risks" yang memasukkan risiko pasar dalam penghitungan Capital Adequacy Ratio (CAR). Pada "amandment" disebutkan bahwa untuk menghitung risiko pasar ada 2 pendekatan yaitu standardized model dan internal model.Penelitian ini menggunakan internal model dengan metode Value at Risk (VaR) pada PT Bank X untuk mengetahui kemungkinan kerugian maksimum yang dapat terjadi bila memegang portfolio dalam periode tertentu dan tingkat keyakinan tertentu pada kondisi pasar yang normal. Dalam menghitung VaR menggunakan pendekatan Risk Metric untuk menentukan confidence level dan holding period, yang kemudian dapat dilakukan dengan 3 metode yaitu: Standar Deviasi Normal, Exponential Weighted Moving Average (EWMA) dan Generalized Autoregressive Conditional Heterocedasticity (GARCH) sesuai dengan hasil darn pengujian data. Mata uang yang dipilih untuk penelitian ini adalah Dollar Amerika (USD), Euro (EUR), Poundsterling Inggris (GBP). Periode penelitian adalah pada tanggal 1 Oktober 2004 hingga 31 Oktober 2005. Awalnya datanya diuji dengan uji stationary ADF, uji normalitas Jarque Beta, dan white test heterocedastic untuk mengetahui karakteristik data. Berdasarkan hasil uji data ternyata data adalah hcterokedastisitas sehingga dalam penghitungan forecasting volatilitas return menggunakan rnetode EWMA dan GARCH untuk masing-masing mata uang.Kemudian hasil penghitungan tersebut digunakan untuk menghitung VaR dengan tingkat kepercayaan 95%. Kemudian VaR untuk masing-masing mata uang (VAR aset tunggal) yang menggunakan 2 metode tersebut masing masing diuji dengan Kupiec Test, untuk mengetahui validitas masing-masing model melalui metode TNoF (Total Number of Failure) untuk menentukan model mana yang terbaik. Dari hasil uji validasi ini dapat diketahui ternyata metode Garch menghasilkan hasil yang lebih baik dibandingkan EWMA. Hasil forecasting volatilitas dari VaR aset tunggaI untuk masing masing masing nilai tukar digunakan untuk menghitung VaR portofolio. Kemudian dari hasil pengujian TNoF diketahui bahwa VaR portofolio dengan metode GARCH adalah valid. Hal ini berarti VaR portofolio dapat menangkap pergerakan actual loss.

---

The increase of technology innovation on Foreign exchange transaction between countries makes some changes on money market rapidly. Uncertainty caused by this condition on money market, makes bank can get loss possibility. In January 1995, Basel Committee on Banking Supervision revised Basel Capital Accord 1988 to the new form of "Amendments to the Capital Accord to Incorporate Market Risks". The Amendment adds "market risk" component in measuring Capital Adequacy Ratio (CAR). The Amendment describes two different approaches to calculate Value at Risk (VaR). They are standardized model and internal model.This research is using internal model with the help of Value at Risk (VaR) method on PT Bank X. It aims to identify the maximum loss possibility in portfolio value at a given level of confidence over a period of time on normal condition market. In measuring VaR using Risk Metric for confidence level and holding period can be done in three methods: Normal Standard Deviation, Exponential Weighted Moving Average (EWMA) and Generalized Autoregressive Conditional Heterocedasticity (GARCH). The use of these three methods depends on the result of data processing. Foreign currencies used in this research are United Stated Dollar (USD), Euro (EUR) and Great Britain Poundsterling (GBP). The time period of this research began from 15S October 2004 until 315` October 2005. In order to know data characteristic, data were examined on Stationary Test (Augmented Dicky FuelIer), Normality Test (Jarque Beta), and White Test Heterocedasticity Test.The results are heterocedastic for all the foreign exchange data therefore forecasting volatily measurement can be calculated by using EWMA method and Garch method for each foreign exchange. The result of volatily measurement is finally used to measure VaR on 95% confidence level. VaR for each foreign exchange (single asset VaR) which use 2 methods volatily, is examined by Kupiec Test. It aims to know the validity of each model through TNoF (Total Number of Failure) in Kupiec Test. The goal of this process is to find the best model. From the validity test result, it can be concluded that Garch method is better than EWMA on this research. The result of forecasting volatility from single asset VaR on each foreign exchange can be used for calculating VaR portfolio. In the end the result test of TNoF, the use of GARCH method of VaR portfolio is valid. The bottom line is VaR portfolio can capture the movement of actual loss."

"ABSTRAKSeiring dengan semakin terintegrasinya pasar keuangan domestik dengan keuangan global dan semakin kompleksnya jenis aktivitas serta transaksi keuangan yang dilakukan perbankan, pengaturan mengenai risiko pasar (market risk) dalam pemodalan bank sudah saatnya untuk diimplementasikan. Dalam kaitannya dengan hal tersebut, Basel Committee on Banking Supervision mengeluarkan ketentuan yang memasukkan unsur market risk dalam penghitungan capital adequacy ratio (CAR).Market risk merupakan risiko kerugian bank akibat perubahan faktor-faktor pasar, yang dibagi ke dalam risiko suku bunga, risiko nilai tukar, dan risiko perubahan harga. Dalam melakukan penghitungan market risk ini, ada dua pendekatan yang ditetapkan oleh Basel Committee dalam dokumen Basel Capital Accord (BCA) 1996 yaitu dengan standardized model dan internal model.Pendekatan standardized model menggunakan satu model yang telah dirancang oleh Basel Committee untuk memberikan acuan bagi bank dalam mengukur risiko pasar. Di Indonesia, pendekatan standardized model ini merupakan pendekatan dengan bekal template yang semua aspek regulasi dan besaran kuantitatifnya telah ditentukan oleh Bank Indonesia (BI) dan bank hanya melaksanakan ketentuan yang digariskan, sedangkan pada pendekatan internal model bank diberikan keleluasaan untuk mengembangkan model sesuai ketentuan Bl.Penelitian ini akan memaparkan penghitungan risiko nilai tukar pendekatan internal model dengan metode value at risk (V aR) pada PT Bank X, untuk mengetahui kerugian maksimum yang mungkin terjadi pada bank jika memegang suatu portofolio pada holding periods dan confidence level tertentu dengan berdasarkan pada kondisi market yang normal.Metode VaR yang dipaparkan dalam karya akhir ini adalah metode varian kovarian yang menggunakan dua estimator volatilitas yaitu model exponentially weighted moving average (EWMA) dan model generalized autoregressive conditional Heteroscedasticity (GARCH). Dari kedua model estimator volatilitas tersebut dapat dibuat berbagai macam model dengan menggunakan jumlah data historis 301 hari dengan level of confidence yang dipilih adalah 95%.Dari beberapa model yang disimulasikan, model GARCH (1,1) adalah model yang paling baik, karena model yang dihasilkan oleh estimator volatilitas model GARCH (1, 1) temyata menghasilkan tingkat error yang rendah serta forecast yang dihasilkannya pun mampu menangkap pergerakan volatilitas actual-nya.Berdasarkan basil penelitian ini, disarankan bagi PT Bank X untuk menggunakan estimator volatilitas model GARCH (1,1) agar optimal dalam menghitung risiko nilai tukar karena model GARCH (1,1) ini menghasilkan prediksi nilai VaR yang lebih kecil dibandingkan dengan model EWMA."

"Pengukuran risiko merupakan salah satu aktifitas manajemen risiko yang telah dilakukan oleh banyak bank pada masa ini. Kesulitan yang dialami PT. Bank FDR dalam melakukan perhitungan nilai VaR (Value at Risk) pada risiko nilai tukar juga merupakan permasalahan yang dapat dialami oleh bank-bank lain di Indonesia. Pada karya akhir ini akan diperlihatkan pengukuran VaR risiko nilai tukar dan digunakan 2 pendekatan estimasi volatilitas yaitu EWMA dan ARCH/GARCH. Pada Karya Akhir ini diperlihatkan bahwa ARCH/GARCH dapat menghasilkan model VaR yang lebih baik daripada model VaR yang menggunakan estimasi volatilitas EWMA. Dengan menggunakan ARCH/GARCH, maka diperoleh nilai VaR Portfolio PT. Bank FDR untuk 1 Februari 2007 sebesar Rp. 77.307.209,00.

---

Measuring risks is one of risk management activities which have been largely implemented by many banks on this era. The problem in PT. Bank FDR on calculating Value at Risk (VaR) on foreign exchange risk is possibly a common problem which faced by other banks in Indonesia. In this thesis was described ARCH/GARCH will result better VaR model than EWMA. By applying ARCH/GARCH, it's resulted VaR on PT. Bank FDR for 1st of February 2007 as much as Rp. 77.307.209,00."

"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."

"Krisis perbankan tempo lalu ternyata menjadi pelajaran yang berharga bagi kalangan perbankan, termasuk pihak pemegang otoritas perbankan, yakni Bank Indonesia (BI). Hikmah dari kejadian tersebut adaiah semua pihak menjadi mawas diri untuk bekerja lebih baik dan profesional pada masa mendatang. Sebelum krisis, unsur pengawasan tidak dilakukan secara optimal dan para pelaku perbankanpun tidak memperhitungkan berbagai macam faktor risiko bisnis.Namun setelah itu, BI sebagai koordinator perbankan nasionalpun mulai mengkaji dart menata kembali industri yang telah dihantam badai yang paling dahsyat, yang selama ini belum pernah terjadi dalam sejarah perbankan nasional. Pada awal Januari 2004 BI menerbitkan Arsitektur Perbankan Indonesia (API) yang merupakan sebuah program menyeluruh yang dapat dijadikan pedoman bagi seluruh kalangan perbankan hingga 2010.Ada delapan pilar API yang mesti dilaksanakan oleh para pelaku bisnis perbankan. Salah satu pilar antara lain menyebutkan tentang perlunya manalemen risiko (risk nianagenrent) bagi kalangan perbankan. Pemberlakuan ketentuan BI No. 5/8/PBI/2003 tentang Penerapan Manajemen Risiko bagi Bank Umum yang mewajibkan bank memasukkan faktor risiko operasional ke dalam perhitungan kewajiban penyediaan modal minimum diharapkan dapat memperkuat sistem pengawasan perbankan secara menyeluruh.Dalam rangka menerapkan manajcmen risiko operasional secara efektif, maka bank "X" harus mampu mengidentifikasi risiko operasional dan mengukurnya. Hasil identifikasi risiko operasional digambarkan pada LEDB berupa kejadian kerugian (loss event), penyebab kerugian dan dampak dari kejadian kerugian dalam jumlah uang.Untuk keperluan pengukuran risiko operasional mula-mula dilakukan pengumpulan data kerugian dari LEDB. Selanjutnya data disaring untuk keperluan penelitian dan dianalisis secara statistic. Data kerugian dan data observasi jumlah kejadian kerugian digunakan sebagai dasar pembuatan severity of loss probability model dan frequency of loss probability model.Kedua model tersebut diuji masing-masing dengan menggunakan uji Kolmogorov-Smirnov dan uji Chi-Square. Berdasarkan uji model tersebut dipilih Exponential distribution dan Poisson distribution.Selanjutnya, guna pengukuran risiko operasional dilakukan simulasi Monte Carlo. Untuk itu dilakukan penetapan asumsi-asumsi bagi setiap jumlah kerugian dan jumlah kejadian kerugian. Penetapan asumsi tersebut dilakukan terhadap setiap angka kerugian dan jumlah kejadian kerugian. Angka jumlah kerugian diasumsikan mengikuti Exponential distribution, sedangkan angka jumlah kejadian diasumsikan mengikuti Poisson distribution. Setelah itu ditetapkan forecast atau output yang diharapkan.Hasil simulasi Monte Carlo adalah aggregate loss distribution. Berdasarkan distribusi kerugian hasil simulasi tersebut dilakukan perhitungan OpVaR, yang besarnya adalab Rp. 17.613.014.530,- (95th percentile) dari Rp. 31.151.154.671,- (99th percentile).

---

Banking crisis in Indonesia has indeed become a worthy lesson for bankers, including Bank Indonesia as monetary authority. The crisis has encouraged related parties to be more prudent and professional in the future. Supervision has not been done properly before banking crisis occurred and business risks have not been wholly considered.

Then, Bank Indonesia began to review and rebuild the banking industry in Indonesia. In the beginning of 2004, Bank Indonesia issued Indonesian Banking Architecture (API), a comprehensive program aimed to be guidance for bankers until 2010.

API introduces 8 pillars which must be accomplished by bankers. One of them states a need for risk management in banking industry. BE regulation No. 5/8/PBI/2003 regarding Risk Management Accomplishment for Banks, requesting banks to consider operational risk in the calculation of minimum capital requirement is expected to strengthen the control system in banking as a whole.

For the purpose of effective operational risk management, bank "X" must be able to identify operational risk and measure it: The identification of this risk is reported in Loss Event Data Base (LEDB).

To measure the risk, data of losses are gathered from LEDB, The data, consisting of loss amounts and frequency of losses are then used to establish severity of loss probability model and frequency of loss probability model. Both models are tested using Kolmogorov-Smimov Test and Chi-Square Test. Based on those tests, Exponential distribution and Poisson distribution are consecutively chosen as Severity of loss probability model and Frequency of loss probability model.

For the purpose of risk measurement, Monte Carlo simulation is done. Before doing this simulation, certain assumptions are established for each loss amount and each loss frequency.

The result of this simulation is aggregate loss distribution. Based on the distribution, Operational Value at Risk (OpVaR) is Rp. 17,613,014,530.00 (95th percentile) and Rp. 31,151,154,671.00 (99th percentile)."

"Semua bisnis pasti memiliki risiko. Tidak terkecuali bisnis perbankan. Dalam menjalani fungsi menawarkan jasa-jasa keuangan, Bank harus mengambil atau mengelola berbagai jenis risiko keuangan secara efektif, agar dampak negatifnya tidak terjadi. Intinya, hampir semua bank beranggapan bahwa risiko dalam sebuah bisnis perbankan harus dihindari ataupun dihilangkan. Salah satu risiko yang termasuk dalam Manajemen Risiko Bank adalah Risiko Pasar. Secara umum Risiko Pasar antara lain terdapat pada aktivitas fungsional Bank seperti kegiatan treasury dan investa.si dalam. bentuk surat berharga, pasar uang, penyertaan pada lembaga keuangan lain, penyediaan dana, dan kegiatan pendanaan dan penerbitan surat hutang, serta kegiatan pembiayaan perdagangan. Kegiatan-kegiatan tersebut tentunya memiliki risiko masing-masing yang berbeda yang harus dihilangkan ai.aupun dikurangi. Bagi bank ukuran besar, aktivitas di luar negeri dan jual beli valuta asing untuk kepentingan bank sendiri, dapat merupakan sumber Risiko Pasar yang signifikan. Bagi kebanyakan bank, yaitu yang kegiatan usahanya berukuran kecil dan sedang, jenis Risiko Pasar yang terutama adalah risiko suku bunga. Berdasarkan hal tersebut di atas, maka pada karya akhir ini penulis ingin meneliti lebih lanjut tentang risiko pasar, khususnya risiko nilai tukar pada Bank X. Dalam penelitian ini, penulis mengukur seberapa besar potensi risiko pasar yang dimiliki oleh Bank X, jika dihitung dengan menggunakan metode Variance Covariance. Kemudian, penulis ingin mengetahui apakah metode tersebut merupakan metode yang paling cocok untuk menghitung risiko nilai tukar pada Bank X. Dalam penelitian ini, digunakan metode Variance Covariance utnuk mengukur risiko nilai tukar, yaitu dengan menggunakan metode Deviasi Standar atau Generalized Autoregressive Conditional Heteroscedasticity (GARCH), yang sesuai dengan hasil pengujian data. Data yang digunakan adalah nilai tukar Rupiah terhadap 3 (tiga) mata uang asing, yaitu Singapore Dollar (SGD), Hongkong Dollar (HKD) dan European Euro (EUR), dengan periode penelitian antara 7 Januari 2003 sampai 30 Januari 2004. Untuk mengetahui karakteristik dari data return ketiga mata uang tersebut dilakukan pengujian yang meliputi uji stasioner, uji normalitas dan uji volatilitas. Dari uji stasioner dapat diketahui bahwa data untuk ketiga mata uang tersebut bersifat stasioner, yang dibuktikan dengan nilai Critical Value (CV) alpha 5% untuk mata uang SGD, HKD dan EUR temyata lebih besar dari nilai ADF test-nya. Selanjutnya dari hasil uji normalitas, didapat bahwa nilai probabilitas untuk ketiga jenis mata uang dalam penelitian ini temyata lebih kecil daripada nilai alpha, sehingga data dikatakan tidak normal. Untuk data yang tidak normal, maka alpha yang digunakan dalam perhitungan VaR adalah alpha yang sesuai dengan rumus Cornish Fisher Expansion. Dari hasil uji volatilitas diketahui data return ketiga mata uang tersebut bersifat homoscedastic, sehingga metode yang digunakan untk melakukan forecasting volatility adalah metode deviasi standar normal. Kemudian berdasarkan perhitungan tersebut dihitung VaR harian dengan confidence level senilai 95% dan holding period 1 hari. Berdasarkan hasil perhitungan tersebut, maka didapatkan nilai VaR sebagai berikut:Dari tabel di atas diketabui nilai Diversified VaR dan Undiversified VaR. Adanya perbedaan yang cukup signifikan antara Diversified VaR dan Undiversified VaR, yaitu sebesar Rp.7.862.042, disebabkan antara lain karena adanya korelasi negatif antara mata uang SGD dan EUR. Hal yang berikut dilakukan setelab pengujian return mata uang adalah menguji validitas dari data tersebut. Kegunaaannya adalab untuk mengetabui apakah model Variance Covariance yang digunakan untuk mengbitung risiko nilai tukar pada Bank X tersebut valid atau tidak. Uji Validitas dilakukan berdasarkan Kupiec Test, yaitu Total Number of Failure (TNoF) dan Time Until First Failure (TUFF). Dari basil pengujian validitas tersebut, baik TN oF dan TUFF, babwa model yang telah ditetapkan untuk ketiga mata uang tersebut dinyatakan valid. Hal ini ditunjukkan dengan nilai Likelihood Ratio (LR) yang lebih kecil daripada nilai Chi Square. Berdasarkan basil akhir penelitian ini maka dapat disimpulkan bahwa setelah mengadakan perhitungan terbadap risiko nilai tukar pada Bank X dengan 3 (tiga) jenis mata uang, maka didapatkan suatu basil yang menyatakan besamya risiko nilai tukar pada Bank X, jika dibitung dengan menggunakan metode Variance Covariance. Dan setelah diadakan pengujian kembali, maka dapat disimpulkan pula bahwa model tersebut adalah model yang cocok untuk digunakan pada penghitungan risiko nilai tukar di Bank."

"Tesis ini membahas pengukuran risiko kredit menurut Basel II, yang berbeda dengan ketentuan Basel I yang berlaku saat ini. Untuk pengukuran kredit korporasi PT. Bank X telah mulai mempersiapkan diri dengan menerapkan sistem internal rating yang berjalan mulai tahun 2004. Internal rating merupakan salah syarat yang harus dipenuhi untuk melakukan pengukuran kredit sesuai dengan Basel II.Basel II memperkenal 3 metode pengukuran risiko kredit terutama untuk kredit usaha, yaitu Standardized Approach, IRB Foundation Appraoch dan IRB Advanced Approach. Dalam tulisan ini ketiga metode tersebut diterapkan untuk mengukur minimum capital charg.. Sesuai dengan data yang diperoleh risiko kredit yang diukur adalah portepel kredit yang dimiliki oleh Divisi Usaha Menegah PT. Bank X.Hasil pengukuran risiko kredit ini masing-masing diperbandingkan mana yang lebih effisien dalam menghitung risiko kredit. Selanjutnya hasil kesimpulan yang diperoleh dapat dijadikan bahan masukan bagi manajemen PT. Bank X, ataupun bank-bank lain yang menghadapi permasalahan yang sama.

---

The focus of this study is measuring credit risk using Basel II method. This preparation already started from 2004 through the implementation of internal rating system. Internal rating system as one of the term to be full filled to measring credit risk using Basel II.

Basel II introduce 3 methods to measuring credit risk specialy for corporate loan, which is Standardized Approach, IRB Foundation Approach dan IRB Advanced Approach. The subject on this paper is to implement 3 methods, calculate minimum capital charge using data of credit portfolio middle marker segment PT. Bank X.

The results from the measurement of each method then compared to find which method is more efficient in calculating credit risk. Therefore the conclusion is an input for the management of PT. Bank X as for the other banks who facing the same problem."

"ABSTRAKHal yang melatar belakangi penulisan karya akhir dengan judul Perbandingan . Perhitungan Risiko Nilai Tukar sesuai ketentuan Bank Indonesia (standardized method) dan Value at Risk (internal mode[) Studi Kasus PT Bank PQR ini adalah karena sejak diberlakukannya Peraturan Bank Indonesia No.S/12/PBI/2003 bank wajib menyediakan modal minimum untuk meng cover risiko pasar yang salah satu faktor risikonya adalah risiko nilai tukar. Penyediaan modal khusus risiko nilai tukar dengan metode standar diperhitungkan sebesar 8% dari Posisi Devisa Neto bank. Permasalahan yang timbul adalah bahwa penyediaan modal minimum bagi setiap bank diwajibkan menggunakan tarif yang sama yaitu 8%. Hal ini dapat mengakibatkan besamya penyediaan modal (capital chaige) dimaksud tidak tepat dibandingkan dengan kcbutuhannya (terlalu besar atau bahkan terlampau sedikit). Dari sisi pengelolaan asset dan kewajiban (Assets Liabilities Management) hal ini dapat merugikan bank, karena dapat mengakibatkan idle fund, atau sebaliknya justru membebani solvabilitas bank akibat kerugian yang tidak terantisipasi.Dalam basel II accord perhitungan modal minimum risiko pasar dapat dimungkinkan dilakukan dengan mode internal dengan pendekatan Value at Risk (VaR). Dengan demikian timbul pertanyaan manakah dari kedua metode I model tersebut yang lebih efektif mengestimasi potensi kerugian akibat fluktuasi nilai tukar dan metode/model mana yang lebih efisien sehingga idle fund yang timbul akibat pencadangan modal dan beban solvabilitas bank dimaksud dapat diminimalisir.Tujuan penulisan ini adalah untuk mengetahui seberapa efektif dan efisiennya pengukuran risiko pasar khususnya nilai tukar dapat diestimasi oleh kedua metode/ model tersebut dan manakah dari kedua metode/ model dimaksud yang lebih baik untuk diterapkan dalam perhitungan modal minimum yang harus disediakan bank untuk mengcover potensi kerugian bank akibat fiuktuasi nilai tukar.Perhitungan capital charge dengan metode standar dilakukan sesuai ketentuan Bank Indonesia dimaksud, sedang perhitungan dengan model internal dilakukan dengan cara perhitungan Value at Risk dengan metode Varian Kovarian. Data yang menjadi bahan analisis adalah posisi nilai tukar PT Bank PQR yang terdiri dari 6 (enam) mata uang asing, yaitu USD, EURO, AUD, GBP, SGD serta JPY. Sementara periode yang digunakan dalam analisis ini adalah dari 2 Januari 2003 sampai dengan 31 Desember 2004, yaitu 488 hari. Khusus dalam perhitungan VaR , Confident level yang dipergunakan adalah 95% dan holding period selama 1 hari.Berdasarkan hasil uji normalitas, dapat diketahui bahwa seluruh data series return setiap mata uang asing tersebut adalah tidak normal, sehingga nilai a yang diperhitungkan dicari dengan teori Cornish Fisher Expansion. Sementara itu, dari hasil uji volatilitas data umumnya merupakan heteroskeadstic, kecuali untuk mata uang EURO yang merupakan homoskedastic. Oleh karena itu forecasting volatilitas data untuk mata uang selain EURO adalah dengan mempergunakan model ARCH/GARCH, sedangkan untuk mata uang EURO diglln.akan sample deviasi standar normal.Perhitungan risiko nilai tukar / capital charge untuk portfolio mata uang PT Bank PQR diperoleh hasil perhitungan metode standar sebesar Rp329.419.318,- lebih besar dibandingjika menggunakan model VaR yaitu sebesar Rp67.20 1.079,- (undiversified) dan Rp 44.990.730,- (diversified). Sementara dari hasil pengujian validitas model dengan Likely hood Ratio dengan Kupiec test, metode Total Number of Failure(TNoF) dan Time Until First Failure (TUFF) tidak terdapat kesalahan / failure karena jumlah capital charge dengan metode standar selalu lebih besar dibandingkan Total Loss. Sementara dengan model VaR, TNoF yang dihasilkan sebanyak 6 (enam) tanggal dan TUFF pada hari ke 138 (seratus tiga puluh delapan).Memperhatikan hasil pengujian metode/ model perhitungan risiko nilai tukar tersebut dapat disimpulkan bahwa kedua metode/ model tersebut cukup efektif untuk meng cover potensi kerugian akibat risiko pasar, namun model VaR lebih efisien karena capital charge yang dihasilkan jauh lebih kecil dari metode standar.Agar terjadi efisiensi penggunaan dana! penyediaan modal yang pada akhirnya akan lebih meningkatkan pertumbuhan usaha bank, maka penggunaan model internal (VaR) untuk keperluan penyediaan modal minimum bank terkait dengan risiko pasar mutlak dipercepat. Namun apabila ketentuan Bank Indonesia telah dapat memperbolehkan bank menyediakan modal minimum dimaksud dengan perhitungan model internal (VaR) maka baik pihak Bank Indonesia yang akan berperan sebagai validator dan bank sebagai pelaku yang menerapkan model internal harus bersama-sama rnempersiapkan sumber daya manusia dan informasi teknologi untuk mengantisipasinya.Dalam karya akhir ini penulis rnelakukan estimasi volatilitas nilai tukar dengan model internal untuk yang bersifat homoskedastic dengan deviasi standar normal sedang untuk yang bersifat heteroskedastic dengan ARCH/GARCH, karena menurut pendapat ahli model ini lebih fleksibel dan rnernperoleh hasil yang akurat. Untuk melengkapi penelitian ini, estimasi volatilitas dapat dilakukan dengan model EWMA yang secara praktek lebih mudah dilakukan dan sering hasilnya mendekati keakuratan model ARCH/GARCH."

"Setiap transaksi valuta asing yang dilakukan Bank terdapat potensi keuntungan dan potensi risiko berupa kerugian. Untuk mengendalikan risiko tersebut, Bank perlu menerapkan manajemen risiko yang memadai, mulai dari identifikasi risiko, pengukuran risiko, dan Pengendalian Risiko. Pengukuran risiko nilai tukar dapat menggunakan Value at Risk dengan pendekatan Risk Metrics dan Variance-Covariance. Dalam pengendalian risiko dapat dilakukan dengan penentuan limit risiko berupa limitValue at Risk dan limit eksposur trading.Dalam penetapan limit risiko tersebut juga mempertimbangkan risk appettiteyang ditetapkan Bank.

---

Every foreign exchange transactions by the Bank are has its potential of benefits risks of loss. To mitigate these risks, Bank needs to implement adequate risk management, ranging from risk identification, risk measurement, and risk control. Exchange rate risk measurement can use Value at Risk with Risk Metrics and Variance-Covariance approach. Risk controlling may contained with risk limit form as Value at Risk limit and trading exposure limit. The establishment of risk limits are also consider Bank risk appetite."