Hasil Pencarian  ::  Simpan CSV :: Kembali

"Krisis ekonomi yang terjadi pada tahun 1997, dampaknya masih dapat dirasakan hingga saat ini. Salah satu dampak yang nyata adalah masih berfluktuasinya nilai tukar asing terhadap mata uang lokal (Rupiah). Perusahaan-perusahaan yang bertransaksi dalam valuta asing tentulah merasakan dampak ini. Sensitivitas arus kas perusahaan tersebut bisa jadi merupakan salah satu perhatian utama, mengingat fluktuasi nilai tukar mempunyai dampak yang tidak sedikit terhadap proyeksi arus kas perusahaan. Yang pada akhirnya perencanaan perusahaan untuk waktu mendatang juga ikut terpengaruh. Demikian juga yang dialami oleh PT X, sebagai salah satu perusahaan yang mempunyai transaksi kewajibannya dalam benluk valuta asing. Kewajiban yang dijadikan fokus pcnelitian di PT X ini mcrupakan kewajiban jangka panjang, benipa pinjaman untuk membiayai proyek-proyek yang sifatnya capital expenditure. Namun demikian karena hingga saat tulisan ini dibuat, di PT X belum terdapat suatu metode yang digunakan sebagai alat ukur untuk mengkuantifisir risiko akibat pergerakan nilai tukar. Dalam kaitannya dengan potensi kerugian inilah peneliti mencoba menggunakan metode penilaian atas kerugian maksimum (VaR) untuk mengukur seberapa besar niaksimum kerugian yang mungkin diderita oleh PT X karena memiliki kewajiban lancar dalam bentuk valuta asing. Berdasarkan hasil pengujian statistik yang dilakukan terhadap mata uang asing tersebut selama 300 data harian (terhitung sejak 13 April 2005 hingga 30 Juni 2006) diketahui baliwa berdasarkan nilai kewajiban lancar yang dimiliki PT X untuk masing-masing uang asing diatas, diperoleh nilai undiversified VaR untuk holding period satu hari adalah sebesar Rp 8.889.324.263, sedangkan nilai diversified Yak untuk holding period satu hari adalah Rp 7.692.808.948.

---

The impacts of economic crisis in 1997 are still present until now. One of the significant impacts is the fluctuation of foreign currency exchange rate to the local currency (Rupiah). The companies that make transaction by using foreign currency are also affected by the impact. The cash flow sensitivity of the company becomes one of the main concerns because the rate exchange fluctuation causes major impact to the cash flow projection of the company, beside that, it will also affect the company plan in the future. PT.X is one of the companies that make liabilities transaction in foreign currency. The liabilities that become the main concern in this research are the long term liabilities, which is the debt to finance the capital expenditure projects. However, until this research is finished, PT. X still has not had the method to quantify the risk which is caused by the movement of the exchange rate. Related with this loss potential, the researcher tries to use the valuation method of potential loss (VaR) to measure how much the amount of maximum loss that is suffered by the PT. X because of the current liability in foreign currency. Based on the statistic testing of the foreign currency for 300 days (from 13 April 2005 until 30 June 2006) and based on the value of current liability that is owned by the PT. X for each foreign currency , it is known that the VaR undiversified value for one day holding period is 8.889.324.263 IDR. Meanwhile, the VaR diversified value for one day holding period is 7.592.808.948 IDR."

"Perbankan Indonesia terus mengalami perubahan bentuk dan karakter secara signifikan pada beberapa dekade terakhir. Perubahan kebijakan-kebijakan dan regulasi perbankan, tekanan kompetisi dalam pasar perbankan dan keuangan, serta tuntutan kinerja menyebabkan bank harus dikelola secara lebih proaktif terhadap kondisi dan potensi bisnis.Perbankan sebagai lembaga perantara keuangan saat ini semakin dilihat sebagai salah satu media translasi dan transformasi risiko dari pemilik dana yang pada umumnya bersifat risk averse. Kemampuan perbankan dalam mengelola risiko semakin menjadi perhatian sejalan dengan peningkatan volume dan kompleksitas operasional bisnis, peningkatan frekuensi dan jumlah kerugian perbankan akibat tindakan kriminal yang melibatkan pihak internal (pekerja bank) dan eksternal (nasabah) serta beberapa kejadian seperti bencana alam, kebakaran, dan serangan terorisme telah mengakibatkan kerugian yang sangat signifikan pada suatu sistem perbankan yang dapat mengakibatkan collapsenya suatu bank.Berdasarkan ketentuan Basel II,maka bank berupaya untuk menerapkan internal model dalam perhitungan rasio modalnya terutama untuk mengetahui seberapa besar potensi kerugian yang akan dilanggung oleh bank di masa yang akan datang. Dengan diterapkannya internal model, otomatis akan berpengaruh terhadap komposisi Modal bank dan kemampuan ekspansinya. Untuk itu diperlukannya suatu data base yang mencatat kejadian yang menimbulkan kcrugian pada bank.Sesuai hasil pengamatan terhadap manajemen risiko operasional Bank DEF ditemukan bahwa bank tersebut menghadapi risiko operasional namun tidak memiliki metode pengukuran risiko yang akurat sehingga memerlukan adanya pendekatan alternatif yang lebih baik dalam mengukur risiko tersebut. Berdasarkan kondisi tersebut maka dalam rangka memberikan salah satu solusi dalam penghitungan risiko operasional, dilakukan penelitian untuk menentukan model estimasi probabilitas frekuensi dan severity of loss yang tepat dengan metode Aggregating Value at Risk (VaR) dalam manajemen risiko operasional Bank DEF.Data historis risiko operasional yang digunakan (Loss Event Data Base/LEDB) bersumber dari hasil audit internal. Selanjutnya dengan metode Aggregating VaR akan dibentuk Aggregated Loss Distribution dengan mengaggregasi dua distribusi yaitu fitted frequency dan fitted severity distribusi, kemudian dilakukan perhitungan potensi kerugian maksimal operasional dengan pendekatan Value at Risk (OpVaR) berdasarkan metode quantile dengan tingkat keyakinan 95%.Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Penelitian ini memberikan kesimpulan bahwa total nilai Operational Value at Risk (OpVaR) Bank DEF sebesar Rp25.942.954.779.Berdasarkan uji back testing yang telah dilakukan maka atas hasil estimasi VaR dapat diterima. Hal ini menunjukkan bahwa metode Aggregating VaR dapat diimplementasikan sebagai alai ukur besarnya risiko operasional. Mengingat sedang dikembangkannya internal model dalam penghitungan risiko operasional maka di masa mendatang Bank DEF dapat menggunakan Metode Aggregating VaR dalam perhitungan risiko operasional untuk basil yang lebih baik dan akurat.

---

In the last decade, Indonesian banking constantly develops and changes in size and characters. Many factors have caused banks to manage proactively focusing in business condition and potential, such as new regulation and policies in banking, the nature of bank and Financial Institution competitiveness, and business efficiency target.

Many risk adverse investors use banks role as one of intermediate financial institutions to deal with their money. Consequently, the need of risk management in banking is required since volume and business operational activities rise in bank. Financial impact in Illegal business activity between internal parts (bank staff) and external parts (customer) and several events such as natural disaster, fire, and terrorist attack have caused significant loses in banking system that could led to bank collapses.

Banking industry regulation-under Basel II Accord requires banks to implement internal model in measuring their capital ratio in sequence to predict how large their potential losses in the future in a certain time horizon and certain level degree of freedom. The result automatically will influence bank capital and expansion target. Further, data base to record all operational losses is needed.

The research found that Bank DEE; was faced potential operational losses when managing its operational risk. Nevertheless, Bank DEF did not have appropriate and accurate method in measuring operational losses, so that it should need an alternative approach. Concerning this situation, this research proposes a solution in measuring operational risk at Bank DEF.

Operational risk historical data (Loss Event Data Base (LEDB) were provided by DEF Bank Internal Audit Division. The aggregated loss distribution is resulted from two distributions (fitted frequency and severity) by applying aggregating VaR method with a confidence level 95%.

Operational Value at Risk (OpVaR) total is the total maximum potential losses estimation over a certain time horizon and with a certain degree of confidence level, based on historical data. The research concludes that the total Operational Value at Risk amount is Rp.25.942.954.779 with 95% degree of confidence.

Based on the back testing Value at Risk estimation was not rejected. The result showed that banks could implement aggregating VaR method to measure its operational risk, and as such Bank DEF is suggested to implement the method for its risk management 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."

"Dengan fungsinya sebagai lembaga intermediasi keuangan, kegiatan usaha Bank selalu dihadapkan pada risiko-risiko yang berkaitan erat. Perkembangan lingkungan eksternal dan internal perbankan di era globalisasi yang tumbuh dengan pesat, terutama dengan adanya perkernbangan teknologi yang luar biasa hebat, menjadi penyebab semakin banyaknya risiko yang harus dihadapi perbankan karena kegiatan operasional bank yang semakin kompleks, sejalan dengan beragamnya produk dan jasa yang ditawarkan perbankan. Salah satu risiko yang mengemuka saat ini adalah risiko operasional. Risiko operasional menjadi salah satu faktor risiko tambahan yang hares diukur dan diperhitungkan dalam nilai minimum kecukupan modal (Capital Adequacy Ratio), selain risiko kredit dan risiko pasar. Terdapat tiga pendekatan dalam menetapkan beban modal untuk risiko operasional yaitu Basic Indicator Approach, Standardised Approach dan Advanced Measurement Approach. Penggunaan Basic Indicator Approach yang merupakan model standar dalam mengukur risiko operasional dan cenderung menghasilkan perhitungan capital charge yang lebih besar dibandingkan dengan model internal. Pengukuran risiko operasional Bank AAA dengan menggunakan Basic Indicator Approach menghasilkan capital charge untuk risiko operasional pada akhir tahun 2005 sebesar Rp.3,637,600,000.-. Berkaitan dengan hal tersebut maka dalam karya akhir ini dilakukan pengukuran risiko operasional pada Bank AAA dengan menerapkan dan menguji layak atau tidaknya metode alternatif lainnya yaitu Metode Extreme Value Theory (EVT). Penelitan ini menggunakan data yang merupakan kerugian aktual (actual loss) bulanan berdasarkan hasil temuan Satuan Kerja Audit Intern dan kertas kerja laporan profil risiko dalam periode I Januari 2003 sampai dengan 31 Desember 2006. Dalam menerapkan Metode EVT untuk mengukur risiko operasional Bank AAA, metode identifikasi nilai ekstrem yang digunakan adalah Metode Peaks over Threshold (POT) dengan jumlah data yang tersedia adalah 254 titik. Dalam Metode Peaks over Threshold, penentuan threshold hares dilakukan terlebih dahulu untuk menjadi dasar penyaringan data ekstrem. Dalam penelitian ini dipilih Cara sederhana yang telah diuji oleh Chavez-Demoulin, yaitu penentuan threshold dengan Metode Persentase yang dilakukan sedemikian sehingga 10% dari data adalah nilai ekstrem. Kemudian dilakukan estimasi parameter dengan menggunakan Hill Estimation untuk mengestimasi parameter shape dan Metode Probability-Weighted Moments untuk parameter scale. Selanjutnya dilakukan perhitungan potensi kerugian maksimal operasional Bank AAA dengan pendekatan Operational Value at Risk (OpVaR) dengan beberapa tingkat keyakinan, yaitu 95%, 99% dan 99.9%. Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Hasil perhitungan OpVaR dalam penelitian ini memberikan kesimpulan bahwa total nilai OpVaR Bank AAA dengan tingkat keyakinan 95% sebesar Rp.73,848,797.-. Hal ini menunjukkan bahwa dengan probabilitas 95%, maka kerugian risiko operasional maksimum yang dihadapi oleh Bank AAA selama satu tahun ke depan adalah sebesar Rp.73,848,797.-. Sedangkan OpVaR Bank AAA dengan tingkat keyakinan 99% sebesar Rp.163,383,930.-, dan dengan tingkat keyakinan 99.9% sebesar Rp.751,768,500.-. Hasil perhitungan OpVaR tersebut menunjukkan bahwa OpVaR akan meningkat sangat tinggi dengan kenaikan tingkat kepercayaan. Berdasarkan hasil penelitian tersebut menunjukkan bahwa pengukuran risiko operasional Bank AAA dengan menggunakan Metode EVT-POT menghasilkan beban modal yang lebih rendah dibandingkan dengan penggunaan Basic Indicator Approach. Dengan demikian, jika Bank AAA menerapkan metode pengukuran risiko operasional dengan Metode EVT-POT maka alokasi modal yang dibutuhkan untuk menutup risiko operasionalnya menjadi lebih rendah sehingga modal yang tersedia dapat dipergunakan untuk melakukan pemekaran aktivitas bank. Berdasarkan uji back testing yang telah dilakukan, maka atas hasil estimasi OpVaR adalah dapat diterima. Dapat disimpulkan dari penelitian ini bahwa Metode Extreme Value Theory dengan menggunakan Peaks Over Threshold dapat dijadikan metode alternatif untuk mengukur risiko operasional Bank AAA.

---

With its function as an intermediation financial institution, business activities of a bank are always facing tightly interconnected risks. The external and internal environmental banking growth in the globalization era which grows rapidly, especially with the existence of an extremely remarkable technology growth, becomes the cause of even more risks it has to face, due to more complex bank operational activities according to various products and services offered.

One of the risks emerging at this moment is the risk of operation. The risk of operation becomes one of the additional risks that should be measured and calculated in the minimum value of capital adequacy ratio, not to mention credit risk and market risk. There are three approaches to ascertain the capital burden for operational risk, i.e. the Basic Indicator Approach, the Standardized Approach and the Advanced Measurement Approach.

The usage of the Basic Indicator Approach, which represents the standard model to measure the operational risk and tends to give bigger capital charge calculation compared to the internal model. The operational risk measurement of Bank AAA by using the Basic Indicator Approach gives a capital charge for the operational risk at the end of year 2005 as much as Rp3,657,600,000.-. In connection with the above-mentioned case, in this final thesis the measurement of the operational risk at Bank AAA is carried out by applying and testing whether it is proper or not to use another alternative method, i.e. the Extreme Value Theory Method (EVT).

This research uses data, which forms the monthly actual loss based on the finding results of the Internal Audit Work Unit and working paper reports of the risk profile during the period of January I, 2003 up to December 31, 2006. In applying the EVT Method to measure the operational risk of Bank AAA, the extreme value identification method used is the Peaks Over Threshold Method (POT) with the available data amount of 254 points.

In the POT Method, the determination of threshold should be done beforehand to become the basic extreme data filtering. This research has chosen a simple method, which has already been examined by Chavez-Demoulin, i.e. the determination of threshold by the Method of Percentage, carried out in such a way so that 10% of the data becomes the extreme value. Then, the parameter estimation is carried out by using the Hill Estimation to estimate the parameter shape and the Probability Weighted Moments Method for parameter scale. Furthermore, a calculation of the maximum operational loss of Bank AAA is carried out by approaching the Operational Value at Risk (OpVaR). With several level of confidence, i.e. 95%, 99% and 99.9%.

The total value of OpVaR constitutes the estimation of the total maximum potential loss which can happen at one time with a certain degree of trust, based on the historical datas of operational risks that ever happened before. The result of the OpVaR calculation in this research gives the conclusion that the total value of OpVaR of Bank AAA with a 95% level of confidence as much as Rp73,848,797.-. This matter indicates that with a 95% probability, the maximum operational loss risk faced by Bank AAA during the year ahead will be as much as Rp73,848,797.-, while the OpVaR of Bank AAA with a 99% level of confidence as much as Rp751,768,500.-. The result of the OpVaR calculation indicates that the OpVaR will increase very high with the increase of the level of confidence.

The Result of this research indicates that the measurement of the operational risk of Bank AAA using the EVT-POT Method yields a lower capital charge compared to use the Basic Indicator Approach. Therefore, if Bank AAA applies an operational risk measurement method with the EVT-POT Method, then the allocation of capital, which is required to cover its operational risk becomes lower, so that the available capital can be used to carry out the development of its bank activities.

Based on the test of back testing, which has been performed, the OpVaR estimation test can be accepted. It can be concluded from this research that the application of Extreme Value Theory using the Peaks Over Threshold Method can be utilized as an alternative method to measure the operational risk of Bank AAA."

"Eratnya hubungan antara tingkat suku bunga dengan kinerja perbankan menunjukkan pentingnya tingkat suku bunga dengan pengelolaan risiko bank. Dengan dasar pemikiran tersebut maka timbul pemikiran untuk mengukur risiko yang disebabkan oleh pergerakan suku bunga dalam kerangka pengukuran risiko pasar. Dalam saat yang bersamaan, terdapat kecenderungan untuk menerapkan metode VaR untuk mengukur risiko yang dihadapi oleh perbankan. VaR adalah salah satu metoda untuk mengukur risiko pasar (market risk) yaitu untuk mengestimasi tingkat kerugian yang dapat terjadi karena memiliki suatu asset/portfolio asset dalam nilai tertentu yang nilainya dirujuk kepada nilai pasar (market to market value), dengan tingkat kepercayaan statistika tertentu (confidence level) dan untuk jangka waktu penguasaan asset (holding period) yang tertentu dalam kondisi pasar yang dianggap normal. Pergerakan nilai pasar dari aset tersebut menandai return yang dihasilkan oleh aset, apakah return-nya positif atau negatif. Dengan menganggap suku bunga pinjaman adalah return yang dihasilkan oleh asset kredit maka pada dasarnya metoda VaR dapat digunakan untuk mengukur risiko tingkat suku bunga yang dihadapi oleh bank pada saat memiliki aset kredit dalam jumlah tertentu dalam suatu holding period tertentu yang diakibatkan oleh pergerakan suku bunga pinjaman. Khususnya untuk kredit konsumtif dimana umumnya tingkat suku bunga bersifat fixed selama periode tertentu, risiko suku bunga terkait dengan kemungkinan kerugian bank selama periode tersebut dimana biaya dana (cost of fund) bank dapat bergerak naik dan turun dan mengakibatkan negative spread pada saat biaya dana tersebut naik melebihi suku bunga pinjaman. Penelitian ini bertujuan untuk: (1) Mengetahui karakteristik data suku bunga pinjaman keempat produk kredit konsumtif KPR Renovasi, Kredit Kepemilikan Mobil (KPM), Kredit Kepemilikan Motor (KP-Motor), dan Kredit Multiguna yang diberikan oleh Bank X selama periode observasi; (2) Untuk memberikan informasi besarnya VaR akibat perubahan suku bunga pinjaman untuk masing-masing produk kredit konsumtif tersebut yang dihasilkan oleh proses perhitungan yang sesuai dengan karakteristik data suku bunga keempat produk kredit tersebut; (3) Untuk memberikan informasi besarnya VaR untuk portfolio kredit konsumtif yang terdiri atas keempat produk kredit tersebut; (4) Menguji validitas metoda VaR yang digunakan dalam hal kemampuan metoda tersebut untuk mengestimasi tingkat kerugian yang dialami Bank X karena risiko tingkat suku bunga. Berdasarkan basil pengujian atas data tingkat suku bunga keempat produk kredit konsumtif, diperoleh hasil karakteristk sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Tidak terdistribusi secara normal, sehingga nilai a yang akan digunakan dalam perhitungan VaR hares dikoreksi lebih dahulu menggunakan Cornish Fisher Expansion menjadi a; (3) Homoskedastik, sehingga volatilitas data yang diperlukan untuk perhitungan VaR dapat dihitung menggunakan rumus deviasi standar statistik. Angka VaR dihitung dengan menggunakan holding periode 1 bulan dan tingkat kepercayaan 95%, dengan demikian nilai VaR yang dihitung menggunakan data posisi akhir bulan x digunakan untuk mengestimasi tingkat kerugian pada akhir bulan x-H dengan tingkat keyakinan 95%, atau dengan kata lain: hanya 5% kemungkinannya bahwa tingkat kerugian pada akhir bulan x+1 akan melebihi nilai VaR. Hasil uji dengan cara bakc testing menunjukkan hasil yang baik di mane dari keempat produk kredit yang dianalisis, tidak terdapat overshoot sclama periode observasi. Hasil pengujian validitas VaR lebih lanjut dengan Kupiec Test (metoda TNoF) menunjukkan bahwa penggunaan metoda VaR dalam penelitian ini untuk mengestimasi tingkat kerugian akibat risiko tingkat suku bunga untuk masing-masing produk kredit konsumtif Bank X tersebut dapat dianggap valid. Untuk penghitungan VaR Portfolio, hasil uji return portfolio menunjukkan karakteristik data sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Terdistribusi secara normal, sehingga nilai yang akan digunakan dalam perhitungan VaR tidak perlu dikoreksi; (3) Homoskedastik, sehingga estimasi volatilitas dapat menggunakan rumus standar deviasi statistik. Uji validitas VaR portfolio dengan backtesting menunjukkan tidak terdapat overshoot selama periode observasi, dan uji lebih lanjut dengan Kupiec Test menunjukkan bahwa VaR portfolio valid digunakan untuk mengestimasi kerugian maksimum portfolio kredit konsumtif karena risiko tingkat suku bunga."

"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."

"Mengukur risiko yang mungkin terjadi pada suatu portofolio, diperlukan suatu nilai yang merupakan kuantifikasi dari risiko tersebut. Salah satu cara yang dapat digunakan untuk menghitung risiko adalah metode Value at Risk. Value at Risk merupakan suatu nilai yang merupakan ringkasan atau nilai risiko kerugian yang mungkin terjadi pada suatu portfolio, pada saat tertentu, dengan jangka waktu / periode pengamatan (holding period) tertentu serta dengan tingkat kepercayaan tertentu. Dalam tulisan ini penulis mencoba untuk menghitung risiko pada asset kredit dengan menggunakan Metode Value at Risk, yaitu terhadap portfolio per jenis kredit pada bank. Terlebih dahulu akan dilakukan observasi terhadap nilai-nilai posisi outstanding dari asset kredit yang merupakan risk drivers. Dengan menggunakan nilai return kredit yang telah dinilai berdasarkan mark-to-market, maka hasil olah data akan mendapatkan deviasi standar yang merupakan penyebaran atau dispersi dari return kredit itu. Selanjutnya untuk mengukur sensitivitas terhadap gerakan pasar, maka perlu untuk membandingkan hasil perhitungan VaR yang telah dilakukan dengan kredit bermasalah bank tersebut. Kredit bermasalah merupakan risiko yang tidak dapat di diversifikasi, karena perusahaan tidak mampu menghadapi gejolak pasar yang sangat berfluktuasi. Tapi kredit portfolio merupakan risiko yang dapat didiversifikasi oleh salah satunya seperti loan concentration."

"Perkembangan pesat dari industri perbankan yang diiringi oleh semakin meningkatnya kompleksitas dari kegiatan usaha perbankan berpengaruh kepada peningkatan risiko yang melekat pada kegiatan bank. Secara garis besar risiko yang dihadapi perbankan terdiri dari tiga jenis risiko yaitu risiko pasar (market risk), risiko kredit (credit risk) dan risiko operasional (operational risk). Termasuk didalam risiko pasar adalah risiko tingkat suku bunga (interest rate risk) dan risiko nilai tukar (foreign exchange).Kerugian dalam jumlah besar yang diakibatkan oleh perbbahan nilai tukar telah beberapa kali terjadi. Diantaranya dialami oleh Bank Negara Malaysia yang mengalami kerugian sebesar lebih dari US$ 3 milyar pada tahun 1992 dan US$ 2 milyar pada tahun 1993. Kasus di Indonesia teriadi pada saat krisis ekonomi pada tahun 1998, Bank yang memiliki pinjaman dalam mata uang asing, terutama dalam mata uang US$ mengalami kerugian besar akibat terdepresiasinya nilai rupiah terhadap US$ hingga 70%.Risiko nilai tukar tersebut dapat diantisipasi melalui penerapan manajemen risiko yang baik dan metode pengukuran risiko nilai tukar yang memadai. Untuk memudahkan bank dalam inengukur 6sikonya Bank Indonesia menetapkan dua kerangka metode pengukuran perrnodalan minimum yaitu standard model dan internal model. Bank yang kompleks dan aktif dalam perdagangan instrumen keuangan dianjurkan untuk menggunakan internal model.Salah satu internal model yang sering digunakan oleh perbankan akhir-akhir ini untuk mengukur besarnya risiko pasar yang dihadapi adalah metode Value at Risk (VaR). VaR merupakan pengukuran risiko secara kuantitatif yang mengestimasi potensial kerugian maksimal (maximum potential loss) yang mungkin terjadi pada masa yang akan datang yang akan dihadapi pada jangka waktu tertentu (holding period) dan pada tingkat kepercayaan (confidence level) tertentu pada kondisi pasar yang normal.Perhitungan VaR terdiri atas metode Parametric, diantaranya adalah metode Variance-Covariance, metode Non Parametric, diantaranya Historical Simulation dan Monte Carlo. Dalam perhitungan VaR dengan metode Variance-Covariance dibutuhkan peramalan volatilitas. Volatilitas dari suatu data time series bisa bersifat homoskedastis (mempunyai nilai volatilitas yang konstan) atau bersifat heteroskedastis (mempunyai nilai volatilitas yang berubah-ubah). Metode yang biasa digunakan untuk memodelkan volatilitas yang berubahubah adalah Exponentional Weighted Moving Average (EWMA) dan Generalized Autoregressive Heteroskedaslic (GARCH). Metode GARCI-I mengasumsikan bahwa. variance hari tertentu merupakan fungsi dari variance dan kuadrat error dari hari-hari sebelumnya.Pada pasar keuangan, market value dari suatu aset dipengaruhi dan mempengaruhi aset lainnya. Besarnya pengaruh tersebut dinyatakan dalam besaran korelasi. Nilai korelasi ini mempengaruhi besarnya VaR portofolio. Sebelumnya korelasi sering dinyatakan dalam besaran yang konstan. Pengukuran korelasi yang bersifat berubah-ubah telah dilakukan namun dengan metode yang cukup rumit. Robert Engle pada papernya yang berjudul Dynamic Conditional Correlation -A Simple Class of Multivariate GARCH Models memaparkan metode pengukuran korelasi dinamis (korelasi yang berubah-ubah dari hari kehari) yang terbukti dapat diandalkan dan cukup sederhana dalam metode penghitungannya.Bank "X" merupakan bank no 8 terbesar di Indonesia apabila dilihat dari sisi aktiva. Laba bersih yang diraih pada tahun 2004 adalah sebesar Rp. 660 milyar. Bank "X" termasuk ke dalam kategori bank devisa dan memiliki risiko nilai tukar dalam beberapa mata uang asing atau biasa disebut sebagai portofolio. Apabila dilihat dari neraca Bank "X" pada tanggal 31 Desember 2004, Sebanyak 17% aktiva terekspos risiko nilai tukar. Demikian juga pada sisi pasiva, sebanyak 17% terekspos risiko nilai tukar. Bank "X" telah memenuhi persyaratan baik kualitatif maupun kuantitatif yang ditetapkan oleh Bank Indonesia untuk dapat mengukur risiko pasar dengan metode internal. Bank "X" telah menerapkan metode internal untuk mengukur nilai VaR dari portofolio mata uang asingnya. Saat ini, Bank "X" baru menggunakan korelasi konstan dalam mengukur risiko nilai tukarnya. Amat penting bagi Bank "X" untuk melihat apakah penerapan korelasi dinamis mampu memberikan hasil yang lebih akurat dalam memprediksi nilai VaR.Melihat besarnya jurnlah asset maupun liabilities yang terekspos oleh risiko nilai tukar maka amat penting bagi Bank "X" untuk memastikan bahwa metode pengukuran yang dimilikinya telah optimal dalam mengukur besarnya risiko nilai tukar. Panting bagi Bank "X" untuk mengetahui nilai VaR yang dihadapi apabila dihitung dengan metode yang lain. Hingga Bank "X" dapat mengetahui apakah metode yang diterapkannya pada saat ini telah optimal.Berdasarkan kedua hal diatas, maka penelitian ini bertujuan untuk menghitung VaR dad risiko nilai tukar alas portofolio mata uang asing yang terdapat pada Bank "X" selama tahun 2004 dengan menggunakan metode pendugaan volatilitas GARCH dan pendugaan korelasi Dynamic Conditional Correlation, untuk kemudian membandingkannya dengan nilai VaR yang dihasilkan oleh metode internal yang dirniliki Bank "X". Hingga dapat disimpulkan metode mana yang lebih baik.Pengukuran nilai VaR dengan menggunakan metode pendugaan volatilitas GARCH dan pendugaan korelasi dynamic conditional correlation yang diterapkan pada portofolio mata uang asing Bank "X" selama tahun 2004 terlihat lebih efektif dari metode pengukuran VaR yang dirniliki oleh Bank "X". Metode yang digunakan pada penelitian ini hanya menghasilkan 2 failure lebih sedikit apabila dibandingkan dengan 8 failure yang dihasilkan oleh metode yang dirniliki oleh Bank "X".Penggunakan metode pendugaan korelasi dynamic conditional correlation rnampu menurunkan nilai VaR yang dibutuhkan apabila dibandingkan dengan metode pengukuran VaR dengan pendugaan volatilitas GARCH yang menggunakan relasi biasa tanpa menurunkan tingkat akurasi dari nilai VaR yang dihasilkan. Kedua pengukuran tersebut samasama menghasilkan 2 failure, namun 75% nilai VaR yang dihasilkan dengan pengimplementasian Dynamic Conditional Correlation menghasilkan lebih rendah dibanding penggunaan korelasi statistik. Penghematan yang terbesar terjadi pada tanggal 30 Januari 2004 yaitu sebesar 71.25%.Pada tahun 2004, berdasarkan uji white heteroskedastisity no cross term, seluruh mata uang bersifat homoskedastis. Metode pengukuran volatilitas GARCH dan Dynamic Conditional Correlation diperkirakan akan lebih marnpu bertahan daripada metode pengukuran yang dimiliki Bank "X" apabila diterapkan pada kondisi volatilitas mata uang yang berubah-ubah/heteroskedastis."

"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."