Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 64662 dokumen yang sesuai dengan query
cover
Simanjuntak, Sumanggam T.P., Author
"ABSTRAK
Kondisi persaingan, kesehatan dan peraturan perbankan Indonesia saat ini menuntut setiap bank untuk mengelola dan mengukur risiko kredit. Beberapa bank mulai membangun model internal untuk mengelola dan mengukur besar risiko kredit dengan ha.rapan kewajiban penyediaan modal minimum (KPMM) untuk mem-back up risiko kredit menjadi lebih kecil dibandingkan apabila menggunakan standardized approach.
Perhitungan risiko kredit dengan menggunakan model CreditMetrics dan Macro Simulation Approach merupakan perhitungan risiko kredit dengan model internal rating yang membutuhkan sistem internal rating sebagai dasar penentuan risiko kredit Asumsi yang digunakan oleh model CreditMetrics bahwa probability of default adaJab konstan dalam kondisi nyata dipengaruhi oleh berbagai faktor term.asuk fuktor ekonomi makro. Untuk mengatasi kelemaban tersebut, maka model CreditMetrics dikornbinasikan dengan Macro Simulation Approach untuk melihat pengaruh faktor ekonorni rnakro terhadap probability of default debitur.
lmplementasi Macro Simulation Approach pada kredit menengah komersial PT Bank X menunjukkan adanya beberapa faktor ekonomi rnakro yang mempengaruhi kemungkinan terjadinya perubahan atau transisi kolektibilitas pinjaman, antara lain yaitu:
1. Nilai tukar mata uang Rupiah terhadap USD mempengaruhi probabilitas kolektibilitas pinjaman agar tetap lancar dan juga probabilitas kolektibilitas Lancar berubah menjadi Dalam Perhatian Khusus.
2. Suku bunga SBI mempengaruhi probabilitas kolektibilitas pinjaman tetap Dalam Perhatian Khusus, dan probabilitas kolektibilitas pinjaman tetap Macet.
3. IHSG mempengaruhi probabilitas kolektibilitas pinjaman Kurang Lancar berubah menjadi Lancar, probabilitas kolektib11itas pinjaman tetap Kurang Lancar, dan probabilitas kolektibilitas pinjaman Macet berubah menjadi Dalam Perhatian Khusus
Hasil analisis risiko kredit dengan acro Simulation Approach adalah dalam bentuk Matriks Transisi Conditional yang telah disesuaikan dengan pengaruh faktor ekonomi makro. Selanjutnya pendekatan CreditMetrics menggunakan matriks transisi conditional untuk menghitung risiko kredit. jumlah maksimal kerugian yang dapat dialami oleh PT Bank X dari kredit menengah komersial sektor perindustrian dengan tingkat keyakinan 95% adalah sebesar Rp.338.634.483.403 atau 32,85% dari total keseluruhan baki debet kredit menengah komersial sektor industri.
Jika dikaitkan dengan ketentuan penyediaan modal sebesar SOlo, maka PT Bank X diwajibkan untuk menyediakan pencadangan modal untuk meng-cover risiko dalam penyaluran kredit menengah komersial sektor industri sebesar 8% x 32,85% = 2,63% dari total outstanding kredit. Persentase pencadangan modal ini jauh lebih hemat dibandingkan dengan penyediaan modal oleh perusahaan yang belum melakukan rating bagi kreditnya, yaitu sebesar 8% - 2,63% = 5,37%.
"
2005
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
cover
cover
Lengkong, Virnaria C.M.
"Kondisi perbankan di Indonesia dari tahun ke tahun mengalami peningkatan yang cukup tinggi setelah mengalami krisis ekonomi pada tahun 1997 Pada tahun 2004, tercatat persetujuan kredit baru di seluruh bank umum sebanyak Rp 31 1,63 triliun dimana jumlah ini meningkat 32,59% dari tahun 2003 yang mencapai Rp.235,04 triliun. Sehingga perbankan Indonesia dituntut untuk melakukan pengelolaan usaha dengan prinsip kehatihatian. Salah satu pengelolaan yang dilakukan perbankan adalah pengelolaan risiko Salah satu risiko vital yang butuh pengelolaan yang intcnsif adalah risiko kredit.
PT. Bank XYZ merupakan bank yang sudah menerapkan pengelolaan risiko kredit dengan menggunakan infrastruktur internal rating dalam pengukuran risiko kreditnya. Salah satu melode perhitungan risiko kredit dengan menggunakan sistem internal rating adalah Macro Simulation Approach. Dengan menggunakan pendekatan Macro Simulation, PT. Bank XYZ dapat melihat pengaruh faktor ekonomi makro terhadap probability of default debiturnya. Sehingga tidak semata-mata risiko dilihat pada kondisi keuangan debiturnya saja. Adapun faktor ekonomi makro yang diamati mencakup PDB, IHSG, inflasi, SBI, Kurs USD dan Kurs WY, dimana beberapa diantara faktor ekonomi tersebut mempengaruhi pergerakan credit rating debitur sektor manufaktur PT. Bank XYZ. Sebagai contoh, SBI mempengaruhi probabilitas credit rating BF menjadi E2, D2 menjadi D3, dan D3 menjadi E2.
Dengan pendekatan Macro Sinurlation Approach dapat diketahui probabilitas credit rating yang telah disesuaikan dengan pengaruh faktor ekonomi makro. Hasilnya adalah berupa matriks transisi conditional. Kemudian untuk mengetahui risiko kredit dilakukan pcrhitungan VaR krcdit) dengan menggunakan hasil probability of default kredit rating matriks transisi conditional (Macro Simmulation Approach). Sehingga jumlah maksimal kerugian yang dapat dialarni olch PT Bartk XYZ dari krcdit sektor manufaktur dengan tingkat keyakinan 95% adalah sebesar Rp.52 303 767 (dengan asumsi distribusi normal) atau Rp 181 105 913 495 (dengan asumsi distribusi tidak normal) Nilai diatas merupakan 0.0089% (dengan asumsi distribusi normal) atau 31.15% (dengan asumsi distribusi tidak normal) dari total kcseluruhan baki debet kredit sektor manufaktur. Dengan demikian PT. Bank XYZ diwajihkan untuk menyediakan pencadangan modal untuk meng-cover risiko krcdit sektor manufaktur sebesar 8% x 31,15% = 2,49% dari total baki debet pinjamannva.

After crisis at 1997. economic condition especially banking in Indonesia has been significantly grown. Year 2004, new credit approval for all banks achieved Rp. 311.63 billion. which is growth 32,59% from year 2003 for Rp. 235 04 billion. Subject to its growth. Indonesian banking should realized the risk especially credit risk that should be managed well.
PT. Bank XYZ has already established credit risk management with internal rating system in credit risk measurement One of credit risk measurement method using internal rating is Macro Simulation Approach. With Macro Simulation Approach. PT. Bank XYZ can observe the influence of macro economic factors aligned with probability of default of each company. The macro economic factors such as Gross Domestic Product (PDB), Indonesian Stock Price Index (1HSG). inflation. Government T-bills (SBI). USD Foreign Exchange (Kurs USD) and JPY Foreign Exchange (Kurs JPY) had effect on credit rating movement for credit manufacture at PT. Bank XYZ. For example. SBI had effect on probability of credit rating BI become E2, D2 become D3 and D3 become E2.
Result of Macro Simulation Approach which already aligned between probability of credit rating and macro economic factors is conditional transition matrix. Then calculation of credit risk with credit VaR (CreditMetrics) has to be conducted by using probability of default in conditional transition matrix (Macro Simulation Approach). Loss maximum amount of credit manufacture at PT. Bank XYZ with 95% confident level (assuming normal distribution) is Rp.52.303.767 or Rp. 183,105.913,495 (assuming actual distribution). This amount is 0 0089% (assuming normal distribution) or 31.15% (assuming actual distribution) from total of exposure of credit manufacture For capital requirement purpose. PT Bank XVZ has to reserve equity for 2.4994, 1% x 31 15% l from total exposure of credit manufacture PT Bank XYI. Using Macro Simulation Approach gives many advantage especially for capital requirement. because it is using internal rating which is gives every customer rating different portion of credit risk and so gives lesser reserve equity.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2006
T18498
UI - Tesis Membership  Universitas Indonesia Library
cover
Hendra Irawan
"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."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2004
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Henny
Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2009
T27288
UI - Tesis Open  Universitas Indonesia Library
cover
Fauzur Rahman
"Penerapan langsung Market Risk Capital Charges terhadap permodalan perbankan berdampak langsung terhadap turunnya Capital Adequacy Ratio (CAR) pada masing-masing bank. Salah satu fungsi utama dari perbankan adalah menunjang pertumbuhan ekonomi melalui kemampuannya untuk memberikan pinjaman kepada masyarakat. Penurunan CAR akibat perhitungan market risk capital charges, akan mengakibatkan penurunan kemampuan ekspansi perbankan nasional secara tidak langsung. Risiko nilai tukar (Excange rate risk) merupakan salah satu komponen dari market risk.
Perhitungan market risk capital charges dengan menggunakan model internal akan menghasilkan nilai yang relatif rendah dibandingkan dengan penggunaan model standar. Hal tersebut dikarenakan, dalam model internal sudah memperhitungkan efek volatilitas dan korelasi antar faktor risiko. Model internal yang banyak digunakan sekarang adalah Value at Risk (VaR). Perhitungan market risk capital charges yang efisien dengan menggunakan VaR akan berdampak langsung terhadap capital adequacy yang efisien pula. Penelitian ini menghitung market risk capital charges untuk risiko nilai tukar (exchange rate risk) dengan menggunakan VaR Monte Carlo Simulation.
Penelitian yang dilakukan menyimpulkan bahwa (1) perbankan syariah dapat menggunakan metode Value at Risk pendekatan Monte Carlo Simulation untuk perhitungan capital charges risiko nilai tukar; dan (2) pengukuran capital charge risiko nilai tukar dengan VaR Monte Carlo Simulation valid untuk digunakan dalam pengukuran risiko nilai tukar pada Bank Syariah XYZ.

Direct application of Market Risk Capital Charges on banking capital directly impact the decline in Capital Adequacy Ratio (CAR) in each bank. One of the main function of banks is to support economic growth through its ability to lend to the public. Decrease in CAR due to the calculation of market risk capital charges, will result in decreased ability of the national banking expansion indirectly. Exchange rate risk (Excange rate risk) is one component of market risk.
Calculation of market risk capital charges using internal models will produce a relatively low value compared with the use of the standard model. That is because, in the internal model taking into account the effects of volatility and correlation between risk factors. Internal models are widely used today is the Value at Risk (VaR). Calculation of market risk capital charges are efficiently by using VaR will directly affect an efficient capital adequacy as well. This study calculates market risk capital charges for the exchange rate risk (exchange rate risk) by using the VaR Monte Carlo Simulation.
Research carried out concluded that (1) Islamic banking can use the method of Value at Risk Monte Carlo Simulation approach to calculating capital charges exchange rate risk, and (2) the measurement of capital charge exchange rate risk with VaR Monte Carlo Simulation valid for use in risk measurement value exchange at Bank Syariah XYZ.
"
Depok: Program Pascasarjana Universitas Indonesia, 2011
T29657
UI - Tesis Open  Universitas Indonesia Library
cover
Feriyanti Nalora
"Risiko operasional adalah salah satu risiko yang cenderung sulit untuk diantisipasi dan dampaknya seringkali di luar perkiraan bank. Pengukuran Value at Risk (VaR) menjadi penting agar bank dapat menghitung beban modal untuk risiko operasional sesuai dengan profil risikonya. Tesis ini membandingkan perhitungan VaR risiko operasional pada PT Bank ABC dengan dua metode yaitu Monte Carlo Simulation dan Extreme Value Theory. Berdasarkan backtesting terhadap kedua metode tersebut, pengukuran risiko operasional pada Bank ABC lebih realistis jika menggunakan Monte Carlo Simulation.

Operational risk in banking is one of the most difficult risk to anticipate and its impact to bank?s losses sometimes unpredictable. Measuring Value at Risk (VaR) then become important to enable bank to calculate capital charges for operational risk in accordance with its risk profile. This research attempts to compare between Extreme Value Theory method and Monte Carlo Simulation to calculate operational risk capital charge in PT Bank ABC. Based on backtesting procedures, it reveals that Monte Carlo Simulation is more suitable for Bank ABC's risk profile."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2012
T32194
UI - Tesis Open  Universitas Indonesia Library
cover
Justina Ruly Sulistyarini
"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.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2006
T18564
UI - Tesis Membership  Universitas Indonesia Library
cover
Vina Kharisma Dewi
"Pembiayaan yang dilakukan oleh bank syariah menghadapi risiko kredit, sebagaimana bank konvensional. Bank syariah dinilai sangat penting untuk melakukan perhitungan terhadap tingkat nilai risiko maksimal yang mungkin terjadi pada pembiayaan yang dilakukannya. Sebagai sebuah studi kasus, perhitungan risiko pembiayaan dihitung dengan menggunakan metode pendekatan internal dan standar.
Dalam studi ini, data yang digunakan adalah data pada Bank Syariah X, pada Periode Maret dan April 2005. Pendekatan Internal dilakukan dangan Metode CreditRisk+ sedangkan Pendekatan Standar dilakukan dengan mengukur risiko berdasarkan Aktiva Tertimbang Menurut Risiko (ATMR).
Hasil perhitungan yang dilakukan dengan metode CreditRisk+ menunjukkan risiko yang lebih rendah jika dibandingkan dengan metode Aktiva Tertimbang Menurut Risiko (ATMR). Sehingga dapat disimpulkan bahwa perhitungan risiko menggunakan pendekatan internal dengan metode CreditRisk+ dianjurkan untuk digunakan oleh Bank Syariah X di samping pendekatan Standar dengan metode yang dianjurkan oleh Bank Indonesia.

Funding that was done by the Islamic Law Bank dealt with the risk of credit, like in the conventional bank. The Islamic law bank was judged very important to do the calculation against the level the maximal value of the risk that possibly happened to funding that the implementation. As a case study, the calculation of the risk of funding was counted by making use of the internal approach method and the standard.
In this study, the data that was used was the data to the Bank Islamic X in the Period of March and April 2005. The Internal approach was carried out with the Method CreditRisk+, whereas measuring the risk based on the standard approach acknowledge as the Asset weighed based on the Risk (ATMR).
Results of the calculation that was carried out with the method CreditRisk+ pointed out the risk that lower if compared with the Asset method was weighed according to the Risk (ATMR). So as to be able to be concluded that the calculation of the risk of making use of the internal approach with the method CreditRisk+ was recommended to be used by the Bank Islamic X beside the standard approach with the method that was recommended by the Central Bank (Bank Indonesia).
"
Program Pascasarjana Universitas Indonesia, 2005
T15216
UI - Tesis Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>