Hasil Pencarian  ::  Simpan CSV :: Kembali

"Gempa bumi dapat menimbulkan dampak yang cukup besar, baik dalam hal besarnya nilai kerugian maupun luasnya wilayah terdampak. Implikasi keuangan dari gempa bumi besar dapat memiliki efek jangka panjang. Oleh karena itu, perusahaan perlu memahami karakteristik dari kejadian gempa. Penelitian ini mengukur Operational Value at Risk (VaR) untuk klaim asuransi gempa bumi menggunakan data sesi statistik (MAIPARK) tahun 2014-2021. Perhitungan risiko operasional dengan model Loss Distribution Approach-Aggregation (Monte Carlo Simulation) bertujuan untuk memperkirakan perkiraan cadangan modal berdasarkan distribusi frekuensi dan distribusi keparahan data historis. Hasil penelitian menunjukkan bahwa distribusi frekuensi kerugian klaim asuransi gempa bumi mengikuti pola distribusi geometrik, sedangkan distribusi keparahan menunjukkan pola distribusi eksponensial. Dengan tingkat kepercayaan 95%, nilai VaR risiko operasional adalah Rp 2.792.721.528.565,80, dan uji validitas atau backtesting menggunakan uji Kupiec dengan satu kesalahan, dan model dapat diterima.

---

Earthquakes may cause a considerable impact, both in loss and the area. The financial implications of a major earthquake can have a long-lasting effect. Therefore, companies need to understand the essential characteristics of earthquake events. This research measures the Operational Value at Risk (VaR) for claim catastrophe Insurance using statistical session (MAIPARK) data for 2014-2021. Calculation of operational risk with loss distribution approach aggregation model (Monte Carlo Simulation) aims to estimate capital reserve estimates based on the frequency distribution and severity distribution of historical data. The results showed that the frequency distribution of earthquake insurance claim losses followed a geometric distribution pattern, while the severity distribution showed an exponential distribution pattern. With a 95% confidence level, the operational risk VaR value is IDR 2,792,721,528,565.80, and the validity test or backtesting uses the Kupiec test with one error, and the model is acceptable."

"Penelitian ini membahas pengukuran risiko operasional kerugian klaim asuransi kebakaran di Indonesia. Data untuk analisis diperoleh dari Badan Pengelola Pusat Data Asuransi Nasional (BPPDAN) periode 2009-2014. Hasil penelitian menunjukkan bahwa distribusi frekuensi kerugian klaim asuransi kebakaran mengikuti pola distribusi Poisson dengan perhitungan uji statistik Kolmogorov Smirnov pada tingkat keyakinan 95%, sedangkan distribusi severity menunjukkan pola distribusi Lognormal dengan uji statistik Kolmogorov Smirnov. Pengukuran Value at Risk (VaR) risiko operasional di dalam tesis ini dihitung menggunakan pendekatan metode Loss Distribution Approach ? Aggregation Model dan simulasi Monte Carlo. Hasil pengukuran pada tingkat keyakinan 95% adalah sebesar 2.448.278.550 dan pengujian validitas atau back testing menggunakan Kupiec test dengan jumlah dua kesalahan dan model dapat diterima.

---

This applied research is intended to measure the Operational Value at Risk (VaR) for claim Property Insurance using data from statistical cession (BPPDAN) for the year 2009 - 2014. It was shown that the frequency distribution followed the Poisson distribution based on Kolmogorov Smirnov statistical test with 95% confidence level. While the severity distribution followed the Lognormal distribution based on Kolmogorov Smirnov statistical test. This Operational VaR is measured by the Loss Distribution Approach ? Aggregation (LDA Aggregation) Model and Monte Carlo simulation. Using 95% confidence level, the Value at Risk is Rp 2.448.278.550. The model is back tested using Kupiec test and the result shows there are two violations but the model is accepted."

"Risiko klaim merupakan salah satu risiko operasional yang harus dikelola oleh perusahaan asuransi. Pada penelitian ini akan dihitung besar perkiraan risiko klaim yang akan terjadi dengan menggunakan pendekatan Loss Distribution Approach-Aggregation Method dan Extreme Value Theory-Generalized Pareto Distribution. Selanjutnya akan dibandingkan metode mana yang lebih cocok dalam pengukuran risiko operasional untuk klaim kecelakaan kerja. Berdasarkan hasil perhitungan dan back testing didapat bahwa kedua metode valid digunakan untuk menghitung perkiraan risiko klaim operasional pada klaim kecelakaan kerja. Akan tetapi metode Loss Distribution Approach-Aggregation Method lebih cocok untuk mengukur risiko klaim kecelakaan kerja berdasarkan data yang ada.

---

The risk of claims is one of the operational risks that must be managed by the insurance company. This research will calculate the estimates of the risk of claims that will occur using Loss Distribution Approach Aggregation Method and Extreme Value Theory Generalized Pareto Distribution. Furthermore, these two methods will be compared and chosen which is more suitable for the measurement of operational risk for work accident claims.

Based on the calculations and back testing, both of the methods are valid to calculate the estimates operational risk of claim for work accident claims but the Loss Distribution Approach Aggregation Method is more suitable to measure the risk of work accident claims based on existing data."

"Tesis ini membahas metode pengukuran untuk mengetahui jumlah besaran nilai klaim sebagai pencadangan biaya klaim kecelakaan pada perusahaan asuransi PT Jasa Raharja (Persero). Hasil yang diperoleh menyatakan bahwa distribusi frekuensi mengikuti pola distribusi Poisson dengan perhitungan Chi Square baik pada tingkat keyakinan 95 % maupun 99 %. Sementara distribusi severitas menghasilkan bahwa distribusi severitas mengikuti pola distribusi Eksponensial melalui pendekatan Chi Square pada tingkat keyakinan 95 % dan 99 %. Dalam pengukuran OpVaR menggunakan metode Loss Distribution Approach-Actuarial Model pada tingkat keyakinan 95 % dan pada tingkat keyakinan 99 %. Uji validitas yang menggunakan Kupiec Test untuk tingkat keyakinan 95 % dan 99 % yang menunjukkan metode Loss Distribution Approach-Actuarial Model valid digunakan dalam pengukuran OpVaR pada klaim kecelakaan PT Jasa Raharja (Persero).

---

Increasing society in their activity and to be easier for transportation access can appear accident risk. In regional, it will impact to accident claim proposal. From Operational Value at Risk Measurement notice that the frequency of loss distribution follows a Poisson distribution. It has a significant at confidence level in 95 % and also 99 %. Distribution of loss severity follows the exponential distribution with confidence level of 95 % and 99 %. Operational Value at Risk measurement by LDA-Actuarial method are IDR 223.023.374.267,- in confidence level of 95 % and IDR 295.023.374.267,- in confidence level of 99 %. Back testing with Kupiec Test is used for validity model to find out the accuracy of potential loss in confidence level of 95 % and 99 % that showed Loss Distributioan approach-Actuarial Method is valid to calculate Operational Value at Risk on Accident Claim in Jasa Raharja Company."

"Komposisi pegawai Instansi XYZ yang sebagian besar berasal dari mahasiswa ikatan dinas, memunculkan potensi risiko berupa kerugian Instansi jika pegawai tersebut berhenti sebelum masa ikatan dinasnya berakhir. Dengan demikian, Instansi XYZ perlu memberikan perhatian yang khusus atas risiko yang berkaitan dengan sumberdaya manusia. Berhentinya pegawai merupakan salah satu risiko operasional yang berkaitan dengan sumberdaya manusia. Pengukuran risiko yang merupakan salah satu tahapan dalam manajemen risiko dan akan digunakan sebagai salah satu langkah bagi Instansi XYZ dalam menerapkan manajemen risiko. Penelitian yang dilakukan menyimpulkan bahwa (1) dengan Chi-Square goodness of fit test, frequency of loss distribution pemberhentian pegawai sebelum masa ikatan dinasnya berakhir pada Instansi XYZ mengikuti distribusi Poisson karena hasilnya signifikan pada tingkat keyakinan 95% maupun 99%; (2) dengan Chi-Square goodness of fit test, distribusi severitas kerugian pemberhentian pegawai mengikuti distribusi Lognormal pada confidence level 95% maupun 99%; (3) Pengukuran OpVaR dengan menggunakan Loss Distribution Approach - Actuarial Model memperoleh nilai Operational Value at Risk (OpVaR) pada tingkat keyakinan 95 % sebesar Rp 220.683.463,00 dan untuk tingkat keyakinan 99% sebesar Rp 348.157.546,00; (4) pengujian validitas model dengan Kupiec Test untuk confidence level 95% dan 99% menunjukkan Loss Distribution Approach - Actuarial Model valid untuk digunakan dalam pengukuran Operational Value at Risk (OpVaR) atas pemberhentian pegawai sebelum masa ikatan dinasnya berakhir pada Instansi XYZ.

---

The composition of XYZ Institution's employees who mostly come from the students bond department, raises the potential risk of loss when the employee quit before the end of his official bond. Thus, XYZ Institution should give particular attention on the risks associated with human resources. Dismissal of employees is one of the operational risk associated with human resources. Risk measurement is one of the stages in risk management and to be used as one step for the XYZ Institution in applying risk management.

Research carried out the conclution that (1) by Chi-Square goodness of fit test, the frequency of loss distribution on dismissal of employees before the period ends on his official bond in XYZ Institution follows a Poisson distribution because the results are significant at a confidence level of 95% or 99%, (2) with Chi-Square goodness of fit test, the distribution of loss severity on dismissal of employees follows the lognormal distribution at the confidence level of 95% or 99%, (3) Measuring OpVar using the Loss Distribution Approach - Actuarial Models obtained value of Operational Value at Risk (OpVar) at the confidence level of 95% amounting IDR 220,683,463.00 and for the confidence level of 99% amounting IDR 348,157,546.00, (4) test on validity of the model with the Kupiec test for the confidence level of 95% and 99% indicated that Loss Distribution Approach - Actuarial Models is valid for the usage in measuring Operational Value at Risk (OpVar) over the dismissal of employees before the period ends on his official bond in XYZ Institution."

"Tesis ini membahas tentang Pengukuran Risiko Operasionai Asuransi Kebakaran pada PT Asuransi Jasa Indonesia (persero) dengan menggunakan Data Kerugian Kebakaran selama 3 tahun terakhir. Perhitungan dilakukan menggunakan Loss Distribution Approach - Aggregation Model. Penelitian ini bersifat kuantitatif dan historical data yang dipisahkan menjadi dua kelompok distribusi, yaitu distribusi frekuensi dan severitas.Hasil penelitian menyarankan bahwa perusahaan dapat menggunakan hasil pengukuran untuk menentukan potensial kerugian risiko operasional (Value al Risk) dengan tingkat keyakinan 99%., sebingga dapat merespon potensi risiko operasional dengan mitigasi yang tepat dan lebih leluasa dalam mengelola dana investasi, pada akhirnya akan meningkatkan laba perusahaan.

---

The thesis discusses the operational risk measurement of PT Asuransi Jasa Indonesia (persero)'s Fire Insurance using the last 3~year historical loss data, The risk calculation is conducted with the use of a Loss Distribution Approach - Aggregation Model. This quantitative research is split into two types of distribution. namely frequency and severity distribution.

The result suggests the company to use this alternative method to treasure the operational risk potential (Value at Risk) at 99% convidence level. This will enable the company to appropriately respond to the risk by providing appropriate risk mitigation and give it more flexibility in managing its investments. All of these will, in turn, improve the company's profitability."

"Abstrak ini menggambarkan analisis komprehensif mengenai risiko operasional yang terkait dengan pelaksanaan proyek Engineering, Procurement, dan Construction (EPC) dengan menggunakan metode Loss Distribution Approach (LDA). Penelitian ini menggunakan data historikal kerugian operasional pelaksanaan proyek EPC sejak Januari 2019 hingga Desember 2022. Penelitian ini menunjukkan nilai Operational Value At Risk sebesar Rp17,68 miliar dengan percentile 95% dan Rp41,44 miliar dengan percentile 99% yang telah dinyatakan valid setelah dilakukan Back Testing. Dengan dilakukannya analisis kerugian berbasiskan data historikal, diharapkan perusahaan EPC yang mengalami kerugian dapat memahami dan menjadikan penelitian ini sebagai lesson learned dan memitigasi risiko operasional yang mungkin terjadi pada proyek yang sedang berjalan sehingga potensi kerugian dapat diminimalisir.

---

This abstract describes a comprehensive analysis of operational risks in engineering, procurement, and construction (EPC) business by using calculation of loss distribution approach methods. This research uses the historical of operational losses from January 2019 to December 2022. This research shows the Operational Value At Risk is Rp17,68 billion with percentile 95% and Rp41,44 billion with a percentile of 99% and declared valid after Back Testing. By carrying out analysis losses based on historical data, the EPC companies are expected to be able to understand and make this research a lesson learned and mitigate operational risks that may occur in ongoing projects in order to minimize the potential loss."

"Bank dipersyaratkan oleh pemerintah untuk mengelola risiko-risiko perbankan, salah satunya adalah risiko operasional. Risiko operasional merupakan salah satu jenis risiko yang melekat pada setiap aktifitas fungsional bank. Bank mengelola risiko operasional dengan cara menghitung kerugian yang diperkirakan sebagai kebutuhan modal bagi risiko operasional (Economic Capital). Loss distribution Approach (LDA) merupakan salah satu metode untuk perhitungan Economic Capital (EC). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan frequency distribution (distribusi frekuensi) kemudian membentuk compound distribution (distribusi majemuk). Nilai EC diperoleh dari Value at Risk (VaR) dari distribusi majemuk dengan tingkat kepercayaan 99,9%. Estimasi distribusi severitas umumnya menggunakan model distribusi tertentu yang telah ada, namun pada banyak kasus kurang baik dalam menggambarkan data. Estimasi distribusi severitas berbasis data diharapkan mampu menjadi solusi permasalahan ini. Salah satu metode yang mengestimasi distribusi severitas dengan berbasis pada data adalah Gaussian Mixture Model (GMM). GMM merupakan suatu metode parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak. Model GMM ini merupakan model kombinasi linear sederhana dari beberapa komponen distribusi Gaussian. Hasil penelitian menunjukkan bahwa GMM mampu menggambarkan data lebih baik dibandingkan dengan menggunakan model distribusi yang ada. Nilai EC yang dihasilkan oleh metode LDA yang distribusi severitasnya menggunakan GMM lebih kecil 2-2,8% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tersebut.

---

Bank must be able to manage all of banking risk, on of them is operational risk. Operational risk is a risk that come from any functional activity of bank. Bank manage operational risk by calculate estimated risk (Economic Capital). Loss Distribution Approach (LDA) is a popular method to estimate Economic Capital (EC) of operational risk on banking. In LDA method, loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) must be estimated and then compound distribution is formed from both of them. Through LDA method, the value of EC can be gotten from Value at Risk (VaR) in compound distribution with the level of confidence reaches 99,9%. Severity distribution estimation that used a model on particular distribution cannot describe a data well through. So, Severity distribution estimation based on data is used to solved this problem. One of methode that estimated severity distribution based on data is Gaussian Mixture Model (GMM). GMM is parametric methode that estimate probability density of random variable. Model of GMM is a linear combination of many Gaussian distribution . The result on this research is estimation of severity distribution through GMM is better than existing distribution model in describing the data. The value at EC of LDA method using GMM is smaller 2 % - 2,8 % than the value at EC of LDA using existing distribution model."