Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam upaya meningkatkan dan memperbaiki kualitas pelayanan di lingkungan pemerintahan, Iembaga pemerintah mulai sadar akan tuntutan yang sering disampaikan masyarakat, yang menginginkan adanya keterbukaan, efisiensi, dilibatkannya peran serta masyarakat, pertanggung-jawaban publik. Tuntutan tersebut sering dilontarkan sebagai wujud keinginan adanya pemerintahan yang bersih dan berwibawa, atau adanya tata pemerintahan yang baik (good governance). Penerapan good governance di Balai Besar lndustri Agro (BBIA) dinyatakan dalam Laporan Akuntabilitas Kinerja Instansi Pemerintah (LAKIP) Tahun Anggaran 2004.

Bertolak dari diterapkannya good governance, permasalahan yang diangkat dalam penelitian ini adalah apakah terdapat hubungan penerapan good governance dan kualitas pelayan jasa pengujian mutu produk pangan di BBIA ? Dalam permasalahan di atas, penelitian ditujukan untuk melihal sejauh mana keberhasilan praktek good governance dan kualitas pelayanan, dan seberapa erat hubungan antara good governance dan kualitas pelayanan jasa pada pengujian mutu produk pangan.

Dalam penelitian ini kerangka teori yang dijadikan acuan rujukan untuk variabel good governance, indikator-indikatornya digunakan pandangan dari United Nation Development Program (UNDP), sedangkan untuk atribut- atribut yang belum dijelaskan oleh UNDP digunakan pandangan dari Gesellschaft fur Technische Zusammernarbeit (GTZ) dan Organization for Economics Co-operation and Development (OECD). Untuk variabel kualitas pelayanan digunakan pandangan Zeithaml et al.. Menurut pandangan UNDP, Basuki, dan Prasojo, kedua variabel penelitian tersebut memiliki hubungan yang saling mempengaruhi.

Metode penelitian yang digunakan adalah survey melalui penyebaran kuesioner, dan interview. Populasi dalam penelitian ini adalah industri agro yang menggunakan jasa BBIA, dengan sample diambil secara accidental sampling jawaban kuesioner diukur dengan menggunakan skala likert dengan skor terendah 1 dan skor tertinggi 5. Taraf kesalahan yang digunakan adalah 5%. Pengolahan data menggunakan bantuan komputer program SPSS for Windows versi 12.00, untuk menguji validitas dan reliabilitas instrumen, analisis data menggunakan statistik distibusi frekuensi dan rentang kriteria, serta korelasi Spearman Rank untuk mengetahui ada tidaknya hubungan antara good governance dan kualitas pelayanan.

Hasil penelitian membuktikan bahwa good governance dan kualitas pelayanan memiliki hubungan yang nyata dan signifikan, dengan derajat keeratan sebesar 0,435 pada taraf kesalahan 1%. Sedangkan hubungan antara indikator transparansi dengan kualitas pelayanan memiliki keeranan hubungan 0,352 pada taraf kesalahan 5%, indikator efisiensi dengan kualitas pelayanan memiliki keeratan hubungan 0,390 pada taraf kesalahan 1%, dan indikator partisipasi dengan kualitas pelayanan memiliki keeratan hubungan 0,306 pada taraf kesalahan 5%. Ketiga indikator tersebut memiliki hubungan yang positif dan signifikan. Namun untuk indikator akuntabilitas yang menempati kriteria kurang baik, tidak memiliki hubungan yang signifikan.

Untuk good governance, publikasi hasil audit perlu ditingkatkan, sanksi kesalahan tindakan yang diakibalkan oleh penyelenggaran layanan perlu penegasan secara tertulis, agar terdapat kepastian. Dan agar informasi dapat dimonitor oleh pengguna jasa perlu dipikirkan penggunaan Personal Identity (PIN) agar dapat melakukan akses secara berjenjang melalui intranet.

Untuk kualitas pelayanan, penampilan fisik gedung kantor perlu dibuat sedemikian rupa sehingga mampu memvisualisasikan adanya kegiatan pelayanan jasa. Dan untuk meningkatkan kecakapan dan kemauan menolong dari petugas, yang diperlukan adalah peningkatan profesionalisme dan skiil.

---

For the agenda of improving and repairing the quality of service in government, government agency start aware of demand which was often submitted by society, that wishing the existence of openness, efficiency, the entangling of role, and public accountability.

The demand is often thrown as desire of clean governance or good governance existence. Applying of good governance in Balai Besar lndusti Agro (BBIA) expressed in governmental institution perfomance accountability report (LAKIP) Anual Budget 2004.

Starting from the applying of good govemance, the problem which lifted in this research is what is there are relation between applying of good govemance and service quality examination of food product examination in BBIA ?. In above problems, research addressed to see how far efficacy of practice of good governance and service quality.

ln this research, theory framework taken as reference for the variable of good governance, indicators of used by view of United Nation Development Program (UNDP), while for attribute which not yet been explained by UNDP used by Gessellschaft fur Technische Zusammernarbeit (GTZ) view, and Organization for Economics Co-operation and Development (OECD). For variable of service quality used by view of Zeithaml et al. According to view of UNDP, Basuki, and Prasojo, both of the research variables have relation which each other influencing.

Research methode the used are survey throught spreading of questionnaireaire, and interview. Population in this research are agro-industries which using service of BBIA, with Sample taken by accidental sampling. Questionaire measured by using likert-scale with score 1 and highest 5. Data processing use program computer aid of SPSS version Windows for 12., for test and validity and reliability instrument. Data analysis use frequency distribution statistic, and span criterion, and also correlation of Spearmen Rank to know relation between good governance and sercvice quality.

Research result prove that, service quality and good governance have signitication and real relation at 0,435. While relation betwween transparancy indicator with service quality own relation at level 0,352 at mistake level 1%, and efficiency with service quality own relation at level 0,390 at mistake level 1%, and indicator participation with service quality own relation 0,306 at mistake level 5%. Third the indicators have relation which are positive and significant, but for the indicator of accountability accupying unfavourable criterion, and do not have relation.

For good governance, publication result of audit require to be improved, sanction mistake of resulted frrom action by provider need coherent in writting so that there are certainty. information can be monitored by service user, required to be thought of usage of personal indentity (PIN) to be earning customer can do access by have ladder through intranet.

To the quality of service, appearance of office building physical require to be made in such a manner so that can isn?t it the existence of activity of service activities, and to improve willingness and efficiency help from officer the needed is the make-up of professionalism and skill.

Abstrak :
Dalam iklim globalisasi yang begitu dinamik, ketidak pastian merupakan ha! yang mau tidak mau perlu diperhatikan. Dengan scmakin besarnya ketidak pastian, berimplikasi pada semakin besar risiko yang dihadapi. Dleh karena itu, pengukuran risiko menjadi kata kunci dalam berbisnis saat ini. Pengukuran risiko secara formal, sudah lama dilakukan oleh institusi finansial, terutama bank. Akhir-akhir ini, pengukuran secara formal juga mulai dilakukan pads sektor lainnya, seperti pada sektor energi, dan telekomunikasi. Tingginya kebutuhan untuk mengukur risiko secara lebih tepat, menyebabkan banyaknya metode-metode pengukuran yang diusulkan, balk dari para peneliti maupun praktisi. Dari sekian banyak metode pengukuran risiko yang ada, hanya Value at Risk (VaR) yang paling banyak digunakan, dan menjadi de facto standar pengukuran risiko. VaR menjadi populer karena metode ini menggabungkan keunggulan dari pengukuranpengukuran risiko sebelumnya. Banyak pengukuran VaR yang didasari pada asumsi distribusi normal. Seperti diketahui, distribusi normal memiliki banyak karakteristik yang menarik; selain karakteristik distribusi ini hanya dibedakan dari kedua momen pertamanya, banyak alat analisis statistik yang didasarkan pada distribusi ini. Salah satu model pengukuran VaR yang berdasarkan pada asumsi ini adalah model RiskMetrics dari J.P. Morgan. Berdasarkan studi empiris yang telah dilakukan, banyak return instrumen finansial yang tidak mengikuti pola distribusi normal. Distribusi return instrumen finansial ini umumnya memiliki karakteristik kurva yang lancip ditengah, dan ekor yang Iebih tebal (far tail), atau dikatakan jugs bersifat leptokurtosis. Penyimpangan terhadap asumsi ini menimbulkan persoalan tersendiri, yaitu seberapa tepatkah pengukuran VaR dengan menggunakan asumsi distribusi normal, terhadap distribusi return aset yang bersifat leptokurtosis. Penelitian ini bertujuan untuk melihat seberapa jauh implikasi penggunaan asumsi distribusi normal, terhadap perhitungan VaR pada return aset finansial yang bersifat leptokurtosis. Disamping itu, penelitian ini ditujukan untuk menguji seberapa jauh penggunaan distribusi t-student, sebagai alternatif distribusi normal, dapat meningkatkan ketepatan pengukuran VaR. Penelitian ini merupakan studi kasus dengan menggunakan empat saham, yaitu saham PT. Astra International Tbk. (ASII), saham PT. Indosat Tbk. (ISAT), saham PT. Samudra Indonesia Tbk. (SMDR), dan saham PT. Unilever Indonesia (UNVR) sebagai obyek penelitian. Pemilihan saham-saham ini terutama karena rnemiliki sifat leptokurtosis. Selain itu saham-saham ini berbeda dan sektor usahanya. Model volatilitas yang digunakan dalam pengukuran VaR pada penelitian ini adalah model volatilitas Gaussian-GARCH, dan t-GARCH. Model Gaussian-GARCH adalah model GARCH yang berlandaskan pada asumsi distribusi normal. Sedangkan model t-GARCH adalah model yang-berlandaskan pada asumsi distribusi t-student. Berdasarkan uji statistik Akaike dan Scwarz, model volatilitas t-LARCH lebih ungguI dibanding Gaussian-GARCH untuk ke empat return wham yang diteliti. Sedangkan basil uji Kupiec terhadap VaR pada selang kepercayaan 99%, atau VaR(99%), yang dihitung berdasarkan asumsi distribusi t-student, hanya lebih balk untuk return SMDR dan ISAT. Sebaliknya, basil uji Kupiec terhadap VaR(95%) berdasarkan asumsi distribusi normal, Iebih balk dibanding dengan perhitungan VaR(95%) dengan asumsi distribusi t-student. Hal ini disebabkan karena basil pengukuran VaR(95%) berdasarkan asumsi distribusi t-student, menyebabkan over confident (persentase kesalahan secara statiatik signifikan lebih kecil dari 5%) untuk ke empat saham.

---

Nowadays, many companies, face with dynamic globalizations challenge. One characteristic brought by this new situation is uncertainty becomes bigger, hence drags companies to prepare with better risk measurement. Currently, not so many companies provide themselves with formal procedure for measuring risk. The obvious industry which has prepared this for a Iong time is financial institution, especially bank. Other sectors, for example energy, and telecommunication, start to develop their own style procedures. The need to have such well proven tools for measuring risk blooms many methods proposed by dedicated researches, as well as practitioners. Among these, Value at Risk . (VaR), become de-facto standard accepted by many companies in the world. This because, VaR combines many advantages brings by previous risk measurement methods. Many VaR measurement techniques, are based on normal distribution assumptions. As it is well known, normal distribution has several attractive properties; it is easy to use, and it produces several tractable results in many analytical exercises; all moments of positive order exist, and it is completely characterized by its first two moments, thus establishing the link with the mean-variance optimization theory. One popular technique, RiskMetric from J. P. Morgan, does not also run away from this assumption. Many studies revealed that many financial returns do not conform to normal distribution pattern, but they tend to have peak curve, and fat tail characteristic, or also known as Leptokurtosis characteristic. The deviation from this assumption leads to important issue in risk measurement, which is, how accurate VaR calculation based on this assumption can capture real risk facing by companies. The main purpose of this study is to identify implication of using normality assumption, when calculating VaR on return of financial instrument having leptokurtosis characteristic. The other purpose is to examine whether student-t distribution, as an alternative to normal distribution, provides better VaR calculation in said situation. To support this study, four stocks are used. They are stocks of PT. Astra International Tbk. (ASH), PT. Indosat Tbk. (ISAT), PT. Samudra Indonesia Tbk. (SMDR), and PT. Unilever Indonesia (UNVR). The reason behind the selection is mainly because the conditional distributions of these four returns have leptokurtosis characteristic. The other reason is these stocks come from different sectors. Volatility model used as input to VaR calculation are Gaussian-GARCH, and t-GARCH. Gaussian-GARCH is GARCH model based on normality assumption. Whereas t-GARCH is GARCH model based on student-t distribution assumption. Statistic test results using Akaike Information Criteria (AIC), and Scwarz Criteria (SC) statistics, give conclusion that t-GARCH is better than Gaussian-GARCH when applied to four returns under study. Other interesting results come from Kupiec tests. These tests show that VaR using 99% level of confidence or Var(99%) calculation based on t-student distribution assumption, only superior, compare to VaR(99%) calculation based on normal assumption, when employed to SMDR and ISAT returns. On the other hand, VaR(95%) calculation based on normal distribution assumption is better than the ones based on t-student distribution assumption. This is because t-student-based-VaR(95%) computation produces over-confident VaR values (fault percentage statistically significant less than 5%) for all returns under study.