Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tujuan dari penelitian ini adalah untuk menganalisis perhitungan pencadangan kerugian risiko operasional dari salah satu perusahaan jasa sewa kendaraan dan apakah analisis tersebut dapat diterapkan di perusahaan tersebut untuk perhitungan risiko. Penelitian ini dilakukan dengan menghitung nilai Operational Value at Risk (OpVaR) di PT. KLM. Data yang digunakan dalam penelitian ini adalah kerugian operasional selama 26 bulan mulai dari Januari 2018 hingga Februari 2020. Penelitian ini menggunakan metode loss distribution approach-aggregation dalam menghitung nilai risiko operasional. Hasil penelitian ini menunjukkan bahwa nilai OpVaR pada PT. KLM yang telah dinyatakan valid setelah backtesting selama periode 1 tahun mulai dari Januari hingga Desember 2019 yaitu nilai OpVaR terendah sebesar Rp91.053.721 dan nilai OpVaR tertinggi sebesar Rp104.550.879. Penelitian ini diharapkan dapat memberikan pemahaman tambahan mengenai masalah operasional dan nilai kerugian operasional yang mungkin dihadapi perusahaan jasa sewa kendaraan, sehingga dapat digunakan untuk perencanaan, serta memberikan opsi mitigasi yang dapat diterapkan oleh perusahaan untuk meminimalkan potensi kerugian operasional yang dihadapi. ......The purpose of this research is to analyze the operational risk loss reserve of a car rental company and whether it can be applied within the company to measure the risks. This research is conducted by measuring Operational Value at Risk (OpVaR) from PT. KLM. The data used in this research is the operational losses in PT. KLM for the past 26 months starting from January 2018 to February 2020. This research uses loss distribution approach-aggregation method in measuring the operational risk. The results indicate that the value of OpVaR at PT. KLM that has been declared valid after backtesting during the 1-year period from January to December 2019 consists of the lowest OpVaR value of IDR 91.053.721 and the highest OpVaR value of IDR 104.550.879. This research is expected to provide additional understanding of operational problems and the amount of risk that might be faced by car rental companies, so that it can be used in its planning, as well as providing mitigation options that can be applied by the companiy to minimize potential operational risk losses that encountered.

Abstrak :
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.

Abstrak :
Bisnis kartu kredit di Indonesia berkembang cukup pesat dalam dekade terakhir ini. Hal ini dapat dilihat dari banyaknya pelaku bisnis yang terjun ke bisnis kartu kredit, baik sebagai penerbit kartu (issuer) maupun pemroses transaksi (acquirer). Namun seiring dengan berkembangnya bisnis tersebut, ternyata diikuti dengan meningkatnya jenis dan tingkat kejahatan kartu kredit di Indonesia. Untuk itu diperlukan para pelaku bisnis di kartu kredit harus dapat mengukur berapa risiko operasional yang dialaminya serta bagaimana upaya-upaya yang harus dilakukan untuk meminimalkan terjadinya risiko operasional tersebut. Card Center PT Bank ABC termasuk salah satu pelaku pada bisnis kartu kredit di Indonesia. Namun hingga saat ini belum memiliki satu model yang bisa digunakan untuk menghitung berapa besarnya kerugian yang diakibatkan oleh risiko operasional. Berdasarkan permasalahan tersebut maka penulisan karya ilmiah kali ini dilakukan untuk mengukur besarnya kerugian yang diakibatkan oleh risiko operasional, terutama karena external fraud. Pembatasan permasalahan hanya pada pengukuran kerugian akibat external fraud dikarenakan untuk saat ini, data yang tersedia pada Card Center PT Bank ABC yang paling lengkap dan tersedia dengan rapi adalah data kerugian jenis risiko external fraud. Penelitian dilakukan dengan mengambil data-data harian dari kejadian external fraud dengan jenis: counterfeit, fraud application, fraud cash advanced, NRI, lost/stolen, fraud use, MOTO, dan others. Sedangkan periode penelitian diambil dari 1 Januari 2002 hingga 30 Juni 2005, dengan alasan data sudah mulai tersedia dengan rapi mulai tahun tersebut. Metode yang digunakan dalam penelitian ini adalah metode analisis simulasi, tepatnya dengan simulasi Monte' Carlo. Sedangkan model yang dipakai adalah Aggregating Model. Model ini mengagregasikan frekuensi dan severity dari kejadian external fraud. Distribusi frekuensi yang digunakan adalah distribusi Geometric, sedangkan distribusi severity yang digunakan adalah distribusi Lognormal. Pemilihan kedua jenis distribusi tersebut didukung dengan serangkaian goodness of fit test. Setelah jenis distribusi ditentukan kemudian dilakukan penghitungan Operational VaR. Perhitungan dilakukan pada spreadsheet Excell® dengan melakukan simulasi Monte Carlo. Proses iterasi dilakukan sebanyak 10000 kali. Pcnghitungan dilakukan beberapa kali untuk mendapatkan rata-rata berapa nilai Operational VaRnya. Langkah berikutnya adalah melakukan hack testing. Pengujian ini untuk mengetahui keakuratan model yang dipergunakan. Back testing dilakukan dengan Kupiec Test. Dan perhitungan yang tclah dilakukan, dapat disimpulkan bahwa pengukuran risiko operasional akibat external fraud pada PT Bank ABC dengan menggunakan Aggregating Model dapat diterima. Dengan pengukuran risiko operasional ini, diharapkan Card Center PT Bank ABC dapat mengetahui berapa risiko yang dialarni dan berapa prediksinya di periode berikutnya. Proses ini tentu tidak berhenti sampai di pengukuran saja tetapi juga memerlukan tindak lanjut berupa upaya-upaya untuk meminimalkan terjadinya risiko. Upaya-upaya yang dilakukan antara lain dengan melakukan mitigasi atas risiko yang ada dan tindakan preventif dengan tepat.

---

In last decade, credit card industry is growing very well in Indonesia. It can be showed from so many players in this field, both as issuer or as acquirer. But parallel with growing of the business, it is also followed by increasing of fraudulent in credit card. Therefore, all players in this business have to be able to assess and measure inherent operational risk in their business. They also must be able to minimize operational risk. Card Center PT Bank ABC, is one of the players in credit card business in Indonesia. But until now, it has not had a specific model yet to measure its losses caused by operational risk. Based on this problem, the purpose of this research is to measure the impact of operational risk, especially external fraud. Research is focused only in external fraud event due to the source data of this risk already available compared to the others. The data were taken from Risk Management Unit (RMU) in Card Center PT Bank ABC in daily basis. It contains of eight kinds of external fraud: counterfeit, fraud application, fraud cash advanced, NRI, lost/stolen, fraud use, MOTO, and others. And the period is from 1st January 2002 until 30th June 2005. This research used Monte Carlo simulation analysis method, with Aggregating Model, which aggregate frequency and severity distribution. This research used Geometric frequency as frequency distribution, and Lognormal distribution as severity distribution. By Goodness of l=it test we can get the best distribution. Having calculated separately both severity and frequency process then combined them into one aggregated loss distributions. The aggregation of loss distribution allows us to predict a figure for the operational losses with certain degree of freedom. In this research we used confidence level 95%. The Monte Carlo simulation can be run in spreadsheet Excel. The iteration is processed 10000 times. To get the average of operational VaR the simulation must be done in several times. To validate the model against actual operational losses to check the accuracy of its estimation, it is must continued with the next step, back testing. It has two steps, first is a basic analysis, and second is a statistical analysis. In statistical analysis we use Kupiec Test. With Kupiec Test, we can check the violations ratio (number of exception/total sample) of the model matches the confidence level determined. According to the test, there is one violation occurred in 53 periods. And the result of LR value is smaller than critical value. So, we could accept the model to measure external fraud event. Card Center PT Bank ABC can use the model to measure and predict operational risk in the future caused by external fraud with Aggregating Model-Monte Carlo simulation. This process must continue with other efforts to minimize operational risk, such as mitigation and preventive actions.

Abstrak :
Risiko operasional sudah ada sejak pertama kali suatu institusi perbankan berdiri dan dapat terjadi pada hampir semua aktifitas dan transaksi. Perhatian terhadap risiko operasional sudah ada sejak lama tetapi belakangan ini berkembang menjadi semakin penting dan mulai mendesak pihak perbankan untuk mengelolanya dengan baik. Kesulitan yang dirasakan suatu organisasi untuk menghitung jumlah kerugian risiko operasional disebabkan sifatnya yang sangat subyektif dan belum ada data yang cukup untuk menghitung risiko secara konvensional. Penelitian ini terdiri dari dua bagian_ Tahap pertama bertujuan untuk mengetahui isu risiko yang dianggap paling penting di Bank X beserta Key Risk Indicator, menggunakan pendekatan algoritma fuzzy untuk group decision making. Dan studi ini diperoleh bahwa risiko kegagalan sistem merupakan isu yang dirasakan paling berisiko dan memiliki tingkat kepentingan yang tinggi dalam aktifitas operasional di Bank X. Tahap kedua adalah membuat perhitungan besarnya risiko operasional dengan pendekatan metode fuzzy inference yang tidak menggunakan model statistik konvensional melainkan pendekatan model logika fuzzy yang merepresentasikan situasi nyata dan menyediakan solusi untuk pengambilan keputusan terbaik. Di akhir penelitian diperoleh sejumlah nilai dana yang harus dialokasikan agar bank dapat tetap berjalan dengan baik saat terjadi materialisasi risiko kegagalan sistem. ...... Operational risk has been existed since a bank was first established and may occur in every activities and transactions throughout the organization. Attention to the operational risk has become an issue for a long time, but recently it grows into a major concern and forces the banking industry to manage it in a better way. The difficulties in calculating operational risk expected loss is due to its subjective nature and not enough supporting data to calculate the risk in the conventional way. This research consists of two parts. The first part is targeted to find the most important risk issue in Bank X along with its Key Risk Indicator, using fuzzy algorithm approach in group decision making. From this study we found that system failure is the most risky issue with a high grade of importance that may disturb activities in Bank X' operations. The second part is to actually calculate the operational risk's expected loss with fuzzy inference method that is not using the conventional statistical model, but using fuzzy logic approach in representing actual situation instead, and provide solutions to make the best decision. The result shows the amount of money the Bank should allocate to ensure there is no major impact to disturb bank's operations when a system failure risk is materialized.

Abstrak :
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.

Abstrak :
Karya akhir ini membahas perhitungan risiko operasional dengan menggunakan metode LDA Aggregation. Selain itu juga dibahas mengcnai penerapan manajemen risiko di PT. ABC. Sebagai perusahaan manufaktur, PT ABC terekspose risiko operasional pengembalian produk rusak oleh pelanggan (customer return), yang nilainya sangat mempengaruhi variabilitas net profit. Pengukuran potensi kerugian risiko operasional berupa operational value al risk (OpVaR) menggunakan model LDA Aggregation, menghasilkan nilai sebesar Rp800.387.847,- (pada tingkat kcyakinan 95%) dan Rp1.992.724.386,- (pada tingkat keyakinan 99%). Hasil Back testing menggunakan Loglikelihood Razio menunjukkan bahwa model LDA Aggregation valid digunakan untuk menghitung potensi kemgian. Hasil penelitian menyarankan kepada PT ABC untuk menggunakan model LDA Aggregarion untuk penghitungan potensi kerugian risiko operasional dan menerapkan manajemen risiko untuk rnengelola risiko yang dihadapi perusahaan. Khusus untuk mitigasi risiko pengembalian produk oleh pelanggan, perusahaan perlu melakukan reduce risk dan transfer risk karena risiko pengembalian produk oleh pelanggan masuk dalam kategori risiko hiyt, baik dari segi likeiihood maupun dari segi impact. ......The focus of this study is the calculation of operational risk by using LDA Aggregation method. It also discussed about the implementation of risk management at PT ABC. As a manufacturing company, PT ABC expose to operational risks such as defective product returns by customers (customer retum), whose value is affecting net profit variability significantly. Measurement of potential operational risk losses in the form of operational value at risk (OpVaR) using LDA Aggregation model, generate value Rp800.387.847,- (at 95% confidence level) and Rpl.992.724.386,- (at 99% confidence level). Back testing results using Loglikelihood ratio indicates that the model is valid to calculate potential losses. The results suggest that PT ABC to use the LDA Aggregation model for calculating the potential of operational risk losses and apply risk management to manage the risks facing the company. Especially for mitigation of the customer return risk, companies need to reduce risk and transfer risk because the risk of product returns by customers tits into the category of high risk, both in terms of likelihood and impact.

Abstrak :
Using the application of risk mesuring methods on banking industry, Operational Value at Risk (VaR), is measuring risk that could arise and thuse leading to a certain nominal that is used for reserve, including for managing a company. The method that is used for measuring operational risk is the LDA Aggregation Method. Historical data of the operational risk on the internal process from receiving shrimp process at PT.X is based on the internal audit result of PT. X. Furthermore, with the Agregation method it will form the Aggregation Loss Distribution with Aggregate best Frequency Distribution, Poisson Distribution and Best Severity Distribution, Exponential Distribution. Computationn is conducted with the spreadsheet Excel with 10.000 times of Monte Carlo simulation to calculate the maximum potential loss of Operational VaR based on the quantifyable method with a degree of freedom of 95%. Based on the back testing result of the Kupiec Test, the model could be implemented for measuring the operational internal process risk from receiving shrimp process at PT. X. The the next step for obtaining an accurate model. PT. X should then regularly up-date the model with the newest data and validate the test through back testing process.

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

---

Banking crisis in Indonesia has indeed become a worthy lesson for bankers, including Bank Indonesia as monetary authority. The crisis has encouraged related parties to be more prudent and professional in the future. Supervision has not been done properly before banking crisis occurred and business risks have not been wholly considered. Then, Bank Indonesia began to review and rebuild the banking industry in Indonesia. In the beginning of 2004, Bank Indonesia issued Indonesian Banking Architecture (API), a comprehensive program aimed to be guidance for bankers until 2010. API introduces 8 pillars which must be accomplished by bankers. One of them states a need for risk management in banking industry. BE regulation No. 5/8/PBI/2003 regarding Risk Management Accomplishment for Banks, requesting banks to consider operational risk in the calculation of minimum capital requirement is expected to strengthen the control system in banking as a whole. For the purpose of effective operational risk management, bank "X" must be able to identify operational risk and measure it: The identification of this risk is reported in Loss Event Data Base (LEDB). To measure the risk, data of losses are gathered from LEDB, The data, consisting of loss amounts and frequency of losses are then used to establish severity of loss probability model and frequency of loss probability model. Both models are tested using Kolmogorov-Smimov Test and Chi-Square Test. Based on those tests, Exponential distribution and Poisson distribution are consecutively chosen as Severity of loss probability model and Frequency of loss probability model. For the purpose of risk measurement, Monte Carlo simulation is done. Before doing this simulation, certain assumptions are established for each loss amount and each loss frequency. The result of this simulation is aggregate loss distribution. Based on the distribution, Operational Value at Risk (OpVaR) is Rp. 17,613,014,530.00 (95th percentile) and Rp. 31,151,154,671.00 (99th percentile).

Abstrak :
Risiko adalah kemungkinan kerugian pada bank akibat terjadinya suatu peristiwa. Risiko yang paling melekat pada setiap kegiatan bisnis perbankan adalah risiko operasional. Untuk mengurangi risiko operasional telah diatur beberapa metode penghitungan risiko ini yaitu metode standar dan metode lanjutan atau advance measurement approach. Metode standar memiliki beberapa keterbatasan diantaranya mengasumsikan tingkat risiko langsung proporsional terhadap ukuran gross income, sehingga bank diperkenangkan untuk mengolah data sendiri dengan metode AMA. Salah satu metode AMA yang sering digunakan adalah loss distribution approach . LDA menggunakan data bank yang terdiri dari 8 lini bisnis dan 7 tipe kejadian. Dengan metode LDA, bank mengestimasi dua fungsi distribusi dari data loss tahunan yaitu fungsi distribusi dari frekuensi dan fungsi distribusi dari severitas, kedua distribusi di compound dan ditentukan Value at Risk masing-masing risiko menggunakan metode Monte Carlo pada quantile 99,9%. Untuk perhitungan nilai economic capital dalam tesis ini ada 2 asumsi yaitu asumsi semua risiko bergantung sempurna (completely dependent) dan saling bebas (independent). Adapun tujuan simulasi pada paper ini adalah melakukan studi eksperimental perhitungan economic capital dengan menggunakan LDA. Dari hasil simulasi diperoleh nilai economic capital yang stabil (konvergen ke suatu nilai) pada jumlah sampel 106.

---

Risk is the possibility of losses on the bank due to the occurrence of an event. Most risk inherent in any banking business activities is operational risk. To reduce operational risk in has arranged some methods of calculating this risk of standard method or advanced methods or Advance Measurement Approach. The standard method has some limitations such as the level of risk assumed directly proportional to the size of the gross income, so bank allowed to process its own data with AMA. One AMA often used is Loss Distribution Approach. LDA is using a data bank that consisting of 8 business line and 7 even types. With the LDA method , the bank estimates two distribution function of annual loss data is distribution of frequency and severity, the two distribution in compound and determined the Value at Risk of each risk using Monte Carlo method on the 99.9% quantile. For the calculation of Economic Capital in this thesis there are two assumptions are assuming all risks of completely dependent and independent. The purpose of simulations in this paper is to conduct experimental study of Economic Capital calculation using LDA. From the simulation results Economic Capital stable (convergent) on the number of samples 106.

Abstrak :
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.