Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
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.

Abstrak :
Risiko operasional merupakan salah satu risiko yang wajib diperhitungkan oleh bank. Modal yang dikeluarkan oleh bank untuk menutup kerugian akibat risiko pada manajemen risiko operasional disebut Economic Capital (EC). EC dihitung sebagai Value at Risk (VaR) pada tingkat kepercayaan tertentu. Pada penentuan EC risiko operasional terdapat 56 kemungkinan jenis risiko yang terjadi sehingga diperlukan agregasi untuk nilai total risiko operasional. Ada dua asumsi dalam perhitungan nilai agregasi risiko dengan menggunakan Loss Distribution Approach (LDA) yaitu saling bebas atau saling bergantung sempurna. Namun, untuk memperoleh perhitungan EC yang adil perlu memperhatikan struktur ketergantungan antar risiko. Salah satu metode untuk mengatasi masalah tersebut adalah copula. Ada dua famili copula yang terkenal, yaitu Elliptical Copula dan Archimedean Copula. Salah satu kelas dari Archimedean Copula adalah copula Gumbel. Penelitian ini akan menggunakan copula Gumbel dalam perhitungan agregasi EC. Copula Gumbel dapat memodelkan ketergantungan antara kejadian ekstrim dengan baik. Hasil penelitian ini menunjukkan bahwa nilai perhitungan agregasi EC mulai mencapai konvergen pada banyak sampel dan nilai perhitungan agregasi EC yang dihasilkan copula Gumbel lebih besar 1,91% daripada nilai perhitungan agregasi EC yang dihasilkan copula Frank. ......Operational risk is one of a risk that must be calculated by the bank. The capital that the bank has issued to cover the risk of loss due to operational risk management is called Economic Capital (EC). EC is calculated as Value at Risk (VaR) at a certain confidence level. In the EC determination of operational risk there are 56 possible types of risks that occur so that the aggregation for a total value of operational risk is needed. There are two assumptions in the calculation of the value of risk aggregation using the Loss Distribution Approach (LDA) that is independent or completely dependent. However, to obtain the fair calculation of EC, it has to notice the dependence stucture between risk. One method to overcome this problem is copula. There are two famous families of copula, namely Elliptical Copula and Archimedean Copula. Gumbel copula is one of the Archimedean Copula. This study will used Gumbel copula in the calculation of EC aggregation. Gumbel copula can model the dependence between extreme events well. These results indicate that the aggregate value calculation EC began to reach convergent on many samples 105 and the value calculated by the aggregation EC Gumbel copula produced 1,91% greater than the value calculated by the aggregation of EC produced Frank copula.

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 :
Karya akhir ini bertujuan untuk melihat bagaimana proses pengukuran risiko operasional. Salah satu tipe risiko dalam risiko operasional adalah tipe risiko banking fraud. Bank rentan terhadap risiko ini. Permasalahannya adalah bagaimana bank dapat mengukur risiko ini dan kemudian memitigasinya. Salah sate cara pengukuran yang direkomendasikan oleh Bank Indonesia yang sesuai dengan Basel Capital Accord 2 adalah satu pendekatan yang disebut Internal Measurement Approach. Dalam pendekatan terdapat beberapa metode pengukuran antara lain adalah Model Extreme Value Theory dan Loss Distribution Approach. Keduanya dapat digunakan sebagai alat banal dalam perhitungan OpVar. OpVar adalah pengukuran berapa besar modal bank dapat menyerap kerugian akibat suatu risiko operasional dengan derajat kepercayaan tertentu. Kedua model pendekatan untuk perhitungan OpVar tersebut memiliki keunggulan dan kelemahan, dalam pengukuran tipe risiko fraud. Keduanya memerlukan estimasi parameter, EVT menggunakan parameter ξ, μ, dan σ sebagai parameter bentuk, lokasi dan skala dan langsung dapat dihitung nilai OpVar-nya. Sedangkan pada pemodelan LDA, untuk pengukuran risikonya hams melalui tahapan seperti, melakukan estimasi parameter untuk distribusi frekuensi dan parameter untuk distribusi severity-nya. Kedua hams dilakukan uji kesesuaian dengan distribusi teori dari distribusi frekuensinya dan distribusi severity-nya, melalui penggunaan nilai hasil estimasi parameternya yang sudah diperoleh melalui proses estimasi di atas. Ketiga, melalui suatu alat simulasi yang disebut Simulasi Monte Carlo, dapat dihitung nilai OpVarnya, dengan terlebih dahulu memasukkan nilai-nilai estimasi parameter baik dari distribusi frekuensinya maupun dari distribusi severity-nya . Untuk melihat apakah model LDA cukup baik untuk pengukuran OpVar maka dilakukan uji backtesling. Pemodelan EVT dengan metode Generalized Pareto Distribution, yang menggunakan nilai estimasi parameter Hill dan metode moment rata-rata serta moment standar deviasi dapat menghasilkan nilai OpVar yang paling rendah, sehingga untuk membentuk alokasi modal untuk menutup risiko ini relatif lebih rendah atau lebih ringan. Hasil dari penelitian ini dapat ditarik kesimpulan bahwa Bank "X" diketahui belum menggunakan pengukuran risiko operasional terutama untuk Fisiko fraud. Pengukuran risiko fraud yang disarankan adalah dengan menggunakan model pengukuran internal (IMA), dalam menentukan berapa besar OpVar bagi bank. Dalam menghitung besarnya OpVar, dapat digunakan beberapa metode antara lain adalah EVT dan LDA. Keduanya menggunakan data kerugian atau loss sebagai dasar perhitungan untuk menghitung nilai DpVar. Data kerugian dapat bersifat data historis kerugian (actual loss) atau data kerugian expected loss yang diperoleh melalui proses Monte Carlo. Kedua metode baik EVT maupun LDA dapat dilakukan perhitungan dan simulasi secara mudah dengan menggunakan bantuan software Microsoft ExcelTM, yang sederhana dan ditambah dengan pengelolaan database yang baik. Hanya perlu lebih teliti untuk menerapkannya bagi berbagai tipe risiko, karena agak bersifat manual. Perhitungan dengan metode EVT, dilakukan pertama kali dengan melakukan estimasi terhadap parameter EVT yaitu 4',6 dan p -nya. Untuk mengestimasi ketiga parameter tersebut dapat digunakan beberapa cara sebagai berikut: a. Metode P W M b. Metode Hill Estimator untuk parameter -nya dan distribusi moment biasa untuk parameter /r dan o. c. Metode Blok Maksima dan POT. d. Gabungan PWM dan Hill estimator Sedangkan metode LDA dapat juga dipakai sebagai altematif perhitungan OpVar, dengan menggunakan simulasi MC. Kesimpulan kedua, mengenai basil pengukuran nilai OpVar dengan model dan metode berbeda dan menggunakan derajat kepercayaan sebesar 99% (persentil tinggi) didapat basil sebagai berikut : Perbandingan Hasil Perhitungan OpVar PWM _ Hill dan Moment LDA EVT Exp.Loss GEV Rp 1O,96Miiyar Rp 186 Milyar Rp. 21 Milyar Rp. 45 M GPD Rp 9 Milyar Rp 23 Milyar Dari hasil perhitungan OpVar diatas dapat disimpulkan bahwa dengan Model LDA nilai OpVar yang diperoleh adalah yang paling rendah. Sehingga untuk perhitungan alokasi modal buat bank juga relatif tidak terlalu banyak seperti metode lainnya. Metode GPD dengan model gabungan Hill dan momen, dapat juga sebagai alternatif perhitungan OpVar, karena nilai OpVar yang diperoleh hampir sama dengan metode dari model LDA. Hasil kesimpulan ketiga adalah bagaimana melakukan mitigasi risiko fraud melalui pengalokasikan modal untuk menutup risiko fraud dengan nilai sebesar nilai OpVar, maksudnya bila bank memilih menggunakan model EVT dengan estimasi parameter Hill dan metode momen, dalam metode Generalized Pardo Distribution, bank cukup menyediakan dana pengalokasian modal sebesar Rp 23 Milyar.

---

The aim of this thesis is to know how to measure operational risk. One of risk type in operational risk is banking fraud risk type. Bank is susceptible with this risk. The problem is how bank can predict this risk and then how to mitigate it. One of the way to measure which recommended by Bank Indonesia which appropriate with Basel Capital Accord 2 is an approach which named Internal Measurement Approach. In approach contains some measurement methods i.e. Extreme Value Theory model and Loss Distribution Approach model. Both can be used as instrument auxiliary in OpVar calculation. OpVar is measurement how much bank's capital amount can absorb the loss which caused by an operational risk using certain confident level. In measuring fraud risk type, the both approach model for OpVar calculation have strengths and weaknesses. Both need estimation parameter, EVT use and a as a form of parameter, location and scale and the score of OpVar can be calculated directly. Whereas in LDA model, to measure the risk have to pass some steps like doing estimate parameter of frequency distribution and parameter of severity distribution. Both must be done with appropriate test to frequency distribution and severity distribution using Kolmogorv-Smirnov Test and Chi-Squared Test, through using the score of parameter estimation which already obtained through estimation process above. Third, using a simulation tool which named Monte Carlo simulation, can be calculated the score of OpVar by till in earlier parameters estimation scores from distribution of frequency of loss data and it's distribution of severity. To see whether LDA model proper enough to OpVar measurement, so back testing is need to do. EVT model with Generalized Pareto Distribution, which use Hill parameter estimation and average moment method and deviation standard moment yield lowest OpVar score, so to create capital allocation to cope this risk relatively lower and easier. This research resumed that : Bank "X" have not yet use operational risk measurement especially for fraud risk. Fraud Risk measurement which suggested is by using Internal Measurement Model (IMA) to determine how much OpVar needed for a bank. In calculating OpVar, methods which can be used i.e. EVT and LDA. They use loss data to count OpVar scores. Loss data can be historical 1 actual loss or expected loss through Monte Carlo process. Both method, EVT or LDA can be done easily and simply by calculation and simulation using Microsoft Excel software, with better managed database, of course. To implement kinds of risk need to be thoroughly, because it's manually. Calculation with EVT method, firstly done by estimating three parameters EVT named p, and cr. To estimate the three parameters we can use many way as follows : a. P W M method b. Hill estimator method to 4 parameter and usual moment distribution to parameter p, and cr . c. POT and Block Maximum method d. Hill estimator and PWM join method While LDA method also can be used as alternative calculation OpVar, which used MC simulation. Second conclusion, about the result of score OpVar measurement with different model and method and use the 90% degree of confident (the high percentage) yield as follows : The comparison Calculation Result of OpVar : PWM Hill and Moment LDA EVT Exp. Loss GEV Rp. 10.96 billion Rp. 186 billion Rp. 21 billion Rp. 45 billion GPD Rp. 9.00 billion Rp. 23 billion From the above OpVar calculation can concluded that LDA model will get result the lowest amount of OpVar. So no need to calculate capital allocation for bank (relatively not to much like others method). GPD's method with joining_Hill and moments model, can be used as other alternative for OpVar calculation, because amount of OpVar obtained almost the same with method of LDA model. The result of conclusion is how to mitigate fraud risk through capital allocation to close fraud risk with amount as big as OpVar amount, means if bank choose to use EVT model with Hill parameter and moment method estimation, in Generalized Pareto Distribution, bank provide fund allocation capital Rp. 23 billion enough.

Abstrak :
Risiko adalah suatu kejadian atau tindakan yang berdampak negatif terhadap kemampuan lembaga untuk mencapai tujuan dan menentukan strategi. Salah satu pendekatan untuk mengukur risiko operasional adalah Advanced Measurement Approach (AMA), dimana bank diperkenankan untuk mengolah data internal dengan model yang dikembangkan secara internal. Dengan metode Loss Distribution Approach di AMA, bank mengestimasi dua fungsi distribusi probabilitas, yaitu distribusi frekuensi kerugian dan distribusi severitas kerugian tahunan pada setiap risiko. Selanjutnya, kedua fungsi distribusi tersebut digabungkan menjadi distribusi majemuk untuk menentukan value at risk masingmasing risiko menggunakan simulasi Monte Carlo pada tingkat kepercayaan 99,9%. Nilai risiko yang mungkin terjadi diluar estimasi distribusi severitas dapat mempengaruhi value at risk, sehingga dapat mempengaruhi prediksi rencana bisnis untuk tahun yang akan datang. Metode One-Class Support Vector Machine (SVM) dapat digunakan untuk mendeteksi data outlier tersebut. Dalam beberapa kasus, metode statistik tidak dapat mendeteksi data outlier. Selain itu, dalam menentukan data outlier tergantung pada seberapa penting informasi yang diperlukan dari data outlier tersebut, sehingga penentuannya bersifat subjektif. Adapun tujuan simulasi pada tulisan ini adalah melakukan analisis penggunaan metode One-Class SVM dalam mendeteksi outlier pada distribusi severitas dan pengaruh outlier pada perhitungan value at risk. Dari hasil analisis diperoleh data outlier yang mempengaruhi perhitungan value at risk. ......Achieve its objectives and execute its strategies. One approach to measure operational risk is the Advanced Measurement Approach (AMA), which allows banks to process internal data with internally developed models. Under the Loss Distribution Approach in AMA, the bank estimates two distribution functions of the annual loss data to generate compound distribution to determine value at risk of each risk using Monte Carlo simulation at 99.9% confidence level. The risk amount that may occur outside of the estimated loss severity distribution can affect the value at risk, so that it can affect the prediction of business plan for the next years. In some cases, statistical methods cannot detect outliers and its determination is relatively subjective. The purpose of the simulations in this paper is to perform analysis of the use of One-Class SVM in detecting outliers in the loss severity distribution and the effect of the outliers on the value at risk. As a result, the outliers have successfully been detected in the loss severity distribution and there is the effect of the outliers on the value at risk.

Abstrak :
Risiko operasional merupakan salah satu jenis risiko pada perbankan yang wajib dikelola dengan baik karena sifatnya yang melekat pada setiap aktifitas fungsional bank. Dalam pengelolaan risiko operasional, bank dipersyaratkan untuk memperhitungkan kerugian yang diperkirakan dan kerugian yang tidak diperkirakan dalam kebutuhan modal bagi risiko operasional. Kebutuhan modal bagi risiko operasional ini dikenal sebagai Economic Capital (EC). Komite Basel dalam aturan Basel II, memberikan tiga pendekatan dalam perhitungan EC salah satunya pendekatan Advanced Measurement Approach (AMA). Metode AMA yang banyak digunakan adalah metode Loss Distribution Approach (LDA). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan loss frequency distribution (distribusi frekuensi) kemudian membentuk aggregate loss distribution dari gabungan kedua distribusi tersebut. Nilai EC dengan metode LDA didapat dari Value at Risk (VaR) pada aggregate loss distribution dengan tingkat kepercayaan 99,9%. Permasalahan dari metode LDA saat ini adalah dalam mengestimasi distribusi severitas masih berbasis pada suatu model distribusi tertentu, padahal banyak kasus dimana data tidak dapat digambarkan dengan baik oleh suatu model distribusi yang sudah ada. Oleh karena itu, dalam tulisan ini akan dijelaskan solusi dari permasalahan tersebut, yaitu dengan mengestimasi distribusi severitas berbasis pada data. Metode yang digunakan adalah Kernel Density Estimation (KDE). KDE merupakan suatu pendekatan statistika non-parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak jika diasumsikan bentuk atau model distribusi dari variabel acak tersebut tidak diketahui. Hasil dari penelitian adalah estimasi distribusi severitas oleh KDE lebih baik dalam menggambarkan data dibandingkan dengan menggunakan model distribusi tertentu. Nilai EC yang dihasilkan oleh metode LDA yang menggunakan KDE lebih kecil 1,6 – 3,2% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tertentu.

---

Operational risk is one kind of risk on banking which must be managed well because of its character is inherent in every fungtional activity in Bank. In the management of operasional risk, Bank must be able to calculate a predictable loss and an unpredictable loss in capital requisite for operasional risk. The capital requisite in operasional risk is known as Economic Capital (EC). In the regulation of Basel II, Committee Basel gives three approaches of calculation in EC. One of that is Advanced Measurement Approach (AMA). In AMA method that is the most used in approach is Loss Distribution Approach (LDA) method. In LDA method, Bank must be able to estimate loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) and aggregate loss distribution is formed from both of them. Through LDA method, the value at EC can be gotten from Value at Risk (VaR) in aggregate loss distribution with the level of confidence reaches 99,9%. The problem from LDA method recently is in estimation a severity distribution which is still refers to a model on particular distribution whereas there are many cases which can not describe a data well through a distribution model that has been there. Therefore, in this paper, it will be explained how to face or the good solution from that problem. The good solution to face it is through estimation severity distribution that is refers to the data with using Kernel Density Estimation (KDE) method. KDE is a statistic approach non- parametric to estimate the function of distribution from disordered variabel that has not known. The result on this research is estimation of severity distribution through KDE is better than another in describing the data. LDA method using KDE is smaller the value at EC 1,6 % - 3,2 % than the value at EC using another distribution model in LDA method.

Abstrak :
ABSTRAK
Belum ada peraturan yang mengharuskan perusahaan di luar industri keuangan dan perbankan untuk menerapkan manajemen risiko, karenanya saat ini PT XYZ belum memiliki pengukuran risiko khususnya risiko operasional. Namun perusahaan menyadari bahwa retail minimarket modern yang dikelolanya memiliki potensi risiko operasional yang besar yang mungkin dihadapinya di kemudian hari, maka ada keinginan kuat dari perusahaan untuk menerapkan manajemen risiko. Penelitian ini dilakukan untuk mengidentifikasi, mengukur cadangan kerugian risiko operasional (operational Value at Risk), dan memitigasi risiko operasional yang mungkin dialami oleh PT. XYZ. Dari proses indentifikasi ditemukan bahwa risiko operasional yang paling signifikan terhadap bisnis perusahaan adalah risiko hilangnya persediaan barang dagangan di toko ritel minimarket. Pengukuran OpVaR dilakukan dengan menggunakan metode loss distribution approach menghasilkan angka sebesar Rp. 11.885.041.054 dan dinyatakan valid setelah dilakukan backtesting.

---

ABSTRACT
There are no regulations requiring companies outside the financial and banking industry to implement risk management, hence the current PT. XYZ does not have a particular risk measurement of operational risk. However, the company realized that retail modern minimarket has great potential operational risks that may be encountered in the future, then there is a strong desire of companies to implement risk management. This study was conducted to identify, measure operational risk loss reserves or Operational Value at Risk, and mitigate operational risks that may be experienced by PT. XYZ. From the identification process, this study finds that the most significant operational risks to the company?s business is the risk of loss of merchandise supply in a retail minimarket store. OpVaR measurements performed using the loss distribution approach amounted to IDR 11,885,041,054 and declared valid after backtesting.

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 :
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.