Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Law is frequently illustrated as something inconvinient and trends to percive as contra productive against business principles which rely on speed and accuracy.

Abstrak :
Skripsi ini membahas mengenai penerapan manajemen risiko internet banking, khusunya pada Bank X. Disamping memberikan kemudahan bagi nasabah, internet banking juga berpotensi meningkatkan risiko. Pokok permasalahan dalam penelitian ini adalah bagaimana ketentuan-ketentuan hukum mengenai manajemen risiko oleh Bank Umum terkait internet banking dan bagaimana penerapannya oleh Bank X. Metode penelitian yang digunakan dalam SEBI Nomor 6/18/DPNP tanggal 20 April 2004 mencakup pengawasan aktif dewan komisaris dan direksi, pengendalian pengamanan serta manajemen risiko hukum dan reputasi. Pelaksanaan manajemen risiko internet banking di Bank X sudah sesuai dengan ketentuan perundang-undangan yang berlaku. ......This thesis explains about the implementation of risk management of internet banking, especially in Bank X. In addition to providing convenience for customers, internet banking is also potentially increase the risk. The issue in this study is how is the legal provisions concerning Risk Management on internet banking and how it is applied by Bank X. The method used in this research is normative juridical method. The risk management of internet banking is set in SEBI No. 6/18 / DPNP, includes active surveillance by commissioners and directors, security control also legal and reputation risk management. The implementation of risk management on internet banking in Bank X is in accordance with the applicable regulations.

Abstrak :
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.

Abstrak :
Analisis bisnis dan valuasi pengembangan branchless banking bertujuan untuk menganalisis risiko-risiko yang perlu dimitigasi bank, memilih metode analisis yang tepat serta pengaruh terhadap peningkatan funding dan fee based income. Metode penelitian yang digunakan dengan pendekatan kuantitatif-deskriptif, di mana hasil analisis yang diperoleh terdapat 4 jenis risiko signifikan yang mempengaruhi/berdampak pada branchless banking , yaitu (i) Risiko Likuiditas; (ii) Risiko Operasional; (iii) Risiko Reputasi dan (iv) Risiko Kredit. Sementara itu hasil analisis bisnis dan valuasi menggunakan 4 metode analisis yaitu (i) Analisis Break Even Point (BEP); (ii) Analisis Payback Period Method ; (iii) Analisis Discount Cashflow Factor dengan metode Net Present Value dan (iv) Real Option 5 Steps Lattice Model, memberikan hasil analisis bahwa BEP dan Payback Period sekitar 1 tahun 8 bulan (kurang dari 2 tahun sesuai ketentuan Bank), Hasil DCF (NPV) sudah positif pada Tahun Ke-2 serta perhitungan Real Options menunjukkan bahwa bisnis branchless banking layak untuk dijalankan (workable). Pengembangan Branchless Banking berpengaruh terhadap peningkatan funding melalui BSA = Basic Savings Account, dan Fee Based Income dari transaksi jasa yang menggunakan electronic banking devices, yaitu transaksi cek saldo, transfer on line, pembayaran, pembelian, isi ulang pulsa dll. Pengembangan Branchless Banking layak/feasible untuk dikembangkan dan perlu direkomendasikan kepada Manajemen, dan pada tahap awal dikembangkan 18 Agent Branchless Banking sebagai Pilot Project sesuai dengan jumlah Kantor Cabang. ...... Purposes of business analysis and valuation Branchless Banking are for analyzing risks were mitigated by bank, appropriate analysis method and influence for increasing funding and fee based income. Quantitative and descriptive approach was applied for this research method. The result of analysis, there are 4 risks significantly for Branchless Banking, as follows: (i) Liquidity Risk; (ii) Operational Risk; (iii) Reputation Risk; (iv) Credit Risk and Analysis method for business analysis and valuation are used BEP/Break Even Point; Payback Period Method, Discount Cashflow Factor (NPV) and Real Optios 5 Lattice Model. The result for BEP and Payback Period Analysis got 1 year and 8 months less than bank policy, positive cashflow less than 2 years for discount cashflow factors analysis and result of Real Options 5 Lattice Model shown this business is workable. According the result of business analysis and valuation for branchless banking impact to increase funding (BSA = basic savings accounts) and fee based income (bank transactions throught electronic banking devices like as Internet Banking, Mobile Banking and EDC (electronic data capture). The feasibility study of branchless banking is feasible and workable to develop and propose recommendations to management, the first step for pilot project to develop 18 agent of branchless banking will be set up by branch. Every branchess will recruit 1 agent which now the number of branches offices are 18 branches.

Abstrak :
This special edition includes studies by the University of Malta, MSc Banking and Finance graduates and the respective lecturers, on financial services within particular countries or regions and studies of themes such as credit risk management, fund management and evaluation, forex hedging using derivatives and sovereign fixed income portfolios.

Abstrak :
Single Presence Policy is a policy which is surprising not only for businessmen in banking sector but also for general community. The policy called "Pakto" (The Package of October Policy) 2006 reminds us to last "Pakto" policy in 1988 that was 18 years ago where in national banking promoted a concept of liberalization. Jumping to liberalization without proper anticipation and good manner has impacted on the emerge of mushrooming bank without sufficient preparation to banking risk management. Banking liberalization concept has an effect on the policy of merger, consolidation, closing down and bank liquidation. Liquidity Assistance of Bank of Indonesia (BLBI) scenario has no end, but creating a vriminal accusations in banking practices. Single Presence Policy (SPP) bring a new panorama into banking industry. Substances of SPP has potential to create inconsistency to other regulations of business competition, limited corporation, and therefore open to foreign investor for dominating national banking.

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 :
Penelitian ini bertujuan untuk mengidentifikasi dampak konsentrasi kepemilikan bank terhadap risiko perbankan di Indonesia. Konsentrasi kepemilikan bank ditandai dengan tingginya komposisi saham yang dimiliki oleh satu pihak pemegang saham. Tingkat konsentrasi dibagi menjadi tiga level: (1) < 20%; (2) 20%-50%; (3) > 50%. Berdasarkan estimasi data panel terhadap individu bank di Indonesia, ditemukan bahwa tingginya konsentrasi kepemilikan bank akan meningkatkan risiko perbankan dan secara rata-rata bank dengan pemilik yang terkonsentrasi pada level 3 memiliki tingkat risiko paling besar diantara dua level konsentrasi lainnya. Selain itu, penelitian ini ikut mengkaji tingkat risiko jenis-jenis bank di Indonesia dimana jumlah bank dengan jenis Bank Umum Swasta Nasional yang banyak akan meningkatkan risiko perbankan. ......This study aims to identify the impacts of bank ownership concentration on banking risk in Indonesia. The ownership concentration is characterized by the high composition of shares that is held by one shareholder. The concentration is classified into three levels: < 20%; 20%-50%; > 50%. Based on panel data estimation using 115 banks from 2008-2017, it was found that higher concentration of ownership would increase the banking risk. Banks with ownership concentration on level 2 are riskier than the other levels. This study also examines the risk of specific types of Indonesia banking sector. The large number of National Private Commercial Bank tend to increase the banking risk.

Abstrak :
Contents : Introduction to banks and banking -- Why are banks supervised? -- Basel and International bank regulation -- Basel III -- The bank capital calculation : Basel II -- The bank capital calculation : Basel III -- Credit risk -- The standardized approach -- Model based approaches to risk weighting -- The internal ratings based approach -- Netting, collateral, and credit risk mitigation -- The trading book -- Securities underwriting -- Trading book models -- Credit derivatives -- Counterparty risk -- Counterparty credit risks for derivatives, securities financing, and long settlement exposures -- Securitization and repackaging -- Operational risk requirements -- Concentration and large exposures -- Liquidity requirements The leverage ratio -- Basel III, derivatives, clearing, and exposure to CCPs-- Group supervision -- Financial conglomerates -- Cross-border supervision of bank groups -- Pillar three : disclosure requirements