Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Asuransi pertanian berbasis indeks iklim di Indonesia belum memiliki riwayat klaim kerugian akibat kekeringan karena defisit hujan saat tesis ini ditulis. Padahal, riwayat tersebut dalam industri, secara empiris digunakan untuk perkiraan cadangan. Sementara itu pengembangannya kedepan, kerugian terekspektasi perlu diestimasi. Data curah hujan harian, sejak 1990 sampai dengan tahun 2015 di Kabupaten Majalengka, Jawa Barat, dianalisa untuk perkiraan kerugian hipotetikal, yang kejadiannya muncul kerena curah hujan kumulatifnya kurang dari nilai picu curah hujan defisit. Kerugian terekspektasi selama musim kemarau dan musim hujan di Kabupaten Majalengka adalah Rp 3.944.620,- dan Rp 4.667.250,- secara beruturan per kontrak polis bila pertanggungan berdasarkan modal produksi padi sebesar Rp 12.700.000,- per masa tanam per Ha tahun 2014 dengan nilai picu curah hujan 46,60 mm dan 361,37 mm secara berurutan.?

---

ABSTRACT
The records of claims losses due to drought or defisit rainfalls on the weather index based crop insurance in Indonesia have yet been available by the time this thesis is written. In fact, the records in the industry, are used empirically to estimate reserve. Meanwhile for the future development, the expected losses need to be estimated. The Daily rainfall data, from 1990 up to 2015 in Majalengka District, West Java, are analysed for estimating hypothetical losses, which events occur because the commulative rainfalls are less then the trigger of defisit rainfalls.The hypothetical expected losses during the dry season and wet season in Majalengka District are Rp 3,944,620, and Rp 4,667,250, in respectively per policy contract as the coverage basis is on the farming production cost in amount of Rp 12,700,000. per period of cultivation per Ha with the trigger of rainfalls are 46.60 mm dan 361.37 mm respectively.

Abstrak :
Penelitian ini bertujuan untuk mengetahui dan menganalisis perlakuan akuntansi PT Bank XYZ Tbk. pada instrumen keuangan yang tercatat pada laporan keuangan perusahaan. Penelitian ini juga bertujuan untuk mengetahui perbedaan dan mengevaluasi dampak yang ditimbulkan oleh penerapan PSAK 71 mengenai Instrumen Keuangan, serta memberi masukan kepada industri perbankan dan regulator untuk mengatasi masalah-masalah tersebut kelak. Penelitian ini dilakukan dengan metode studi kasus. Hasil dari penelitian menyimpulkan bahwa (1) Penerapan PSAK 71 mengenai Instrumen Keuangan membutuhkan persiapan yang memadai dan partisipasi seluruh stakeholder demi kelancaran penerapan standar tersebut, (2) model baru penurunan nilai expected loss mempengaruhi perhitungan CKPN, yang menurunkan pendapatan dan rasio permodalan (CAR) Bank, dan (3) perlunya kesiapan infrastruktur, penyelenggarakan pelatihan dan workshop, identifikasi dampak, pengembangan sistem, dan partisipasi dalam penyusunan regulasi industri perbankan untuk mempermudah penerapan standar tersebut. ......This study aims to determine and analyze the accounting treatment of PT Bank XYZ Tbk. on financial instruments recorded on the company's financial statements. This study also aims to determine the differences and discuss the impacts of the application of PSAK 71 on Financial Instruments, and provide input to the banking industry and regulators to address these issues in the future. This research uses a qualitative approach with case study method. This study results conclude, that: (1) The application of PSAK 71 on Financial Instruments requires adequate preparation and participation of all stakeholders, (2) The new expected loss impairment model affects the calculation of CKPN, which decreases the Bank's revenue and capital adequacy ratio (CAR), and (3) the need of infrastructure readiness, organizing training and workshops, impact identification, system development, and participation in banking industry regulation are critical to ease the standards implementation.

Abstrak :
Seiring dengan semakin tingginya kebutuhan masyarakat, semakin tinggi pula transaksi menggunakan kartu kredit yang mencerminkan makin tingginya tingkat kepercayaan masyarakat terhadap kartu. Tetapi disisi lain, ratio kredit macet atau Non Performing Loan (NPL) kartu kredit cenderung meningkat. Sebagai salah produk perbankan yang bersifat massal, kartu kredit memiliki risiko yang tinggi biasanya penerbitannya tanpa mernerlukan jaminan atau agunan, Bank selaku penerbit harus melakukan prinsip kebati-hatian dalam menerbirkan kartu kredit dan selain itu, Bank juga harus mengantisipasi risiko kerugian kredit baik expected loss maupun unexpected loss dengan menerapkan manajemen risiko. CreditRisk+ adalah sa1ah metode yang sederhana yang dapat diterapkan untuk pengukuran risiko kredit khususnya Kartu Kredit. Meialui perbitungan dengan CreditRisk+ dapat diketahui eronomic capital yang harus dipersiapkan untuk mengantisipasi unexpected Joss. Pengujian pennodelan divalidasi dengan metode Kupiec untuk mengetahui akurasi model resiko kredit dalam memproyeksi potensi kerugiannya ......The increasing needs of society reflects on the incresing number of number credit card transaction. But on the other hand. non performing loan of credit card tends to increase as well. Credit card is considered as a high risk banking product since it is a mass product and need no collateral required Bank is advised to be prudent while issuing credit card and also should anticipate either expected loss or unexpected loss by implementing risk management. In assessing credit risk especially credit card risk. CreditRisk+ is one of simple method that may be implemented Through CreditRJsk+· method, Bank will be able to detennine the economic capital in anticipating any unexpected lass. Kupiec method is used to authenticated the validation of model to ensure the accuracy of credit risk model in projecting the loss.

Abstrak :
Bank dalam melakukan penyaluran kredit diwajibkan untuk melakukan penyediaan modal minimum dan penyisihan penghapusan aktiva untuk meminimalisir dampak kerugian dari risiko kredit sebagaimana diatur oleh Bank Indonesia dan Otoritas Jasa Keuangan sebagai regulator. Kewajiban penyediaan modal tersebut dapat mengurangi kemampuan ekspansi dari bank karena terdapat modal yang harus dicadangkan oleh bank, sedangkan penyisihan penghapusan aktiva berdampak menggerus laba dari bank. Pada penelitian ini digunakan matriks transisi atas kualitas kredit debitur segmen usaha kecil sebagai metode untuk mendapatkan probability of default PD dari portfolio kredit usaha kecil. PD yang dihasilkan digunakan untuk menentukan expected losses EL yang dapat menjadi acuan besaran penyisihan yang wajib disediakan oleh bank. Sedangkan untuk menghitung modal yang harus disediakan oleh bank untuk risiko kredit, digunakan perhitungan dengan metode value at risk VaR . Untuk validasi metode tersebut dilakukan perbandingan hasil perhitungan EL dan VaR dengan actual losses yang dialami oleh bank. Perhitungan EL dan VaR menghasilkan nilai yang lebih rendah jika dibandingkan dengan perhitungan PPA dan penyediaan modal minimum bank yang existing sehingga dengan metode penelitian ini dapat menghasilkan efisiensi pada kewajiban penyediaan modal minimum dan PPA yang harus dilakukan oleh bank.

---

Bank has to provide capital reserves for its credit risk and provision for loan losses to minimize potential losses from the exposure of credit risk. The capital reserves could be a factor that make bank cannot expand its business effectively. While the provision for loan losses could reduce the profitability of the bank. The research purpose is to make calculation of capital reserves and provision for loan losses more efficient with the use of credit rating transition of bank rsquo s credit portfolio SME segment to retrieve its probability of default PD , After PD is retrieved, expected losses EL can be calculated and EL represents the amount of provision of loan losses bank should provide. Meanwhile value at risk method is used for calculating the amount of capital reserve bank should provide for its credit risk. The validation of research rsquo s method is done by comparing the result of EL and VaR calculation with bank rsquo s actual losses from its default credit portfolio. The result of EL and VaR calculation shows that the method used in this research offers better efficiency in determining the amount of minimum capital reserves and provision for loan losses bank should provide.

Abstrak :
Iklim investasi yang cenderung menurun tidak menyurutkan pemberian kredit konsumtif. Hal ini terjadi karena kredit konsumtif merupakan jenis kredit yang banyak ditawarkan oleh perbankan saat ini karena kemudahan memperolehnya dan sifatnya yang individual sehingga menarik para calon debitur. Namun demikian, proses pemberian kredit tersebut tidak luput dari risiko kredit. Bank pemberi kredit harus mengetahui manajemen risiko, khususnya risiko kredit terlebih menyangkut berapa besarnya economic capital yang harus disiapkan dalam mengantisipasi risiko expected loss dan unexpected loss yang mungkin timbul. Perhitungan economic capital dilakukan dengan menggunakan Internal Model CreditRisk+. Pengujian karakteristik distribusi kerugian dilakukan dengan tes Chi-Square dan permodelan divalidasi dengan metode Kupiec untuk mengetahui akurasi model risiko kredit dalam memproyeksi potensi kerugiannya.

---

Although investment climate has relatively descended, but it has not descended the granting of consumer loan since such variety of credit can be easily attained as provided by many banks and also by its individual characteristic which attracts prospective debtor. However, its granting process must not be separated from credit risk. The lender bank must recognize its risk management aspect, especially relates to the sum which has to be provided for anticipating either expected loss or unexpected loss risk may be aroused in the future. Economic capital can be exercised by Internal Model CreditRisk+ method after which testing on loss distribution characteristic can be exercised by Chi-Square and validation of the modeling can be exercised by Kupiec Test as purposed to obtain a certain accuracy on credit risk model in predicting potential loss.

Abstrak :
Metode Credit Risk+ telah banyak digunakan untuk mengukur risiko kredit portofolio dengan karakteristik small balances dengan high volumes, seperti pada portofolio kartu kredit, dimana probability of default (PD) masing-masing account tidak saling mempengaruhi satu sama lainnya. Seperti yang telah disadari sebelumnya bahwa metode Credit Risk+ ini memiliki beberapa kelemahan yaitu salah satunya adalah mengabaikan pengaruh faktor eksternal seperti risiko pasar dan suku bunga. Dalam penelitian ini penulis mencoba menarik hubungan antara beberapa faktor makro ekonomi terhadap probability of default eksposur kartu kredit setiap band. Nilai Expected Loss, Value at Risk (Unexpected Loss), dan Economic Capital dihitung dengan menggunakan unexpected number of default yang berasal dari hasil regresi linier PD terhadap variabel makro ekonomi.

---

Credit Risk+ method has been applied to measure credit risk of portfolios with small balances and high volumes such as credit cards porfolio, in which the probability of default (PD) of each account is mutually exclusive. As known before, there are some limitations of this method, like disregarding the influence of external factors such as market risk and interest rate risk. In this research, the author is trying to find any correlations between macroeconomics variables and probability of default of credit cards exposures in each band. The values of Expected Loss, Value at Risk and Economic Capital will be measured by using unexpected numbers of default which are originated from single linear regression of PD to macroeconomics variables.

Abstrak :
ABSTRAK
CreditMetrics merupakan salah satu model internal untuk pengukuran risiko kredit. Penggunaan model internal direkomendasikan oleh Basel II dalam rangka menghasilkan pengukuran risiko yang sesuai dengan profil risiko bank dan secara umum dapat menghemat modal yang dibutuhkan bank. Dalam penyusunan matrik transisi digunakan data perkembangan kualitas kredit korporasi Bank XYZ periode bulan April 2007 sampai dengan April 2009. Expected Loss dengan CreditMetrics periode Mei 2009 sampai dengan Februari 2010 rata-rata sebesar Rp.8,4 Milyar atau lebih kecil dari PPA yang wajib dibentuk yang rata-rata sebesar Rp.429 Milyar. Kebutuhan modal dengan Metode CreditMetrics berdasarkan Value at Risk periode Mei 2009 hingga Februari 2010 pada tingkat kepercayaan 99% adalah rata-rata sebesar Rp.496 milyar atau lebih rendah dari kebutuhan modal dengan pendekatan standar Basel I yang sebesar Rp.3.095 milyar. Berdasarkan back testing, tidak terdapat nilai kerugian aktual yang melebihi VaR, sehingga metode CreditMetrics dapat digunakan Bank XYZ dalam pengukuran risiko kredit korporasi.

---

ABSTRACT
CreditMetrics is one of internal model to measure credit risk. Internal model is recommended by Basel II to measure credit risk since it?s more precisely to describe bank?s risk profile; moreover; it?s required slighter economic capital than standardized approach. Data trends of corporate credit quality from April 2007 to April 2009 are used in transition matrices. Average expected loss by CreditMetrics between May 2009 to February 2010 reached Rp.8,4 billion or less than Allowance for Bad Debt by Rp.429 billion. According to VaR from May 2009 to February 2010 at 99% confidence level, average required Economic Capital by using CreditMetrics is amounted Rp.496 billion or smaller than standardized approach under Basel I at Rp.3.095 billion. Based on back testing, there are not actual losses more than VaRs, furthermore CreditMetrics method can be used to measure corporate credit risk by Bank XYZ.

Abstrak :
Risiko kredit adalah salah satu risiko yang dihadapi KPEI sebagai central counterparty di pasar modal Indonesia. Risiko kredit tersebut muncul karena adanya penyelesaian hak dan kewajiban Anggota Kliring (AK) ke KPEI, sehubungan dengan transaksi yang dilakukan di BEI. Salah satu rekomendasi dari BIS dan IOSCO, KPEI harus dapat mengelola risiko kredit terkait adanya kemungkinan kegagalan anggotanya. Penelitian ini bertujuan untuk mengukur dan menghitung risiko kredit (expected loss) AK menggunakan Factor Model yang diimplementasikan KPEI sebelum Juni 2012 dan Risk-Based Model yang diimplementasikan setelahnya dan kemudian membandingkannya. Juga dilakukan perhitungan risiko tambahan (unexpected loss) AK dengan menggunakan metode stress testing. Data yang digunakan adalah data penyelesaian hak dan kewajiban seluruh AK tanggal transaksi 25, 28 dan 29 Mei 2012 yang belum diselesaikan pada tanggal 30 Mei 2012. Penelitian ini menunjukkan bahwa pengukuran risiko (expected loss) dalam kondisi pasar normal dengan metode Risk-Based Model memberikan nilai yang lebih kecil dibandingkan dengan metode Factor Model. Sedangkan untuk risiko dalam kondisi pasar stress (unexpected loss), 73% dari 113 AK yang diteliti mengalami tambahan risiko kredit terhadap KPEI.

---

Credit risk is one of the risks faced KPEI as a central counterparty in Indonesia's capital market. Credit risk arises due to the completion of the rights and obligations of the Clearing Member (CM) to KPEI. One of the BIS and IOSCO?s recommendations, KPEI should be able to manage credit risk related to a possible failure of its members. This study aims to measure and calculate the CM's credit risk (expected loss) using Factor Model implemented before June 2012 and the Risk-Based Model implemented afterwards and then compare them. Also performed the calculation of the additional risk (unexpected loss) using stress testing. The data used is the completion of the rights and obligations of data throughout the transaction date AK 25, 28 and May 29, 2012 that have not been settled on May 30, 2012. This study shows that the measurement of risk (expected loss) under normal market conditions by the of Risk-Based Model method gives a smaller value than Factor Model method. As for the risk in the stress market conditions (unexpected loss), 73% of 113 CMs have studied additional credit risk to KPEI.

Abstrak :
Penelitian ini bertujuan untuk mengetahui pengaruh variabel makroekonomi terhadap kualitas portofolio kartu kredit di Bank X, mengetahui pola pertumbuhan kartu kredit selama periode pengamatan, mendapatkan parameter early warning yang menandakan tahap pertumbuhan kredit ada dalam periode Credit Boom dan mengetahui dampak yang ditimbulkan jika terjadi krisis kartu kredit di Bank X. Penelitian ini adalah penelitian kuantitatif dengan menggunakan metode statistik, sampel yang digunakan dalam penelitian ini meliputi data kredit yang diberikan (KYD) beserta kolektibilitasnya, inflasi, nilai tukar USD-IDR, BI Rate dan IHSG pada periode Januari 2008 sampai dengan oktober 2010. Metode yang digunakan digunakan dalam penelitian ini adalah melakukan multiple liner regression setiap variabel makroekonomi terhadap tingkat Non Performing Loan (NPL). Untuk mengetahui pola pertumbuhan KYD di Bank X apakah berada dalam tahap Boom atau tidak maka dilakukan perhitungan parameter-parameter pertumbuhan KYD dan membandingkannya dengan parameter di negara lain yang mengalami pertumbuhan kredit dengan kategori Boom dan kategori steady. Untuk mengetahui kerugian yang dialami oleh Bank ketika terjadi krisis kartu kredit maka digunakan metode CreditRisk+ dimana hasil yang didapat berupa Expected Loss, Unexpected Loss dan Economic capital. Dari hasil pengolahan data dapat ditarik kesimpulan bahwa variabel makroekonomi memiliki pengaruh terhadap kualitas NPL portofolio namun variabel makroekonomi yang berpengaruh berbeda-beda untuk jenis kartu Classic, Gold dan Platinum. Pola pertumbuhan KYD selama periode sampel berada dalam tahap yang steady seperti pola pertumbuhan KYD di negara Malaysia dan Singapura. ......The focus of this study is to determine the macroeconomy variable impact to credit card portfolio quality in Bank X, to know the credit card growth pattern during sample period, to find early warning parameter which characterize that credit growth is in Credit Boom phase and to know the impact if credit card crisis is occur in Bank X. This study is a quantitative research using statistic method. The data used in this study are Outstanding receivable and its quality, USD - IDR exchange rate, BI Rate and IHSG during Januari 2008 until October 2010 sample period. The multiple linear regression is used which relate macroeconomy variables as dependent variable and non performing loan as independent variable. To know whether credit growth in Bank X is in a boom phase or not is done by compute credit growth parameter and compare it to other credit growth parameter in some countries that have boom and steady credit growth category. CreditRisk+ method is used to know the impact in Bank X if the credit card crisis is occur. The output are Expected Loss, Unexpected Loss and Economic Capital. From data analyses we conclude that macroeconomy variable do have an impact to the portfolio quality but for each credit card product there is different variable impact. It was a steady credit growth pattern in Bank X during sample period and the pattern was similar to the paatern in Malaysia and Singapore when credit card crisis was occur in Asia.