Hasil Pencarian  ::  Simpan CSV :: Kembali

"Thesis ini meneliti mengenai pengukuran keberhasilan kinerja manajemen risiko dengan menggunakan sistem manajemen kinerja Balanced Scorecard (BSC). Pengukuran dilakukan setelah dilakukan integrasi dari kedua konsep melalui penerapan key risk indicator (KRI} da1am perumusan key performance indicator (KPI). Studi kasus dilakukan di PT Kustodian Sentral Efek Indonesia (KSBI), yang telah mempunyai sistem manajemen risiko dan sistem manajemen kinerja dengan metode BSC. Hasil penelilian memperlihatkan bahwa penerapan KR1 dalam perumusan KPI di Divisi operasional KSEI, belum secam signifikan dapat meningkatkan kinerja keuangan dan non-keuangan. Beberapa sebab kegagalan adalah kurangnya komitmen pengarnbil keputusan, belum diJakukannya monitoring KRl dan KPl secara periodik, dan masih adanya beberapa KPJ yang belum mempunyai KRI.

---

This paper discussed about measuring risk management performance against the expected goals by using the performance management system the Balanced Scorecard (BSC). The measurement were taken after both sistern are integrated through the implementation of key risk indicators (KRI) in the formulation of key performance indicators (KPI), The case studies conducted at the Indonesian Central Securities Depository (KSEI), which has already implemented risk management systems and performance management systems with BSC method. The results showed that the implementation of KRIs? in the formulation of KPIs' in KSEI operational divisions has not yet been able to significantly improve the performance of both divisions and-the Company. Some causes of failure are lack of commitment from decision makers, do not Periodically monitoring KRl and KPI.and some KPIs did not had KRI."

"ABSTRAKPada tahun 2010, seluruh data di dunia mencapai 1 ZB (Zetabyte), dan pada tahun 2014, diprediksi akan mencapai 72 ZB. Sebagian besar dari data-data tersebut seringkali ditemukan dalam bentuk tidak teratur, berukuran besar dan mengalir dengan cepat. Data dengan karakteristik tersebut dikenal dengan sebutan Big Data. PT Indosat melihat potensi yang ada dalam Big Data untuk mendukung pengembangan bisnis yang ada. Penelitian ini melakukan justifikasi rencana investasi Big Data dengan melakukan identifikasi manfaat investasi menggunakan Tabel Manfaat Bisnis SI/TI Generik.System Dynamics digunakan untuk menyederhanakan manfaat dan mensimulasikan model. Identifikasi perubahan proses bisnis dilakukan menggunakan pendekatan perubahan arsitektur bisnis, data/informasi dan aplikasi menggunakan TOGAF ADM, Frameworx dan Benefit Dependency Network. Manfaat bisnis yang diperoleh akan dikuantifikasi untuk mencari nilai finansialnya serta diidentifikasi potensi dan indikator risikonya. Potensi risiko dan indikatornya diidentifikasi menggunakan kerangka COSO ERM.Hasil dari penelitian ini didapat manfaat bisnis yang dapat diraih melalui investasi Big Data. Manfaat tersebut adalah peningkatan pendapatan dari kepercayaan pelanggan (IRE-03) dan pengurangan risiko biaya kehilangan (ACO-03). Potensi risiko dan indikator risiko yang teridentifikasi dapat dikelompokkan pada area teknologi, sumber daya manusia, dan pelayanan pelanggan. Perubahan bisnis proses digambarkan melalui diagram Benefit Dependency Network.

---

ABSTRACT

In year 2010, data volume around the world reached 1 zetabyte and in 2014, predicted will increase to 72 zetabyte. Most of the data are in unstructured format, huge volume and high velocity in streaming. Data with these characteristics are known as Big Data. PT Indosat see the potential of Big Data to support their business growth. In this research, business benefit identification will be performed using Ranti?s Generic IS/IT Business Benefit Table.

System dynamics will be used to simplify identified business benefits and to run simulation on the model. Business process changes identification will be performed by analyzing changes on business, data/information and application architecture using TOGAF ADM, Frameworx and Benefit Dependency Network. Identified business benefits will be quantified for financial value. Potential risks and its indicators will also be identified using COSO ERM framework.

From this research, can be concluded that business benefits from investment plan on Big Data are increase revenue from customer trust (IRE-03) and avoiding cost of lost and delay cost (ACO-03). Identified potential risks and its indicators are group into several area, which are technology, human resources and customer service. Bussines process changes is depicted using Benefit Dependency Network diagram."

"Laporan magang ini berisi evaluasi atas metode perhitungan yang digunakan PT Investment dalam menilai risiko gagal bayar perusahaan Indonesia yang menerbitkan obligasi. PT Investment menggunakan Altman's EMS Z-Score dan Gupta's Z-Score yang dikombinasikan dengan model logistic regression untuk mendapatkan probabilitas kebangkrutan perusahaan. Evaluasi tersebut meliputi justifikasi atas relevansi masing-masing metode yang di gunakan di Indonesia serta seberapa akurat perhitungan yang dilakukan oleh PT Investment. Kemudian, penulis membandingkan antara Altman's dan Gupta's Z-Scores untuk memahami kelebihan dan kekurangan masing-masing model serta kesesuaiannya dengan situasi perusahaan subjek. Terakhir, studi kasus empiris dari tiga obligasi yang telah mengalami gagal bayar akan memberikan bukti atas kemampuan prediktabilitas dari indikator-indikator tersebut. Dari evaluasi ini, penulis menyimpulkan bahwa indikator risiko default yang digunakan oleh PT Investment telah bermanfaat dan penulis pun mengajukan beberapa saran untuk dapat menyempurnakan praktik yang dilakukan.

---

This internship report contains an evaluation of the calculation methods used by PT Investment in assessing the default risks of Indonesian companies that issued bonds. PT Investment used Altman’s EMS Z-Score and Gupta’s Z-Score in combination with the logistic regression model to derive firms’ probability of default. The evaluation includes the justification of the relevancy of each of the methods in the Indonesian market as well as how accurate the calculation was done by PT Investment. Then, the comparison between Altman’s and Gupta’s Z-Scores was conducted by the writer to understand the advantages and disadvantages of each model as well as its suitability to the subject firms’ situation. Last, the empirical study cases of three defaulted bonds will offer proof of the predictive ability of these indicators. From this evaluation, the writer concludes that the default risk indicators used by PT Investment have been useful and, in the end, the writer proposes several suggestions to enhance the practice."