Hasil Pencarian  ::  Simpan CSV :: Kembali

"Krisis ekonomi Eropa mengindikasikan adanya pengaruh terhadap bursa saham Indonesia. Pengamatan terhadap hubungan indeks saham akan memberikan gambaran akan bentuk pengaruh yang terjadi. Pengujian pertama dilakukan melalui pengamatan parameter kovarians, korelasi dan volatilitas antar kawasan. Hasil pengujian wilayah Asia menunjukkan nilai kovarians yang lebih rendah dibandingkan kawasan Eropa dan tingkat volatilitas Eropa juga teramati lebih tinggi dibandingkan kawasan Asia. Pengujian kedua dilakukan dengan menggunakan permodelan contemporaneous dan dynamic volatility spillover terhadap 7 indeks saham negara dan kawasan Eropa untuk melihat efek contagion. Hasil pengujian volatility spillover menunjukkan adanya volatility spillover di hampir seluruh pasangan indeks yang diuji. Hasil pengujian contagion menunjukkan bahwa tidak terjadi contagion dari hampir seluruh pasangan indeks pengujian kecuali untuk indeks DAX.

---

Eurozone crisis has spread accross regions and indicate an effect to Indonesian Stock Exchange. A study into stock index relationship would give a better understanding on how the crisis might influene the Indonesian Stock Exchange. The study of regional relationship was done through an analysis of variance, covariance and correlation paramaters. In crisis period, Asia showed lower covariance figures against Europe and volatility measures showed lower value in Asia than Europe. Study of contagion effect was done through contemporaneous and dynamic volatility spillover between seven Europen index agains Indonesian composite index. Result of the volatility spillover model showed that spillover happens in almost all pair of the samples. Contagion effect tests showed that there is no contagion between each of pair of sample with an exception on DAX Index."

"ABSTRAKDalam beberapa tahun terakhir, perhatian lembaga keuangan terhadap manajemenresiko menjadi semakin besar karena pasar keuangan dunia semakin terintegrasi. Resikoyang dihadapi dalam mengelola portofolio adalah general risk dan spesific risk. Generalrisk terdiri dari business risk dan financial risk, sementara spesific risk terdiri dari marketrisk, credit risk, operational risk, dan liquidity risk. Sejarah membuktikan banyak bank yang bangkrut diakibatkan olehmismanajemen portofolio. Kasus kebangkrutan yang terjadi umumnya ditimbulkankarena salah mengantisipasi market risk, yaitu resiko kerugian yang dapat timbul danperubahan harga atau faktor ? faktor pasar, yakni suku bunga (interest rate), nilai tukar(exchange rate), harga saham dan komoditi. Salah satu kasus kerugian akibat market riskyang sempat menjadi perhatian pasar finansial internasional adalah kasus Orange County(California, Amerika). Untuk itu diperlukan perangkat analisa resiko yang lebih akurat untuk mendeteksidan memberikan peningatan dini (early warning system), untuk menghindarkan kerugianyang akan diderita dan mengakibatkan instabilitas keuangan. Basle Committee on Banking Supervision pada Januari 1996 menyebutkan secaraumum metode standar pengukuran resiko portofolio dan mensyaratkan para pelaku pasarmenerapkan minimal satu metode tersebut, yakni standar kualitatif standar kuantitatif,dan stress testing. Salah satu analisa perhitungan standar kuantitatif adalah VAR. Penelitian ini akan memaparkan perhitungan resiko dengan metode Value at Risk(VAR) pada PT.Bank Universal Tbk untuk mengetahul resiko maksimum yangmungkin timbul dikemudian hari akibat adanya volatilitas suku bunga pasar denganholding period yang berbeda-beda. Metode VAR yang diungkapkan dalam karya akhir ini adalah motode VarianKovarian. Metode ini dijabarkan lagi dalam tiga estimator volatilitas, yaitu StandarDeviasi, Equally Weighted (EW) dan Exponentially Weighted Moving Average (EWMA).Masing-masing metode estimator volatilitas dalam menghitung VAR dapat dibuatberbagai macam model dengan menggunakan jumlah data historis 520 hari kerja sebagaibasis perhitungan. Adapun selang kepercayaan yang dipilih adalah 95% (menurutRiskmetrics) dan 99% (menurut Basel Committee). Untuk estimator volatilitas EW dan EWMA, rolling data yang dipakai adalahsetiap 65 hari. Untuk estimator volatilitas EWMA, penelitian ini memakai dua decayfactor sebesar 0.94 dan 0.97. Dalam mendapatkan nilai VAR dikemudian hari holdingperiod yang disimulasikan antara lain 1 hari, 5 hari, 10 hari dan 20 hari kedepan. Dari tiga (3) estimator volatilitas ini, menghasilkan beragam model simulasi.Selanjutnya, setiap model ini dilakukan uji validitas untuk mengetahui apakah modeltersebut valid, konservatif atau tidak valid, yaitu dengan uji Backtesting. Uji inimenggunakan dua pendekatan peniode updating yaitu 5 hari dan 20 hari. Dari hasil ujibacktesting ini, terlihat bahwa periode updating 5 hari lebih merepresentasikan kejutanvolatilitas. Dari beberapa model yang disimulasikan, model EWMA dengan decay factor0.94 pada selang kepercayaan 95% adalah yang paling optimal bagi bank tersebut, karenamodel ini meniberikan prediksi nilal VAR terkecil dibanding model lainnya. Model ini sesuai dengan keadaan Net Present Value bank sebesar negatif Rp3,702,188,190,760 yang mengindikasikan bahwa ?capital requirement? banksebenamya juga tidak mampu untuk menutupi nilai resiko dengan model tersebut.Kemudian, dari hasil stress-testing, ditemukan pada tanggal 4 Desember 2001 terjadikerugian tertinggi sebesar Rp 37,289,116,191. Maka, bank harus menyediakan danasebesar nilai tersebut untuk mengantisipasi terjadi kembali kerugian yang dinyatakandalam toleransi maksimal kerugian bank akibat adanya volatilitas suku bunga.Berdasarkan hasil penelitian ini, disarankan bagi bank, bahwa untuk mampumengelola nilai resiko dengan model EWMA pada decay factor 0.94 dan selangkepercayaan 95%, bank harus mampu menutup kekurangan modalnya terlebih dahulu."

"ABSTRAKDalam manajemen risiko, pengukuran risiko suatu portofolio dapat dilakukandengan mengkuantifikasi risiko portofolio tersebut. Salah satu penerapan kuantifikasirisiko adalah dengan melakukan estimasi Value at Risk (VAR) dari risiko suatu portfolio.FAR merangkurn risiko suatu portfolio dalam satu bilangan yang pada periode sertaselang kepercayaan tertentu merupakan kemungkinan kerugian terbesar. Pada Karya Akhir ini dipaparkan implementasi salah satu metode estimasi VAR,yaitu metode varian-kovarian, yang diterapkan pada portofolio aset tunggal FX forwardUSD/IDR satu bulan, dimana portofolio ini merupakan portofolio derivatif linier. VAR pada dasarnya adalah volatilitas perubahan nilai portfolio. Pada metodevarian-kovarian ini VAR dihitung dengan terlebih dahulu melakukan dekomposisiportfolio menjadi gabungan beberapa portfolio baru disebut posisi standar, yangvolatilitasnya langsung dapat diestimasi dengan menggunakan data historis yang tersedia.Posisi-posisi standar itu ditentukan sedemikian sehingga gabungan dari semua posisistandar mempunyai risiko yang sama dengan risiko portfolio asal. VAR pada metode iniadalah penjumlahan volatilitas dan semua posisi-posisi standar (tentu saja denganmemperhatikan juga korelasi antar posisi standar) setelah dikalikan dengan kuantildistribusi normal sesuai selang kepercayaan yang dipilih. Estimasi volatilitas posisi standar, selain dilakukan dengan estimator sederhana,juga dilakukan dengan estimator EWMA. Hal ini dilakukan untuk mengetahui apakahforecasting volatilitas posisi standar berpengaruh terhadap validitas VAR yang dihasilkan."

"We impose the symmetry principles to elaborate the invariance of the Abelian and non- Abelian gauges and evaluate its implications to the laws of physics. The application of the symmetry principle into the field which undergoes a rotation in a phase space implies the exixtence of an Abelian gauge field Meanwhile, the application of symmetry principle to the dirac field as a doublet of SU (2)group implies the existence of a non - Abelian gauge field with structure constant satisfies the Lie group algebra."

"ABSTRAKDalam berinvestasi, kerugian adalah sesuatu yang tidak diinginkan oleh investor. Oleh karena itu investor selalu berupaya untuk mengeliminir tingkat kerugian yang mungkin timbul dikemudian hari akibat adanya perubahan-perubahan instrumen finansial yang terjadi pasar. Salah satu metoda atau alat bantu yang digunakan dalam mengendalikan risiko yang mungkin timbul adalah metoda Value At Risk.Value At Risk adalah pengukuran risiko secan kuantitatif yang mengestimasi kerugian maksimum yang mungkin teijadi dengan suatu selang kepercayaan teitentu. Value At Risk pada dasarnya merupakan peranalan volatilitas berupa perubahan nilai negatif suatu investasi masa mendatang dengan menggunakan data perubahan perubahan masa lampau.Pada umumnya dikenal 3 (tiga) metoda dalam menghitung VAR, yakni; metoda Varian-Kovarian, metoda Historical Simulation dan metoda Monte Carlo. Metoda Varian-Kovarian dalam menghitung VAR mengasumsikan bahwa path selang waktu tertentti perubahan-perubahan nilai suatu aset yang teijadi alcan terdistribusi normal. Nilai VAR ditentukan berdasarkan estimasi volatilitas yang ditentukan berdasarkan nilai varian-kovaijan dan probabilitas yang dikendaki dalain distribusi normalnya.Estimasi volatilitas yang digunakan dalam perhitungan VAR dapat diukur dengan metoda Standar Deviasi (STD), Simple Moving Average (MA) dan Exponentially Weight Moving Average (EWMA). Masing-masing metoda estimator volatilitas dalam menghitung VAR dapat dibuat berbagai macam model dengan menggunakan jumlah data masa lampau yang berbeda sebagai basis perhitungan.Suatu model perhitungan VAR yang dibentuk agar dapat digunakan dalam implementasi perhitungan VAR perlu diuji. Metoda yang digunakan dalam menguji model-model perhitungan VAR adalah metoda Back Testing.Dari hasil penelitian terhadap model-model yang dibentuk untuk menghitung VAR, tidak ada satupun dañ model-model tersebut dapat digunakan dalam menghitung VAR untuk mengukur risiko semua nilai tukar mata uang baik untuk aset tunggal maupun dalam bentuk portofolio. Hal tersebut tenjadi karena mata uang yang dipeijual belikan pada pasar finansial memiliki model perubahan nilai tukar yang berbeda antara satu mata uang yang satu dengan yang lain. Bahkan pada satu mata uang tertentu perubahan nilai tukarnya akan berbeda pada periode yang berbeda. Khusus untuk aset dalam bentuk portofolio, faktor lain yang mempengaruhi perhitungan adalah posisi/proporsi masing-masing aset dalam portofolionya."

"Analisis Respon Frekuensi Penyapuan adalah suatu metode yang digunakan untuk mendeteksi kerusakan mekanik pada inti, kumparan dan struktur penjepit di dalam transformator, yang diakibatkan oleh tekanan elektromagnetik yang besar karena adanya arus gangguan atau selama proses transportasi dan pemindahan transformator setelah pabrikasi. Pengukuran SFRA menggunakan sinyal bertegangan rendah yang diinjeksikan ke dalam probe masukan dari suatu terminal transformator, dan sinyal keluaran diukur di terminal lainnya yang merupakan respon dalam bentuk magnitude dan fasa pada rentang frekuensi rentang 2 Hz sampai 2 MHz. Interpretasi hasil pengukuran dilakukan dengan membandingkan hasil pengukuran sebelumnya dengan hasil pengukuran terbaru. Bila tidak ada hasil pengukuran sebelumnya, perbandingan dilakukan dengan membandingkan hasil pengukuran SFRA pada transformator yang memiliki tipe dan jenis sama (sister unit). Tetapi, jika tidak ada sister unit dari transformator yang diuji, maka perbandingan dilakukan dengan membandingkan ketiga fasa dari transformator yang diuji. Pada skripsi ini, interpretasi SFRA menggunakan perbandingan ketiga fasa pada transformator 190 MVA, 150 kV/16kV. Kemudian, untuk menginterpretasikan hasil dari pengukuran SFRA, digunakan perhitungan dengan metode statistik Koefisien Korelasi dan Normalisasi Faktor Kovarian, dan hasil keduanya dibandingkan sesuai dengan standar perhitungan pada standar China DL 911/2004. Hasil kedua metode statistik ini akan menunjukkan indikasi kondisi mekanik transformator pada bagian inti, kumparan dan struktur penjepit.

---

Sweep Frequency Response Analysis (SFRA) is an effective method used to find out any possible winding displacement or mechanical deterioration such as core, winding and clamping structures inside the transformer, due to large electromagnetical forces occuring from the fault currents or due to transformer transportation and relocation. SFRA test use the application of low-voltage (LV) signal at one terminal of the transformer as the injection probe, and another terminal to measure the response with the frequency range 20 Hz to 2 MHz. The amplitude and phase transfer fuction are then determined.

The most common practice for SFRA comparison is to compare the SFRA spectrum with the reference one. If the old results of the same transformer are available, a comparison made with the new results. However, if the reference signal is not available, a comparison made between the transformer and its sister unit. Furthermore, the comparison between the three phases of the transformer.

In this paper, the SFRA interpretation using a comparison between the transformer’s three phases on a 190 MVA, 150 kV/16 kV prower transformer. Then, to interpret the result, the statistical method, Cross Correlation Coefficient and the Normalization Covariance Factor is used, and both compared with the indicator based on Chinese standard DL 911/2004. Both the statistical method show the mechanical condition of transformer in the core, winding and clamping structures."