Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 3 dokumen yang sesuai dengan query
cover
Ade Triharyanto
"Sepanjang tahun 2003 - 2004, minyak mentah mengalami kenaikan. Kenaikan harga minyak ini discbabkan oleh pcrkembangan ekonomi dunia. Kenaikan harga minyak mentah ini membuat khawatir industri perminyakan, terutama industri pengolahan minyak mentah. Kenaikan harga minyak mentah ini dikhawatirkan turun menaikkan volatilitas dan risiko dari pergerakan harga minyak. Kenaikan volatilitas mcnycbabkan kenaikan risiko pasar bagi yang terlibat dalam trading minyak mentah dan menyebabkan variabel makroekonomik memburuk. Kenaikan volatilitas dan risiko pasar dalam harga minyak dapat mcnycbabkan spekulasi dalam trading minyak mentah yang dapat mcningkatkan volatilitas dan risiko pasar lebih lanjut. Untuk itu, penelitian ini ditujukan untuk mengetahui bagaimana mengukur volatilitas harga minyak, dan berapa besar kenaikan atau penurunan volatilitas pada tahun 2003-2004 dibandingkan .dengan tahun 2001-2002, berapa besarnya kenaikan risiko pasar yang ditanggung oleh kalangan industri minyak akibat pergerakan harga ini dengan pendekatan value at Risk (VaR), seberapa baik/valid pendekatan tersebut dalam mengestimasi potensi kerugian dengan pengujian backzesting. dan bagaimana upaya-upaya memitigasi risiko pasar tersebut.
Penelitian ini menggunakan data sekunder berupa data harga minyak mentah berupa harga spot dan harga future. Untuk spot. harga minyak yang akan diukur volatilitasnya adalah harga spot berupa WTI dan Brent untuk gambaran pasar dunia dan Minas atau disebut juga Sumatran Light Crude (SLC) untuk untuk gambaran pasar nasional. Untuk harga futures, digunakan harga futures NYMEX. Penggunaan Jenis minyak ini diharapkan memberikan gambaran volatilitas minyak dunia secara keseluruhan.
Penelitian ini dilakukan dengan metode Analytical VaR dengan penggunaan ARCH atau LARCH untuk data return yang bersifat heteroskedastik dan standar deviasi untuk data return yang bersifat homoskedastik. Setelah dilakukan pengumpulan data, tahap penclitian yang dilakukan adalah penctapan exposure dan holding period yang scsuai untuk karaktcristik perdagangan minyak mentah, dan pengolahan data. Pengolahan data harga minyak mentah diawali dengan perhitungan return, pengujian data return. perhitungan volatilitas, perhitungan VaR dan diakhiri oleh pengujian validitas. Data yang didapat dilakukan pembahasan sebelum ditarik kesimpulan.
Hasil penelitian mcnunjukkan volatilitas return minyak mentah cenderung mcningkat. Volatilitas harga minyak untuk spot pada periode 2003-2004 dibandingkan dengan periode 2001-2002 untuk jenis Brent mengalami penurunan sebesar 12,69%, untuk jenis SLC mengalami kenaikan sebesar 546%, dan untuk jenis WTI mengalami kenaikan sebesar 3.37%. Pada pasar futures, volatilitas harga NYMEX Futures pada periode 2003-2004 dibandingkan dengan periode 2001-2002 untuk kontrak satu bulan mengalami kenaikan sebesar 10,51%, untuk kontrak dua bulan mengalami kenaikan sebesar 13,17%. untuk kontrak tiga bulan mengalami kenaikan sebesar 15,6%, dan untuk kontrak empat bulan mengalami penuninan sebesar 0,30%.
Hasil perhitungan VaR menunjukkan kenaikan nilai untuk seluruh jenis minyak mentah. Besarnya kenaikan nilai VaR pada periode 2003-2004 dibandingkan periode 2001-2002 yang hams ditanggung pada pasar spot untuk minyak mentah jenis WTI adalah sebesar 25,71%, untuk minyak mentah jenis Brent sebesar 17,25%, sedangkan untuk minyak mcntah jenis SLC mengalami kenaikan sebesar 26,13%. Pada pasar futures, besarnya kenaikan risiko pasar untuk NYMEX Futures pada periode 2003-2004 dibandingkan dengan periode 2001-2002 untuk kontrak satu bulan adalah sebesar 47,93%, untuk kontrak dua bulan sebesar 48,72%, untuk kontrak tiga bulan mengalami kenaikan sebesar 62,42%, dan untuk kontrak empat bulan sebesar 15,6%.
Berdasarkan hasil pengujian validitas dengan metode Kupiec Test, diperoleh hasil bahwa perhitungan risiko pasar dengan VaR mampu mengestimasi potensi kerugian di masa yang akan datang. Jumlah penyimpangan antara nilai VaR dan actual loss masih berada dalam batas toleransi schingga memberikan hasil yang lcbih akurat dan nilai VaR yang dihasilkan dapat mcnangkap pcrgcrakan actual loss yang ada.
Dari hasil penelitian tersebut dapat disimpulkan bahwa pengukuran volatilitas harga minyak mentah dapat dilakukan dengan pendekatan ARCHIGARCH dengan besar kenaikan bervariasi antara -12,69% untuk jenis Brent hingga 15.6% untuk NYMEX Futures untuk kontrak tiga bulan. Besarnya kenaikan risiko pasar akibat pergerakan harga ini berkisar dari 15,6% hingga 62,42%. Pendekatan VaR cukup baik untuk mengestimasi potensi kcrugian sebagaimana yang ditunjukkan pada pengujian backlesting.
Upaya-upaya mitigasi yang perlu dilakukan adalah dengan melakukan hedging dan mclakukan kontrak dengan formula harga yang mengacu pada harga minyak yang mernpunyai VaR yang rendah. Hedging dapat dilakukan dengan mclakukan perdagangan produk-produk derivatif dari transaksi yang di-hedge pada posisi yang berlawanan atau dengan money market instrument seperti bond. Transaksi derivatif yang dapat digunakan adalah futures, swap atau option. Hasil perhitungan menunjukkan bahwa perubahan harga acuan kontrak dapat menurunkan VaR WTI spot periodc 2003-2004 sebesar 12,14%. sedangkan hedging dengan futures menurunkan VaR sebesar 46,98%, dengan option sebesar I ,91%, dengan swap sebesar 7,69% dan dengan bond sebesar 0,18%.

During 2003 and 2004, crude oil price was increasing. This increase was led by world economic growth. This increase made a concern in oil industry, especially refinery industry. This increase was believed to make an increase in volatility and risk in oil price movement. The increase in volatility raised market risk. The increase in volatility made a decrease in macroeconomics variable and led more speculations in crude oil trading that made the increase grew faster. The purposes of this research were to know how to calculate crude oil volatility, and to compare year 2003-2004 period to year 2001-2002 period and to find out how much of market risk that had to be barred by the industry by using Value at Risk (VaR). The purposes of this research were also to find out the validity of the VaR approach in estimating potential loss and to find out how to mitigate the risk.
This research was using secondary data, which consist of spot and future prices. WTI and Brent were used to represent global market of crude oil spot prices and SLC was used to represent Indonesian crude oil spot price. NYMEX Futures are used to represent futures market. These prices were used to represent the volatility of world crude price movement.
This research was conduct by using Analytical .VaR using ARCI-VGARCH for heteroskedastic return data and standard deviation for homoskedastic return data.. After data gathering. the steps conducted in this research were exposure and holding period estimation to suit oil trading characteristic, and data processing. The processing begun with return calculation_ return testing. volatility calculation, VaR calculation and ended with validity testing.
This research shows that the volatility of crude oil return tended to increase. Oil crude volatility in spot market in year 2003-2004 period compared with year 2003-2004 period for WTI type was increased by 3.37%, for Brent type decreased by 12.69%, and for SLC type increased by 5,66%. In futures market, the NYMEX Futures volatility in year 2003-2004 period compared with year 2003-2004 periods for one-month contract was increased by 10.51%, for two month contract increased by 13.17, for three month contract increased by 15.6%, and for four month contract decreased by 0.3%.
The VaR calculation shows increase in value for all type of crude Oil. The increase rates of VaR values in spot market in year 2003-2004 period compared with year 2003-2004 period were 25.71% for WTI type, 17.25% for Brent type, and 26.13% for SLC type. In futures market, the NYMEX Futures increase rates for market risk in year 2003-2004 period compared with year 2003-2004 period were 47.93% for one month contract, 48.72% for two month contract, 62.42% for three month contract, and 15.6% for four month contract.
Validity test with Kupiec test method result shows that market risk calculation with VaR was able to estimate potential loss in the future. Overshoot between VaR Value and actual loss was still in tolerable range and it gave accurate results. The VaR value result could catch actual loss movement.
This research concluded that crude oil price volatility measurement could be done by ARCHIGARCH method with result increase rate value range between -12.69% and 15.6%. The increase rates for market risk caused by this price movement were between 15.6% and 48.72%. VaR method was valid to estimate potential loss as shown in validity test.
Mitigation step that can be taken was to hedge and to change the price reference in contract that has low VaR value. Hedging can be done by trading its derivatives in opposite direction or using money market instrument, such as bond. Derivatives products that can be used were futures, swap or options. The calculation resulted that change of price reference decreased VaR value of WTI spot period 2003-2004 to 12.14%, and hedging with futures decreased by 46.98%, with options by 1.91% and with bond by 0.18%."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2006
T19782
UI - Tesis Membership  Universitas Indonesia Library
cover
Pesiwarissa, Darcel Anadona Indria
"Krisis perbankan tempo lalu ternyata menjadi pelajaran yang berharga bagi kalangan perbankan, termasuk pihak pemegang otoritas perbankan, yakni Bank Indonesia (BI). Hikmah dari kejadian tersebut adaiah semua pihak menjadi mawas diri untuk bekerja lebih baik dan profesional pada masa mendatang. Sebelum krisis, unsur pengawasan tidak dilakukan secara optimal dan para pelaku perbankanpun tidak memperhitungkan berbagai macam faktor risiko bisnis.
Namun setelah itu, BI sebagai koordinator perbankan nasionalpun mulai mengkaji dart menata kembali industri yang telah dihantam badai yang paling dahsyat, yang selama ini belum pernah terjadi dalam sejarah perbankan nasional. Pada awal Januari 2004 BI menerbitkan Arsitektur Perbankan Indonesia (API) yang merupakan sebuah program menyeluruh yang dapat dijadikan pedoman bagi seluruh kalangan perbankan hingga 2010.
Ada delapan pilar API yang mesti dilaksanakan oleh para pelaku bisnis perbankan. Salah satu pilar antara lain menyebutkan tentang perlunya manalemen risiko (risk nianagenrent) bagi kalangan perbankan. Pemberlakuan ketentuan BI No. 5/8/PBI/2003 tentang Penerapan Manajemen Risiko bagi Bank Umum yang mewajibkan bank memasukkan faktor risiko operasional ke dalam perhitungan kewajiban penyediaan modal minimum diharapkan dapat memperkuat sistem pengawasan perbankan secara menyeluruh.
Dalam rangka menerapkan manajcmen risiko operasional secara efektif, maka bank "X" harus mampu mengidentifikasi risiko operasional dan mengukurnya. Hasil identifikasi risiko operasional digambarkan pada LEDB berupa kejadian kerugian (loss event), penyebab kerugian dan dampak dari kejadian kerugian dalam jumlah uang.
Untuk keperluan pengukuran risiko operasional mula-mula dilakukan pengumpulan data kerugian dari LEDB. Selanjutnya data disaring untuk keperluan penelitian dan dianalisis secara statistic. Data kerugian dan data observasi jumlah kejadian kerugian digunakan sebagai dasar pembuatan severity of loss probability model dan frequency of loss probability model.
Kedua model tersebut diuji masing-masing dengan menggunakan uji Kolmogorov-Smirnov dan uji Chi-Square. Berdasarkan uji model tersebut dipilih Exponential distribution dan Poisson distribution.
Selanjutnya, guna pengukuran risiko operasional dilakukan simulasi Monte Carlo. Untuk itu dilakukan penetapan asumsi-asumsi bagi setiap jumlah kerugian dan jumlah kejadian kerugian. Penetapan asumsi tersebut dilakukan terhadap setiap angka kerugian dan jumlah kejadian kerugian. Angka jumlah kerugian diasumsikan mengikuti Exponential distribution, sedangkan angka jumlah kejadian diasumsikan mengikuti Poisson distribution. Setelah itu ditetapkan forecast atau output yang diharapkan.
Hasil simulasi Monte Carlo adalah aggregate loss distribution. Berdasarkan distribusi kerugian hasil simulasi tersebut dilakukan perhitungan OpVaR, yang besarnya adalab Rp. 17.613.014.530,- (95th percentile) dari Rp. 31.151.154.671,- (99th percentile).

Banking crisis in Indonesia has indeed become a worthy lesson for bankers, including Bank Indonesia as monetary authority. The crisis has encouraged related parties to be more prudent and professional in the future. Supervision has not been done properly before banking crisis occurred and business risks have not been wholly considered.
Then, Bank Indonesia began to review and rebuild the banking industry in Indonesia. In the beginning of 2004, Bank Indonesia issued Indonesian Banking Architecture (API), a comprehensive program aimed to be guidance for bankers until 2010.
API introduces 8 pillars which must be accomplished by bankers. One of them states a need for risk management in banking industry. BE regulation No. 5/8/PBI/2003 regarding Risk Management Accomplishment for Banks, requesting banks to consider operational risk in the calculation of minimum capital requirement is expected to strengthen the control system in banking as a whole.
For the purpose of effective operational risk management, bank "X" must be able to identify operational risk and measure it: The identification of this risk is reported in Loss Event Data Base (LEDB).
To measure the risk, data of losses are gathered from LEDB, The data, consisting of loss amounts and frequency of losses are then used to establish severity of loss probability model and frequency of loss probability model. Both models are tested using Kolmogorov-Smimov Test and Chi-Square Test. Based on those tests, Exponential distribution and Poisson distribution are consecutively chosen as Severity of loss probability model and Frequency of loss probability model.
For the purpose of risk measurement, Monte Carlo simulation is done. Before doing this simulation, certain assumptions are established for each loss amount and each loss frequency.
The result of this simulation is aggregate loss distribution. Based on the distribution, Operational Value at Risk (OpVaR) is Rp. 17,613,014,530.00 (95th percentile) and Rp. 31,151,154,671.00 (99th percentile).
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2006
T18322
UI - Tesis Membership  Universitas Indonesia Library
cover
Vitha Masyita Ramli
"Laporan magang ini menjelaskan evaluasi prosedur penyusunan kebijakan manajemen risiko yang dilakukan oleh ALPHA Indonesia untuk PT GAMMA dengan menggunakan kerangka kerja ISO 31000 2018. Prosedur penyusunan kebijakan manajemen risiko yang dilakukan oleh ALPHA Indonesia terdiri dari penyusunan tipologi risiko, penyusunan kriteria risiko, penyusunan perangkat pengukuran risiko dan penyusunan kebijakan manajemen risiko. Setelah dilakukan analisis dan evaluasi, prosedur penyusunan kebijakan manajemen risiko yang dilakukan oleh ALPHA Indonesia secara garis besar sudah sesuai dengan konsep manajemen risiko dan kerangka kerja ISO 31000 2018.

This internship report explains the evaluation on drafting procedure of risk management policy conducted by ALPHA Indonesia for PT GAMMA based on ISO 31000 2018. The procedure conducted by ALPHA Indonesia consisted of identification of risk typology, risk criteria, risk measurement tool, and the drafting of risk management policy. Based on the analysis and evaluation which have been done, ALPHA Indonesia`s procedure in drafting risk management policy are in accordance with risk management concept and ISO 31000
2018.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2020
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library