Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPengelolaan dana yang dilakukan oleh lembaga keuangan baik bank maupun non-bank tidak lepas dari kemungkinan terjadinya kerugian karena berbagai risiko yang harus dihadapi. Apalagi pada era globalisasi sepetii sekarang ini dimana pasar keuangan dunia semakin terintegrasi, sehingga perubahan yang terjadi di satu pasar uang, misalnya di New York, akan berpengaruh pula secara cepat pada pasar uang yang lain misalnya di Indonesia. Dengan terjadinya efek berantai ini, maka lembaga keuangan yang ada di Indonesia dapat mengalami kerugian akibat fluktuasi mata uang yang terjadi.Dalam tugas akhir ini penulis meneliti bagaimana cara meminimumkan risiko kerugian akibat fluktuasi rupiah terhadap mata uang asing pada posisi terkahir (exposure) kredit yang diberikan dalam valuta asing di "Bank X". Berkaitan dengan hal ini maka masalah yang timbul adalah pe1iama, bagaimana Bank X menentukanjumlah maksimum risiko yang ditanggung dalam satu, lima dan sepuluh hari yang akan datang dengan tingkat keyakinan, misalnya 99%. Yang kedua, seberapa besar tingkat akurasi modeldalam mengestimasi maksimum potensi kerugian dibandingkan dengan rcalisasikerugiannya?Untuk menjawab pertanyaan tersebut, metode yang digunakan dalam penelitian ini adalah Value at Risk yang difokuskan dengan melihat item dari kredit yang diberikan dalam valuta asing pada sisi neraca "Bank X". Data historis atas mata uang asing yang ada di Bank X selama 762 hari digunakan dalam penelitian ini untuk melihat tingkat fluktuasinya dalam analisa perhitungan VaR. Seperti yang terlihat pada Tabel 1 dan 2 bahwa dengan menggunakan metode VaR Normal dan Backtesting dapat ditentukan besarnya maksimum potensi kerugian Bank X untuk tiap-tiap eksposure per mata uang per posisi tanggal 31 Desember tahun 2002 dalam waktu 1 hari, 5 hari dan I 0 hari mendatang dengan tingkat keyakinan sebesar 95% dan 99%.Untuk mengetahui tingkat akurasi dari perhitungan VaR Nom1al dan VaR Backtesting, maka penulis membandingkannya dengan basil perhitungan Realisasi Kerugian. Seperti yang terlihat pada Tabel 3, basil perbandingan tersebut memperlihatkan bahwa metode VaR Backtesting mempunyai nilai akurasi yang lebih tinggi yaitu 4,92% jika dibandingkan dengan metode VaR Normal yang hanya 3,26%.Dengan basil perhitungan ini, maka penulis berpendapat bahwa Bank X dapat mengimplementasikan penggunaan medel Backtesting dalam menghitung maksimum potensi kerugian yang timbul di masa mendatang."

"ABSTRAKTujuan karya akhir ini adalah menghitung value at risk (VaR) obligasi rupiah berkupon tetap. Obligasi yang dipilih sebanyak 7 obligasi pemerintah rckapitalisasi dan 3 obligasi korporasi yang memiliki tenor di bawah 3 tahun, sesuai dengan data yield curve yang tersedia.Perhitungan VaR diawali dengan valuasi obligasi untuk mengetahui besar eksposur obligasi tersebut terhadap faktor risiko pasar, dalam hal ini risiko suku bunga. Return dari investasi pada obligasi sangat dipengaruhi oleh tingkat suku bunga pasar. Jika suku bunga pasar turun maka akan diperoleh capital gain dari kenaikan nilai par tetapi return yang diperoleh dari hasil reinvestasi kupon akan menurun. Sebaliknya jika suku bunga pasar naik, maka nilai par akan turun tetapi hasil reinvestasi kupon akan meningkat. Suku bunga pasar yang diambil adalah JIBOR overnight, jangka waktu 1, 3, 6, 12 bulan serta yield obligasi pemerintah jangka waktu 2 dan 3 tahun. Risiko suku bunga pasar diukur dari volatilitas pergerakan suku bunga pasar sepanjang periode 1 .Tanuari hingga 27 Juni 2003, dan dicari model volatilitas-nya atau model conditional variance-nya berdasarkan metode ARCH/ GARCH. Dengan model tersebut maka dapat diprediksi (forecast) besarnya standar deviasi dari return suku bunga pasar pada tanggal tertentu sehingga dapat dihitung VaR obligasi. Dalam penelitian ini VaR dihitung untuk horison waktu 1 hari ke depan dan pada tingkat, kepercayaan 95%.Hasil perhitungan VaK dibandingkan dengan perhitungan duration dan convexity obligasi-obligasi tersebut dan temyata menunjukkan hasil yang konsisten. Obligasi rekapitalisasi FR04 dan Obligasi Indosat I tahun 2001 seri A memiliki tingkat sensitivitas dan VaR tertinggi di antara kesepuluh obligasi yang dipilih.Tren penurunan suku bunga pasar yang terjadi dalam beberapa bulan terakhir membuat investor banyak beralih ke obligasi berkupon tetap. Hasil perhitungan duration dan convexity obligasi dikombinasikan dengan hasil perhitungan VaR dapat dijadikan dasar bagi investor yang ingin berinvestasi pada obligasi."

"ABSTRAKSkripsi ini membahas mengenai uji kausalitas VAR Toda-Yamamoto antaravariabel makro ekonomi dengan pasar keuangan Islam, yang bertujuan untukmengetahui konten informasi terkait variabel makro ekonomi yang terdapat dalampasar modah syariah (JII) dan pasar uang syariah (SBIS) untuk kemudian variabelkeuangan Islam yang memiliki konten informasi yang lebih banyak dapatdijadikan sebagai kandidat indikator kebijakan. Kesimpulan dalam penelitian iniadalah dengan tingkat signifikansi 5% melalui uji Bi-Variate dua arah, pasarmodal syariah (JII) memiliki dua konten informasi terkait makro ekonomi yaituLnER dan rSBI, sedangkan SBIS tidak sama sekali. Dengan tingkat signifikansiyang sama melalui uji Multi-Variate dua arah, pasar uang syariah (SBIS) memilikitiga konten informasi terkait makro ekonomi yaitu rSBI, IPI, dan Inflasi,sedangkan JII hanya memiliki satu konten informasi yaitu LnER. Dengandemikian, pasar uang syariah (SBIS) lebih dapat menggambarkan pergerakanmakro ekonomi dan dapat dijadikan indikator kebijakan.

---

AbstractThis study investigate VAR Toda-Yamamoto causality test between macroeconomic variabel and Islamic financial market. The purpose of this study is toanalyze the information content of Islamic capital market (JII) and Islamic moneymarket (SBIS) return with respect to several macro economic indicators. Theempirical findings based on Bi-Varite method with level of significant 5%,Islamic capital market (JII) has high content information of macro economicvariabel (LnER and rSBI). Contrarily, based on Multi-Variate method with samelevel of significant, Islamic money market (SBIS) has high content information ofmacro economic variabel (rSBI, IPI, and Inflation). This implies that Islamicmoney market (SBIS) can be a reliable variable for monetary policyimplementation in the Indonesia case."

"ABSTRAKEfek globalisasi telah mengakibatkan perkembangan industri jasa keuangan menjadi semakin kompleks.. Hal terse but diperburuk dengan efek psikologis pasca krisis keuangan tahun 1997 lalu yang berakibat pada volatilitas pasar yang cenderung tidak stabil. Untuk kondisi di Indonesia, salah satu eksposur risiko terpenting yang dihadapi oleh suatu Bank adalah eksposur terhadap rh:iko nilai tukar . Eksposur inilah yang menyebabkan terjadinya krisis ekonomi pada tahun 1997 di Indonesia. Eksposur terhadap nilai tukar merupakan salah satu jenis risiko pasar yang dihadapi oleh Bank.Dalam implementasinya di perbankan Indonesia, konsep perhitungan modal untuk risiko pasar. ini akan mulai diterapkan pada tahun 2004 ol.eh Bank Indonesia. Hal yang menarik berkaitan dengan implementasi pengenaan modal untuk risiko pasar ini adalah bagaimana Bank melakukan manajemen portfolio eksposur yang terkait dengan risiko pasar sehingga modal yang digunakan untuk mengcovernya bisa seefisien mungkin. Dalam thesis ini akan diperbandingkan dua metode perhitungan risiko pasar yaitu : Standardised dan Internal Model approach untuk melihat sampai seberapa efektif pengenaan kedua model tersebut untuk menghitung capital charge yang terkait dengan risiko pasar yaitu foreign exchange portfolio dari suatu bank.Hasil pengujian dengan kedua metode tersebut memberikan beberapa kesimpulan sebagai berikut:1. Pengujian dengan menggunakan standardized approach memberikan capital charges yang paling besar dibandingkan dengan pengujian dengan menggunakan metode internal yaitu Variance Covariance dan Historical Simulation2. Pengujian dengan menggunakan Internal j\tfodel memberikan hasil yang berbeda untuk koridisi Confidence level yang berbeda. Untuk kondisi 99% Cofidence level, pengujian dengan menggunakan Historical Simulation memberikan nilai VaR yang lebih besar dibandingkan pengujian dengan menggunakan Variance Covariance. Sedangkan pada kondisi 95% Confidence level pengujian dengan menggunakan Variance Covariance memberikan nilai VaR yang lebih bcsar dibandingkan pengujian dengan menggunakan Historical Simulation. Hal :i.ni disebabkan adanya pengaruh negative skewness dan leptokurtic pada distribusi aktual yang merupakan dasar perhitungan dari metode Historical Simulation. Berdasarkan hasil pengujian tersebut dapat disimpulkan bahwa suatu metode tidak bisa selalu menghasilkan nilai VaR yang lebih besar dibandingkan met ode yang lain. Nilai V aR dipengaruhi oleh distribusi return aktual dan confidence level3. Dalam pengujian dengan menggunakan Variance Covariance, jumlah data historis yang berbeda akan diperoleh Decay Factor optimal yang berbeda pula. Dalam pengujian ini, data historis 500 titik data mendapatkan Decay Factor optimal sebesar 0.97. Sedangkan untuk 250 titik data didapatkan Decay Factor optimal sebesar 0.964. Pengujian Back Testing dengan menggunakan Variance Covariance diperoleh hasil bahwa untuk confidence level 99%, jumlah kcgagalan yang terjadi melebihi batas non rejection region dari Kupiec. Sedangkan untuk confidence level 95% , jumlah kegagalan yang terjadi belum melewati batas non rejection region dari Kupiec. Pengujian Back Testing dengan menggunakan metode Basel untuk kondisi 250 titik data dan 99% Confidence level diperoleh hasil bahwa jumlah kegagalan yang terjadi dapat dikategorikan pada daerah yellow sehingga capital charges yang terjadi harus dikalikan dengan 3.65. Hasil ini memberikan kesimpulan bahwa untuk pengujian dengan metode Variance Covariance dari JP Morgan , Confidence level 95% memberikan model data yang lebih valid dibandingkan model pengujian dengan menggunakan 99% Confidence level.5. Pengujian terhadap Expected Tail Losses memberikan hasil nilai kerugian yang lebih besar dari nilai VaR. Oleh karena itu, pengujian dengan ETL dapat. Digunakan untuk mengatasi kelemahan dari V aR yaitu tidak diketahuinya nilai kerugian apabila terjadi suatu kejadian yang melebihi confidence level yang ditetapkan.6. Pengujian dengan menggunakan stress testing memberikan hasil capital charges yang dibebankan lebih besar dibandingkan perhitungan VaR dengan menggunakan Historical Simulation dan Variance Covariance. Hal ini membuktikan kelemahan VAR yang tidak bisa menangkap suatu kondis1 stress yang terjadi.7. Kecilnya capital charges untuk risiko pasar dalam karya akhir ini tidak berarti bahwa risiko pasar tidak diperlukan dalam perhitungan rasio modal. Hal ini disebabkan karena :.. Jumlah Portfolio yang ada tidak mence1minkan portfolio yang sebenarnya dibandingkan saat sebelum krisis. Bank cenderung konservatif dalam eksposur valas yang ditunjukkan dengan kecilnya Posisi Devisa Neto Bank. Padahal untuk mengantisipasi penerapan risiko pasar dan kesiapan modal Bank, Bank Indonesia telah menaikkan posisi rasio PDN dari 20% menjadi 30%...Apabila kondisi pasar dan portfolio Bank telah kembali pada posisi sebelum krisis, maka informasi risiko pasar menjadi sangat krusial dan berdampak material pada tambahan modal...Komponen yang dihitung dalam karya akhir ini yaitu PDN hanya merupakan salah satu komponen risiko pasar. Belum dilakukan perhilungan secara menyeluruh mengenai eksposur risiko pasar Bank. Misa1nya, eksposur yang terkait dengan perubahan suku bunga pasar dan transaksi-transaksi derivatif"

"ABSTRAKSeiring dengan semakin terintegrasinya pasar keuangan domestik dengan keuangan global dan semakin kompleksnya jenis aktivitas serta transaksi keuangan yang dilakukan perbankan, pengaturan mengenai risiko pasar (market risk) dalam pemodalan bank sudah saatnya untuk diimplementasikan. Dalam kaitannya dengan hal tersebut, Basel Committee on Banking Supervision mengeluarkan ketentuan yang memasukkan unsur market risk dalam penghitungan capital adequacy ratio (CAR).Market risk merupakan risiko kerugian bank akibat perubahan faktor-faktor pasar, yang dibagi ke dalam risiko suku bunga, risiko nilai tukar, dan risiko perubahan harga. Dalam melakukan penghitungan market risk ini, ada dua pendekatan yang ditetapkan oleh Basel Committee dalam dokumen Basel Capital Accord (BCA) 1996 yaitu dengan standardized model dan internal model.Pendekatan standardized model menggunakan satu model yang telah dirancang oleh Basel Committee untuk memberikan acuan bagi bank dalam mengukur risiko pasar. Di Indonesia, pendekatan standardized model ini merupakan pendekatan dengan bekal template yang semua aspek regulasi dan besaran kuantitatifnya telah ditentukan oleh Bank Indonesia (BI) dan bank hanya melaksanakan ketentuan yang digariskan, sedangkan pada pendekatan internal model bank diberikan keleluasaan untuk mengembangkan model sesuai ketentuan Bl.Penelitian ini akan memaparkan penghitungan risiko nilai tukar pendekatan internal model dengan metode value at risk (V aR) pada PT Bank X, untuk mengetahui kerugian maksimum yang mungkin terjadi pada bank jika memegang suatu portofolio pada holding periods dan confidence level tertentu dengan berdasarkan pada kondisi market yang normal.Metode VaR yang dipaparkan dalam karya akhir ini adalah metode varian kovarian yang menggunakan dua estimator volatilitas yaitu model exponentially weighted moving average (EWMA) dan model generalized autoregressive conditional Heteroscedasticity (GARCH). Dari kedua model estimator volatilitas tersebut dapat dibuat berbagai macam model dengan menggunakan jumlah data historis 301 hari dengan level of confidence yang dipilih adalah 95%.Dari beberapa model yang disimulasikan, model GARCH (1,1) adalah model yang paling baik, karena model yang dihasilkan oleh estimator volatilitas model GARCH (1, 1) temyata menghasilkan tingkat error yang rendah serta forecast yang dihasilkannya pun mampu menangkap pergerakan volatilitas actual-nya.Berdasarkan basil penelitian ini, disarankan bagi PT Bank X untuk menggunakan estimator volatilitas model GARCH (1,1) agar optimal dalam menghitung risiko nilai tukar karena model GARCH (1,1) ini menghasilkan prediksi nilai VaR yang lebih kecil dibandingkan dengan model EWMA."

"ABSTRAKSebagian besar tugas-tugas penyehatan perbankan nasional telah selesai dilakukan oleh Pemerintah melalui Badan Penyehatan Perbankan Nasional (BPPN) dan sehubungan dengan hal tersebut Pemerintah telah menetapkan pengakhiran tugas dan pembubaran Badan Penyehatan Perbankan Nasional (BPPN) serta segala kekayaan BPPN menjadi kekayaan Negara yang dikelola oleh Menteri Keuangan. Dalam pelaksanaan pengelolaannya, Menteri Keuangan menyerahkelolakan aset-aset dimaksud kepada Perusahaan Perseroan (Persero) di bidang pengelolaan aset yang selanjutnya disebut PT XYZ dan salah satu kegiatan yang dilaksanakan oleh PT XYZ adalah melakukan penjualan aset saham bank. Portofolio Investasi PT XYZ yang dibahas dalam karya akhir ini adalah investasi pada 3 (tiga) saham bank, yaitu Bank Danamon, Bank Lippo dan Bank Niaga.Permasalahan yang dikaji dalam karya akhir ini adalah berapa besar risiko pergerakan harga pasar saham-saham yang diserahkelolakan tersebut melalui penghitungan VaR 1 hari untuk masing-masing saham dan penghitungan undifersified VaR dan diversified YaR 1 hari untuk portofolio investasi PT XYZ serta validasi model untuk masing-masing saham tersebut.Tujuan dari penulisan karya akhir ini adalah menghitung besarnya potensi kerugian maksimum atas risiko perubahan harga masing-masing saham dan atas risiko perubahan harga portofolio investasi PT XYZ serta memberikan masukan kepada Manajemen PT XYZ dalam menentukan prioritas pengelolaan risiko atas masing-masing investasi dalam bentuk saham dimaksud.Dalam melakukan pengukuran risiko pergerakan harga saham dimaksud, digunakan metode Value at Risk (VaR). Perhitungan VaR dilakukan melalui pendekatan variance-covariance dengan confidence level 95% dan holding period 1 hari. Sedangkan metode yang dipakai untuk menghitung volatilitas return ketiga saham tersebut adalah Generalized Au.toregressive Conditional Heteroscedasticity (GARCH). Data yang dipergunakan dalam pengukuran risiko dimaksud adalah data historis pergerakan harga penutupan harian untuk periode 2 Januari 2004 sampai dengan 1 Pebruari 2005 sebanyak 266 hari yang diperoleh dari data internal PT XYZ yang bersumber dari data penutupan harian saham-saham dimaksud. Berdasarkan hasil pengujian data return ketiga saham bank tersebut menunjukkan bahwa:1) Data return saham ketiga bank dimaksud menunjukkan stasioner karena nilai ADF test statistic yang Iebih kecil dari nilai critical value pada level 5% untuk masingmasing data return saham ketiga bank tersebut.2) Data return untuk ketiga saham dimaksud terdistribusi secara tidak normal karena nilai probability data return-nya sama denganlmendekati nol dan nilainya dibawah 5%.3) Volatilitas data return saham Bank Danamon, Bank Lippo dan Bank Niaga memperlihatkan nilai probability di bawah nilai a sehingga memiliki volatilitas heteroscedastic.Berdasarkan perhitungan VaR masing-masing saham maupun VaR portofolio investasi memperlihatkan bahwa:1) Deviasi standar untuk ketiga bank dimaksud yang dihitung dengan metode GARCH memperlihatkan hasil bahwa deviasi standar untuk saham Bank Danamon adalah yang terbesar, yaitu sebesar 0,0212 sedangkan Bank Lippo sebesar 0,0304 dan Bank Niaga sebesar 0,0219.2) Potensi kerugian maksimum yang dihadapi PT XYZ pada tanggal 1 Februari 2005 sehubungan investasi yang dilakukan pada saham Bank Lippo adalah yang terbesar yaitu senilai Rp735.867.648.613. Sedangkan potensi kerugian maksimum sehubungan investasi pada Bank Danamon adalah sebesar Rp139.611.937.524 dan potensi kerugian maksimum sehubungan investasi pada Bank Niaga adalah sebesar Rp 1.888.016.5613) Potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 1 Februari 2005 pada portofolio investasi dalam bentuk saham pada ketiga bank tersebut dengan menggunakan metode Undiversified VaR adalah sebesar Rp877.367.516.037. Sedangkan potensi kerugian maksimum pada portofolio investasi dimaksud dengan menggunakan metode diversified VaR adalah sebesar Rp774.125.629.889.Berdasarkan uji validasi yang dilakukan dengan Kupiec Test baik dengan Total Number of Failures (TNoF) maupun Time Until First Failures (TUFF) diketahui bahwa model volatilitas untuk ketiga bank dimaksud adalah valid. Hal ini dapat dilihat dari nilai likelihood ratio (LR) yang lebih kecil dari 3.841. Sehingga, nilai VaR yang dihasilkan dapat menangkap pergerakan actual Zoos yang ada dan nilai akumulasi penyimpangan (overshooting) yang terjadi masih berada didalam batas toleransi schingga dapatmemberikan basil yang cukup akurat."

"ABSTRAKRisiko kegiatan usaha perbankan semakin kompleks sejalan dengan pesatnya perkembangan lingkungan eksternal dan internal didalam dunia perbankan. Untuk itu agar mampu beradaptasi dalam lingkungan bisnis perbankan, bank dituntut untuk menerapkan manajemen risiko. Sesuai dengan Amendment terhadap Base Capital Accord (BCA) 1988 yang dikeluarkan oleh Base Committee on Banking Supervision pada bulan Januari 1996, perbankan diharapkan untuk memasukkan unsur risiko pasar dalam perhitungan Capital Adequacy Ratio (CAR).Risiko pasar didefinisikan sebagai risiko yang timbul karena adanya pergerakan variabel pasar (adverse movement) dari portofolio yang dimiliki oleh bank, yang dapat merugikan bank. Dalam penelitian ini komponen risiko pasar yang dijadikan objek penelitian adalah risiko nilai tukar.Sesuai dengan BCA tahun 1996, pengukuran risiko yang dihadapi bank dapat dilakukan dengan standardized approach ataupun menggunakan internal model. Untuk internal model Basle Accord mensyaratkan penggunaan Value at Risk (VaR) dalam penerapannya. VaR mengukur maksimum potensi kerugian yang diyakini akan terjadi pada kurun waktu tertentu, dengan tingkat keyakinan tertentu dan pada kondisi pasar yang normal.Dalam penelitian ini digunakan pendekatan Risk Metrics dalam mengukur risiko nilai tukar yaitu dengan menggunakan metode: deviasi standar normal, Exponentially Weighted Moving Average (EWMA) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH) sesuai dengan hasil pengujian data.Faktor risiko (risk factors) yang ditetapkan yaitu nilai tukar Rupiah terhadap Euro (EUR), Dollar Singapura (SGD) dan Dollar Amerika Serikat (USD) yang ada dalam portofolio forex Bank ABC, dengan periode penelitian mulai dari tanggal 2 Januari 2003 sampai dengan 2 April 2004.Untuk mengetahui karakteristik data return maka dilakukan pengujian data yaitu: uji stationary dengan ADF Test, uji normalitas data dengan Jmque Bera dan white heteroscedastic test. Berdasarkan basil uji data diperoleh bahwa metode yang sesuai untuk melakukan forecasting volatilitas return nilai tukar tersebut adalah EWMA dan GARCH. Berdasarkan hasil perbitungan volatilitas tersebut dihitung VaR harian dengan 95% confidence level dan holding period 1 hari.Selanjutnya dilakukan uji validasi model berdasarkan Kupiec test berdasarkan Total Number of Failure (TNoF). Dari hasil uji validasi yang dilakukan terhadap pendekatan EWMA (dengan decay factor 0,94 dan recursive) dan GARCH dapat disimpulkan bahwa pendekatan EWMA Recursive dan GARCH valid untuk ketiga return nilai tukar, sedangkan pendekatan EWMA dengan decay factor 0,94 tidak valid. Apabila basil uji validasi valid berarti nilai VaR yang dihasilkan dari model tersebut dapat menangkap semua pergerakan actual loss yang terjadi pada periode observasi dan demikian juga sebaliknya.Dengan mempertimbangkan basil validasi model dan besarnya capital charge dalam kaitannya dengan optimalisasi permodalan, maka model yang dipilib dalam mengbitung risiko nilai tukar adalah model dengan pendekatan EWMA Recursive karena jumlab overshooting yang terjadi lebib kecil serta nilai VaR Portofolio harian yang dibasilkan lebib kecil dibandingkan dengan pendekatan GARCH.Untuk melengkapi metode VaR, maka diperlukan stress testing untuk mengukur kerugian ekstrim yang mungkin terjadi yang tidak dicover dalam metode VaR. Pendekatan yang dipakai adalah historical scenario, yaitu mengidentifikasi 1 (satu) hari dalam periode observasi dimana kerugian besar terjadi. Dari basil pengamatan selama periode obsevasi diketabui bahwa kerugian terbesar (actual loss) terjadi pada tanggal 23 Mei 2003, yaitu sebesar Rp.6.715,23 juta. Hal ini harus ini menjadi perhatian manajemen Bank ABC karena berpotensi untuk terjadi di masa depan dan harus diambil langkah-langkah untuk mengatasinya."

"Fluktuasi harga Nilai Aset Bersih (NAB) reksadana adalah masalah yang utama yang dihadapai oleh investor reksadana. Masalah ini terkait dengan pencapaian target return dalam portofolio reksadana yang disusun oleh investor reksadana. Oleh karena itu dibutuhkan manajemen risiko portofolio reksadana baik untuk mencapai terget return yang tinggi. Manajemen risiko portofolio reksadana ini tentunya berhubungan erat dengan pengambilan keputusan oleh investor terutama pada alokasi pembobotan aset dalam portofolionya.Penelitian ini akan menjelaskan detail pembuatan model simulasi investasi portofolio reksadana dengan menggunakan konsep Value at Risk (VaR) metode variance covariance sebagai alat pengambilan keputusan. Model ini dibuat dengan 12 variasi pendekatan metode perhitungan untuk disimpulkan pendekatan metode mana yang menghasilkan return tertinggi. Penelitian ini menghasilkan suatu model simulasi VaR portofolio reksadana yang dapat digunakan sebagai alat pengambilan keputusan pembobotan alokasi aset dalam portofolio reksadana.Hasil utama penelitian ini adalah model VaR portofolio reksadana menghasilkan return tertinggi dengan menggunakan kombinasi pendekatan metode optimasi maksimum VaR, pembobotan bebas, dan perhitungan volatilitas dengan menggunakan standar deviasi pendekatan chaos theory.

---

The fluctuation of mutual fund Net Asset Value (NAV) is the main problem which deal by mutual fund investor. This problem are related with attainment of goals return in mutual fund portfolio compiled by mutual fund investor. Therefore, a good portfolio risk management is required to reach a high return. This portfolio risk management is closely related with the decision making by investor especially at allocation of asset weight in the portfolio.This research describes the detail construction of mutual fund investment simulation model using the ideas of Value at Risk (VaR) variance covariance method as decision making tool. The model are developed with twelve calculation method approach to conclude which method approach yielding the highest return. This research yield a VaR simulation model of mutual fund investment which can be use as decision making tool of asset weight in the mutual fund portfolio.The main result of this research is the model yield its highest return by using method approach combination of maximum VaR optimization, free weight asset allocation, and volatility calculation using standard deviation with chaos theory approach."

"Tujuan dari penelitian ini adalah menganalisis kemungkinan terjadinya contagion risk dalam sektor perbankan Indonesia pada periode sebelum, selama, dan sesudah krisis keuangan global tahun 2007-2009, menggunakan metode Value-at-Risk dan conditional Value-at-Risk. Hasil estimasi dari penelitian ini mendukung adanya contagion risk pada sektor perbankan Indonesia, di mana risiko-risiko individual setiap bank dalam sampel menunjukkan kemungkinan menyebar ke sektor perbankan secara keseluruhan. Sehubungan dengan adanya kemungkinan contagion risk pada sektor perbankan Indonesia, ditemukan bahwa risiko terbesar dimiliki oleh bank-bank yang memiliki ukuran besar.

---

This study aims to analyse the possibility of contagion risk in Indonesian banking sectore before, during, and after the Global Financial Crisis of 2007-2009, using the Value-at-Risk and conditional Value-at-Risk methods. The estimated result from this study supports the existence of contagion risk in Indonesian banking sector, where the individual risks of each bank in the sample show a symptom of contagion after being assessed with the market value of the whole financial sector. With respect to the possibility of contagion risk in Indonesian banking sector, banks with biggest capital size appear to posses the biggest risks, as they contribute the most to the total assets of Indonesian banking sector."

"Perbankan Indonesia terus mengalami perubahan bentuk dan karakter secara signifikan pada beberapa dekade terakhir. Perubahan kebijakan-kebijakan dan regulasi perbankan, tekanan kompetisi dalam pasar perbankan dan keuangan, serta tuntutan kinerja menyebabkan bank harus dikelola secara lebih proaktif terhadap kondisi dan potensi bisnis.Perbankan sebagai lembaga perantara keuangan saat ini semakin dilihat sebagai salah satu media translasi dan transformasi risiko dari pemilik dana yang pada umumnya bersifat risk averse. Kemampuan perbankan dalam mengelola risiko semakin menjadi perhatian sejalan dengan peningkatan volume dan kompleksitas operasional bisnis, peningkatan frekuensi dan jumlah kerugian perbankan akibat tindakan kriminal yang melibatkan pihak internal (pekerja bank) dan eksternal (nasabah) serta beberapa kejadian seperti bencana alam, kebakaran, dan serangan terorisme telah mengakibatkan kerugian yang sangat signifikan pada suatu sistem perbankan yang dapat mengakibatkan collapsenya suatu bank.Berdasarkan ketentuan Basel II,maka bank berupaya untuk menerapkan internal model dalam perhitungan rasio modalnya terutama untuk mengetahui seberapa besar potensi kerugian yang akan dilanggung oleh bank di masa yang akan datang. Dengan diterapkannya internal model, otomatis akan berpengaruh terhadap komposisi Modal bank dan kemampuan ekspansinya. Untuk itu diperlukannya suatu data base yang mencatat kejadian yang menimbulkan kcrugian pada bank.Sesuai hasil pengamatan terhadap manajemen risiko operasional Bank DEF ditemukan bahwa bank tersebut menghadapi risiko operasional namun tidak memiliki metode pengukuran risiko yang akurat sehingga memerlukan adanya pendekatan alternatif yang lebih baik dalam mengukur risiko tersebut. Berdasarkan kondisi tersebut maka dalam rangka memberikan salah satu solusi dalam penghitungan risiko operasional, dilakukan penelitian untuk menentukan model estimasi probabilitas frekuensi dan severity of loss yang tepat dengan metode Aggregating Value at Risk (VaR) dalam manajemen risiko operasional Bank DEF.Data historis risiko operasional yang digunakan (Loss Event Data Base/LEDB) bersumber dari hasil audit internal. Selanjutnya dengan metode Aggregating VaR akan dibentuk Aggregated Loss Distribution dengan mengaggregasi dua distribusi yaitu fitted frequency dan fitted severity distribusi, kemudian dilakukan perhitungan potensi kerugian maksimal operasional dengan pendekatan Value at Risk (OpVaR) berdasarkan metode quantile dengan tingkat keyakinan 95%.Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Penelitian ini memberikan kesimpulan bahwa total nilai Operational Value at Risk (OpVaR) Bank DEF sebesar Rp25.942.954.779.Berdasarkan uji back testing yang telah dilakukan maka atas hasil estimasi VaR dapat diterima. Hal ini menunjukkan bahwa metode Aggregating VaR dapat diimplementasikan sebagai alai ukur besarnya risiko operasional. Mengingat sedang dikembangkannya internal model dalam penghitungan risiko operasional maka di masa mendatang Bank DEF dapat menggunakan Metode Aggregating VaR dalam perhitungan risiko operasional untuk basil yang lebih baik dan akurat.

---

In the last decade, Indonesian banking constantly develops and changes in size and characters. Many factors have caused banks to manage proactively focusing in business condition and potential, such as new regulation and policies in banking, the nature of bank and Financial Institution competitiveness, and business efficiency target.

Many risk adverse investors use banks role as one of intermediate financial institutions to deal with their money. Consequently, the need of risk management in banking is required since volume and business operational activities rise in bank. Financial impact in Illegal business activity between internal parts (bank staff) and external parts (customer) and several events such as natural disaster, fire, and terrorist attack have caused significant loses in banking system that could led to bank collapses.

Banking industry regulation-under Basel II Accord requires banks to implement internal model in measuring their capital ratio in sequence to predict how large their potential losses in the future in a certain time horizon and certain level degree of freedom. The result automatically will influence bank capital and expansion target. Further, data base to record all operational losses is needed.

The research found that Bank DEE; was faced potential operational losses when managing its operational risk. Nevertheless, Bank DEF did not have appropriate and accurate method in measuring operational losses, so that it should need an alternative approach. Concerning this situation, this research proposes a solution in measuring operational risk at Bank DEF.

Operational risk historical data (Loss Event Data Base (LEDB) were provided by DEF Bank Internal Audit Division. The aggregated loss distribution is resulted from two distributions (fitted frequency and severity) by applying aggregating VaR method with a confidence level 95%.

Operational Value at Risk (OpVaR) total is the total maximum potential losses estimation over a certain time horizon and with a certain degree of confidence level, based on historical data. The research concludes that the total Operational Value at Risk amount is Rp.25.942.954.779 with 95% degree of confidence.

Based on the back testing Value at Risk estimation was not rejected. The result showed that banks could implement aggregating VaR method to measure its operational risk, and as such Bank DEF is suggested to implement the method for its risk management system."