Image of Desain matriks dan prosedur pengolahan data kerugian operasional untuk perhitungan capital charge serta causal modeling dengan menggunakan simulasi (Bagi industri Perbankan di Indonesia)

Text

Desain matriks dan prosedur pengolahan data kerugian operasional untuk perhitungan capital charge serta causal modeling dengan menggunakan simulasi (Bagi industri Perbankan di Indonesia)

The New Basel Accord II sebagai peraturan internasional untuk industri perbankan akan segera diberlakukan pada akhir tahun 2006 oleh Basel Committee on Banking Supervision. The New Basel akan mengatur capital charge untuk beberapa risiko yang cukup signifikan, antara lain risiko kredit, risiko likuiditas, dan risiko yang baru diperkenalkan, risiko operasional. Risiko operasional didefinisikan sebagai risiko kerugian yang dihasilkan karena kegagalan dan ketidakoptimalan proses internal, pegawainya, sistem teknologi yang dipakai, dan juga dari kejadian eksternal termasuk risiko hukum tapi tidak termasuk risiko reputasi dan strategi.Karena industri perbankan di Indonesia belum mengenal risiko operasional maka penulis mencoba mendesain matriks kerugian operasional dan prosedur pengolahan data untuk perhitungan capital charge dan pemodelan faktor-faktor penyebab kerugian operasional.Matriks didesain secara berurutan mulai dari data per jam sam pai data bulanan menurut unit bisnis dan jenis kerugian yang didefinisikan oleh Basel Accord II. Untuk mengatasi minimnya data, penulis menggunakan metode bootstrap. Pemodelan risko operasional yang dipilih adalah Bottom-Up Approach. Pendekatan ini menggunakan Peaks Over Threshold-Generalized Pareto Distribution (POT-GPD) dan Peaks Over Threshold-Point Process (POT-PP) dari Extreme Value Theory untuk menghitung capital charge serta menggunakan regresi linier untuk Causal Modeling.Penulis tidak punya data, sehingga menggunakan simulasi dari empat macam distribusi (Normal, Eksponensial, Gamma, and Weibull) yang memiliki mean  500 dengan sampel berukuran 12, 24, 36, and 48 untuk menghitung capital charge dan data dari buku untuk membuat causal modeling. Penulis menemukan bahwa semakin besar ukuran sampel maka semakin sulit distribusi atau data ini untuk cocok dengan Generalized Pareto Distribution pada suatu ambang batas tertentu, terutama yang mendekati 50 bisa diasumsikan berdistribusi Normal sehingga dapat menggunakan Value at Risk, meskipun penulis telah mencoba menggeser percentile-nya. Jadi disarankan untuk selalu menguji kecocokan Generalized Pareto Distribution dengan uji Kolmogrov-Smirnov.Namun pada kenyataannya akan sulit untuk memperoleh data kerugian operasional sebanyak 50 buah. Itulah sebabnya data kerugian operasional cenderung tidak berdistribusi Normal. Makanya dengan mengatur nilai ambang batas, Generalized Pareto Distribution cukup laik untuk digunakan.Regresi linier adalah metode yang cukup baik untuk melihat pengaruh jumlah pegawai, kualitas data, total transaksi, dan kerusakan sistem terhadap kerugian operasional. Regresi linier berganda tidak dapat dipergunakan karena masalah multikolinieritas, ternyata untuk data dari buku regresi linier sederhana justru lebih cocok untuk pemodelan.

Ketersediaan

Call NumberLocationAvailable
MA 0357PSB lt.dasar - Pascasarjana1
Penerbit .,
Edisi -
Subjek -
ISBN/ISSN -
Klasifikasi -
Deskripsi Fisik -
Info Detail Spesifik -
Other Version/Related Tidak tersedia versi lain
Lampiran Berkas Tidak Ada Data