Analisis penggunaan kernel density estimation pada metode loss distribution approach untuk risiko operasional = Analysis the use of kernel density estimation on the loss distribution approach method for operational risk / Erwan Setiawan
| Main Author: | Erwan Setiawan, author |
|---|---|
| Format: | Masters Doctoral |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://lib.ui.ac.id/file?file=digital/2015-11/20388621-T-Erwan Setiawan.pdf |
| ctrlnum |
20388621 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title>Analisis penggunaan kernel density estimation pada metode loss distribution approach untuk risiko operasional = Analysis the use of kernel density estimation on the loss distribution approach method for operational risk / Erwan Setiawan</title><creator>Erwan Setiawan, author</creator><type>Thesis:Masters</type><place/><publisher/><date>2014</date><description><b>ABSTRAK</b><br>
Risiko operasional merupakan salah satu jenis risiko pada perbankan yang wajib
dikelola dengan baik karena sifatnya yang melekat pada setiap aktifitas fungsional
bank. Dalam pengelolaan risiko operasional, bank dipersyaratkan untuk
memperhitungkan kerugian yang diperkirakan dan kerugian yang tidak
diperkirakan dalam kebutuhan modal bagi risiko operasional. Kebutuhan modal
bagi risiko operasional ini dikenal sebagai Economic Capital (EC). Komite Basel
dalam aturan Basel II, memberikan tiga pendekatan dalam perhitungan EC salah
satunya pendekatan Advanced Measurement Approach (AMA). Metode AMA
yang banyak digunakan adalah metode Loss Distribution Approach (LDA).
Dalam metode LDA, bank harus mengestimasi loss severity distribution
(distribusi severitas) dan loss frequency distribution (distribusi frekuensi)
kemudian membentuk aggregate loss distribution dari gabungan kedua distribusi
tersebut. Nilai EC dengan metode LDA didapat dari Value at Risk (VaR) pada
aggregate loss distribution dengan tingkat kepercayaan 99,9%. Permasalahan dari
metode LDA saat ini adalah dalam mengestimasi distribusi severitas masih
berbasis pada suatu model distribusi tertentu, padahal banyak kasus dimana data
tidak dapat digambarkan dengan baik oleh suatu model distribusi yang sudah ada.
Oleh karena itu, dalam tulisan ini akan dijelaskan solusi dari permasalahan
tersebut, yaitu dengan mengestimasi distribusi severitas berbasis pada data.
Metode yang digunakan adalah Kernel Density Estimation (KDE). KDE
merupakan suatu pendekatan statistika non-parametrik untuk mengestimasi fungsi
distribusi probabilitas dari suatu variabel acak jika diasumsikan bentuk atau model
distribusi dari variabel acak tersebut tidak diketahui. Hasil dari penelitian adalah
estimasi distribusi severitas oleh KDE lebih baik dalam menggambarkan data
dibandingkan dengan menggunakan model distribusi tertentu. Nilai EC yang
dihasilkan oleh metode LDA yang menggunakan KDE lebih kecil 1,6 – 3,2%
dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan
model distribusi tertentu
<hr>
<b>ABSTRACT</b><br>
Operational risk is one kind of risk on banking which must be managed well
because of its character is inherent in every fungtional activity in Bank. In the
management of operasional risk, Bank must be able to calculate a predictable loss
and an unpredictable loss in capital requisite for operasional risk. The capital
requisite in operasional risk is known as Economic Capital (EC). In the regulation
of Basel II, Committee Basel gives three approaches of calculation in EC. One of
that is Advanced Measurement Approach (AMA). In AMA method that is the
most used in approach is Loss Distribution Approach (LDA) method. In LDA
method, Bank must be able to estimate loss severity distribution (severity
distribution) and loss frequency distribution (frequency distribution) and
aggregate loss distribution is formed from both of them. Through LDA method,
the value at EC can be gotten from Value at Risk (VaR) in aggregate loss
distribution with the level of confidence reaches 99,9%. The problem from LDA
method recently is in estimation a severity distribution which is still refers to a
model on particular distribution whereas there are many cases which can not
describe a data well through a distribution model that has been there. Therefore, in
this paper, it will be explained how to face or the good solution from that
problem. The good solution to face it is through estimation severity distribution
that is refers to the data with using Kernel Density Estimation (KDE) method.
KDE is a statistic approach non- parametric to estimate the function of
distribution from disordered variabel that has not known. The result on this
research is estimation of severity distribution through KDE is better than another
in describing the data. LDA method using KDE is smaller the value at EC 1,6 % -
3,2 % than the value at EC using another distribution model in LDA method.</description><subject>Estimation theory.</subject><subject>Risk management</subject><identifier>20388621</identifier><source>http://lib.ui.ac.id/file?file=digital/2015-11/20388621-T-Erwan Setiawan.pdf</source><recordID>20388621</recordID></dc>
|
| format |
Thesis:Masters Thesis Thesis:Doctoral |
| author |
Erwan Setiawan, author |
| title |
Analisis penggunaan kernel density estimation pada metode loss distribution approach untuk risiko operasional = Analysis the use of kernel density estimation on the loss distribution approach method for operational risk / Erwan Setiawan |
| publishDate |
2014 |
| topic |
Estimation theory Risk management |
| url |
http://lib.ui.ac.id/file?file=digital/2015-11/20388621-T-Erwan Setiawan.pdf |
| contents |
<b>ABSTRAK</b><br>
Risiko operasional merupakan salah satu jenis risiko pada perbankan yang wajib
dikelola dengan baik karena sifatnya yang melekat pada setiap aktifitas fungsional
bank. Dalam pengelolaan risiko operasional, bank dipersyaratkan untuk
memperhitungkan kerugian yang diperkirakan dan kerugian yang tidak
diperkirakan dalam kebutuhan modal bagi risiko operasional. Kebutuhan modal
bagi risiko operasional ini dikenal sebagai Economic Capital (EC). Komite Basel
dalam aturan Basel II, memberikan tiga pendekatan dalam perhitungan EC salah
satunya pendekatan Advanced Measurement Approach (AMA). Metode AMA
yang banyak digunakan adalah metode Loss Distribution Approach (LDA).
Dalam metode LDA, bank harus mengestimasi loss severity distribution
(distribusi severitas) dan loss frequency distribution (distribusi frekuensi)
kemudian membentuk aggregate loss distribution dari gabungan kedua distribusi
tersebut. Nilai EC dengan metode LDA didapat dari Value at Risk (VaR) pada
aggregate loss distribution dengan tingkat kepercayaan 99,9%. Permasalahan dari
metode LDA saat ini adalah dalam mengestimasi distribusi severitas masih
berbasis pada suatu model distribusi tertentu, padahal banyak kasus dimana data
tidak dapat digambarkan dengan baik oleh suatu model distribusi yang sudah ada.
Oleh karena itu, dalam tulisan ini akan dijelaskan solusi dari permasalahan
tersebut, yaitu dengan mengestimasi distribusi severitas berbasis pada data.
Metode yang digunakan adalah Kernel Density Estimation (KDE). KDE
merupakan suatu pendekatan statistika non-parametrik untuk mengestimasi fungsi
distribusi probabilitas dari suatu variabel acak jika diasumsikan bentuk atau model
distribusi dari variabel acak tersebut tidak diketahui. Hasil dari penelitian adalah
estimasi distribusi severitas oleh KDE lebih baik dalam menggambarkan data
dibandingkan dengan menggunakan model distribusi tertentu. Nilai EC yang
dihasilkan oleh metode LDA yang menggunakan KDE lebih kecil 1,6 – 3,2%
dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan
model distribusi tertentu
<hr>
<b>ABSTRACT</b><br>
Operational risk is one kind of risk on banking which must be managed well
because of its character is inherent in every fungtional activity in Bank. In the
management of operasional risk, Bank must be able to calculate a predictable loss
and an unpredictable loss in capital requisite for operasional risk. The capital
requisite in operasional risk is known as Economic Capital (EC). In the regulation
of Basel II, Committee Basel gives three approaches of calculation in EC. One of
that is Advanced Measurement Approach (AMA). In AMA method that is the
most used in approach is Loss Distribution Approach (LDA) method. In LDA
method, Bank must be able to estimate loss severity distribution (severity
distribution) and loss frequency distribution (frequency distribution) and
aggregate loss distribution is formed from both of them. Through LDA method,
the value at EC can be gotten from Value at Risk (VaR) in aggregate loss
distribution with the level of confidence reaches 99,9%. The problem from LDA
method recently is in estimation a severity distribution which is still refers to a
model on particular distribution whereas there are many cases which can not
describe a data well through a distribution model that has been there. Therefore, in
this paper, it will be explained how to face or the good solution from that
problem. The good solution to face it is through estimation severity distribution
that is refers to the data with using Kernel Density Estimation (KDE) method.
KDE is a statistic approach non- parametric to estimate the function of
distribution from disordered variabel that has not known. The result on this
research is estimation of severity distribution through KDE is better than another
in describing the data. LDA method using KDE is smaller the value at EC 1,6 % -
3,2 % than the value at EC using another distribution model in LDA method. |
| id |
IOS18068.20388621 |
| institution |
Universitas Indonesia |
| institution_id |
51 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Indonesia |
| library_id |
492 |
| collection |
Repository Disertasi (Membership) Universitas Indonesia |
| repository_id |
18068 |
| city |
KOTA DEPOK |
| province |
JAWA BARAT |
| repoId |
IOS18068 |
| first_indexed |
2022-12-14T04:20:47Z |
| last_indexed |
2022-12-14T04:20:47Z |
| recordtype |
dc |
| merged_child_boolean |
1 |
| _version_ |
1752203918417330176 |
| score |
17.538404 |