Bab 1 PENDAHULUAN Latar Belakang

Transkripsi

1 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa yang dtawarkan bank tdak luput dar rsko. Masalahnya adalah apakah lndung nla dan mtgas dapat menjamn keselamatan bank dar rsko yang mungkn terjad. Bank tu sendr memlk pengertan sebaga lembaga yang dberkan zn oleh otortas perbankan untuk menerma smpanan, memberkan kredt dan menerma serta menerbtkan cek (Kasmr,2007). Rsko dalam konteks perbankan merupakan suatu kejadan potensal, bak yang dapat dperkrakan (antcpated) maupun yang tdak dperkrakan (unantcpated) yang berdampak negatf terhadap pendapatan dan permodalan Bank. Salah satu rsko yang wajb dkelola bank adalah rsko operasonal. Rsko Operasonal adalah rsko kerugan yang tmbul karena ketdakcukupan atau kegagalan proses nternal, sumber daya manusa, dan sstem yang gagal atau dar perstwa eksternal. Metode perhtungan nla rsko yang berkembang saat n hanya dapat daplkaskan pada ndustr perbankan, karena menggunakan parameter serta varabel gross ncome yang hanya sesua dengan busness lne perbankan contohnya menggunakan pendekatan-pendekatan sepert Basc Indcator Approach (BIA), Standardzed Approach (SA) yang tdak dapat menggambarkan secara nyata potens kerugan yang dalam suatu ndustr. Untuk tu Bank harus dapat mengembangkan sendr model pengukuran berapa besar perusahaan dapat menyerap kerugan akbat suatu rsko operasonal dengan derajat kepercayaan

2 12 tertentu yang cocok dengan karakterstk usahanya yang dsebut dengan metode Advanced Measurement Approach (AMA). Fungs AMA adalah sebaga terstandardsas dasar yang mengznkan suatu bank untuk menggunakan model nternal yang dmlk. Pendekatan AMA lebh menekankan pada analss kerugan operasonal. Karena tu, bag perusahaan yang ngn menerapkan model AMA dalam pengukuran rsko operasonal harus mempunya database kerugan operasonal sekurang-kurangnya dua hngga lma tahun ke belakang. Model n juga mempunya teknolog yang tngg sehngga dapat menangkap, menyeleks, dan melaporkan nformas rsko operasonal. Dalam wadah organsas, pengamblan keputusan merupakan fungs utama seorang manajer atau admnstrator. Kegatan pengamblan keputusan melput pengdentfkasan masalah, pencaran alternatf penyelesaan masalah, evaluas dar alternatf-alternatf tersebut dan pemlhan alternatf keputusan yang terbak. Pengamblan keputusan dperlukan pada semua tahap kegatan admnstras dan manajemen termasuk yang berkatan dengan proses nternal, sumber daya manusa, dan sstem yang gagal atau dar perstwa eksternal yang kesemuanya berkatan dengan rsko operasonal. Dalam pengamblan keputusan mencakup kegatan dentfkas masalah, perumusan dan pemlhan alternatf keputusan berdasarkan perhtungan konsekuens dan berbaga dampak yang mungkn tmbul dalam rangka mengendalkan usaha sesua dengan rencana dan konds yang ada PERUMUSAN MASALAH Pada peneltan n rumusan masalah yang akan dbahas adalah bagamana menggunakan pendekatan Bayesan Bootstrappng dalam mengukur cadangan modal / pembebanan untuk meng-cover rsko operasonal.

3 TINJAUAN PUSTAKA Setap kasus pengamblan keputusan memerlukan nformas untuk menentukan peluang pror suatu perstwa akan terjad. Dalam pengamblan keputusan dengan Teorema Bayes setap nformas mempunya nla tersendr untuk menentukan peluang pror sebaga nformas baru. Peluang yang telah dperbaharu (drevs) n dsebut peluang posteror. Pada suatu kejadan dmana pada suatu percobaan yang menghaslkan 2 kemungknan perstwa yang terjad, yatu perstwa A dan perstwa B dengan syarat kedua perstwa tersebut dependent satu sama lan, maka terjadnya perstwa A akan berpengaruh terhadap peluang terjadnya perstwa B. Msalkan A 1, A 2,, A n adalah kelompok kejadan yang mutually exclusve (dua kejadan yang tdak dapat terjad bersamaan) dan exhaustve (lengkap) merupakan kombnas dar 2 kejadan keseluruhannya yang merupakan peluang pror. Dmana B merupakan nformas tambahan yang berpengaruh terhadap kejadan A, Maka peluang A terjad dengan syarat kejadan B telah terjad terlebh dahulu dtulskan P(A B). Peluang posteror P(A B) menunjukkan besarnya peluang terjadnya suatu perstwa A k sebaga akbat dar adanya nformas hasl percobaan B. Nla peluangnya adalah : P A B P B A k 1 P B A P P A A Peluang P(A B ) adalah peluang bersyarat dar percobaan nformas ekspermental A apabla terjad perstwa B dan peluang P(B) adalah peluang pror. Teorema Bayes merupakan salah satu pendekatan pengukuran rsko operasonal AMA. Pendekatan teorema Bayes sendr ddasarkan pada perhtungan probablta kondsonal, yatu probablta terjadnya suatu perstwa A dengan konds perstwa B terjad. Dalam pengukuran rsko operasonal dengan pendekatan teorema Bayes dperlukan beberapa komponen sebaga berkut.

4 14 1. Suatu nformas yang menyatakan hubungan antara suatu perstwa dengan perstwa yang lan 2. Suatu peluang yang menyatakan nformas hubungan keterkatan antara perstwa 3. Teorema Bayes yang dterapkan secara resursve untuk menentukan besarnya peluang suatu perstwa kondsonal terhadap terjadnya suatu perstwa yang lan. Teor probablta dapat dgunakan untuk membantu menentukan karakterstk dar ndkator rsko, bak jumlah frekuens maupun severtas kerugan rsko operasonal. Peluang dar terjadnya suatu perstwa atau peluang perstwa A secara umum dnyatakan sebaga P(A) yang nlanya antara 0 dan 1 atau dnyatakan sebaga 0 P(A) 1. Perstwa bukan perstwa A adalah perstwa yang bersfat complementary dan karenanya peluang bukan perstwa A dnyatakan sebaga P(A) = 1 P(A). (Muslch, 2007) Bootstrappng untuk teorema Bayes dapat dgunakan untuk mengukur potens kerugan rsko operasonal. Prosedur untuk melakukan estmas potens kerugan rsko operasonal dengan Bayesan Bootstrappng dapat dlakukan sebaga berkut a. Dbuat varabel random unform dengan nterval (0,1) sebanyak n-1. b. Data random unform u 1, u n-1 durutkan menngkat dengan x 0 = 0 dan u n = 1. c. Dbuat gap dantara blangan random unform sehngga g = u u -1 untuk = 1,2, n. d. Vektor g = (g 1, g n ) dgunakan sebaga probablta untuk sampel Bayesan Bootstrappng. (Kng, Jack L,2001) Untuk menghtung besarnya potens kerugan operasonal value at rsk dengan pendekatan Bayesan Bootstrappng dpergunakan rumus sebaga berkut:

5 15 X p 1 ln p Keterangan: X p = operasonal value at rsk μ = rata-rata σ = smpangan baku ξ = kemrngan p = selang kepercayaan (Muslch,2007) 1.4. TUJUAN PENELITIAN Peneltan n bertujuan untuk mengukur jumlah kerugan rsko operasonal menggunakan model OpVaR dengan pendekatan Bayesan Bootstrappng KONTRIBUSI PENELITIAN Kontrbus dar peneltan yang dharapkan adalah: 1. Secara teorts akan memberkan tambahan wawasan terhadap lmu manajemen rsko operasonal terutama dalam pengukuran rsko dengan pendekatan Bayesan Bootstrappng. 2. Bermanfaat untuk bdang lmu yang berkatan dengan Bayesan Theorem sepert bdang perbankan, ndustr dan lan-lan.

6 METODE PENELITIAN Metode yang dgunakan dalam peneltan n adalah: a. Mengumpulkan referens yang berkatan dengan peneltan yang dlakukan bak berupa buku, tulsan maupun jurnal. b. Menjelaskan tentang latar belakang dar penulsan, perumusan masalah, tujuan peneltan, batasan-batasan yang dgunakan, dan penggunaan asums yang dperlukan, serta sstematka penulsan yang membahas tentang metodolog yang dgunakan dalam pelaksanaan peneltan. c. Melakukan stud lteratur dengan membahas teor-teor yang berkatan dengan manajemen rsko operasonal, teorema Bayesan dan Bootstrappng serta teorteor lannya yang mendukung peneltan n. d. Menjelaskan tentang langkah langkah dalam mengembangkan model yang merupakan fokus utama dalam peneltan n. Data yang dperoleh pada bab n dgunakan untuk memberkan nput atau masukan data awal yang akan dolah dalam tahapan peneltan selanjutnya. Kemudan data tersebut akan dolah dengan metode yang dkembangkan dalam rangka penyelesaan permasalahan dalam peneltan n. e. Analsa dan pembahasan terhadap hasl pengembangan model serta solus optmal yang ddapat f. Mengambl kesmpulan dar analsa yang dperoleh dan memberkan saran yang berguna bag pengguna hasl peneltan n maupun untuk peneltan selanjutnya.