Analisis Perbandingan Fungsi Kernel dalam Perhitungan Economic Capital untuk Risiko Operasional Menggunakan Bahasa Pemrograman Python

Erwan Setiawan, Ramdhan F Suwarman

Abstract


Abstrak. Pada penelitian yang dilakukan oleh Setiawan dkk, menyatakan bahwa metode loss distribution approach dengan pendekatan kernel density estimation mampu menghasilkan nilai economic capital yang lebih efisien sebesar 1,6% - 3,2% dibandingkan dengan pendekatan distribusi probabilitas tertentu. Fungsi kernel yang digunakan dalam penelitian tersebut adalah kernel Gaussian dengan pertimbangan dapat memberikan visual grafik yang lebih mulus dibandingkan visual grafik yang dihasilkan oleh fungsi kernel lainnya, seperti Uniform, Epanechnikov, dan Segitiga. Padahal tidak ada jaminan bahwa grafik yang lebih mulus dapat memberikan hasil economic capital yang lebih efisien. Oleh karena itu, akan dilakukan penelitian lebih lanjut yang bertujuan 1) menghitung nilai economic capital menggunakan loss distribution approach dengan pendekatan kernel density estimation yang menggunakan fungsi kernel Gaussian, Uniform, Epanechnikov, dan Segitiga, 2) membandingkan nilai-nilai economic capital yang dihasilkan dengan cara uji perbedaan rata-rata. Perhitungan nilai economic capital dilakukan melalui simulasi komputasi berbasis bahasa pemrograman python. Hasil penelitian menunjukkan bahwa terdapat perbedaan yang signifikan pada nilai economic capital yang dihasilkan. Oleh karena itu, pemilihan fungsi kernel yang tepat sangat diperlukan agar dapat memberikan nilai economic capital yang lebih efisien.

Kata kunci: economic capital, kernel density estimation, dan fungsi kernel

Abstract. In the research conducted by Setiawan, et al stated that loss distribution approach method with kernel density estimation approach can produce more efficient economic capital values of 1.6% - 3.2% compared to certain probability distribution approaches. The kernel function used in the research is the Gaussian kernel with the consideration that it can provide graphics that are smoother than visual graphics produced by other kernel functions, such as Uniform, Epanechnikov, and Triangle. Whereas there is no guarantee that a smoother graph can provide more efficient economic capital results. Therefore, further research will be carried out with the aim of 1) calculating the value of economic capital using a loss distribution approach with a kernel density estimation approach that uses Gaussian, Uniform, Epanechnikov, and Triangle kernel functions, 2) comparing the values of economic capital produced with average difference test method. Calculation of the value of economic capital is done through computational simulations based on the python programming language. The results showed that there were significant differences in the value of economic capital generated. Therefore, choosing the right kernel function is very necessary in order to provide more efficient economic capital values.

Keyword: economic capital, kernel density estimation, dan kernel function 


References


Basel Committee on Banking Supervision. International Convergence of Capital Measurement and Capital Standars: a revised framework. Basel. 2006.

Frachot, A. Georges, P. dan Roncalli, T. Loss Distribution Approach for Operational Risk. Working Paper, Groupe de Recherche Operationnelle: France. 2001.

Lembaga Pengembangan Perbankan Indonesia. Manajemen Risiko Operasional. http://www.lppi.or.id/index.php/module/Pages/sub/2/id/manajemen-risiko-operasional. 2012. (diakses: 23 April 2017).

Setiawan, E., Murfi, H. dan Satria, Y. Analisis Penggunaan Metode Kernel Density Estimation pada Loss Distribution Approach untuk Risiko Operasional. Jurnal Matematika Integratif, Vol. 12(2). 2016.

Shevchenko, P.V. Implementing Loss Distribution Approach for Operational Risk. Applied Stochastic Models in Business and Industry, vol. 26(3), pages 277–307. 2009.

Smiechewicz ,W.J. (2002). The Baring Bank Case. http://www.fraud-magazine.com/article.aspx?id=4294968220. (diakses: 23 April 2017).

Zambom, A. Z. dan Dias, R. (2012). A review of Kernel Density Estimation with Applications to Econometrics. arXiv:1212.2812v1 [stat.ME]. 2012. (diakses: 13 April 2017).

FH Badruzzaman, E Harahap, E Kurniati, MD Johansyah, Pengendalian Persediaan Produksi Hijab Berdasarkan Economic Production Quantity di RAR Azkia, Jurnal Matematika, Vol. 16, No. 2, 2017.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Matematika

ISSN : 1412-5056 | E-ISSN 2598-8980  

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License

Indexed by: