RPS minggu 10 · 2x50 menit

Permodelan Risiko Operasional

Permodelan Risiko — Magister Manajemen FEB UNDIP

Peta Pembelajaran Hari Ini

Sub-CPMK 10: mengidentifikasi dan mengukur risiko operasional; memilih pendekatan perhitungan modal.

Jam ke-1 (50 menit)

Taksonomi 7 kategori Basel op-risk
3 pendekatan modal: BIA, SA, AMA
Hitung dari nol: modal BIA vs SA

Jam ke-2 (50 menit)

AMA: distribusi frekuensi-severity (LDA)
3 lines of defense; RCSA; KRI
Kasus Leeson/SoGen/Wirecard; persiapan P11

Posisi: P10 komplemen P9 kredit & P4-P5 pasar; P11 simulasi; P12 ERM.

Nick Leeson & Keruntuhan Baring 1995

Nick Leeson, trader di Baring Singapore, menumpuk rugi tersembunyi ¥283 miliar (£827 juta) lewat error account 88888 — menghancurkan bank berusia 233 tahun. Kasus ikon risiko operasional.

Rugi Tersembunyi

£827 juta

di error account 88888 — disembunyikan dari manajemen London

Umur Bank Saat Kolaps

233 tahun

Baring Brothers, bank tertua Inggris, diakuisisi INK dengan £1

Pertanyaan pemantik: bagaimana mungkin satu trader dapat menghancurkan bank berusia 233 tahun tanpa terdeteksi?

Kasus Nick Leeson 1995 adalah ikon risiko operasional. Leeson, trader di Baring Singapore, menumpuk rugi tersembunyi £827 juta lewat error account 88888 — sebuah akun yang seharusnya untuk kesalahan transaksi admin tetapi ia gunakan untuk menyembunyikan rugi trading. Manajemen London tidak curiga karena Leeson juga bertindak sebagai head of settlement — segregasi tugas yang melanggar prinsip dasar. Akhirnya rugi melebihi modal bank; Baring Brothers yang berusia 233 tahun diakuisisi ING dengan harga simbolis £1. Pelajaran: risiko operasional dari kegagalan kontrol internal dapat menghancurkan institusi yang sehat secara finansial. Tiga pelajaran: segregasi tugas wajib, back-office tidak boleh melapor ke front-office, dan limit trading harus ditegakkan real-time. Kasus ini menjadi katalis utama lahirnya kerangka op-risk Basel.

Bagian 1 · 1/4

Taksonomi Op-Risk

Diskusi kelas: dari pengalaman Anda, kategori op-risk mana yang paling sering terjadi di bank/organisasi Indonesia?

Definisi Op-Risk & 7 Kategori Basel

Risiko operasional (Basel): risiko kerugian akibat kegagalan/kekurangtepatan proses internal, orang, sistem, atau akibat peristiwa eksternal. Termasuk legal risk; tidak termasuk strategic/reputational.

#	Kategori Basel	Contoh
1	Internal Fraud	Pencurian, mark-up, insider trading
2	External Fraud	Perampokan, phishing, pemalsuan
3	Employment Practices & WS	Discrimination, klaim K3, turnover
4	Clients, Products & BP	Mis-selling, churn, pelanggaran privasi
5	Damage to Physical Assets	Bencana, vandalisme, kebakaran
6	Business Disruption & Sys Failures	Hardware/software failure, outage
7	Execution, Delivery & Process Mgmt	Data entry error, settlement fail, slip

7 kategori Basel adalah taksonomi standar untuk klasifikasi loss event — dipakai OJK Indonesia.

Definisi risiko operasional Basel adalah risiko kerugian akibat kegagalan atau kekurangtepatan proses internal, orang, sistem, atau akibat peristiwa eksternal. Termasuk legal risk; tidak termasuk strategic dan reputational risk yang diperlakukan terpisah. Tujuh kategori Basel adalah taksonomi standar untuk klasifikasi loss event. Internal Fraud — pencurian, mark-up, insider trading. External Fraud — perampokan, phishing, pemalsuan. Employment Practices and Workplace Safety — diskriminasi, klaim K3, turnover. Clients, Products and Business Practices — mis-selling, churn, pelanggaran privasi. Damage to Physical Assets — bencana, vandalisme, kebakaran. Business Disruption and System Failures — hardware atau software failure, outage. Execution, Delivery and Process Management — data entry error, settlement fail, slip. Tujuh kategori ini dipakai OJK Indonesia untuk klasifikasi dan reporting loss event. Bank harus punya database loss event internal yang konsisten dengan taksonomi ini.

Tiga Pendekatan Perhitungan Modal Op-Risk

Basel menetapkan tiga pendekatan perhitungan modal op-risk dengan kompleksitas berbeda.

Pendekatan	Kompleksitas	Formula Inti	Risk-Sensitive?
BIA (Basic Indicator)	Sederhana	$K_{\text{BIA}} = \alpha \times \overline{\text{GI}}\;(\alpha = 15\%)$	Rendah
SA (Standardized)	Sedang	$K_{\text{SA}} = \sum_i \beta_i \times \text{GI}_i$ per business line	Sedang
AMA (Advanced Measurement)	Tinggi	$L = \sum_{i=1}^{N} S_i$ (compound distribusi)	Tinggi

Basel II (2004) → SMA (Standardized Measurement Approach) di Basel III (2017) menggantikan AMA.

Basel menetapkan tiga pendekatan perhitungan modal op-risk dengan kompleksitas dan risk-sensitivity berbeda. Basic Indicator Approach paling sederhana — modal sama dengan 15 persen kali gross income tiga tahun rata-rata. Standardized Approach lebih kompleks — modal sama dengan jumlah beta kali gross income per business line, dengan beta 12-18 persen tergantung lininya. Advanced Measurement Approach paling kompleks dan paling risk-sensitive — modal dihitung dari distribusi gabungan frekuensi-severity dengan Loss Distribution Approach atau pendekatan internal model. Penting: Basel III 2017 menghapus AMA dan menggantinya dengan Standardized Measurement Approach atau SMA yang menggabungkan SA dengan loss data internal. Implikasi: bank yang sebelumnya menginvestasi di AMA infrastructure harus beralih ke SMA. Indonesia melalui POJK menerapkan BIA untuk bank kecil, SA untuk bank menengah, dan SMA untuk bank besar.

Hitung dari Nol: Modal Op-Risk BIA

Skenario: Bank dengan gross income 3 tahun terakhir (Rp Miliar): 2021: 50; 2022: 60; 2023: 70. Hitung modal op-risk dengan Basic Indicator Approach (α = 15%).

Tahun	Gross Income (Rp M)	α	Charge
2021	50	15%	7,5
2022	60	15%	9,0
2023	70	15%	10,5
Rata-rata	60		9,0

Kesimpulan

Rp 9 M

Modal op-risk BIA = rata-rata charge 3 tahun = α × rata-rata GI = 15% × Rp 60 M

Coba Sendiri: Modal Op-Risk BIA vs SA

Bandingkan Basic Indicator Approach (15% gross income seragam) dengan Standardized Approach (beta berbeda per business line). Lihat mana yang lebih adil untuk profil bank berbeda.

Standardized Approach: 8 Business Lines

SA membagi bank menjadi 8 business lines dengan beta berbeda — lebih risk-sensitive daripada BIA.

Business Line	β	Karakteristik Risiko
Corporate Finance	18%	Advisory, IPO, M&A; op-risk tinggi
Trading & Sales	18%	Trading desk; Leeson-class risk
Retail Banking	12%	Volume tinggi, ticket kecil; op-risk rendah
Commercial Banking	15%	Korporasi; risk moderat
Payment & Settlement	18%	Sistem; fail = systemic
Agency Services	15%	Custody; risk moderat
Asset Management	12%	Fees; risk rendah
Retail Brokerage	12%	Ritel sekuritas; risk rendah

Beta bervariasi 12-18% per business line — SA lebih sensitif daripada flat 15% BIA.

Hitung dari Nol: Modal Op-Risk SA

Skenario: Bank dengan gross income per business line (Rp M): Retail Banking 30 (β=12%); Commercial Banking 20 (β=15%); Trading 10 (β=18%). Hitung modal op-risk SA.

Business Line	GI (Rp M)	β	Charge
Retail Banking	30	12%	3,60
Commercial Banking	20	15%	3,00
Trading & Sales	10	18%	1,80
Total	60		8,40

Kesimpulan

Rp 8,4 M

Modal SA lebih rendah dari BIA (Rp 9 M) karena GI didominasi Retail Banking (β rendah)

Bagian 2 · 2/4

AMA & LDA

Diskusi kelas: untuk distribusi frekuensi-severity, mengapa tail sangat tebal? Apa implikasinya untuk modal?

AMA: Loss Distribution Approach (LDA)

AMA model compound distribution: N (frekuensi) × S (severity) → L (aggregate loss); VaR 99,9% = modal.

Loss Distribution Approach adalah inti AMA. Diagram menunjukkan tiga komponen. Pertama, frekuensi N — jumlah loss event per tahun, dimodelkan dengan distribusi Poisson dengan parameter lambda. Kedua, severity S — besarnya rugi per event, dimodelkan dengan distribusi lognormal atau Weibull yang menangkap tail tebal. Ketiga, aggregate loss L sama dengan jumlah severity sampai dengan frekuensi N — compound distribution. Modal AMA adalah quantile 99,9 persen dari distribusi aggregate loss, yaitu kerugian yang hanya akan terlampaui 0,1 persen dari tahun. Implikasi: tail distribution sangat tebal sehingga VaR 99,9 persen bisa beberapa kali rata-rata. Bank dengan loss event katastropik historis akan menanggung modal AMA tinggi. AMA memerlukan data loss event internal minimal 3-5 tahun plus external data untuk tail. Basel III 2017 menghapus AMA dan menggantinya dengan SMA yang lebih sederhana.

Karakteristik Distribusi Op-Risk

Distribusi op-risk sangat berbeda dari kredit — frequency tinggi di severity rendah, tetapi tail katastropik.

Karakteristik	Op-Risk	Kredit (bandingkan)
Frekuensi event	Tinggi (ribuan/tahun)	Rendah-moderat
Severity rata-rata	Kecil (Rp juta)	Bervariasi
Severity tail	Sangat besar (Rp miliar)	Batas eksposur
Distribusi	Sangat skewed; lognormal	Bernoulli; beta
Predictability	Rendah — black swan	Sedang

Op-risk sangat sulit diprediksi: high-frequency low-severity predictable, low-frequency high-severity adalah "unknown unknowns".

Distribusi op-risk memiliki karakteristik unik yang membedakannya dari kredit dan pasar. Frekuensi event tinggi — ribuan per tahun untuk bank besar, terutama di kategori Execution dan External Fraud. Severity rata-rata kecil — sebagian besar event hanya Rp jutaan. Tetapi severity tail sangat besar — kasus Leeson £827 juta, SoGen 4,9 miliar Euro, Wirecard 1,9 miliar Euro. Distribusi sangat skewed dan mengikuti lognormal atau distribusi tail-heavy lain. Predictability rendah — high-frequency low-severity predictable dari data historis, tetapi low-frequency high-severity adalah unknown unknowns yang sulit atau bahkan tidak terduga dari data historis. Implikasi manajerial: modal op-risk didominasi oleh tail yang jarang. Mitigasi terbaik bukan dengan modal tetapi dengan kontrol pencegahan (3 lines of defense) dan transfer risk (asuransi).

Coba Sendiri: Fat Tail Op-Risk — Pareto vs Lognormal

Bandingkan distribusi lognormal (ekor tipis) dengan Pareto (ekor tebal) untuk loss op-risk. Lihat bagaimana VaR 99,5% bisa berbeda 10× hanya karena asumsi distribusi.

Eksplorasi Interaktif: Key Risk Indicator Dashboard

Atur threshold KRI op-risk untuk merasikan sensitivitas skor risiko operasional — dashboard yang sama yang dipakai risk committee bulanan.

🧪 Buka kalkulator PD/LGD/EAD & RAROC (rumus + contoh + FAQ)

Bacaan pendalaman: capital adequacy ratio (Basel op-risk) · analisis kredit (skoring fraud) · VaR untuk op-risk LDA. Op-risk adalah pilar ketiga permodalan Basel (selain kredit & pasar).

Studi Kasus: Société Générale 2008 & Wirecard 2020

Dua kasus fraud besar menggambarkan karakteristik low-frequency high-severity op-risk.

Kasus	Tahun	Rugi	Kategori Basel	Pelajaran
Société Générale (Jérôme Kerviel)	2008	€4,9 M	Internal Fraud + Execution	Trader junior mengakali kontrol; segregasi tugas gagal
Wirecard (fraud akuntansi)	2020	€1,9 M	Internal Fraud	Saldo fiktif years; auditor gagal deteksi
Nick Leeson (Baring)	1995	£827 jt	Internal Fraud + Execution	Error account 88888; segregasi gagal
BNP Paribat (US sanction)	2014	$8,9 M fine	Clients/Products + Execution	Compliance failure; sanction breach

Pola umum: kontrol lemah + segregasi tugas gagal + budaya "star trader" = fraud katastropik.

Empat kasus fraud besar menggambarkan karakteristik low-frequency high-severity op-risk. Société Générale 2008: Jérôme Kerviel, trader junior, mengakali kontrol dengan posisi total €50 miliar yang tidak diotorisasi, rugi €4,9 miliar. Kategori Internal Fraud dan Execution. Wirecard 2020: saldo fiktif €1,9 miliar selama bertahun-tahun, auditor EY gagal deteksi. Kategori Internal Fraud. Nick Leeson 1995: error account 88888 menyembunyikan rugi £827 juta. BNP Paribas 2014: pelanggaran sanksi AS, denda $8,9 miliar. Pola umum di semua kasus: kontrol lemah, segregasi tugas gagal, dan budaya star trader yang tidak boleh dipertanyakan. Pelajaran: kasus-kasus ini sangat jarang (low frequency) tetapi magnitude miliaran Euro (high severity). Tidak mungkin diprediksi dari data historis internal. Mitigasi terbaik adalah kultur kontrol yang kuat, whistleblower protection, dan audit yang independent.

Coba Sendiri: Fraud Triangle — Tekanan, Peluang, Rasionalisasi

Kurangi ketiga sisi fraud triangle Cressey 1953: tekanan finansial/psikologis, peluang kontrol, dan rasionalisasi moral. Mana yang paling lemah di kasus Leeson/Kerviel?

Bagian 3 · 3/4

Pengelolaan Op-Risk

Diskusi kelas: di bank Anda, mana dari 3 lines of defense yang paling lemah? Apa implikasinya untuk fraud risk?

Tiga Lines of Defense

Kerangka pengelolaan op-risk yang menjadi standar industri perbankan global.

Line	Pemegang	Fungsi
1st Line	Business unit	Own & manage risk; kontrol real-time
2nd Line	Risk Management & Compliance	Set policy; monitor; challenge 1st
3rd Line	Internal Audit	Independent assurance; report ke Board

Tiga lines of defense memastikan checks-and-balances — tidak ada satu pihak yang own, monitor, dan audit sekaligus.

Tiga Lines of Defense adalah kerangka pengelolaan risiko yang menjadi standar industri perbankan global. First Line adalah business unit yang own dan manage risk secara real-time — melakukan kontrol harian. Second Line adalah Risk Management dan Compliance yang set policy, monitor, dan challenge first line. Third Line adalah Internal Audit yang memberikan independent assurance dan report ke Board atau Audit Committee. Kerangka ini memastikan checks-and-balances: tidak ada satu pihak yang own, monitor, dan audit sekaligus. Kasus Leeson gagal di first line (back office melapor ke front office) dan third line (audit tidak deteksi). Implikasi manajerial: struktur organisasi bank harus clear tentang siapa first, second, third line; reporting line harus independent; budaya challenge harus ditegakkan. Bank yang melanggar segregasi ini rentan fraud.

RCSA: Risk Control Self-Assessment

RCSA adalah proses di mana business unit (1st line) mengevaluasi sendiri risiko & kontrolnya — input untuk manajemen op-risk.

Tahap RCSA

Identifikasi risk event per proses
Nilai inherent risk (sebelum kontrol)
Identifikasi kontrol mitigasi
Nilai residual risk (setelah kontrol)
Rencana aksi untuk high residual

Output

Heat map risk × impact
Daftar kontrol & efektivitas
Gap analysis & action plan
Key Risk Indicator (KRI)
Dashboard untuk risk committee

RCSA dilakukan minimal tahunan; frekuensi lebih tinggi untuk proses high-risk (treasury, trading).

Risk and Control Self-Assessment adalah proses di mana business unit sebagai first line mengevaluasi sendiri risiko dan kontrolnya. Lima tahap: identifikasi risk event per proses, nilai inherent risk sebelum kontrol, identifikasi kontrol mitigasi, nilai residual risk setelah kontrol, dan rencana aksi untuk high residual risk. Output RCSA meliputi heat map risk versus impact, daftar kontrol dan efektivitasnya, gap analysis dan action plan, Key Risk Indicator, serta dashboard untuk risk committee. Frekuensi RCSA minimal tahunan; lebih sering untuk proses high-risk seperti treasury atau trading. Pelajaran manajerial: RCSA efektif jika first line jujur dan second line mengkritisi. Bahaya utama: checkbox compliance tanpa substance. RCSA yang berkualitas adalah dasar dari pengelolaan op-risk yang efektif, bukan sekadar formalitas regulatori.

Key Risk Indicators (KRI) untuk Op-Risk

KRI adalah metrik forward-looking yang memberi early warning sebelum loss terjadi.

Kategori	Contoh KRI	Threshold Warning
People	Voluntary turnover rate	>15% per tahun
Process	Trade error rate	>0,5% transaksi
Systems	System downtime (jam/bulan)	>2 jam/bulan
External	Phishing email diterima	>100/bulan
Fraud	Suspicious activity report (SAR)	Naik >30% YoY
Compliance	Open compliance issues	>60 hari open

KRI harus dilaporkan ke risk committee bulanan; breach threshold harus trigger action plan.

Key Risk Indicators adalah metrik forward-looking yang memberi early warning sebelum loss terjadi. Berbeda dari Key Performance Indicators yang backward-looking, KRI bersifat predictif. Tabel menunjukkan contoh KRI per kategori: People — voluntary turnover rate lebih dari 15 persen per tahun (turnover tinggi sering menyertai penurunan kontrol). Process — trade error rate lebih dari 0,5 persen transaksi (indikasi training atau sistem lemah). Systems — downtime lebih dari 2 jam per bulan. External — phishing email lebih dari 100 per bulan. Fraud — Suspicious Activity Report naik lebih dari 30 persen year-on-year. Compliance — open compliance issues lebih dari 60 hari. KRI harus dilaporkan ke risk committee bulanan; breach threshold harus trigger action plan formal. Pelajaran manajerial: KRI yang baik adalah predictif dan actionable. Bank yang serius dengan op-risk memantau KRI real-time dan menetapkan limit internal lebih ketat dari threshold warning.

Bagian 4 · 4/4

Persiapan P11

Diskusi kelas: bagaimana simulasi Monte Carlo dapat membantu mengestimasi modal op-risk yang tidak terjangkau data historis?

POJK Manajemen Risiko Operasional

OJK mengatur kerangka pengelolaan op-risk melalui POJK 17/2014 dan POJK permodalan.

Aspek	POJK Acuan	Implikasi
Kerangka op-risk	POJK 17/2014 lampiran	Bank wajib punya framework: identifikasi-metode-monitoring-kontrol
Permodalan op-risk	POJK permodalan (CAR)	Bank besar wajib SA/SMA; bank kecil BIA
Loss event reporting	OJK reporting	Database internal loss 10.000 record + tahun
Fraud reporting	POJK APU-PPT	Anti pencucian uang; SAR ke PPATK

POJK 17/2014 + POJK permodalan membentuk kerangka lengkap pengelolaan op-risk di Indonesia.

OJK mengatur kerangka pengelolaan op-risk melalui beberapa POJK. POJK 17 tahun 2014 lampiran op-risk mewajibkan bank punya framework identifikasi-metode-monitoring-kontrol. POJK permodalan CAR mengatur perhitungan modal op-risk: bank besar wajib SA atau SMA, bank kecil BIA. Loss event reporting ke OJK memerlukan database internal loss minimal 10.000 record atau tahun. POJK APU-PPT Anti Pencucian Uang mengatur reporting Suspicious Activity Report ke PPATK. Implikasi manajerial: bank Indonesia harus investasi dalam infrastruktur op-risk — database loss event, sistem RCSA, KRI dashboard, dan tim op-risk yang kompeten. Bank besar menerapkan SMA dengan loss data internal yang komprehensif; bank kecil dapat BIA tetapi tetap harus punya kerangka identifikasi dan kontrol. Pelanggaran POJK dapat mengakibatkan sanksi administratif termasuk denda dan pembatasan bisnis.

Ringkasan Kunci Pertemuan 10

7 Kategori

Taksonomi Basel untuk klasifikasi loss

3 Pendekatan

BIA · SA · AMA/SMA

3 Lines of Defense

Business · Risk · Audit

Bawa tiga lensa ini (taksonomi · permodalan · struktur) sebagai kerangka pengelolaan op-risk.

Persiapan P11: baca tentang Monte Carlo simulation; siapkan memodelkan frekuensi-severity dan simulasi VaR op-risk.