RPS minggu 14 · 2x50 menit · Pertemuan terakhir

Studi Kasus Integratif — Portofolio Multi-Aset

Permodelan Risiko — Magister Manajemen FEB UNDIP

Peta Pembelajaran Hari Ini

Sub-CPMK 14: mengintegrasikan seluruh teknik P1-P13 ke dalam satu analisis portofolio multi-aset.

Jam ke-1 (50 menit)

Setup portofolio: kredit + treasury + op-risk
VaR historis & parametrik per kelas
Hitung dari nol: aggregate capital ERM

Jam ke-2 (50 menit)

Stress testing severely adverse + reverse
Validasi model; refleksi P1-P13
Penutup mata kuliah; persiapan tugas akhir

Posisi: P14 puncak integrasi 13 minggu; sintesis untuk tugas akhir.

14 Minggu Perjalanan: Refleksi Awal

Sebelum studi kasus, mari refleksikan perjalanan kita dari taksonomi ke studi kasus integratif.

Pertemuan	Topik	Tools Inti
P1	Taksonomi risiko	Klasifikasi 5 kelas risiko
P2-P3	Statistika & ukuran risiko	Distribusi; mean-variance
P4-P5	VaR & ES	Historical/Parametrik/MC; ES
P6	Backtesting	Kupiec; Christoffersen; Basel zones
P7	Stress testing	Historis; hipotetis; reverse
P8	Korelasi & diversifikasi	Markowitz; HHI; copula
P9	Kredit PD/LGD/EAD	EL = PD × LGD × EAD
P10	Op-risk	BIA/SA/AMA; 3 lines of defense
P11	Monte Carlo	Generate-transform-aggregate; Cholesky
P12	ERM	COSO; aggregate capital; CRO
P13	Model risk	SR 11-7; Artzner coherent
P14	Studi kasus integratif	Semua di atas

14 minggu membentuk toolkit lengkap quantitative risk management modern.

Mari kita refleksikan perjalanan 14 minggu. P1 membangun taksonomi risiko dengan klasifikasi 5 kelas. P2-P3 statistika dasar dan ukuran risiko mean-variance. P4-P5 VaR dan Expected Shortfall dengan tiga pendekatan. P6 backtesting dengan Kupiec dan Christoffersen plus Basel zones. P7 stress testing historis, hipotetis, dan reverse. P8 korelasi dan diversifikasi Markowitz dengan HHI dan copula. P9 risiko kredit dengan PD, LGD, EAD. P10 risiko operasional dengan BIA, SA, AMA dan tiga lines of defense. P11 Monte Carlo dengan pipeline generate-transform-aggregate dan Cholesky. P12 Enterprise Risk Management dengan COSO, aggregate capital, dan CRO. P13 model risk dengan SR 11-7 dan Artzner coherent. P14 studi kasus integratif. Empat belas minggu membentuk toolkit lengkap quantitative risk management modern yang setara dengan kurikulum FRM GARP. Anda sekarang memiliki kerangka yang dapat dibawa ke pekerjaan nyata sebagai manajer risiko.

Bagian 1 · 1/4

Setup Portofolio

Diskusi kelas: dari portofolio organisasi Anda, tiga kelas risiko mana yang paling dominan?

Setup: Bank "Atlas Mitra" — Portofolio Multi-Aset

Studi kasus: bank menengah Indonesia dengan modal Rp 2 triliun. Portofolio lintas tiga kelas risiko utama (kredit · pasar · operasional) yang akan dinilai dengan VaR + CAR + aggregate variance.

Kelas	Komponen	Eksposur (Rp M)	Catatan
Kredit	UMKM + korporasi + ritel	10.000	NPL historis ~3%
Pasar (trading)	SBN treasury + valas	2.000	Duration 5 tahun; FX Rp 200 M
Op-risk	Seluruh operasi	(gross income basis)	GI rata-rata Rp 800 M/tahun
Likuiditas	Dana pihak ketiga	12.000	LCR saat ini 130%
Modal	Tier 1 + Tier 2	2.000	CAR saat ini ~18%

Portofolio tipikal bank menengah Indonesia; kita akan menghitung aggregate risk untuk semua kelas.

Mari kita setup studi kasus dengan bank fiktif Atlas Mitra — bank menengah Indonesia dengan modal Rp 2 triliun. Lima kelas eksposur. Kredit dengan UMKM plus korporasi plus ritel total Rp 10 triliun, NPL historis 3 persen. Pasar trading dengan SBN treasury plus valas total Rp 2 triliun, duration 5 tahun, posisi valas terbuka Rp 200 miliar. Op-risk berbasis gross income Rp 800 miliar per tahun. Likuiditas dengan dana pihak ketiga Rp 12 triliun, LCR saat ini 130 persen. Modal Tier 1 plus Tier 2 Rp 2 triliun, CAR saat ini 18 persen. Portofolio ini adalah profil tipikal bank menengah Indonesia. Tugas kita hari ini: menghitung aggregate risk untuk semua kelas, menilai kekokohan modal, dan menyusun rekomendasi ERM. Setup ini juga menjadi template tugas akhir — Anda akan menerapkan kerangka yang sama ke organisasi sendiri.

Coba Sendiri: Alokasi Aset ala Robo-Advisor

Geser profil risiko investor dan lihat alokasi optimal SBN/saham/valas/kredit ala robo-advisor. Inilah titik temu antara teori portofolio (P8) dan praktik alokasi bank.

VaR Pasar (Historis + Parametrik)

Hitung VaR pasar portofolio SBN + valas dengan dua pendekatan.

Komponen	VaR Historis 95%	VaR Parametrik 95%
SBN (Rp 1.000 M; D=5)	~Rp 100 M (yield +200 bps; $-5 \times 2\% = -10\% \times 1.000$)	~Rp 90 M ($1{,}65\sigma \times \sigma_\text{yield} \times D$)
Valas (Rp 200 M)	~Rp 20 M (rupiah $-10\% \times 200$)	~Rp 26 M ($1{,}65\sigma \times \sigma_\text{fx}$)
Diversifikasi antar	$-$Rp 12 M ($\rho = 0{,}3$)	$-$Rp 15 M (cross-term)
VaR Pasar Total	~Rp 108 M	~Rp 101 M

VaR historis lebih konservatif (~Rp 108 M) karena menangkap window taper tantrum; parametrik lebih rendah (~Rp 101 M).

Hitungan VaR pasar portofolio SBN plus valas dengan dua pendekatan. Untuk SBN Rp 1.000 miliar dengan duration 5 tahun, VaR historis sekitar Rp 100 miliar berdasarkan skenario yield plus 200 basis poin dari taper tantrum 2013 — perubahan nilai minus 5 kali 2 persen sama dengan minus 10 persen dari posisi. VaR parametrik sekitar Rp 90 miliar menggunakan formula 1,65 sigma times sigma yield times duration. Untuk valas dengan posisi terbuka Rp 200 miliar, VaR historis sekitar Rp 20 miliar berdasarkan skenario rupiah minus 10 persen; VaR parametrik sekitar Rp 26 miliar. Diversifikasi antar SBN dan valas memberi penghematan sekitar Rp 12-15 miliar karena korelasi rendah 0,3. VaR Pasar Total: historis sekitar Rp 108 miliar, parametrik sekitar Rp 101 miliar. Pelajaran: VaR historis lebih konservatif karena menangkap window krisis nyata seperti taper tantrum; parametrik lebih rendah tetapi mengasumsikan distribusi normal. Bank modern melaporkan kedua pendekatan dan menggunakan yang lebih konservatif untuk keputusan.

Coba Sendiri: Kontribusi VaR per Aset — Waterfall Diversifikasi

Atur bobot empat kelas aset dan lihat bagaimana VaR portofolio terdiversifikasi selalu lebih kecil dari jumlah VaR individu. Inilah jantung economic capital allocation bank Atlas Mitra.

Hitung dari Nol: Aggregate Capital Bank Atlas Mitra

Skenario: Hitung aggregate capital untuk Bank Atlas Mitra. Modal per kelas: Kredit Rp 800 M (IRB); Pasar Rp 100 M (VaR); Op-Risk Rp 120 M (SA). Asumsi korelasi antar kelas = 0,3.

Langkah	Perhitungan	Nilai
1. Variance per kelas	$\sigma_K^2 = 640.000;\; \sigma_M^2 = 10.000;\; \sigma_O^2 = 14.400$	$640.000;\; 10.000;\; 14.400$
2. Cross-term K-M	$2 \times 800 \times 100 \times 0{,}3$	$48.000$
3. Cross-term K-O	$2 \times 800 \times 120 \times 0{,}3$	$57.600$
4. Cross-term M-O	$2 \times 100 \times 120 \times 0{,}3$	$7.200$
5. Σ variance + cross	$640.000 + 10.000 + 14.400 + 48.000 + 57.600 + 7.200$	$777.200$
6. σ_aggregate (akar)	$\sqrt{777.200}$	$\text{Rp } 881{,}6\text{ M}$

Kesimpulan

Rp 882 M

Aggregate capital Rp 882 M vs simple sum Rp 1.020 M — diversifikasi menghemat $\approx 14\%$ modal

Hitungan aggregate capital untuk Bank Atlas Mitra. Modal per kelas: Kredit Rp 800 miliar dari IRB calculation, Pasar Rp 100 miliar dari VaR, Op-risk Rp 120 miliar dari SA. Asumsi korelasi antar kelas 0,3. Variance per kelas: Kredit 640.000, Pasar 10.000, Op-risk 14.400. Cross-term antar kelas menggunakan formula variance portofolio 3 aset. Kredit-Pasar 48.000; Kredit-Op 57.600; Pasar-Op 7.200. Total variance plus cross 777.200. Akar kuadrat memberi aggregate capital Rp 881,6 miliar atau sekitar Rp 882 miliar. Simple sum akan memberi Rp 1.020 miliar; diversifikasi antar kelas menghemat sekitar 14 persen atau Rp 138 miliar. Pelajaran manajerial: aggregate capital Rp 882 miliar dibandingkan dengan modal aktual Rp 2.000 miliar — bank punya buffer kuat lebih dari dua kali kebutuhan agregat. Ini konsisten dengan CAR aktual 18 persen yang jauh di atas minimum 8 persen. Buffer kuat ini memberi ruang strategis untuk ekspansi atau dividen.

Bagian 2 · 2/4

Expected Loss Kredit

Diskusi kelas: untuk portofolio kredit bank Anda, berapa estimasi EL rate per segmen?

Expected Loss Kredit Portofolio

Aplikasikan $\text{EL} = \text{PD} \times \text{LGD} \times \text{EAD}$ ke segmen portofolio kredit Atlas Mitra Rp 10 triliun.

Segmen	EAD (Rp M)	PD	LGD	EL (Rp M)
Korporasi prime	3.000	$0{,}5\%$	$40\%$	6,0
UMKM	4.000	$3{,}5\%$	$55\%$	77,0
KPR	2.000	$1{,}5\%$	$25\%$	7,5
KTA / Kartu	1.000	$5{,}5\%$	$80\%$	44,0
Total EL	10.000			134,5

Kesimpulan

EL ~Rp 135 M

EL rate $1{,}34\%$ per tahun; EL rate UMKM $1{,}9\%$ dan KTA $4{,}4\%$ — pricing harus refleksi

Aplikasi EL equals PD times LGD times EAD ke segmen portofolio kredit Atlas Mitra. Korporasi prime EAD Rp 3.000 miliar, PD 0,5 persen, LGD 40 persen, EL Rp 6 miliar — EL rate 0,20 persen. UMKM EAD Rp 4.000 miliar, PD 3,5 persen, LGD 55 persen, EL Rp 77 miliar — EL rate 1,9 persen. KPR EAD Rp 2.000 miliar, PD 1,5 persen, LGD 25 persen, EL Rp 7,5 miliar — EL rate 0,4 persen. KTA dan Kartu EAD Rp 1.000 miliar, PD 5,5 persen, LGD 80 persen, EL Rp 44 miliar — EL rate 4,4 persen. Total EL Rp 134,5 miliar atau sekitar Rp 135 miliar, EL rate 1,34 persen per tahun. Pelajaran manajerial: EL rate bervariasi 22 kali antar segmen — dari 0,20 persen korporasi prime hingga 4,4 persen KTA. Pricing dan provisioning harus refleksi EL rate ini. Bank yang underprice segmen high-EL akan menanggung kerugian berkumulatif. EL Rp 135 miliar per tahun harus di-provision sebagai CKPN dan masuk ke pricing kredit.

Op-Risk LDA dengan Monte Carlo

Aplikasikan Monte Carlo compound distribution untuk op-risk Atlas Mitra.

Komponen	Distribusi	Parameter
Frekuensi N	Poisson	$\lambda = 0{,}4$ events/tahun
Severity S	Lognormal	$\mu = 10;\; \sigma = 1{,}5$ (Rp juta)
Compound $L = \sum S_i$	Poisson-Lognormal	—
Simulasi 100.000 tahun	Monte Carlo	100.000 sample
VaR 99,9% = modal AMA	Quantile	~Rp 250 M (ilustratif)
Mean annual loss	Average	~Rp 27 M ($0{,}4 \times e^{10+1{,}125} \approx 0{,}4 \times 67{,}8$)

Modal AMA Rp 250 M (~9× mean); SA menggunakan $\beta = 15\% \times \text{GI} = 0{,}15 \times 800 = \text{Rp } 120\text{ M}$ (lebih rendah).

Aplikasi Monte Carlo compound distribution untuk op-risk Atlas Mitra. Frekuensi N dimodel sebagai Poisson dengan lambda 0,4 events per tahun — wajar untuk kejadian op-risk besar. Severity S sebagai lognormal dengan mu 10 dan sigma 1,5 dalam Rp juta. Compound L sama dengan jumlah severity sampai frekuensi N — compound Poisson-Lognormal. Simulasi 100.000 tahun menggunakan Monte Carlo untuk mendapatkan distribusi aggregate loss. VaR 99,9 persen dari distribusi adalah modal AMA sekitar Rp 250 miliar secara ilustratif. Mean per-event adalah eksponensial dari mu plus sigma kuadrat dibagi dua — e pangkat 11,125 sekitar Rp 67,8 miliar — sehingga mean annual loss sekitar Rp 27 miliar (0,4 kali 67,8). Pelajaran: modal AMA Rp 250 miliar sekitar 9 kali mean annual loss — tail sangat tebal. Tetapi SA menggunakan beta 15 persen kali gross income Rp 800 miliar sama dengan Rp 120 miliar — lebih rendah dari AMA. Bank dapat memilih SA untuk efisiensi modal, dengan trade-off risk sensitivity. Pilihan pendekatan adalah keputusan strategis yang memerlukan analisis cost-benefit.

Hitung dari Nol: Stress Testing Severely Adverse

Skenario severely adverse: NPL $\times 2{,}5$; yield +300 bps; rupiah $-20\%$; PDB $-3\%$. Hitung dampak pada modal Bank Atlas Mitra.

Komponen	Baseline	Severely Adverse	Δ
EL Kredit (NPL ×2,5)	Rp 135 M	~Rp 338 M	+Rp 203 M
VaR Pasar (yield +300; fx −20%)	Rp 100 M	~Rp 270 M	+Rp 170 M
Op-Risk (procyclical)	Rp 27 M mean	~Rp 80 M	+Rp 55 M
Total tambahan loss			+Rp 428 M
CAR Pasca Stress	18%	~13,5%	−4,5 pp

Kesimpulan

CAR 13,5%

Tetap di atas minimum 8%+buffer 2,5%; bank bertahan severely adverse — sistem kokoh

Stress testing severely adverse untuk Bank Atlas Mitra. Skenario: NPL naik 2,5 kali, yield naik 300 basis poin, rupiah turun 20 persen, PDB kontraksi 3 persen. EL Kredit naik dari Rp 135 miliar baseline menjadi sekitar Rp 338 miliar — tambahan Rp 203 miliar. VaR Pasar naik dari Rp 100 miliar menjadi sekitar Rp 270 miliar — tambahan Rp 170 miliar. Op-risk procyclical naik dari mean Rp 27 miliar menjadi Rp 80 miliar — tambahan Rp 55 miliar. Total tambahan loss Rp 428 miliar. CAR Pasca Stress turun dari 18 persen baseline menjadi sekitar 13,5 persen — turun 4,5 percentage point. Pelajaran manajerial: CAR 13,5 persen tetap di atas minimum 8 persen plus capital conservation buffer 2,5 persen atau 10,5 persen. Bank bertahan severely adverse — sistem kokoh. Tetapi buffer di atas minimum turun tipis dari 7,5 poin menjadi 3 poin, mengindikasikan perlu pemantauan ketat dan mungkin aksi mitigasi seperti pengurangan dividen atau penambahan modal.

Coba Sendiri: Integrated Stress Test Multi-Aset

Pilih skenario (Taper Tantrum 2013, Pandemi 2020, Krisis 2008, Krisis Asia 1997) dan lihat dampak per kelas aset pada bank Atlas Mitra. Inilah integrasi pasar+kredit+op+likuiditas.

Bagian 3 · 3/4

Reverse Stress

Diskusi kelas: berapa besar shock yang akan membawa CAR Bank Atlas Mitra ke minimum 8%?

Reverse Stress: Cari Break-Even CAR 8%

Break-even NPL ×4 + yield +500 bps + rupiah −30% — ~2× severely adverse; buffer moderat.

Reverse stress mencari break-even CAR 8 persen untuk Bank Atlas Mitra. Diagram menunjukkan kurva CAR pasca-stress sebagai fungsi severity. Baseline CAR 18 persen. Severely adverse scenario membawa ke 13,5 persen. Reverse break-even di mana CAR tepat 8 persen adalah sekitar NPL kali 4 plus yield plus 500 basis poin plus rupiah minus 30 persen. Pelajaran: break-even shock sekitar 2 kali severely adverse — buffer moderat, tidak terlalu tipis tetapi juga tidak sangat kokoh. Bank dengan buffer kokoh punya break-even 5 kali atau lebih severely adverse; bank dengan buffer tipis punya break-even 1,5 kali atau kurang. Atlas Mitra di posisi moderat. Implikasi strategis: manajemen perlu memantau indikator awal krisis dan menyiapkan rencana kontingensi. Reverse stress wajib untuk BUKB sesuai POJK OJK.

Coba Sendiri: RAROC — Pricing Berbasis Risiko

Atur bunga, PD, LGD, biaya, economic capital, dan cost of capital. Lihat RAROC per produk — apakah produk menciptakan nilai ekonomis setelah dibebani risiko?

Validasi & Tata Kelola Atlas Mitra

Aplikasikan Model Risk Management SR 11-7 ke model-model yang kita pakai untuk Atlas Mitra.

Model	Tier	Validasi Terakhir	Status
PD model UMKM (P9)	1 (High)	Tahunan	Aktif; Kupiec backtest OK
VaR SBN treasury (P4-P5)	1 (High)	Tahunan	Aktif; Basel zone hijau
Op-risk LDA (P10-P11)	1 (High)	Tahunan	Aktif; loss data 5 tahun
Aggregate capital ERM (P12)	1 (High)	Tahunan	Coherent ES; VaR report
Stress scenario generator (P7)	2 (Medium)	2 tahun	Skenario POJK; update kuartal
Customer scoring kartu (P9)	2 (Medium)	2 tahun	Aktif; AUC > 0,75

6 model aktif dengan validasi periodik; SR 11-7 compliance sesuai POJK OJK.

Aplikasi Model Risk Management SR 11-7 ke model-model yang kita pakai untuk Atlas Mitra. Enam model aktif. PD model UMKM Tier 1 High — validasi tahunan dengan Kupiec backtest OK. VaR SBN treasury Tier 1 High — validasi tahunan dengan Basel zone hijau. Op-risk LDA Tier 1 High — validasi tahunan dengan loss data 5 tahun. Aggregate capital ERM Tier 1 High — validasi tahunan dengan coherent ES plus VaR report. Stress scenario generator Tier 2 Medium — validasi 2 tahun dengan skenario POJK update kuartal. Customer scoring kartu kredit Tier 2 Medium — validasi 2 tahun dengan AUC lebih dari 0,75. Pelajaran: Atlas Mitra memiliki 6 model aktif dengan validasi periodik sesuai SR 11-7 dan POJK OJK. Setiap model memiliki dokumentasi, owner, dan tanggal validasi. Bank yang serius dengan model risk memelihara inventory ini; bank tanpa inventory berisiko menggunakan model yang sudah tidak relevan.

Bagian 4 · 4/4

Penutup Mata Kuliah

Diskusi kelas: apa satu konsep dari 14 pertemuan yang akan Anda terapkan pertama kali di pekerjaan?

Rekomendasi Tata Kelola Atlas Mitra

Sintesis rekomendasi ERM untuk Atlas Mitra berdasarkan analisis P14.

Area	Rekomendasi
Modal	Pertahankan CAR > 14% (buffer di atas minimum); agregat Rp 882 M vs modal Rp 2.000 M
Konsentrasi	Turunkan HHI segmen UMKM; tambah korporasi prime untuk diversifikasi
Pricing	Naikkan spread KTA ~4,4% EL rate; jangan underprice high-LGD
Likuiditas	Pertahankan LCR > 110%; siapkan contingency funding plan
Op-risk	Investasi 3 lines of defense; whistleblower protection
Model risk	Annual validation Tier 1; pertimbangkan ES coherent measure
ERM	CRO dual reporting; Risk Committee Board; risk appetite statement 6 dimensi

Atlas Mitra buffer kuat; rekomendasi fokus pada dekonsentrasi, pricing, dan tata kelola ERM.

Sintesis rekomendasi ERM untuk Atlas Mitra berdasarkan analisis P14. Modal: pertahankan CAR di atas 14 persen sebagai buffer di atas minimum; aggregate capital Rp 882 miliar jauh di bawah modal aktual Rp 2.000 miliar. Konsentrasi: turunkan HHI segmen UMKM yang dominan dengan tambah korporasi prime untuk diversifikasi. Pricing: naikkan spread KTA untuk refleksi EL rate 4,4 persen; jangan underprice segmen high-LGD. Likuiditas: pertahankan LCR di atas 110 persen; siapkan contingency funding plan untuk skenario bank run. Op-risk: investasi tiga lines of defense dengan whistleblower protection yang kuat. Model risk: annual validation untuk Tier 1; pertimbangkan beralih dari VaR ke Expected Shortfall sebagai coherent measure. ERM: CRO dengan dual reporting ke CEO dan Board; Risk Committee Board level; risk appetite statement 6 dimensi yang ditetapkan Board tahunan. Pelajaran: Atlas Mitra buffer kuat; rekomendasi fokus pada dekonsentrasi, pricing, dan penguatan tata kelola ERM untuk sustainability jangka panjang.

Penutup Mata Kuliah: 14 Pesan Kunci

P1-P3

Taksonomi + statistika + ukuran risiko

P4-P5

VaR + ES: dua ukuran utama

P6-P7

Backtest + stress: validasi & komplemen

P8-P9

Korelasi + kredit: portofolio & PD/LGD/EAD

P10-P11

Op-risk + Monte Carlo: simulasi

P12-P14

ERM + governance + integrasi

Bawa 14 pesan kunci ini sebagai toolkit quantitative risk management yang dapat diaplikasikan di pekerjaan nyata.

Tugas Akhir & Apresiasi

Tugas akhir: analisis portofolio risiko organisasi Anda sendiri dengan kerangka P14.

Komponen Tugas Akhir

Profil portofolio 3 kelas risiko
VaR historis & parametrik
Stress severely adverse + reverse
EL kredit + op-risk LDA
Aggregate capital ERM
Rekomendasi tata kelola

Format & Tenggat

Dokumen 15-20 halaman
Presentasi 15 menit + 5 tanya jawab
Data publikasi atau internal (anonim)
Tenggat: minggu ke-16
Konsultasi: jadwal via email

Selamat menyelesaikan mata kuliah Permodelan Risiko; terapkan ilmu untuk pengelolaan risiko yang lebih baik.

🧪 Kalkulator VaR · PD/LGD/EAD & RAROC · Monte Carlo · 📖 Value at Risk · capital adequacy ratio · portfolio theory. Kerangka P14 = template tugas akhir analisis risiko organisasi Anda.

Tugas akhir mata kuliah adalah analisis portofolio risiko organisasi Anda sendiri dengan kerangka P14. Komponen tugas: profil portofolio tiga kelas risiko utama, VaR historis dan parametrik, stress severely adverse plus reverse stress, Expected Loss kredit dan op-risk LDA, aggregate capital ERM, serta rekomendasi tata kelola. Format: dokumen 15-20 halaman, presentasi 15 menit plus 5 menit tanya jawab. Data dari publikasi resmi atau internal dengan anonimisasi. Tenggat minggu ke-16; konsultasi via email untuk jadwal. Apresiasi: selamat menyelesaikan mata kuliah Permodelan Risiko. Anda telah menyelesaikan kurikulum quantitative risk management yang setara FRM GARP — fondasi yang kuat untuk karir sebagai manajer risiko, chief risk officer, atau konsultan tata kelola. Terapkan ilmu ini untuk pengelolaan risiko yang lebih baik di organisasi Anda. Sampai jumpa di ujian akhir dan presentasi tugas.