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

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