Pengawasan BPR
Periode -
Pemantauan · -

Daftar pantau BPR

Bank diurutkan dari yang paling berisiko. Setiap baris memuat strip 11 indikator, sehingga pola risiko terlihat sekilas.

Daftar BPR dan status peringatan dini

Perlu ditindaklanjuti

Uji stres skenario makro

Buka simulator →

Eksposur penjaminan LPS

Rincian →
-

Peta indikator

Nilai per kuartal, diwarnai menurut level terhadap ambang. Pilih sel atau nama indikator untuk melihat rumus, ambang, riwayat, dan tindak lanjut.

-

Uji stres

Uji dampak kenaikan NPL dan penarikan DPK terhadap permodalan dan likuiditas. Dihitung di Function Compute. Batas lulus CAR 12%.

Parameter

5
20
Pakai skenario

Titik patah

reverse stress test

Monte Carlo

Skenario makro

-

Penjaminan LPS

Komposisi simpanan terhadap batas penjaminan Rp 2 miliar per deposan dan syarat tingkat bunga penjaminan (TBP), beserta estimasi biaya bersih LPS bila bank gagal.

-

Portofolio kredit

Baki debet, kualitas kredit, cakupan agunan, dan konsentrasi per sektor ekonomi terhadap batas 30%.

Diperiksa di MaxCompute sebelum indikator dihitung

Kualitas data

Indikator yang datanya gagal atau belum rekonsiliasi diberi tanda, agar analis tahu angka mana yang belum dapat diandalkan.

Semua bank

Bank terpilih

Alibaba Cloud · Jakarta

Alur & platform

Setiap tahap di bawah sudah berjalan pada prototipe ini.

01

Ambil data

DataWorks · MaxCompute
  • Laporan keuangan per kuartal
  • Kredit per sektor
  • Data rekening simpanan
ods_banks · ods_financials · ods_loan_sectors
02

Periksa kualitas

MaxCompute SQL
  • Field wajib, nilai negatif
  • Rekonsiliasi rekening
  • Anomali antar-kuartal
dq_issues · DQ-01…DQ-08
03

Hitung indikator

MaxCompute SQL
  • 11 rasio CAMELS dan konsentrasi
  • Level terhadap ambang di tabel
dim_thresholds · dws_indicators
04

Uji stres & AI

Function Compute · Model Studio
  • Skenario, titik patah, Monte Carlo
  • Asisten analis berbasis Qwen
lps-ews-web · qwen3.7-plus
05

Sajikan

ALB · Function Compute
  • Daftar pantau dan status
  • Drill-down indikator
  • Simulator stres
alb-8hfogpnzs7tmdl9kyy

Belum ada di prototipe

  • Data nyata. Semua data adalah data sintetis untuk 40 BPR.
  • Model peluang gagal. Butuh data historis bank yang dilikuidasi beserta labelnya.
  • Hologres dan PAI-EAS. Diganti Function Compute agar biaya prototipe di bawah USD 50 per bulan.
  • Kalibrasi ambang. Ambang saat ini usulan awal dan perlu disepakati dengan tim pengawasan.
  • Lokasi model AI. Model Studio berjalan di Singapura. Data nyata butuh kajian aliran data lintas negara.