Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perbankan merupakan industri yang paling banyak diatur oleh regulator sehubungan dengan dampak dari buruknya kinerja dari perbankan dapat menyebabkan systemic risk. Hal ini disebabkan oleh tingginya leverage yang dimiliki oleh industri perbankan sesuai dengan fungsi bank sebagai Iembaga intermediasi perekonomian yaitu memobilisasi dana dari masyarakat dan menyalurkan kembali dalam bentuk kredit untuk mendorong sektor usaha. Dengan semakin berkembangnya industri perbankan, maka akhirnya Bank for International Settlement (BIS) mulai melakukan regulasi, terutama menyangkut permodalan perbankan berkaitan dengan risiko yang dihadapi. Salah satu risiko yang paling sering dihadapi bank adalah risiko kredit. Dalam Basel Accord II yang akan segera diterapkan, bank diperbolehkan mempergunakan Internal Rating Base model untuk menghitung kebutuhan modal untuk mengcover risiko kredit.Karya tulis ini berusaha memberikan gambaran mengenai sistem Internal Rating Base model yang dikembangkan oleh sebuah bank nasional dan membandingkan basil pemeringkatan yang diperoleh dari Internal Credit Risk Rating (sebutan untuk Internal Rating Base model di bank tersebut) dengan basil pemeringkatan dari lembaga pemeringkat Pefindo.Analisa perbandingan tersebut meliputi perbandingan hasil pemeringkatan dari kedua sistem pemeringkatan terhadap perusahaan sama, konsistensi rata-rata rasio keuangan utama untuk beberapa kelompok hasil pemeringkatan internal bank tersebut, konsistensi rata-rata rasio keuangan utama untuk beberapa kelompok basil pemeringkatan Pefindo, dan perbandingan rata-rata rasio keuangan utama dari basil pemeringkatan bank dengan Pefindo untuk kelompok hasil pemeringkatan yang sama. Data yang dipergunakan untuk perbandingan ini meliputi data Hasil pemeringkatan bank nasional tersebut dan basil pemeringkatan Pefindo per 28 Februari 2005 dan laporan keuangan tahun 2003 dari perusahaan-perusahaan yang diperingkat.

---

Banking is an industry which is highly regulated since poor performance in the backing sector may lead to a systemic risk in the economy. This is due to the industry's high leverage as a result of its role as a financial intermediary, which mobilizes funds from the people and extends them in forms of loans to support businesses.

In order to support the growth in the banking industry, the Bank for International Settlement (BIS) has started issuing regulation, particularly related to the bank's capital in association with the risk incurred. One of the risks mainly encountered by the industry is the credit risk. In Basel Accord II which will soon be implemented, bank is allowed to use the Internal Rating Base model to calculate the capital necessary to cover the credit risk.

This paper tried to provide understanding about the Internal Rating Based model developed by a national bank (called the Internal Credit Risk Rating) and compare the result from that model with the rating derived from the rating institution, Pefindo. The comparative analysis include the comparison between the rating derived from both models toward the same company, the consistency of the average of main financial ratios of several groups derived from the internal bank rating, the consistency of the average of main financial ratios of several groups derived from Pefindo rating and the comparison of the average of main financial ratios derived from both models for groups with the same rating. The data utilised for this comparison purposes include data from the aforementioned national bank's rating and Pefindo rating as of 28 February 2005 and 2003 financial statement of the companies that are rated."

"[ABSTRAKTesis ini bertujuan untuk menguji adanya kausalitas antar risiko perbankan dandampaknya terhadap probabilitas kegagalan bank. Penelitian ini menggunakandata individu perbankan dari 5 negara, seperti Filipina, Indonesia, Malaysia,Singapura, dan Thailand. Untuk menguji adanya kausalitas dalam risikoperbankan, dipergunakan VAR-Granger Causality model. Sebagai tambahan,model regresi OLS dipergunakan untuk menguji dampak dari interaksi antar risikoini terhadap probabilitas kegagalan bank. Hasil dari penelitian ini adalahkausalitas antar risiko kredit dan risiko likuiditas hanya ditemukan di Malaysia.Sedangkan, kausalitas antar risiko kredit dan risiko tingkat suku bunga ditemukandi Filipina, Malaysia, Thailand, dan ASEAN. Namun, tidak ditemukan adanyapengaruh dari interaksi antar risiko ini terhadap probabilitas kegagalan.Probabilitas kegagalan terbukti kuat dipengaruhi oleh risiko kredit, ukuran bank,dan produk domestik bruto.

---

ABSTRACTThis thesis aims to investigate the occurrence of causality in banking risks and itsimpact on probability of default. This thesis used individual bank data of fivecountries, i.e: Indonesia, Malaysia, Singapore, Thailand, and the Philippine. Inorder to investigate the occurrence of causality in banking risks, we used VARGrangerCausality model. In addition, OLS regression models are used toinvestigate the impact of this causality on default probability. Results of this studyrevealed that the causality between credit risk and liquidity risk only occurred inthe Philippine, Malaysia, Thailand, and all banks in ASEAN. However, the impactof the interaction between banks risk on default probability is not significant.Furthermore, credit risk, bank size, and gross domestic product are significantlyimpact probability of default, This thesis aims to investigate the occurrence of causality in banking risks and itsimpact on probability of default. This thesis used individual bank data of fivecountries, i.e: Indonesia, Malaysia, Singapore, Thailand, and the Philippine. Inorder to investigate the occurrence of causality in banking risks, we used VARGrangerCausality model. In addition, OLS regression models are used toinvestigate the impact of this causality on default probability. Results of this studyrevealed that the causality between credit risk and liquidity risk only occurred inthe Philippine, Malaysia, Thailand, and all banks in ASEAN. However, the impactof the interaction between banks risk on default probability is not significant.Furthermore, credit risk, bank size, and gross domestic product are significantlyimpact probability of default]"

"Tujuan dari penelitian ini adalah untuk mengetahui berapa besarnya risiko Kartu Kredit rnelalui pendekatan internal model Credit Risk + selain itu juga Bank ABC dapat mengukur besar kerugian yang dapat diperkirakan (expected loss) dan kerugian yang tidak dapat diperkirakan (unexpected loss) serta berapa besar economic capital yang hares disediakan oleh PT Bank ABC untuk meng-cover unexpected loss. Pembatasan masalah adalah bahwa Kartu Kredit yang dipergunakan adalah bersifat individual dan jumlahnya massal serta terdapat beberapa jenis Kartu Kredit sesuai limitnya, bahwa Kartu Kredit yang diteliti adalah periode tahun 2002- 2004, dan tidak membedakan jenis Kartu Kredit, exposure terbesar untuk Kartu Kredit di PT Bank ABC sebesar Rp 50 juta Rupiah , tidak terdapat jaminan deposito dan Default disebabkan oleh sesuatu hal yang berkaitan dengan kemampuan pembayaran dari Card Holder, yang bersumber dan penghasilan bulanan, usaha atau pendapatan lainnya. Gambaran umum mengenai metodologi yang akan digunakan adalah sebagai berikut :1) Melakukan pengumpulan data debitur Kartu Kredit periode Januari 2002 sampai dengan Desember 2004.2) Penyusunan Band dan Penyusunan Exposure Default per Band3) Pengukuran Recovery Rate4) Pengukuran Severity Loss atau Loss Given Default5) Pengukuran Probability of Default dan Cumulative Probability of Default6) Pengukuran Expected Loss dan Unexpected Loss7) Pengukuran Economic Capital8) Pengujian Validitas Model Credit Risk + Credit Risk + adalah metode pengukuran risiko yang dikembangkan oleh Credit Suisse First Boston (CSFB)) pada Desember 1996. Dalam metode ini ada dua fokus yang dihadapi yaitu default dan non default serta fokus pada expected losses dan unexpected losses . Dalam metode Credit Risk+, tidak memperhatikan penyebab dari default. Data input berasal dari data histories yaitu data exposure debitur dan data exposure at default dari debitur dan frequency of default event terjadi akibat adanya default kredit dari serangkaian peristiwa. Keuntungan Credit Risk+ adalah relatif mudah untuk diimplementasikan, karena hanya lebih fokus pada default, sehingga relatif membutuhkan sedikit estimasi dan inputs. Untuk setiap instrument, hanya diperlukan exposure at default dan mengukur probability of default. Credit Risk + cocak untuk kredit konsumer karena jumlah nasabah yang banyak dan kreditnya relatif lebih kecil. Kelemahan Credit Risk+ yaitu mengasumsikan bahwa credit risk tidak mempunyai hubungan dengan market risk Selain iru Credit Risk+ mengabaikan migration risk, exposure setiap debitur tetap dan tidak sensitif dengan kualitas kredit atau variability dari interest rate. Selain itu Credit Risk+ melakukan pengukuran pada sekelompok nasabah sehingga sulit diketahui risiko kredit per nasabah. Dalam mengukur nilai risiko kredit untuk produk Kartu Kredit di Bank ABC didasarkan pada pemikiran bahwa:1. Produk Kartu Kredit adalah jenis kredit yang memiliki tingkat risiko yang cukup tinggi mengingat pemberian fasilitas Kartu Kredit kepada nasabah tidak disertai jaminan dan bersifat konsumtif.2. Adanya potensi pasar Kartu Kredit yang cukup besar di Indonesia, terutarna dengan semakin tingginya kebutuhan konsumsi masyarakat dan semakin berkembangnya pasar-pasar modem serta toko-toko yang menerima pembayaran dengan Kartu Kredit.3. Adanya tingkat persaingan yang tinggi diantara bank-bank sebagai issuer Kartu Kredit sehingga pihak bank melakukan pemasaran Kartu Kredit nya secara agresif.4. PT. Bank ABC belum mererapkan internal model khususnya Credit Risk+ untuk menghitung risiko kredit untuk produk Kartu Kredit nya. Hasil pengukuran risiko kredit dengan menggunakan metode CreditRisk+ menunjukkan bahwa nilai unexpected loss adalah sebesar Rp. 37.180.000.000,- path tahun 2002, sebesar Rp. 40.508.000.000,- pads tahun 2003 dan sebesar Rp.46.540.000.000,- pada tahun 2004. Besarnya unexpected loss ini hares ditutup dengan modal. Economic capital yang dapat menutup unexpected loss ini setiap tahunnya meningkat mulai dari Rp.22.932.000.000,- di tahun 2002, sebesar Rp. 23.660.000.000,- di tahun 2003 serta sebesar Rp.26.000.000.000,- di tahun 2004. Dari likelihood test ratio diketahui bahwa jumlah kejadian real loss yang melebihi nilai unexpected loss selama periode observasi adalah not atau tidak ada nilai yang melebihi nilai unexpected loss, yang berarti nilai LR yang diperoleh lebih kecil dari nilai kritis dengan tingkat keyakinan 95% atau LR < 3,841. Dengan demikian dapat dikatakan bahwa metode pengukuran risiko dengan Credit Risk+ ini dapat diterima dan cukup akurat dalam mengukur unexpected loss ( VAR) kartu kedit. Dengan melihat kemudahan serta cukup sederhana dari penggunaan metode CreditRisk+ dalam mengukur risiko Kartu Kredit, maka Bank ABC dapat mempertimbangkan metode CreditRisk+ ini dalam pengukuran risiko Kartu Kredit di Bank ABC. Penggunaan internal model lebih kecil dibandingkan dengan standardized model dalam penggunaan modal minimum maka dapat menjadi altematif model untuk menghitung risiko bagi pengelola Bank ABC. Mengingat bahwa karakteristik produk kredit konsumer seperti Kredit Kendaraan Bermotor, Kredit Pemilikan Rumah, dan Personal Loan mempunyai karakteristik yang sama dengan Kartu Kredit yaitu jumlah debitur banyak dengan nilai kredit relatif kecil dan bersifat individual, maka penggunakaan metode CreditRisk+ dapat digunakan jugs untuk mengukur risiko kredit untuk consumer loan diluar produk kartu kredit tersebut. Kurang tersedianya database yang baik akan berpengaruh terhadap kualitas pengukuran internal model Credit Risk +, oleh karena itu Bank ABC harus meningkatkan kualitas dari database Kartu Kredit nya secara detail terutama pada pengelompokkan debitur berdasarkan Band, data recovery, data default per Band. Karena tingkat recovery yang rendah maka Bank ABC harus terus meningkatkan peran collectionnya agar recovery rate Kartu Kredit terus meningkat.

---

The purpose of this research is to find out how high the risk of Credit Card by using the method of internal model Credit Risk +. Aside from that, Bank ABC can also measure the expected loss and the unexpected loss, as well as the amount of economic capital that has to be provided by PT Bank ABC to cover the unexpected loss.

The problem limitation is that the Credit Cards that are used are individual cards in a mass number. Also, there are some types of Credit Card according to the limit, that the Credit Cards being inspected are of the 2002 - 2004 period, and not being differentiated based on the types, the biggest exposure for Credit Card in PT Bank ABC is 50 millions Rupiah, and there's no collateral and Default available, caused by something that has to do with paying ability of the Card Holder, which is determined by their monthly income.

A general view on the method that's going to be used is as follows:

1) Collecting data of Credit Card Holder in the period of January 2002 - December 2004.

2) Arranging Band and Exposure Default per Band

3) Measuring the Recovery Rate

4) Measuring the Severity Loss or Loss Given Default

5) Measuring the Probability of Default and Cumulative Probability of Default

6) Measuring Expected Loss and Unexpected Loss

7) Measuring the Economic Capital

8) Testing the Validity of Model Credit Risk

Credit Risk + is a method of measuring the risk which was developed by Credit Suisse First Boston (CSFB) in December 1996. In this method, there are two focus points that are being dealt with. One is the default and non-default, and the other is the expected losses and unexpected losses. In the Credit Risk+ method, the cause of the default is not to be concerned. Input data comes from history data. They are the exposure data of the Card Holder and the data of exposure at default of the Card Holder and the frequency of default event which is caused by a series of events.

The benefit of using Credit Risk+ method is quite easy to be implemented because it focuses more to the default, so that it needs only few estimation and inputs. For each instrument, we only need exposure at default and counting the probability of default. Credit Risk + method are suitable for consumer credit due to the high number of accounts and the credit is relatively lower.

The weakness of Credit Risk+ method is the assumption that credit risk does not relate to market risk. It excludes migration risk, and the exposure of each Card Holder is constant and insensitive to the credit quality or the variability of interest rate. In addition, Credit Risk+ method does the measuring to a group of Card Holders, and that makes it difficult to find out the risk of each Card Holder

Measuring the value of credit risk for Credit Card product at Bank ABC are based on these following thoughts:

1. Credit Card product is a credit type that has quite high risk, concerning the approval of Credit Card facility to costumers does not qualify collateral and the function induces consumerism.

2. The increasing consumerism among Indonesian people, the development of modern markets, and the more shopping places that allow costumers use their credit cards thus increase the potential market of Credit Card in the country.

3. Tight competition among banks that issue Credit Card products leads to the agressive way of marketing Credit Cards.

4. PT. Bank ABC has not implemented the internal model, especially Credit Risk+ , to calculate the credit risk for their Credit Card product.

The risk measuring with Credit Risk+ method shows that the value of unexpected loss equals to Rp. 37.180.000.000,- in the year of 2002, Rp. 40.508.000.000 2003, and Rp.46.540.000.000,- in 2004.

The unexpected loss has to be covered by capital. Economic capital that covers the unexpected loss increases every year, starting Rp 22.932.000.000,- in 2002, Rp 23.660.000.000,- in 2003, and Rp.26.000.000.000,- in 2004.

From the likelihood test ratio we can tell that the sum of real loss that's bigger than the value of unexpected loss during the observation period equals to zero. There is no value bigger than the value of unexpected loss, which means the LR value is smaller than risky value with the assurance level of 95% or LR < 3,841. In brief, the risk measuring method Credit Risk+ can be accepted and is accurate enough in measuring the unexpected loss (VAR) of credit card.

Based on the simplicity of the Credit Risk+ method, Bank ABC can take into considerations of using the method to measure the Credit Card risk in their company. The use of internal model is smaller than the standardized model in the minimum use of capital, thus it can be an alternative model to measure the risk for Bank ABC.

Regarding that consumer credit products such as Car Loan, Housing Loan, and Personal Loan has the similar characteristics with Credit Card, that is high number of Customer with credit value that's relatively small and individual, thus Credit Risk+ method can also be used to measure credit risk for consumer loan other than the credit card itself. The lack of the right database will affect on the quality of internal model Credit Risk measurement. Thai's why Bank ABC has to improve the quality of their credit card database, especially in the classification of Card Holder based on Band, data recovery, and data default per Band. Due to the low recovery level, Bank ABC has to improve their collection role so that the Credit Card recovery level will increase."

"ABSTRAKKarya akhir ini dilaksanakan dengan tujuan utama untuk mcngetahui bcsarnya risiko krcdit khususnya pada bisnis Mikro sektor usaha di Bank BRI. Perhitungan ini teramat sangat ,penting dilakukan mcngingat bahwa, pertama, Usaha Mikro adalah merupakan usaha yang paling banyak di Indonesia, namun para pengusaha mikro tidak mampu berhubungan denganbank Kedua, adanya anggapan bahwa sektor usaha mikro berisiko tinggi karena pengusaha mikro tidak bankable dan tidak mampu menyediakan agunan, Ketiga, Bank BRI adalah bankumum yang paling banyak menyalurkan pembiayaan di sektor mikro dan komposisi kreditmikro adalah 30 % dari sduruh kredit Bank BRL Keempat, Adanya ketentuan Basel tcntangkeharusan menghitung risiko kredit sebagai salah satu unsur dalam pcrhitungan CARBank BRI telah memberikan pelilyanan Krcdit Mikro tanpa subsidi pemerintilh adalahsejak tahun 1984, Kredit Mikro Scktor Usaha Bank BRT diberikan kcpada nasabah pcrorangan yang merupakan pengusaha mikro, dengan maksimum Rp, 50,000.000,-. Rata-rata pinjaman untuk setiap debitur sampai akhir tahun 2003 adalah Rp. 4,36 juta. Sampai saat ini Bank BRI telah memberikan pinjaman kepada 32.728.335 debitur. Jumlah debitur yang masih memiliki pinjaman adalah sebesar 3 juta nasabah dengan total outstanding kredit mencapai Rp. 13.273 miliar.Berdasarkan ketentuan pada Basel II, dalam perhitungan risiko kredit dapat menggunakan beberapa pendekatan, antara lain dengan standardized dan internal model. Pada penelitian ini, akan dilakukan pcrhitungan dengan menggunakan internal model dengan pendekatan Credit Risk. Credit Risk* adalah model yang tepat untuk mengukur risiko kredit dengan jumlah pinjaman yang kecil dan nasabah yang sangat banyak. Model Credit Risk* adalah merupakan model unconditional sehingga tidak memerlukan tambahan data makro dan merupakan default model. Risiko Kredit yang dihitung adalah berupa potensi kerugian yangdialami dari suatu portfolio kredit mikro sektor usaha. Credit Risk+ mengabaikan penyebabdari terjadinya default.Penerapan Credit Risk dilakukan untuk menghitung risiko kredit mikro Bank BRI dengan batasan sebagai berikut. Pertama, Kredit Mikro yang diteliti adalah hanya pada sector usaha dengan data selama 3 tahun, yaitu dari Januari 2001 sampai dengan Desember 2003. Kedua, Kriteria Default diasumsikan sama dengan kolektibilitas macet sesuai ketentuan Bank Indonesia, karena Bank BRI belum mempunyai credit scoring. Ketiga, Bank BRI tidak mempunyai data agunan, karena agunan pada kredit mikro hanya sebagai aspek psikologis.Dalam Model Credit Risk * digunakan dua tahapan, yaitu pertama mencari Frecuency of Default dan Severity of Losses. Kedua Distribution ofDefault Losses. Setelah mendapatkan Loss Distribution, akan dapat diketahui besarnya potensi kerugian berupa expected losses dan unexpected losses serta besamya economic capital untuk menutup kerugian yang terjadi.Hasil simulasi perhitungan kredit mikro sektor usaha dengan menggunakan Credit Risk + dengan asumsi tingkat keyakinan 95 % dan probability of default dihitung dengan Poisson Model menunjukkan sebagai berikut.Pertama, Perhitungan Probability of Default menunjukkan bahwa kredit mikro sector usaha yang memiliki kemungkinan untuk te1jadinya no default lebih besar dari kemungkinan terjadinya default pada tahun 2001 adalah kredit diatas Rp. 3 juta, pada tahun 2002 kredit diatas Rp. 5 juta dan pada tahun 2003 kredit diatas Rp. I 0 juta. Sedangkan untuk kredit diatasRp. 10 juta sampai dengan Rp. 20 juta, walaupun memiliki kemungkinan tetjadinya no default lebih besar dibandingkan dengan kemungkinan default, namun kemungkinan default tersebut adalah lebih besar dibandingkan kemungkinan default kredit dibawah Rp. 2 jutaKedua, Besarnya potensi kerugian kredit mikro sektor usaha yang diperoleh dari perkalian probability of default dengan loss given default adalah sebesar Rp. 57.247.955.748, padatahun 2001, sebesar Rp. 158.886.611.142,- pada tahun 2002 dan menjadi sebesar Rp. 550.014.556.136,- pada tahun 2003. Potensi kerugian tersebut bila dibandingkan dengan outstanding kredit mikro sektor usaha adalah sebesar 1 ,08°/c, pad a tahun 2001, sebesar 2,86% pada tahun 2002 dan sebesar 7,69% pada tahun 2003.Ketiga, Expected Loss sesuai perhitungan denganmodel Credit Risk dapat ditutup oleh cadangan yang dibentuk oleh bank, yaitu pada tahun 2001 sebesar Rp.l9.823.793.748,- jauhlebih kecil dari pembentukan PPAP sebesar Rp. 134.613.934.416,-, tahun 2002 expected losssebesar Rp.52.793.866.260,- lebih kecil dari PPAP sebesar Rp. 187.314.166.50 I,-, tahun 2003 expected loss sebesar Rp 293.321.124.509,- sedikit lebih kecil dari PPAP sebesar Rp.300.371.973.033,-.Keempat, Untuk menutup unexpected loss diambilkan dari modal. Dan besarnya economic capital yang harus disediakan meningkat setiap tahunnya, yaitu dari Rp. 37.424.162.038,- pada tahun 2001, menjadi Rp. 106.092.744.882,- pada tahun 2002 dan Rp. 256.693.431.672,- pada tahun 2003. Dengan mengetahui jumlah dan peningkatan Economic Capital dapat digunakan untuk melakukan analisa strategi untuk melakukan alokasi asset yang tepat dan paling menguntungkan.Hasil backtesting pada tingkat keyakinan 95% tahun 2001 adalah kondisi aktual credit at risk atau jumlah kredit default pada kredit mikro sesuai dcngan prcdiksi. Namun pada tahun 2002, posisi aktual kredit sampai dengan Rp. 2 juta berada sedikit diatas prediksi, dan pada tahun 2003 posisi aktual yang melewati prediksi meningkat menjadi kredit sampai dengan Rp. 5 juta. Hal ini dapat terjadi karena antara lain, pertama adanya komposisi pertanian semakin besar hampir menyamai kredit untuk perdagangan. Sektor pertanian adalah sektor yang faktor kegagalannya sulit diprediksi karena faktor ekstern seperti kondisi alam dan Iingkungan sangat mempengaruhi. Kedua, adanya perubahan ketentuan kolektibilitas terhadap kreditmikro menyebabkan jumlah default menjadi meningkat. Ketiga, Underestimated pada estimasi dibandingkan dengan kondisi aktual dapat tetjadi karena adanya volatility defaultrates. Mean dapat berubah tergantung pada siklus bisnis. Namun mengingat sempitnya waktudan data yang ada maka dampak pengaruh siklus bisnis tidak diteliti.Penerapan Credit Risk* pada perhitungan risiko kredit mikro sektor usaha Bank BRI menunjukkan bahwa kerugian yang dialami relatif rendah dan masih dapat ditutup oleh cadangan yang dibentuk dan economic capital. Penyediaan modal minimum yang digunakanjuga lebih rendah dibandingkan ketentuan Basel sebesar 8 %. Hal ini menunjukkan bahwakredit mikro sektor usaha adalah merupakan sektor yang sangat potensial untuk dikembangkan karena risiko kredit rendah dan pasar masih terbuka luas."

"Krisis ekonomi yang melanda Indonesia dan negara-negara Asia di tahun 1997 - 1998 memberi pengaruh yang besar bagi sektor perbankan di Indonesia. Sejurnlah bank dilikuidasi atau dihentikan aktivitas operasional oleh Bank Indonesia karena krisis likuiditas akibat menurunnya kepercayaan masyarakat dan tingginya kredit bermasalah. Sebagian besar bank yang masih mampu beroperasi, memperoleh bantuan likuiditas dari Bank Indonesia dan masuk dalam pengawasan Badan Penyehatan Perbankan Nasional (BPPN). Bank ABC selaku bank swasta terbesar juga termasuk dalam pengawasan BPPN sampai dengan tahun 2000.Belajar dari pengalaman tersebut serta mengacu pada Basel Accord II, pada tahun 2003 'Bank iiiddriesla iizemperketat kebijakan. operasional perbankan dengan mengeluarkan peraturan manajemen risiko yang hares dikelola seluruh bank di Indonesia. Sebagai respon atas peraturan tersebut, mulai tahun 2003 bank ABC menerapkan internal credit risk rating (ICRR) sebagai alat bantu proses analisis kredit small medium enterprise (SME). Dua alasan panting diterapkannya ICRR di Bank ABC adalah (i) sebagai penerapan praktek manajemen risiko yang balk serta alat ukur pemahaman risiko dan (ii) berkaitan dengan fungsi ICRR di antaranya standarisasi proses analisis kredit, mengidentifikasi dan mengurangi debitur yang berpotensi bermasalah dan mempercepat proses kredit.Pokok permasalahan yang akan dibahas dalam karya akhir ini adalah apakah ICRR yang diterapkan oleh Bank ABC untuk pengambilan keputusan kredit SME sejak tahun 2003 telah efektif. Untuk menjawab pokok permasalahan tersebut, pertanyaan penelitian yang diajukan adalah bagaimana penerapan ICRR dan efektifitasnya dalam hal: (i) kemampuan ICRR dalam melakukan filtering terhadap (talon) debitur yang berpotensi bermasalah (ii) kesesuaian variabel yang digunakan dalam ICRR dengan teori yang ada, (iii) kesesuaian ICRR dengan kriteria minimum yang disyaratkan BIS, (iv) kemampuan variabel yang digunakan ICRR untuk memprediksi probabilitas (calon) debitur yang berpotensi bermasalah sesuai teori, (v) menekan tingkat kredit bermasalah dan (vi) mempercepat jangka waktu proses kredit.Untuk menjawab pertanyaan penelitian tersebut, digunakan berbagai metode penelitian yaitu analisis deskriptif, analisis kualitatif, regresi logistik ordinal dan analisis kuantitatif. Analisis deskriptif dilakukan terhadap penerapan ICRR sebagai alat bantu analisis kredit SME di Bank ABC serta perbandingan persentase kredit SME bermasalah terhadap kredit yang dilepas pada periode sebelum dan sesudah penerapan ICRR. Analisis kualitatif dilakukan dengan melakukan benchmarking atas variabeI-variabel yang digunakan ICRR berdasarkan teori yang ada serta benchmarking sistem ICRR berdasarkan kriteria-kriteria minimum persyaratan sistem rating yang diformulasikan oleh BIS. Metode regresi logistik ordinal untuk menguji apakah variabel-variabel yang digunakan ICRR memiliki pengaruh yang signifikan dalam memprediksi probabilitas (calon) debitur yang berpotensi bermasalah. Analisis kuantitatif dilakukan dengan membandingkan perbedaan rata-rata jangka waktu proses kredit SME sebelum dan sesudah penerapan ICRR dengan uji beda mean (Paired-Sample T Test).Hasil penelitian menyimpulkan bahwa bila dilihat dari aspek penyaringan debitur yang berpotensi bermasalah dan kesesuaian variabel yang digunakan ICRR dengan teori, sistem tersebut kurang efektif karena basil simulasi ICRR terhadap seluruh debitur bermasalah tahun 2003 hanya dapat menyaring 18,57% yang memiliki risiko tinggi dan ada 7 variabel yang tidak dianalisis dalam sistem ICRR_ Namun dari aspek kesesuaian dengan kriteria BIS serta jangka waktu proses, ICRR yang dikembangkan oleh Bank ABC untuk kredit SME telah efektif karena telah sesuai dengan kriteria persyaratan minimum dari BIS serta dapat mempercepat proses jangka waktu kredit. Selain itu sulit untuk mengatakan bahwa ICRR merupakan suatu sistem yang efektif dalam ,menekan kredit bermasalah karena terjadi peningkatan persentase kredit bermasalah setelah penerapan ICRR karena beberapa alasan yang mungkin melatarbelakanginya.

---

Economy crisis at Indonesia and other Asian countries that happened in 1997 - 1998, had given great impacts to banking sector in Indonesia. Numbers of bank were liquidated or operationally stopped by Bank of Indonesia due to liquidity crisis after the decreasing of public trust and increasing of non performing loans. Banks that could operate in crisis, mostly received liquidity aid from Bank of Indonesia and monitored by Indonesia's Banking Restructuring Agency (IBRA). Bank ABC, biggest private bank in Indonesia was also monitored by IBRA until 2000.Learning from that experience and referring to Basel Accord II, in 2003 Bank of Indonesia tighterred--the' b liking"secfvr by issuing risk management policy that should be managed by all banks in Indonesia. Responding to it, in 2003 Bank ABC applied internal credit risk rating (ICRR) as a tool for processing small medium enterprises (SME) credits. Two major underlying reasons of implementing ICRR are (i) as a good risk management practice and risk measurement, and (ii) related to the functions of ICRR: standardization of credit process, identification and reducing debtors potentially default and accelerating the credit process.The main problem that will be discussed in this paper is the effectiveness of ICRR applied by Bank ABC for SME credit decisions since 2003. For answering the problem, the research questions proposed are how the implementation of ICRR and its effectiveness in terms of: (i) its ability in filtering the potentially-default borrowers, (ii) the compliance of variables being used in ICRR with theory, (iii) the compliance of ICRR model with minimum criteria according to BIS, (iv) the capability of variables being used in ICRR to predict the likelihood of potentially-default borrowers, (v) its capability in decreasing non performing loans and (vi) its capability to accelerate credit process. In answering those questions, research methodologies being used are descriptive analysis, qualitative analysis, ordinal logistic regression and quantitative analysis. Descriptive analysis will be used in analyzing the implementation of ICRR as a tool for processing SME credits at Bank ABC and analyzing the comparative of non performing loans to total credit before and after the implementation of ICRR. Qualitative analysis will be used in benchmarking the ICRR variables with the theory and benchmarking the ICRR system with minimum criteria according to BIS. Ordinal logistic regression will be used in assessing the capability of ICRR variables to predict the likelihood of potentially-default borrowers. Quantitative analysis will be used to compare the difference of credit process duration before and after the implementation of ICRR, using the Paired-Sample T Test.The result of the research shows that ICRR has been uneffective in terms of its ability in filtering the potentially-default borrowers and the compliance of variables being used in ICRR with theory. But ICRR has been effective in terms of the compliance of ICRR model with minimum criteria according to BIS, the capability of variables being used in ICRR to predict the likelihood of potentially-default borrowers, and its capability to accelerate credit process. From the capability of ICRR in decreasing non performing loans, it is hard to say that ICRR has been effective due to the increasing of non performing loan after the implementation of 1CRR with some potential underlying reasons."

"Tujuan Penelitian ini adalah untuk membandingkan kemampuan dua teknik sebagai pendekatan untuk memperoleh nilai pasar ekuitas yang dipakai untuk memprediksi kepailitan yaitu metode arus kas dan metode harga pasar saham (stock price), dengan menggunakan model merton dan KMV. Cooperstein, Pennacchi, dan Redburn(1995) dalam penelitiannya memberikan sebuah metode untuk mengestimasi nilai pasar ekuitas untuk mencari nilai pasar aset dan volatilitas aset bank dengan menggunakan data arus kas bank yang didapat dari laporan keuangan bank (laba rugi). Cara ini memungkinkan bank yang tidak go public bisa menghitung distance to default dan probability of default menggunakan model kuantifikasi yang ada untuk mengukur resiko kreditnya. Kemudian dua teknik tersebut diperbandingkan dengan ADZ Score yang merupakan alat ukur kerapuhan bank berdasarkan rasio-rasio dari laporan keuangan. Berdasarkan analisa hasil penelitian keduanya memiliki kekuatan dan kelemahan masing-masing, metode arus kas menghasilakan angka probability of default diatas 50% untuk 13 sampel bank. Sedangkan metode harga saham angka probablity of default sangat bervariatif yaitu kurang dari 1% hingga 48%.

---

The purpose of this research is to compare the ability of two methods to measure market value of equity for predicting probability of default encompasses cash flow and stock price method by using Merton's model and KMV. Cooperstein, Pennacchi, and Redburn (1995) in their research give a method to estimate market value of asset and asset volatility of bank by using cash flow data from bank?s financial report (profit and loss). This method is useful for non-listing (private) banks to calculate distance to default and probability of default using quantitative model for measuring its credit risk. The results of these two methods are compared to ADZ Score which it is a measurement tool of insolvency bank base on financial report ratios. Based on result analysis both of them have their own advantages and weaknesses, cash flow method effect to the number probability of default over 50% for 13 bank's sample. Conversely stock price?s method gives wide variety of default probability result less than 1% up to 48% for those bank's sample."

"ABSTRAKKarya akhir ini membahas mengenai Credit Scoring sebagai alat untuk menghitung risiko default pada seleksi nasabah kartu kredit. Model Credit Scoring yang biasa disebut dengan scorecards di-disain secara empiris untuk menjalankan evaluasi penerimaan kredit dan strategi perusahaan.Credit Scoring ini lebih cocok dan ditunjukan untuk produk pinjaman kredit yang sifatnya masal, dengan plafon kecil. Salah satu contohnya adalah Credit Scoring dipakai untuk menyeleksi aplikan Kartu Kredit. Kartu Kredit merupakan salah satu jenis kredit ritel yang populer. Dan hal ini ditunjukkan dengan maraknya promosi iklan yang menawarkan kemudahan dan fasilitas yang dimiliki oleh kartu kredit dan sambutan yang antusias dari masyarakat.Kepopuleran kartu kredit disebabkan karena jenis kredit tersebut ditujukan untuk dimanfaatkan sebagai sarana pemenuhan kebutuhan sehari-hari bagi pemiliknya. Disamping itu, keberadaan kartu kredit bukan saja memenuhi kebutuhan bagi para nasabahnya tetapi juga menjadi marketer bagi pihak penerbit kartu kredit dengan para merchant.Credit Scoring dibangun dengan menggunakan metode statistik dan ekonometrika tertentu untuk menjelaskan adanya kemungkinan pemberian kredit kepada aplikan memiliki kinetja yang baik atau buruk. Sistem Scoring terdiri dari formula yang berdasarkan pada prosedur tertentu untuk mengevaluasi setiap aplikasi kredit terhadap serangkaian karakteristik yang memiliki keterkaitan dalam memprediksi pembayaran kredit.Sistem Scoring menggunakan infonnasi sehubungan dengan tradisional 5 C's ofCredit, yaitu:1. Character, merupakan kemauan untuk membayar hutang2. Capacity, yaitu kemampuan finansial untuk membayar hutang3. Capital and Collateral, yaitu kontrol dan ekuitas untuk dapat dilaksanakannya pembayaran hutang4. Condition, merupakan refleksi dari kondisi ekonomi, atau kondisi spesial yang diterapkan kepada debitur atau pada tipe kredit.Keutamaan yang dimiliki Sistem Scoring atau Scorecards adalah konsistensi dalam memberikan penilaian. Sistem Scoring dalam memprediksi kinerja sebuah loan bila dibandingkan dengan pengambilan keputusan pemberian kredit secaraa Judgmental, adalah sebagai berikut:1. Akurasi proyeksi risikoDengan adanya penurunan atau kenaikan jumlah minimum poin yang diberikan kepada aplikan untuk mendapatkan sebuah kredit, maka Credit Scoring sistem dapat mengurangi atau meningkatkan credit loss rate.2. Meningkatkan revenue BankPelaksanaan Credit Scoring dalam situasi pertumbuhan ekonomi yang padat seperti ekspansi geografis atau dealer sourcing, fonnula yang menetapkan rata-rata tertimbang (poin atribut) dari karakteristik aplikan dapat menunjukkan risk profile.3. Pemahaman Terhadap NasabahCredit Scoring menyediakan informasi demografi yang detil yang dapat digunakan untuk membedakan profil target pasar dengan aktual profil pasar; mengukur keefektifan dari current sales dan marketing; dan srategi promosi.4. EfisiensiCredit Scoring tidak selalu tergantung pada laporan biro kredit dan menghemat waktu yang dibutuhkan untuk memproses aplikan kartu kredit.5. Kemampuan Memberikan Informasi ManajemenSistem Scoring memiliki kemampuan untuk mengambil database dalam berbagai hal kebutuhan, memberikan monitoring, dan validasi bagi sistem MIS yang lebih baik.Sistem Scorecards yang sudah diotomasi dengan menggunakan piranti lunak dapat membantu efisiensi operasional analisis kredit. Dan untuk menghasilkan model Scorecards yang baik, dibutuhkan tanggungjawab model developer yang memiliki kriteria yang cukup seperti memahami statistika; memiliki pengetahuan bisnis yang relevan dengan project yang dibuat; memiliki pengalaman dan training yang cukup; dan memiliki kemampuan untuk mernadukan antara seni dan science.Revaluasi kinerja Scorecards yang dilakukan secara berkala penting untuk dilakukan sebagai langkah monitoring dari manajemen risiko, yang secara umum bertujuan untuk melakukan improve terhadap portfolio manajemen.Pada karya akhir ini akan terdiri dari bahasan yang mencakup proses dan komponen­ komponen yang dibutuhkan dalam pembuatan model Scorecards : metodologi empiris penelitian yang digunakan; menentukan cut off score yang paling optimal; dan evaluasi kinerja Scorecards."

"Penelitian ini bertujuan untuk menganalisis dan merancang roadmap risk based internal audit RBIA pada proses perkreditan di Bank ABC. Penelitian ini menggunakan metode deskriptif analitis dengan mengumpulkan data dan fakta langsung pada Divisi Internal Audit DAI di Bank ABC. Hasil dari penelitian ini menunjukkan bahwa penilaian risiko belum diterapkan di semua kantor cabang, penerapan risk based internal audit belum efektif karena belum memiliki guidance yang pasti dan jumlah personil internal auditor di Bank ABC belum memadai. Untuk itu direkomendasikan perancangan roadmap RBIA dengan menggunakan pedoman standar RBIA yang dikeluarkan oleh Institute Internal Auditors 2014.

---

This study aims to analyze and design a risk based internal audit roadmap RBIA on the credit process at Bank ABC. This study uses analytical descriptive method by collecting data and facts directly on Division of Internal Audit DAI in Bank ABC. The results of this study indicate that the risk assessment has not been implemented in all branch offices, the implementation of risk based internal audit has not been effective because it has no definite guidance and the number of internal auditor personnel at Bank ABC is not sufficient. It is recommended that the design of RBIA roadmap using RBIA standard guidelines issued by Institute Internal Auditors 2014."

"ABSTRAKHal yang melatar belakangi penulisan karya akhir dengan judul Perbandingan . Perhitungan Risiko Nilai Tukar sesuai ketentuan Bank Indonesia (standardized method) dan Value at Risk (internal mode[) Studi Kasus PT Bank PQR ini adalah karena sejak diberlakukannya Peraturan Bank Indonesia No.S/12/PBI/2003 bank wajib menyediakan modal minimum untuk meng cover risiko pasar yang salah satu faktor risikonya adalah risiko nilai tukar. Penyediaan modal khusus risiko nilai tukar dengan metode standar diperhitungkan sebesar 8% dari Posisi Devisa Neto bank. Permasalahan yang timbul adalah bahwa penyediaan modal minimum bagi setiap bank diwajibkan menggunakan tarif yang sama yaitu 8%. Hal ini dapat mengakibatkan besamya penyediaan modal (capital chaige) dimaksud tidak tepat dibandingkan dengan kcbutuhannya (terlalu besar atau bahkan terlampau sedikit). Dari sisi pengelolaan asset dan kewajiban (Assets Liabilities Management) hal ini dapat merugikan bank, karena dapat mengakibatkan idle fund, atau sebaliknya justru membebani solvabilitas bank akibat kerugian yang tidak terantisipasi.Dalam basel II accord perhitungan modal minimum risiko pasar dapat dimungkinkan dilakukan dengan mode internal dengan pendekatan Value at Risk (VaR). Dengan demikian timbul pertanyaan manakah dari kedua metode I model tersebut yang lebih efektif mengestimasi potensi kerugian akibat fluktuasi nilai tukar dan metode/model mana yang lebih efisien sehingga idle fund yang timbul akibat pencadangan modal dan beban solvabilitas bank dimaksud dapat diminimalisir.Tujuan penulisan ini adalah untuk mengetahui seberapa efektif dan efisiennya pengukuran risiko pasar khususnya nilai tukar dapat diestimasi oleh kedua metode/ model tersebut dan manakah dari kedua metode/ model dimaksud yang lebih baik untuk diterapkan dalam perhitungan modal minimum yang harus disediakan bank untuk mengcover potensi kerugian bank akibat fiuktuasi nilai tukar.Perhitungan capital charge dengan metode standar dilakukan sesuai ketentuan Bank Indonesia dimaksud, sedang perhitungan dengan model internal dilakukan dengan cara perhitungan Value at Risk dengan metode Varian Kovarian. Data yang menjadi bahan analisis adalah posisi nilai tukar PT Bank PQR yang terdiri dari 6 (enam) mata uang asing, yaitu USD, EURO, AUD, GBP, SGD serta JPY. Sementara periode yang digunakan dalam analisis ini adalah dari 2 Januari 2003 sampai dengan 31 Desember 2004, yaitu 488 hari. Khusus dalam perhitungan VaR , Confident level yang dipergunakan adalah 95% dan holding period selama 1 hari.Berdasarkan hasil uji normalitas, dapat diketahui bahwa seluruh data series return setiap mata uang asing tersebut adalah tidak normal, sehingga nilai a yang diperhitungkan dicari dengan teori Cornish Fisher Expansion. Sementara itu, dari hasil uji volatilitas data umumnya merupakan heteroskeadstic, kecuali untuk mata uang EURO yang merupakan homoskedastic. Oleh karena itu forecasting volatilitas data untuk mata uang selain EURO adalah dengan mempergunakan model ARCH/GARCH, sedangkan untuk mata uang EURO diglln.akan sample deviasi standar normal.Perhitungan risiko nilai tukar / capital charge untuk portfolio mata uang PT Bank PQR diperoleh hasil perhitungan metode standar sebesar Rp329.419.318,- lebih besar dibandingjika menggunakan model VaR yaitu sebesar Rp67.20 1.079,- (undiversified) dan Rp 44.990.730,- (diversified). Sementara dari hasil pengujian validitas model dengan Likely hood Ratio dengan Kupiec test, metode Total Number of Failure(TNoF) dan Time Until First Failure (TUFF) tidak terdapat kesalahan / failure karena jumlah capital charge dengan metode standar selalu lebih besar dibandingkan Total Loss. Sementara dengan model VaR, TNoF yang dihasilkan sebanyak 6 (enam) tanggal dan TUFF pada hari ke 138 (seratus tiga puluh delapan).Memperhatikan hasil pengujian metode/ model perhitungan risiko nilai tukar tersebut dapat disimpulkan bahwa kedua metode/ model tersebut cukup efektif untuk meng cover potensi kerugian akibat risiko pasar, namun model VaR lebih efisien karena capital charge yang dihasilkan jauh lebih kecil dari metode standar.Agar terjadi efisiensi penggunaan dana! penyediaan modal yang pada akhirnya akan lebih meningkatkan pertumbuhan usaha bank, maka penggunaan model internal (VaR) untuk keperluan penyediaan modal minimum bank terkait dengan risiko pasar mutlak dipercepat. Namun apabila ketentuan Bank Indonesia telah dapat memperbolehkan bank menyediakan modal minimum dimaksud dengan perhitungan model internal (VaR) maka baik pihak Bank Indonesia yang akan berperan sebagai validator dan bank sebagai pelaku yang menerapkan model internal harus bersama-sama rnempersiapkan sumber daya manusia dan informasi teknologi untuk mengantisipasinya.Dalam karya akhir ini penulis rnelakukan estimasi volatilitas nilai tukar dengan model internal untuk yang bersifat homoskedastic dengan deviasi standar normal sedang untuk yang bersifat heteroskedastic dengan ARCH/GARCH, karena menurut pendapat ahli model ini lebih fleksibel dan rnernperoleh hasil yang akurat. Untuk melengkapi penelitian ini, estimasi volatilitas dapat dilakukan dengan model EWMA yang secara praktek lebih mudah dilakukan dan sering hasilnya mendekati keakuratan model ARCH/GARCH."

"Riset ini bertujuan untuk mengukur probabilitas kegagalan dari bank di Indonesia. 22 buah sampel bank diambil dan dikategorikan berdasarkan total aset menjadi bank besar, medium, kecil, serta berdasarkan kepemilikan dan aktivitas bisnis. Bank tersebut terdaftar di Bank Indonesia dan OJK. Dalam pengukuran probabilitas kegagalan, replikasi terhadap model merton black-scholes digunakan untuk mendapatkan jarak menuju kegagalan serta probabilitas kegagalan. Hasil akhir merupakan probabilitas kegagalan dari 22 sampel bank di Indonesia dari 2005 hingga 2016. Hasil menunjukkan peningkatan probabilitas kegagalan di akhir periode dan menunjukkan campuran fluktuasi serta sedikit peningkatan pada periode awal. Riset ini kemudian menganalisa secara deskriptif rasio finansial yang berkaitan di periode sampel yang didapatkan dari OJK.

---

This research aims to measure probability of default in banks in Indonesia. 22 sample banks were taken which then categorized by total asset into big, medium, small banks, and according to their ownership and business activities. Banks are registered in Bank Indonesia and OJK. In measuring probability of default, a replication of merton black scholes model is used to identify distance to default and the probability of default.

The result is probability of default of 22 sample banks in Indonesia from 2005 to 2016. Final result shows increase in default probability in the latter period while showing mixed fluctuation and slight increase in the early period. This research analyzes further by describing related financial ratios in the sample period provided from OJK."