Hasil Pencarian  ::  Simpan CSV :: Kembali

"Iklim investasi yang cenderung menurun tidak menyurutkan pemberian kredit konsumtif. Hal ini terjadi karena kredit konsumtif merupakan jenis kredit yang banyak ditawarkan oleh perbankan saat ini karena kemudahan memperolehnya dan sifatnya yang individual sehingga menarik para calon debitur. Namun demikian, proses pemberian kredit tersebut tidak luput dari risiko kredit. Bank pemberi kredit harus mengetahui manajemen risiko, khususnya risiko kredit terlebih menyangkut berapa besarnya economic capital yang harus disiapkan dalam mengantisipasi risiko expected loss dan unexpected loss yang mungkin timbul. Perhitungan economic capital dilakukan dengan menggunakan Internal Model CreditRisk+. Pengujian karakteristik distribusi kerugian dilakukan dengan tes Chi-Square dan permodelan divalidasi dengan metode Kupiec untuk mengetahui akurasi model risiko kredit dalam memproyeksi potensi kerugiannya.

---

Although investment climate has relatively descended, but it has not descended the granting of consumer loan since such variety of credit can be easily attained as provided by many banks and also by its individual characteristic which attracts prospective debtor. However, its granting process must not be separated from credit risk. The lender bank must recognize its risk management aspect, especially relates to the sum which has to be provided for anticipating either expected loss or unexpected loss risk may be aroused in the future. Economic capital can be exercised by Internal Model CreditRisk+ method after which testing on loss distribution characteristic can be exercised by Chi-Square and validation of the modeling can be exercised by Kupiec Test as purposed to obtain a certain accuracy on credit risk model in predicting potential loss."

"Seiring dengan semakin tingginya kebutuhan masyarakat, semakin tinggi pula transaksi menggunakan kartu kredit yang mencerminkan makin tingginya tingkat kepercayaan masyarakat terhadap kartu. Tetapi disisi lain, ratio kredit macet atau Non Performing Loan (NPL) kartu kredit cenderung meningkat. Sebagai salah produk perbankan yang bersifat massal, kartu kredit memiliki risiko yang tinggi biasanya penerbitannya tanpa mernerlukan jaminan atau agunan, Bank selaku penerbit harus melakukan prinsip kebati-hatian dalam menerbirkan kartu kredit dan selain itu, Bank juga harus mengantisipasi risiko kerugian kredit baik expected loss maupun unexpected loss dengan menerapkan manajemen risiko. CreditRisk+ adalah sa1ah metode yang sederhana yang dapat diterapkan untuk pengukuran risiko kredit khususnya Kartu Kredit. Meialui perbitungan dengan CreditRisk+ dapat diketahui eronomic capital yang harus dipersiapkan untuk mengantisipasi unexpected Joss. Pengujian pennodelan divalidasi dengan metode Kupiec untuk mengetahui akurasi model resiko kredit dalam memproyeksi potensi kerugiannya

---

The increasing needs of society reflects on the incresing number of number credit card transaction. But on the other hand. non performing loan of credit card tends to increase as well. Credit card is considered as a high risk banking product since it is a mass product and need no collateral required Bank is advised to be prudent while issuing credit card and also should anticipate either expected loss or unexpected loss by implementing risk management. In assessing credit risk especially credit card risk. CreditRisk+ is one of simple method that may be implemented Through CreditRJsk+· method, Bank will be able to detennine the economic capital in anticipating any unexpected lass. Kupiec method is used to authenticated the validation of model to ensure the accuracy of credit risk model in projecting the loss."

"ABSTRAKBerdasarkan survei Bank Indonesia yang dirilis pada 13 Februari lalu, fasilitas KPR yang digunakan konsumen mencapai 70,6%. Ini menunjukkan peran perbankan masih tinggi dan proses pemberian kredit tersebut tidak luput dari risiko. Risiko terbesar adalah risiko kredit, oleh sebab itu risiko perlu di identifikasikan, diukur dan di kontrol. Karya akhir ini ditujukan untuk mengukur berapa besar probability of default kredit, expected loss dan unexpected loss, serta economic capital yang harus disediakan untuk mengantisipasi kerugian sehingga Bank dapat membuat keputusan yang tepat untuk meminimalkan risiko, dan model CreditRisk+ diharapkan dapat diterapkan dan dapat mengalokasikan secara optimal seluruh sumber daya yang dimiliki.

---

ABSTRACT

Based on a survey of Bank Indonesia which was released on February 13, KPR a facility used by most customers reach 70.6%. This shows the role of Banks in financing the house is still high. However, the process of granting credit did not avoid from risk. The greatest risk in the Banking is credit risk. Therefore needs to identify, measure and control the risks. This thesis is intended to measure how much probability of default of loans, measure the losses that can be expected and cannot be estimated from the credit issued and can find out how much economic capital that should be provided to anticipate the losses that cannot be expected that the Bank can make the right decisions to minimize the risk that will arise, and CreditRisk + model that can be used is expected to be applied and can be optimally allocate all resources."

"ABSTRAKTingkat atau bobot risiko kredit debitur sangat penting diketahui pihak perbankan, agar dalam menyalurkan fasilitas kreditnya kepada debitur dapat dilakukan secara aman dan memenuhi prinsip kehati-hatian (prudential banking). Untuk itu, tingkat risiko debitur harus terukur. Terdapat 7 buah faktor risiko debitur yang dapat dijadikan variable terukur, yakni kondisi keuangan, legal status, hubungan eksternal debitur dengan bank, posisi pasar, manajemen, viabilitas dan prospek usaha. Dengan menggunakan metoda Credit Risk Scoring, yaitu pembobotan atas faktor risiko debitur maka bobot risiko debitur menjadi lebih terukur. Pembobotan dapat dilaksanakan terhadap seluruh debitur dan berbagai sektor usaha, namun tidak berarti bahwa debitur yang bergerak dalam sektor usaha yang sama akan mempunyai tingkat risiko yang sama pula. Beberapa jenis usaha mempunyai jenis faktor risiko yang spesifik dan dominan, faktor ini dapat dijadikan pegangan dalam penentuan bobot risiko. Namun beberapa sektor usaha lainnya sama sekali tidak memilikinya sehingga harus dievaluasii secara individual. Pada dasarnya seluruh faktor risiko perperan dalam pengukuran tingkat risiko, namun terdapat beberapa yang menjadi penentu dalam mengukur tingkat risiko debitur yakni kondisi keuangan dan status legal. Tingkat risiko sangat situasional karena banyak faktor internal eksternal yang mempengaruhi sehingga tingkat risiko suatu perusahaan perlu direvaluasi secara berkala. 6 dari 7 faktor risiko nampak dominan pada beberapa sektor usaha debitur, yakni kondisi keuangan, status legal, posisi pasar, manajemen, viabilitas dan prospek usaha. Karena mempunyai tingkat homogenitas tinggi (sd <1), sehingga kecenderungan tersebut dapat dijadikan sebagai patokan dalam menghitung tingkat risiko suatu debitur. Bagi debitur pada sektor usaha yang tidak mememiliki faktor dominan tetap harus dihitung secara individual. Kisaran bobot yang relatif sama dimiliki oleh 5 dari 19 sektor usaha, yakni sektor Automotif, industri bahan Kayu, Industri Logam/Baja, Industri Kertas dan Tekstil. Hasil penelitian mengindikasikan bahwa pada proses analisis risiko kredit debitur korporasi harus diperhatikan : Mengutamakan pengukuran bobot risiko secara individual, berdasarkan penilaian 7 faktor risiko (seven risk factors) Faktor risiko yang spesifik dan dominan pada beberapa sektor usaha hendaknya hanya dijadikan pedoman saja karena sifat debitur yang sangat individualistik. Nilai Faktor risiko akan berubah setiap ada perubahan kondisi makro.

---

"

"Eratnya hubungan antara tingkat suku bunga dengan kinerja perbankan menunjukkan pentingnya tingkat suku bunga dengan pengelolaan risiko bank. Dengan dasar pemikiran tersebut maka timbul pemikiran untuk mengukur risiko yang disebabkan oleh pergerakan suku bunga dalam kerangka pengukuran risiko pasar. Dalam saat yang bersamaan, terdapat kecenderungan untuk menerapkan metode VaR untuk mengukur risiko yang dihadapi oleh perbankan. VaR adalah salah satu metoda untuk mengukur risiko pasar (market risk) yaitu untuk mengestimasi tingkat kerugian yang dapat terjadi karena memiliki suatu asset/portfolio asset dalam nilai tertentu yang nilainya dirujuk kepada nilai pasar (market to market value), dengan tingkat kepercayaan statistika tertentu (confidence level) dan untuk jangka waktu penguasaan asset (holding period) yang tertentu dalam kondisi pasar yang dianggap normal. Pergerakan nilai pasar dari aset tersebut menandai return yang dihasilkan oleh aset, apakah return-nya positif atau negatif. Dengan menganggap suku bunga pinjaman adalah return yang dihasilkan oleh asset kredit maka pada dasarnya metoda VaR dapat digunakan untuk mengukur risiko tingkat suku bunga yang dihadapi oleh bank pada saat memiliki aset kredit dalam jumlah tertentu dalam suatu holding period tertentu yang diakibatkan oleh pergerakan suku bunga pinjaman. Khususnya untuk kredit konsumtif dimana umumnya tingkat suku bunga bersifat fixed selama periode tertentu, risiko suku bunga terkait dengan kemungkinan kerugian bank selama periode tersebut dimana biaya dana (cost of fund) bank dapat bergerak naik dan turun dan mengakibatkan negative spread pada saat biaya dana tersebut naik melebihi suku bunga pinjaman.Penelitian ini bertujuan untuk: (1) Mengetahui karakteristik data suku bunga pinjaman keempat produk kredit konsumtif KPR Renovasi, Kredit Kepemilikan Mobil (KPM), Kredit Kepemilikan Motor (KP-Motor), dan Kredit Multiguna yang diberikan oleh Bank X selama periode observasi; (2) Untuk memberikan informasi besarnya VaR akibat perubahan suku bunga pinjaman untuk masing-masing produk kredit konsumtif tersebut yang dihasilkan oleh proses perhitungan yang sesuai dengan karakteristik data suku bunga keempat produk kredit tersebut; (3) Untuk memberikan informasi besarnya VaR untuk portfolio kredit konsumtif yang terdiri atas keempat produk kredit tersebut; (4) Menguji validitas metoda VaR yang digunakan dalam hal kemampuan metoda tersebut untuk mengestimasi tingkat kerugian yang dialami Bank X karena risiko tingkat suku bunga. Berdasarkan basil pengujian atas data tingkat suku bunga keempat produk kredit konsumtif, diperoleh hasil karakteristk sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Tidak terdistribusi secara normal, sehingga nilai a yang akan digunakan dalam perhitungan VaR hares dikoreksi lebih dahulu menggunakan Cornish Fisher Expansion menjadi a; (3) Homoskedastik, sehingga volatilitas data yang diperlukan untuk perhitungan VaR dapat dihitung menggunakan rumus deviasi standar statistik.Angka VaR dihitung dengan menggunakan holding periode 1 bulan dan tingkat kepercayaan 95%, dengan demikian nilai VaR yang dihitung menggunakan data posisi akhir bulan x digunakan untuk mengestimasi tingkat kerugian pada akhir bulan x-H dengan tingkat keyakinan 95%, atau dengan kata lain: hanya 5% kemungkinannya bahwa tingkat kerugian pada akhir bulan x+1 akan melebihi nilai VaR.Hasil uji dengan cara bakc testing menunjukkan hasil yang baik di mane dari keempat produk kredit yang dianalisis, tidak terdapat overshoot sclama periode observasi. Hasil pengujian validitas VaR lebih lanjut dengan Kupiec Test (metoda TNoF) menunjukkan bahwa penggunaan metoda VaR dalam penelitian ini untuk mengestimasi tingkat kerugian akibat risiko tingkat suku bunga untuk masing-masing produk kredit konsumtif Bank X tersebut dapat dianggap valid.Untuk penghitungan VaR Portfolio, hasil uji return portfolio menunjukkan karakteristik data sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Terdistribusi secara normal, sehingga nilai yang akan digunakan dalam perhitungan VaR tidak perlu dikoreksi; (3) Homoskedastik, sehingga estimasi volatilitas dapat menggunakan rumus standar deviasi statistik.Uji validitas VaR portfolio dengan backtesting menunjukkan tidak terdapat overshoot selama periode observasi, dan uji lebih lanjut dengan Kupiec Test menunjukkan bahwa VaR portfolio valid digunakan untuk mengestimasi kerugian maksimum portfolio kredit konsumtif karena risiko tingkat suku bunga.

---

The objectives of this study are: (1) to determine the characteristic of loan interest rate data of four consumer loan products at Bank X: KPR Renovasi (Housing Loan - for Renovation Purpose), KPM (Car Loan), KPMotor (Motor Cycle Loan), and KPM (Multi Purpose Loan) which were advanced by Bank X within the observation period of August 2002 to November 2005; (2) To determine the Value at Risk (VaR) which quantifies market risk resulting from fluctuation in loan interest rate for each consumer loan product; the calculation process to produce such VaR should be done according to a method that fits the characteristic of data determined in point 1 above; (3) To determine the VaR of the loan portfolio consisting of the above four consumer loan products; (4) To test the validity of VaR method used, in terms of its ability to estimate the extent of loss suffered by Bank X due to interest rate risk. The results of test on characteristic of interest rate data of the four consumer loan products showed that the data has the following characteristics: (1) Non-stationary, hence the data needs to be differentiated at ' order as to become stationary and eligible for further test steps; (2) Not having normal distribution, hence a for VaR calculation must be adjusted using Cornish Fisher Expansion to become a ("prime Alpha"); (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of data. VaR is calculated using 1 month holding period and 95% confidence level, meaning VaR calculated based on month X's end position is used to estimate the extent of loss at the end of month X+1 on 95% confidence level. In other words: there is only 5% probability that the extent of lost at the end of month x+1 will exceed VaR value.Back testing showed a good results whereby no overshoot identified within the observation period. Further validity test using Kupiec Test (to be more specific. Kupiec Test with TNoF approach) showed that the VaR method used in this study to estimate the extent of loss due to interest rate risk of each Bank s consumer loan product is considerably valid. The results of test on the characteristic of portfolio return (derived from each loan 's interest rate data and taking into account the loan outstanding of each loan as to 'weight' each loan's data), are as follows: (1) Non-stationary, hence the portfolio return data needs to be differentiated at order as to become stationary and eligible for further test steps; (2) Having normal distribution, hence no need to adjust a for VaR calculation; (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of por folio return.Backtesting on the portfolio VaR value showed no overshoot within the observation period. Further test using Kupiec (TNoF approach) test verifies that the portfolio VaR is valid for the use of estimating the extent of loss due to interest rate risk."

"Metode Credit Risk+ telah banyak digunakan untuk mengukur risiko kredit portofolio dengan karakteristik small balances dengan high volumes, seperti pada portofolio kartu kredit, dimana probability of default (PD) masing-masing account tidak saling mempengaruhi satu sama lainnya. Seperti yang telah disadari sebelumnya bahwa metode Credit Risk+ ini memiliki beberapa kelemahan yaitu salah satunya adalah mengabaikan pengaruh faktor eksternal seperti risiko pasar dan suku bunga.Dalam penelitian ini penulis mencoba menarik hubungan antara beberapa faktor makro ekonomi terhadap probability of default eksposur kartu kredit setiap band. Nilai Expected Loss, Value at Risk (Unexpected Loss), dan Economic Capital dihitung dengan menggunakan unexpected number of default yang berasal dari hasil regresi linier PD terhadap variabel makro ekonomi.

---

Credit Risk+ method has been applied to measure credit risk of portfolios with small balances and high volumes such as credit cards porfolio, in which the probability of default (PD) of each account is mutually exclusive. As known before, there are some limitations of this method, like disregarding the influence of external factors such as market risk and interest rate risk.In this research, the author is trying to find any correlations between macroeconomics variables and probability of default of credit cards exposures in each band. The values of Expected Loss, Value at Risk and Economic Capital will be measured by using unexpected numbers of default which are originated from single linear regression of PD to macroeconomics variables."

"Tesis ini membahas tentang risiko kredit yang dihadapi oleh produk kartu kredit syariah di Bank Z Syariah selama tahun 2010 hingga tahun 2012. Penelitian diawali dengan melakukan analisis deskriptif terlebih dahulu terhadap populasi dari seluruh pemegang kartu kredit Bank Z Syariah baik yang berstatus lancar maupun yang mengalami default. Analisis kemudian dilanjutkan dengan penggunaan metode CreditRisk+, dimana portofolio kartu kredit yang dimiliki Bank Z Syariah kemudian dibagi sesuai dengan eksposurnya ke dalam beberapa portofolio yang lebih kecil, yang disebut dengan band. Dilanjutkan dengan pengukuran mean default pada awal penelitian yang kemudian akan menunjukkan besarnya expected loss, unexpected loss, serta economic capital dari masing-masing band. Pada akhirnya hasil pengukuran ini akan dibandingkan dengan real loss yang dihadapi oleh produk kartu kredit Bank Z Syariah.

---

This study focuses on the measurement of credit risk which encountered by the sharia credit card product on Bank Z Syariah from year 2010 to 2013. This study started by performing descriptive analysis for the whole cardholders of Bank Z Syariah’s sharia credit card, whether their statuses are current or default. The analysis then continued with the use of CreditRisk+ method, which first step was splitting theIR whole sharia credit card portfolio into several bands based on their exposure. Measuring mean default of each band was the next step, then continued on calculating the amount of expected loss, unexpected loss, and economic capital. At the end of this study, the amount of expected loss, unexpected loss, and economic capital will be compared to the amount of real loss which encountered by Bank Z Syariah’s sharia credit card product."

"Karya akhir ini bertujuan untuk mengukur besarnya risiko kredit khususnya untuk scgmen karlu kredit Bank X di tahun 2005 dengan mempergunakan metode CreditRisk+. Alasan pcinilihan topik ini adalah :a. Produk Karlu Kredit merupakan jenis kredit yang memiliki resiko tinggi, mengingat sejak keputusan pemberian kredit oleh bank cenderung hanya didasarkan kepada verifikasi dokumen pendukung seperti slip gaji, surat keterangan, lembar penagihan kartu kredit bank lain, hasil rating sesama anggota Asosiasi Kartu Kredit Indonesia (AKKI), hasil verifikasi melalui telepon, serta lambahan dokumen pendukung lainnya, dan hanya sebagian calon pemegang karlu kredit yang prosesnya didahului oleh survey atau pengecekan lapangan mengingat kemampuan bank umumnya tidak memungkinkan unluk melakukan pengecekan lapangan semua calon pemegang kartu kredit, juga karena proses keputusan kredit hams sudah diberikan paling lambat lima hari sejak aplikasi kartu kredit diterima bank, selain itu kredit yang diberikan adalah unluk tujuan konsumsi dan tidak memiliki jaminan atas pemberian kredit tersebut.b. Bank X adalah penerbit kartu kredit terbesar not-nor dua di Indonesia di tahun 2005 setelah Citibank dengan jumlah pcmegang kartu kredil lebih dari 800.000 Cardholder dengan total outstanding balanced sebesar lebih dari Rp. 1,5 trilyun sehingga terdapat potensi risiko kredit yang cukup besar khususnya dalam hal terjadinya Default bagi Bank X, apabila pengeiolaan risiko kredit nya tidak dilakukan secara baik.c. Bank X belum mencrapkan metode Internal Raring Base (IRB) approach khususnya metode CrcclitRiski- untuk menghitung risiko kredit portofolio kartu krcdit nya.d. Adanya ketentuan Basel 11 tcntang kcharusan menghitung risiko krcdit scbagai salah satu unsur dalam menghitung CAR.Berdasarkan ketentuan Basel II, perhitungan risiko krcdit dapat mempergunakan beberapa pendekatan, antara lain dengan Standardized Model dan Internal Model, dimana dalam penelitian ini akan dilakukan perhitungan dengan menggunakan Internal Model dengan pendekatan CreditRisk+.CreditRisk+ dianggap sebagai Internal Model yang tepat untuk menghitung risiko krcdit pada suatu portofolio, hal ini karena metode ini dapat dipergunakan untuk menghitung risiko krcdit suatu portofolio krcdit dalam jumlah yang banyak namun dengan besaran outstanding masing-masing krcdit kecil, juga karena metode ini tidak memerlukan tambahan data makro sehingga dalam penerapannya lebih efisien namun tetap efektif. Selain itu metode ini dikenal scbagai Default Model yang hanya mcmbedakan portofolio krcdit menjadi dua golongan yaitu bagian portofolio krcdit yang An Del iult dan Default saja scrta mcngabaikan penycbab tcrjadinya Default tersebut.Penerapan CreditRisk+ dilakukan dengan menghitung risiko kartu kredit di Bank X dengan batasan-batasan scbagai berikut :a. Data portofolio kartu kredit yang dipergunakan adalah data selama 12 bulan di tahun 2005.b. Nilai exposure berkisar antara Rp 500 ribu hingga Rp 250 juta, mengingat hampir 90% oposure yang ada di dalam portofolio Bank X berada pada kisaran nilai tersebut, tanpa memperhatikan jenis kartu kredit Classic, Gold atau Platinum.Secara garis besar, tahapan penghitungan risiko kredit mempergunakan metade CreditRisk+ dilakukan dcngan mcnghitung Frequency of Default dan Severity cof Losses, kemudian rnenghitung Distribution of Default Losses. Selanjutnya dari perhitungan terschut, akan diperaleh besamya potensi kerugian berupa Expected Loss. Unexpected Loss dan bcsarnya Economic Capital untuk menutup kerugian yang terjadi.Perhitungan portofolio kartu kredit dengan mempergunakan metade CreditRisk+ dengan asunisi tingkat keyakinan 95% dan Probability of Default dihitung dcngan Poisson Model, menunjukkan basil sebagai berikut:a. Nilai Expected Loss yang menunjukkan besamya kerugian yang diperkirakan tcrjadi setiap bulan dapat dihitung nilainya mempergunakan metode CreditRisk+, sebagai contoh nilai Expected Lost di bulan November 2005 bcsarnya adalah Rp.74,823 Milyar. Nilai Expected Loss setiap bulan tersebut diharapkan dapat ditutup olch nilai PPAP yang dibcntuk oleh Bank X dan dcngan mernpergunakan Likelihood Ratio Test dikctahui bahwa hampir scluruh Expected Loss yang ada di tahun 2005 masih dapat ditutup oleh nilai Pencadangan Penghapusan Aktiva Produktif(PPAP) yang dibcntuk olch Bank X.b. Dengan pencrapan metade CreditRisk+ dal= penelitian ini, besamya nilai VaR sctiap bulan juga dapat dihitung nilainya, dengan tingkat kepercayaan 95 % maka nilai VaR suatu bulan menunjukkan proyeksi besamya nilai kerugian terbesar (Unexpected Loss) bulan berikutnya, sebagai contoh nilai VaR bulan November 2005 sebesar Rp.82,875 Milyar yang menunjukkan proyeksi nilai kerugian maksimum bulan Desember 2005 dengan tingkat kepercayaan 95 %, dimana nilai kcrugian aktual pada bulan Desembcr adalah sebesar Rp.80,303 Milyar.c. Hasil pengujian dcngan metode Likelihood Ratio pada tingkat kepercayaan 95%, mcnunjukkan bahwa sclama periodc pengamatan besarnya nilai VaR yang mcrupakan proycksi jumlah kerugian terbcsar bulan bcrikutnya cukup akurat untuk dipcrgunakan dalam mcnghitung risiko krcdit, karena selama periodc pengamatan seluruh nilai kcrugian aktual yang terjadi masih dibawah =bang batas jumlah kcrugian yang dapat ditolelir atau tidak terdapat nilai kerugian aktual yang nilainya lcbih bcsar atau sama dcngan nilai- VaR yang dihitung dcngan mctodc CredirRisk+.d. Dengan mempcrbunakan mctodc CredizRi.sk+, Bank X mempcrolch insentif berupa penurunan kewajiban pemenuhan modal, scbagai contoh di bulan November 2005 kewajiban pemenuhan modal mempcrbunakan metode CrecliiRisk+ adalah 0.39 % dad total exposure nya, angka ini jauh lcbih rendah dibandingkan dengan mempcrbunakan Standardized Approach yang mcnghasilkan kewajiban pemenuhan modal sebesar 6,29 % dari total exposure, schingga Bank X mempcrolch insentif nilai modal sebesar 5,90% (6,29% - 0,39%) yang dapat dialokasikan oleh Bank X untuk kcpcntingan lainnya yang lcbih produktif.e. Bank X memperolch manfaat lain dad pcncrapan metode CredirRisk+, selain dapat menghitung risiko kredit nya secara Icbih akurat. pcncrapan metode ini dapat mcmbantu manajcmen Bank X dalam mcnyusun strategi yang lebih cfcktif dan pengalokasian SDM yang Iebih akurat dalam mclakukan penagihan kreditnya yang Default.

---

The purpose of this thesis is to measure credit risk especially for the credit card segment of Bank X in 2005 by utilizing the CreditRisk+ method.The reasons of selecting this topic are:a. Credit Card is a type of credit that has a high risk, because since the decision of credit offer by the bank tends to be only based on supporting document verification for instance salary slip, recommendation letter, other bank's billing statement, rating result from other members of Asosiasi Kartu Kredit Indonesia (AKKI), phone verification result, as well as (he addition of the other supporting document, and only some of the process of the cardholder's applicant is proceeded by survey or external verification (on the spot), concerning that the bank's capacity generally does not possible to do field verification for all applicants, also because of the decision must been given at least in five days since the credit card application is accepted by the bank, moreover credit that is given aims for consumption and does not have the collateral.b. The Bank X is on 2''d rank of credit card's issuer in Indonesia in 2005 after Citibank, with the numbers of cardholders are more than 800.000 and the total outstanding balanced is more than Rp.1,5 trillion. On that condition, The Bank X has a potential high risk on its credit especially in the matter of the default occurrence, if the risk management of its credit is not well developed.c. The Bank X has not applied the method of Internal Rating Base (IRB) approach yet especially the CreditRisk+ method to calculate the credit risk of its credit card's portfolio.d. There is the regulation of Basel II about obligation to calculate the credit risk as one of the elements in calculating Capital Adequacy Ratio (CAR).Based on the Based in regulation, the calculation of the credit risk can be utilized in several approaches, such as by Standardized Model or Internal Model, that in this research it will be done credit risk calculation by using Internal Model with the CreditRisk+ approach.CreditRisk+ was reputed as the precise Internal Model to calculate the risk of credit in a portfolio, because this method can be utilized to calculate the risk of credit in a large portfolio of each small credit, also because of this method do not need the addition of the macro's economic data, so in its implementation is more efficient but still effective. Moreover this method is known as the Default Model that differentiates the credit portfolio only into two groups, the first is a Not Default credit portfolio and the other one is a Default credit portfolio, also this model ignores the cause of the Default occurrence.The implementation of CreditRisk+ is done by calculating the risk of the credit card in the Bank X with limitations as follows:a. The credit card portfolio data is the data for 12 months in 2005.b. The exposure revolves between Rp. 500 thousand up to Rp. 250 million; considering that almost 90% exposure available in the Bank X's portfolio is in that value range, without considering the type of Classic, Gold or Platinum card.In general, the stage of calculating credit risk with the CreditRisk+ method will be done by calculating Frequency of Default and Severity of Losses, afterwards calculating Distribution of Default Losses. From the result, will gel the potential loss such as Expected Loss, Unexpected Loss and the Economic Capital to cover the loss.The calculation of credit card portfolio by utilizing the CreditRisk+ method with the assumption of the 95%conviction level and probability of default is calculated by Poisson's model, shows results as follows:a. The Expected Loss that shows the estimated loss occurs every month can be calculated with CreditRisk+ method, for example is the Expected Lost value in November 2005 is Rp.74, 823 Billion. That value is expected to be covered by the PPAP that is formed by Bank X and by utilizing Likelihood ratio test it is known that almost all Expected Loss in 2005 still can be covered by the value of PPAP (Pencadangan Penghapusan Aktiva Produktif) that is formed by Bank X.b. With implementation of the CrediiRisk+ method in this research, the size of VaR every month also can be calculated, using the 95 % level of reliability so value of VaR (Unexpected Loss) in a month shows the projection of the biggest losses in the following month, for example is the size of VaR in November 2005 is Rp.82, 875 Billion, it shows the projection of the maximum loss in December 2005 with the 95 %level of reliability, the actual loss in December is Rp.80, 303 Billion.c. The result of the Likelihood Ratio method on 95% level of reliability shows that during the period of observation the size of VaR that shows the projection of the biggest loss in the following month. It is quite accurate to be utilized in calculating the risk of credit, because during the period of observation all of the actual value of loss that is happened is still under the limitation of tolerant total of loss or do not have the actual loss bigger than or same as the VaR value that is calculated with the CreditRisk+ method.d. By utilizing the Credit Risk+ method, Bank X receives incentive of the capital's fulfillment obligation reduction, for example in November 2005 the fulfillment obligation of capital utilized by the CreditRisk+ method is 0,39 % from the total exposure, this number is much more lower compared with Standardized Approach that produces the fulfillment obligation of capital for 6,29 % from the total exposure, therefore Bank X receives 5,90% (6,29% - 0,39%) capital incentive that can be allocated in more other productive area by Bank X.e. Bank X receives another benefit from the implementation of CreditRisk+ method, besides it can calculate the credit risk more accurately, this method implementation can help the management of Bank X to develop more effective strategy and more accurate human resources allocation in dunning its Default credit."

"Berdasarkan ketentuan Basel II perhitungan risiko kredit dapat menggunakan beberapa pendekatan, yaitu standardized approach dan Internal Rating Based Approach. Bank XYZ belum menerapkan pendekatan Internal Rating Based Approach untuk menghitung risiko kredit pada produk kartu kredit. Sampai saat ini Bank XYZ menggunakan yaitu standardized approach untuk menghitung risiko kredit pada produk kartu kredit. Pada penelitian ini menggunakan pendekatan Internal Rating Based Approach dengan pendekatan Creditrisk+ dalam menghitung risiko kredit pada produk kartu kredit. Hasil akhir dari penelitian ini dengan menggunakan metode CreditRisk+ berupa nilai expected loss dan unexpected loss atau value at risk (VaR) yang kemudian digunakan untuk memproyeksikan tingkat economic capital yang dibutuhkan. Pada penelitian ini, hasil perbandingannya adalah nilai Actual loss < nilai VaR. Dari hasil penelitian diketahui nilai rata-rata VaR selalu lebih besar dibandingkan dengan nilai actual loss untuk periode 2010-2012. Pada tahun 2010 memiliki nilai rata-rata VaR sebesar Rp 21 milyar dan nilai actual loss-nya sebesar Rp 18,174 milyar. Pada tahun 2011 memiliki nilai VaR sebesar Rp18,378 milyar dan nilai actual loss sebesar Rp 15,539 milyar. Sedangkan pada tahun 2012 memiliki nilai VaR sebesar Rp 24,471 milyar dan nilai actual loss sebesar Rp 21,179 milyar. Hal tersebut menunjukkan bahwa risiko akibat adanya default kredit masih dapat ditutupi oleh Bank XYZ. Pengujian metode CreditRisk+ pada tingkat keyakinan 95% membuktikan bahwa selama periode pengamatan jumlah kejadian yang merugikan Bank XYZ dengan kerugian yang lebih besar dari nilai Expected Loss masih dibawah ambang batas dengan kerugian yang masih dapat ditolerir. dalam hal ini memperlihatkan bahwa kinerja metode CreditRisk+ relatif akurat dalam menghitung risiko kredit untuk produk retail seperti kartu kredit. Economic capital required dihitung secara bulanan, sebagai contoh pada bulan Desember 2012 pencadangan modal yang dibutuhkan sebesar Rp 3,31 milyar. Perhitungan dilakukan sesuai dengan periode penelitian, yaitu dari bulan Januari 2010 sampai dengan Desember 2012.

---

Under the terms of the Basel II credit risk calculation can use several approaches, namely the standardized approach and the Internal Rating Based Approach . XYZ Bank has not implemented the Internal Rating Based approach for calculating credit risk on credit card products. Until now XYZ Bank uses the standardized approach to calculate credit risk on credit card products. In this study using the Internal Rating Based approach with CreditRisk + approach to calculating the credit risk on credit card products. The final results of this study using a CreditRisk+ are expected loss and unexpected loss or value-at- risk (VaR), then used to project the level of economic capital required. In this study, the results of the comparison is the value of actual loss < VaR. Thus CreditRisk+ method can be used to measure credit risk in the Bank's credit card product XYZ.

The results showed the average VaR value is always greater than the actual loss values for the period 2010-2012. In the year 2010 had an average VaR value of Rp 21 billion and the value of its actual loss of Rp 18.174 billion. In 2011 the VaR value of Rp18, 378 billion and the value of actual loss of Rp 15.539 billion. Whereas in 2012 the VaR value of Rp 24.471 billion and the value of actual loss of Rp 21.179 billion. It shows that the risk due to credit defaults can still be covered by the XYZ Bank.

Testing methods CreditRisk+ at 95% confidence level during the period of observation proves that the number of adverse events with Bank XYZ greater losses than Expected Loss value is still below the threshold at which losses can be tolerated. in this case shows that the performance of the method is relatively accurate CreditRisk+ in calculating the credit risk for retail products like credit cards. economic capital required calculated on a monthly basis, for example in December 2012 the required reserve capital of Rp 3.31 billion. The calculation is performed according for period from January 2010 to December 2012."