Hasil Pencarian  ::  Simpan CSV :: Kembali

"Bisnis Menengah Bank BRI merupakan suatu unit bisnis yang menyalurkan pinjaman diatas Rp.5 milyar. Melihat besamya putusan pinjaman di bisnis menengah maka dapat dibayangkan apabila terjadi default pada salah satu nasabah yang menikmati fasilitas pinjaman sebesar Rp.50 milyar maka akan sangat mempengaruhi kinerja perkreditan dari unit bisnis yang bersangkutan. Mengingat nasabah pinjaman untuk bisnis menengah merupakan nasabah yang sangat bankable, maksudnya memiliki dokumentasi perusahaan yang baik hingga agunan yang cukup memadai maka perlu suatu kajian mengenai penerapan suatu metode internal yang cocok untuk pengukuran risiko kredit bisnis menengah. Dalam pengukuran risiko kredit menggunakan internal model penting mengetahui probabilitas transisi, kualitas kredit untuk masing-masing sektor ekonomi dan perbandingan besamya hasil perhitungan expected loss dengan perhitungan cadangan Penyisihan Penghapusan Aktiva Produktif (PPAP) dan actual loss kredit bisnis menengah di Bank BRI.Perhitungan expected loss ini merupakan langkah awal dari penerapan Internal Rating Based Model dalam Creditmetrics Framework dan merupakan salah satu model untuk mengukur potensi kerugian karena penyaluran kredit dengan jumlah pinjaman yang besar dan jumlah nasabah yang sedikit. Perhitungan ini juga merupakan model unconditional sehingga tidak memerlukan tambahan data makro dan mengabaikan penyebab dari terjadinya default. Dalam perhitugan expected loss dari credit risk modelling ini digunakan tiga tahapan, yaitu pertama menghitung besarnya probability of default dari masing-masing sektor ekonomi dan dihitung probability of default dari kredit bisnis menengah. Kedua, menghitung present value non performing loan. Ketiga, menghitung besamya loss given default dari nilai recovery rate kredit bermasalah.Hasil perbitungan expected loss menunjukkan potensi kerugian kredit menengah bank BRI masib lebib rendab dibandingkan dengan basil perbitungan cadangan PPAP dan masih lebih besar apabila dibandingkan dengan realisasi actual loss. Hal ini terlibat dari :1 ). Pada tabu:n 2002, besamya cadangan PP AP yang dibentuk oleb bank BRI sebesar Rp.l.047.537.418.718,- atau sebesar 31,51% dari total EAD selurub sektor ekonomi sedangkan seandainya cadangan dibuat berdasarkan .perbitungan expected loss adalah 20,90% dari total EAD atau sebesar Rp. 694.743.347.139,- dan realisasi write off pinjaman atau actual loss sebesar 9,37% dari total EAD atau dalam bentuk nominal sebesar Rp. 311.609. 762.285,-.2). Pada tabun 2003, besamya cadangan PP AP . yang dibentuk sebesar Rp.823.961.511.627,- atau 31,58% dari total EAD selurub sektor ekonomi sedangkan berdasarkan perbitungan expected loss sebesar 9,4"6% dari total EAD atau sebesar Rp. 246.815.428.656,- dan realisasi actual loss 4,20% dari total EAD atau sebesar Rp. 109.621.495.409,-.Berdasarkan basil backtesting, pada tabun 2002 besamya actual loss berupa penghapusbukuan pinjaman bermasalab nilainya berada jaub dibawab hasil perhitungan expected loss. Sedangkan pada tabun 2003, besamya perbedaan actual loss dan hasil perhitungan expected loss sudab semakin kecil. Hal ini disebabkan karena:(a). Sudah mulai semakin baiknya penerapan internal credit risk rating di bank BRI.(b). Meningkatnya perbaikan penanganan kredit bermasalah di bank BRI sebingga dapat menekan angka actual loss.Untuk mendapatkan hasil yang lebih baik, bank BRI perlu menerapkan dan mengembangkan Credit Risk Model mengenai The Internal Rating Based Model Foundation Approach dari Creditmetrics dalam perhitungan expected loss karena hasil perhitungan untuk pembentukan cadangan jauh lebih efisien dibandingkan dengan perhitungan cadangan PPAP yang diterapkan saat ini oleh bank BRI."

"Metode pengukuran risiko kredit pada Bank X saat ini menggunakan metode standard (Basel I) dimana metode ini telah diketahui umum memiliki banyak kelemahan yang salah satunya adalah kurang sensitif terhadap kualitas kredit. Sejalan dengan tuntutan Basel II dalam penghitungan pemenuhan modal minimum, Bank X telah memiliki Intenal Rating System, namun belum dapat menetukan model pengukuran risiko kredit apa yang paling sesuai dengan karakteristik bisnisnya_ Karya akhir ini mengukur risiko kredit usaha menengah Sank X menggunakan metode CreditMetrics dan dibandingkan hasilnya dengan metode standard.Data yang digunakan untuk menghitung probabilitas migrasi rating adalah data rating debitur usaha Menengah antara Bulan Januari 2004 hingga Juli 2006, sedangkan untuk penghitungan VaR menggunakan data seluruh portofolio usaha tersebut. Data pendukung lainnya diperoleh dari Bisnis Indonesia, dan sumber lain di Bank X. Tahap-tahap penghitungan EL dan UL mengikuti metode seperti yang disampaikan dalam Tecnicral Document CreditMetrics dari J.P Morgan (1997) serta beberapa literatur tekait. Untuk mempermudah penghitungan terlebih dahulu dibuatkan aplikasi kecil menggunakan Microsoft Visual Basic 6.0 dan Microsoft Access 2002.Hasil pengolahan data menunjukkan bahwa EL yang dihitung dengan CreditMetrics jauh lebih kecil dibandingkan dengan PPA yang dibentuk oleh Bank X yaitu sekitar 5.47%. Perlu dicatat bahwa pembentukan PPA yang dilakukan Bank X lebih besar dari yang wajib dibentuk yaitu kurang lebih 140%. Pada tingkat kepecayaan 99%, VaR yang dihasilkan adalah rata-rata sebesar 10.86% dari besarnya portofolio, lebih besar dibandingkan dengan ketentuan pemenuhan modal minimum saat ini yaitu sebesar 8%. Untuk tingkat kepercayaan lain yaitu 95% dan 90% nilai VaR lebih kecil dari 8%. Realisasi kerugian yaitu hapus buku selama periode pengamatan, nilainya selalu lebih kecil dibandingkan besarnya VaR pada seluruh tingkat kepercayaan, dengan demikian tidak tidak terdapat penyimpangan. Meskipun hal ini mengarahkan pada kesimpulan seolah-olah CreditMetrics adalah model yang baik, namun perlu mendapat perhatian bahwa dalam pelaksanaan penghapusbuku banyak didasari pertimbangan non bisnis.

---

The standard method (Basel I) is used by Bank X as a method to measure Credit Risk. Unfortunately it has well known much weakness such as less sensitive to credit quality. According to Basel II in calculating of the total minimum capital requirement, Bank X have implemented Internal Rating System, but somehow still not been able to choose credit risk measurement model which is the best for its business characteristic. This Paper measures the middle market credit risk usahat with Credit Metrics method and compares the result with the standard method.The data used to calculate rating migration are obtained from middle market segment customer rating report from Januari 2004 to July 2006, meanwhile VaR is calculated using all segment portfolio. Other supporting data are obtained from Business Indonesia and Bank X. EL and UL calculation steps come from Credit Metrics Technical Document from J.P Morgan (1997) and other literatures. Small application developed by utilizing Visual Basic 6.0 and Microsoft Access 2002 is used to help on calculation.Calculation result shows that EL with Credit Metrics having smaller number than recent reserve with proportion of about 5.47%. As an attention, Bank X booking reserve is bigger than minimum reserve requirement which is about 140%. On 99% confident level VaR, the result is about 10.86% from the portfolio, which is bigger than capital minimum requirement. On another confidence level (i.e 95% and 90%), VaR is less then 8%.Real loss during period of perception is less than VaR with all conficence level conditions. This condition leads to incorrect decision that Credit Metrics is assumed to be a Good model to measured credit risk. In reality, writing-off decision is commonly made of non-business consideration."

"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."

"Tesis ini membahas pengukuran risiko kredit menurut Basel II, yang berbeda dengan ketentuan Basel I yang berlaku saat ini. Untuk pengukuran kredit korporasi PT. Bank X telah mulai mempersiapkan diri dengan menerapkan sistem internal rating yang berjalan mulai tahun 2004. Internal rating merupakan salah syarat yang harus dipenuhi untuk melakukan pengukuran kredit sesuai dengan Basel II.Basel II memperkenal 3 metode pengukuran risiko kredit terutama untuk kredit usaha, yaitu Standardized Approach, IRB Foundation Appraoch dan IRB Advanced Approach. Dalam tulisan ini ketiga metode tersebut diterapkan untuk mengukur minimum capital charg.. Sesuai dengan data yang diperoleh risiko kredit yang diukur adalah portepel kredit yang dimiliki oleh Divisi Usaha Menegah PT. Bank X.Hasil pengukuran risiko kredit ini masing-masing diperbandingkan mana yang lebih effisien dalam menghitung risiko kredit. Selanjutnya hasil kesimpulan yang diperoleh dapat dijadikan bahan masukan bagi manajemen PT. Bank X, ataupun bank-bank lain yang menghadapi permasalahan yang sama.

---

The focus of this study is measuring credit risk using Basel II method. This preparation already started from 2004 through the implementation of internal rating system. Internal rating system as one of the term to be full filled to measring credit risk using Basel II.

Basel II introduce 3 methods to measuring credit risk specialy for corporate loan, which is Standardized Approach, IRB Foundation Approach dan IRB Advanced Approach. The subject on this paper is to implement 3 methods, calculate minimum capital charge using data of credit portfolio middle marker segment PT. Bank X.

The results from the measurement of each method then compared to find which method is more efficient in calculating credit risk. Therefore the conclusion is an input for the management of PT. Bank X as for the other banks who facing the same problem."

"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."

"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 dernikian 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 Band3) Measuring the Recovery Rate4) Measuring the Severity Loss or Loss Given Default5) Measuring the Probability of Default and Cumulative Probability of Default6) Measuring Expected Loss and Unexpected Loss7) Measuring the Economic Capital8) Testing the Validity of Model Credit RiskCredit 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 HolderMeasuring 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."

"ABSTRAKCreditMetrics merupakan salah satu model internal untuk pengukuran risiko kredit. Penggunaan model internal direkomendasikan oleh Basel II dalam rangka menghasilkan pengukuran risiko yang sesuai dengan profil risiko bank dan secara umum dapat menghemat modal yang dibutuhkan bank. Dalam penyusunan matrik transisi digunakan data perkembangan kualitas kredit korporasi Bank XYZ periode bulan April 2007 sampai dengan April 2009. Expected Loss dengan CreditMetrics periode Mei 2009 sampai dengan Februari 2010 rata-rata sebesar Rp.8,4 Milyar atau lebih kecil dari PPA yang wajib dibentuk yang rata-rata sebesar Rp.429 Milyar. Kebutuhan modal dengan Metode CreditMetrics berdasarkan Value at Risk periode Mei 2009 hingga Februari 2010 pada tingkat kepercayaan 99% adalah rata-rata sebesar Rp.496 milyar atau lebih rendah dari kebutuhan modal dengan pendekatan standar Basel I yang sebesar Rp.3.095 milyar. Berdasarkan back testing, tidak terdapat nilai kerugian aktual yang melebihi VaR, sehingga metode CreditMetrics dapat digunakan Bank XYZ dalam pengukuran risiko kredit korporasi.

---

ABSTRACT

CreditMetrics is one of internal model to measure credit risk. Internal model is recommended by Basel II to measure credit risk since it?s more precisely to describe bank?s risk profile; moreover; it?s required slighter economic capital than standardized approach. Data trends of corporate credit quality from April 2007 to April 2009 are used in transition matrices. Average expected loss by CreditMetrics between May 2009 to February 2010 reached Rp.8,4 billion or less than Allowance for Bad Debt by Rp.429 billion. According to VaR from May 2009 to February 2010 at 99% confidence level, average required Economic Capital by using CreditMetrics is amounted Rp.496 billion or smaller than standardized approach under Basel I at Rp.3.095 billion. Based on back testing, there are not actual losses more than VaRs, furthermore CreditMetrics method can be used to measure corporate credit risk by Bank XYZ."