Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini dilakukan untuk mengukur risiko kredit dari kartu kredit dan menganalisis variabel makroekonomi yang mempengaruhi rasio Non Performing Loan NPL kartu kredit Bank X. Risiko kredit dari kartu kredit diukur menggunakan metode CreditRisk . Analisis variabel makroekonomi terhadap rasio NPL kartu kredit menggunakan metode regresi linier berganda. Berdasarkan hasil perhitungan risiko kredit menggunakan CreditRisk , maka diperoleh nilai Value at Risk VaR yang mengakomodir nilai kerugian aktual. Berdasarkan metode regresi linier berganda, diketahui bahwa nilai tukar, laju PDB, IHK, inflasi, M2, BI Rate, dan tingkat pengangguran terbuka berpengaruh terhadap rasio NPL kartu kredit PT. Bank X.

---

ABSTRACTThis research was conducted to measure the credit risk of credit card and analyze the macroeconomic variables that affect the ratio of Non Performing Loan NPL Credit Card of PT. Bank X. The credit risk of credit card measured using methods CreditRisk . Analysis of macroeconomic variables on the credit card NPL ratio using multiple linear regression method. Based on the calculation of credit risk using the Credit Risk , the obtained value of Value at Risk VaR accommodates the value of the actual loss. Based on the multiple linear regression method, it is known that the exchange rate, the rate of PDB, CPI, inflation, M2, BI Rate, and the unemployment rate affect the NPL ratio for credit cards PT. Bank X."

"Tingkat suku bunga kredit yang tinggi dan berbeda oleh setiap bank menjadi salah satu masalah bagi debitur untuk memperoleh kredit. Perlambatan pertumbuhan kredit terjadi pada sektor korporasi. Di tahun 2011, Bank Indonesia melakukan implementasi kebijakan yang mewajibkan bank untuk mempublikasikan suku bunga dasar kredit yang bertujuan untuk menurunkan suku bunga kredit agar dapat mengendalikan suku bunga kredit dan mendorong sektor riil. Tujuan dilakukannya penelitian ini adalah untuk mengetahui karakteristik bank dan faktor makroekonomi yang mempengaruhi suku bunga dasar kredit bank di Indonesia periode tahun 2011-2014. Jenis bank yang digunakan dalam penelitian ini adalah bank yang telah tercatat di Bursa Efek Indonesia yang berjumlah 19 bank. Variabel independen yang digunakan dalam penelitian ini adalah karakteristik bank yang terdiri dari variabel ukuran bank, rasio NPL, rasio likuiditas, LDR, Efficiency Ratio, dan faktor makroekonomi yaitu BI rate dan tingkat inflasi. Variabel dependen dalam penelitian ini adalah suku bunga dasar kredit. Metode analisis yang digunakan yaitu panel data analysis. Hasil penelitian menunjukkan bahwa ukuran bank berpengaruh secara signifikan terhadap suku bunga dasar kredit. Semakin rendah ukuran bank dilihat dari total aset, semakin tinggi suku bunga dasar kredit. Faktor makroekonomi yaitu BI rate dan inflasi juga berpengaruh signifikan terhadap suku bunga dasar kredit. Semakin tinggi BI rate yang ditetapkan oleh Bank Indonesia maka semakin tinggi suku bunga dasar kredit yang diterapkan oleh bank. Sedangkan tingkat inflasi berpengaruh negatif terhadap suku bunga dasar kredit. Semakin tinggi tingkat inflasi, semakin rendah suku bunga dasar kredit.

---

The high rate and the difference of lending interest rate by each bank become one of problematic issue for the debtors to obtain the debt. The slowly growth of credit happened in corporation sector. In 2011, Bank Indonesia implemented policy which obligate banks to publish their prime lending interest rate as a purpose to lower lending interest rate so that the interest could be controlled and encourage riil sector.

The aim of this research is to recognize the characteristic of bank and macroeconomy factor which affect the prime lending interest rate of listed bank in Indonesia for 2011 to 2014. The category of research object is listed bank in Indonesia Stock Exchange which total 19 banks. Independent variable used in this research are the characteristic of bank consist of bank size, NPL Ratio, Liquidity Ratio, LDR, Effeciency Ratio, and also macroeconomy factor consist of BI Rate and Inflation. Dependent variable examined in this research is the prime lending interest rate.

Analytical method used in this research is panel data analysis. The estimated result of this research is the bank characteristic which has significant influence against prime lending interest rate is the size of bank. The smaller size of bank based on total assets, the higher prime lending interest rate. Macroeconomy factor such as BI rate and inflation, also have significant influence against prime lending interest rate. The higher BI rate, the higher prime lending interest rate. The inflation has negative significant influence against prime lending interest rate. The higher inflation, the smaller prime lending interest rate."

"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."

"Perhitungan Cadangan Kerugian Penurunan Nilai (CKPN) yang ditetapkan oleh Bank Indonesia dan economic capital merupakan bagian dari pengukuran risiko kredit bagi setiap industri perbankan. Tidak ditetapkannya metode perhitungan CKPN kolektif yang baku oleh regulator perbankan, mengharuskan setiap Bank untuk menentukan sendiri metode perhitungan CKPN kolektif yang digunakan. Pemilihan KPR sebagai data observasi, didasarkan oleh laporan publikasi yang disusun oleh Bank Indonesia pada kwartal satu tahun 2011 dimana non performing loan kredit perumahan menempati posisi tertinggi diantara fasilitas kredit konsumsi lainnya. Dalam pengukuran risiko kredit dengan menggunakan metode CreditRisk+, data input yang digunakan berupa, exposure at default, recovery rates, default rates dan default rates volitatiliy. Terdapat tiga tahapan dalam pengukuran risiko kredit dengan menggunakan metode CreditRisk+, tahap pertama adalah mengetahui nilai exposure at default, kedua menghitung frequency of defaults dengan menggunakan tingkat keyakinan sebesar 99% dan yang ke tiga menghitung probability of default yang digunakan untuk mendapatkan nilai distribution of losses. Metode CreditRisk+ dapat memberikan nilai CKPN kolektif dan economic capital yang digunakan untuk mengukur besarnya modal yang diserap akibat unexpected loss pada portofolio kredit pemilikan rumah untuk periode Januari 2008 sampai dengan Desember 2010 sehingga potensi risiko kredit dapat dikendalikan dan dapat memaksimalkan pengalokasian modal yang dimiliki oleh Bank ABC.

---

Impairment calculation that set up by Central Bank and economic capital is part of credit risk measurement in every banking industry. Since banking regulator does not determine standard method for calculating collective impairment, each bank has to decide its own calculation. Housing loan that selected as observation data is based on first quarter in 2011 of condensed financial statement of Central Bank, whereas non performing loan of housing loan is highest among other consumer credit facilities. In measurement of credit risk using CreditRisk+, input data used are exposure at default, recovery rates, default rates and default rates volitatiliy. There are three stages in measuring credit risk using CreditRisk+, first by Identify the value of exposure at default, second by calculate frequency of default using 99% of confident level, finally calculate probability of default used to obtain value of distribution of losses. CreditRisk+ method is able to provide value of collective Impairment and economic capital that used in measuring capital absorbed as result of unexpected loss of credit portfolio of housing loan in January 2008 up to December 2010, thus probable credit risk is controllable and Bank ABC can maximized its capital allocation."

"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."

"ABSTRAKPenelitian ini bertujuan mengukur tingkat risiko kredit dan menganalisis faktor yang memengaruhi default pembiayaan kepemilikan rumah (KPR) Musyarakah Mutanaqisah (MMQ) dan KPR Murabahah di Bank Syariah ABC periode Januari 2012 ? Februari 2016. Pengukuran tingkat risiko kredit dilakukan menggunakan metode Credit Risk+. Analisis faktor yang memengaruhi default KPR dengan menggunakan metode Regresi Logistik. Hasil penelitian menunjukan tingkat risiko kredit yang meningkat selama periode penelitian dan terdapat perbedaan tingkat risiko kredit antara KPR MMQ dan KPR Murabahah. Tingkat risiko kredit KPR MMQ lebih tinggi dibandingkan KPR Murabahah. Faktor yang signifikan memengaruhi default pembiayaan KPR Bank Syariah ABC berbeda untuk KPR MMQ dan KPR Murabahah, kecuali faktor rasio Financing to Value (FTV) yang berpengaruh signifikan pada kedua akad tersebut

---

ABSTRACTThis study to measure level of credit risk and to analyze factors that influence mortgage default based on Musharaka Mutanaqisah (MMQ) and Murabaha contract at ABC Islamic Bank in the period January 2012-February 2016. Credit risk measurements using CreditRisk+. To analyze factors that influence mortgage default using Logistic Regression. The results showed that level of credit risk has increased and there is a difference between the level of credit risk mortgage based on MMQ and Murabaha contract. Credit risk in mortgage based on MMQ contract is higher than Murabaha contract. Factors that significantly influence on those mortgage default are different, except Financing to Value (FTV) ratio that has significant influence on both contract"

"Tesis ini membahas perhitungan risiko atas kredit usaha kecil pada Bank X. Pemilihan pengukuran risiko kredit dengan menggunakan pendekatan creditrisk diperlukan sesuai dengan karakteristik kredit yang memiliki nasabah dalam jumlah besar dan nilai penyaluran kredit yang relatif kecil. Pengukuran creditrisk dilakukan dengan menghitung frequency of default dan loss given default dan menghitung distribution of default losses. Distribution of default losses digunakan untuk menentukan nilai expecied loss, unexpected loss dan economic capital.Nilai economic capilal merupakan besarnya cadangan modal yang harus dibentuk Bank X untuk menutup expected loss. Pengujian dengan menggunakan backresting dengan loglikelihood ratio (LR) test, diperoleh bahwa metode creditrisk cukup valid untuk mengukur risiko atas kredit Bank X.

---

This research analyzes the calculation of credit risk in Bank X especially in small business lending. Creditrisk approach is needed for measuring credit risk regarding its characteristics which has many customers and relatively small amount of credit portfolio. Creditrisk measurement is conducted by computing frequency of default, loss given default and distribution of default losses. Distribution of default losses is used to determine the value of expected loss, unexpected loss and economic capital.The value of economic capital is the amount of capital reserve that must be provided by a bank to cover expected loss. Based on the test using backtesting with loglikelihood ratio (LR) test, is is concluded that creditrisk method is valid for measuring credit risk in Bank X."

"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."

"Pertumbuhan kredit sangat terkait dengan stabilitas perekonomian negara. Kinerja variabel makroekonomi yang terdiri dari PDB, suku bunga SBI, tingkat inflasi, jumlah uang beredar, nilai tukar rupiah terhadap dolar, dan harga minyak relatif cukup baik menjaga stabilitas perekonomian Indonesia. Namun demikian, keadaan tersebut dianggap belum maksimal mendorong pertumbuhan kredit perbankan nasional yang diharapkan mampu menciptakan pertumbuhan ekonomi yang berkualitas. Karena itu, pengetahuan mengenai pengaruh variabel makroekonomi terhadap pertumbuhan kredit perlu dipahami dan diketahui untuk antisipasi kebijakan dalam upaya meningkatkan pertumbuhan kredit di masa yang akan datang. Pengaruh variabel makroekonomi terhadap pertumbuhan kredit dalam penelitian ini dilakukan secara simultan dan parsial dengan menggunakan analisis statistik regresi berganda dengan mempertimbangkan periode waktu dari tahun 2002-2009.Hasil penelitian menunjukkan bahwa secara simultan variabel makroekonomi memberi pengaruh terhadap pertumbuhan kredit perbankan. Namun secara parsial hanya pertumbuhan PDB dan harga minyak yang signifikan memengaruhi pertumbuhan kredit. Tidak berpengaruhnya empat variabel makroekonomi lainnya menyebabkan pengaruh pertumbuhan PDB terhadap permintaan kredit kurang maksimal. Upaya untuk memaksimalkan pertumbuhan kredit perbankan, perlu mendapat dukungan sektor perbankan dan pemerintah melalui kebijakan moneter dan fiskal. Kebijakan moneter melalui penurunan BI rate belum mampu membuat perbankan menurunkan suku bunga simpanan dan pinjamannya. Dibutuhkan koordinasi antara BI dan perbankan dalam penurunan suku bunga bank dan menghindari segala bentuk kebijakan yang bersifat kontradiktif. Kebijakan fiskal perlu dikomplemen dengan minimisasi risiko dunia usaha sehingga dapat meningkatkan permintaan terhadap kredit. Pertumbuhan ekonomi berkualitas dapat dilakukan melalui pemerataan pembangunan khususnya di luar Jawa dengan memberikan fokus pada sektor riil tradable yang mengalami penurunan pertumbuhan ekonomi saat krisis finansial global 2008-2009 sehingga kredit dapat dimaksimalkan pertumbuhannya di sektor tersebut.

---

The growth on credit loan is closely related to the stability of the country's economy. The performance of macroeconomic variables of GDP, the SBI rate, inflation, money supply, exchange rate of rupiah against US dollar, and oil prices is appropriate enough to maintain the stability of Indonesian economy. However, this situation does not encourage national bank credit growth that expected to create the quality of economic growth. Therefore, knowledge about the effect of macroeconomic variables on the growth of credit needs to be understood in order to generate the policies to increase loan growth in the future. The impact of macroeconomic variables on credit growth in this study was conducted simultaneously and partially using multiple regression analysis by considering the time frame of 2002 to 2009.

The results of this study indicated that macroeconomic variables influence on the growth of bank credit simultaneously. However, partially only GDP growth and oil prices were significantly influence credit growth. Due to non-significantly impact of the rest of macroeconomic variables, the impact of GDP growth on credit loan was not maximally. Efforts to maximize the growth of credit need the support from banking sector and the government through the implementation of monetary and fiscal policy. Monetary policy through a reduction in BI rate was not able to reduce the banks interest rates for loan and saving. The coordination between the Central Bank and the general bank is necessary to lower interest rates and to avoid any kind of contradictory policies. The fiscal policy need to be complemented with the policies to minimize the business risk in order to speed up the demand of credit. The quality of economic growth (growth with equity) can be generated through spatial equity development especially outside of Java by focusing on tradable-real sector development which receives substantial impact during the global economic crisis of 2008-2009."

"Untuk menjalankan lungsinya sebagai financial intermediary. risiko terbesar yang dihadapi bank adalah risiko kredit. Olch karena itu merupakan suatu hal yang panting bagi bank untuk dapat mengukur seberapa besar risiko kreditnya. Pengukuran risiko kredit ini dilakukan dengan terlebih dahulu menentukan model risiko kredit yang tepat.Pengukuran risiko kredit usaha mikro pada Bank X dengan pendekatan standar yaitu berdasarkan Surat Edaran BI No.8/3/DPNP tanggal 30 Januari 2006 tidak menghasilkan ukuran risiko yang tepat, karenanya diperlukan alat pengukur risiko yang lain. Tujuan penelitian dalam karya akhir ini adalah untuk mengukur besarnya risiko kredit usaha mikro (KUM) pada Bank X dengan metode Credit Risk.KUM adalah kredit kelolaan Micro Banking and Sales Group pada Bank X yang diklasifikasikan menjadi beberapa jenis produk. yaitu KUM Mandiri. KUM Mapan, KUM Prima, KUM Kelompok dan KUM Karya. Produk-produk tersebut memiliki limit kredit maksimum Rp100.000.000,00 (seratus juta Rupiah).Produk KUM dipasarkan oleh Bank X sejak bulan Maret 2005. Sampai dengan 31 Mei 2006 Bank X telah menyalurkan KUM sebanyak Rp 1,016 Milyar dengan 59.130 rekening debitur.Credit Risk+ adalah metode pengukuran risiko kredit yang tepat untuk bald debet pinjaman yang kecil dengan jumlah rekening yang sangat banyak, karena metode ini tidak memerlukan tambahan data makro dan merupakan default mode.Dalarn pengukuran risiko KUM dengan metode Credit Risk+, terdapat pembatasan sebagai berikut :1. Data yang digunakan adalah data portfolio KUM pcriode bulan Juni 2005 sampai dengan Mei 2006. Penggunaan data periode tersebut karma produk KUM barn dipasarkan pada bulan Mat-et 2005 dan krcdil dinyatakan default apabila umur tunggakan kewajiban lcbih dari 90 hari. Oleh karena itu kemungkinan terdapatnya default KUM minimal 90 hari setelah diberikannya fasilitas KUM tersebut, yaitu pada bulan Juni 2005.2. Kredit dinyatakan default apabila tunggakan kcwajibannya telah melebihi 90 hari atau berdasarkan kolektibilitas BI tergolong kredit Kurang Lancar, Diragukan dan Macet. Pengukuran risiko KUM dengan menggunakan metode Credit Risk menunjukkan hasil sebagai berikut :1. Dengan menggunakan metode Credit Risk, pada bulan Mei 2006 nilai expected loss sebesar Rp 69,74 milyar dan nilai unexpected loss sebesar Rp 104,03 milyar. Hal ini menunjukkan bahwa nilai VaR untuk bulan Mei 2006 adalah sebesar Rp 104,03 milyar, artinya dengan tingkat keyakinan sebesar 95% maka besarnya risiko kerugian maksimum akibat terjadinya default pada portfolio KUM untuk satu bulan ke depan diperkirakan sebesar Rp 104,03 milyar. Jumlah tersebut adalah 10,24% dari total baki debet KUM.2. Dengan metode Credit Risk bank hams menyediakan modal untuk mencover risiko KUM pada bulan Mei 2006 sebesar 10,24% x 8%= 0,82% dari baki debet KUM atau sebesar Rp 8,32 milyar.3. Surat Edaran BI No.813IDPNP tanggal 30 Januari 2006 menyatakan bahwa bobot risiko untuk Kredit Usaha Kecil (KUK) sebesar 85 %., maka bank harus menyediakan modal untuk mencover risiko KUM pada bulan Mci 2006 sebesar 85% x 8% = 6.80% dari baki debet KUM atau sebesar Rp 69,12 milyar.4. Perbedaan kebutuhan modal yang harus disediakan Bank X berdasarkan metode Credit Risk dan berdasarkan SE BI No.8/3/DPNP untuk bulan Mei 2006 adalah sebesar Rp 69,12 milyar - Rp 8,32 milyar = Rp 60,8 milyar.5. Berdasarkan basil pengujian model dengan backtesting dan likelihood ratio, maka metode Credit Risk dapat dipertimbangkan sebagai model internal untuk mengukur risiko KUM Bank X maupun kredit usaha kecil lainnya yang memiliki karakteristik yang sama.Metode CreditRisk+ ini dapat dikembangkan sebagai sistem pengukuran risiko yang terintegrasi dengan cor banking sistem pada Bank X juga dapat dimanfaatkan untuk melakukan monitoring dan pengawasan yang lebih efektif terhadap portfolio KUM, dengan cara memfokuskan perhatian pada kelompok debitur dengan nilai eksposur yang tinggi dengan default rate yang terbesar.

---

As a financial intermediary, the greatest risk a bank has to face is credit risk. Therefore. it is very crucial for a bank to measure its credit risk. First, determining the model of the credit risk does the measurement of credit risk.The measurement of the risk of micro banking in Bank X by standard approach does not give an accurate profile of its credit risk; therefore another measurement tool is needed. This paper is aimed to measure the credit risk of micro banking (Kredit Usaha Mikro/KUM) of Bank X by CreditRisk+ method.KUM is managed by Micro Banking and Sales Group of Bank X, which are classified into several types of products, such as KUM Mandiri, KUM Mapan, KUM Prima, KUM Kclompok and KUM Karya. Those products have maximum limit of Rp. 100.000,000,00 (a hundred million rupiahs).Bank X has launched the KUM products on March 2005. Till the end of May 2006, Bank X has facilitated KUM at the amount of Rp. 1.016 billion for 59,130 customer accounts.Credit Risk' is suitable for credit risk measurement of loans with small outstanding balance and has many customer accounts, because this method does not need additional data about macro economics and is one of the default mode method.To measure the risk of KUM by Credit Risk+ method, there are limitations as follows:1. The data used are KUM portfolio data in the period of June 2005 until May 2006. The period is chosen because the products have been launched since March 2005 and the credit is stated as default whenever the facilities arc under performed for more than 90 days. Therefore the default facilities may be found after 90 days after the first KUM were facilitated, i.e. in June 2005.2. The credit is slated as default whenever the facilities are under performed for more than 90 days or based on 131 collection is classified as Kredit Kurang Lacar, Diragukan and Macet.The risk measurement by Credit Risk has the following results:1. The amount of expected loss on May 2006 is Rp. 69.74 billion and the amount of unexpected loss is Rp. 104.03 billion. This shows that the VaR on May 2006 is Rp. 104.03 billion, which is meant that with the 95% confidence level, the maximum risk loss because of default of portfolio KUM for one month ahead is Rp. 104.03 billion. The amount is about 10.24% of the KUM's outstanding balance.2. On May 2006 the bank has to provide capital to cover the risk of KUM in the amount of 10.24% x 8% = 0.82% of tine KUM's outstanding balance, or Rp.8.32 billion.3. The circulating letter of BI no.8/3/DPNP dated January, 30, 2006 is stated that the risk-weighted for Kredit Usaha Kecil (KUK) is 85%, so the bank has to provide capital to cover the KUM credit risk on May 2006 is in the amount of 85% x 8% = 6,80% of the KUM's outstanding balance, or Rp. 69.12 billion.4. The difference of capital needed based on Credit Risk + method and SE BI no. 8/3/DPNP on May 2006 is Rp. 69.12 billion - Rp.8.32 billion = Rp. 60.8 billion.5. Based on the backtesting and likelihood ratio procedure, the Credit Risk+ method can be used as the internal model to measure the credit risk of KUM portfolio of Bank X and other small amount loans which is has the same characteristics.The CredilRisk+ method can be developed as the integrated risk measurement system with czar banking system of Bank X. and also can he used as a more effective monitoring and supervising tools for KUM portfolio, with lousing on the customer group with high exposure and high default rate."