Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Kondisi perbankan di Indonesia dari tahun ke tahun mengalami peningkatan yang cukup tinggi setelah mengalami krisis ekonomi pada tahun 1997 Pada tahun 2004, tercatat persetujuan kredit baru di seluruh bank umum sebanyak Rp 31 1,63 triliun dimana jumlah ini meningkat 32,59% dari tahun 2003 yang mencapai Rp.235,04 triliun. Sehingga perbankan Indonesia dituntut untuk melakukan pengelolaan usaha dengan prinsip kehatihatian. Salah satu pengelolaan yang dilakukan perbankan adalah pengelolaan risiko Salah satu risiko vital yang butuh pengelolaan yang intcnsif adalah risiko kredit.PT. Bank XYZ merupakan bank yang sudah menerapkan pengelolaan risiko kredit dengan menggunakan infrastruktur internal rating dalam pengukuran risiko kreditnya. Salah satu melode perhitungan risiko kredit dengan menggunakan sistem internal rating adalah Macro Simulation Approach. Dengan menggunakan pendekatan Macro Simulation, PT. Bank XYZ dapat melihat pengaruh faktor ekonomi makro terhadap probability of default debiturnya. Sehingga tidak semata-mata risiko dilihat pada kondisi keuangan debiturnya saja. Adapun faktor ekonomi makro yang diamati mencakup PDB, IHSG, inflasi, SBI, Kurs USD dan Kurs WY, dimana beberapa diantara faktor ekonomi tersebut mempengaruhi pergerakan credit rating debitur sektor manufaktur PT. Bank XYZ. Sebagai contoh, SBI mempengaruhi probabilitas credit rating BF menjadi E2, D2 menjadi D3, dan D3 menjadi E2.Dengan pendekatan Macro Sinurlation Approach dapat diketahui probabilitas credit rating yang telah disesuaikan dengan pengaruh faktor ekonomi makro. Hasilnya adalah berupa matriks transisi conditional. Kemudian untuk mengetahui risiko kredit dilakukan pcrhitungan VaR krcdit) dengan menggunakan hasil probability of default kredit rating matriks transisi conditional (Macro Simmulation Approach). Sehingga jumlah maksimal kerugian yang dapat dialarni olch PT Bartk XYZ dari krcdit sektor manufaktur dengan tingkat keyakinan 95% adalah sebesar Rp.52 303 767 (dengan asumsi distribusi normal) atau Rp 181 105 913 495 (dengan asumsi distribusi tidak normal) Nilai diatas merupakan 0.0089% (dengan asumsi distribusi normal) atau 31.15% (dengan asumsi distribusi tidak normal) dari total kcseluruhan baki debet kredit sektor manufaktur. Dengan demikian PT. Bank XYZ diwajihkan untuk menyediakan pencadangan modal untuk meng-cover risiko krcdit sektor manufaktur sebesar 8% x 31,15% = 2,49% dari total baki debet pinjamannva.

---

After crisis at 1997. economic condition especially banking in Indonesia has been significantly grown. Year 2004, new credit approval for all banks achieved Rp. 311.63 billion. which is growth 32,59% from year 2003 for Rp. 235 04 billion. Subject to its growth. Indonesian banking should realized the risk especially credit risk that should be managed well.

PT. Bank XYZ has already established credit risk management with internal rating system in credit risk measurement One of credit risk measurement method using internal rating is Macro Simulation Approach. With Macro Simulation Approach. PT. Bank XYZ can observe the influence of macro economic factors aligned with probability of default of each company. The macro economic factors such as Gross Domestic Product (PDB), Indonesian Stock Price Index (1HSG). inflation. Government T-bills (SBI). USD Foreign Exchange (Kurs USD) and JPY Foreign Exchange (Kurs JPY) had effect on credit rating movement for credit manufacture at PT. Bank XYZ. For example. SBI had effect on probability of credit rating BI become E2, D2 become D3 and D3 become E2.

Result of Macro Simulation Approach which already aligned between probability of credit rating and macro economic factors is conditional transition matrix. Then calculation of credit risk with credit VaR (CreditMetrics) has to be conducted by using probability of default in conditional transition matrix (Macro Simulation Approach). Loss maximum amount of credit manufacture at PT. Bank XYZ with 95% confident level (assuming normal distribution) is Rp.52.303.767 or Rp. 183,105.913,495 (assuming actual distribution). This amount is 0 0089% (assuming normal distribution) or 31.15% (assuming actual distribution) from total of exposure of credit manufacture For capital requirement purpose. PT Bank XVZ has to reserve equity for 2.4994, 1% x 31 15% l from total exposure of credit manufacture PT Bank XYI. Using Macro Simulation Approach gives many advantage especially for capital requirement. because it is using internal rating which is gives every customer rating different portion of credit risk and so gives lesser reserve equity."

"Kredit mikro adalah kredit yang terbukti reliable dalam kondisi perekonomian apapun. Namun demikian, pemberian kredit tersebut tidak luput dari risiko kredit. Bank yang mengelola portofolio kredit mikro membutuhkan sistem manajemen risiko dan penggunaan model yang tepat untuk mengukur risiko kredit dari portofolio tersebut. Karena dengan begitu, bank, dapat secara terukur menyediakan kebutuhan modal minimum yang diperlukan untuk mencover risiko kredit yang dihadapinya. Dan berdasarkan karakteristiknya, risiko kredit mikro sangat cocok diukur dengan menggunakan metode Credit Risk+, dimana metode tersebut sangat cocok dengan karakteristik portofolio kredit yang besar dengan skala kredit yang kecil.

---

Micro credit was a credit that proven reliable at any economic conditions. However, this credit will not miss the credit risk. Banks that manage micro credit portfolio needs risk management system and utilize the appropriate model to measure the credit risk. Because then, the bank can provide the minimum capital requirements needed to cover credit risk it faces. And based on the characteristics, micro credit risk was suitable to be measured by Credit Risk+ method, where the method was suitable with the characteristics of a large credit portfolio with smallscale credit."

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

---

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

"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.

---

"

"Karya akhir ini mempunyai tiga tujuan yaitu PT. XYZ dapat mengukur berapa besar probability of default dari Kendaraan Bermotor yang dibiayainya, PT. XYZ dapat mengukur kerugian yang dapat diperkirakan dan kerugian yang tidak dapat diperkirakan dari portofolio pembiayaan kendaraan bermotor serta dapat mengetahui besamya economic capital yang harus disediakan untuk rneng-cover risiko kerugian yang tidak dapat diperkirakan sehingga manajemen PT. XYZ dapat membuat suatu keputusan yang tepat untuk minimalisasi risiko yang akan timbul, dan model CreditRisk+ yang digunakan diharapkan dapat diterapkan untuk jenis kredit lain seperti Kredit Kepemilikan Rumah, Personal Loan dengan ciri yang hampir sama dengan Kredit Kepemilikan Kendaraan, sehingga dapat mengalokasikan secara lebih optimal seluruh sumber daya yang dimiliki.Penerapan CreditRisk+ dilakukan untuk mengukur risiko kredit di lembaga pembiayaan PT. XYZ dengan batasan sebagai berikut. Pertama, obyek penelitian adalah kendaraan bermotor yang dibiayai pada PT. XYZ yang merupakan salah satu lembaga pembiayaan khusus kendaraan bermotor di Indonesia. Kedua, data yang digunakan adalah data bulanan portofolio kendaraan bermotor pada tahun 2003, 2004 dan 2005 dengan nilai eksposur antara Rp 500 ribu hingga Rp 250 juta. Ketiga, kredit dinyatakan default apabila tunggakan kewajibannya telah melebihi 90 hari.Hasil pengukuran risiko kredit dengan menggunakan CreditRisk+ dengan asumsi tingkat keyakinan 99% dan probability of default dihitung dengan Poisson Model menunjukkan sebagai berikut:1. Pengukuran risiko kredit dengan memakai pendekatan CreditRisk+ model yang dikeluarkan oleh Credit Suisse First Boston dapat digunakan untuk mengukur risiko kredit dari portofolio pembiayaan kendaraan bermotor PT. XYZ kepada konsumennya, hal ini karena pengukuran risiko kredit dengan metode ini sangat sederhana karena lebih memfokuskan kepada keadaan default atau non default dan tidak'mesnpersoalkan faktor-faktor penyebab terjadinya default. Selain itu model ini tidak mempertimbangkan terjadinya migrasi kualitas kredit.2. Hasil pengukuran risiko kredit dengan menggunakan model CreditRrsk+ untuk portofolio pembiayaan kendaraan bermotor PT. XYZ sepanjang masa observasi tahun 2003 hingga tahun 2005 menunjukkan bahwa poterisi kerugian yang diperk.irakan (expected loss) dan risiko kredit (ditunjukkan oleh VaR atau Unexpected Loss) mempunyai kecenderungan yang meningkat. VaR or Unexpected Loss di bulan Januari 2003 sebesar Rp 31,256,000,000 dan meningkat lebih dari dua kali Iipatnya yaitu sebesar Rp 65,699,000,000 di bulan Desember 2005. Dengan adanya kecenderungan peningkatan risiko ini diharapkan pengelolaan atas portofolio pembiayaan kendaraan bermotor PT. XYZ kepada nasabahnya dapat lebih bail( dan efektif, terutama dalam mengantisipasi bertambahnya pembiayaan yang bermasalah.3. Dori perhitungan economic capital terlihat bahwa kecukupan modal yang dibutuhkan atas portofolio penyaluran pembiayaan yang dilakukan oleh PT. XYZ kepada konsumennya sepanjang tahun 2003 berada pada range Rp 16,237,303,325 - Rp 21,775,587,804. Pada sepanjang tahun 2004 berada pada range Rp 21,910,884,312 - Rp 25,522,689,160 dan pada sepanjang tahun 2005 berada pada range Rp 23,040,855,020 - Rp 25,493,208,151. Apabila setiap nilai ini dibandingkan dengan modal PT. XYZ per Desember setiap tahunnya, maka dapat disimpulkan bahwa modal PT. XYZ masih cukup untuk menanggung adanya risiko kredit yang diakibatkan oleh unexpected credit default losses. Dengan melihat kebutuhan economic capital yang relatif kecil, sekitar 3% - 7% dari jumlah modal atas portofolio pembiayaan kendaraan bermotor sepanjang tahun 2003 - 2005, maka dapat disarankan untuk meningkatkan atau mengoptimisasikan portofolionya4. Pengujian dengan metode Likelihood Ratio pada tingkat kepercayaan 95% menunjukkan bahwa selama periode pengarnatan, jumlah kejadian yang merugikan PT. XYZ dengan tingkat kerugian yang melebihi nilai VaR kredit masih di bawah ambang Batas jumlah kerugian yang dapat ditolerir, yang berarti bahwa metode pengukuran risiko dengan CreditRisk+ dapat diterima dan cukup akurat untuk mengukur risiko kredit portofolio pembiayaan PT. XYZ kepada konsumen.

---

This final research report has three purposes: able to measure probability of default from automobile financing portfolio of PT. XYZ, able to measure expected loss and unexpected loss, and also capable to estimate the level of economic capital to be reserved for covering unexpected loss so that PT. XYZ management can make right decision to minimize the risk, and CreditRisk+ model with the similar characteristic has expected to be applicable for other type of credit such as housing loans and personal loans, so PT XYZ resource allocation can be more optimal.

The application of CreditRisk+ was conducted to measure credit risk at automobile consumer financing company of PT. XYZ, with definition as follows. First, research object is automotive financed by PT. XYZ representing one of specialist on automotive financing company in Indonesia. Second, data used was monthly data of automobile consumer financing company in year 2003, 2004, and 2005 with exposure value between Rp 500 thousand until Rp 250 million. Third, credit was considered default if its obliged amount outstanding exceeded 90 days.

The result of credit risk measurement using CreditRisk+ with 99% confidence level and probability of default counted with Poisson Model show as follows:

1. Credit risk measurement result using CreditRisk+ model for automobile financing portfolio of PT. XYZ during observation period of year 2003 to 2005 showed that expected loss and credit risk (represented by VaR or Unexpected Loss) showed increasing trends. VaR or Unexpected Loss showed increasing trend from Rp 31,256,000,000 in January 2003 to Rp 65,699,000,000 in December 2005, and more than two-fold increase. With the tendency of increasing loss, we can hope for better and more effective for automobile financing of PT. XYZ lending portfolio management in the future, especially in anticipating the growing non-performing lending portfolios.

2. Economic capital assessment showed that capital adequacy needed to cover PT. XYZ's lending portfolio to consumer through 2003 was between Rp 16,237,303,325 - Rp 21,775,587,804, through 2004 was between Rp 21,910,884,312 - Rp 25,522,689,160 and through 2005 was between Rp 23,040,855,020 - Rp 25,493,208,151. This assessment showed that PT. XYZ capital as of December every year, was still more than adequate to cover the credit risk caused by unexpected credit default losses. This relatively small economic capital requirement, about 3 to 7 percent of automobile financing portfolio of PT. XYZ during the year of 2003 to 2005, suggested opportunity for increased and more optimized PT. XYZ's portfolio.

3. By comparing actual loss with VaR during observation period (January 2003 - December 2005), obviously that actual loss per month still below VaR, this mean that the loss risk automobile financing portfolio of PT. XYZ to consumer still able in covering by PT. XYZ.

4. Model validation using Likelihood Ratio test with 95% confidence level showed that during evaluation period, the frequency of events that may jeopardize PT. XYZ with the loss level exceeding credit VaR was still under the tolerable loss level limit. It is then safe to conclude that CreditRisk+ is acceptable and quite accurate method for measuring credit risk on automobile financing of PT. XYZ's lending portfolio to consumer."

"Penelitian ini menggunakan metode Credit Risk+ untuk menghitung risiko kredit pada PT Mandiri Tunas Finance selama periode Januari 2010 hingga Desember 2012. Penggunaan metode Credit Risk+ membutuhkan data input berupa exposure kredit, exposure at default, dan recovery rates serta tidak mengasumsikan penyebab default. Metode ini cocok digunakan untuk perhitungan risiko kredit retail. Asumsi default atau non performing loan (NPL) yaitu saat tunggakan debitur mencapai lebih dari 90 hari. Tahapan pengukuran risiko kredit yaitu pertama menghitung exposure default dari portofolio, kedua menghitung frequency of default, ketiga menghitung probability of default untuk mencari distribution of losses yang terjadi pada PT Mandiri Tunas Finance. Frequency of default dihitung dengan menggunakan asumsi tingkat keyakinan 95%. Perhitungan dengan metode ini menghasilkan nilai expected loss dan unexpected loss serta economic capital. Economic capital adalah besarnya modal yang digunakan untuk menutupi unexpected loss. Dalam penelitian ini digunakan backtesting dan validasi menggunakan Loglikehood Ratio (LR) test dan didapatkan hasil senilai 0, dimana hasil tersebut lebih kecil dibandingkan nilai kritis chi squared sebesar 3,8415. Hasil ini menunjukkan bahwa metode Credit Risk+ yang digunakan dalam penelitian ini masih valid untuk mengukur risiko kredit dan menghitung economic capital pada PT Mandiri Tunas Finance.

---

Credit Risk+ method is used to calculate the credit risk at PT Mandiri Tunas Finance during the period January 2010 to December 2012. Use of Credit Risk + method requires input data which is credit exposure, exposure defaults and recovery rates, and do not assume cause of default. This method is suitable for retail credit risk calculations. Assumptions default or non- performing loan (NPL) is currently delinquent borrowers overdue more than 90 days. Stages of credit risk assessment is the first to calculate the default exposure of the portfolio, second calculate the frequency of default, third count the probability of default to seek distribution of losses which occurred at PT Mandiri Tunas Finance. Frequency of default calculated using the assumption of 95 % confidence level. Calculations with this method generate expected loss and unexpected value loss and economic capital. Economic capital is the amount of capital that is used to cover unexpected loss. This study used backtesting and validation using Loglikehood Ratio ( LR ) test and the results 0, where the result is less than the critical value of chi- squared of 3,8415. These results indicate that the Credit Risk + method used in this study are still valid for measuring credit risk and calculate economic capital at PT Mandiri Tunas Finance."

"ABSTRAK Project finance adalah bentuk pendanaan yang sifatnya unik dan perlu banyakpertimbangan aspek ekonomis dan hukum oleh semua pihak yang terlibat dalampendanaan proyek. Beberapa hal yang harus dipahanii adalah bagaimana mengetahuirisiko potensial default menggunakan ukuran Debt Service Coverage Ratio (DSCR).DSCR merupakan rasio present value fi'ee cash flow proyek terhadap outstanding loansetiap periode. Selain itu, beberapa dokumen terkait yang digunakan pada penelitian iniadalah ; Loan Agreement, Trustee and Paying Agent Agreement, Producer Agreement,Operator's Agreement dan Sales and Purchase Agreement. Pada pendanaan ini, risikoterbesarnya terletak pada ketidakpastian cash flow proyek, walaupun terdapat risikorisikolain seperti political risk, price of project output risk; interest risk; dan lain-lain.Risiko yang terjadi ini lebih disebabkan ketidakpastian cash flow untuk pengembalianpinjaman karena harga minyak mentah Indonesia. Risiko ini ditandai apabila nilai DSCRterjadi dibawah 140%, karena proyek diperkirakan akan mengalami kesulitan likuditasdan dapat mengalami default. Simulasi proyeksi cash flow untuk mcnghitung DSCR ini, digunakan hargaminyak mentah ICP melalui simulasi Monte Carlo. Variabel input data tersebutterdistribusi normal, maka simulasi digunakan atribut data berupa mean dan deviasistandar. Sedangkan untuk analisis tingkat risiko digunakan probabilitas distribusi DSCRdalam bentuk persentil, dengan menginterpretasikan probabilitas distribusi DSCR dandiscriptive statistics hasil simulasi. Perhitungan DSCR didasarkan pada cash flow proyekdan besarnya sal do pinjaman setiap peri ode kuartal melalui simulasi sampai 10.000 kali. Berdasarkan hasil penelitian ini diperoleh bahwa proyeksi cash flow dibuatmenggunakan periode 28 kuartal kedepan dan random variate harga minyak ICP.Sedangkan pengukuran risiko digunakan ukuran DSCR, yang merupakan ukurankemampuan proyek BLRE mengembalikan pinjaman kepada pihak bank. Tingkat risikodapat diketahui apabila nilai DSCR yang jatuh dibawah treshold DSCR sebesar 140%.Semakin kecil nilai DSCR, semakin besar tingkat risiko proyek. Selain itu, besamya nilaideviasi standar DSCR dari nilai rata-ratanya, maka akan semakin berisiko pula.Berdasarkan hasil ini, diketahui dengan baik bahwa pada periode awal kuartal dianggappaling berisiko dibanding periode berikutnya. Selanjutnya, tingkat risiko mengalamipenurunan pada periode akhir pengembalian pinjaman, seperti ditunjukkan nilai DSCRmakin besar. Sedangkan, nilai deviasi standar cenderung naik dari sebesar 0,7499 padakuartal ke-1 sampai sebesar 0,867 pada kuartal ke-28. Dengan demikian, bankdisarankan menggunakan proyeksi cash flow pada penelitian ini, mengingat proyeksicash flow sangat baik dan sudah mempertimbangkan semua parameter konstan danvariabel."

"ABSTRAKKrisis keuangan sebelumnya telah menunjukkan pentingnya risiko dalam siklus keuangan dan bisnis dalam perekonomian. Studi ini melakukan analisis terhadap tiga siklus penting dalam perekonomian, yaitu i siklus bisnis ndash; risiko makro, ii siklus kredit dan iii siklus risiko, serta dampak ketiga siklus tersebut pada performa bank individu. Kami melakukan analisis respon siklus kredit dan siklus risiko dan konsekuensinya kepada performa bank individu. Kami menggunakan data indonesia untuk periode 2005q1-2014q4. Kami menggunakan data panel unbalanced neraca individu bank dengan pendekatan Panel Vector Autoregressive berdasarkan metode estimasi GMM dengan menggunakan perangkat estimasi PVAR yang dikembangkan oleh Abrigo dan Love 2015 . Hasil estimasi menunjukkan hubungan dinamis antara siklus bisnis ndash; risiko makro dengan siklus risiko finansial. Studi ini juga mempelihatkan peranan penting siklus risiko dalam mempengaruhi performa bank. Serta, kami juga menunjukkan eksistensi fenomena financial accelerator pada sistem perbankan Indonesia, dimana siklus finansial mendahului siklus bisnis ndash; risiko makro.

---

ABSTRACT

The previous financial crisis has revealed the importance of risk in the financial and business cycle within the economy. This paper examines relationship among three cycles in the economy, namely i business cycle macro risk, ii credit cycle and iii risk cycle, and their impacts toward individual bank performance. We examine the responses of individual bank credit cycle and risk cycle toward a shock in business cycle macro risk and its consequence to the bank performance. We use Indonesian data for period of 2005q1 to 2014q4. We use unbalanced panel data of individual banks rsquo balance sheet with Panel Vector Autoregressive approach based on GMM style estimation by implementing PVAR package developed by Abrigo and Love 2015 . The result shows dynamic relationship between business cycle macro risk and financial risk cycles. The study also observes prominent role of risk cycles in driving bank performance. We also show the existence of financial accelerator phenomenon in Indonesian banking system, in which financial cycles precede the business cycle macro risk."