18
3. METODE Kerangka Pemikiran Penelitian Salah satu parameter kinerja jangkauan layanan LKM mencakup adalah luasnya jangkauan kepada nasabah berupa besarnya jumlah nasabah yang dilayani LKM. Untuk menjangkau lebih banyak nasabah, LKM membutuhkan modal kerja yang lebih besar. Modal kerja LKM berasal dari modal sendiri, dana masyarakat dan dana yang berasal dari lembaga keuangan lain. Kinerja keuangan LKM yang sehat yaitu dengan parameter NPF (Non Performing Financing) rendah serta laba rugi positif akan menarik pihak pemilik dana untuk menyimpan dan menginvestasikan dananya di LKM. Faktor lain yang tidak kalah pentingnya adalah kecukupan modal. Penilaian kecukupan modal mengacu pada perhitungan risiko kredit, risiko operasional dan risiko pasar. Risiko pembiayaan yang dihadapi koperasi meliputi risiko gagal bayar, risiko exposure dan risiko recovery. Ukuran risiko gagal bayar adalah probabilitas terjadinya gagal bayar pada periode tertentu. Risiko exposure merupakan risiko yang melekat pada besarnya kredit yang menghadapi risiko gagal bayar. Risiko recovery berkaitan dengan terjadinya gagal bayar dari konsumen. Semakin kecil kemungkinan perolehan dari pembiayaan macet, maka semakin kecil recovery rates. Risiko recovery dinyatakan dalam bentuk persentase kemungkinan recovery dari pembiayaan macet. Pengukuran risiko pembiayaan yang mencerminkan mutu dan kuantitas risiko pembiayaan dilakukan dengan metode CreditRisk+. Analisis CreditRisk+ dilakukan berdasarkan data-data historis koperasi seperti data pembiayaan non performance financing, exposure per kelompok debitur, lancar, kolektibilitas dan recovery rate selama kurun waktu juli 2013 – Juni 2014. Pada tahap terakhir perhitungan metode CreditRisk+, akan diperoleh berapa modal minimum yang diperlukan untuk menutup kerugian akibat risiko pembiayaan maksimum yang terjadi. Kerangka operasional penelitian ini dimuat dalam Gambar 1. Pengumpulan Data Data yang dikumpulkan dalam penelitian ini meliputi data primer dan sekunder. 1. Data Primer Data primer diperoleh melalui pencatatan, pengumpulan data dan wawancara langsung dengan pejabat berwenang yang terkait 2. Data Sekunder Data sekunder diperoleh melalui data historis LKMS Koperasi Sejahtera Bangsaku , studi literatur, laporan penelitian dan publikasi elektronik. Jenis data sekunder yang digunakan adalah laporan keuangan dan laporan NPF pembiayaan mikro bulan Juli 2013 sampai dengan bulan Juni 2014 serta bahan-bahan penunjang yang terkait dengan penelitian.
19
LKMS KSB
Analisa Internal
Analisa Eksternal
Profil Keuangan KSB
Perhitungan CAR menurut CreditRisk+
Perhitungan CAR menurut Basel I
Kebutuhan MCR dan Potensi Ekspansi Layanan Internal Faktor Evalution
External Faktor Evaluation
Pilihan Strategi
Kesimpulan dan Rekomendasi
Gambar 1. Kerangka pemikiran penelitian Pengolahan dan Analisis Data Dalam penelitian ini, pengolahan data dilakukan secara kualitatif dan kuantitatif. Pengolahan secara kualitatif dilakukan dengan mengkaji konsep manajemen risiko pembiayaan berdasarkan teori-teori dan prinsip-prinsip yang telah berkembang. Metode kualitatif digunakan untuk mengidentifikasi faktor-
20
faktor risiko kredit dan menganalisis pengelolaan risiko pembiayaan. Metode kuantitatif digunakan untuk mengukur risiko pembiayaan yang dihadapi oleh KSB. Semua data diolah dengan menggunakan software spreadsheet excell. Metode CreditRisk+ Pada penelitian ini kuantifikasi risiko menggunakan metode CreditRisk+. Metode CreditRisk+ memiliki keunggulan dalam perhitungan karena berasal dari data internal perusahaan yang secara praktis dan efektif mampu mengukur kemungkinan risiko kegagalan dan kerugian konsumen. Penggunaan metode ini mengasumsikan tingkat kemungkinan gagal bayar (probability of default) setiap debitur merupakan kejadian historis debitur. Tahapan yang dilakukan dalam metode CreditRisk+ meliputi (CSFB 1997) : 1.
Pengelompokan Eksposur dalam Band Besarnya pembiayaan mikro berbeda tiap debitur, sehingga penetapan angsuran debitur juga berbeda-beda. Eksposur diperoleh dari baki debet pembiayaan/outstanding yang berpotensi default (gagal bayar). Eksposur kemudian dibagi kedalam beberapa band. Pembagian ke dalam band untuk memudahkan perhitungan karena jumlah debitur yang sangat banyak. 2.
Penghitungan Default rates Setelah mendapatkan nilai eksposur yang terbagi dalam beberapa band, langkah berikutnya adalah menghitung default rates (DR). Definisi default rates yaitu banyaknya kejadian default (default events) per unit waktu pada setiap band. Default rates diperoleh dengan membagi nilai eksposur dengan nilai batas atas band. 3.
Penghitungan Probability of Default Tahap ini dilakukan dengan menghitung probability of default yaitu ratarata kemungkinan gagal bayar dan standard deviations setiap band debitur. Probability of default (PD) merupakan persentase gagal bayar bersih yang telah dikurangi oleh recovery rate. Recovery rate (RR) adalah persentase nilai utang yang dapat dibayar kembali atau persentase rata-rata tagihan tertunggak yang dapat dilunasi debitur. Besarnya kerugian akibat adanya pembiayaan yang gagal bayar akan segera dikurangi sebagian dengan adanya recovery. Probability of default menggunakan distribusi Poisson dengan asumsi kemungkinan gagal dari sebagian kelompok konsumen bernilai kecil dan kejadian macet antar kelompok debitur saling independen. Dalam Crouhy (2000), rumus distribusi Poisson dinotasikan berikut :
Prob (n default) =
℮ -ʎʎn ——— n!
…….……………..………………………(2)
℮ = 2,71828 ʎ = default rates atau Nilai rataan (expected number) of default n = banyaknya kejadian default dinyatakan dalam 0, 1, 2, 3, 4 ,…, n
21
PD diperoleh dari nilai n saat hasil distribusi poisson mencapai yang paling besar. 4.
Mengukur Loss Given Default, Expected Loss dan Unexpected Loss Loss Given Default (LGD) atau Real Loss merupakan kewajiban debitur tidak tertagih yang tergantung dari status debitur bangkrut. Karena merupakan real loss maka LGD adalah sisa saldo kredit macet yang sudah atau akan dihapus buku setelah dikurangi nilai recovery. Dengan demikian Nilai LGD/real loss dapat dinotasikan : LGD = Eksposur – Recovery ……………………………………………...(3) Recovery rate (RR) merupakan hasil bagi jumlah kewajiban debitur yang dihapusbukukan yang tertagih kembali di band dengan nilai band yang dinyatakan dalam persentase. Sehingga rumus LGD dapat dinyatakan dengan : LGD = Eksposur (1 RR) ....................................................…....…(4) Dimana Karena eksposur sudah dikelompokkan dalam band, maka eksposur adalah DR dikalikan batas atas nilai band.. Sehingga rumus LGD menjadi : LGD = DR
batas atas nilai band (1 RR) ...…………. .……….……(5)
Expected Loss (EL) adalah nilai kerugian yang dapat diperkirakan. Nilai perkiraan terjadinya kerugian didasarkan pada data historis munculnya credit events tersebut. Untuk mengatasi kejadian expected loss, perusahaan telah melakukan pencadangan modal yang diperoleh dari pengenaan provisi kepada debitur. Selain dari provisi, bank melakukan penyisihan penghapusan aktiva produktif (PPAP) untuk menutup EL . Besarnya EL merupakan hasil perkalian antara LGD dengan probability of default untuk seluruh kelompok debitur yang dapat dinotasikan sebagai berikut: = LGDA PDA ………………………..........……….…………(6) ELA Dimana ELA = Expected Loss kelompok debitur A (Rp) LGDA = Loss GivenDefault kelompok debitur A (Rp) PDA = Probability default kelompok debitur A Rumus EL dapat juga dituliskan sebagai berikut : ELA
= DR
batas atas nilai band
(1 RR) X PDA .....................(7)
Unexpected Loss (UL) merupakan kerugian akibat gagal bayar konsumen yang harus dapat dikendalikan, meskipun tidak diharapkan sebelumnya. Probabilitas Unexpected loss adalah potensi kerugian maksimum akibat default pada tingkat keyakinan tertentu. Unexpected losses diukur dengan mengambil nilai kerugian maksimum pada tingkat persentile yang dipilih. Misalnya dipilih 99,9%, berarti hanya ada 0,1% kemungkinan bahwa kerugian akan melebihi nilai
22
didapat dari nilai kumulatif unexpected loss. Nilai Unexpected Loss kemungkinan gagal (cumulative probability of default) yang diasumsikan mencapai tingkat keyakinan tertentu. Perhitungan UL sehingga dapat dirumuskan: ULA
=
LGDA
cumPDA ……….......................................................(8)
Unexpected Loss dapat terjadi dalam kondisi normal dan tidak normal. Dalam kondisi normal adalah pada keadaan ketika kerugian yang terjadi adalah diatas rata-rata kerugian yang telah dicadangkan oleh bank. Dalam kondisi tidak normal jumlah kerugian yang terjadi lebih besar dari maksimum kerugian yang telah diperkirakan pada kondisi normal. Ketika kerugian mencapai level unexpected loss maka kerugian tersebut harus bisa dicover dari modal bank. Dengan demikian kecukupan modal suatu bank harus mempertimbangkan besarnya unexpected loss. 5.
Modal Ekonomi (Economic Capital) Economic Capital adalah modal yang harus dimiliki perusahaan untuk menutupi kerugian maksimum yang disebabkan oleh gagal bayar debitur pada portofolio kredit. Economic Capital dalam pengukuran risiko kredit diperoleh dari selisih UL dan EL. Economic Capital = UL – EL...................................................................(9) Output dari CreditRisk+ berupa besaran expected loss dan unecpected loss dapat digunakan untuk menggambarkan tingkat besarnya economic capital yang dibutuhkan. Besarnya Economic Capital adalah selisih dari besarnya unexpected loss pada tingkat persentile tertentu dengan nilai expected loss. Economic Capital berfungsi sebagai peredam (cushion) untuk mengcover risiko akibat unexpected credit default losses mengingat bahwa tingkat kerugian sesungguhnya pada setiap periode ada kemungkinan nilainya lebih besar dari tingkat yang diperkirakan. Penggunaan Economic Capital sebagai ukuran dari risiko memiliki beberapakelebihan, diantaranya adalah (CSFB 1997): Economic Capital lebih sesuai untuk mengukur risiko ekonomi dibandingkan alat ukur lain yang telah ditetapkan oleh regulator Economic Capital dapat mengukur risiko ekonomi pada portfolio dan keuntungan dari difersifikasi. Economic Capital adalah ukuran yang secara obyektif bisa mendiferensiasi atau membedakan masing-masing portofolio atas dasar kualitas kredit dan besarnya eksposur Economic Capital adalah ukuran yang dinamis, yang mencerminkan perubahan risiko portofolio dan digunakan sebagai alat optimisasi portofolio. 6.
Uji Validitas Basel Comitee mensyaratkan kepada lembaga keuangan bila menggunaan internal rating base approach dalam mengukur resiko kredit agar melaksanakan back testing dan validasi model secara rutin. Validasi model adalah suatu
23
proses pemeriksaan untuk meyakini apakan model masih layak atau sesuai untuk digunakan agar akurasi model tetap layak dipergunakan. Berkaitan dengan perhitungan risiko kredit, maka pengujian ditujukan untuk membandingkan prediksi risiko kredit berdasarkan data historis dengan kerugian aktual yang terjadi. Pengujian validitas model salah satu caranya dengan back testing dan Likelihood Ratio test. 1. Back Testing Back Testing adalah suatu kerangka kerja untuk melakukan verifikasi apakah kerugian aktual masih tercover oleh nilai kerugian yang diprediksi. Tujuannya adalah untuk meyakini apakah akurasi dari model perhitungan risiko cukup baik dan dapat diterima. Metode Back Testing dengan cara menghitung jumlah kesalahan (failure rate) yang terjadi dibandingkan dengan jumlah data. Pengujian model secara Back Testing dengan cara membandingkan nilai actual loss dengan estimasi maksimum kerugian. Perkiraan maksimum kerugian diperoleh dari nilai UL pada setiap periode. Sedangkan actual loss adalah nilai NPF pada periode pengamatan. Model dikatakan valid apabila nilai estimasi kerugian maksimum lebih besar dari nilai actual loss. Metode Back Testing yang lain adalah dengan membandingan antara default rates (DR) dengan volatilitiesnya. Model dikatakan akurat apabila nilai DR masih diantara batas atas dan batas bawah untuk selang kepercayaan tertentu dikali standar deviasinya. 2. Likelihood Ratio Test Likelihood Ratio (LR) Test adalah metode uji validasi model dengan menghitung jumlah banyaknya actual loss yang melebihi nilai UL selama periode obeservasi. Setelah diperoleh nilai-nilai tersebut dilakukan uji statistic likelihood ratio dengan rumus : LR =
2log[(1 – p* )Ƭ-N(p* )N]+ 2log{[1
( ) ] Ƭ-N ( ) N}…………….10
Dimana p* = probabilitas kesalahan dibawah H0 N = jumlah kesalahan proyeksi T = jumlah obervasi Hasil perhitungan LR selanjutnya dibandingkan dengan nilai kritis Chi-squared dengan derajat bebas 1 pada tingkat signifikansi yang diharapkan. Jika nilai LR lebih besar dibandingkan dengan nilai kritis Chi-squared, maka model perhitungan risiko tersebut tidak akurat dan sebaliknya bila lebih kecil dari nilai kritis Chi-squared, maka model perhitungan risiko tersebut akurat. Analisis Faktor Internal dan Eksternal Untuk mengetahui faktor-faktor internal perusahaan atau organisasi berkaitan dengan kekuatan dan kelemahan yang dianggap penting, dibuat matriks IFE dan EFE dengan tahapan berikut :
24
a. b. c.
d. e.
Mengindentifikasi dan menelaah secara mendalam terhadap setiap faktor yang menjadi peluang dan ancaman, serta kekuatan dan kelemahan yang mempengaruhi perusahaan. Memberi bobot setiap faktor dengan angka 0,0 (tidak penting) sampai 1,0 (sangat penting). Bobot tersebut menandakan tingkat kepentingan relatif faktor tersebut. Jumlah seluruh bobot sama dengan 1,0. Memberikan peringkat 1-4 pada setiap faktor internal dan eksternal utama untuk menunjukkan seberapa efektif strategi perusahaan saat ini dalam merespon faktor tersebut. Pengertian peringkat tersebut adalah : 4 = respon sangat bagus 3 = respon di atas rataan 2 = respon rataan 1 = respon di bawah rataan Skor untuk peluang dan kekuatan adalah 3 – 4, sedangkan untuk kelemahan dan ancaman skornya 1 – 2. Kalikan bobot setiap faktor dengan peringkatnya untuk memperoleh nilai terimbang Menjumlahkan seluruh skor terbobot untuk mendapatkan skor terbobot total (total weighted score). Dalam matriks EFE, skor bobot total tertinggi yang mungkin dicapai 4,0 skor bobot terendah 1,0 dan rataan skor bobot 2,5. Pengertian nilai Skor yang dicapai adalah sebagai berikut : 1. Skor bobot 4,0 mengindikasikan organisasi merespon sangat baik peluang dan ancaman yang ada. 2. Skor total 1,0 menandakan organisasi tidak mampu memanfaatkan peluang yang ada atau menghindari ancaman yang muncul. 3. Skor bobot total di bawah 2,5 mencirikan posisi internal organisasi yang lemah 4. Skor di atas 2,5 mengindikasikan posisi internal yang kuat. Model matriks IFE dan EFE ditunjukkan pada Lampiran 2.
Analisis Matriks Internal – Eksternal (IE) Matriks IE terdiri dari dua (2) dimensi, yaitu total skor matriks IFE pada sumbu x dan total skor matriks EFE pada sumbu y. Matriks IE menurut David (2009) dapat dilihat pada Lampiran 2. Analisis SWOT Matriks SWOT terdiri dari sembilan (9) sel, terdapat empat (4) sel faktor utama, empat (4) sel strategi dan satu (1) sel yang dibiarkan kosong (sel kiri atas). Keempat sel strategi yang diberi nama SO, WO, ST dan WT, dikembangkan setelah melengkapi semua faktior sel utama yang diberi nama S, W, O dan T. Dalam membentuk matriks SWOT terdapat delapan (8) langkah : a. Membuat daftar peluang-peluang eksternal utama perusahaan b. Membuat daftar ancaman-ancaman utama perusahaan c. Membuat daftar kekuatan-kekuatan internal utama perusahaan d. Membuat daftar kelemahan-kelemahan internal utama perusahaan e. Cocokkan kekuatan internal dengan peluang eksternal dan masukkan
25
f. g. h.
hasilnya pada sel strategi SO Cocokkan kelemahan internal dengan peluang eksternal dan masukkan hasilnya pada sel strategi WO Cocokkan kekuatan internal dengan ancaman eksternal dan masukkan hasilnya pada sel strategi ST Cocokkan kekuatan internal dengan ancaman eksternal dan masukkan hasilnya pada sel strategi ST
Gambar matriks SWOT pada lampiran 3 menjelaskan bagaimana peluang dan ancaman yang dihadapi dapat disesuaikan dengan kekuatan dan kelemahan yang dihadapi. Matriks ini dapat menghasilkan empat (4) set kemungkinan alternatif strategis. Analisis Matriks QSPM Selanjutnya digunakan matrik QSPM untuk memilih strategi prioritas yang paling sesuai untuk diterapkan dari berbagai strategi alternatif yang telah dirumuskan. Dalam matriks QSPM digunakan input yang dihasilkan dari analisis IFE, EFE, dan hasil strategi-strategi alternatif yang dihasilkan dari analisis SWOT. Ilustrasi perhitungan dapat dilihat pada Gambar 5. Langkahlangkah penyusunan strategi terpilih melalui matriks QSPM adalah sebagai berikut: a. Membuat daftar peluang, ancaman, kekuatan dan kelemahan kunci dari perusahaan dalam kolom kiri QSPM. Input datanya diperoleh dari matriks EFE dan IFE yang telah dibuat sebelumnya. b. Memberikan Rating (bobot kemenarikan yang diterima) pada masingmasing faktor internal dan eksternal sesuai dengan yang terdapat dalam matriks IFE dan EFE. Rating ditulis dalam kolom sebelah kanan faktor eksternal dan internal. c. Memeriksa tahap 2 (pencocokan) matriks dan mengidentifikasi strategi alternatif yang harus dipertimbangkan perusahaan untuk diimplementasikan. Mencatat semua strategi ini pada baris teratas dari QSPM. d. Menetapkan nilai daya tarik relatif (Attractiveness Score/AS) untuk masingmasing strategi alternatif yang terpilih. Nilai Attractiveness Score/AS adalah seberapa besar daya tarik relatif dari satu strategi atas strategi lainnya dalam mengatasi faktor-faktor eksternal dan internal. Nilai daya tarik tersebut adalah : 1 = tidak menarik 2 = agak menarik 3 = menarik 4 = sangat menarik Jika jawabannya tidak menarik (1), maka mengindikasikan bahwa faktor kunci tersebut tidak memiliki dampak terhadap pilihan strategi yang dibuat, dengan demikian tidak perlu diberi bobot dan cukup diberi tanda minus (-). e. Menghitung total nilai daya tarik (Total Attractiveness Score/TAS). Total nilai daya tarik ditetapkan sebagai hasil perkalian bobot (langkah 2) dengan nilai daya tarik (langkah 4) dalam masing-masing baris. Total nilai daya tarik menunjukkan daya tarik relatif dari setiap strategi alternatif, dengan hanya mempertimbangkan dampak dari faktor sukses kritis eksternal dan
26
f.
internal di baris tersebut. Semakin tinggi total nilai daya tarik, semakin menarik strategi alternatif ini. Menghitung jumlah total nilai daya tarik (Sum Total Attractiveness Score/STAS) dari masing-masing kolom strategi QSPM. Jumlah total nilai daya tarik tersebut menunjukkan strategi mana yang menarik dari setiap set strategi. Semakin tinggi nilai menunjukkan strategi itu semakin menarik, dengan mempertimbangkan faktor sukses kritis eksternal dan internal relevan yang dapat mempengaruhi keputusan strategi. Besarnya perbedaan antara jumlah total nilai daya tarik dalam suatu set strategi alternatif tertentu menunjukkan seberapa besar sebuah strategi lebih diinginkan relatif terhadap yang lain. Ilustrasi matriks QSPM dijelaskan oleh gambar pada Lampiran 3.
