BAB IV METODE PENELITIAN
4.1.
Desain Penelitian Penelitian ini akan memberikan penjelasan secara deskriptif mengenai
hasil perhitungan statistik dalam mengukur risiko kredit menggunakan metode CreditRisk+. Selain itu, penelitian ini menggunakan desain komparatif untuk membandingkan perhitungan CKPN metode CreditRisk+ dengan metode yang digunakan oleh Bank XYZ. Penelitian ini dilakukan dengan mengambil portofolio kredit secara internal pada segmen usaha kecil dan menengah di Bank XYZ.
4.2.
Variabel Penelitian Variabel dalam penelitian ini adalah nilai exposure at default (EAD), loss
given default (LGD), number of default, probability of default, unexpected number of default, cummulative probability of default, expected loss, unexpected loss dan economic capital.
4.2.1. Definisi Konsep Menurut Fatimah (2012), metode CreditRisk+ dapat membantu mengukur risiko kredit di masa yang akan datang dengan besaran Value at Risk (VaR) yang diperoleh dari nilai unexpected loss. Dari besaran expected loss dan unexpecteed loss akan diperoleh besarnya economic capital. Nilai economic capital ini dapat digunakan oleh Bank XYZ dalam mengukur kecukupan modalnya untuk
43 http://digilib.mercubuana.ac.id/
44
menutupi risiko kerugian di masa yang akan datang. Dalam hal ini, peneliti mencoba memperluas range atau kisaran exposure dari penelitian sebelumnya.
4.2.2. Definisi Operasional Penelitian ini menggunakan data portfolio kredit bulanan untuk segmen UKM dengan mengambil exposure at default dari fasilitas kredit KMK dan KI dari Bank XYZ periode Januari 2012 sampai dengan Desember 2014. Dari nilai exposure at default ini akan digunakan untuk menghitung besarnya nilai-nilai sebagai berikut: 1.
Loss Given Default Cara perhitungan
2.
Number of default Cara perhitungan
3.
: LGD = EAD x (1-Recovery Rate)
: λ = Loss Given Default (LGD) Band x kelas band
Probability of default Nilai probability of default dihitung menggunakan program excel dengan rumus (POISSON (n,λ,0)). Nilai expected number of default didapatkan pada saat jumlah kejadian default memiliki probability of default tertinggi sehingga terjadi pada saat jumlah kejadian default n = λ.
4.
Unexpected Number of default dan Cummulative Probability of default Cara perhitungan unexpected number of default terjadi pada saat cummulative probability of default mencapai nilai > 99%. Untuk memperhitungkan nilai ini digunakan software Minitab 15. Dengan
http://digilib.mercubuana.ac.id/
45
menggunakan bantuan software tersebut diperoleh hasil besarnya frekuensi gagal bayar yang diprediksi dengan selang kepercayaan 99%. 5.
Expected loss Cara perhitungan
6.
Unexpected loss Cara perhitungan
7.
: EL = λ x Band x kelas band
Economic Capital
: EL = unexpected number of default x Band x kelas band
Nilai economic capital diperoleh dari hasil pengurangan dari unexpected loss dengan expected loss 8.
Backtesting Backtesting dilakukan dengan membandingkan antara nilai unexpected loss (VaR) dengan besaran actual loss pada setiap bulan periode penelitian.
9.
Validasi Metode Pengukuran validasi model atau tingkat akurasi model maka dilakukan menggunakan Loglikelihood Ratio (LR) test. Pengukuran ini dilakukan untuk mengetahui tingkat akurasi model CreditRisk+ dalam memperkirakan unexpected loss. Dengan menggunakan selang kepercayaan sebesar 99% dan derajat bebas sebesar satu maka dengan menggunakan rumus sebagai berikut:
http://digilib.mercubuana.ac.id/
46
4.3.
Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data
bulanan portofolio kredit Bank XYZ periode Januari 2012 sampai dengan Desember 2014. Data berupa portofolio kredit segmen usaha kecil dan menengah dengan batasan jenis kredit berupa Kredit Modal Kerja (KMK) dan Kredit Investasi (KI).
4.4.
Teknik Pengumpulan Data Data diperoleh secara internal dari bank XYZ berupa data portofolio kredit
segmen usaha kecil dan menengah periode Januari 2012 sampai dengan Desember 2014.
4.5.
Teknik Analisis Data Penelitian ini terdiri dari beberapa tahapan, yaitu antara lain sebagai
berikut:
4.5.1. Penyusunan band Tahapan awal dari penelitian ini setelah diperoleh data portofolio kredit adalah penyusunan band untuk
mempermudah pengukuran risiko kredit dan
memperkecil data. Pengelompokkan dan penyusunan band dilakukan dengan data bulanan yang diurutkan sesuai kisaran exposure kredit UKM Bank XYZ yaitu menjadi 2 kelompok band. Setelah dilakukan penyusanan band maka kemudian dilakukan penyusunan kelas yaitu menjadi masing-masing sebanyak 10 kelas.
http://digilib.mercubuana.ac.id/
47
Pembagian kelas diperoleh dengan membagi exposure dengan band. Berikut adalah penyusunan band dan kelas yang akan dilakukan dalam penelitian ini: 1)
Penyusunan band Rp100.000.000,1. Nilai exposure Rp50 juta sampai dengan Rp149 juta 2. Nilai exposure Rp150 juta sampai dengan Rp249 juta 3. Nilai exposure Rp250 juta sampai dengan Rp349 juta 4. Nilai exposure Rp350 juta sampai dengan Rp449 juta 5. Nilai exposure Rp450 juta sampai dengan Rp549 juta 6. Nilai exposure Rp550 juta sampai dengan Rp649 juta 7. Nilai exposure Rp650 juta sampai dengan Rp749 juta 8. Nilai exposure Rp750 juta sampai dengan Rp849 juta 9. Nilai exposure Rp850 juta sampai dengan Rp949 juta 10. Nilai exposure Rp950 juta sampai dengan Rp1.049 juta
2)
Penyusunan band Rp1.000.000.000,1. Nilai exposure Rp1.050 juta sampai dengan Rp1.490 juta 2. Nilai exposure Rp1.500 juta sampai dengan Rp2.490 juta 3. Nilai exposure Rp2.500 juta sampai dengan Rp3.490 juta 4. Nilai exposure Rp3.500 juta sampai dengan Rp4.490 juta 5. Nilai exposure Rp4.500 juta sampai dengan Rp5.490 juta 6. Nilai exposure Rp5.500 juta sampai dengan Rp6.490 juta 7. Nilai exposure Rp6.500 juta sampai dengan Rp7.490 juta 8. Nilai exposure Rp7.500 juta sampai dengan Rp8.490 juta 9. Nilai exposure Rp8.500 juta sampai dengan Rp9.490 juta
http://digilib.mercubuana.ac.id/
48
10. Nilai exposure Rp9.500 juta sampai dengan Rp10.490 juta
4.5.2.
Pengolahan data Pengolahan data untuk perhitungan CKPN kolektif dan risiko kredit
antara lain adalah sebagai berikut: 1)
Nilai exposure at default (EAD) yaitu besarnya portofolio kredit yang dinyatakan default. Nilai exposure didapat dari total outstanding tagihan yang default setiap bulan.
2)
Pengukuran severity loss atau loss given default diperoleh dengan membandingkan nilai recovery pokok kredit yang telah dihapusbuku dengan nilai pokok kredit yang telah dihapusbuku dimana nilai recovery rate dihitung dari nilai jaminan yang digunakan untuk setiap debitur dan dibuatkan nilai rata-rata recovery rate dalam kelompoknya.
3)
Perhitungan default rate atau number of default yang diperoleh dengan menghitung jumlah kejadian default setiap bulan untuk masing-masing band, yaitu jumlah kejadian kerugian (n) atau lambda (λ) dengan cara membagi nilai exposure pada masing-masing kelompok band terhadap common exposurenya.
4)
Pengukuran probability of default diperoleh dari jumlah debitur yang mengalami default (λ). Dengan memasukkan nilai n=1,2,3,….n sehingga besarnya probability of default untuk setiap kejadian n kejadian dapat diketahui. Kemudian dilakukan penjumlahan nilai probabilitas tersebut
http://digilib.mercubuana.ac.id/
49
sehingga diperoleh cumulative probability of default sehingga mencapai proyeksi 99%. 5)
Selanjutnya dilakukan perhitungan expected loss diperoleh dari perkalian nilai n = lambda (λ) dengan nilai exposure pada masing-masing kelompok band. Perhitungan unexpected default number terjadi pada saat cumulative probability of default mencapai 99%. Nilai unexpected loss atau VaR didapat dengan mengkalikan n (cumulative PD ≥ 99%) dengan common exposure pada setiap band dimana nilai VaR adalah nilai maksimum kerugian yang dapat terjadi pada tingkat keyakinan sebesar 99%. Economic capital diperoleh dari pengurangan antara unexpected loss dengan expected loss.
6)
Backtesting dan validasi model a.
Backtesting digunakan untuk mengetahui keakuratan metode CreditRisk+. Backtesting dilakukan dengan membandingkan nilai unexpected loss (VaR) dengan nilai actual loss. Jika VaR > actual loss maka nilai VaR dapat menutupi actual loss sehingga metode CreditRisk+ dianggap valid dalam mengukur risiko kredit. Namun jika nilai VaR < actual loss maka VaR tidak dapat menutupi actual loss sehingga metode CreditRisk+ dianggap tidak akurat dalam mengukur risiko kredit .
b.
Validasi
model
untuk
metode
CreditRisk+
menggunakan
Likelihood Ratio Test. Metode Likelihood Ratio (LR) test, yaitu dengan menghitung banyaknya jumlah real loss yang melebihi
http://digilib.mercubuana.ac.id/
50
nilai VaR setiap bulan selama periode observasi dan dibandingkan dengan jumlah kesalahan yang masih dapat diterima selama periode observasi. Nilai uji statistik likelihood ratio dibandingkan dengan nilai chi-squared dengan derajat bebas pada level yang diharapkan. Hipotesis untuk pengujian LR adalah sebagai berikut: H0
: LR < Chi-Squared, permodelan diterima, backtesting teruji
H1
: LR > Chi-Squared, permodelan ditolak, backtesting tidak teruji
http://digilib.mercubuana.ac.id/
