UNIVERSITAS INDONESIA PENGUKURAN RISIKO KREDIT KORPORASI DENGAN METODE CREDITMETRICS (STUDI KASUS DI BANK XYZ) TESIS CHRISTOVENY

UNIVERSITAS INDONESIA

PENGUKURAN RISIKO KREDIT KORPORASI DENGAN METODE CREDITMETRICS (STUDI KASUS DI BANK XYZ)

TESIS

CHRISTOVENY 0806432392

FAKULTAS EKONOMI PROGRAM MAGISTER MANAJEMEN JAKARTA JULI 2010

i

Universitas Indonesia

Pengukuran risiko..., Christoveny, FE UI, 2010.

UNIVERSITAS INDONESIA

PENGUKURAN RISIKO KREDIT KORPORASI DENGAN METODE CREDITMETRICS (STUDI KASUS DI BANK XYZ)

TESIS Diajukan sebagai salah satu syarat untuk mencapai gelar Magister Manajemen

CHRISTOVENY 0806432392

FAKULTAS EKONOMI PROGRAM MAGISTER MANAJEMEN KEKHUSUSAN MANAJEMEN RISIKO JAKARTA JULI 2010

ii





KATA PENGANTAR

Alhamdulillah, puji syukur penulis panjatkan ke hadirat Allah Subhanahu Wata’ala, karena atas berkat dan rakhmat-Nya, penulis dapat menyelesaikan tesis ini. Tesis ini disusun untuk memenuhi sebagian dari syarat-syarat untuk mencapai gelar Magister Manajemen di Fakultas Ekonomi Universitas Indonesia. Penulis menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, sulit bagi penulis untuk dapat menyelesaikan tesis ini. Oleh karena itu, penulis menyampaikan ungkapan terimakasih yang sebesar-besarnya kepada semua pihak yang telah dengan ikhlas memberikan bimbingan, bantuan, dan dorongan kepada penulis dalam menyelesaikan karya akhir ini, yaitu: 1. Bapak Prof. Rhenald Kasali Ph.D, selaku Ketua Program Magister Manajemen, Fakultas Ekonomi, Universitas Indonesia. 2. Bapak Dr. Muhammad Muslich, selaku pembimbing yang telah memberikan petunjuk, bimbingan dan saran-saran dalam penyelesaian tesis ini. 3. Suami tercinta M. Gempur, anak-anakku tersayang Faiz dan Naura yang telah memberikan semangat dan dorongan untuk menyelesaikan tesis ini. 4. Papa dan Mama yang tidak kenal lelah mendoakan dan memberikan dukungan moril kepada Penulis. 5. Pimpinan dan rekan-rekan di Bank Indonesia, atas izin dan kerjasama yang baik selama Penulis menjalankan studi di MMUI. 6. Karyawan dan karyawati MMUI, khususnya dibagian Adpen, Perpustakaan, Labkom dan Security atas segala bantuan yang telah diberikan. 7. Rekan-rekan mahasiswa Program Manajemen Risiko dan Pasar Modal Tahun 2008 atas diskusi, sharing dan kerjasamanya dalam perkuliahan. Penulis menyadari bahwa tesis ini jauh dari sempurna. Untuk itu saran-saran dan masukan-masukan guna perbaikan tesis ini sangat penulis harapkan. Akhir kata semoga tesis ini dapat bermanfaat bagi berbagai pihak yang membutuhkan.

Jakarta,

Juli 2010

Penulis v




ABSTRAK

Nama Program Studi Judul

: Christoveny : Magister Manajemen : Pengukuran Risiko Kredit Korporasi dengan Metode CreditMetrics (Studi Kasus di Bank XYZ)

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

vii



ABSTRACT

Name Program Study Title

: Christoveny : Magister Management : Corporate Credit Risk Measurement by CreditMetrics (Case Study at Bank XYZ)

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

viii



DAFTAR ISI

HALAMAN JUDUL …………………………………………………………… HALAMAN PERNYATAAN ORISINALITAS ……………………………….. LEMBAR PENGESAHAN ……………………………………………………. KATA PENGANTAR ………………………………………………………….. LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ………………… ABSTRAK ……………………………………………………………………… DAFTAR ISI …………………………………………………………………… DAFTAR TABEL ………………………………………………………………. DAFTAR GAMBAR …………………………………………………………… DAFTAR RUMUS …………………………………………………………….. DAFTAR LAMPIRAN …………………………………………………………. BAB 1 PENDAHULUAN ……...………………………………………………. 1.1 Latar Belakang Masalah …………………………..……………… 1.2 Rumusan Masalah ………………………………..………………. 1.3 Tujuan Penelitian …………………………………………………. 1.4 Batasan Penelitian ………………………………………………... 1.5 Manfaat Penelitian ……………………………………………….. 1.6 Metode Penelitian ………………………………………………… 1.7 Sistematika Penulisan ……………………………………………..

i ii iii iv v vi viii x xi xii xiii 1 1 5 6 7 7 7 8

BAB 2 TINJAUAN LITERATUR …………………………………….………... 2.1 Pengertian Kredit dan Risiko Kredit ……..………………………. 2.2 Pentingnya Pengukuran Risiko Kredit ……..…………………….. 2.3 Credit Rating System ……….……………………………………. 2.4 Metode Pengukuran Risiko Kredit ………….…………………... 2.4.1 Basel I Accord ……………………………………………... 2.4.2 Basel II Accord …………………………………………….. 2.4.3 CreditMetrics ………………………………………………. 2.5 Validasi ……………………………………………………………

9 9 11 13 17 19 20 22 28

BAB 3 DATA DAN METODOLOGI PENELITIAN ………………………… 3.1 Data ………………………………………………...…………….. 3.1.1 Perkembangan Rating Debitur …………………………….. 3.1.2 Forward Zero Rate dan Credit Spread ...…………………... 3.1.3 Jangka Waktu, Pokok, Bunga Kredit dan Recovery Rate …. 3.1.4 PPA yang dibentuk dan Modal …………………………….. 3.2 Metodologi Penelitian ……………………………………………. 3.2.1 Pengumpulan dan Pengolahan Data ……………………….. 3.2.2 Penyusunan Matrik Transisi ……………………………….. 3.2.3 Perhitungan Present Value ………………………………… 3.2.4 Perhitungan Expected Loss ………………………………... 3.2.5 Perhitungan Value at Risk …………………………………. 3.2.6 Validasi atau Back Testing …………………………………

29 29 29 29 30 31 31 32 32 33 34 34 35

BAB 4 ANALISIS DAN PEMBAHASAN ……………………………………. 4.1 Eksposur Kredit Korporasi ……………………………………….. 4.2 Matrik Transisi Kredit Korporasi …………………………………

37 37 39

ix



4.3 4.4 4.5 4.6

Forward Zero Rate dan Credit Risk Premium ……………….…… Recovery Rate ……………………………………………………. Expected Loss dan Value at Risk …………………………………. Perbandingan Kebutuhan Modal Pendekatan Standar dengan Metode CreditMetrics …………………………………………….. 4.7 Validasi atau Back Testing ……………………………..………….

42 43 45

BAB 5 KESIMPULAN DAN SARAN ………………………………………… 5.1 Kesimpulan ………………………………………………………... 5.2 Saran ………………………………………………………………

53 53 54

DAFTAR REFERENSI …………………………………………………………

55

x



50 51

DAFTAR TABEL

Tabel 1.1 Road Map Impelementasi Basel II ……………………………………...

4

Tabel 2.1 Mapping Rating Kredit Berdasarkan S&P, Moody’s dan Fitch IBCA …

15

Tabel 2.2 Persentase PPA per Kualitas Kredit …………….………………………

17

Tabel 2.3 Perbandingan Basel I dan Basel II ……………….……………………..

18

Tabel 2.4 Perbandingan Beberapa Internal Model …..…….……………………..

18

Tabel 2.5 Bobot Risiko Aktiva (Kredit) …………………….……………………..

19

Tabel 2.6 Bobot Risiko Pemerintah, Bank dan Perusahaan Menurut Basel II . …...

20

Tabel 2.7 Matrik Transisi 1 Tahun ………………………………………….…….

23

Tabel 2.8 Forward Zero Curves Satu Tahun Setiap Kategori Rating (%) ….…….

24

Tabel 2.9 Present Value dari Kredit Rating BBB …………………………….…...

25

Tabel 2.10 Perhitungan Volatilitas CreditMetrics ……………………………….…

27

Tabel 4.1 Kredit Korporasi Berdasarkan Sektor Ekonomi ………………………..

37

Tabel 4.2 Perkembangan Jumlah Debitur Per Kualitas Kredit …………………....

40

Tabel 4.3 Matrik Transisi Kualitas Kredit Korporasi Bank XYZ ……………….. .

41

Tabel 4.4 Forward Zero Rate Posisi 30 April 2009 s.d 25 Februari 2010 ………..

42

Tabel 4.5 Forward Zero Yield dan Credit Risk Premium …………………………

43

Tabel 4.6 Nilai Recovery Rate Beberapa Debitur Korporasi Bulan Mei 2009 ……

45

Tabel 4.7 Expected Loss Periode Akhir Bulan Mei 2009 s.d Februari 2010 ……..

46

Tabel 4.8 Perkembangan NPL Mei 2009 s.d Februari 2010 ………………………

47

Tabel 4.9 VaR Periode Akhir Bulan Mei 2009 s.d Februari 2010 ………………. .

48

Tabel 4.10 Perbandingan Kebutuhan Modal Pendekatan Standar dengan Pendekatan CreditMetrics ……………………………………………….

50

Tabel 4.11 Perbandingan Nilai VaR dengan Nilai Actual Loss ……………………

52

xi



DAFTAR GAMBAR

Gambar 1.1 Tiga Pilar Basel II …………………………………….........................

3

Gambar 2.1 Ukuran Risiko Kredit …………………………………………………

12

Gambar 2.2 Proses Penilaian Rating Menurut Moody’s ..…………………………

14

Gambar 2.3 Framework CreditMetrics …………………………………………….

22

Gambar 2.4 Distribusi Probability Nilai Kredit Rating BBB ….…………………..

27

Gambar 3.1 Flowchart Pengukuran Risiko Kredit dengan CreditMetrics ………..

36

Gambar 4.1 Perkembangan Eksposur dan NPL Kredit Korporasi ………………….

38

Gambar 4.2 Perkembangan VaR 1% dan 5% ………………………………..…….

49

xii



DAFTAR RUMUS

Rumus (2.1) Rumus Present Value Kredit …………………………………….........

23

Rumus (2.2) Rumus Rata-rata Kredit …………………….…………………………

25

Rumus (2.3) Rumus Standar Deviasi Kredit ……………..…………………………

26

Rumus (2.4) Rumus Loglikelihood Ratio ………………………………………….

28

xiii



DAFTAR LAMPIRAN

Lampiran 1 Eksposur Kredit Korporasi, Jumlah Debitur dan NPL …………..........

57

Lampiran 2 Perkembangan Kualitas Kredit Debitur Korporasi

………………..….

58

Lampiran 3 Matrik Transisi Rating Kredit Korporasi …………………………….

59

Lampiran 4 Matrik Transisi April 2007 s.d April 2009 …..……………………….

60

Lampiran 5 Indonesian Government Securities Yield …………………………….

68

Lampiran 6 Perhitungan VaR Kredit Korporasi Bank XYZ

69

xiv

………………………



BAB 1 PENDAHULUAN 1.1

Latar Belakang Masalah

Bank merupakan badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit. Sebagai lembaga intermediasi Bank memiliki peranan yang sangat strategis dalam perekonomian yaitu sebagai agen yang mendorong pertumbuhan ekonomi, penciptaan lapangan pekerjaan, peningkatan produktivitas dan pendapatan masyarakat. Namun sebagai lembaga intermediasi Bank menghadapi risiko yang cukup besar yaitu risiko kredit yang merupakan potensi kerugian akibat pihak yang

menerima

pinjaman

(debitur)

tidak

mampu

membayar

kembali

kewajibannya pada waktu yang telah ditentukan. Risiko kredit merupakan risiko utama yang dihadapi oleh Bank, untuk itu Bank harus melakukan manajemen risiko kredit dengan baik agar risiko kredit terjaga pada level yang minimal dan tidak mengancam kelangsungan usaha bank. Manajemen risiko kredit berdasarkan Peraturan Bank Indonesia (PBI) No.11/25/PBI/2009 tanggal 1 Juli 2009 tentang Perubahan atas Peraturan Bank Indonesia No.5/8/PBI/2003 tentang Penerapan Manajemen Risiko Bank Umum merupakan serangkaian proses metodologi dan prosedur untuk mengidentifikasi, mengukur, memantau dan mengendalikan risiko yang timbul dari kegiatan penyaluran kredit Bank. Manajemen risiko kredit akan bervariasi antara satu bank dengan bank lain tergantung pada ukuran, kompleksitas, kebijakan, kemampuan keuangan, infrastruktur dan kompetensi sumber daya manusia yang dimiliki. Salah satu parameter yang digunakan dalam menilai besarnya potensi risiko kredit bank berdasarkan Surat Edaran Bank Indonesia No.5/21/DPNP tanggal 29 September 2003 perihal Penerapan Manajemen Risiko Bank Umum, adalah besarnya non performing loans (NPLs). NPLs merupakan kredit dengan kualitas kurang lancar, diragukan dan macet. Semakin besar jumlah kredit NPLs maka semakin besar risiko kredit atau potensi kerugian yang dihadapi bank.

1 Pengukuran risiko..., Christoveny, FE UI, 2010.

2

Untuk itu bank harus menjaga agar kredit yang diberikan berada pada kualitas lancar dan NPLs berada pada level yang minimal. Besarnya NPLs juga menggambarkan kualitas manajemen risiko kredit semakin besar NPLs berarti kualitas manajemen risiko kredit bank tidak baik. Untuk menyerap potensi kerugian dari risiko kredit, bank membentuk penyisihan penghapusan aktiva (PPA) sehingga apabila terjadi risiko kredit maka kerugian bank akan ditutup dengan PPA. Selanjutnya Bank juga harus memiliki modal yang cukup untuk risiko kredit. Modal berfungsi untuk menyerap kerugian yang terjadi apabila melebihi nilai yang diprediksi atau melebihi PPA yang dibentuk. Untuk itu bank harus menjaga kecukupan modal sehingga apabila terjadi risiko kredit dalam jumlah besar tidak akan mengancam kelangsungan usaha bank. Berdasarkan pengalaman historis sebagian besar penutupan bank adalah akibat dari risiko kredit dan bank tidak memiliki modal yang cukup untuk menyerap kerugian kreditnya. Mengingat pentingnya kecukupan permodalan untuk risiko kredit, pada tahun 1988 Bank for International Settlement (BIS) mengeluarkan suatu konsep kerangka permodalan yang lebih dikenal dengan Basel I. Basel I merupakan kerangka perhitungan risiko kredit standar dan sederhana yang mewajibkan bank untuk memiliki modal minimum sebesar 8%. Pendekatan Basel I memberikan bobot risiko yang sama untuk setiap jenis kredit tanpa melihat kinerja keuangan, prospek usaha dan reputasi debitur. Selanjutnya sejalan dengan perkembangan teknologi, produk dan manajemen risiko, BIS menyempurnakan Basel I dengan mengeluarkan konsep permodalan baru yaitu Basel II. Basel II memberikan alternatif tehnik perhitungan risiko kredit yaitu pendekatan standar berlaku untuk seluruh bank (standardized model) dan pendekatan yang dikembangkan secara internal sesuai dengan karakteristik kegiatan usaha dan profil risiko individual bank (internal model) yang terbagi atas Internal Rating Based Approach (IRBA) Foundation dan IRBA Advanced. Basel II bertujuan untuk meningkatkan keamanan dan kesehatan sistem keuangan, dengan menitikberatkan pada perhitungan permodalan yang berbasis risiko. Framework Basel II disusun berdasarkan forward-looking approach yang



3

memungkinkan untuk dilakukan penyempurnaan dan penyesuaian dari waktu ke waktu. Hal ini untuk memastikan bahwa framework Basel II dapat mengikuti perubahan yang terjadi di pasar maupun perkembangan-perkembangan dalam manajemen risiko. Basel II memiliki berbagai kompleksitas dan prakondisi yang cukup berat bagi perbankan namun memberikan nilai manfaat yang lebih bagi perbankan yaitu berupa insentif penghematan modal dalam menutup risiko yang diambilnya. Manfaat lain adalah Basel II merupakan standar yang diakui secara internasional, akan mudah bagi suatu bank yang akan beroperasi secara global untuk dapat diterima oleh pasar internasional kalau mengikuti standar Basel II. Cakupan Basel II terdiri atas tiga pilar yang dapat dilihat pada gambar 1.1 yaitu Pilar 1 merupakan perhitungan kecukupan modal Bank (Minimum Capital Requirement), Bank diwajibkan memiliki modal minumum 8% untuk menyerap risiko yang dihadapinya (risiko kredit, pasar dan operasional). Sementara itu Pilar 2 merupakan Supervisory Review Process atau disebut juga Individual Capital Adequacy Assessment Process (ICAAP) yaitu proses penilaian kecukupan modal individual Bank oleh Pengawas Bank. Melalui Pilar 2 Pengawas dapat meminta bank untuk menambah modal apabila menurut perhitungan pengawas modal bank belum memadai. Pilar 3 merupakan Market Discipline yaitu peran aktif masyarakat dalam ikut mengawasi perbankan, masyarakat diharapkan mampu menilai risiko yang dihadapi sehingga mengetahui tingkat kecukupan modal bank. Sinergi penerapan dari ketiga Pilar tersebut tidak dapat dipisahkan dalam mencapai industri perbankan dan sistem keuangan yang sehat dan stabil.

Gambar 1.1 Tiga Pilar Basel II Sumber : Sekilas Implementasi Basel II, Bank Indonesia Universitas Indonesia


4

Bank Indonesia sebagai otoritas pengawas sistem perbankan di Indonesia akan mengadopsi Basel II tersebut dan telah menyusun road map implementasi Basel II sebagaimana tabel 1.1. Melalui implementasi Basel II, Bank Indonesia berharap dapat meningkatkan penerapan manajemen risiko Bank sehingga sistem perbankan Indonesia lebih kuat dan tahan terhadap perubahan-perubahan yang terjadi baik di dalam negeri, regional maupun internasional. Dalam implementasi Basel II, Bank Indonesia akan melakukan penyesuaian sesuai dengan kondisi dan kompleksitas dari produk perbankan Indonesia (national discretion). Tabel 1.1 Road Map Implementasi Basel II

Sumber : http://www.bi.go.id

Dalam rangka perhitungan modal minimum bank (Basel II – Pilar 1) untuk risiko kredit, tahap awal Bank Indonesia akan mewajikan bank untuk menggunakan pendekatan standar namun secara bertahap akan bergeser kepada pendekatan yang lebih advanced, sehingga bank harus mempersiapkan sistem informasi teknologi dan sistem manajemen risikonya. Namun pada prinsipnya Bank Indonesia memberikan keleluasaan kepada bank untuk menerapkan pendekatan yang lebih advanced atau internal model apabila Bank memiliki sistem informasi teknologi (IT), manajemen risiko dan sumber daya manusia (SDM) yang mampu untuk menerapkan internal model maka Bank dapat mengajukan permohonan kepada Bank Indonesia. Selanjutnya Bank Indonesia akan melakukan validasi atas internal model tersebut sebelum memberikan izin kepada Bank untuk menerapkan internal model tersebut.



5

Beberapa bank besar di Indonesia yang telah beroperasi secara internasional sedang berupaya untuk membangun dan meningkatkan sistem IT, memperbaiki penerapan manajemen risiko dan peningkatan kompetensi SDM, untuk dapat mengembangkan internal model yang sesuai dengan karakteristik dan profil risiko bank sehingga dapat memperoleh manfaat insentif penghematan modal dan dapat diterima/diakui secara internasional. Pengembangan internal model dilakukan dengan mengacu pada model-model yang telah dikembangkan bank atau lembaga keuangan besar di dunia. Berbagai internal model telah banyak dikembangkan antara lain CreditMetrics, CreditRisk+, KMV Approach, Default Mode Approach dan Macro Simulation Approach (Portfolio View Approach). CreditMetrics merupakan internal model pengukuran risiko kredit yang diperkenalkan oleh J.P. Morgan sementara itu CreditRisk+ dikembangkan oleh Credit Suisse. KMV Approch dikembangkan oleh KMV Corporation, KMV merupakan singkatan dari huruf pertama nama terakhir para pendirinya yaitu Stephen Kealhofer, John McQuown dan Oldrich Vasicek. Sementara itu portfolio view approach dikembangkan oleh McKinsey. Dalam pengembangan internal model, bank-bank di Indonesia dapat mengacu pada salah satu model tersebut diatas namun disesuaikan dengan karakteristik dan profil risiko kredit masing-masing bank tersebut.

1.2

Rumusan Masalah

Dalam rangka implementasi Basel II terkait Pilar 1 kebutuhan modal minimum risiko kredit, Bank diperbolehkan untuk menerapkan pendekatan internal (internal model) dalam pengukuran risiko kreditnya. Internal model akan menghasilkan perhitungan kebutuhan modal yang lebih sesuai dengan karakteristik dan profil risiko individual bank yang akan memberikan insentif penghematan modal bagi bank. Sesuai road map implementasi Basel II Bank Indonesia (tabel 1.1), penggunaan internal model dimulai pada quartal IV tahun 2010. Bank XYZ merupakan salah satu bank besar di Indonesia dan telah beroperasi secara internasional. Bank XYZ memiliki eksposur kredit korporasi dalam jumlah yang cukup besar yaitu 33,5% dari total eksposur kredit dan



6

pertumbuhan kredit korporasi yang cukup tinggi pada tahun 2008 yaitu sebesar 49,21% dan tahun 2009 sebesar 5,29%. Saat ini Bank XYZ dalam pengukuran risiko kredit korporasi masih menggunakan pendekatan standar Basel I seperti disyaratkan Bank Indonesia. Untuk ke depannya sejalan dengan implementasi Basel II Bank XYZ dapat menggunakan model internal dalam perhitungan risiko kredit korporasinya, yaitu salah satunya metode CreditMetrics. Metode CreditMetrics cocok digunakan untuk mengukur risiko kredit dari aset yang tidak diperdagangkan (non tradeable) seperti kredit korporasi. Berdasarkan hal tersebut di atas, pertanyaan penelitian yang akan diteliti dalam karya akhir ini adalah sebagai berikut : 1. Berapa besarnya expected loss dan unexpected loss kredit korporasi Bank XYZ apabila diukur dengan metode CreditMetrics? 2. Bagaimana perbandingan antara kebutuhan modal risiko kredit korporasi Bank XYZ metode CreditMetrics dengan pendekatan standar Basel I yang digunakan sampai saat ini? 3. Bagaimana perbandingan antara actual loss kredit korporasi Bank XYZ dengan nilai VaR hasil pengukuran risiko kredit korporasi dengan metode CreditMetrics?

1.3

Tujuan Penelitian

Berdasarkan masalah yang dikemukakan, penelitian ini bertujuan untuk: 1. Mengetahui besarnya expected loss dan unexpected loss kredit korporasi Bank XYZ dengan Metode CreditMetrics untuk menentukan jumlah Penyisihan Penghapusan Aktiva (PPA) dan Modal yang harus disediakan Bank XYZ untuk kredit korporasinya. 2. Memastikan adanya penghematan modal Bank XYZ beserta jumlahnya apabila bank mengukur risiko kredit korporasi dengan menggunakan metode CreditMetrics. 3. Memastikan bahwa Metode CreditMetrics cocok digunakan untuk mengukur risiko kredit korporasi Bank XYZ.



7

1.4

Batasan Penelitian

Penelitian dalam karya akhir ini akan dibatasi pada beberapa hal sebagai berikut: a. Pengukuran risiko kredit yang dilakukan dalam karya akhir ini dibatasi hanya untuk pengukuran risiko kredit korporasi Bank XYZ. b. Rating kredit korporasi yang digunakan adalah rating kualitas kredit berdasarkan Peraturan Bank Indonesia (PBI) No.7/2/PBI/2005 tanggal 20 Januari 2005 tentang Penilaian Kualitas aktiva Bank Umum. c. Periode data kredit korporasi Bank XYZ yang digunakan adalah data periode April 2007 sampai dengan Maret 2010 yang diperoleh dari Sistem Informasi Debitur pada Pusat Informasi Kredit – Bank Indonesia.

1.5

Manfaat Penelitian

Karya akhir ini diharapkan dapat memberikan manfaat bagi berbagai pihak yaitu sebagai berikut : a. Bagi Bank XYZ penelitian ini diharapkan dapat digunakan sebagai bahan masukan dalam peggunaan internal model untuk pengukuran risiko kredit korporasinya. b. Bagi Bank Indonesia penelitian ini diharapkan dapat digunakan sebagai bahan masukan

dalam

memberikan

persetujuan

apabila

Bank

mengajukan

permohonan penggunaan model internal dalam pengukuran risiko kredit.

1.6

Metode Penelitian

Untuk menyelesaikan karya akhir ini, penelitian dilakukan dengan studi pustaka dan pengumpulan data-data yang diperlukan. Pengumpulan data kredit korporasi Bank XYZ dilakukan melalui Sistem Informasi Debitur. Untuk data forward zero yield dikumpulkan dari Harian Bisnis Indonesia. Landasan teori disusun berdasarkan studi literatur yang berkaitan dengan risiko kredit dan metode metode pengukuran risiko kredit.



8

Pengolahan data dilakukan dengan menggunakan metode CreditMetrics. Sementara itu validasi model dilakukan melalui back testing dengan Loglikelihood Ratio (LR).

1.7 Sistematika Penulisan

Sistematika penulisan karya akhir ini dibagi dalam 5 (lima) bab dengan masingmasing pembahasan sebagai berikut : Bab 1

Pendahuluan Bab ini membahas tentang latar belakang masalah, rumusan masalah, tujuan penelitian, batasan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan.

Bab 2

Tinjauan Literatur Bab ini menerangkan landasan teori mengenai Risiko Kredit, Pentingnya Pengukuran Risiko Kredit, Credit Rating System, Pengukuran Risiko Kredit dengan Pendekatan Basel I, Basel II, Internal Model CreditMetrics.

Bab 3

Data dan Metodologi Penelitian Bab ini menjelaskan mengenai data yang digunakan dalam penelitian sebagai dasar dalam analisa dan serangkaian tahap-tahap yang dilaksanakan dalam proses penelitian dan pengolahan data.

Bab 4

Analisis dan Pembahasan Bab ini menjelaskan analisa dan pembahasan hasil pengolahan data dengan menggunakan metode CreditMetrics dan perbandingan dengan pendekatan yang digunakan saat ini.

Bab 5

Kesimpulan dan Saran Bab ini berisi kesimpulan atas hasil penelitian serta beberapa saran yang dapat diberikan dari hasil penelitian.



9

BAB 2 TINJAUAN LITERATUR

2.1 Pengertian Kredit dan Risiko Kredit Bank merupakan lembaga intermediasi yang menyalurkan dana dari masyarakat yang mempunyai kelebihan dana (surplus spending unit) kepada masyarakat yang kekurangan dana (deficit spending unit) dalam bentuk kredit. Bank for International Settlement (BIS) dalam laporannya Juli 1999 mendefinisikan kredit sebagai berikut “A loan is a financial asset resulting from delivery of cash or other assets by a lender to a borrower in return for an obligation to repay on the specified dates or on demand, usually with interest”. Kredit merupakan aset keuangan yang berasal dari penyerahan uang tunai atau aset lainnya oleh kreditur kepada debitur disertai dengan kewajiban untuk membayar kembali beserta bunganya pada waktu tertentu yang disepakati bersama. Sementara itu pengertian kredit berdasarkan Undang-undang (UU) No. 10 Tahun 1998 tanggal 10 November 1998 tentang Perubahan UU No. 7 Tahun 1992 tentang Perbankan dalam Bab I (Ketentuan Umum), Pasal 1 ayat 11 adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam-meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi hutangnya setelah jangka waktu tertentu dengan pemberian bunga. Struktur kredit menurut Marisson (2002) sebagai berikut : a. Kredit kepada perusahaan besar (corporation credit) yang dapat dibedakan menjadi commercial loans, commercial lines, letter of credit, guarantee, lease dan credit derivative b. Kredit kepada konsumen ritel (retail credit) yang dibedakan menjadi personal loans, credit cards, leases, mortgage dan home-equity lines of credit. c. Kredit untuk aktivitas trading yang dapat dibedakan menjadi bond, assetbacked securities, securities lending, repo, margin account dan credit exposure derivative.



10

Setiap pemberian kredit mengandung risiko tidak kembali kredit tersebut karena kegagalan membayar debitur atau disebut risiko kredit. Menurut BIS dalam a glossary of terms used in payments tahun 2003 “credit risk : the risk that a counterparty will not settle an obligation for full value, either when due or at any time thereafter. In exchange for value systems, the risk is generally defined to include replacement risk and principal risk”. Risiko kredit adalah risiko bahwa pihak debitur tidak dapat memenuhi kewajibannya pada saat jatuh tempo atau waktu setelahnya yang mencakup pokok, bunga dan biaya lainnya. Menurut Crouchy (2001) risiko kredit adalah risiko perubahan kualitas kredit yang akan mengakibatkan perubahan nilai posisi bank. Penurunan kualitas tersebut akibat ketidakmampuan pihak lain dalam memenuhi kewajibannya yang sudah jatuh tempo. Sedangkan Saunders (2006) mendefinisikan risiko kredit sebagai risiko tidak tercapainya proyeksi arus kas masuk dari pinjaman dan suratsurat berharga yang dimiliki lembaga intermediasi. Risiko kredit dapat dibedakan menjadi risiko kredit spesifik dan risiko kredit sistematis. Risiko kredit spesifik adalah kemungkinan terjadinya default yang disebabkan oleh adanya risiko proyek yang dijalankan oleh pihak debitur. Risiko kredit sistematis adalah risiko terjadinya default yang disebabkan oleh faktor ekonomi makro yang mempengaruhi kegiatan usaha debitur. Risiko kredit menurut Jorion (2009) adalah risiko kerugian ekonomis akibat kegagalan pihak counterparty dalam memenuhi kewajiban kontraktualnya, yang diukur sebesar biaya untuk menggantikan arus kas masuk dari pihak lawan. Sementara itu Bank Indonesia dalam PBI No.5/8/PBI/2003 tanggal 19 Mei 2003 tentang Penerapan Manajemen Risiko Bagi Bank Umum mendefinisikan risiko kredit sebagai risiko yang timbul sebagai akibat kegagalan pihak lawan (counterparty) dalam memenuhi kewajibannya. Risiko kredit dapat terjadi pada aktivitas fungsional perkreditan, tresuri dan investasi, dan pembiayaan perdagangan, yang tercatat pada banking book dan trading book.



11

2.2 Pentingnya Pengukuran Risiko Kredit Aktivitas utama Bank adalah menyalurkan kredit sehingga risiko kredit merupakan risiko terbesar bagi bank, untuk itu penting bagi bank untuk mengukur atau mengkuantifikasi besarnya risiko kredit yang dihadapi bank. Tujuan akhir adalah memastikan bahwa Bank memiliki modal yang cukup untuk menyerap potensi risiko kredit yang dihadapinya sehingga apabila terjadi kegagalan membayar oleh debitur, operasional bank tidak terganggu dan bank masih dapat mempertahankan kelangsungan usahannya. Menurut Marisson (2002) pengukuran risiko kredit perlu dilakukan guna mendukung tiga keputusan penting yaitu a.

Supporting origination decision (penentuan keputusan pemberian kredit) Kuantifikasi risiko kredit akan membantu manajemen bank dalam memutuskan

pemberian

kredit,

dengan

mempertimbangkan

apakah

penyaluran kredit menambah nilai aset bank dan pada risiko tertentu berapa harga yang harus ditentukan agar aset tersebut bernilai bagi bank. b.

Supporting portfolio optimization (optimalisasi risk-return portofolio) Kuantifikasi risiko kredit membantu manajemen dalam mengoptimalkan riskreturn portfolio kredit dengan mengetahui konsentrasi dan diversifikasi kredit. Antar kredit dalam portfolio terdapat korelasi, risiko akan meningkat apabila portfolio kredit berada dalam industri atau letak geografis yang sama karena didorong oleh faktor ekonomi yang sama.

c.

Supporting capital management (manajemen modal) Melalui kuantifikasi risiko kredit manajemen dapat mengetahui besarnya economic capital yang harus disediakan untuk menyerap potensi risiko kredit. Pentingnya pengukuran risiko kredit menurut Saunders (2006) karena

beberapa hal sebagai berikut : a. Meningkatnya jumlah bank yang mengalami kebangkrutan dibandingkan dengan periode sebelum krisis.



12

b. Semakin berkembangnya pasar modal, perusahaan yang memerlukan dana mempunyai alternatif pendanaan selain perbankan. c. Kecenderungan penurunan interest margin atau spread untuk kredit korporasi. d. Volatilitas dan penurunan nilai collateral terutama setelah krisis moneter e. Meningkatnya off balance sheet derivative sehingga disamping risiko kredit dalam banking book, bank juga terekspos risiko kredit dalam trading book. f. Kemajuan teknologi memungkinkan bank untuk melakukan pengukuran risiko kredit dengan metode yang lebih baik dari pada sebelumnya. g. Melalui Basel II bank diperkenankan menggunakan model internal sehingga dapat menghemat modal dan meningkatkan risk adjusted return on capital (RAROC).

Gambar 2.1 Ukuran Risiko Kredit Sumber : Saunders (2006 : 7)

Dalam pengukuran risiko kredit terdapat 2 ukuran risiko kredit yaitu expected loss (EL) dan unexpected Loss (UL) sebagaimana gambar 2.1 di atas. EL merupakan besarnya rata-rata risiko kerugian pada periode waktu tertentu yang dapat diperkirakan bank berdasarkan data kerugian historis. Karena dapat diperkirakan maka EL dianggap sebagai kerugian dari setiap pemberian kredit sehingga dicadangkan dan dibebankan dalam laporan laba rugi berjalan bank. Sementara itu UL merupakan penyimpangan kerugian dari nilai rata-rata kerugian



13

yang diperkirakan. Untuk menutupi UL bank harus menyediakan modal yang disebut dengan Economic Capital.

2.3 Credit Rating System

Untuk dapat mengukur risiko kredit perlu dilakukan pemeringkatan kualitas kredit (credit risk rating/internal rating system), kredit dengan kualitas/rating yang baik akan memiliki risiko kredit yang lebih rendah dibanding kredit dengan kualitas/rating yang buruk. Pemeringkatan kredit dapat dilakukan sendiri oleh bank atau lembaga pemeringkat seperti Standard & Poor’s, Moody’s, Fitch dan Pemeringkat Efek Indonesia (Pefindo). Rating dapat diartikan sebagai suatu indikator yang menggambarkan besar/tingkat risiko kredit sebagai akibat dari kegagalan debitur membayar kewajiban keuangan kepada Bank (default) sesuai dengan perjanjian kredit yang telah ditetapkan sebelumnya. Definisi rating menurut Standard & Poors dan Moody’s sebagaimana dinyatakan Crouchy (2001 : 262) adalah sebagai berikut : Standard & Poors : A credit rating is S & P’s opinion of the general creditworhtiness of an obligor, or the creditworthiness of an obligor with respect to a particular debt security or other financial obligation based on relevant risk factors. Moody’s : An opinion on the future ability and legal obligation of an issuer ot make timely payments of principal and interest on a specific fixed-income security. Menurut S & P, rating kredit merupakan pendapat mengenai kemampuan obligor untuk membayar kreditnya atau kewajiban keuangan lainnya yang didasari atas faktor-faktor risiko yang relevan. Sementara itu Moody’s mendefinisikan rating sebagai pendapat mengenai kemampuan masa datang debitur untuk membayar kewajiban pokok dan bunga atas surat berharga berpendapatan tetap tertentu. Rating pada dasarnya merupakan ukuran yang menyatakan urutan (rankorders) pengklasifikasian berdasarkan kriteria penilaian tertentu. Kriteria



14

penilaian dalam rating menurut Crouchy (2001) mencakup analisa kuantitatif, kualitatif dan analisa aspek hukum. Analisa kuantitatif didasari atas laporan keuangan perusahaan. Sedangkan analisa kualitatif mencakup analisa kualitas manajemen, tingkat persaingan perusahaan dalam industri, tingkat pertumbuhan, kerentanan perusahaan terhadap perubahan ketentuan dan teknologi serta hubungan dengan tenaga kerja. Proses rating menurut Moody’s dapat dilihat pada gambar 2.2 dibawah ini. Proses penilaian rating menurut Moody’s mencakup analisis/penilaian kondisi ekonomi makro, lingkungan industri dan tingkat persaingan, batasan pengaturan/ketentuan, kualitas manajemen, posisi keuangan dan opoerasional, struktur perusahaan dan isu-isu struktur lainnya seperti masalah ketenagakerjaan.

Gambar 2.2 Proses Penilaian Rating Menurut Moody’s Sumber : Crouchy (2001 : 263)

Kategori (skala) yang digunakan sebagai hasil akhir proses penetapan rating berbeda-beda pada setiap rating agency, Standard & Poors (S&P) menggunakan

kategori rating dari AAA s.d D, Fitch IBCA menggunakan

kategori yang hampir sama dengan S&P sedangkan Moody’s menggunakan kategori rating dari Aaa s.d C. Skala rating yang digunakan S&P, Fitch IBCA dan Moody’s dapat dilihat pada tabel 2.1 di bawah ini.



15

Tabel 2.1 Mapping Rating Kredit Berdasarkan S&P, Moody’s dan Fitch IBCA Standard & Poor’s Credit Rating AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CCC CCCCC C D

Moody’s Credit Rating Aaa Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3 Ba1 Ba2 Ba3 B1 B2 B3 Caa1 Caa2 Caa3 Ca C

Fitch IBCA Credit Rating AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CCC CCCCC C D

Deskripsi Highest quality, extremely strong High quality

Strong payment capacity

Adequate payment capacity

Likely to fulfill obligation

High risk obligation

Current vulnerability to default

In bankcrution or default

Sumber : Saunders (2006 : 43)

Pemeringkatan kualitas kredit pada perbankan di Indonesia mengacu pada PBI No.7/2/PBI/2005 tanggal 20 Januari 2005 tentang Penilaian Kualitas aktiva Bank Umum. Berdasarkan PBI tersebut, Pasal 10 diatur bahwa penilaian kualitas kredit ditetapkan berdasarkan kepada tiga faktor penilaian, yaitu : a. Prospek usaha, dengan parameter : -

Potensi pertumbuhan usaha

-

Kondisi pasar dan posisi debitur dalam persaingan

-

Kualitas manajemen dan permasalahan tenaga kerja Universitas Indonesia


16 -

Dukungan dari grup atau afiliasi

-

Upaya yang dilakukan debitur dalam rangka memelihara lingkungan hidup

b. Kinerja (performance) debitur, dengan parameter : -

Perolehan laba

-

Struktur permodalan

-

Arus kas

-

Sensitivitas terhadap risiko pasar

c. Kemampuan membayar, dengan parameter : -

Ketepatan pembayaran pokok dan bunga

-

Ketersediaan dan keakuratan informasi keuangan debitur

-

Kelengkapan dokumentasi Kredit

-

Kepatuhan terhadap perjanjian Kredit

-

Kesesuaian penggunaan dana

-

Kewajaran sumber pembayaran kewajiban

Berdasarkan penilaian ketiga komponen diatas, kualitas kredit ditetapkan menjadi a. Lancar (L) b. Dalam Perhatian Khusus (DPK) c. Kurang Lancar (KL) d. Diragukan (D) e. Macet (M) Kualitas kredit yang paling baik adalah lancar dan semakin kebawah semakin buruk kualitasnya yang berarti semakin besar risiko kreditnya. Kredit dengan kualitas kurang lancar, diragukan dan macet dikategorikan sebagai non performing loans (NPLs). Untuk setiap kualitas kredit, bank diwajibkan membentuk cadangan Penyisihan Penghapusan Aktiva (PPA) sebesar persentase tertentu dari nilai nominal kredit. Semakin turun kualitas kredit semakin besar PPA yang harus dibentuk, PPA akan menjadi beban laporan laba rugi berjalan. Persentase besarnya PPA yang wajib dibentuk per kualitas kredit dapat dilihat pada tabel 2.2 dibawah ini.



17

Tabel 2.2 Persentase PPA per Kualitas Kredit Kualitas

% PPA

Lancar

1%

Dalam Perhatian Khusus

5%

Kurang Lancar

15%

Diragukan

50%

Macet

100%

Sumber : PBI No.7/2/PBI/2005 tanggal 20 Januari 2005

Untuk kredit dengan kualitas DPK, KL, D dan M perhitungan PPA dikurangi dengan nilai agunan yang dimiliki dengan memperhatikan hasil penilaian independen appraisal dan jangka waktu dari tanggal penilaian appraisal. Nilai agunan yang dapat dikurangi dari baki debet maksimum sebesar nilai baki debet. Jangka waktu dari tanggal penilaian agunan akan menentukan persentase jumlah agunan yang dapat dikurangi dari baki debet, jangka waktu penilaian agunan paling lama adalah 24 bulan sejak tanggal penilaian. 2.4 Metode Pengukuran Risiko Kredit Dalam rangka pengukuran risiko kredit, pada tahun 1988 Basel Committee on Banking Supervision (BCBS) telah menerbitkan kerangka permodalan yang disebut dengan Basel I. Basel I merupakan konsep perhitungan risiko kredit standar dan sederhana yang mewajibkan bank memiliki modal minimum sebesar 8% dari eksposur risiko kreditnya. Sejalan dengan perkembangan teknologi dan produk bank, BCBS menyempurnakan Basel I dengan mengeluarkan Basel II. Basel II bertujuan untuk meningkatkan keamanan dan kesehatan sistem keuangan, dengan menitikberatkan pada perhitungan permodalan yang berbasis risiko. Basel II memberikan alternatif tehnik perhitungan risiko kredit yaitu pendekatan standar (standardized model) dan pendekatan yang dikembangkan secara internal sesuai karakteristik kegiatan usaha dan profil risiko individual bank (internal model) yang terbagi atas Internal Rating Based Approach (IRBA)



18

Foundation dan IRBA Advanced. Perbandingan antara Basel I dan Basel II dapat dilihat pada tabel 2.3 di bawah ini. Tabel 2.3 Perbandingan Basel I dan Basel II Basel I Accord

Basel II Accord

Fokus pada satu cara pengukuran risiko

Fokus pada metodologi internal

Memiliki pendekatan sederhana terhadap sensitivitas risiko

Memiliki tingkat sensitivitas risiko yang lebih tinggi

Memakai pendekatan one-size-fits-all untuk perhitungan risiko dan modal

Dapat dengan mudah disesuaikan dengan kebutuhan setiap bank

Sumber : Badan Sertifikasi Manajemen Risiko (2006 : A13)

Dalam perkembangan beberapa tahun terakhir telah muncul beberapa internal model dalam perhitungan risiko kredit antara lain dengan menggunakan berbagai pendekatan seperti CreditMetrics, CreditRisk+, KMV Approach dan Macro Simulation Approach (Portfolio View Approach). Perbandingan internal model tersebut dapat dilihat pada tabel 2.4 di bawah ini. Tabel 2.4 Perbandingan Beberapa Internal Model

Sumber : Crouchy (2001 : 426)



19

2.4.1 Basel I Accord Pada Basel I risiko kredit diukur dengan memberikan bobot tertentu untuk setiap pinjaman dan aset keuangan Bank menghasilkan Aktiva Tertimbang Menurut Risiko (ATMR). Besarnya modal yang harus disediakan bank adalah minimal sebesar 8% dari ATMR. Bobot ATMR untuk masing-masing aset keuangan dapat dilihat pada tabel 2.5. Tabel 2.5 Bobot Risiko Aktiva Jenis Instrumen

Bobot Risiko

a. Uang Kas, Uang Kertas Asing, Emas

0%

b. Bank Sentral

0%

c. Pinjaman kepada Bank lain, pemda, lembaga pemerintah

20%

non departemen, Bank pembangunan multilateral d. Pinjaman kepada BUMN dan perusahaan pemerintah lainnya e. Pinjaman kepada swasta

50% 100%

f. Aset lainnya

100%

Sumber : Basel Capital Accord I, diolah

Pada Basel I setiap jenis aktiva memiliki bobot risiko yang sama, seperti kas diberikan bobot risiko 0%, penempatan pada Bank Sentral 0%, pinjaman kepada bank lain 20% dan pinjaman kepada swasta 100%. Metode perihitungan risiko kredit dengan Basel I dianggap kurang akurat dan kurang sensitif terhadap perubahan risiko, contohnya eksposur kredit kepada pihak swasta diberikan bobot risiko yang sama yaitu 100% tanpa memperhatikan perbedaan karakteristik risiko dari masing-masing perusahaan debitur. Kredit kepada perusahaan swasta yang besar dan memiliki reputasi yang bagus pada Basel I dinilai memiliki risiko kredit yang sama dengan perusahaan kecil dengan reputasi yang kurang bagus. Untuk mengatasi kelemahan dari Basel I tersebut di atas maka pada tahun 2004, BIS menyempurnakan Basel I dengan mengeluarkan Basel II accord yang lebih sensitif terhadap risiko. Pada Basel II risiko kredit dinilai berdasarkan rating dari debitur sehingga debitur dengan rating baik dinilai memiliki risiko kredit yang lebih rendah dari pada debitur dengan rating yang kurang baik. Universitas Indonesia


20

2.4.2 Basel II Accord

Basel II memberikan alternatif tehnik perhitungan modal risiko kredit bank yaitu pendekatan standar (standardized Approach) dan pendekatan IRB yang terdiri dari IRB foundation dan IRB advance. (1) Standardized Approach Pendekatatan standar menggunakan metodologi yang hampir sama dengan Basel I namun bersifat lebih sensitif terhadap risiko karena bobot risiko untuk setiap obligor berbeda tergantung pada ratingnya. Pemboboton risiko menurut Basel II sebagaimana tabel 2.6.

Tabel 2.6 Bobot Risiko Pemerintah, Bank dan Perusahaan Menurut Basel II Rating

AAA

to A+ to A-

AA-

BBB+ to BB+ to B Below B-

Unrated

BBB-

Pemerintah

0%

20%

50%

100%

150%

100%

Bank

20%

50%

100%

100%

150%

100%

Rating

AAA to

A+ to A-

BBB+ to BB-

Below BB-

Unrated

50%

100%

150%

100%

AAPerusahaan

20%

Sumber : International Convergence of Capital Measurement and Capital Standard (2004)

Pada pendekatan standar, obligor dengan kualitas rating yang lebih baik akan dikenakan bobot risiko yang rendah sehingga beban modal yang dibutuhkan juga lebih rendah. Demikian pula sebaliknya obligor dengan rating yang kurang baik akan dikenakan beban modal yang lebih besar sehingga modal yang dibutuhkan juga lebih besar. Berdasarkan hal tersebut bank dalam penyaluran kredit akan memilih obligor dengan rating yang lebih baik dalam rangka mengurangi kebutuhan modal untuk menyerap risiko kredit tersebut.



21

(2) Internal Rating Based Approach (IRBA) Berdasarkan International Convergence of Capital Measurement and Capital Standard (2004), komponen risiko kredit pada IRBA adalah probability of default (PD), loss given default (LGD), exposure at default (EAD) dan maturity (M). Menurut Sauders (2006) terdapat beberapa persyaratan pokok yang harus dipenuhi bank yang ingin menggunakan IRBA yaitu bank mempunyai internal credit rating system yang baik, output bank dapat menghasilkan komponen risiko kredit menurut IRBA (PD, LGD, EAD dan M), bank dapat menghitung bobot risiko individual, memenuhi persyaratan minimal antara lain (sistem informasi teknologi, database yang memadai) dan harus adanya supervisory review terhadap model internal bank. Perbedaan utama antara IRBA foundation dengan advance adalah pada IRBA foundation, bank hanya boleh menggunakan model internalnya untuk menghitung PD sementara komponen risiko lainnya ditentukan oleh otoritas pengawas. Sementara itu pada IRBA advance, semua komponen risiko kredit pada IRBA menggunakan angka yang dihasilkan oleh internal model bank. Untuk dapat menggunakan IRBA, Bank harus mengajukan permohonan kepada otoritas pengawas. Dan otoritas pengawas akan mevalidasi model bank terlebih dahulu sebelum diizinkan untuk digunakan. Asumsi-asumsi yang digunakan pada IRBA foundation berdasarkan BCBS (2004) adalah sebagai berikut a. PD adalah nilai terbesar antara 0,03% dengan PD berdasarkan hasil internal bank. PD untuk debitur yang default adalah 100%. b. LGD untuk unsecure loan sebesar 45% dan untuk subordinated loan 75% c. EAD sebesar 100% nilai kredit d. M untuk eksposur perusahaan jangka waktu efektif (M) adalah 2,5 tahun kecuali untuk transaksi jenis repo M adalah 6 bulan. Pengukuran risiko pada IRBA didasarkan pada pengukuran unexpected losses (UL) dan expected losses (EL).



22

2.4.3 CreditMetrics

Metode CreditMetrics diperkenalkan pada bulan April 1997 oleh J.P. Morgan. Model ini menggunakan pendekatan Value at Risk (VaR) dalam pengukuran risiko untuk aset-aset yang tidak diperdagangkan (non tradeable), seperti kredit dan privately placed bond. Pengukuran risiko kredit dengan CreditMetrics menggunakan data rating kredit, probabilitas transisi rating, recovery rates dari kredit yang macet dan credit spread serta yield bond untuk menghitung VaR kredit. Framework CreditMetrics dapat dilihat pada gambar 2.3. berikut ini.

Gambar 2.3 Framework CreditMetrics Sumber : Technical Document CreditMetrics (1997 – iv)

Berdasarkan dokumen teknis CreditMetrics terdapat tiga tahapan utama dalam perhitungan risiko kredit menggunakan framework CreditMetrics, yaitu : a. Penentuan matriks transisi kredit (credit rating migration) b. Penentuan present value kredit (valuation) c. Perhitungan value at risk kredit (calculation of VaR) Untuk menjelaskan framework diatas tahap demi tahap, selanjutnya diterangkan dengan menggunakan simulasi penghitungan VaR terhadap kredit yang memiliki rating BBB dengan nilai kredit $100, sisa jangka waktu 5 tahun dan tingkat suku bunga 6%.



23

a. Matrik transisi kredit Data matrik transisi kredit yang digunakan adalah data ransisi matrik satu tahun yang diterbitkan oleh S&P pada 15 April 1996, dikutip dari Technical Document CreditMetrics sebagaimana dalam tabel 2.7. Tabel 2.7 Matrik Transisi 1 Tahun

Sumber : Technical document CreditMetrics (1997 : 25)

. Berdasarkan tabel 2.7. probabilitas debitur rating BBB untuk satu tahun kedepan berubah menjadi rating AAA adalah 0,02%, menjadi AA sebesar 0,33%, menjadi A sebesar 5,95%, tetap di rating BBB sebesar 86,93% dan berubah menjadi default sebesar 0,18%.

b. Present Value Kredit Mengingat kredit tidak diperdagangkan maka harga pasar dan fluktuasi dari kredit tersebut tidak dapat diketahui. Pendekatan yang akan digunakan adalah present value berdasarkan discounted cash flow. Tingkat bunga diskonto yang digunakan adalah forward risk free rate ditambahkan dengan credit spread. Perubahan rating kredit akan berpengaruh pada credit spread yaitu apabila rating kredit membaik maka credit spread akan menurun dan sebaliknya. Menurut Saunder (2006) perhitungan present value kredit (P) pada akhir tahun pertama menggunakan persamaan (2.1) C C C C+100 P = C + ------------- + -------------- + ----------- + ------------- ………………(2.1) (1+1r1+s1)1 (1+1r2+s2)2 (1+1r3+s3)3 (1+1r4+s4)4 Universitas Indonesia


24

dimana P = Present Value Credit C = Cash Flow ri = Risk Free Rate (forward zero curve) si = Credit Spread Besarnya risk free rate dan credit spread berdasarkan technical document CreditMetrics (1997) sebagaimana tabel 2.8. Tabel 2.8 Forward Zero Curves Satu Tahun Setiap Kategori Rating (%)

Sumber : Technical Document CreditMetrics (1997 : 27)

Debitur tersebut kemudian diasumsikan membaik ratingnya menjadi A, dengan menggunakan persamaan (2.1) maka present value kredit pada akhir tahun pertama menjadi sebagai berikut : 6 6 6 106 P = 6 + ------------- + -------------- + ----------- + ------------- = $108,66 (1+3,72%)1 (1+4,32%)2 (1+4,93%)3 (1+5,32%)4 Nilai present value pokok dan bunga kredit dengan menggunakan forward zero yield adalah sebesar $108,66. Selanjutnya perhitungan present value kredit rating BBB tersebut dilakukan terhadap seluruh kemungkinan migrasi rating. Hasil perhitungan dapat dilihat pada tabel 2.9. Hasil tersebut menunjukkan semakin besar forward zero yield dan credit spread maka semakin rendah nilai present value dari kredit.



25

Tabel 2.9 Present Value dari Kredit Rating BBB


c. Perhitungan Value at Risk Tahap berikutnya adalah menghitung VaR kredit, untuk itu langkah-langkahnya adalah sebagai berikut : •

Menghitung nilai rata-rata kredit (mean loan value atau expected value) Nilai rata-rata kredit merupakan jumlah dari hasil perkalian antara probabilitas migrasi rating (probability of state) dengan present value pokok ditambah coupon, sebagaimana persamaan yang dinyatakan dalam Technical Document CreditMetrics (1997 : 29) sebagai berikut : ………………………………………..(2.2) dimana Total = Nilai rata-rata kredit Pi = Probability of state i= Nilai loan plus coupon

Berdasarkan persamaan (2.2) dan tabel 2.7 serta tabel 2.9 di atas nilai ratarata kredit menjadi sebagai berikut :



26

•

Selanjutnya adalah menghitung variance of value yaitu jumlah dari kuadrat selisih rata-rata nilai kredit yang dibobot dengan probabilitasnya.

Secara

matematis dapat diformulasikan sebagai berikut sebagaimana Technical Document CreditMetrics (1997 :29)

………………………..(2.3) dimana : •

= Simpangan baku kredit

Dengan menggunakan rumus (2.3) tersebut diatas, besarnya standar deviasi pinjaman tersebut dapat dihitung menjadi sebesar $2,99.



27

Perhitungan ketiga tahapan CreditMetrics Framework tersebut diatas dapat digambarkan pada tabel 2.10 di bawah ini Tabel 2.10 Perhitungan Volatilitas CreditMetrics


Dengan asumsi normal distribution maka nilai VaR pada confidence level 95% adalah 1,65 x $2,99 = $4,93% sedangkan VaR pada confidence level 99% adalah 2,33 x $2,99 = $6,97. Berdasarkan hal tersebut jumlah modal yang harus disediakan atas kredit sebesar $100, coupon 6% dan rating BBB adalah minimal sebesar $6,97%.

Gambar 2.4 Distribusi Probability Nilai Kredit Rating BBB Sumber : Sauders (2006 : 90) Universitas Indonesia


28

2.5. Validasi Validasi model adalah suatu proses yang bertujuan untuk mengetahui apakah suatu model cukup memadai atau tidak. Salah satu alat dalam validasi model adalah back testing. Back testing adalah suatu pengujian statistik dengan membandingkan nilai kerugian aktual dengan nilai VaR yang diproyeksikan. Salah satu metode back testing adalah dengan metode Kupiec Test. Menurut Crouchy (2001), Kupiec pada tahun 1995 mengajukan pengujian berdasarkan proporsi kegagalan. Misalkan selama kurun waktu T ditemukan sebanyak N kegagalan. Probabilitas terjadinya N kegagalan dalam kurun waktu T mengikuti proses binomial.

Pengujian dilakukan dengan Loglikelihood Ratio

(LR) yang terdistribusi dengan chi-squared dengan satu derajat bebas (degree of freedom) sebagaimana rumus (2.4) di bawah ini :

…………… (2.4) dimana : c = alpha N = Jumlah kesalahan estimasi T = Jumlah data

Nilai LR kemudian dibandingkan dengan nilai chi-squared pada tingkat kepercayaan tertentu dan derajat bebas 1. Jika nilai LR lebih kecil daripada nilai kritis chi-squared, maka null hypothesis tidak ditolak atau model cukup akurat. Hipotesa dalam back testing adalah : H0 : Model CreditMetrics cocok digunakan untuk mengukur risiko kredit korporasi Bank H1 : Model CreditMetrics tidak cocok digunakan untuk mengukur risiko kredit korporasi Bank Jika LR < Critical Value dengan chi square maka H0 tidak ditolak, namun jika LR > Critical Value dengan chi square maka H0 ditolak.



29

BAB 3 DATA DAN METODOLOGI PENELITIAN 3.1 Data Data yang digunakan dalam karya akhir ini terdiri dari beberapa jenis data sesuai dengan kebutuhan pengukuran risiko kredit dengan CreditMetrics. Sebagian besar data diperoleh dari Sistem Informasi Debitur - Bank Indonesia, Harian Bisnis Indonesia dan Laporan Keuangan Publikasi Bank XYZ. Penjelasan lebih rinci mengenai data tersebut diuraikan di bawah ini.

3.1.1

Perkembangan Rating Debitur

Data perkembangan rating debitur yang digunakan dalam karya akhir ini adalah data rating debitur kredit korporasi Bank XYZ selama periode bulan April 2007 sampai dengan bulan Maret 2010. Rating debitur yang digunakan adalah kualitas kredit. Data perkembangan kualitas kredit tersebut diperoleh dari Sistem Informasi Debitur (SID) – Bank Indonesia. Setiap bulan bank wajib melaporkan semua data debitur kreditnya kepada Bank Indonesia sesuai dengan PBI No.9/14/PBI/2007 tanggal 30 November 2007 tentang Sistem Informasi Debitur. SID merupakan sistem yang menyediakan informasi mengenai semua debitur bank dan penyelenggara kartu kredit selain bank dalam rangka penerapan manajemen risiko. Informasi debitur pada SID mencakup informasi mengenai identitas debitur, jenis kredit, jumlah, suku bunga dan kualitas serta agunan kredit. Data debitur yang dilaporkan bank kepada SID – Bank Indonesia merupakan data yang akurat karena merupakan salah satu objek pemeriksaan (on site supersivion) Bank Indonesia.

3.1.2

Forward Zero Rate dan Credit Spread

Data forward zero rate digunakan sebagai faktor diskonto dalam perhitungan nilai present value pokok dan bunga kredit. Forward zero rate adalah suku bunga bebas risiko untuk periode waktu dimasa datang. Data forward zero rate yang akan digunakan dalam penelitian ini adalah data yield dari Surat Utang Negara Universitas Indonesia


30

(SUN) Indonesia atau Indonesian Government Securities Yield yang diperoleh dari Harian Bisnis Indonesia. Data yield surat utang negara yang digunakan adalah data yield posisi setiap akhir bulan Mei 2009 sampai dengan Februari 2010. Data diperoleh sudah dalam bentuk yield per tahun untuk yield 1 tahun sampai dengan 15 tahun. Selain forward zero rate, untuk faktor diskonto dalam penghitungan present value pinjaman dibutuhkan data credit spread. Credit spread menggambarkan premi risiko kredit dari setiap pinjaman yang diberikan oleh bank. Untuk setiap kredit yang diberikan bank credit spread yang ditetapkan adalah sebesar 1%. Bank tidak menetapkan credit spread apabila kualitas kredit berubah menjadi dalam perhatian khusus, kurang lancar, diragukan atau macet. Namun bank menetapkan tambahan beban sebesar 4% apabila terjadi keterlambatan pembayaran. Sehubungan dengan itu dalam karya akhir ini credit spread yang digunakan untuk kredit lancar adalah 1% sementara untuk kualitas selain lancar credit spread yang digunakan adalah 1% ditambah 4% (5%).

3.1.3

Jangka Waktu, Pokok, Bunga Kredit dan Recovery Rate

Data jangka waktu kredit, jumlah kredit dan bunga kredit (lending rate) digunakan dalam perhitungan present value dari pokok dan bunga kredit. Data jangka waktu, jumlah kredit dan lending rate untuk semua debitur korporasi Bank XYZ diperoleh dari SID-Bank Indonesia untuk periode waktu bulan Mei 2009 sampai dengan Februari 2010 secara bulanan. Sementara itu data recovery rate digunakan untuk menentukan besarnya bagian kedit yang dapat diterima kembali apabila terjadi default. Recovery rate bersumber dari likuidasi agunan apabila terjadi default. Nilai agunan semua debitur korporasi Bank XYZ yang digunakan dalam karya akhir ini juga bersumber dari SID – Bank Indonesia untuk periode waktu bulan Mei 2009 sampai dengan Februari 2010. Dari SID diperoleh data nilai agunan menurut bank dan menurut appraisal independen yang digunakan adalah nilai terendah antara penilaian bank dengan appraisal independen dan maksimum sebesar baki debet kredit atau recovery rate maksimum sebesar 100%.



31

3.1.4 PPA yang dibentuk dan Modal Data jumlah PPA yang telah dibentuk Bank dan Modal Bank bersumber dari Laporan Keuangan Publikasi Bank yang dilaporkan secara bulanan dan triwulanan kepada Bank Indonesia secara on line melalui http://www.bi.go.id. Data yang digunakan adalah data periode bulan Mei 2009 sampai dengan Februari 2010. PPA digunakan untuk menyerap expected loss (EL) sehingga dalam karya akhir ini akan dibandingkan dengan perhitungan EL berdasarkan CreditMetrics. Sementara itu modal digunakan untuk menyerap unexpected loss (UL) sehingga akan dibandingkan dengan nilai UL yang diperoleh dari perhitungan CreditMetrics dalam karya akhir ini.

3.2

Metodologi Penelitian

Karya akhir ini bertujuan untuk mengukur risiko kredit korporasi Bank XYZ dengan menggunakan Metode CreditMetrics. Metode CreditMetrics dipilih sebagai metode yang digunakan dalam pengukuran risiko kredit korporasi Bank XYZ atas dasar beberapa pertimbangan sebagai berikut : a. Dalam kondisi yang normal pengukuran risiko kredit dengan menggunakan model CreditMetrics dapat memberikan hasil perhitungan modal minimal yang lebih rendah dibandingkan dengan model standar. b. CreditMetrics sebagai salah satu model internal dalam pengukuran risiko kredit digunakan untuk mengukur risiko kredit dari aset yang tidak memiliki harga pasar atau aset dalam posisi banking book. Kredit korporasi merupakan asset yang tidak memiliki harga pasar dan aset dalam posisi banking book. c. Metode CreditMetrics didasari pada matrik transisi rating. Rating biasanya digunakan untuk kredit korporasi sehingga metode CreditMetrics cocok digunakan untuk pengukuran kredit korporasi. d. Pengukuran risiko kredit dengan CreditMetrics menggunakan harga saat ini (present value pokok dan bunga) sebagai risk driver nya sehingga lebih menggambarkan potensi kerugian dari kredit yang diberikan Langkah-langkah pengukuran risiko kredit dengan metode CreditMetrics dimulai dari tahap pengumpulan data, penyusunan matrik transisi, perhitungan



32

present value, perhitungan expected loss, perhitungan volatilitas dan VaR serta back testing pada tahap akhir. 3.2.1

Pengumpulan dan Pengolahan Data

Langkah pertama adalah mengumpulkan data yang dibutuhkan untuk pengukuran risiko kredit dengan CreditMetrics. Jenis data yang dibutuhkan telah diuraikan pada bagian 3.1. Data yang telah dikumpulkan kemudian diolah dengan menggunakan program Microsoft Office Excell dibantu dengan program Audit Command Language (ACL). Tahap pertama data yang diolah adalah data perkembangan kualitas kredit. Data perkembangan kredit bulanan selama April 2007 sampai dengan April 2009 disusun per debitur kemudian susun perkembangan kualitasnya selama 24 bulan tersebut.

3.2.2

Penyusunan Matrik Transisi

Matrik transisi adalah matrik yang menggambarkan kemungkinan perpindahan rating/kualitas kredit dari satu periode ke periode berikutnya. Matrik trasnsisi pada baris dan kolom adalah kualitas kredit yaitu lancar (L), dalam perhatian khusus (DPK), kurang lancar (KL), diragukan (D) dan macet (M). Data perkembangan kredit secara bulanan yang telah diolah dengan dikelompokkan per debitur dan per kualitas diamati perkembangan perpindahan kualitas masingmasing debitur, penambahan debitur baru, pelunasan dan hapus buku kredit debitur. Matrik transisi yang disusun adalah untuk transisi kualitas kredit periode April 2007 sampai dengan April 2009 secara bulanan. Tahapan penyusunan matrik transisi adalah membuat matrik transisi dari satu bulan ke bulan berikutnya yaitu dari April 2007 ke Mei 2007, Mei 2007 ke Juni 2007 dan seterusnya sampai Maret 2009 ke April 2009, sehingga diperoleh 24 matrik transisi secara bulanan yang menggambarkan perpindahan jumlah debitur untuk setiap kualitas kredit. Kemudian matrik transisi tersebut dikonversi menjadi persentase perpindahan debitur dengan cara membagi jumlah debitur per kualitas kredit (cell) dengan total debitur pada setiap baris (row) matrik.



33

Selanjutnya dari 24 matrik transisi yang diperoleh, dirata-ratakan sehingga menghasilkan satu matrik transisi yang menggambarkan rata-rata probalitas perpindahan kualitas kredit selama 24 bulan tersebut. Matrik transisi rata-rata yang diperoleh akan dipergunakan untuk memproyeksikan kemungkinan perpindahan kualitas kredit debitur korporasi Bank XYZ pada bulan-bulan berikutnya yaitu Mei 2009 sampai dengan Februari 2010.

3.2.3

Perhitungan Present Value

Tahap berikutnya pada Metode CreditMetrics adalah menghitung nilai present value dari bunga dan pokok pinjaman dengan menggunakan forward zero rate yang telah ditambahkan dengan credit spread. Nilai present value dihitung untuk setiap kemungkinan perpindahan kualitas kredit, sehingga setiap debitur memiliki lima nilai present value. Dalam perhitungan present value ada beberapa komponen yang diperlukan yaitu sisa jangka waktu kredit, bunga, pokok kredit dan recovery rate. Present value dilakukan ke posisi bulan berikutnya maksudnya misalnya kredit posisi akhir Mei 2009 memiliki sisa jangka waktu kredit 3 tahun kedepan maka nilai yang dihitung adalah present value di posisi Juni 2009 dan jangka waktu kredit yang digunakan adalah sisa jangka waktu kredit dari bulan Juni 2009 hingga jatuh tempo. Present value dilakukan terhadap bunga selama periode kredit dan pokok kredit. Bunga dihitung secara bulanan yaitu dengan mengalikan lending rate per bulan dengan pokok kredit. Nilai present value dihitung dengan menggunakan formula pada persamaan (2.1). Setelah didapat nilai present value total yaitu nilai present value bunga ditambah present value pokok, maka dilakukan penyesuaian dengan nilai recovery sehingga diperoleh nilai present value net. Selanjutnya nilai present value net akan digunakan untuk perhitungan EL dan VaR. Perhitungan present value dilakukan dengan Microsoft Office Excell.



34

3.2.4

Perhitungan Expected Loss

Perhitungan expected loss (EL) dilakukan dengan mengalikan probability of default dengan nilai present value total setelah dikurangi dengan nilai recovery rate (EL = EAD X LGD X PD) 3.2.5

Perhitungan Value at Risk

Langkah-langkah dalam menghitung VaR mencakup perhitungan nilai rata-rata (mean) pinjaman, menghitung volatilitas (standar deviasi pinjaman) dan menghitung Value at Risk (VaR) pada tingkat kepercayaan tertentu. a. Menghitung Nilai Rata-Rata (Mean) Nilai rata-rata (mean) merupakan penjumlahan dari hasil perkalian antara nilai present value net untuk setiap kemungkinan kualitas kredit dengan probability of statenya b. Menghitung Volatilitas Volatilitas merupakan standar deviasi dihitung melalui: - Menghitung selisih antara nilai pinjaman dengan nilai rata-rata pinjaman - Menghitung variance yaitu mengkuadratkan selisih antara nilai pinjaman dengan rata-rata pinjaman. - Menghitung standar deviasi (volatilitas) dengan mengakar kuadratkan variance yang diperoleh diatas. c. Menghitung VaR Asumsi yang digunakan dalam perhitungan VaR dalam karya akhir ini adalah normal distribution. VaR dengan asumsi menyebar normal diperoleh dengan mengalikan standar deviasi dengan confidence level tertentu. Dalam karya akhir ini dalam perhitungan VaR digunakan tingkat kepercayaan 99% (sesuai dengan persyaratan Basel II) dan 95% sebagai pembanding. VaR yang dihitung dalam karya akhir ini adalah VaR level individual dengan cara mengalikan standar deviasi dengan tingkat kepercayaan. Dikenal dua jenis VaR pada level portfolio yaitu undiversified VaR dan diversified VaR. Dalam Universitas Indonesia


35

karya akhir ini yang dihitung hanya undiversified VaR. Undiversified VaR dihitung dengan cara menjumlahkan VaR individual. Sementara diversified VaR diperoleh dengan memperhatikan korelasi dari setiap eksposur kredit.

3.2.6

Validasi atau Back Testing

Back testing adalah metode pengujian untuk validasi model yang digunakan yaitu untuk menguji apakah model yang digunakan cukup bukti secara statistik memiliki tingkat akurasi yang baik sebagai penduga parameter yang diduga. Dalam karya akhir ini validasi model pengukuran risiko kredit korporasi Bank XYZ dengan Metode CreditMetrics menggunakan metode validasi Kupiec Test. Metode ini menggunakan Loglikelihood Ratio (LR) sebagai statistik dengan asumsi menyebar dengan sebaran chi-square. Hipotesa dalam back testing adalah : H0 : Model CreditMetrics cocok digunakan untuk mengukur risiko kredit korporasi Bank XYZ H1 : Model CreditMetrics tidak cocok digunakan untuk mengukur risiko kredit korporasi Bank XYZ Jika LR < Critical Value dengan chi square maka H0 tidak ditolak, namun jika LR > Critical Value dengan chi square maka H0 ditolak. Langkah-langkah pengujian dengan metode LR adalah sebagai berikut : a. Bandingkan VaR perhitungan model dengan data aktual b. Hitung jumlah data actual yang melebihi hasil perhitungan VaR dengan model c. Hitung LR dengan persamaan (2.4) d. Tentukan tingkat kepercayaan e. Tentukan critical value chi square pada tingkat kepercayaan tertentu dan degree of freedom sama dengan satu. f. Bandingkan nilai LR dengan nilai critical value chi square g. Apabila LR lebih besar dari critical value chi square maka disimpulkan null hypothesis ditolak atau tidak cukup bukti secara statistik model yang digunakan baik untuk sebagai penduga parameter.



36

Start

Pengumpulan dan Pengolahan Data

Penyusunan Matrik Transisi

Perhitungan Present Value

Perhitungan Expected Loss

Perhitungan Value at Risk

Uji Validasi Model

Tidak

Pengembangan Alternatif Model

Ya Perumusan Kesimpulan dan Saran

Selesai

Gambar 3.1 Flowchart Pengukuran Risiko Kredit dengan CreditMetrics



37

BAB 4 ANALISIS DAN PEMBAHASAN

Dalam bab ini akan diuraikan analisis dan pembahasan atas hasil pengukuran risiko kredit korporasi Bank XYZ dengan menggunakan metode CreditMetrics yang mencakup gambaran mengenai eksposur kredit korporasi Bank XYZ, analisis dan pembahasan matrik transisi, expected loss (EL) dan perbandingan dengan PPA yang wajib dibentuk, unexpected loss (UL) dan Value at Risk, perbandingan kebutuhan modal CreditMetrics dengan pendekatan standar Basel 1 serta uji validasi melalui back testing.

4.1 Eksposur Kredit Korporasi Kredit korporasi pada Bank XYZ merupakan fasilitas kredit kepada debitur/grup debitur dengan plafon lebih besar dari Rp. 100 milyar. Eksposur kredit korporasi Bank XYZ posisi 31 Maret 2010 mencapai sebesar Rp.40.379 milyar atau 33,47% dari total kredit Bank XYZ. Kualitas kredit korporasi Bank XYZ posisi 31 Maret 2010 membaik dibanding 31 Maret 2009 tercermin dari penurunan rasio NPL kredit korporasi dari 3,34% pada 31 Maret 2009 menjadi 0% pada 31 Maret 2010. Tabel 4.1 Kredit Korporasi Berdasarkan Sektor Industri Sektor Industri

2009

2008

Telekomunikasi

22,3%

17,7%

Pertambangan Migas

11,4%

5,8%

Perkebunan dan Pertanian

6,6%

7,2%

Bahan Bangunan dan Besi Konstruksi Lainnnya

5,2%

5,6%

Makanan dan Minuman

5,0%

5,1%

Bahan Kimia dan Plastik

4,6%

5,6%

Pembiayaan Konsumen

4,4%

4,8%

Infrastruktur Sarana Angkutan

4,2%

4,2%

Jasa Keuangan

3,6%

2,1%

Tekstil dan Produk Tekstil

3,6%

4,2%

Sumber : Laporan Tahunan 2009 Bank XYZ



38

Penyaluran kredit berdasarkan sektor ekonomi dapat dilihat pada tabel 4.1 di atas. Penyaluran kredit korporasi Bank XYZ fokus pada sektor telekomunikasi (22,3%), pertambangan migas (11,4%) dan agribisnis (6,6%). Untuk tahun 2010 kredit korporasi Bank XYZ masih tetap difokuskan pada sektor ekonomi telekomunikasi, pertambangan migas dan agribisnis. Produk kredit korporasi Bank XYZ terdiri dari kredit investasi dan kredit modal kerja. Strategi pengembangan kredit korporasi Bank XYZ menggunakan konsep layanan di sepanjang mata rantai usaha (value chain) dan fokus pada perusahaan-perusahaan top tier.

Gambar 4.1 Perkembangan Eksposur dan NPL Kredit Korporasi Sumber : Portfolio Bank XYZ, diolah

Kredit korporasi Bank XYZ terus mengalami pertumbuhan dan pertumbuhan yang sangat tinggi pada tahun 2008 yaitu 49,21% atau Rp. 13.139 milyar namun pada tahun 2009 pertumbuhannya tidak terlalu tinggi hanya sebesar 5,3% atau Rp. 2.106 milyar, hal ini akibat krisis ekonomi global yang mempengaruhi permintaan korporasi akan kredit perbankan. NPL Kredit korporasi selama tahun 2007 dan 2008 terjaga pada level 0% namun pada 30 Juni 2009 meningkat dan mencapai level 3,5% selanjutnya NPL dapat diselesaikan Bank XYZ sehingga pada 31 Desember 2009 sampai dengan 31 Maret 2010 NPL kredit korporasi Bank XYZ kembali pada level 0%. Perkembangan eksposur dan NPL kredit korporasi Bank XYZ dapat dilihat pada gambar 4.1 di atas.



39

4.2 Matrik Transisi Kredit Korporasi Matrik transisi merupakan matrik yang menggambarkan perpindahan rating debitur dari satu periode ke periode berikutnya. Pada karya akhir ini dilakukan analisis perpindahan rating debitur korporasi secara bulanan untuk periode waktu 30 April 2007 sampai dengan 30 April 2009 sehingga diperoleh 24 buah matrik transisi rating. Rating kredit korporasi yang digunakan adalah rating kualitas kredit yaitu lancar (L), dalam perhatian khusus (DPK), kurang lancar (KL), diragukan (D) dan macet (M), yang bersumber dari Sistem Informasi Debitur Bank Indonesia. Data perkembangan kualitas kredit secara bulanan selama 25 bulan tersebut diolah dengan menjumlahkan debitur pada setiap kualitas secara bulanan dan dilihat perpindahan kualitas kredit setiap debitur membaik, tetap atau memburuk secara bulanan. Perkembangan jumlah debitur pada setiap kualitas setiap bulannya dapat dilihat pada tabel 4.2 dibawah ini. Berdasarkan tabel 4.2 dapat dilihat selama periode pengamatan tidak terdapat debitur dengan kualitas macet, hanya sebagian kecil debitur dengan kualitas DPK, KL dan D, sebagian besar debitur korporasi Bank XYZ adalah kualitas lancar. Jumlah debitur kredit korporasi Bank XYZ mengalami pertumbuhan yang cukup tinggi dari 89 debitur pada April 2007 menjadi 147 debitur pada April 2009. Selama April 2007 sampai dengan Desember 2008 bank berhasil menjaga kualitas kreditnya sehingga tidak terdapat kredit non performing. Namun pada Januari 2009 terdapat 1 debitur yang menurun kualitasnya menjadi kurang lancar dan pada Februari 2009 debitur tersebut menurun kualitasnya menjadi diragukan, selanjutnya debitur ini tetap pada kualitas diragukan pada Maret dan April 2009. Pada Maret 2009 terdapat 3 debitur dalam perhatian khusus menurun menjadi kurang lancar dan pada April 2009 debitur tersebut masih tetap pada kualitas kurang lancar. Sementara itu jumlah debitur dalam perhatian khusus paling tinggi pada bulan November 2008 sebanyak 6 debitur namun pada bulan Desember 2008 3 debitur membaik kembali menjadi lancar.



40

Tabel 4.2 Perkembangan Jumlah Debitur Per Kualitas Kredit Bulan Apr-07 May07 Jun-07 Jul-07 Aug07 Sep-07 Oct-07 Nov07 Dec07 Jan-08 Feb-08 Mar-08 Apr-08 May08 Jun-08 Jul-08 Aug08 Sep-08 Oct-08 Nov08 Dec08 Jan-09 Feb-09 Mar-09 Apr-09

L 87

Kualitas DPK KL D 2 0 0

M 0

Total 89

87 87 90

2 2 1

0 0 0

0 0 0

0 0 0

89 89 91

91 97 101

1 1 0

0 0 0

0 0 0

0 0 0

92 98 101

107

0

0

0

0

107

109 108 112 117 118

0 0 1 1 1

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

109 108 113 118 119

120 124 141

0 0 0

0 0 0

0 0 0

0 0 0

120 124 141

150 147 153

0 1 1

0 0 0

0 0 0

0 0 0

150 148 154

151

6

0

0

0

157

153 149 151 146 141

3 2 4 2 2

0 1 0 3 3

0 0 1 1 1

0 0 0 0 0

156 152 156 152 147

Sumber : Laporan SID, diolah

Selanjutnya disusun matrik perpindahan jumlah debitur pada setiap kualitas kredit secara bulanan selama 24 bulan pengamatan. Matrik tersebut kemudian ditransformasikan menjadi matrik transisi rating secara persentase dengan cara membagi jumlah debitur pada setiap kemungkinan transisi rating dengan total jumlah debitur dalam satu baris sehingga dihasilkan Marginal



41

Probability setiap rating secara bulanan. Matrik marginal probability secara bulanan selama 24 bulan untuk setiap kualitas kredit kemudian dijumlahkan dan dibagi dengan 24 atau dirata-ratakan akan menghasilkan matrik transisi rating kredit korporasi rata-rata historis (historical average) periode 30 April 2007 sampai dengan 30 April 2009 yang dapat dilihat pada tabel 4.3 di bawah ini.

Tabel 4.3 Matrik Transisi Kualitas Kredit Korporasi Bank XYZ Rating

L

DPK

KL

D

M

L

0.9969

0.0031

0.0000

0.0000

0.0000

DPK

0.1875

0.7448

0.0677

0.0000

0.0000

KL

0.0000

0.0000

0.5000

0.5000

0.0000

D

0.0000

0.0000

0.0000

1.0000

0.0000

M

0.0000

0.0000

0.0000

0.0000

0.0000


Berdasarkan matrik transisi pada tabel 4.3 dapat dijelaskan bahwa debitur dengan kualitas lancar untuk satu bulan kedepan memiliki kemungkinan 99,69% tetap pada kualitas lancar dan terdapat kemungkinan 0,31% kualitasnya memburuk menjadi dalam perhatian khusus. Sementara itu debitur dengan kualitas dalam perhatian khusus untuk satu bulan kedepan memiliki kemungkinan 18,75% membaik kualitasnya menjadi lancar dan kemungkinan 74,48% tetap kualitasnya serta terdapat kemungkinan 6,77% kualitasnya memburuk menjadi kurang lancar. Debitur dengan kualitas kurang lancar memiliki kemungkinan 50,00% tetap kualitasnya dan 50,00% memburuk kualitasnya menjadi diragukan. Debitur dengan kualitas diragukan memiliki kemungkinan tetap kualitasnya. Matrik transisi pada tabel 4.3 juga menggambarkan bahwa debitur kualitas lancar, DPK, kurang lancar dan diragukan memiliki kemungkinan untuk macet sebesar 0%, hal kurang sesuai dengan keadaan real karena sebagus apapun kinerja keuangan dan prospek keuangan debitur korporasi, setiap perusahaan pasti memiliki kemungkinan akan macet. Banyak variabel yang sulit diprediksi yang dapat menyebabkan macetnya usaha debitur antara lain kondisi politik dan pemerintahan, kondisi makro ekonomi, kondisi keamanan dan bencana alam.



42

Hal lain yang juga dapat dilihat adalah kemungkinan membaiknya kualitas kredit dari kurang lancar, diragukan dan macet menjadi lancar adalah 0%, hal ini juga kurang menggambarkan kondisi real karena perbaikan kualitas kredit dapat terjadi melalui restrukturisasi kredit. Restrukturisasi kredit sesuai dengan ketentuan Bank Indonesia dapat dilakukan melalui memperpanjang jadwal angsuran

kredit

(reschedulling),

menunda

pembayaran

sebagian

bunga,

penyertaan sementara bank pada perusahaan debitur.

4.3 Forward Zero Rate dan Credit Risk Premium Forward Zero Rate dibutuhkan untuk menghitung nilai sekarang (present value) dari nilai angsuran bunga dan pokok pinjaman. Forward zero rate yang digunakan dalam penelitian ini adalah Indonesian Government Securities Yield posisi akhir bulan Mei 2009 sampai dengan akhir bulan Februari 2010 yang diperoleh dari Harian Bisnis Indonesia sebagaimana tabel 4.4 di bawah ini.

Tabel 4.4 Forward Zero Rate posisi 30 April 2009 s.d 25 Februari 2010

Sumber : Harian Bisnis Indonesia, diolah

Credit risk premium digunakan sebagai faktor penambah forward zero yield yang akan digunakan untuk menentukan present value nilai bunga dan pokok pinjaman. Credit risk premium merupakan premi risiko kredit yang ditetapkan bank kepada setiap debitur, biasanya semakin buruk rating debitur maka ditetapkan credit risk premium yang lebih tinggi. Namun pada karya akhir ini rating yang digunakan adalah kualitas kredit, biasanya bank tidak menetapkan Universitas Indonesia


43

credit risk premium untuk setiap kualitas kredit. Bank XYZ menetapkan credit risk premium yang sama untuk semua debitur korporasi yaitu sebesar 1% yang diperhitungkan dalam lending rate setiap debitur. Sementara itu untuk perubahan kualitas kredit Bank XYZ menjadi dalam perhatian khusus bank menetapkan tambahan beban sebesar 4% sehingga credit risk premium untuk kualitas DPK, kurang lancar, diragukan dan macet digunakan angka 4%. Dibawah ini disajikan Tabel 4.5 yang menggambarkan forward zero yield yang sudah ditambahkan dengan credit risk premium untuk kualitas lancar.

Tabel 4.5 Forward Zero Yield dan Credit Risk Premium Tahun 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Bulan 29-May-09 30-Jun-09 31-Jul-09 31-Aug-09 30-Sep-09 30-Oct-09 30-Nov-09 31-Dec-09 29-Jan-10 25-Feb-10 8.91% 8.81% 8.28% 8.40% 8.21% 8.36% 7.91% 7.96% 8.05% 8.20% 9.63% 9.70% 8.86% 9.28% 8.92% 9.56% 8.81% 8.54% 8.61% 8.67% 10.27% 10.28% 9.40% 10.08% 9.57% 10.09% 9.48% 9.17% 8.96% 8.95% 10.48% 10.57% 9.85% 10.47% 9.90% 10.34% 10.95% 9.65% 9.19% 9.19% 10.69% 10.85% 10.07% 10.68% 10.07% 10.41% 10.21% 9.92% 9.45% 9.42% 10.87% 11.12% 10.27% 10.89% 10.22% 10.74% 10.44% 10.16% 9.70% 9.68% 11.17% 11.34% 10.48% 11.07% 10.42% 10.98% 10.88% 10.37% 9.95% 9.93% 11.40% 11.56% 10.67% 11.22% 10.65% 11.06% 10.88% 10.58% 10.23% 10.19% 11.54% 11.77% 10.87% 11.35% 10.86% 11.16% 11.04% 10.79% 10.46% 10.44% 11.70% 11.97% 11.09% 11.50% 11.07% 11.28% 11.19% 10.99% 10.46% 10.66% 11.91% 12.13% 11.34% 11.67% 11.29% 11.39% 11.39% 11.16% 10.87% 10.86% 12.02% 12.31% 11.57% 11.85% 11.49% 11.47% 11.53% 11.32% 11.11% 11.04% 12.11% 12.52% 11.79% 12.00% 11.67% 11.58% 11.61% 11.47% 11.26% 11.19% 12.20% 12.73% 11.94% 12.11% 11.68% 11.67% 11.70% 11.59% 11.34% 11.32% 12.32% 12.92% 12.07% 12.16% 11.72% 11.69% 11.76% 11.67% 11.41% 11.43%

Sumber : Harian Bisnis Indonesia dan Data Bank, diolah

4.4 Recovery Rate Salah satu komponen perhitungan VaR pada metode CreditMetrics adalah recovery rate. Recovery rate merupakan suatu persentase yang menggambarkan bagian kredit yang dapat kembali kepada Bank pada saat debitur mengalami kegagalan membayar. Besarnya recovery rate ditentukan dari nilai agunan debitur yang diberikan kepada Bank. Untuk setiap pemberian kredit korporasi, Bank mensyaratkan adanya agunan tambahan berupa agunan tunai atau non tunai berupa tanah dan bangunan, disamping agunan pokok berupa usaha debitur atau proyek investasi yang dibiayai. Secara umum Bank menyaratkan nilai agunan tambahan non tunai (tanah



44

dan bangunan) adalah minimal 120% dari nilai fasilitas kredit dan nilai agunan tunai minimal 100% dari nilai pinjaman. Untuk menentukan besarnya nilai agunan debitur, Bank sebelum memberikan kredit melakukan penilaian (appraisal) atas agunan debitur. Penilaian agunan debitur dilakukan oleh internal dan eksternal appraisal (independen appraisal). Selanjutnya secara berkala dilakukan penilaian kembali atas agunan debitur tersebut baik oleh appraisal internal maupun eksternal karena sesuai ketentuan Bank Indonesia nilai agunan oleh Appraisal Independen diakui sesuai dengan jangka waktu penilaian dengan jangka waktu penilaian paling lama yang dapat diakui adalah 24 bulan terakhir. Agunan tunai biasanya dalam bentuk deposito automatic roll over (ARO) yang diblokir di Bank tersebut dan nasabah memberikan Surat Kuasa untuk pemblokiran dan perpanjangan serta pencairan deposito tersebut apabila nasabah tidak dapat melaksanakan kewajibannya pada saat jatuh tempo. Untuk kredit dengan agunan tunai biasanya bank membebankan lending rate yang lebih rendah dari pada kredit dengan agunan non tunai. Debitur dengan agunan tunai sesuai ketentuan Bank Indonesia tentang kualitas aktiva produktif, memiliki kualitas lancar sepanjang jangka waktu kredit. Laporan bank pada Sistem Informasi Debitur secara bulanan atas semua kredit yang diberikan mencakup nilai agunan yaitu nilai agunan menurut penilaaian internal bank dan dan nilai agunan berdasarkan penilaian eksternal. Nilai agunan yang dilaporkan Bank pada SID dinilai telah akurat karena merupakan salah satu objek pemeriksaan Bank Indonesia secara berkala, apabila bank melaporkan tidak benar maka bank akan dikenakan sanksi sesuai ketentuan yang berlaku. Pada karya akhir ini nilai recovery rate yang akan digunakan adalah nilai terendah antara nilai agunan berdasarkan penilaian bank dengan penilaian independen dan maksimal recovery rate adalah 100% dari baki debet. Nilai recovery rate akan digunakan untuk menentukan besarnya nilai present value kemungkinan kerugian dari kredit yang diberikan. Nilai recovery rate setiap debitur korporasi Bank XYZ pada bulan Mei 2009 dapat dilihat pada tabel 4.6 di bawah ini.



45

Tabel 4.6 Nilai Recovery Rate Beberapa Debitur Korporasi Bulan Mei 2009 DEBITUR

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

BAKI_DEBET 65,982,587,542 199,932,089,142 153,436,203,348 394,811,304,488 647,542,078,505 41,049,263,515 456,189,999,863 106,300,394,575 242,591,714,361 369,696,250,000 69,131,985,911 201,389,666,692 405,116,668,087 255,820,400,000 204,500,664,384 107,998,527,910 131,777,045,129 105,300,000,000 463,161,912,442 102,379,574,461 42,036,555,250 137,444,444,444 76,752,596,467 120,473,039,893 475,279,233,011 269,234,383,711 57,844,141,396 214,776,493,019 184,664,117,324 221,748,085,132

NILAI_AGUNAN 61,634,220,008 112,525,879,700 127,087,000,000 101,400,002 72,666,853,149 41,049,263,515 0 106,300,394,575 65,700,000,000 369,696,250,000 291,500,000 3,179,900,000 405,116,668,087 255,820,400,000 204,500,664,384 2,220,200,000 131,777,045,129 105,300,000,000 463,161,912,442 0 42,036,555,250 33,705,213,174 76,752,596,467 100,000,000 246,672,800,005 4,972,982,168 57,844,141,396 214,776,493,019 184,664,117,324 221,748,085,132

RECOVERY RATE 93.41% 56.28% 82.83% 0.03% 11.22% 100.00% 0.00% 100.00% 27.08% 100.00% 0.42% 1.58% 100.00% 100.00% 100.00% 2.06% 100.00% 100.00% 100.00% 0.00% 100.00% 24.52% 100.00% 0.08% 51.90% 1.85% 100.00% 100.00% 100.00% 100.00%


4.5 Expected Loss dan Value at Risk



46

Berdasarkan data eksposur kredit korporasi, matrik transisi, forward zero rate, credit risk premium dan recovery rate dilakukan perhitungan expected loss dan value at risk. Expected Loss merupakan potensi kerugian yang diprediksi untuk satu bulan kedepan berdasarkan data rata-rata historis transisi kualitas kredit selama 24 bulan terakhir. Value at Risk (VaR) merupakan nilai maksimum potensi kerugian risiko kredit bank untuk jangka satu bulan kedepan pada tingkat kepercayaan tertentu. Besarnya expected loss akan menentukan besarnya PPA yang harus dibentuk bank, sementara itu nilai VaR akan menentukan jumlah modal yang dibutuhkan bank untuk menyerap potensi kerugian dari risiko kredit. 4.5.1 Expected Loss EL merupakan nilai probability of default dikalikan dengan eksposur kredit setelah memperhatikan nilai recovery ratenya. Nilai probability of default (PD) berdasarkan matrik transisi adalah 0% maka untuk perhitungan EL digunakan PD sebesar 0,03%, hal ini sesuai dengan Basel II Accord. Expected loss akan menentukan beban PPA yang harus dibentuk Bank. PPA akan dibebankan pada laporan laba rugi bank sehingga semakin besar EL maka semakin besar beban PPA dan semakin rendah laba bank. Hasil perhitungan EL Bank XYZ untuk periode akhir bulan Mei 2009 sampai dengan akhir bulan Februari 2010 dengan menggunakan metode CreditMetrics dapat dilihat pada tabel 4.7 di bawah ini. Tabel 4.7 Expected Loss periode akhir Bulan Mei 2009 s.d Februari 2010 Rp. Juta Bulan Mei-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10

Eksposur 35,925,787 35,640,760 38,177,483 38,129,627 38,246,406 38,039,141 40,406,155 41,945,928 39,514,963 40,881,856

Expected Loss % thd Nominal eksposur 7,586 0.0211% 7,438 0.0209% 8,569 0.0224% 8,194 0.0215% 8,465 0.0221% 7,870 0.0207% 8,522 0.0211% 9,306 0.0222% 8,825 0.0223% 8,850 0.0216%

PPA Wajib Dibentuk 510,166 482,709 494,902 378,309 435,636 373,526 399,296 417,421 393,573 407,105

Sumber : Laporan SID, diolah menggunakan CreditMetrics Universitas Indonesia


47

Berdasarkan tabel 4.7 terlihat bahwa rata-rata EL kredit korporasi Bank XYZ adalah sebesar Rp.8.362 juta atau 0,02% dari total eksposur kredit korporasi Bank XYZ. EL relatif rendah karena berdasarkan data historis sejak bulan April 2007 sampai dengan saat ini belum terdapat kredit korporasi yang macet. Dan Rasio NPL Bank XYZ juga rendah dan cenderung menurun selama periode Mei 2009 hingga Februari 2010. Rasio NPL pada Mei 2009 sebesar 3,40% dan pada bulan Februari 2010 membaik kembali ke level 0%. Perkembangan rasio NPL bank bulan Mei 2009 sampai dengan Februari 2010 dapat dilihat pada tabel 4.8 di bawah ini.

Tabel 4.8 Perkembangan NPL Mei 2009 s.d Februari 2010 Bulan Mei-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10

Eksposur Nominal NPL 35,925,787,066,848 1,220,298,237,742 35,640,760,490,895 1,244,950,167,650 38,177,483,355,555 938,815,660,195 38,129,626,864,410 711,632,951,844 38,246,405,518,430 699,932,060,888 38,039,141,292,401 681,742,124,528 40,406,154,877,661 227,467,959,529 41,945,928,176,575 0 39,514,962,977,551 0 40,881,855,666,391 0

% NPL 3.40% 3.49% 2.46% 1.87% 1.83% 1.79% 0.56% 0.00% 0.00% 0.00%


Berdasarkan tabel 4.7 juga dapat dilihat PPA yang wajib dibentuk Bank XYZ untuk kredit korporasi berdasarkan ketentuan BI jauh diatas EL berdasarkan metode CreditMetrics. Rata-rata PPA yang wajib dibentuk adalah sebesar Rp.429.264 juta sementara itu rata-rata EL dengan Metode CreditMetrics sebesar Rp.8.362 juta. Sehingga apabila Bank menggunakan metode CreditMetrics dalam perhitungan risiko kredit korporasinya, Bank dapat menghemat PPA dalam jumlah besar yaitu sebesar Rp.420.902 juta. Berdasarkan hal ini, metode CreditMetrics

dapat

dipertimbangkan

untuk

digunakan

sebagai

metode

perhitungan risiko kredit korporasi Bank XYZ.



48

Bank XYZ sampai saat ini dalam membentuk PPA selalu lebih besar dari PPA yang wajib dibentuk sesuai dengan ketentuan Bank Indonesia tentang Kualitas Aktiva Bank Umum, hal ini tercermin dari rasio PPA posisi 31 Desember 2009 sebesar 219% atau 2 kali dari PPA yang wajib dibentuk sesuai ketentuan. Kebijakan atas dasar pertimbangan dalam rangka antisipasi peningkatan jumlah kredit korporasi dan penurunan kualitas kredit korporasi di masa datang.

4.5.2 Unexpected Loss (UL) dan Value at Risk (VaR) UL merupakan maksimum potensi kerugian risiko kredit untuk jangka waktu satu bulan kedepan pada tingkat kepercayaan (confidence level) tertentu. Pada pendekatan CreditMetrics UL merupakan VaR pada tingkat kepercayaan tertentu. UL pada tingkat kepercayaan 99% adalah VaR 1%. Berdasarkan perhitungan dengan metode CreditMetrics nilai VaR 5% dan 1% Bank XYZ periode akhir bulan Mei 2009 sampai dengan Februari 2010 dapat dilihat pada Tabel 4.9.

Tabel 4.9 VaR Periode Akhir Bulan Mei 2009 s.d Februari 2010 Bulan Mei-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10

Eksposur (Rp Juta) 35,925,787 35,640,760 38,177,483 38,129,627 38,246,406 38,039,141 40,406,155 41,945,928 39,514,963 40,881,856

VaR (Rp Juta) 5%

1%

331,028 326,884 376,185 362,711 362,508 310,770 341,017 375,981 361,730 357,768

468,179 462,319 532,045 512,988 512,702 439,528 482,307 531,757 511,601 505,998

% VaR 5% thd Portfolio 0.92% 0.92% 0.99% 0.95% 0.95% 0.82% 0.84% 0.90% 0.92% 0.88%

% VaR 1% thd Portfolio 1.30% 1.30% 1.39% 1.35% 1.34% 1.16% 1.19% 1.27% 1.29% 1.24%

Modal (Rp Juta) 22,959,056 21,840,655 21,840,655 21,840,655 22,431,097 22,431,097 22,431,097 22,832,586 22,832,586 22,832,586

Sumber : Laporan SID dan Laporan Keuangan Publikasi Triwulanan, diolah

VaR 1% Bank XYZ selama 10 bulan relatif stabil pada kisaran Rp.439 milyar sampai dengan Rp. 532 milyar. Tidak terdapat perubahan yang signifikan pada nilai VaR. VaR 1% pada akhir bulan Mei 2009 sebesar Rp.468 milyar artinya bahwa maksimum potensi kerugian risiko kredit korporasi Bank XYZ untuk satu bulan kedepan (Juni 2009) adalah sebesar Rp.468 milyar pada tingkat Universitas Indonesia


49

keyakinan 99% atau dengan kata lain terdapat kemungkinan 1% nilai kerugian risiko kredit korporasi bank untuk satu bulan kedepan (Juni 2009) lebih besar dari Rp. 468 milyar. VaR 1% tertinggi pada bulan Desember 2010 sebesar Rp.531,8 milyar sejalan dengan peningkatan eksposur kredit dan VaR 1% terendah pada bulan Oktober 2009 sebesar Rp. 439, 5 milyar terkait dengan penurunan jumlah eksposur kredit korporasi. Pergerakan nilai VaR 1% dan 5% sejalan dengan pergerakan jumlah eksposur kredit korporasi Bank XYZ. Persentase VaR 1% terhadap eksposur kredit korporasi relatif rendah yaitu pada kisaran 1,19% sampai dengan 1,35%, hal ini menunjukkan potensi kerugian bank atas risiko kredit korporasi relatif rendah. Berdasarkan data historis April 2007 sampai dengan April 2009 tidak terdapat kerugian bank akibat debitur gagal melaksanakan kewajiban membayarnya. Selama periode tersebut tidak terdapat debitur dengan kualitas macet. Hal ini bukan berarti untuk periode kedepan bank tidak akan mengalami kerugian lebih besar dari VaR risiko kredit korporasinya karena masih terdapat peluang sebesar 1% Bank mengalami kerugian lebih besar dari VaR untuk itu Bank harus menyediakan modal untuk risiko kredit korporasi minimal sebesar nilai VaR tersebut. Perkembangan VaR 1% dan 5% dengan metode CreditMetrics dapat dilihat pada gambar 4.2 dibawah ini.

Gambar 4.2 Perkembangan VaR 1% dan 5% Sumber : Laporan SID diolah dengan Metode Credit Metrics

Total Modal yang dimiliki oleh Bank XYZ selama periode akhir bulan Mei 2009 sampai dengan Februari 2010 cukup tinggi yaitu rata-rata sebesar Rp. Universitas Indonesia


50

22 triliun. Modal Bank XYZ sebagian besar bersumber dari akumulasi laba-laba tahun sebelumnya yang mencapai Rp14 triliun, hal ini menunjukkan kinerja keuangan Bank XYZ cukup bagus sampai dengan Februari 2010. Kinerja keuangan yang baik didukung oleh kualitas kredit Bank XYZ yang terjaga dengan baik. Apabila dibandingkan nilai VaR 1% dengan jumlah modal Bank XYZ maka dapat dikatakan bahwa jumlah modal Bank XYZ cukup untuk menyerap risiko kredit korporasi. 4.6 Perbandingan kebutuhan Modal Bank Pendekatan Standar dengan Metode CreditMetrics

Sampai saat ini Bank Indonesia masih menyaratkan kebutuhan modal bank umum untuk risiko kredit sebesar 8% dengan menggunakan pendekatan standar Basel 1. Perhitungan risiko kredit berdasarkan Basel 1 yaitu setiap eksposur bank diberikan bobot risiko, dimana untuk eksposur yang jenisnya sama memiliki bobot risiko yang sama yang telah ditetapkan oleh Basel. Untuk eksposut kredit korporasi diberikan bobot risiko sebesar 100% sehingga kebutuhan modal adalah 8% dari eksposur. Perbandingan perhitungan kebutuhan modal dengan pendekatan standar Basel 1 dengan pendekatan CreditMetrics dapat dilihat pada tabel 4.10.

Tabel 4.10 Perbandingan Kebutuhan Modal antara Pendekatan Standar dengan Pendekatan CreditMetrics Bulan

Eksposur

Mei-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10

35,925,787 35,640,760 38,177,483 38,129,627 38,246,406 38,039,141 40,406,155 41,945,928 39,514,963 40,881,856

8% ATMR

VaR 1%

2,874,063 2,851,261 3,054,199 3,050,370 3,059,712 3,043,131 3,232,492 3,355,674 3,161,197 3,270,548

468,179 462,319 532,045 512,988 512,702 439,528 482,307 531,757 511,601 505,998

Sumber : Laporan SID, diolah dengan Basel 1 dan CreditMetrics



51

Berdasarkan tabel 4.10 terlihat kebutuhan modal pendekatan standar Basel 1 periode Mei 2009 sampai dengan Februari 2010 rata-rata sebesar Rp.3.095.265 juta sementara itu kebutuhan modal dengan metode CreditMetrics rata-rata sebesar Rp.495.942 juta atau hanya 16% dari kebutuhan modal dengan pendekatan standar Basel 1. Berdasarkan hal tersebut berarti terdapat penghematan modal dalam jumlah besar yaitu sebesar Rp2.599.322 juta apabila Bank XYZ menggunakan pendekatan CreditMetrics dalam perhitungan risiko kredit korporasinya. Penghematan modal berati peluang bagi bank untuk melakukan ekspansi kredit dimasa datang dengan tetap menjaga kualitas kredit dan memilih debitur korporasi yang memiliki kinerja yang baik.

4.7 Validasi atau Back Testing Back testing bertujuan untuk menguji validitas model/metode CreditMetrics yang digunakan dalam mengukur potensi kerugian dari risiko kredit korporasi Bank XYZ. Back testing dilakukan dengan membandingkan potensi kerugian yang dihasilkan metode CreditMetrics dengan nilai aktual kerugian yang terjadi untuk setiap periode pengamatan. Potensi kerugian yang dihasilkan oleh metode CreditMetrics adalah VaR, nilai aktual kerugian yang terjadi diwakili oleh jumlah kredit macet. Validasi model dilakukan dengan back testing dilakukan dengan Loglikelihood Ratio (LR) sebagaimana persamaan (2.4). Hipotesa dalam back testing yang dilakukan adalah : H0 : Model CreditMetrics cocok digunakan untuk mengukur risiko kredit korporasi Bank XYZ H1 : Model CreditMetrics tidak cocok digunakan untuk mengukur risiko kredit korporasi Bank XYZ

Dari data aktual selama periode pengamatan Mei 2009 sampai dengan Februari 2010 tidak terdapat nilai aktual kerugian yang melebihi VaR sebagaimana tabel 4.11 di bawah ini. Selanjutnya nilai LR menjadi sebagai berikut :



52

c = alpha = 1% N = jumlah kesalahan estimasi = 0 T = jumlah data = 10 maka LR = 0

Tabel 4.11 Perbandingan Nilai VaR dengan Nilai Actual Loss Bulan

VaR 1%

Mei-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10

Actual Loss

468,179 462,319 532,045 512,988 512,702 439,528 482,307 531,757 511,601 505,998

0 0 0 0 0 0 0 0 0 0


Jika Nilai LR < Critical Value dengan chi square maka H0 tidak ditolak, namun jika LR > Critical Value dengan chi square maka H0 ditolak. Critical value dengan chi square pada alpha 1% adalah 6,63. Nilai LR = 0, sehingga nilai LR < Critical Value

maka H0 tidak dapat ditolak, yang berarti Model

CreditMetrics valid digunakan untuk mengukur risiko kredit korporasi Bank XYZ.



53

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan Kesimpulan yang dapat ditarik atas uraian yang telah disampaikan pada pada babbab sebelumnya adalah sebagai berikut : 1.

Pengukuran risiko kredit korporasi PT Bank XYZ posisi akhir bulan Mei 2009 sampai dengan Februari 2010 dengan menggunakan metode CreditMetrics menghasilkan besarnya expected loss rata-rata sebesar Rp8,4 Milyar atau 0,02% dari rata-rata portofolio. Sementara itu besarnya rata-rata unexpected loss posisi akhir bulan Mei 2009 sampai dengan Februari 2010 pada tingkat kepersayaan 99% adalah sebesar Rp.495.9 milyar atau 1,38% dari rata-rata portofolio.

2.

Perbandingan antara PPA yang wajib dibentuk dengan Expected Loss yang dihitung dengan CreditMetrics menunjukkan perbedaan yang sangat besar, dimana dengan penggunaan model CreditMetrics sebagai alat ukur risiko kredit korporasi dapat menghemat beban PPA dalam jumlah besar yaitu sebesar Rp.421 milyar. Kebutuhan modal dengan CreditMetrics rata-rata sebesar Rp.495,9 milyar per bulan pada tingkat kepercayaan 99% sementara itu dengan pendekatan standar Basel I yang digunakan sampai saat ini kebutuhan modal rata-rata sebesar Rp.3.095,3 milyar. Dengan demikian penggunaan CreditMetrics sebagai alat ukur risiko kredit korporasi di Bank XYZ dapat menghemat kebutuhan modal Bank sebesar Rp.2.599 milyar.



54

3.

Berdasarkan perbandingan antara VaR posisi akhir bulan Mei 2009 sampai dengan Februari 2010 dengan nilai aktual kredit macet selama periode tersebut menujukkan tidak terdapat nilai kerugian aktual yang melebihi VaR, sehingga model CreditMetrics cukup akurat untuk digunakan mengukur risiko kredit korporasi Bank XYZ.

3.2

Saran

Berdasarkan analisis dan pembahasan yang telah dilakukan maka saran yang dapat disampaikan adalah sebagai berikut : a. Metode CreditMetrics dapat digunakan Bank XYZ dalam pengukuran risiko kredit korporasi karena metode CreditMetrics dapat menghemat PPA dalam jumlah besar yaitu mencapai sebesar Rp.421 milyar dan menghemat modal hingga mencapai sebesar Rp.2.599 milyar. b. Metode CreditMetrics cocok untuk digunakan dalam pengukuran risiko kredit korporasi Bank XYZ karena berdasarkan data aktual tidak terdapat kerugian yang melebihi VaR.



55

DAFTAR REFERENSI

Bank Indonesia (2009). Peraturan Bank Indonesia No.11/25/PBI/2009 tentang Perubahan atas Peraturan Bank Indonesia No.5/8/PBI/2003 tentang Penerapan Manajemen Risiko Bagi Bank Umum Bank Indonesia (2009). Peraturan Bank Indonesia No.11/2/PBI/2009 tentang Perubahan Ketiga atas Peraturan Bank Indonesia No.7/2/PBI/2005 tentang Penilaian Kualitas Aktiva Bank Umum Bank Indonesia (2008). Peraturan Bank Indonesia No:10/15/PBI/2008 tentang Kewajiban Penyediaan Modal Minimum Bank Umum Bank Indonesia (2007) Peraturan Bank Indonesia No:9/14/PBI/2007 tentang Sistem Informasi Debitur Bank Indonesia (2003). Surat Edaran Bank Indonesia No.5/21/DPNP perihal Penerapan Manajemen Risiko Bagi Bank Umum Basel Commitee on Banking Supervision (2004). International Convergence of Capital Measurement and Capital Standards : A Revised Framework Basel Committee on Banking Supervision (1999). Credit Risk Modelling: Current Practices and Applications Basel Committee on Banking Supervision (1999). Sound Practices for Loan Accounting and Disclosure Bessis, J (2002), Risk Management in Banking, Second Edition, Chichester, New Jersey, John Wiley& Sons Committee on Payment and Settlement Systems (2003). A glossary of terms used in payments and settlement systems, Bank for International Settlement



56

Crouhy, M., Dan Galai, Robert Mark (2001). Risk management : comprehensive chapters on market, credit and pperational risk New York: The McGrawHill Companies, Inc Crouhy, M., Dan Galai, Robert Mark (2000). A comparative analysis of current credit risk models, Journal of Banking and Finance Global Association of Risk Professionals dan Badan Sertifikasi Manajemen Risiko, (2006). Workbook : Level 1 Gallati, R, (2003), Risk management and capital adequacy, New York, MacGraw Hill Jorion, P. (2009). Financial risk manager handbook, New Jersey, John Wiley & Sons, Inc Jorion, P. (2001). Value at risk : the new benchmark for managing financial risk, New York, McGraw Hill, JP Morgan (1997). CreditMetrics Incorporated, e-book

TM

– Technical Document. J.P. Morgan & Co.

Kupiec, P (1995). Technique for verifying the accuracy of risk measurement model, Journal of Derivative Lando, D., Skodeberg, T. (2002). Analyzing ratings transitions and rating drift with continuous observations. Journal of Banking & Finance Loffler, Gunter, Peter N. Posch. (2007). Credit risk modeling using excel and VBA, London, John Wiley & Sons, Ltd. Marrison, C. (2002). The fundamentals of risk measurement, New York, McGraw-Hill Ong, M K (2000). Internal credit risk models : capital allocation and performance measurement, Risk books, London Ong, M K (2002). Credit rating : methodologies, rationale and default risk, Risk Books, London Saunders, A. dan Linda Allen (2006). Credit risk measurement: new approach to value at risk and other paradigms, Second Edition, New York: John Wiley & Sons, Inc. Saunders A. dan Marcia Millon Cornett (2008). Financial institution management: a risk management approach, Mcgraw-Hill, New York, International Eddition.



57

Servigny, A. dan Oliver Renault (2004). Measuring and managing credit risk, New York, McGraw Hill



57 Lampiran 1 Eksposur Kredit Korporasi, Jumlah Debitur dan NPL Bulan Jumlah Debitur Apr-07 89 May-07 89 Jun-07 89 Jul-07 91 Aug-07 92 Sep-07 98 Oct-07 101 Nov-07 107 Dec-07 109 Jan-08 108 Feb-08 113 Mar-08 118 Apr-08 119 May-08 120 Jun-08 124 Jul-08 141 Aug-08 150 Sep-08 148 Oct-08 154 Nov-08 157 Dec-08 156 Jan-09 152 Feb-09 156 Mar-09 152 Apr-09 147 May-09 149 Jun-09 146 Jul-09 151 Aug-09 149 Sep-09 153 Oct-09 153 Nov-09 157 Dec-09 163 Jan-10 163 Feb-10 164 Mar-10 165

Kredit Korporasi 19,076,623,908,077 19,076,623,908,077 18,439,853,142,234 19,119,660,963,680 18,267,250,119,373 20,535,551,475,013 22,675,706,821,659 25,759,298,950,825 26,700,682,670,557 26,840,654,475,205 27,646,236,012,722 28,488,163,660,697 28,490,454,917,589 28,665,474,968,400 33,113,504,518,372 35,729,214,813,988 37,639,336,804,192 39,391,664,808,115 40,434,229,283,469 40,244,106,271,010 39,840,061,199,556 39,049,197,027,483 38,582,428,840,173 38,328,980,562,731 36,372,573,155,635 35,925,787,066,848 35,640,760,490,895 38,177,483,355,555 38,129,626,864,410 38,246,405,518,430 38,039,141,292,401 40,406,154,877,661 41,945,928,176,575 39,514,962,977,551 40,881,855,666,391 40,378,866,085,612

Nominal NPL 475,279,233,011 475,279,233,011 1,279,090,337,331 1,268,723,706,075 1,220,298,237,742 1,244,950,167,650 938,815,660,195 711,632,951,844 699,932,060,888 681,742,124,528 227,467,959,529 -


% NPL 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 1.22% 1.23% 3.34% 3.49% 3.40% 3.49% 2.46% 1.87% 1.83% 1.79% 0.56% 0.00% 0.00% 0.00% 0.00%

58 Lampiran 2 Perkembangan Kualitas Kredit Debitur Korporasi Bulan Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jan-09 Feb-09 Mar-09 Apr-09

L

DPK 87 87 87 90 91 97 101 107 109 108 112 117 118 120 124 141 150 147 153 151 153 149 151 146 141

2 2 2 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 6 3 2 4 2 2

Kualitas KL D 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 3 3

M 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1


Total 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

89 89 89 91 92 98 101 107 109 108 113 118 119 120 124 141 150 148 154 157 156 152 156 152 147

Lampiran 3 Matrik Transisi Rating Kredit Korporasi Secara Bulanan Periode April 2007 s.d April 2009

L DPK KL D M

L 0.9969 0.1875 0.0000 0.0000 0.0000

DPK 0.0031 0.7448 0.0000 0.0000 0.0000

KL 0.0000 0.0677 0.5000 0.0000 0.0000

D 0.0000 0.0000 0.5000 1.0000 0.0000


M 0.0000 0.0000 0.0000 0.0000 0.0000

59


Lampiran 4

60

Matrik Transisi April 2007 s.d April 2009 Matrik transisi perubahan kualitas kredit April 2007 ke Mei 2007 L DPK KL D M L 87 0 0 0 DPK 0 2 0 0 KL 0 0 0 0 D 0 0 0 0 M 0 0 0 0 Mei 2007 87 2 0 0

0 0 0 0 0 0

Matrik transisi perubahan kualitas kredit Mei 2007 ke Juni 2007 L DPK KL D M L 87 0 0 0 DPK 0 2 0 0 KL 0 0 0 0 D 0 0 0 0 M 0 0 0 0 Juni07 87 2 0 0

0 0 0 0 0 0

Matrik transisi perubahan kualitas kredit Juni 2007 ke Juli 2007 Terdapat penambahan 2 debitur baru Kol Lancar Terdapat perubahan 1 debitur DPK menjadi L L DPK KL D M L 89 0 0 0 DPK 1 1 0 0 KL 0 0 0 0 D 0 0 0 0 M 0 0 0 0 Juli07 90 1 0 0

0 0 0 0 0 0

Apr-07 87 2 0 0 0

Mei 2007 87 2 0 0 0

L L DPK KL D M Mei 2007

DPK 0.00 1.00 0.00 0.00 0.00 1

KL 0.00 0.00 0.00 0.00 0.00 0

D

1.00 0.00 0.00 0.00 0.00 1

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 1.00 0.00 0.00 0.00

DPK 0.00 0.50 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.50 0.00 0.00 0.00

L L DPK KL D M

Juni07

L 89 2 0 0 0

L DPK KL D M


0.00 0.00 0.00 0.00 0.00 0

M 0.00 0.00 0.00 0.00 0.00 0

Apr-07 1 1 0 0 0

0.00 0.00 0.00 0.00 0.00

M Mei 2007 0.00 1 0.00 1 0.00 0 0.00 0 0.00 0

0.00 0.00 0.00 0.00 0.00

M Juni 07 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00

Matrik transisi perubahan kualitas kredit Juli 2007 ke Agustus 2007 Terdapat penambahan 1 debitur baru Kol Lancar L DPK KL D M Juli07 L 91 0 0 0 0 91 DPK 0 1 0 0 0 1 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Agt07 91 1 0 0 0 Matrik transisi perubahan kualitas kredit Agustus 2007 ke September 2007 Terdapat penambahan 6 debitur baru Kol Lancar L DPK KL D M Agt07 L 97 0 0 0 0 97 DPK 0 1 0 0 0 1 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Sep-07 97 1 0 0 0 Matrik transisi perubahan kualitas kredit September 2007 ke Oktober 2007 Terdapat penambahan 3 debitur baru Kol Lancar Terdapat perubahan 1 debitur DPK menjadi L L DPK KL D M Sep-07 L 100 0 0 0 0 100 DPK 1 0 0 0 0 1 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Oct-07 101 0 0 0 0

61 L L DPK KL D M

DPK 0.00 1.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 1.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 1.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

L L DPK KL D M

L L DPK KL D M


0.00 0.00 0.00 0.00 0.00

M Juli 07 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M Agt 07 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Sep-07 1.00 1.00 0.00 0.00 0.00

Matrik transisi perubahan kualitas kredit Oktober 2007 ke November 2007 Terdapat penambahan 6 debitur baru Kol Lancar L L DPK KL D M Nov-07

DPK 107 0 0 0 0 107

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

M 0 0 0 0 0 0

Oct-07 107 0 0 0 0

0 0 0 0 0 0

62

L L DPK KL D M

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Oct-07 1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Nov-07 1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Dec-07 1.00 0.00 0.00 0.00 0.00

Matrik transisi perubahan kualitas kredit November 2007 ke Desember 2007 Terdapat penambahan 2 debitur baru Kol Lancar L L DPK KL D M Dec-07

DPK 109 0 0 0 0 109

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

M 0 0 0 0 0 0

0 0 0 0 0 0

Nov-07 109 0 0 0 0

L L DPK KL D M

Matrik transisi perubahan kualitas kredit Desember 2007 ke Januari 2008 Terdapat pelunasan 1 debitur Kol Lancar L L DPK KL D M Jan-08

DPK 108 0 0 0 0 108

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

M 0 0 0 0 0 0

0 0 0 0 0 0

Dec-07 108 0 0 0 0

L L DPK KL D M


Matrik transisi perubahan kualitas kredit Januari 2008 ke Februari 2008 Terdapat penambahan 5 debitur baru Kol Lancar Terdapat perubahan Kolektibilitas 1 debitur dari L ke DPK L DPK KL D M Jan-08 L 112 1 0 0 0 113 DPK 0 0 0 0 0 0 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Feb-08 112 1 0 0 0

63

L L DPK KL D M

KL 0.00 0.00 0.00 0.00 0.00

D

0.99 0.00 0.00 0.00 0.00

DPK 0.01 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 1.00 0.00 0.00 0.00

DPK 0.00 1.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Jan-08 1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Feb-08 1.00 1.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Mar-08 1.00 1.00 0.00 0.00 0.00

Matrik transisi perubahan kualitas kredit Februari 2008 ke Maret 2008 Terdapat penambahan 5 debitur baru Kol Lancar L L DPK KL D M Mar-08

DPK 117 0 0 0 0 117

KL 0 1 0 0 0 1

D 0 0 0 0 0 0

M 0 0 0 0 0 0

0 0 0 0 0 0

Matrik transisi perubahan kualitas kredit Maret 2008 ke April 2008 Terdapat penambahan 1 debitur baru Kol Lancar L DPK KL D M L 118 0 0 0 0 DPK 0 1 0 0 0 KL 0 0 0 0 0 D 0 0 0 0 0 M 0 0 0 0 0 Apr-08 118 1 0 0 0

Feb-08 117 1 0 0 0

L L DPK KL D M

Mar-08 118 1 0 0 0

L DPK KL D M

L


Matrik transisi perubahan kualitas kredit April 2008 ke Mei 2008 Terdapat penambahan 1 debitur baru Kol Lancar L L DPK KL D M May-08

DPK 119 1 0 0 0 120

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

64

M 0 0 0 0 0 0

0 0 0 0 0 0

Apr-08 119 1 0 0 0

L L DPK KL D M

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 1.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Apr-08 1.00 1.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

May-08 1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Jun-08 1.00 0.00 0.00 0.00 0.00

Matrik transisi perubahan kualitas kredit Mei 2008 ke Juni 2008 Terdapat penambahan 4 debitur baru Kol Lancar L L DPK KL D M Jun-08

DPK 124 0 0 0 0 124

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

M 0 0 0 0 0 0

0 0 0 0 0 0

May-08 124 0 0 0 0

L L DPK KL D M

Jun-08 141 0 0 0 0

L DPK KL D M

Matrik transisi perubahan kualitas kredit Juni 2008 ke Juli 2008 Terdapat penambahan 17 debitur baru Kol Lancar L L DPK KL D M Jul-08

DPK 141 0 0 0 0 141

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

M 0 0 0 0 0 0

0 0 0 0 0 0

L


Matrik transisi perubahan kualitas kredit Juli 2008 ke Agustus 2008 Terdapat penambahan 9 debitur baru Kol Lancar L L DPK KL D M Aug-08

DPK 150 0 0 0 0 150

KL 0 0 0 0 0 0

D 0 0 0 0 0 0

65

M 0 0 0 0 0 0

0 0 0 0 0 0

Jul-08 150 0 0 0 0

Matrik transisi perubahan kualitas kredit Agustus 2008 ke September 2008 Terdapat pelunasan 2 debitur Kol Lancar Terdapat perubahan kolektibilitas 1 debitur Kol Lancar menjadi DPK L DPK KL D M Aug-08 L 147 1 0 0 0 148 DPK 0 0 0 0 0 0 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Sep-08 147 1 0 0 0

L L DPK KL D M

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

DPK 0.00 0.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

0.99 0.00 0.00 0.00 0.00

DPK 0.01 0.00 0.00 0.00 0.00

DPK 0.00 1.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

L L DPK KL D M

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Jul-08 1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Aug-08 1.00 0.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Sep-08 1.00 1.00 0.00 0.00 0.00

Matrik transisi perubahan kualitas kredit September 2008 ke Oktober 2008 Terdapat penambahan 6 debitur baru Kol Lancar L L DPK KL D M Oct-08

DPK 153 0 0 0 0 153

KL 0 1 0 0 0 1

D 0 0 0 0 0 0

M 0 0 0 0 0 0

0 0 0 0 0 0

Sep-08 153 1 0 0 0

L L DPK KL D M


Matrik transisi perubahan kualitas kredit Oktober 2008 ke November 2008 Terdapat penambahan 3 debitur baru Kol Lancar Terdapat perubahan kolektibilitas 5 debitur Kol Lancar menjadi DPK L DPK KL D M Oct-08 L 151 5 0 0 0 156 DPK 0 1 0 0 0 1 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Nov-08 151 6 0 0 0 Matrik transisi perubahan kualitas kredit November 2008 ke Desember 2008 Terdapat pelunasan 1 debitur Kol Lancar Terdapat perubahan kolektibilitas 3 debitur Kol DPK menjadi Lancar L DPK KL D M Nov-08 L 150 0 0 0 0 150 DPK 3 3 0 0 0 6 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Dec-08 153 3 0 0 0 Matrik transisi perubahan kualitas kredit Desember 2008 ke Januari 2009 Terdapat pelunasan 4 debitur Kol Lancar Terdapat perubahan kolektibilitas 1 debitur Kol DPK menjadi Kurang Lancar L DPK KL D M Dec-08 L 149 0 0 0 0 149 DPK 0 2 1 0 0 3 KL 0 0 0 0 0 0 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Jan-09 149 2 1 0 0

66

L L DPK KL D M

KL 0.00 0.00 0.00 0.00 0.00

D

0.97 0.00 0.00 0.00 0.00

DPK 0.03 1.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

1.00 0.50 0.00 0.00 0.00

DPK 0.00 0.50 0.00 0.00 0.00

DPK 0.00 0.67 0.00 0.00 0.00

KL 0.00 0.33 0.00 0.00 0.00

D

1.00 0.00 0.00 0.00 0.00

L L DPK KL D M

L L DPK KL D M


0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Oct-08 1.00 1.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Nov-08 1.00 1.00 0.00 0.00 0.00

0.00 0.00 0.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Dec-08 1.00 1.00 0.00 0.00 0.00

67 Matrik transisi perubahan kualitas kredit Januari 2009 ke Februari 2009 Terdapat penambahan 4 debitur baru Kol Lancar Terdapat perubahan kolektibilitas 2 debitur Kol L menjadi DPK Terdapat perubahan kolektibilitas 1 debitur Kol KL menjadi D L DPK KL D M Jan-09 L 151 2 0 0 0 153 DPK 0 2 0 0 0 2 KL 0 0 0 1 0 1 D 0 0 0 0 0 0 M 0 0 0 0 0 0 Feb-09 151 4 0 1 0 Matrik transisi perubahan kualitas kredit Februari 2009 ke Maret 2009 Terdapat pelunasan 4 debitur Kol Lancar Terdapat perubahan kolektibilitas 1 debitur Kol L menjadi DPK Terdapat perubahan kolektibilitas 3 debitur Kol DPK menjadi KL L DPK KL D M L 146 1 0 0 0 DPK 0 1 3 0 0 KL 0 0 0 0 0 D 0 0 0 1 0 M 0 0 0 0 0 Mar-09 146 2 3 1 0

L L DPK KL D M

Feb-09 147 4 0 1 0

L DPK KL D M

Mar-09 142 1 3 1 0

L DPK KL D M

DPK 0.01 1.00 0.00 0.00 0.00

KL 0.00 0.00 0.00 0.00 0.00

D

0.99 0.00 0.00 0.00 0.00

KL 0.00 0.75 0.00 0.00 0.00

D

0.99 0.00 0.00 0.00 0.00

DPK 0.01 0.25 0.00 0.00 0.00

DPK 0.01 1.00 0.00 0.00 0.00

KL 0.00 0.00 1.00 0.00 0.00

D

0.99 0.00 0.00 0.00 0.00

L

0.00 0.00 1.00 0.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Jan-09 1.00 1.00 1.00 0.00 0.00

0.00 0.00 0.00 1.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Feb-09 1.00 1.00 0.00 1.00 0.00

0.00 0.00 0.00 1.00 0.00

M 0.00 0.00 0.00 0.00 0.00

Mar-09 1.00 1.00 1.00 1.00 0.00

Matrik transisi perubahan kualitas kredit Maret 2009 ke April 2009 Terdapat pelunasan 4 debitur Kol Lancar dan 1 debitur Kol DPK Terdapat perubahan kolektibilitas 1 debitur Kol L menjadi DPK L L DPK KL D M Apr-09

DPK 141 0 0 0 0 141

KL 1 1 0 0 0 2

D 0 0 3 0 0 3

M 0 0 0 1 0 1

0 0 0 0 0 0

L


68 Lampiran 5 Indonesian Government Securities Yield Tahun 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

29-May-09 7.91% 8.63% 9.27% 9.48% 9.69% 9.87% 10.17% 10.40% 10.54% 10.70% 10.91% 11.02% 11.11% 11.20% 11.32%

30-Jun-09 7.81% 8.70% 9.28% 9.57% 9.85% 10.12% 10.34% 10.56% 10.77% 10.97% 11.13% 11.31% 11.52% 11.73% 11.92%

31-Jul-09 31-Aug-09 7.28% 7.40% 7.86% 8.28% 8.40% 9.08% 8.85% 9.47% 9.07% 9.68% 9.27% 9.89% 9.48% 10.07% 9.67% 10.22% 9.87% 10.35% 10.09% 10.50% 10.34% 10.67% 10.57% 10.85% 10.79% 11.00% 10.94% 11.11% 11.07% 11.16%

Bulan 30-Sep-09 30-Oct-09 7.21% 7.36% 7.92% 8.56% 8.57% 9.09% 8.90% 9.34% 9.07% 9.41% 9.22% 9.74% 9.42% 9.98% 9.65% 10.06% 9.86% 10.16% 10.07% 10.28% 10.29% 10.39% 10.49% 10.47% 10.67% 10.58% 10.68% 10.67% 10.72% 10.69%

30-Nov-09 6.91% 7.81% 8.48% 9.95% 9.21% 9.44% 9.88% 9.88% 10.04% 10.19% 10.39% 10.53% 10.61% 10.70% 10.76%


31-Dec-09 6.96% 7.54% 8.17% 8.65% 8.92% 9.16% 9.37% 9.58% 9.79% 9.99% 10.16% 10.32% 10.47% 10.59% 10.67%

29-Jan-10 25-Feb-10 7.05% 7.20% 7.61% 7.67% 7.96% 7.95% 8.19% 8.19% 8.45% 8.42% 8.70% 8.68% 8.95% 8.93% 9.23% 9.19% 9.46% 9.44% 9.46% 9.66% 9.87% 9.86% 10.11% 10.04% 10.26% 10.19% 10.34% 10.32% 10.41% 10.43%

Lampiran 6 Perhitungan Value at Risk Kredit Korporasi Bank XYZ Rp Juta Bulan May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10

Eksposur 35,925,787.07 35,640,760.49 38,177,483.36 38,129,626.86 38,246,405.52 38,039,141.29 40,406,154.88 41,945,928.18 39,514,962.98 40,881,855.67

VaR 5% 331,028.13 326,884.28 376,184.53 362,710.57 362,507.90 310,770.33 341,017.28 375,980.81 361,729.75 357,767.63

1% 468,179.40 462,318.68 532,044.96 512,988.49 512,701.84 439,528.40 482,307.25 531,756.83 511,601.29 505,997.58

% VaR 5% thd % VaR 1% thd Portfolio Portfolio 0.92% 1.30% 0.92% 1.30% 0.99% 1.39% 0.95% 1.35% 0.95% 1.34% 0.82% 1.16% 0.84% 1.19% 0.90% 1.27% 0.92% 1.29% 0.88% 1.24%


Modal 22,959,056 21,840,655 21,840,655 21,840,655 22,431,097 22,431,097 22,431,097 22,832,586 22,832,586 22,832,586

UNIVERSITAS INDONESIA PENGUKURAN RISIKO KREDIT KORPORASI DENGAN METODE CREDITMETRICS (STUDI KASUS DI BANK XYZ) TESIS CHRISTOVENY

Recommend Documents