Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu internal model yang digunakan dalam pengukuran risiko kredit adalah CreditRisk+, yang dikembangkan oleh Credit Suisse First Boston. Dalam penelitian ini metode CreditRisk dipilih untuk mengukur risiko kredit atas portofolio pembiayaan yang disalurkan oleh Permodalan Nasional Madani (PNM) kepada Bank Perkreditan Rakyat (BPRJS). Metode CreditRisk+ yang dipakai adalah pendekatan dengan distribusi Gamma, yang merupakan distribusi dua parameter yang menggambarkan mean (ditunjukkan oleh default rates) dan standard deviation (ditunjukkan oleh default rate volatilities). Metode ini dipilih berdasarkan asumsi bahwa default rate bersifat variable, tidak konstan sepanjang waktu, sehingga default rates volatilities tersebut diperhitungkan ke dalam model. Output dari pengaktivasian program model CreditRisk+ memperlihatkan kecenderungan risiko kredit yang semakin meningkat atas portofolio pembiayaan kepada BPR/S, yaitu sebesar Rp 12.428.363.221 pada Januari 2005 hingga mencapai Rp 35.426.390.490 pada Desember 2005 atau hampir tiga kali lipatnya. Dengan mengetahui credit Value at Risk (VaR) yang semakin meningkat, diharapkan pengelolaan atas portofolio pembiayaan kepada BPR/S tersebut harus lebih baik dan efektif, terutama dalam mengantisipasi bertambahnya pembiayaan yang bermasalah. Namun demikian PNM dinilai masih dapat menanggung risiko kredit tersebut, terlihat dari kecukupan modal yang dibutuhkan (economic capital) atas portofolio pembiayaan kepada BPR/S sepanjang tahun 2005 tersebut berkisar antara 2% - 8% dari jumlah modal PNM. Model CreditRisk+ dapat diterima sebagai model yang akurat untuk pengukuran risiko pembiayaan kepada BPRJS. Hal ini dihuktikan dari basil pengujian Likelihood Ratio (LR) pada tingkat kepercayaan 95%, di mana nilai LR masih di bawah ambang batas nilai kritikal yang dapat ditolerir.

---

One of internal model used for measuring credit risk is CreditRisk+, developed by Credit Suisse First Boston. In this research, CreditRisk+ method was selected to measure credit risk on PNM's lending portfolio to rural banks. The CreditRisk+ method being used is the one with Gamma distribution, a two parameters distribution that shows mean (shown by default rates) and standard deviation (shown by default rates volatilities). This method is selected based upon assumption that default rate is variable, not constant through the period so default rates volatilities is incorporated into the model. Output from CreditRisk+ model program activation showed increased credit risk on lending to rural banks, a mere of Rp 12, 428, 363, 221 in January 2005 up to Rp 35, 426, 390, 490 in December 2005, representing an almost three-fold increase. By finding increased credit Value at Risk (VaR), it is hoped that rural bank lending portfolio be managed better and more effective in the future, especially in anticipating the growing non performing portfolio. Nevertheless, PNM still covers credit risk that is shown by required capital adequacy (economic capital) on rural banks lending portfolio in 2005, which range between 2 to 8 percent of total PNM capital. CreditRisk+ model can be viewed as accurate model for rural banks lending risk measurement. This is back-testing by Likelihood Ratio (LR) test at the 5 percent level of significance, which the LR figure is still below the critical value."

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

---

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

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

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

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

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

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

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

"Laporan magang ini memberikan gambaran mengenai proses pengawasan dan pengelolaan risiko kredit pada Bank H Indonesia khususnya dalam aktivitas pemberian fasilitas kredit kepada nasabah korporasi. Laporan magang ini juga menjelaskan bagaimana proses sebuah entitas untuk dapat menjadi nasabah korporasi di bank sampai pada proses pengajuan fasilitas kredit. Selanjutnya penulis juga akan membahas mitigasi risiko kredit yang dilakukan oleh Divisi Credit Operations, yakni tempat dimana penulis melakukan magang. Penulis berkesimpulan bahwa pengawasan dan pengelolaan risiko kredit di Bank H Indonesia secara umum sudah baik.

---

This internship report provides an overview of control and management of credit risk at Bank H Indonesia, especially on the activity of granting credit facility to corporate customers. In addition, this internship report also describes the process of how an entity can become a bank’s corporate customer up to the process of proposing a credit facility. Furthermore, the author also discusses the mitigation of credit risk performed by Credit Operations Division, the place where the author did the internship. At the end, the author concludes that the control and management of credit risk at Bank H Indonesia is already good in general."

"Risiko kredit adalah salah satu risiko yang dihadapi KPEI sebagai central counterparty di pasar modal Indonesia. Risiko kredit tersebut muncul karena adanya penyelesaian hak dan kewajiban Anggota Kliring (AK) ke KPEI, sehubungan dengan transaksi yang dilakukan di BEI. Salah satu rekomendasi dari BIS dan IOSCO, KPEI harus dapat mengelola risiko kredit terkait adanya kemungkinan kegagalan anggotanya. Penelitian ini bertujuan untuk mengukur dan menghitung risiko kredit (expected loss) AK menggunakan Factor Model yang diimplementasikan KPEI sebelum Juni 2012 dan Risk-Based Model yang diimplementasikan setelahnya dan kemudian membandingkannya. Juga dilakukan perhitungan risiko tambahan (unexpected loss) AK dengan menggunakan metode stress testing. Data yang digunakan adalah data penyelesaian hak dan kewajiban seluruh AK tanggal transaksi 25, 28 dan 29 Mei 2012 yang belum diselesaikan pada tanggal 30 Mei 2012. Penelitian ini menunjukkan bahwa pengukuran risiko (expected loss) dalam kondisi pasar normal dengan metode Risk-Based Model memberikan nilai yang lebih kecil dibandingkan dengan metode Factor Model. Sedangkan untuk risiko dalam kondisi pasar stress (unexpected loss), 73% dari 113 AK yang diteliti mengalami tambahan risiko kredit terhadap KPEI.

---

Credit risk is one of the risks faced KPEI as a central counterparty in Indonesia's capital market. Credit risk arises due to the completion of the rights and obligations of the Clearing Member (CM) to KPEI. One of the BIS and IOSCO?s recommendations, KPEI should be able to manage credit risk related to a possible failure of its members. This study aims to measure and calculate the CM's credit risk (expected loss) using Factor Model implemented before June 2012 and the Risk-Based Model implemented afterwards and then compare them. Also performed the calculation of the additional risk (unexpected loss) using stress testing. The data used is the completion of the rights and obligations of data throughout the transaction date AK 25, 28 and May 29, 2012 that have not been settled on May 30, 2012. This study shows that the measurement of risk (expected loss) under normal market conditions by the of Risk-Based Model method gives a smaller value than Factor Model method. As for the risk in the stress market conditions (unexpected loss), 73% of 113 CMs have studied additional credit risk to KPEI."

"Penelitian ini bertujuan untuk menganalisis pengelolaan risiko kredit pada perusahaan Peer-to-Peer P2P Lending di bidang pertanian dengan studi kasus AgriFund. Penelitian ini terlebih dahulu meneliti mengenai persepsi AgriFund terhadap risiko kredit, kemudian akan dibahas mengenai proses manajemen risiko kredit pada AgriFund. Penelitian ini menggunakan metode kualitatif dengan pendekatan studi kasus pada perusahaan P2P Lending yang bergerak di bidang pertanian. Data dikumpulkan melalui wawancara mendalam kepada pihak-pihak yang ada pada perusahaan AgriFund. Hasil dari penelitian ini menunjukkan bahwa risiko kredit menurut AgriFund adalah risiko ketika pembiayaan atau kredit yang diberikan kepada peminjam dana tidak dapat dikembalikan, adanya ketidaksesuaian antara ekspektasi dengan hasil yang ada, dan adanya ketidaksesuaian waktu pengembalian dan jumlah yang dikembalikan kepada pemberi pinjaman. Terdapat 8 delapan faktor risiko kredit yang diidentifikasi, diukur, dan ditangani pada masing-masing risiko yang dilakukan oleh AgriFund.

---

The purpose of this study is to analyze credit risk management in the peer to peer lending company in agricultural sector. It uses a qualitative method with case study approach in AgriFund. Through in depth interviews, this research first examines AgriFund's perceptions of credit risk and then discusses the credit risk management process in AgriFund.

The findings show that AgriFund's perceive credit risk to arise when borrowers experience defaults and fail to honor their obligation when there is a mismatch between expectations and results, and a mismatch between of payback time and the amount paid back to the creditors. There are eight credit risk factors identified, measured, and treated by AgriFund. "

"Penulisan karya akhir ini mengulas bagaimana sebuah model pengukuran dan analisis risiko kredit yang dapat dilakukan oleh perbankan. Pengukuran risiko kredit menjadi hal yang penting dilakukan mengingat adanya fakta bahwa manajemen risiko terutama risiko kredit yang buruk menjadi penyebab utama permasalahan yang dihadapi oleh perbankan di seluruh dunia. Oleh karenanya bank harus memiliki kesadaran tentang perlunya mengidentifikasi, mengukur, mengawasi dan mengendalikan risiko kredit, supaya kualitas kredit yang disalurkan baik karena berkaitan erat dengan profitabilitas dan tingkat kesehatan bank.Penulisan karya akhir ini mengambil studi kasus terhadap kualitas kredit dengan melakukan pengukuran probabilitas tingkat kolektibilitas kredit debiur usaha kecil dan menengah (UKM) per sektoral pada Wilayah Jakarta PT. Bank XYZ, Tbk., yang selama ini merupakan salah satu bank swasta nasional terbesar di Indonesia. Metodologi pengukuran probabilitas yang dilakukan dengan menerapkan model Markov Chains sebagai metode peramalan (forecasting) dengan menggunakan data terkini (t1) dan data historis (to), menghasilkan pergerakan risiko kredit ditunjukkan oleh serangkaian matriks transisi Markov dan angka probabilitas tingkat kolektibilitas kredit untuk periode waktu tertentu. Model Markov Chains juga menghasilkan probabilitas keadaan tetap (steady state probability), yang menunjukkan probabilitas suatu keadaan dalam jangka panjang.Dari perbandingan antara t0, t1 dengan probabilitas t2, t5 dan keadaan tetap, akan terlibat trend ke depan dari masing-masing sektor ekonomi. Peningkatan probabilitas kolektibilitas 1 (lancar) dan 2 (dalam perbatian khusus) menunjukkan bertambahnya debitur UKM dengan kondisi usaba yang relatif aman (tidak perlu dikawatirkan). Sedangkan peningkatan probabilitas kolektibilitas 3 (kurang lancar), 4 (diragukan), dan 5 (macet) menandakan semakin banyaknya debitur UKM yang mengalami masalah. Dengan mengetahui pergerakan kolektibilitas kredit di masa yang datang, akan dapat ditentukan tindakan-tindakan yang perlu dilakukan agar risiko kredit berdasarkan yang telah diidentifikasi tersebut dapat segera dikurangi dampaknya.Pengelolaan risiko kredit usaba kecil dan menengah Bank XYZ Wilayah Jakarta selama ini sudah cukup baik secara keseluruhan, basil pengukuran probabilitas kolektibilitas kredit sektor ekonomi. pertanian, perindustrian, jasa dan perdagangan dengan model Markov Chains, memberikan hasil yang positif untuk jangka pendek (periode sampai akhir tahun 2003), jangka menengah (periode sampai akhir tahun 2006) maupun jangka panjang (dalam kondisi steady state - keadaan tetap) dengan trend kualitas kredit membaik (naik peringkat)."

"Penelitian ini bertujuan melakukan evaluasi terhadap penerapan manajemen risiko kredit di Bank XYZ dalam konteks pemberian kredit melalui kerja sama channeling dengan platform P2P. Metode penelitian yang digunakan adalah metode kualitatif dengan pendekatan studi kasus. Informan dalam penelitian ini terdiri dari karyawan senior dan pejabat kunci Bank XYZ yang terlibat langsung dalam praktik manajemen risiko kredit, serta pihak mitra platform P2P. Data yang digunakan dalam penelitian ini terdiri dari data primer dan data sekunder. Pengumpulan data dilakukan melalui analisis dokumen dan wawancara. Analisis data kualitatif dilakukan dengan melibatkan reduksi data, sajian data, dan penarikan kesimpulan. Hasil penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik tentang bagaimana Bank XYZ mengelola risiko kredit dalam kerja sama channeling dengan platform P2P. Penelitian ini juga diharapkan dapat memberikan masukan yang berharga bagi perusahaan dalam meningkatkan praktik manajemen risiko kredit mereka, serta bagi regulator dalam merumuskan kebijakan yang sesuai untuk industri fintech dan kerja sama channeling dengan platform P2P.

---

This study aims to evaluate the implementation of credit risk management at Bank XYZ in the context of providing credit through channeling cooperation with P2P platforms. The research method employed is qualitative research with a case study approach. The informants in this study consist of senior employees and key officials of Bank XYZ directly involved in credit risk management practices, as well as partner institutions. The data utilized in this qualitative study include primary and secondary data. Data collection is conducted through document analysis and interviews. The qualitative data analysis is performed which involves data reduction, data display, and conclusion drawing. The findings of this study are expected to provide a better understanding of how Bank XYZ manages credit risk in the channeling cooperation with P2P platforms. This research is also anticipated to offer valuable insights for companies to enhance their credit risk management practices and for regulators to formulate appropriate policies for the fintech industry and channeling cooperation with P2P platforms."

"Sukses dan gagal bayar adalah hal yang pasti terjadi di dalam perusahaan pembiayaan. Untuk memaksimalkan keuntungan bagi perusahaan adalah dengan memaksimalkan resiko dari gagal bayar atau default. Salah satu cara untuk melakukan penelitian untuk memaksimalkan resiko dari gagal bayar adalah dengan analisa survival yang dikembangkan oleh David Roxbee Cox (1972). Analisa survival bisa digunakan untuk membuat permodelan untuk waktu gagal bayar atau default dari hutang. Pada penelitian ini akan diuji coba aplikasi dari survival analysis untuk permodelan default pada sejumlah data dari nasabah kredit perusahaan pembiayaan sepeda motor. Hasil penelitian dari data yang ada dapat menunjukan variable yang signifikan terhadap survival dan analisa survival kompetitif untuk memprediksi gagal bayar atau default dengan perbandingan menggunakan regressi di dalam masing-masing variable."

"Fungsi utama dari perbankan di Indonesia adalah menyalurkan dana kepada masyarakat berupa kredit. Dalam menjalakan fungsi tersebut perbankan haruslah mengambil risiko untuk mempertahankan keuntungan mereka dan untuk memenuhi peran mereka dalam perekonomian. Salah satu yang perlu dilakukan oleh bank adalah untuk mengatur manajemen risiko tersebut agar dapat mengover risiko kredit tersebut. Kredit Small Medium Enterprise merupakan salah satu segmen kredit yang merupakan pasar potensial tinggi untuk industri jasa keuangan, terutama bank untuk menyediakan akses ke pembiayaan. Hingga saat ini, metode yang sering digunakan untuk mengukur risiko kredit adalah dengan menggunakan metode yang mengacu pada ketentuan Bassel II. Penelitian ini menggunakan metode CreditRisk+ untuk mengukur risiko kredit Small Medium Enterprise di PT. Bank Mandiri (Persero) Tbk selama periode Januari 2016 sampai Desember 2018. Metode ini menghasilkan nilai expected loss, unexpected loss, dan economic capital. Dalam penelitian ini digunakan backtesting dan validasi menggunakan Loglikehood Ratio (LR) tes dan mendapatkan hasil metode CreditRisk+ cukup valid untuk mengukur risiko kredit.

---

The main function of banks in Indonesia is to channel funds to the public in the form of credit. In carrying out these functions banks must take risks to maintain their profits and to fulfill their role in the economy. The important thing to do by banks is to manage risk management to cover credit risk. Small Medium Enterprise loans are one of the credit segments which is a high potential market for the financial services industry, especially banks to provide access to financing. Nowadays, the method often used to measure credit risk is to use a method that refers to the provisions of Bassel II. This study uses the CreditRisk + method to measure the risk of Small Medium Enterprise credit at PT. Bank Mandiri (Persero) Tbk during the period of January 2016 to December 2018. This method produces expected loss, unexpected loss, and economic capital. In this study used backtesting and validation using the Loglikehood Ratio (LR) test and getting the results of the CreditRisk + method is valid for measuring credit risk."