Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 70524 dokumen yang sesuai dengan query
cover
Universitas Indonesia, 2004
S27446
UI - Skripsi Membership  Universitas Indonesia Library
cover
Desy Indriasari
"Implementasi manajernen risiko dalam dunia perbankan di Indonesia pada saat ini sudah mcrupakan suatu kewajiban yang tidak dapat ditawar-tawar lagi, karena Bank Indonesia sudah mengeluarkan peraturan yaitu Peraturan Bank Indonesia (PBI) nomor 5/8/PBI 2003 mengenai Penerapan Manajemen Risiko Bagi Bank Umum dan Surat Edaran BI Nomor 5/21/DPNP tanggal 29 September 2003 mengenai Penerapan Manajemen Risiko Bagi Bank Umum yang mulai efektif pada tanggal 29 September 2003.
Perbankan sangat rentan terhadap risiko kredit yang timbul akibal dari bisnis yang digelutinya atau yang dijalaninya, oleh karena itu perbankan perlu mengembangkan suatu sistem yang dapat memonitor atau mengendalikan risiko kredit tersebut. Risiko kredit adalah risiko gagal bayar atau terjadinya default dimana suatu counterpary/borrower tidak dapat mengembalikan kewajibannya termasuk biaya over head-nya.
Credit scoring adalah suatu model yang digunakan perbankan untuk mengetahui layak atau tidaknya suatu debitur untuk diberikan pinjaman. Dari berbagai macam definisi maka dapat disimpulkan bahwa Credit Scoring Model adalah suatu penilaian terhadap debitur untuk menentukan Probability of Default berdasarkan faktor-faktor/variabel-variabel tertentu yang dapat dikuantifikasikan ke dalam bentuk skor, dimana skor tersebut adalah suatu alat untuk mengetahui dan mengklasifikasikan debitur ke dalam dua kategori yaitu good debitur dan bad debitur. Dalam credit scoring ini terdapat empat macam jenis pendekatan yaitu pendekatan linear probability model, logic model, probit model, dan discriminant analysis model.
Dalam penulisan karya ilmiah ini pendekatan yang digunakan adalah pendekatan model probit dan model logit dimana untuk pendekatan model logit menggunakan logistic distribution function dan untuk pendekatan model probit menggunakan normal distribution function. Untuk kedua model tersebut menggunakan variabel yang memiliki nilai 0 atau 1 (dummy variable). Berdasarkan pengolahan data dalam penelitian ini ternyata kedua model memiliki hasil yang tidak berbeda dalam menentukan nilai probability of default.
Untuk kedua metode tersebut ternyata variabel yang memiliki tingkat signifikansi a= 5% berjumlah 13 variabel yang artinya hanya 13 variabel itu saja yang sangat berpengaruh terhadap probability of default. Ketiga belas variabel tersebut adalah CS1, CS3, ED4, IC2, ID14, ID17, ID20, MB, MR, TN2, TN3, TN4 dan TN5.
Cut-off point yang digunakan penulis dalam karya akhir ini adalah 0.4. Correct estimates yang didapat dari model logit 87.93% sementara untuk model probit 87.95%. Error Type I model logit adalah 0.28% dan untuk model probit sebesar 0.19%. Error Type I untuk melihat berapa observasi yang ditolak (reject) padahal seharusnya diterima. Sementara Error Type II model logit adalah 11.79% dan untuk model probit 11.86 %. Error Type II untuk melihat berapa observasi yang disetujui padahal seharusnya ditolak.

Risk Management Implementation is a must in Banking Area in Indonesia caused Bank of Indonesia has been issued regulation, name is Bank of Indonesia Regulation (PBI) number 5/8/PBI 2003 contents of Risk Management Implementation for Common Bank and Letter Issued Bank of Indonesia number 5/21/DPNP date of September 29, 2003 contents of Risk Management Implementation for Common Bank which come into effective as per September 29, 2003.
Banking is a risky area for credit risk which comes from business that had been running itself, therefore banking needs to develop a system which can be monitored and handled credit risk itself, Credit risk is a default happened where a borrower or counterparty are not able to pay back their responsibility including over head cost.
Credit scoring is a model which used in banking to know whether a borrower or counterparty acceptable or not to get a loan. From all of kind of definition in summary credit scoring model is a value for customer or borrower to define probability of default based on limited variables which could be quantified into a score, where the score is a tool to find and classified borrower into two categories those are good borrower and bad borrower. In credit scoring there are four models: linear probability model, Logic model, probit model, and discriminant analysis model.
In this thesis models which used are probit model and logit model where as for logit model using logistic distribution function and For probit model using normal distribution function. Both models are using variable which have 0 values and 1 value (dummy variable). Based on processing data in this observation unfortunately both kind of models have results which not too different significantly to determine probability of default.
In fact for both methods total variables which have significancy level for a = 5% are 13 variables means that only 13 variables have most influenced for probability of default. The thirteen of variables are CS 1, CS3, ED4, 1C2, 1014, ID 17, ID20, MB, MR, TN2, TN3, TN4 and TN5.
Cut-off point which used in this thesis is 0.4. Correct estimate from logic model is 87.93 % meanwhile for probit model is 87.95 %. Error type 1 for logit model is 0.28 % and for probit model is 0.19 %. Function of error type 1 is to find/know how many observation have to be rejected otherwise have to be accepted, vice versa meanwhile function of error type II is to find/know how many observation have to he accepted otherwise/unfortunately have to be rejected.
"
Jakarta: Program Pascasarjana Universitas Indonesia, 2007
T19681
UI - Tesis Membership  Universitas Indonesia Library
cover
Harman Soesanto
2004
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Yohanna Irma Mulyadi
"ABSTRAK
Salah satu sektor usaha di Indonesia yang menjadi tulang punggung
perekonomian nasional adalah Usaha Mikro Kecil Menengah (UMKM).
Peningkatan jumlah UMKM di Indonesia, tidak terlepas dari peran Bank dalam
memberikan kredit kepada pelaku industri di sektor UMKM. Salah satu jenis bank
yang dikenal melayani golongan pengusaha mikro, kecil, dan menengah, adalah
Bank Perkreditan Rakyat (BPR). Dengan meningkatnya jumlah permintaan kredit
di sektor UMKM, BPR membutuhkan credit scoring model untuk menganalisa
kelayakan debitur dalam pengajuan kredit. Variabel yang digunakan pada credit
scoring model ini adalah collateral, character, capacity, capital, condition, dan
cash flow. Hasil penelitian yang dilakukan di BPR Indra Candra ini menyatakan
bahwa dari enam varibel, semua variabel digunakan sebagai pertimbangan dalam
memutuskan persetujuan pengajuan kredit.

ABSTRACT
One of thebusiness sectorsin Indonesia, whichis the backboneof the national
economy,is theMicro, Small andMedium Enterprises(MSMEs). An increasing
number of MSMEs in Indonesiadoes notapart fromthe Bank's rolein
providingcredit tothe industry. One type ofbankthatis knownto servegroupsof
micro, small and medium enterprisesis a Rural Bank.With the increasingnumber
ofcredit demandin the MSME sector, Rural Banks requires acredit scoringmodel
toanalyzethe feasibility ofthe debtorin acredit application. The variables usedin
credit scoringmodel arecollateral, character, capacity, capital, condition, andcash
flow. Results of research conductedonBPRIndraChandrastated that of the
sixvariables, allthe variablesare usedas aconsiderationin deciding thecredit
applicationapproval."
Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2012
T34748
UI - Tesis Membership  Universitas Indonesia Library
cover
Lini Fefani
"Indonesia merupakan negara berkembang yang sebagian besar perekonomiannya didukung oleh unit-unit usaha berskala mikro, kecil dan menengah yang sering disingkat dengan UMKM. Pemerintah pun turut serta mendorong pembiayaan oleh perbankan kepada UMKM dengan dikeluarkannya Peraturan Bank Indonesia No.14/22/PBI/2012 tanggal 21 Desember 2012 tentang Pemberian Kredit Atau Pembiayaan dan Bantuan Teknis Dalam Rangka Pengembangan Usaha Mikro, Kecil, dan Menengah yang mewajibkan bank umum untuk menyalurkan dananya dalam bentuk kredit/ pembiayaan UMKM dengan pangsa sebesar minimal 20% pada tahun 2018. Dan salah satu produk UMKM yang sejak tahun 2007 gencar dicanangkan oleh pemerintah adalah program Kredit Usaha Rakyat. Namun semakin tinggi pembiayaan KUR yang dikeluarkan oleh Bank, maka semakin tinggi pula risiko gagal bayar dan Non Performing Loan yang terjadi. Dengan demikian Bank terlebih dahulu harus yakin atas kemampuan dan kesanggupan debitur untuk melunasi pinjamannya. Maka dari itu diperlukan Credit scoring sebagai suatu sistem dalam menganalisa kelayakan debitur dalam pengajuan kredit. Namun analisa dan review secara berkala terhadap model Credit scoring harus dilakukan, agar model tetap relevan dan akurat dalam setiap prediksinya. Penelitian ini dilakukan pada salah satu cabang Sentra Kredit Kecil Bank BNI, yakni BNI SKC Jatinegara Jakarta, terhadap 240 sampel debitur selama periode 2011-1013. Hasil penelitian menyatakan bahwa dari 24 variabel Credit scoring yang digunakan saat ini, hanya 11 variabel yang secara signifikan berpengaruh dalam menentukan kualitas kredit. Hasil ini kemudian membentuk sebuah model Credit scoring baru beserta bobot resiko setiap parameter yang dapat direkomendasikan kepada pihak Bank.

Indonesia is a developing country whose economy is largely supported by business units micro, small and medium enterprises are often abbreviated with SMEs. The government also helped and encouraged by bank financing to SMEs by the issuance of Bank Indonesia Regulation No.14/22/PBI/2012 dated December 21, 2012 on Lending Or Funding and Technical Assistance for Development of Micro, Small, and Medium Enterprises which requires commercial banks to distribute the funds in the form of credit / financing of SMEs with a share of at least 20% by 2018. And one of MSME products since 2007 incentive program announced by the government is a Public Credit. However, the higher the KUR financing issued by the Bank, the higher the risk of default and non-performing loans that happen. Therefore, the Bank must first be convinced of the capabilities and the ability to repay the loan. Thus the required Credit scoring is a system for analyzing the credit worthiness of the debtor in filing. However, analysis and review periodically the Credit scoring models have to be done, so that the model remains relevant and accurate in every prediction. This study was conducted on one of the branches Centers Small Credit Bank BNI, BNI SKC Djatinegara Jakarta, on 240 samples over the period 2011-1013 debtor. The study states that of the 24 variables Credit scoring is used today, only 11 variables were significantly influential in determining credit quality. These results are then formed a new Credit scoring models and their risk weighting of each parameter that can be recommended to the Bank.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2014
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Linggar Asa Baranti
"Divisi Business Service (DBS) merupakan salah satu divisi fungsi yang ada di PT. Telekomunikasi Indonesia (PT. Telkom). DBS berperan dalam pengelolaan corporate customer menengah ke bawah atau Usaha Mikro, Kecil, dan Menengah (UMKM). DBS menutup tahun 2018 dengan collection rate sebesar 79%. Collection rate yang rendah tersebut telah telah membawa kerugian bagi Telkom Group sebesar Rp 580 M. Keadaan DBS yang seperti ini perlu menjadi perhatian karena collection rate DBS di 2018 mengalami penurunan yang cukup signifikan dari tahun sebelumnya. Ditambah lagi, di tahun 2018, DBS adalah divisi dengan collection rate terendah dibanding divisi lain yang ada di Telkom. Collection rate yang rendah ini utamanya dipengaruhi oleh proses customer assessment di DBS yang saat ini masih belum memiliki pola yang tepat. Berdasarkan penjabaran di atas, penelitian ini mencoba mengeliminasi penilaian kualitatif yang yang terjadi pada customer assessment DBS. Penelitian ini akan merekomendasikan mekanisme customer assessment yang lebih efektif dengan adanya model matematika credit scoring yang di-develop melalui pendekatan regresi logistik. Dari hasil penelitian, didapatkan hasil bahwa ada 3 variabel finansial dan 3 variabel non-finansial yang mempengaruhi kelayakan customer, yaitu quick ratio, DER, EBIT/TA, reputasi bisnis, perkembangan industri, dan tingkat persaingan industri.

Divisi Business Service (DBS) is one of division in PT. Telekomunikasi Indonesia (PT. Telkom). DBS scope of work is responsible in handling Small Medium Enterprise (SME) customer. In 2018, DBS closed the year with 79% in collection rate. This rate had been declining from prior years. Moreover, compared to other divisions in Telkom Group, DBS had the smallest number. This number has inflicted financial loss to Telkom of IDR 580 Billion. Low rate of collection rate mostly caused by bad customer assessment which is done in the beginning of sales process. From those facts, this research is determined to give better alternative in the customer assessment process by implementing credit scoring model. The model will be derived by using logistic regression method. As the result, there are 3 financial and 3 non-financial variables which are affect the customer worthiness which are quick ratio, DER, EBIT, business reputation, industry growth, and business competition. Moreover, it has been proven that the model developed could represent the real condition, thus can be implemented."
Depok: Fakultas Eknonomi dan Bisnis Universitas Indonesia, 2019
T53547
UI - Tesis Membership  Universitas Indonesia Library
cover
Butarbutar, Ruslina Sinta Sabarina H.
"Bank perlu mengelola risiko kredit yang terkandung dalam portfolio kredit. Salah satu bentuk penilaian risiko kredit dengan menggunakan pendekatan atas dasar numerik adalah credit scoring.
Credit scoring merupakan suatu model statistik yang dibangun atas dasar data historis debitur dalam periode waktu tertentu untuk memprediksi probabilitas talon debitur akan default (gagaI bayar) dan umumnya digunakan dalam proses pemutusan kredit. Metode penyaringan calon debitur dengan menggunakan scoring cocok digunakan untuk penyaringan calon debitur konsumtif dengan berbagai keuntungan yaitu mengurangi subyektifitas keputusan kredit, waktu anaiisa lebih cepat sehingga cocok digunakan untuk kredit konsumtif yang jumlahnya massal, bersifat terukur, terdokumentasi dan mudah dikembangkan.
Tujuan dari penulisan ini untuk memberi gambaran mengenai pembentukan credit scoring yang dikembangkan oleh Bank X khususnya credit scoring pada kredit kepemilikan rumah (KPR) dan menyusun credit scoring model yang baru sebagai masukan bagi Bank X dalam mengantisipasi perubahan data demografi dan perilaku nasabah kredit konsumtif Bank X sejak implementasi awal model scoring KPR tersebut di tahun 2003. Penulisan difokuskan pada credit scoring model untuk KPR Bank X karena jenis kredit ini mencapai 42 % dari portfolio kredit konsumtif Bank X dan menunjukkan pertumbuhan yang baik.
Dari 1908 data debitur KPR Bank X yang berumur 2 - 3 tahun diolah dengan menggunakan logistic regression dan diperoleh model credit scoring baru dengan sebelas variabei yang signifikan terhadap credit scoring model produk KPR Bank X yaitu variabel region, usia, jumlah anak, pendidikan, pekerjaan, tipe perusahaan, income, Debt Service Ratio, Debt to Income, dan Lama Hubungan dengan Bank.
Uji terhadap model credit scoring yang dibentuk memberi hasil yaitu nilai Hit Ratio sebesar 82.1 %, yang berarti model dapat mengklasifikasikan sampel dengan correct classification sebesar 82,1 % ke dalam kelompok Good dan Bad , uji Hosmer & f emeshow Significance menghasilkan nilai chi-square 4.532 dengan signifikansi sebesar 0.806 menunjukkan bahwa data prediksi pada model dapat menggambarkan data aktual dan uji KS Statistic menghasilkan nilai sebesar 37.46 % menunjukkan bahwa model ini cukup peka dalam mernbedakan populasi Bad dan Good.
Uji terhadap probability of default atas dasar bad rate dari model credit scoring ini menunjukkan bahwa semakin tinggi score yang diperoleh maka probability of default akan semakin kecil. Intepretasi terhadap persamaan credit scoring model mengaitkan tipe talon debitur baik dari data demografi maupun data keuangan dengan nilai bobot skor yang dihasilkan.
Pembentukan model credit scoring juga akan memberikan suatu prediksi level acceptance rate kredit dan dengan menetapkan cut off score tertentu maka Bank X dapat memprediksi acceptance rate yang akan diperoleh yang dapat disesuaikan dengan target pencapaian kredit yang sesuai kebijakan ekspansi kredit Bank X. Bila berdasarkan penurunan had rate terbesar, maka cut off score dapat ditetapkan pada selang score 0-20 dengan acceptance rate 81.34 -91.72 %.

Credit portfolio risk management is a main issue that bank should address and per formed well. One of the numerical approach measurement of risk that can be used by bank is credit scoring.
Credit scoring is a statistic model that is built based on debitor 's historical database in certain period q f time. This model is constructed to predict the probability of debitor's default, and at the moment, widely used by banks in the credit approval decision making process.
Scoring screening method is appropriately used to sorting out consumer debitor applicant due to its advantages in reducing credit approval subjectivity bias and shot-tens analysis time. Accordingly, scoring method is suitable to be used for analyzing mass consumer credit that is measurable, document able and easy to develop.
The purpose of this paper is to exemplify credit scoring construction developed by bank X; in particular credit scoring on housing loan (Kredit Kepemilikan Rupiah), and composing a new credit scoring model proposition for bank X in order to anticipate changes in demography data and consumer credit's client attitude since its initial KPR credit scoring model implementation in 2003. This paper is focused on bank X's KPR credii scoring model as this type of credit comprise up to 42% of bank X consumer credit portfolio, and showing a constant and promising growth .
About 1908 data of 2-3 years Bank X's KPR debitor clients is processed using logistic regression, and a new credit scoring model with ten significant variables has been acquired. namely variable of region, age, number of children, level of education, occupation, type of company, income, Debt Service Ratio, Debt to Income and relationship period with bank.
The analysis of this new credit scoring model resulted a 82.1% Hit Ratio, which mean that this model is capable to classify sample into Good and Bad group up to 82.1% of the correct classification. Thus, a 4.532 chi square value of Hosmer & Lemeshow Significance analysis with a 0.806 level of significance implies that model 's data prediction can illustrate an actual and tangible data. Furthermore, the 37.46 % value of KS Statistic analysis exhibits model 's high level sensitivity in differentiating Good and Bad population.
Analysis of probability of default of this credit scoring model, using bad rate based test, shows. that the higher the score is the lower probability of default will be. Moreover, credit scoring model equation interpretgtiott links debitor applicant's demography and financial type data with the weighted scored that it produced.
The credit scoring model formation will also provide prediction of credit acceptance rate level and accordingly, with a certain cut off score level, bank X can also predict the adjustment of expected acceptance rate with bank X's targeted loan expansion policy. In the condition based on the highest bad rate decreased, cut off score then, could be pegged at the 0-20 interval with acceptance rate 81.3-1 -91.72 % .
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2006
T18417
UI - Tesis Membership  Universitas Indonesia Library
cover
Eksir
"Kredit Konsumsi nasional sejak krisis moneter sampai dengan bulan Juni 2005 mencatat pertumbuhan tertinggi dibandingkan dengan kredit modal kerja dan kredit investasi. Jumlah penduduk yang besar, keinginan konsumen untuk scialu memenuhi kebutuhan primer, sekunder bahkan tersier, perilaku masyarakat yang cenderung konsumtif, membaiknya daya beli konsumen setelah krisis moneter, meningkatnya pertumbuhan proyek property, terutama di perkotaan, meningkatnya jaringan pemasaran retail, supermarket bahkan hyper market, intensifnya pembukaan jaringan perbankan maupun lembaga keuangan sampai ke pelosok-pelosok kecamatan bahkan desa, khususnya untuk menyediakan pembiayaan kendaraan bermotor, adalah faktor-faktor yang antara lain menyebabkan pertumbuhan kredit konsumsi.
Bank X sebagai bank hasil merger beroperasi pada tahun 1999, melakukan pemasaran intensif berbagai produk kredit konsumsi sejak tahun 2002. Sejalan dengan perkembangan perbankan nasional, maka pertumbuhan kredit konsumsi di Bank X mencatat pertumbuhan tertinggi dibandingkan pertumbuhan di segmen corporate, commercial maupun segmen small business dan micro banking. Portofolio kredit konsumsi yang semula hanya sebesar +/- Rp 1,5 trilyun pada tahun 2002, meningkat menjadi sebesar Rp 9,6 trilyun pada bulan Juni 2005. Produk kredit konsumsi, yailu KPR dan Kredit Multiguna mendominasi 81% total portofolio kredit konsumsi di Bank X, sedangkan sisanya tersebar melalui produk Kredit Mitrakarya, Kredit Bebas Agunan (KBA), Kredit Kendara dan Kredit Agunan Deposito (KAD). Peningkatan yang signifikan tersebut dari sisi volume maupun pertumbuhan tersebut, memerlukan langkah antisipasi terhadap aspek risiko kreditnya.
Pada tahun 2003 Bank X mengimplementasikan credit scoring untuk menggantikan pengambilan keputusan kredit secara expert systems yang mengandalkan kemampuan justifikasi petugas kredit dan pemegang kewenangan. Penggunaan credit scoring secara otomatisasi menghasilkan keputusan kredit yang lebih cepat dengan justifikasi keputusan yang homogen/seragam. Kemampuan credit scoring dalam memprediksikan potensi default sangat bergantung kepada parameterlvariabel utama yang diukur dan bobot risiko yang ditetapkan dalam model. Namun demikian dalam prakteknya, relevansi masingmasing parameter/variabel dan bobot risiko yang digunakan sensitif terhadap perubahan indikator-indikator ekonomi utama, seperti perubahan inflasi, perubahan nilai tukar rupiah/dollar dan perubahan suku bunga. Kombinasi perubahan indikator ekonomi, memberikan dampak secara langsung atau tidak langsung, terutama bagi mayoritas debitur kredit konsumsi yang berpenghasilan tetap (fixed income). Dampak yang terasa dengan adanya perubahan indicator ekonomi tersebut di atas adalah cenderung memberikan tekanan kepada pendapatan, biaya hidup dan kemampuan membayar kewajiban (angsuran). Dengan demikian tuntutan terhadap review secara berkala terhadap model credit scoring yang digunakan menjadi mutlak, agar model credit scoring tetap relevan dan tetap akurat dalam prediksinya.
Berdasarkan kajian terhadap kondisi makro ekonomi dapat disimpulkan bahwa tuntutan review terhadap model credit scoring mutlak segera dilakukan. Kondisi ini terlihat dari perubahan indikator ekonomi utama pada tahun 2005 yang sudah sangat berubah dibandingkan pada saat tahun awal (2003) credit scoring diimplementasikan, seperti kenaikan 2 kali harga BBM selama tahun 2005 yang mendorong inflasi yang mendekati angka 15%, nilai tukar rupiah terhadap dollar yang melebihi angka Rp 10.000 dan peningkatan BI rate yang mencapai 12,25%.
Apabila dilihat profil risiko masing-masing produk terlihat perkembangan tingkat NPL kredit konsumsi cenderung merambat naik, walaupun masih dalam angka yang dapat ditoleransi (dibawah 3%). Selanjutnya hasil vintage analysis terhadap beberapa produk kredit konsumsi cenderung memburuk, khususnya pada kredit-kredit yang diberikan pada periode akhir tahun 2004 sampai bulan Juni 2005. Sedangkan analisis yang dilakukan terhadap nilai Kolmogorov-Smimov (KS) model credit scoring, menunjukkan berada pada angka rata-rata 4%, jauh di bawah angka yang direkomendasikan (20%-75%). Kondisi-kondisi ini memberikan pertanyaan apakah model credit scoring yang diimplementasikan sejak bulan Juni tahun 2003 masih relevan untuk menangkap dinamika risiko, atau masih akurat dalam memprediksikan potensi default ke depannya.
Berdasarkan penelitian yang dilakukan terhadap model credit scoring yang digunakan oleh Bank X, maka menunjukkan terdapat 13 variabel/parameter yang digunakan dalam memprediksikan potensi default calon debitur, dengan didukung oleh 53 karakteristik yang tersebar dalam berbagai bobot risiko. Adanya jumlah database yang mendukung dalam melakukan simulasi perubahan model adalah faktor penting dalam melakukan perbaikan terhadap model credit scoring yang digunakan. Namun demikian kegiatan memvalidasi model credit scoring secara berkala mutlak dilakukan agar agar model tetap relevan, untuk menekan tingkat risiko kredit yang terjadi. Di masa mendatang, walaupun adanya keterbatasan biaya, namun diharapkan adanya model credit scoring yang berbeda untuk tiap wilayah maupun berbeda untuk setiap produk kredit konsumsi, dapat lebih realistis mendukung target ekspansi kredit konsumsi yang ditetapkan oleh Bank X.
Mencermati permasa[ahan yang ada, ke depannya Bank X perlu melakukan beberapa langkah yang diharapkan cukup efektif untuk menekan tingkat risiko kredit konsumsi, antara lain fokus kepada pemasaran KPR dan Kredit Multiguna, lebih intensif melakukan pemasaran kepada segmenikelompok talon debitur profesi karyawan, melakukan validasi model secara berkala, melakukan penyesuaian terhadap angka debt service ratio dan angka loan to value dikaitkan perubahan kondisi makro, mendorong tumbuhnya cross-selling khususnya sesama produk Bank X, menetapkan suku bunga kredit atas dasar risiko individu dan melakukan perbaikan secara berkesinambungan pada kualitas tenaga pemasar (Direct Sales Agency)."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2005
T18198
UI - Tesis Membership  Universitas Indonesia Library
cover
Aryani Dewi Lengkana
"Pada awal Oktober 1995, Pemerintah memperkenalkan skim kredit baru yang diperuntukkan bagi pengusaha kecil yang diberi nama Kredit Kelayakan Usaha atau disingkat KKU. Sesuai dengan namanya, dasar penilaian pemberian kredit ini dititikberatkan pada kelayakan usaha penerima kredit, dan bukan dititikberatkan pada ada atau tidak adanya agunan tambahan. Kebijakan mengenai pemberian kredit yang menitikberatkan penilaian pada kelayakan usaba penerima kredit sebenamya bukanlah merupakan hal yang baru dalam dunia perbankan. Sebut Saja KIK/KMKP yang dikeluarkan Pemerintah pada akhir tahun 1973. Dalam prakteknya kredit jenis ini ternyata tidak dapat dilaksanakan sebagaimana mestinya, karena kalangan perbankan pada saat itu merasa kesulitan untuk memberikan kredit kepada pengusaha kecil dengan hanya menilai faktor kelayakan usahanya saja tanpa mempunyai sesuatu yang layak untuk dapat dijadikan sebagai jaminan pengembalian kreditnya. Terlebih lagi dalam Undang undang No. 14 Tahun 1967 tentang Pokok-pokok Perbankan pasal 24 dinyatakan secara tegas bahwa bank tidak memberi kredit tanpa jaminan kepada siapapun juga Pandangan perbankan mengenai pentingnya aspek jaminan dalam setiap pemberian kredit mengalami perubahan setelah dikeluarkannya Undang-undang No. 7 Tahun 1992 tentang Pokok-pokok Perbankan yang menggantikan UU No. 14 Tahun 1967, dimana dalam pasal 8 dinyatakan bahwa dalam memberikan kredit, Bank Umum wajib mempunyai keyakinan atas kemampuan dan kesanggupan debitur untuk melunasi hutangnya sesuai dengan yang diperjanjikan. Isi dari ketentuan pasal 8 ini sangat memungkinkan untuk dapat dijadikan sebagai landasan hUkum yang kuat bagi berlakunya ketentuan skim KKU, dimana aspek watak, kemampuan serta prospek usaha debitur menjadi dasar penilaian yang lebih diutamakan daripada penilaian terhadap aspek jaminan. Komitmen Pemerintah untuk mengembangkan sektor usaha kecil secara optimal dengan cara memberikan kemudahan kepada mereka untuk mendapatkan akses ke dunia perbankan, patut kita harus dan sudah selayaknyalah mendapat dukungan dan pematian dari semua pihak terutama pihak perbankan. Dengan demikian sektor usaha kecil diharapkan dapat lebih memberikan kontribusinya bagi kemajuan perekonomian nasional."
Depok: Fakultas Hukum Universitas Indonesia, 1997
S20716
UI - Skripsi Membership  Universitas Indonesia Library
cover
Ajar Susanto Broto
"Tesis ini membahas penerapan model credit risk scoring yang digunakan untuk penilaian kelayakan kredit mikro dan dalam penerapan credit scoring tersebut maka dilakukan penetapan parameter scoring yang memenuhi kaidah statistika menggunakan metode regresi logistik, disamping itu juga dilakukan penetapan bobot skor setiap parameter menggunakan metode dimaksud. Hasil penelitian menyarankan untuk digunakan metode scoring yang dilengkapi dengan proses backtesiing secara berkala dan juga stress testing untuk menguji ketahanan hasil model terhadap kondisi makro maupun worstcase condition."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2009
T26526
UI - Tesis Open  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>