Hasil Pencarian  ::  Simpan CSV :: Kembali

"Karya akhir ini bertujuan untuk mengukur besarnya risiko kredit khususnya untuk scgmen karlu kredit Bank X di tahun 2005 dengan mempergunakan metode CreditRisk+. Alasan pcinilihan topik ini adalah :a. Produk Karlu Kredit merupakan jenis kredit yang memiliki resiko tinggi, mengingat sejak keputusan pemberian kredit oleh bank cenderung hanya didasarkan kepada verifikasi dokumen pendukung seperti slip gaji, surat keterangan, lembar penagihan kartu kredit bank lain, hasil rating sesama anggota Asosiasi Kartu Kredit Indonesia (AKKI), hasil verifikasi melalui telepon, serta lambahan dokumen pendukung lainnya, dan hanya sebagian calon pemegang karlu kredit yang prosesnya didahului oleh survey atau pengecekan lapangan mengingat kemampuan bank umumnya tidak memungkinkan unluk melakukan pengecekan lapangan semua calon pemegang kartu kredit, juga karena proses keputusan kredit hams sudah diberikan paling lambat lima hari sejak aplikasi kartu kredit diterima bank, selain itu kredit yang diberikan adalah unluk tujuan konsumsi dan tidak memiliki jaminan atas pemberian kredit tersebut.b. Bank X adalah penerbit kartu kredit terbesar not-nor dua di Indonesia di tahun 2005 setelah Citibank dengan jumlah pcmegang kartu kredil lebih dari 800.000 Cardholder dengan total outstanding balanced sebesar lebih dari Rp. 1,5 trilyun sehingga terdapat potensi risiko kredit yang cukup besar khususnya dalam hal terjadinya Default bagi Bank X, apabila pengeiolaan risiko kredit nya tidak dilakukan secara baik.c. Bank X belum mencrapkan metode Internal Raring Base (IRB) approach khususnya metode CrcclitRiski- untuk menghitung risiko kredit portofolio kartu krcdit nya.d. Adanya ketentuan Basel 11 tcntang kcharusan menghitung risiko krcdit scbagai salah satu unsur dalam menghitung CAR.Berdasarkan ketentuan Basel II, perhitungan risiko krcdit dapat mempergunakan beberapa pendekatan, antara lain dengan Standardized Model dan Internal Model, dimana dalam penelitian ini akan dilakukan perhitungan dengan menggunakan Internal Model dengan pendekatan CreditRisk+.CreditRisk+ dianggap sebagai Internal Model yang tepat untuk menghitung risiko krcdit pada suatu portofolio, hal ini karena metode ini dapat dipergunakan untuk menghitung risiko krcdit suatu portofolio krcdit dalam jumlah yang banyak namun dengan besaran outstanding masing-masing krcdit kecil, juga karena metode ini tidak memerlukan tambahan data makro sehingga dalam penerapannya lebih efisien namun tetap efektif. Selain itu metode ini dikenal scbagai Default Model yang hanya mcmbedakan portofolio krcdit menjadi dua golongan yaitu bagian portofolio krcdit yang An Del iult dan Default saja scrta mcngabaikan penycbab tcrjadinya Default tersebut.Penerapan CreditRisk+ dilakukan dengan menghitung risiko kartu kredit di Bank X dengan batasan-batasan scbagai berikut :a. Data portofolio kartu kredit yang dipergunakan adalah data selama 12 bulan di tahun 2005.b. Nilai exposure berkisar antara Rp 500 ribu hingga Rp 250 juta, mengingat hampir 90% oposure yang ada di dalam portofolio Bank X berada pada kisaran nilai tersebut, tanpa memperhatikan jenis kartu kredit Classic, Gold atau Platinum.Secara garis besar, tahapan penghitungan risiko kredit mempergunakan metade CreditRisk+ dilakukan dcngan mcnghitung Frequency of Default dan Severity cof Losses, kemudian rnenghitung Distribution of Default Losses. Selanjutnya dari perhitungan terschut, akan diperaleh besamya potensi kerugian berupa Expected Loss. Unexpected Loss dan bcsarnya Economic Capital untuk menutup kerugian yang terjadi.Perhitungan portofolio kartu kredit dengan mempergunakan metade CreditRisk+ dengan asunisi tingkat keyakinan 95% dan Probability of Default dihitung dcngan Poisson Model, menunjukkan basil sebagai berikut:a. Nilai Expected Loss yang menunjukkan besamya kerugian yang diperkirakan tcrjadi setiap bulan dapat dihitung nilainya mempergunakan metode CreditRisk+, sebagai contoh nilai Expected Lost di bulan November 2005 bcsarnya adalah Rp.74,823 Milyar. Nilai Expected Loss setiap bulan tersebut diharapkan dapat ditutup olch nilai PPAP yang dibcntuk oleh Bank X dan dcngan mernpergunakan Likelihood Ratio Test dikctahui bahwa hampir scluruh Expected Loss yang ada di tahun 2005 masih dapat ditutup oleh nilai Pencadangan Penghapusan Aktiva Produktif(PPAP) yang dibcntuk olch Bank X.b. Dengan pencrapan metade CreditRisk+ dal= penelitian ini, besamya nilai VaR sctiap bulan juga dapat dihitung nilainya, dengan tingkat kepercayaan 95 % maka nilai VaR suatu bulan menunjukkan proyeksi besamya nilai kerugian terbesar (Unexpected Loss) bulan berikutnya, sebagai contoh nilai VaR bulan November 2005 sebesar Rp.82,875 Milyar yang menunjukkan proyeksi nilai kerugian maksimum bulan Desember 2005 dengan tingkat kepercayaan 95 %, dimana nilai kcrugian aktual pada bulan Desembcr adalah sebesar Rp.80,303 Milyar.c. Hasil pengujian dcngan metode Likelihood Ratio pada tingkat kepercayaan 95%, mcnunjukkan bahwa sclama periodc pengamatan besarnya nilai VaR yang mcrupakan proycksi jumlah kerugian terbcsar bulan bcrikutnya cukup akurat untuk dipcrgunakan dalam mcnghitung risiko krcdit, karena selama periodc pengamatan seluruh nilai kcrugian aktual yang terjadi masih dibawah =bang batas jumlah kcrugian yang dapat ditolelir atau tidak terdapat nilai kerugian aktual yang nilainya lcbih bcsar atau sama dcngan nilai- VaR yang dihitung dcngan mctodc CredirRisk+.d. Dengan mempcrbunakan mctodc CredizRi.sk+, Bank X mempcrolch insentif berupa penurunan kewajiban pemenuhan modal, scbagai contoh di bulan November 2005 kewajiban pemenuhan modal mempcrbunakan metode CrecliiRisk+ adalah 0.39 % dad total exposure nya, angka ini jauh lcbih rendah dibandingkan dengan mempcrbunakan Standardized Approach yang mcnghasilkan kewajiban pemenuhan modal sebesar 6,29 % dari total exposure, schingga Bank X mempcrolch insentif nilai modal sebesar 5,90% (6,29% - 0,39%) yang dapat dialokasikan oleh Bank X untuk kcpcntingan lainnya yang lcbih produktif.e. Bank X memperolch manfaat lain dad pcncrapan metode CredirRisk+, selain dapat menghitung risiko kredit nya secara Icbih akurat. pcncrapan metode ini dapat mcmbantu manajcmen Bank X dalam mcnyusun strategi yang lebih cfcktif dan pengalokasian SDM yang Iebih akurat dalam mclakukan penagihan kreditnya yang Default.

---

The purpose of this thesis is to measure credit risk especially for the credit card segment of Bank X in 2005 by utilizing the CreditRisk+ method.The reasons of selecting this topic are:a. Credit Card is a type of credit that has a high risk, because since the decision of credit offer by the bank tends to be only based on supporting document verification for instance salary slip, recommendation letter, other bank's billing statement, rating result from other members of Asosiasi Kartu Kredit Indonesia (AKKI), phone verification result, as well as (he addition of the other supporting document, and only some of the process of the cardholder's applicant is proceeded by survey or external verification (on the spot), concerning that the bank's capacity generally does not possible to do field verification for all applicants, also because of the decision must been given at least in five days since the credit card application is accepted by the bank, moreover credit that is given aims for consumption and does not have the collateral.b. The Bank X is on 2''d rank of credit card's issuer in Indonesia in 2005 after Citibank, with the numbers of cardholders are more than 800.000 and the total outstanding balanced is more than Rp.1,5 trillion. On that condition, The Bank X has a potential high risk on its credit especially in the matter of the default occurrence, if the risk management of its credit is not well developed.c. The Bank X has not applied the method of Internal Rating Base (IRB) approach yet especially the CreditRisk+ method to calculate the credit risk of its credit card's portfolio.d. There is the regulation of Basel II about obligation to calculate the credit risk as one of the elements in calculating Capital Adequacy Ratio (CAR).Based on the Based in regulation, the calculation of the credit risk can be utilized in several approaches, such as by Standardized Model or Internal Model, that in this research it will be done credit risk calculation by using Internal Model with the CreditRisk+ approach.CreditRisk+ was reputed as the precise Internal Model to calculate the risk of credit in a portfolio, because this method can be utilized to calculate the risk of credit in a large portfolio of each small credit, also because of this method do not need the addition of the macro's economic data, so in its implementation is more efficient but still effective. Moreover this method is known as the Default Model that differentiates the credit portfolio only into two groups, the first is a Not Default credit portfolio and the other one is a Default credit portfolio, also this model ignores the cause of the Default occurrence.The implementation of CreditRisk+ is done by calculating the risk of the credit card in the Bank X with limitations as follows:a. The credit card portfolio data is the data for 12 months in 2005.b. The exposure revolves between Rp. 500 thousand up to Rp. 250 million; considering that almost 90% exposure available in the Bank X's portfolio is in that value range, without considering the type of Classic, Gold or Platinum card.In general, the stage of calculating credit risk with the CreditRisk+ method will be done by calculating Frequency of Default and Severity of Losses, afterwards calculating Distribution of Default Losses. From the result, will gel the potential loss such as Expected Loss, Unexpected Loss and the Economic Capital to cover the loss.The calculation of credit card portfolio by utilizing the CreditRisk+ method with the assumption of the 95%conviction level and probability of default is calculated by Poisson's model, shows results as follows:a. The Expected Loss that shows the estimated loss occurs every month can be calculated with CreditRisk+ method, for example is the Expected Lost value in November 2005 is Rp.74, 823 Billion. That value is expected to be covered by the PPAP that is formed by Bank X and by utilizing Likelihood ratio test it is known that almost all Expected Loss in 2005 still can be covered by the value of PPAP (Pencadangan Penghapusan Aktiva Produktif) that is formed by Bank X.b. With implementation of the CrediiRisk+ method in this research, the size of VaR every month also can be calculated, using the 95 % level of reliability so value of VaR (Unexpected Loss) in a month shows the projection of the biggest losses in the following month, for example is the size of VaR in November 2005 is Rp.82, 875 Billion, it shows the projection of the maximum loss in December 2005 with the 95 %level of reliability, the actual loss in December is Rp.80, 303 Billion.c. The result of the Likelihood Ratio method on 95% level of reliability shows that during the period of observation the size of VaR that shows the projection of the biggest loss in the following month. It is quite accurate to be utilized in calculating the risk of credit, because during the period of observation all of the actual value of loss that is happened is still under the limitation of tolerant total of loss or do not have the actual loss bigger than or same as the VaR value that is calculated with the CreditRisk+ method.d. By utilizing the Credit Risk+ method, Bank X receives incentive of the capital's fulfillment obligation reduction, for example in November 2005 the fulfillment obligation of capital utilized by the CreditRisk+ method is 0,39 % from the total exposure, this number is much more lower compared with Standardized Approach that produces the fulfillment obligation of capital for 6,29 % from the total exposure, therefore Bank X receives 5,90% (6,29% - 0,39%) capital incentive that can be allocated in more other productive area by Bank X.e. Bank X receives another benefit from the implementation of CreditRisk+ method, besides it can calculate the credit risk more accurately, this method implementation can help the management of Bank X to develop more effective strategy and more accurate human resources allocation in dunning its Default credit."

"Sebagai tindak lanjut dari rencana bisnis Bank BNI pasca restrukturisasi, peningkatan porsi bisnis ritel, dalam hal ini bisnis kartu kredit merupakan bagian penting yang membutuhkan dukungan teknologi informasi yang intensif. Sejalan dengan itu, pembentukan Divisi Pengelolaan Bisnis Kartu selanjutnya disebut BNIPBK, sebagai penanggung jawab pelaksanaan bisnis kartu kredit memperlihatkan keseriusan Bank BNI untuk terjun di dalam bisnis ini. Dalam perjalanannya BNI-PBK telah mengimplementasikan perangkat lunak Vision Plus, selanjutnya disebut V+, yang kemudian digantikan perannya oleh Card Link, selanjutnya disebut CL. Yang menarik adalah rentang waktu penggantian antara perangkat lunak yang satu dengan lainnya terbilang relatif cukup pendek. Dikaitkan dengan aspek bisnis dan aspek teknologi, studi kasus ini akan membahas keputusan penggantian perangkat lunak tersebut dari sudut pandang Information Economics (IE). Penggunaan Traditional Cost Benefit Analysis (TCBA) dirasakan belum cukup akurat untuk dapat mengevaluasi dampak yang ditimbulkan atas investasi teknologi informasi. Faktor adanya intangible benefit merupakan suatu hal yang harus mendapatkan pertimbangan tersendiri. Hal ini terlihat dengan perolehan skor dari proyek V+ yang secara finansial lebih besar biaya yang dibutuhkan dibandingkan dengan proyek CL. Proyek V+ mendapatkan nilai 146,51 sedangkan proyek CL memperoleh nilai 122,96.

---

As a follow-up to the post-restructurization business plan, the increase of retail business portion, especially credit card business is the most important part that needs an intensive support from the information technology department. In line with the concept, the establishment of credit card division, called BNI-PBK that is m charge of credit card management, marks the Bank's seriousness in the business.

In its development, BNI-PBK has implemented The Vision Plus software, later known as V +, as its production software which was replaced by Cardlink, later called CL. The interesting part is the replacement time difference between one software to the other one which is relatively short.

Related to the business and technology aspects, this case study discusses the decision on changing that particular software based on Information Economics (IE) point of view. The calculation using the traditional cost benefit analysis (TCBA) is assumed to be insufficiently accurate in order to evaluate the effects that are caused by the information technology investment. The intangible benefit factor is one thing that needs its own consideration. It is shown by V+ project which is financially have a larger cost items compare with CL project. The final score for V+ project is 146,51 where CL project has 122,96."

"Bisnis Menengah Bank BRI merupakan suatu unit bisnis yang menyalurkan pinjaman diatas Rp.5 milyar. Melihat besamya putusan pinjaman di bisnis menengah maka dapat dibayangkan apabila terjadi default pada salah satu nasabah yang menikmati fasilitas pinjaman sebesar Rp.50 milyar maka akan sangat mempengaruhi kinerja perkreditan dari unit bisnis yang bersangkutan. Mengingat nasabah pinjaman untuk bisnis menengah merupakan nasabah yang sangat bankable, maksudnya memiliki dokumentasi perusahaan yang baik hingga agunan yang cukup memadai maka perlu suatu kajian mengenai penerapan suatu metode internal yang cocok untuk pengukuran risiko kredit bisnis menengah. Dalam pengukuran risiko kredit menggunakan internal model penting mengetahui probabilitas transisi, kualitas kredit untuk masing-masing sektor ekonomi dan perbandingan besamya hasil perhitungan expected loss dengan perhitungan cadangan Penyisihan Penghapusan Aktiva Produktif (PPAP) dan actual loss kredit bisnis menengah di Bank BRI.Perhitungan expected loss ini merupakan langkah awal dari penerapan Internal Rating Based Model dalam Creditmetrics Framework dan merupakan salah satu model untuk mengukur potensi kerugian karena penyaluran kredit dengan jumlah pinjaman yang besar dan jumlah nasabah yang sedikit. Perhitungan ini juga merupakan model unconditional sehingga tidak memerlukan tambahan data makro dan mengabaikan penyebab dari terjadinya default. Dalam perhitugan expected loss dari credit risk modelling ini digunakan tiga tahapan, yaitu pertama menghitung besarnya probability of default dari masing-masing sektor ekonomi dan dihitung probability of default dari kredit bisnis menengah. Kedua, menghitung present value non performing loan. Ketiga, menghitung besamya loss given default dari nilai recovery rate kredit bermasalah.Hasil perbitungan expected loss menunjukkan potensi kerugian kredit menengah bank BRI masib lebib rendab dibandingkan dengan basil perbitungan cadangan PPAP dan masih lebih besar apabila dibandingkan dengan realisasi actual loss. Hal ini terlibat dari :1 ). Pada tabu:n 2002, besamya cadangan PP AP yang dibentuk oleb bank BRI sebesar Rp.l.047.537.418.718,- atau sebesar 31,51% dari total EAD selurub sektor ekonomi sedangkan seandainya cadangan dibuat berdasarkan .perbitungan expected loss adalah 20,90% dari total EAD atau sebesar Rp. 694.743.347.139,- dan realisasi write off pinjaman atau actual loss sebesar 9,37% dari total EAD atau dalam bentuk nominal sebesar Rp. 311.609. 762.285,-.2). Pada tabun 2003, besamya cadangan PP AP . yang dibentuk sebesar Rp.823.961.511.627,- atau 31,58% dari total EAD selurub sektor ekonomi sedangkan berdasarkan perbitungan expected loss sebesar 9,4"6% dari total EAD atau sebesar Rp. 246.815.428.656,- dan realisasi actual loss 4,20% dari total EAD atau sebesar Rp. 109.621.495.409,-.Berdasarkan basil backtesting, pada tabun 2002 besamya actual loss berupa penghapusbukuan pinjaman bermasalab nilainya berada jaub dibawab hasil perhitungan expected loss. Sedangkan pada tabun 2003, besamya perbedaan actual loss dan hasil perhitungan expected loss sudab semakin kecil. Hal ini disebabkan karena:(a). Sudah mulai semakin baiknya penerapan internal credit risk rating di bank BRI.(b). Meningkatnya perbaikan penanganan kredit bermasalah di bank BRI sebingga dapat menekan angka actual loss.Untuk mendapatkan hasil yang lebih baik, bank BRI perlu menerapkan dan mengembangkan Credit Risk Model mengenai The Internal Rating Based Model Foundation Approach dari Creditmetrics dalam perhitungan expected loss karena hasil perhitungan untuk pembentukan cadangan jauh lebih efisien dibandingkan dengan perhitungan cadangan PPAP yang diterapkan saat ini oleh bank BRI."

"Dalam tahapan perekonomian yang modern masyarakat lebih menyukai pembayaran secara non-tunai salah satunya kartu kredit. Dengan memasyarakatnya pembayaran dengan kartu kredit, penyalahgunaan melalui kartu kredit yang telah dilaporkan hilang/dicuri juga meningkat sehingga hal ini sangat merugikan pihak penerbit kartu kredit. Metode penelitan yang dilakukan Pertama, Penelitian lapangan (Field Research) yaitu wawancara pejabat dari "XYZ" Card Center. Kedua, Penelitian Kepustakaan (Library Research) yaitu penelitian melalui pembacaan buku-buku serta kuliah-kuliah di fakultas, media massa dan lain sebagainya. Penyalahgunaan kartu kredit yang telah dilaporkan hilang/dicuri terjadi dikarenakan adanya jarak waktu antara tanggal kartu kredit hilang dengan tanggal pemberitahuan pihak IIXYZ II Card Center kepada para anggota pedagangnya (Merchant). Dimana Jumlah kartu kredit hilang/dicuri yang disalahgunakan melalui metode Korelasi dan Regresi terbukti mempunyai hubungan dan signifikansi yang kuat dengan biaya penyalahgunaan akibat kartu kredit hilang/dicuri. Dengan cara mengeluarkan pemberitahuan adanya kartu hilang setiap hari kepada para pedagangnya (dikenal dengan nama IIHot Flier ll ) IIXYZ II Card Center dapat meminimalkan biaya penyalahgunaan yang disebabkan karena kartu kredit hilang/dicuri. KesimpLl1 an Pertama, II XYZ II Card center merupakan pelopor dari kartu kredit produksi dalam negri. Kedua, meminimumkan biaya penyalahgunaan kartu kredit akibat kartu hilang/dicuri dapat dilakukan dengan meniadakan jarak waktu kartu dilaporkan hilang dengan pemberitahuan kepada anggota pedagang (merchant). Saran-saran Pertama, melakukan penerangan yang baik dan benar kepada para anggota merchant dalam cara penerimaan kartu kredit. Kedua meletakkan foto pemegang kartu pada kartu kredit yang bersangkutan."

"Jumlah cardholder yang masih relatif kecil untuk ukuran penduduk Indonesia memungkinkan para issuer kartu kredit untuk memperbesar market share mereka. Salah satu caranya dengan memperluas target market. Jika pada awalnya kartu kredit hanya bagi kaum profesional, maka saat ini mahasiswa pun dapat memilikinya. Kondisi inilah yang mendasari penulis untuk melakukan penelitian terhadap perilaku para mahasiswa di DKI Jakarta untuk memutuskan membeli kartu kredit. Tujuan penelitian ini adalah untuk: (1) mengetahui variabel yang mempengaruhi keputusan pembelian kartu kredit oleh mahasiswa; (2) bagairnana opini mereka terhadap kartu kredit. Skripsi ini selain mencoba menjawab kedua permasalahan tersebut, juga menganalisis kondisi industri kartu kredit di tanah air. Penelitian ini menggunakan metode deskriptif-explanatory dengan teknik pengumpulan data melalui library research dan survey lapangan. Respondennya adalah para mahasiswa di DKI Jakarta yang sampelnya ditentukan secara proporsional Hasil penelitian menunjukan bahwa ada enam variabel perilaku konsumen yang mempengaruhi keputusan pembelian kartu kredit oleh mahasiswa yaitu (diurutkan berdasarkan variabel yang paling berpengaruh) ; variabel situasi pemakaian, pengetahuan, situasi komunikasi, kelas sosial, kelompok acuan dan gaya hidup. Opini responden terhadap alasan mengapa dia memilih kartu kredit jenis tertentu sangat dipengaruhi berturut-turut (berdasarkan faktor yang paling berpengaruh) oleh faktor kepraktisan kartu kredit, pelayanan yang memuaskan dari para bank issuer, persyaratan kepemilikan yang mudah, rentang jatuh tempo yang cukup panjang, bunga kredit yang kecil, reputasi dari bank issuer kartu kredit dan yang terakhir adalah kegunaan kartu kredit untuk berbagai macam transaksi. Meskipun kondisi perekonomian masih lesu namun bisnis kartu kredit masih relatif lebih balk dibandingkan dengan jenis pinjaman lainnya seperti corporate, commercial maupun perorangan karena walaupun jumlah kartu banyak tapi credit limit per kartu kecil sehingga resiko bisnis masih terkendali. Analisis yang dilakukan oleh penulis terhadap berbagai data lapangan yang terkumpul mengacu pada model pendekatan perilaku konsumen yang dikemukakan oleh Engel, Blackwell dan Miniard dalam buku Consumer Behavior mereka. Disamping beberapa buku teks pemasaran dan psikologi."

"Perkembangan penggunaan alat pembayaran dengan menggunakan kartu kredit telah maju dengan pesat sejalan dengan perkembangan ekonomi. Begitu maraknya bisnis kartu kredit membuat hampir semua bw bahkan perusahaan nonbank tergiur untuk berlomba menerbitkan kartu kredit. Seringkali kita membaca dirubrik pembaca dimedia cetak yang memaparkan keluhan mereka terhadap pelayanan kartu kredit ini, apalagi melesatnya jumlah penerbitan kartu edit ternyata belum diimbangi oleh adanya peraturan perundangan-undangan yang melindungi konsumen kartu kredit. Bahkan dalam Undang-Undang No. 7 Tahun 1992 Tentang Perbankan, tidak ada pasal yang jelas yang mengatur tentang Kartu Kredit. Dasar hukum yang dipegang oleh para pihak yang terlibat dalam bisnis kartu kredit ini hanyalah perjanjian yang dibuat oleh para pihak. Penerbit Kartu Kredit (Issuer) biasanya telah membuat dan menyiapkan. Perjanjian Keanggotaan Kartu Kredit dalam bentuk standarbaku. Perjanjian Keanggotaan Kartu Kredit isinya berat sebelah karena di satu sisi kewajiban Pemegang Kartu Kredit (CardHolder) diatur secara detail, namun di sisi lain, hak konsumen atau kewajiban Issuer sangat minim diatur. Bahkan tampak adanya klausula eksemsi/eksonerasi. Secara terang terangan penerbit kartu kredit membatasi tanggung jawabnya kepada konsumen. Posisi konsumen juga lemah ketika ada masalah antara konsumen dengan penerbit kartu kredit. Konsumen sering dihadapkan pada posisi sulit ketika dipaksa menerima bukti-bukti dari penerbit kartu kredit dan konsumen tidak dapat mengcounter dengan bukti lain karena konsumen tidak mempunyai akses terhadap teknologi yang dipakai dalam bisnis kartu kredit. Penerbit Kartu Kredit dalam menyelesaikan kredit macet seringkali juga menggunakan debt collector dengan cara mengintimidasi, teror dan lain-lain sehingga mengakibatkan pemegang kartu kredit terancam keselamatannya. Selama ini juga Pedagang (Merchant) membedakan antara pembeli dengan menggunakan kartu kredit dengan pembeli secara tunai misalnya dengan mengenakan biaya tambahan. Padahal dalam perjanjian Merchant diatur ketentuan bahwa merchant tidak boleh membeda-bedakan antara pembeli dengan kartu kredit dan pembeli secara tunai. Selain itu dibalik kecanggihannya, ternyata kartu kredit juga merupakan lahan kejahatan yang tidak kalah canggihnya. Sedangkan peraturan perundang-undangan yang mengatur kejahatan terhadap kartu kredit ini belum diatur. Oleh karena itu harus segera dibuat peraturan perundang-undangan tentang kartu kredit dan perlindungan terhadap konsumen."