Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Kredit sindikasi adalah pinjaman yang diberikan oleh lebih dari satu kreditur yang bertujuan untuk memberi kredit pada suatu perusahaan yang memerlukan kredit dalam rangka pembiayaan terhadap suatu proyek. Namun, pada akhir tahun 2019 dunia digemparkan dengan kemunculan varian virus baru yaitu Coronavirus Disease 2019 (COVID-19) yang berdampak pada perekonomian dunia, salah satunya Indonesia yang turut terdampak secara langsung dan tidak langsung mengenai stabilitas sistem keuangan dan kinerjanya, sehingga menyebabkan dinamika kredit perbankan menjadi macet. Permasalahan kredit sindikasi adalah permasalahan yang serius, hal ini karena kredit sindikasi merupakan kredit dalam skala dana yang besar dan terdiri dari beberapa bank. Permasalahan dalam penelitian ini adalah mengenai: (i) Tindakan yang dilakukan perbankan untuk memitigasi risiko kredit yang terjadi dalam skema pemberian kredit sindikasi pada masa pandemi COVID-19; dan (ii) Upaya yang dilakukan Bank BNI untuk menyelamatkan kredit sindikasi yang bermasalah. Penelitian ini merupkan penelitian yuridis normatif yaitu penelitian yang bertujuan untuk menelaah asas-asas hukum dan sumber hukum tertulis. Tindakan yang dilakukan oleh Bank BNI untuk menanggulangi risiko kredit yang terjadi dalam skema pemberian kredit sindikasi pada masa pandemi COVID-19 dengan cara perbankan wajib untuk memenuhi ketentuan yang diatur oleh peraturan di Indonesia, salah satunya dengan penerapan prinsip kehati-hatian (prudential banking principal) sebelum menyetujui atau memberikan kredit pada debiturnya. Konsep prinsip kehati-hatian sejalan dengan penerbitan POJK No. 11/POJK.03/2020 yang diterbitkan oleh Pemerintah Indonesia untuk menanggulangi risiko kredit yang disebabkan oleh pandemik COVID-19. Kemudian, Upaya yang dilakukan Bank BNI untuk menyelesaikan kredit yang bermasalah adalah dengan restrukturisasi kredit. Restrukturisasi kredit adalah upaya perbaikan yang dilakukan oleh bank terhadap debitur yang berpotensi atau mengalami kesulitan untuk memenuhi kewajiban. Dalam restrukturisasi kredit yang dilakukan terbagi menjadi : (i) Penjadwalan Kembali (Reschduling), (ii) Persyaratan Kembali (Reconditioning); dan (iii) Penataan Kembali (Restructuring).

---

Syndicated loans are loans given by more than one creditor with the aim of providing credit to a company that requires credit in order to financing project. At the final year of 2019, the world shaken by new variant of virus known as Coronavirus Disease 2019 or COVID-19. COVID-19 has an impact on the world economy, one of them is Indonesia, which is directly and indirectly affected by the stability of the financial system and its performance, resulting in the dynamics of bank credit to become stuck. The problem of syndicated credit is a serious problem, because syndicated loans are loans on a large scale and consist of several banks and certain if there is congestion, the impact will be very large both for the banks themselves, and furthermore it will have a major impact on the community as customers. The issue in these thesis is regarding: (i) actions taken by banks to mitigate credit risk that occurs in the syndicated loan scheme during pandemic of COVID-19; and (ii) the attempt made by BNI Bank to save non-performing syndicated loans. The actions taken by BNI Bank to overcome credit risk that occurred in the syndicated loan scheme during the pandemic of COVID-19 by means of banking obligations to comply with the provisions stipulated by regulations in Indonesia, one of which is the application of the precautionary principle (Prudential Banking Principal), prior approving or giving credit to debtors. The precautionary principle concept is in line with issuance of POJK No. 11/POJK.03/2020 issued by Indonesian Government to address credit risk cause by the pandemic of COVID-19. In addition, BNI’s efforts to resolve non-performing loans are credit restructuring. Credit restructuring is an action made by bank to repair debtors who have the potential or undergo problem for fulfilling their obligation are following by lowering loan interest rates, extending time, reducing loaned interest arrears, adding credit facilities or converting loans into equity participation. The concept of credit restructuring is divided into: (i) Rescheduling; (ii) Reconditioning; (iii) Restructuring. "

"Konsekuensi dari lahirnya Putusan Mahkamah Konstitusi Nomor 25/PUUXIV/ 2016, yaitu bahwa kata dapat dalam Pasal 2 dan Pasal 3 UU Nomor 31 tahun 1999 tentang Pemberantasan Tindak Pidana Korupsi tersebut dinilai tak memiliki kekuatan hukum yang mengikat dan bertentangan dengan Pasal 28D UUD 1945 tentang kepastian hukum yang adil. Sehingga yang semula tindak pidana korupsi dianggap tindak pidana formil, sehingga unsur merugikan keuangan negara bukanlah unsur esensial, menjadi sebaliknya, yaitu unsur merugikan negara menjadi esensial sehingga unsur kerugian negara harus dibuktikan terlebih dahulu oleh lembaga yang berwenang. Namun hal tersebut tidak tercermin di dalam perkara Nomor 46/Pid.Sus-TPK/2017/PN.Pbr yang menjerat Terdakwa yang merupakan pejabat PT Bank Negara Indonesia (BNI), dimana majelis hakim menghukum terdakwa 1 (satu) tahun 4 (empat) bulan dan denda Rp 50.000.000 (lima puluh juta rupiah) dengan subsider kurungan tambahan 2 (dua) bulan penjara sebagai pihak yang dianggap bertanggung jawab atas pemberian kredit yang berujung kredit macet (non performing loan) dan dianggap dapat berpotensi merugikan negara, padahal senyatanya: 1. Kerugian BUMN bukan otomatis menjadi kerugian negara, 2. belum pernah dilakukan appraisal oleh lembaga yang berwenang terhadap potensi kerugian negara atas kredit macet BNI Rengat dengan kata lain kerugian negara belum terbukti, serta berdasarkan keterangan saksi dalam persidangan tidak terdapat kerugian yang ditimbulkan oleh kredit macet yang dimaksud dan 3. Unsur memperkaya diri sendiri atau suatu korporasi tidak terpenuhi karena pimpinan BNI Rengat sama sekali tidak menikmati uang dari hasil kredit macet tersebut. Dalam penelitian dengan menggunakan metode yuridis normatif ini didapatkan hasil penelitian yang menunjukkan bahwa Majelis Hakim sebagai pihak yang dianggap mengetahui hukum dalam perkara aquo tidak cermat dalam memutus perkara, karena tidak mempertimbangkan adanya Putusan Mahkamah Konstitusi No. 25/PUU-XIV/2016. Sehingga dengan diputusnya terdakwa melakukan tindak pidana korupsi, maka upaya recovery kerugian yang semula menjadi tujuan pemulihan kredit macet, menjadi tidak tercapai dengan adanya kurungan badan bagi terdakwa.

---

The consequence of the issuance of Constitutional Court Number 25/PUUXIV/2016, which the word can in Article 2 and Article 3 of Law Number 31 Year 1999 regarding Eradication of Corruption Crimes is deemed to have no legal binding legal force and contradicts with Article 28D Constitution regarding the fair legal certainty. Therefore, the corruption was considered as formal crime beforehand, so the element of state loss did not become essential element, while now the state loss element becomes essential therefore it should be proven in advance by the authorize body. But this is not reflected in the case number 46/Pid.Sus-TPK/2017/PN.Pbr which penalize the Defendant as official of one of the state owned enterprise bank (BUMN) of PT Bank Negara Indonesia (BNI), where panel of judges punished Defendant 1 (one) year 4 (four) months and imposed fine in the amount of Rp 50.000.000 (fifty million rupiah) with additional confinement subsidiary of 2(two) months in prison as the party which considered responsible towards the credit provide that leads to non-performing loan and considered potentially detrimental the state, while in fact: 1.The loss of State owned enterprise does not automatically become the state loss 2. It has not been conducted appraisal by the authorize body towards the potential state loss caused by the non performing loan of BNI Rengat, or in the other hand the potential state loss has not been proven, and based on the witness testimonial in the court there is no state loss caused by non performing loan and 3. The element of enriching himself or any corporation was not fulfilled because the Director of BNI Rengat at that time did not enjoy or receive money from the non performing loan. In this research which use juridical-normative method, was obtained the research result which shows that Panel of Judges as parties who know the law in the aquo case, did not take careful action in deciding the case because they did not consider the Decision of Constitutional Court Number 25/PUU-XIV/2016. Therefore, by the decision that the Defendant was considered conducting corruption, then the recovery attempt which basically becomes the recovery of the loss, will not be achieved due to the body confinement for Defendant."

"Penelitian ini bertujuan untuk mengetahui pengaruh variabel makroekonomi terhadap kualitas portofolio kartu kredit di Bank X, mengetahui pola pertumbuhan kartu kredit selama periode pengamatan, mendapatkan parameter early warning yang menandakan tahap pertumbuhan kredit ada dalam periode Credit Boom dan mengetahui dampak yang ditimbulkan jika terjadi krisis kartu kredit di Bank X. Penelitian ini adalah penelitian kuantitatif dengan menggunakan metode statistik, sampel yang digunakan dalam penelitian ini meliputi data kredit yang diberikan (KYD) beserta kolektibilitasnya, inflasi, nilai tukar USD-IDR, BI Rate dan IHSG pada periode Januari 2008 sampai dengan oktober 2010. Metode yang digunakan digunakan dalam penelitian ini adalah melakukan multiple liner regression setiap variabel makroekonomi terhadap tingkat Non Performing Loan (NPL). Untuk mengetahui pola pertumbuhan KYD di Bank X apakah berada dalam tahap Boom atau tidak maka dilakukan perhitungan parameter-parameter pertumbuhan KYD dan membandingkannya dengan parameter di negara lain yang mengalami pertumbuhan kredit dengan kategori Boom dan kategori steady. Untuk mengetahui kerugian yang dialami oleh Bank ketika terjadi krisis kartu kredit maka digunakan metode CreditRisk+ dimana hasil yang didapat berupa Expected Loss, Unexpected Loss dan Economic capital. Dari hasil pengolahan data dapat ditarik kesimpulan bahwa variabel makroekonomi memiliki pengaruh terhadap kualitas NPL portofolio namun variabel makroekonomi yang berpengaruh berbeda-beda untuk jenis kartu Classic, Gold dan Platinum. Pola pertumbuhan KYD selama periode sampel berada dalam tahap yang steady seperti pola pertumbuhan KYD di negara Malaysia dan Singapura.

---

The focus of this study is to determine the macroeconomy variable impact to credit card portfolio quality in Bank X, to know the credit card growth pattern during sample period, to find early warning parameter which characterize that credit growth is in Credit Boom phase and to know the impact if credit card crisis is occur in Bank X. This study is a quantitative research using statistic method. The data used in this study are Outstanding receivable and its quality, USD - IDR exchange rate, BI Rate and IHSG during Januari 2008 until October 2010 sample period. The multiple linear regression is used which relate macroeconomy variables as dependent variable and non performing loan as independent variable.

To know whether credit growth in Bank X is in a boom phase or not is done by compute credit growth parameter and compare it to other credit growth parameter in some countries that have boom and steady credit growth category. CreditRisk+ method is used to know the impact in Bank X if the credit card crisis is occur. The output are Expected Loss, Unexpected Loss and Economic Capital. From data analyses we conclude that macroeconomy variable do have an impact to the portfolio quality but for each credit card product there is different variable impact. It was a steady credit growth pattern in Bank X during sample period and the pattern was similar to the paatern in Malaysia and Singapore when credit card crisis was occur in Asia."

"ABSTRAKTingkat atau bobot risiko kredit debitur sangat penting diketahui pihak perbankan, agar dalam menyalurkan fasilitas kreditnya kepada debitur dapat dilakukan secara aman dan memenuhi prinsip kehati-hatian (prudential banking). Untuk itu, tingkat risiko debitur harus terukur. Terdapat 7 buah faktor risiko debitur yang dapat dijadikan variable terukur, yakni kondisi keuangan, legal status, hubungan eksternal debitur dengan bank, posisi pasar, manajemen, viabilitas dan prospek usaha. Dengan menggunakan metoda Credit Risk Scoring, yaitu pembobotan atas faktor risiko debitur maka bobot risiko debitur menjadi lebih terukur. Pembobotan dapat dilaksanakan terhadap seluruh debitur dan berbagai sektor usaha, namun tidak berarti bahwa debitur yang bergerak dalam sektor usaha yang sama akan mempunyai tingkat risiko yang sama pula. Beberapa jenis usaha mempunyai jenis faktor risiko yang spesifik dan dominan, faktor ini dapat dijadikan pegangan dalam penentuan bobot risiko. Namun beberapa sektor usaha lainnya sama sekali tidak memilikinya sehingga harus dievaluasii secara individual. Pada dasarnya seluruh faktor risiko perperan dalam pengukuran tingkat risiko, namun terdapat beberapa yang menjadi penentu dalam mengukur tingkat risiko debitur yakni kondisi keuangan dan status legal. Tingkat risiko sangat situasional karena banyak faktor internal eksternal yang mempengaruhi sehingga tingkat risiko suatu perusahaan perlu direvaluasi secara berkala. 6 dari 7 faktor risiko nampak dominan pada beberapa sektor usaha debitur, yakni kondisi keuangan, status legal, posisi pasar, manajemen, viabilitas dan prospek usaha. Karena mempunyai tingkat homogenitas tinggi (sd <1), sehingga kecenderungan tersebut dapat dijadikan sebagai patokan dalam menghitung tingkat risiko suatu debitur. Bagi debitur pada sektor usaha yang tidak mememiliki faktor dominan tetap harus dihitung secara individual. Kisaran bobot yang relatif sama dimiliki oleh 5 dari 19 sektor usaha, yakni sektor Automotif, industri bahan Kayu, Industri Logam/Baja, Industri Kertas dan Tekstil. Hasil penelitian mengindikasikan bahwa pada proses analisis risiko kredit debitur korporasi harus diperhatikan : Mengutamakan pengukuran bobot risiko secara individual, berdasarkan penilaian 7 faktor risiko (seven risk factors) Faktor risiko yang spesifik dan dominan pada beberapa sektor usaha hendaknya hanya dijadikan pedoman saja karena sifat debitur yang sangat individualistik. Nilai Faktor risiko akan berubah setiap ada perubahan kondisi makro.

---

"

"Credit scoring merupakan sebuah metode analisis yang digunakan oleh pihak perbankan dalam menganalisis aplikasi kredit yang diajukan oleh nasabah. Adanya kemungkinan kredit yang default, kekurangan dari metode credit scoring yang umum digunakan, serta proses analisis aplikasi kredit yang tidak efisien dalam perbankan, mendorong pihak perbankan untuk terus mencari model credit scoring yang tepat. Untuk mengatasi permasalahan tersebut, diajukan sebuah model credit scoring yang dibentuk berdasarkan pada metode Bayesian Network yang bertujuan untuk mengelompokkan pemohon kredit ke dalam dua kelas, yaitu good creditor dan bad creditor. Tingginya tingkat akurasi model serta proses penggunaan yang sederhana membuktikan bahwa model yang dibentuk sangat efektif dalam mengatasi permasalahan yang dihadapi oleh pihak perbankan dalam melakukan credit scoring.

---

Credit scoring is an analysis method used by banks to analyze credit applications which filed by customers. The possibility of credit default, the drawbacks of common credit scoring method, and the inefficiency of credit analysis process by banks, encourage the banks to keep looking for the best credit scoring model. To overcome these problems, the development of credit scoring model based on Bayesian Network is proposed. The main objective of this model is to classify the applicants into two groups, which are good creditor and bad creditor. High rate of accuracy as well as simple application process prove that formed model is very effective in addressing the problems faced by the banks in credit scoring process."

"Bank berfungsi sebagai perantara antara pihak-pihak yang memiliki kelebihan dana dengan pihak-pihak yang kekurangan dan memerlukan dana. Fungsi tersebut dijalankan melalui berbagai jenis usaha bank, salah satunya adalah pemberian kredit. Pada pelaksanaannya, kredit dapat tumbuh menjadi kredit bermasalah yang disebabkan oleh berbagai faktor. Bank selalu berusaha untuk meminimalkan besarnya kredit bermasalah, yang dilakukan melalui penyelamatan kredit bermasalah dengan restrukturisasi kredit.Penelitian ini membahas mengenai kriteria kredit bermasalah yang dapat direstrukturisasi serta mekanismenya berdasarkan Peraturan Bank Indonesia Nomor 14/15/PBI/2012 tentang Penilaian Kualitas Aset Bank Umum (PBI 14/15/PBI/2012). Selain itu, dalam PBI tersebut juga diatur mengenai kewajiban bagi bank umum untuk memilikiperaturan internal mengenai restrukturisasi kredit.Berdasarkan ketentuan tersebut, penulis menganalisis apakah penerapan restrukturisasi kredit pada Bank X berdasarkan peraturan internal Bank X telah sesuai dengan ketentuan PBI 14/15/PBI/2012. Dalam penelitian ini penulis berkesimpulan bahwa penerapan restrukturisasi kredit pada Bank X sudah sejalan dengan yang digariskan dalamPBI 14/15/PBI/2012.

---

Bank serves as financial intermediary between those who have surplus of funds and those who are lack of funds through various bank’s business activities. One of the bank’s business activities is to provide loan. In practice, that loan can become non-performing loan, caused by various reasons. Banks always make efforts to minimize the number of non-performing loans by doing loan restructuring.

This thesis explains about criteria of the non-performing loans that can be restructured, and the mechanism of loan restructuring based on Bank Indonesia Regulation No. 14/15/PBI/2012 (PBI 14/15/PBI/2012) concerning Assessment of Commercial Bank Asset Quality. PBI 14/15/PBI/2012 also regulates that banks are required to have internal regulation concerning loan restructuring.

Based on that provision, the author analyzes whether the implementation of loan restructuring in Bank X based on its internal regulation has complied with the provisions in PBI 14/15/PBI/2012. Along with this thesis, the author concludes that the implementation of loan restructuring in Bank X has complied with PBI 14/15/PBI/2012."

"Penelitian ini bertujuan untuk merumuskan model credit scoring untuk kredit mikro dengan menggunakan metode Multivariate Adaptive Regression Splines (MARS). Metode MARS merupakan pendekatan regresi nonparametrik yang memiliki kemampuan untuk memodelkan hubungan yang kompleks antar variabel tanpa asumsi model yang kuat dan menghasilkan model dengan akurasi tinggi yang melebihi model credit scoring lainnya dan mampu mengolah data berdimensi tinggi. Dalam beberapa tahun terakhir, MARS telah banyak diterapkan untuk memodelkan berbagai data, namun belum ditemukan penggunaanya untuk credit scoring kredit mikro. Secara umum metode credit scoring yang umum digunakan adalah analisis diskriminan dan regresi logistik. Namun kedua metode tersebut memiliki keterbatasan yaitu perlunya asumsi parametrik antara variabel respon dan prediktor. Penelitian menggunakan studi kasus data kredit mikro PT. Bank ABC yang merupakan market leader kredit UMKM di Indonesia. Hasil penelitian ini menunjukkan bahwa model penilaian kredit mikro dengan menggunakan MARS memiliki akurasi prediksi yang lebih tinggi dengan tingkat kesalahan terkecil, kesalahan tipe I dan II dibandingkan dengan Metode Regresi Logistik. Sehingga hasil penelitian ini dapat digunakan sebagai bahan pertimbangan bagi bank dalam menerapkan metode MARS dalam credit scoring dalam rangka pengendalian Risiko Non Performing Loan Kredit Mikro.

---

This paper aim to formulate the credit scoring model for micro loan using the Multivariate Adaptive Regression Splines (MARS) method. The MARS method is a nonparametric regression approach that has the ability to model complex relationships between variables without strong model assumptions and produce a model with high accuracy that exceeds other credit scoring models and is able to process high-dimensional data. In recent years, MARS has been widely applied to model various data, but its use for micro loan credit scoring has not yet been found. Generally, the credit scoring methods commonly used are discriminant analysis and logistic regression. However, there are limitations to both methods, namely the need for parametric assumptions between the response variables and predictors. This study use a case study of micro loan data from PT. Bank ABC, which is the market leader for MSME loans in Indonesia.The results of this study indicate that the microcredit credit scoring model using MARS has a higher predictive accuracy with the smallest error rate, type I and II errors compared to the Logistics Regression Method. So the results of this study can be used as considerations for banks in applying the MARS method in credit scoring in order to control the Non-Performing Loan Risk of Micro Loan."

"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 % ."

"Industri Perbankan merupakan lembaga yang berperan besar dalam penyaluran kredit di Indonesia. Dalam proses penyaluran kredit oleh Bank, tidak semua kredit yang disalurkan berjalan dengan lancar dalam pengembaliannya sehingga menimbulkan kredit macet, meskipun dalam pemberian kredit tersebut Bank telah melakukan berdasarkan dengan prinsip-prinsip wajib seperti Batas Maksimum Pemberian Kredit, 5C dan 5P. Timbulnya kredit bermasalah ini dapat diselesaikan dengan mekanisme penyelesaian lelang eksekusi hak tanggungan seperti yang dilakukan dalam putusan Pengadilan Negeri Jakarta Pusat Nomor 204/PDT.G/2015/PN.JKT.PST juncto putusan Pengadilan Tinggi DKI Jakarta Nomor 296/PDT/2018/PT.DKI. Kemudian yang menjadi permasalahannya dalam hal ini yaitu bagaimana pengaturan mengenai penyelesaian kredit macet di Indonesia dan bagaimana kesesuaian antara ketentuan mengenai kredit macet yang ada sehubungan dengan penyelesaian kredit macet dalam Putusan No. 204/PDT.G/2015/PN.JKT.PST juncto Putusan No. 296/PDT/2018/PT.DKI. Metode penelitian yang digunakan disini yaitu berupa penelitian yuridis normatif yang dilakukan dengan studi kepustakaan. Selanjutnya dapat disimpulkan bahwa peraturan perundang-undangan yang mengatur mengenai penyelesaian kredit macet khususnya melalui mekanisme lelanh eksekusi hak tanggungan diatur dalam Undang-Undang No. 4 Tahun 1996 tentang Hak Tanggungan Atas Tanah Beserta Benda-Benda yang Berada Diatasnya dan Pertauran Menteri Keuangan No.27/PMK.06/2016 tentang Petunjuk Pelaksanaan Lelang. Oleh karena itu, diharapkan dapat memastikan bahwa jaminan yang dijaminkan dalam pemberian kredit tidak terasangkut oleh permasalahan hukum apapun selama proses pembayaran kredit oleh debitur.

---

.The banking industry is an institution that plays a major role in lending in Indonesia. In the process of lending by the Bank, not all loans extended went smoothly in return, causing bad loans, even though in the provision of credit the Bank has done based on mandatory principles such as the Maximum Lending Limit, 5C and 5P. The emergence of these non-performing loans can be resolved by a mechanism for completing the auction of execution of mortgage rights as conducted in the decision of the Central Jakarta District Court Number 204 / PDT.G / 2015 / PN.JKT.PST juncto the decision of the DKI Jakarta High Court Number 296 / PDT / 2018 / PT .DKI. Then the problem in this case is how the arrangements regarding the settlement of bad loans in Indonesia and how the suitability of the provisions regarding existing bad loans relating to the settlement of bad loans in Decision No. 204 / PDT.G / 2015 / PN.JKT.PST juncto Decision No. 296 / PDT / 2018 / PT.DKI. The research method used here is normative juridical research conducted with literature studies. Furthermore, it can be concluded that the laws and regulations governing the settlement of bad debts, especially through the overdraft mechanism of execution of mortgage rights, are regulated in Law No. 4 of 1996 concerning Mortgage Rights and Objects Above and Regulation of the Minister of Finance No.27 / PMK.06 / 2016 concerning Bidding Implementation Guidelines. Therefore, it is expected to be able to ensure that guarantees guaranteed in granting loans are not covered by any legal issues during the credit payment process by the debtor."