Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
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 portofolionya 4. 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.

Abstrak :
ABSTRAK
Kondisi persaingan, kesehatan dan peraturan perbankan Indonesia saat ini menuntut setiap bank untuk mengelola dan mengukur risiko kredit. Beberapa bank mulai membangun model internal untuk mengelola dan mengukur besar risiko kredit dengan ha.rapan kewajiban penyediaan modal minimum (KPMM) untuk mem-back up risiko kredit menjadi lebih kecil dibandingkan apabila menggunakan standardized approach.

Perhitungan risiko kredit dengan menggunakan model CreditMetrics dan Macro Simulation Approach merupakan perhitungan risiko kredit dengan model internal rating yang membutuhkan sistem internal rating sebagai dasar penentuan risiko kredit Asumsi yang digunakan oleh model CreditMetrics bahwa probability of default adaJab konstan dalam kondisi nyata dipengaruhi oleh berbagai faktor term.asuk fuktor ekonomi makro. Untuk mengatasi kelemaban tersebut, maka model CreditMetrics dikornbinasikan dengan Macro Simulation Approach untuk melihat pengaruh faktor ekonorni rnakro terhadap probability of default debitur.

lmplementasi Macro Simulation Approach pada kredit menengah komersial PT Bank X menunjukkan adanya beberapa faktor ekonomi rnakro yang mempengaruhi kemungkinan terjadinya perubahan atau transisi kolektibilitas pinjaman, antara lain yaitu: 1. Nilai tukar mata uang Rupiah terhadap USD mempengaruhi probabilitas kolektibilitas pinjaman agar tetap lancar dan juga probabilitas kolektibilitas Lancar berubah menjadi Dalam Perhatian Khusus. 2. Suku bunga SBI mempengaruhi probabilitas kolektibilitas pinjaman tetap Dalam Perhatian Khusus, dan probabilitas kolektibilitas pinjaman tetap Macet. 3. IHSG mempengaruhi probabilitas kolektibilitas pinjaman Kurang Lancar berubah menjadi Lancar, probabilitas kolektib11itas pinjaman tetap Kurang Lancar, dan probabilitas kolektibilitas pinjaman Macet berubah menjadi Dalam Perhatian Khusus

Hasil analisis risiko kredit dengan acro Simulation Approach adalah dalam bentuk Matriks Transisi Conditional yang telah disesuaikan dengan pengaruh faktor ekonomi makro. Selanjutnya pendekatan CreditMetrics menggunakan matriks transisi conditional untuk menghitung risiko kredit. jumlah maksimal kerugian yang dapat dialami oleh PT Bank X dari kredit menengah komersial sektor perindustrian dengan tingkat keyakinan 95% adalah sebesar Rp.338.634.483.403 atau 32,85% dari total keseluruhan baki debet kredit menengah komersial sektor industri.

Jika dikaitkan dengan ketentuan penyediaan modal sebesar SOlo, maka PT Bank X diwajibkan untuk menyediakan pencadangan modal untuk meng-cover risiko dalam penyaluran kredit menengah komersial sektor industri sebesar 8% x 32,85% = 2,63% dari total outstanding kredit. Persentase pencadangan modal ini jauh lebih hemat dibandingkan dengan penyediaan modal oleh perusahaan yang belum melakukan rating bagi kreditnya, yaitu sebesar 8% - 2,63% = 5,37%.

Abstrak :
ABSTRAK
Hipotesa yang menyatakan bahwa forward rate merupakan alat prediksi yang tidak bias (unbiased predictor) darifuture spot rate merupakan bahasan yang sarat dengan teori serta literatur empiris. Namun demikian, pada umumnya basil dari penelitian tidak hanya menolak hipotesa, tapi juga berlawanan dengan kerangka pikir secara umum, dimana hubungan antara forward dan future spot rate adalah negati£ Selanjutnya, dalam hal kondisi pasar yang efisien tercapai maka forward rate akan merupakan spot rate pada waktu yang sesuai dengan transaksiforward yang menjadi underlying transaction. Dengan demikian, spot rate dan interest rate diffirential akan membentuk forward rate dan selanjutnyaforward rate akan merupakan spot rate masa depan.

Namun demikian, dalam kenyataannya siklus yang terjadi di pasar tidak dapat digambarkan secara sederhana sebagaimana tersebut di atas. Untuk itu, dengan menggunakan metoda kointegrasi yang diterapkan pada hipotesa ekspektasi (forward rate unbiased hypothesis) maka dilihat hubungan spot dan forward antara Rupiah terhadap US Dollar. selanjutnya forward rate akan menjadi spot rate masa yang akan datang.

Dalam menentukan forward rate, dasar perhitungan diperoleh dari spot rate yang berlaku pada saat tanggal transaksi ditambah atau dikurangi dengan suatu premium atau discount. Hal ini menggambarkan adanya interest diffirential antara dua mata uang yang terkait dan akan saling mempengaruhi dalam suatu transaksi. Untuk itu dapat dikatakan bahwa forward rate ditentukan oleh spot exchange rates dan interest diffirentials. Forward rate seringkali berkorelasi negatif dengan nilai yang akan datang spot rate, yang menunjukkan bahwa forward rate memprediksi perubahan pada spot rate dengan tanda yang salah (berbeda). Hal itu bertentangan dengan intuisi ekonomi dan mungkin menyimpang dari efisitmsi pasar. Penjelasan .yang rasional atas teka-teki itu mencakup time-varying risk premia, learning, peso problem dan kesalahan spesifikasi ekonometrik yang digunakan.

Abstrak :
ABSTRAK
Krisis ekonomi yang berlanjut kepada krisis multi dimensi yang terjadi pada pertengahan tahun 1997 tidak hanya memberikan kesulitan, tetapi juga pelajaran yang berharga bagi banyak perusahaan di Indonesia. Tata kelola perusahaan yang baik dan tuntutan akan pentingnya manajemen risiko merupakan suatu keharusan yang mutlak akan keberlangsungan suatu perusahaan (going concern). Terkait dengan manajemen risiko tersebut, risiko perubahan nilai tukar merupakari 'trigger' dari krisis ekonomi dan banyak perusahaan yang tidak siap menghadapi hal tersebut. Ilmu Ekonomi yang menegaskan bahwa mekanisme pasar memang lebih banyak ditentukan oleh permintaan dan penawaran memang terbuktikan. Intervensi pemerintah untuk mengatur nilai tukar USD/IDR yang selama bertahun-tahun dilakukan pada akhimya memang seperti bom waktu yang tinggal menunggu saatnya saja. Intervensi untuk selalu menjaga nilai tukar dengan mendepresiasi nilai mpiah terhadap USD diterima oleh pemsahaan sebagai jaminan dan kepastian, sehingga lindung nilai terhadap nilai tukar pada saat itu lebih dipandang sebagai pengeluaran biaya yang tidak perlu.

Begitu pula bagi PT Astra International yang memiliki banyak pinjaman dalam mata uang asing, depresiasi rupiah otomatis akan meningkatkan kewajiban pembayaran bunga dan pokok pinjamannya. Meskipun sempat terseok-seok dan mengalami gagal bayar (default) namun perusahaan akhimya mampu untuk mencapai kesepakatan dengan para krediturnya untuk merestrukturisasi pinjamannya. Meskipun banyak aturan dan pembatasan-pembatasan akibat dari restrukturisasi tersebut, namun perusahaan akhimya mampu untuk bangkit dari keterpurukan, menata kembali bisnisnya, menerapkan good corporate governance dan manajemen risiko yang baik. Hasil nyata dari segala keseriusan tersebut adalah tercermin dari laba bersih perusahaan, dari mengalami kerugian Rp 1.8 triliun pada tahun 1998 hingga mencapai Iaba bersih sebesar Rp 4.4 triliun (yang merupakan laba tertinggi perusahaan).

Keberhasilan Astra keluar dari krisis ekonomi dan menjadi perusahaan yang sehat merupakan suatu yang menarik untuk dipelajari. Dengan beragam bisnis dari anak-anak perusahaan dan pinjaman yang besar dalam mata uang asing, pengelolaan risiko (risk management) yang baik merupakan hal yang sangat penting.

Pemikiran yang menganggap pengelolaan risiko melalui instrument-instrument lindung nilai hanya merupakan biaya dan spekulasi harus dirubah. Risiko memang suatu ketidakpastian, sehingga untuk mengurangi risiko tersebut memang dibutuhkan biaya. Meskipun tidak dapat dihilangkan secara keseluruhan, tetapi pemilihan tingkat risiko yang dapat diterima sesuai dengan 'risk appetite' dan kemampuan perusahaan akan membatasi perusahaan dari kerugian yang lebih besar atau kebangkrutan.

Dengan risiko yang beragam dan keterbatasan pilihan produk-produk lindung nilai yang ada, Astra Intemational membuktikan mampu dengan baik mengelola risiko nilai tukar dan suku bunga. Bagaimana Astra dapat mengelola risiko nilai tukar dan suku bunga dengan baik selama tahun 2003 dan bagaimana jika perusahaan melakukannya dengan rnenggunakan teknik lindung nilai yang lain? . Tulisan ini memang merupakan analisa dari past performance data. Namun dari situ penulis mengharapkan dapat mengambil pelajaran dari bagaimana Astra mengelola risiko nilai tukar dan suku bunga selama tahun 2003 dan memberikan gambaran jika perusahaan melalukan dengan teknik Iindung nilai yang lain; sehingga dapat diambil benang merah tentang pengelolaan risiko yang baik dimasa depan.

Abstrak :
Perbankan dalam menjalankan fungsinya sebagai financial intermediary selalu berhubungan dengan risiko. Sehingga dalam menjalankan kegiatan operasionalnya, bank harus dapat mengelola risikonya dengan baik. Selain itu, bisnis perbankan yang mengalami perkembangan pesat, juga membuat risiko kegiatan usaha perbankan menjadi semakin kompleks. Oleh karena itu bank dituntut untuk menerapkan manajemen risiko agar memiliki keunggulan kompetitif dalam persaingan bisnis perbankan. Basel Committee on Banking Supervision pada bulan Januari 1996 mengeluarkan Amendment terhadap Basel Capital Accord (BCA) 1988, perbankan diharapkan untuk memasukkan unsur risiko pasar dalam perhitungan Capital Adequacy Ratio (CAR). Bank Indonesia (BI) sebagai regulator perbankan di Indonesia mewajibkan perbankan untuk menerapkan manajemen risiko di bank masing-masing sesuai peraturan yang dikeluarkan oleh Basel Committee on Banking Supervision tersebut. Salah satu risiko yang dihadapi perbankan adalah risiko pasar. Risiko pasar adalah risiko yang timbul karena adanya pergerakan variable pasar (adverse movement) dari portfolio yang dimiliki oleh bank yang dapat merugikan bank itu sendiri. Risiko pasar yang dibahas dalam karya akhir ini adalah risiko nilai tukar pada portfolio Bank XYZ yang terdiri dari tiga mata uang. Dalam BCA 1996 disebutkan baln-va pengukuran risiko dapat dilakukan dengan standardized approach maupun internal model. Basel mensyaratkan penggunaan Value at Risk (VaR) untuk melakukan penghitungan risiko karena VaR adalah tool yang efektif untuk menggambarkan dan mengkomunikasikan risiko. VaR mengukur maksimum potensi kerugian pada portfolio instrumen keuangan yang diyakini akan terjadi dimasa mendatang dengan tingkat kepercayaan tertentu dan pada holding period tertentu. Pengukuran risiko nilai tukar dapat dilakukan dengan berbagai pendekatan. Pendekatan yang dipergunakan dalam penelitan ini adalah variance covariance. Sedangkan metode yang dipakai untuk mengbitung volatilitas return mata uang asing adalah deviasi standar normal dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Aset yang dipilih adalab tiga jenis mata uang asing pada portfolio Bank XYZ, yaitu Dolar Amerika (USD), Euro (EUR) dan Dolar Singapura (SGD) pada periode 2 Desember 2002 sampai dengan 27 Februari 2004 atau sebanyak 298 titik. Pemiliban atas tiga mata uang tersebut dikarenakan USD, EUR dan SGD merupakan tiga aset terbesar didalam portfolio mata uang asing Bank XYZ. Untuk melakukan perhitungan VaR perlu dilakukan pengujian data terlebih dahulu, yang meliputi uji stasioneritas dengan ADF Test, uji normalitas dan uji volatilitas data (white heteroscedastic lest). Berdasarkan basil pengujian data diketahui bahwa data return USD dan SGD memiliki volatilitas homoscedaslic, sehingga perbitungan volatilitasnya menggunakan deviasi standar normal. Sedangkan data return EUR yang memiliki volatilitas heteroscedastic. perbitungan volatilitasnya menggunakan GARCH. Setelab didapat basil volatilitas untuk ketiga mata uang tersebut, kemudian dilakukan perhitungan VaR untuk masing-masing mata uang dan portfolio dengan menggunakan confidence level 95% dan holding period I hari. Dari basil perhitungan VaR. diketahui potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 27 Februari 2004 akibat memegang posisi mata uang USD adalah sebesar Rp3.582.910.169; akibat memegang posisi mata uang EUR adalah sebesar Rp19.193.059 dan akibat memegang posisi SGD adalah sebesar Rp2.118.359.962. Sedangkan potensi kerugian maksimum yang dihadapi Bank XYZ pada tanggal 27 Februari 2004 pada portfolio yang terdiri dari USD, EUR dan SGD adalah sebesar Rp5.720.463.191 dengan menggunakan metode undiversified VaR. Sedangkan potensi kerugian maksimum pada portfolionya dengan menggunakan metode diverstfied VaR adalah sebesar Rp5.417.153.223. Uji validasi model perlu dilakukan untuk mengetahui apakah model volatilitas untuk masing-masing mata uang tersebut valid. Uji validasi yang dilakukan dalam penelitian ini menggunakan Kupiec Test berdasarkan Total Number of Failures (TNoF) maupun Time Until First Failure (TUFF). Dari hasil uji validasi dapat disimpulkan bahwa model volatilitas untuk mata uang USD, EUR dan SGD adalah valid, karena nilai likelihood ratio (LR) yang lebih kecil dari 3,841. Sehingga, nilai VaR yang dihasilkan dapat rnenangkap pergerakan actual loos yang ada dan nilai akumulasi penyimpangan (overshooting) yang terjadi masih berada didalam batas toleransi sehingga dapat memberikan hasil yang cukup akurat.

Abstrak :
ABSTRAK
Karya akhir ini dilaksanakan dengan tujuan utama untuk mcngetahui bcsarnya risiko krcdit khususnya pada bisnis Mikro sektor usaha di Bank BRI. Perhitungan ini teramat sangat ,penting dilakukan mcngingat bahwa, pertama, Usaha Mikro adalah merupakan usaha yang paling banyak di Indonesia, namun para pengusaha mikro tidak mampu berhubungan dengan bank Kedua, adanya anggapan bahwa sektor usaha mikro berisiko tinggi karena pengusaha mikro tidak bankable dan tidak mampu menyediakan agunan, Ketiga, Bank BRI adalah bank umum yang paling banyak menyalurkan pembiayaan di sektor mikro dan komposisi kredit mikro adalah 30 % dari sduruh kredit Bank BRL Keempat, Adanya ketentuan Basel tcntang keharusan menghitung risiko kredit sebagai salah satu unsur dalam pcrhitungan CAR

Bank BRI telah memberikan pelilyanan Krcdit Mikro tanpa subsidi pemerintilh adalah sejak tahun 1984, Kredit Mikro Scktor Usaha Bank BRT diberikan kcpada nasabah pcrorangan yang merupakan pengusaha mikro, dengan maksimum Rp, 50,000.000,-. Rata-rata pinjaman untuk setiap debitur sampai akhir tahun 2003 adalah Rp. 4,36 juta. Sampai saat ini Bank BRI telah memberikan pinjaman kepada 32.728.335 debitur. Jumlah debitur yang masih memiliki pinjaman adalah sebesar 3 juta nasabah dengan total outstanding kredit mencapai Rp. 13.273 miliar.

Berdasarkan ketentuan pada Basel II, dalam perhitungan risiko kredit dapat menggunakan beberapa pendekatan, antara lain dengan standardized dan internal model. Pada penelitian ini, akan dilakukan pcrhitungan dengan menggunakan internal model dengan pendekatan Credit Risk. Credit Risk* adalah model yang tepat untuk mengukur risiko kredit dengan jumlah pinjaman yang kecil dan nasabah yang sangat banyak. Model Credit Risk* adalah merupakan model unconditional sehingga tidak memerlukan tambahan data makro dan merupakan default model. Risiko Kredit yang dihitung adalah berupa potensi kerugian yang dialami dari suatu portfolio kredit mikro sektor usaha. Credit Risk+ mengabaikan penyebab dari terjadinya default.

Penerapan Credit Risk dilakukan untuk menghitung risiko kredit mikro Bank BRI dengan batasan sebagai berikut. Pertama, Kredit Mikro yang diteliti adalah hanya pada sector usaha dengan data selama 3 tahun, yaitu dari Januari 2001 sampai dengan Desember 2003. Kedua, Kriteria Default diasumsikan sama dengan kolektibilitas macet sesuai ketentuan Bank Indonesia, karena Bank BRI belum mempunyai credit scoring. Ketiga, Bank BRI tidak mempunyai data agunan, karena agunan pada kredit mikro hanya sebagai aspek psikologis.

Dalam Model Credit Risk * digunakan dua tahapan, yaitu pertama mencari Frecuency of Default dan Severity of Losses. Kedua Distribution ofDefault Losses. Setelah mendapatkan Loss Distribution, akan dapat diketahui besarnya potensi kerugian berupa expected losses dan unexpected losses serta besamya economic capital untuk menutup kerugian yang terjadi.

Hasil simulasi perhitungan kredit mikro sektor usaha dengan menggunakan Credit Risk + dengan asumsi tingkat keyakinan 95 % dan probability of default dihitung dengan Poisson Model menunjukkan sebagai berikut.

Pertama, Perhitungan Probability of Default menunjukkan bahwa kredit mikro sector usaha yang memiliki kemungkinan untuk te1jadinya no default lebih besar dari kemungkinan terjadinya default pada tahun 2001 adalah kredit diatas Rp. 3 juta, pada tahun 2002 kredit diatas Rp. 5 juta dan pada tahun 2003 kredit diatas Rp. I 0 juta. Sedangkan untuk kredit diatas Rp. 10 juta sampai dengan Rp. 20 juta, walaupun memiliki kemungkinan tetjadinya no default lebih besar dibandingkan dengan kemungkinan default, namun kemungkinan default tersebut adalah lebih besar dibandingkan kemungkinan default kredit dibawah Rp. 2 juta

Kedua, Besarnya potensi kerugian kredit mikro sektor usaha yang diperoleh dari perkalian probability of default dengan loss given default adalah sebesar Rp. 57.247.955.748, pada tahun 2001, sebesar Rp. 158.886.611.142,- pada tahun 2002 dan menjadi sebesar Rp. 550.014.556.136,- pada tahun 2003. Potensi kerugian tersebut bila dibandingkan dengan outstanding kredit mikro sektor usaha adalah sebesar 1 ,08°/c, pad a tahun 2001, sebesar 2,86% pada tahun 2002 dan sebesar 7,69% pada tahun 2003.

Ketiga, Expected Loss sesuai perhitungan denganmodel Credit Risk dapat ditutup oleh cadangan yang dibentuk oleh bank, yaitu pada tahun 2001 sebesar Rp.l9.823.793.748,- jauh lebih kecil dari pembentukan PPAP sebesar Rp. 134.613.934.416,-, tahun 2002 expected loss sebesar Rp.52.793.866.260,- lebih kecil dari PPAP sebesar Rp. 187.314.166.50 I,-, tahun 2003 expected loss sebesar Rp 293.321.124.509,- sedikit lebih kecil dari PPAP sebesar Rp.300.371.973.033,-.

Keempat, Untuk menutup unexpected loss diambilkan dari modal. Dan besarnya economic capital yang harus disediakan meningkat setiap tahunnya, yaitu dari Rp. 37.424.162.038,- pada tahun 2001, menjadi Rp. 106.092.744.882,- pada tahun 2002 dan Rp. 256.693.431.672,- pada tahun 2003. Dengan mengetahui jumlah dan peningkatan Economic Capital dapat digunakan untuk melakukan analisa strategi untuk melakukan alokasi asset yang tepat dan paling menguntungkan.

Hasil backtesting pada tingkat keyakinan 95% tahun 2001 adalah kondisi aktual credit at risk atau jumlah kredit default pada kredit mikro sesuai dcngan prcdiksi. Namun pada tahun 2002, posisi aktual kredit sampai dengan Rp. 2 juta berada sedikit diatas prediksi, dan pada tahun 2003 posisi aktual yang melewati prediksi meningkat menjadi kredit sampai dengan Rp. 5 juta. Hal ini dapat terjadi karena antara lain, pertama adanya komposisi pertanian semakin besar hampir menyamai kredit untuk perdagangan. Sektor pertanian adalah sektor yang faktor kegagalannya sulit diprediksi karena faktor ekstern seperti kondisi alam dan Iingkungan sangat mempengaruhi. Kedua, adanya perubahan ketentuan kolektibilitas terhadap kredit mikro menyebabkan jumlah default menjadi meningkat. Ketiga, Underestimated pada estimasi dibandingkan dengan kondisi aktual dapat tetjadi karena adanya volatility default rates. Mean dapat berubah tergantung pada siklus bisnis. Namun mengingat sempitnya waktu dan data yang ada maka dampak pengaruh siklus bisnis tidak diteliti.

Penerapan Credit Risk* pada perhitungan risiko kredit mikro sektor usaha Bank BRI menunjukkan bahwa kerugian yang dialami relatif rendah dan masih dapat ditutup oleh cadangan yang dibentuk dan economic capital. Penyediaan modal minimum yang digunakan juga lebih rendah dibandingkan ketentuan Basel sebesar 8 %. Hal ini menunjukkan bahwa kredit mikro sektor usaha adalah merupakan sektor yang sangat potensial untuk dikembangkan karena risiko kredit rendah dan pasar masih terbuka luas.

Abstrak :
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.

Abstrak :
Mengukur risiko yang mungkin terjadi pada suatu portofolio, diperlukan suatu nilai yang merupakan kuantifikasi dari risiko tersebut. Salah satu cara yang dapat digunakan untuk menghitung risiko adalah metode Value at Risk. Value at Risk merupakan suatu nilai yang merupakan ringkasan atau nilai risiko kerugian yang mungkin terjadi pada suatu portfolio, pada saat tertentu, dengan jangka waktu / periode pengamatan (holding period) tertentu serta dengan tingkat kepercayaan tertentu. Dalam tulisan ini penulis mencoba untuk menghitung risiko pada asset kredit dengan menggunakan Metode Value at Risk, yaitu terhadap portfolio per jenis kredit pada bank. Terlebih dahulu akan dilakukan observasi terhadap nilai-nilai posisi outstanding dari asset kredit yang merupakan risk drivers. Dengan menggunakan nilai return kredit yang telah dinilai berdasarkan mark-to-market, maka hasil olah data akan mendapatkan deviasi standar yang merupakan penyebaran atau dispersi dari return kredit itu. Selanjutnya untuk mengukur sensitivitas terhadap gerakan pasar, maka perlu untuk membandingkan hasil perhitungan VaR yang telah dilakukan dengan kredit bermasalah bank tersebut. Kredit bermasalah merupakan risiko yang tidak dapat di diversifikasi, karena perusahaan tidak mampu menghadapi gejolak pasar yang sangat berfluktuasi. Tapi kredit portfolio merupakan risiko yang dapat didiversifikasi oleh salah satunya seperti loan concentration.

Abstrak :
ABSTRAK
Beberapa peneliti telah melakukan kajian untuk mengetahui determinan manajemen risiko yang efektif dan hubungannya dengan kinerja perusahaan. Hasil penelitian Gordon, Loeb, Tseng 2009 menunjukkan bahwa efektivitas manajemen risiko dan hubungan manajemen risiko dengan kinerja perusahaan bergantung pada kecocokan yang tepat antara manajemen risiko korporasi ERM perusahaan dan variabel-variabel kontekstualnya. Selain itu, hasil penelitian Kaplan dan Mikes 2014 menunjukkan bahwa manajemen risiko yang efektif bergantung pada konteks dan kondisi perusahaan. Mereka juga mengindikasikan bahwa manajemen risiko akan paling efektif bila sesuai dengan karakter dasar dan kemampuan mengendalikan berbagai jenis risiko yang dihadapi oleh perusahaan. Meskipun demikian, hingga saat ini belum ada penelitian empiris yang menelaah signifikansi pengaruh tipe-tipe risiko terhadap hubungan antara keefektifan manajemen risiko dan kinerja perusahaan. Oleh karena itu, penelitian ini bertujuan untuk memberikan dukungan terhadap teori kontingensi yang diajukan oleh Gordon et. Al. 2009 dan memberikan bukti empiris tentang pentingnya pengaruh tipe-tipe risiko pada hubungan antara keefektifan manajemen risiko, yang diukur dengan indeks dari Florio dan Leoni 2017 , dan kinerja perusahaan. Analisis logistik dan analisis residual digunakan untuk menganalisa signifikansi variabel kontekstual tipe-tipe risiko terhadap hubungan antara keefektifan manajemen risiko dan kinerja perusahaan pada sektor perbankan Eropa di periode 2013-2016. Kontribusi penelitian ini adalah memberikan pemahaman bahwa faktor-faktor kontekstual, tipe-tipe risiko dan unsur-unsur di luar neraca, mempengaruhi hubungan antara keefektifan manajemen risiko dan kinerja perusahaan. Dengan pemahaman ini, diharapkan sektor perbankan dan pihak-pihak yang terkait dengan regulasi dapat lebih baik dalam mengelola risiko, yang disesuaikan dengan tipe-tipe risiko dan eksposure dari unsur-unsur di luar neraca untuk memperoleh kinerja perbankan yang lebih baik, sesuai dengan kerangka kerja COSO 2016 serta dapat memenuhi regulasi Basel III di tahun 2018.

---

ABSTRACT
Several attempts have been made to enlighten the determinants of effective risk management and its relations to the entities performance. Gordon, Loeb, Tseng 2009 show that risk management effectiveness and performance relation is dependent upon the proper match between a firm rsquo s enterprise risk management ERM and its contextual variables. Additionally, Kaplan and Mikes 2014 indicates that the effective risk management depends on the organization rsquo s context and circumstances. Further, they have indicated that risk management will be most effective when it matches the inherent nature and controllability of the different types of risk the organization faces. Nonetheless, there is no known empirical research that has focused on exploring the significance of risk types on the relationship between effective risk management and entities rsquo performance. Thus, this study aims to provide support to contingency theory proposed by Gordon et. al. 2009 and provide empirical evidence on the significance of risk types on the relationship between effective risk management using measurement by Florio and Leoni 2017 and entities rsquo performance. A logistic and residual analysis is used to assess the significance of contextual variable risk types on the ERM and performance relationship in European banking sectors for the period 2013 2016. The contribution of this study is to offer some important insights into the significance of risk coverage and off balance sheet exposure in incentivizing banks to better manage their risk by meeting the upcoming 2018 Basel III requirements that are in line with the new 2016 COSO framework

Abstrak :
Penelitian ini membahas mengenai penerapan manajemen risiko pada proyek konstruksi rumah tinggal di PT X. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi kasus. Metode pengumpulan data pada penelitian ini menggunakan instrumen wawancara dan analisis dokumen. PT X yang merupakan perusahaan jasa konstruksi sering mengalami kerugian karena keterlambatan dan pembengkakan biaya pada proyek konstruksi rumah tinggal. Penelitian ini bertujuan untuk mengetahui faktor penyebab keterlambatan dan pembengkakan biaya selama proyek konstruksi rumah tinggal dan penerapan manajemen risiko pada proyek konstruksi rumah tinggal di PT X. Hasil dari penelitian ini berupa risk register yang berisikan hasil identifikasi risiko, analisis risiko, dan rekomendasi penanganan risiko terkait faktor penyebab keterlambatan dan pembengkakan biaya pada proyek konstruksi rumah tinggal di PT X. ......This study discusses the implementation of risk management in residential construction projects at PT X. This research uses a qualitative approach with a case study method. The data collection method in this study used interview instruments and document analysis. PT X, which is a construction service company, often experiences losses due to time and cost overruns during construction projects. This study aims to determine the factors that cause time and cost overruns during residential construction project and the implementation of risk management in residential construction projects at PT X. The results of this study are in the form of a risk register containing the results of risk identification, risk analysis, and recommendations for risk responses related to factors causing time and cost overruns in residential construction projects at PT X.