Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Studi ini secara umum ingin mengkaji tingkah laku ketahanan seorang debitur Kredit Pemilikan Rumah (KPR) di bank ABC,Tbk terhadap risiko kredit macet dengan karakteristik-karakteristik yang menjelaskannya. Secara khusus studi ini mempelajari distribusi survival waktu hingga default dari kontrak-kontrak KPR dan mengkaji karakteristik demografi dan karaktereristik pinjaman debitur yang dapat menjadi penjelas risiko default kontrak-kontrak KPR di bank ABC,Tbk. Populasi dalam penelitian ini adalah seluruh debitur KPR yang fasilitas kreditnya pada saat awal masa studi masih tercatat pada bank ABC, Tbk sedangkan sampel sebanyak 505 debitur, diambil secara acak dari populasi. Debitur yang dijadikan anggota sampel adalah debitur yang fasilitas kredit KPRnya belum mengalami macet (default) tetapi menurut catatan bank ABC, Tbk, sudah diklasifikasikan sebagai pinjaman bermasalah. Dari setiap anggota sampel debitur akan diamati perkembangan status kolektibilitas pinjamannya dari bulan Agustus 2003 sampai dengan bulan Agusius 2005. Skema pengamatan yang dipakai untuk mengamati data usia kontrak saat macet adalah skema penyensoran kanan dan pemancungan kiri. Hasil penaksiran dengan metode non-parametrik, mengindikasikan bahwa secara umum sebuah kontrak KPR di bank ABC,Tbk akan mengalami macet (default) 8 bulan sampai 52 bulan sejak kredit dikucurkan. Diperkirakan sebanyak 99% dari seluruh pinjaman KPR yang kontraknya masuk dalam bulan yang sama belum mengalami default 8 bulan kedepan sejak awal kontrak. Sedangkan 57% dari seluruh kontrak yang masuk pada bulan yang sama, diduga tidak akan macet 52 bulan atau lebih sejak awal kontrak. Berdasarkan taksiran fungsi hazard kumulatif, diperkirakan 1,24% dari seluruh pinjaman KPR yang belum mengalami default selama waktu tertentu sejak awal masa kontrak, akan mengalami default dalam periode yang singkat dimasa depan. Hasil penaksiran dengan metode semiparametrik, mengindikasikan bahwa usia debitur, besarnya nominal kredit dan pendidikan terakhir debitur pada saat awal kontrak merupakan faktor-faktor yang menerangkan risiko macet sebuah kontrak KPR. Masing-masing faktor risiko di atas secara cateris paribus signifikan menentukan risiko macet sebuah kotrak KPR dengan derajat relatif yang berbeda-beda. Model proporsional hazard yang melibatkan faktor risiko usia debitur pada saat awal kredit, besarnya nominal kredit dan pendidikan terakhir pada saat awal kredit secara statistik valid untuk kegunaan prediksi meskipun terdapat satu atau dua observasi yang kemungkinan terkategori sebagai pencilan, yang dilibatkan dalam proses penaksiran model. Beberapa implikasi praktis yang bisa dikemukakan dari studi ini antara lain: pertama; untuk mengurangi risiko macet dari KPR perlu dilakukan segmentasi pasar kredit yang mempertimbangkan potensi risiko dan keuntungan berdasarkan karakteristik demografi dan karakteristik kontrak debitur yang signifikan dalam penelitian ini. Kedua, bank ABC,Tbk diharapkan dapat meninjau kembali penentuan scoring bagi karakteristik demografi dan karakteristik pinjaman debitur.

---

This research, generally, studies the endurance behavior of a debtor of housing loan (KPR) in ABC bank, ltd. to default risk along with its explanatory characteristics. This research, specifically, studies time survival distribution to default of KPR contracts and studies demographic characteristics and debtor's loan characteristics which can explain default risk of KPR contracts in ABC bank, ltd. The population of this research is all KPR debtors who have loan in the bank in the beginning of this study. Meanwhile, there are 505 samples taken randomly out of the population. The samples are debtors without default housing loan (KPR) but classified into bad debts by ABC bank, ltd. Each sample will be examined the status of its collectivization capability from August 2003 to August 2005. The observation scheme used to learn the data of contract time is right censor and left diverge. Value gained, using nonparametric method indicates that generally a KPR contract in ABC bank, ltd. will be default for the period of 8 months to 52 months after the KPR contract is approved. It is assumed that 99% of all housing loans (KPR) approved in the same month has not been default for the period of 8 months after the contract is approved. Meanwhile, 57% of all contracts which are approved in the same month is assumed that they will not be default for the period of 52 months after the contract is approved. Based on the estimation of cumulative hazard function, it is assumed that 1,24% of all housing loan contracts (KPR) which have not been default for the certain period after the contract is approved will be default for a short period after the contract is approved. Value gained, using semi-parametric method indicates that debtor's age, the amount of loan and the highest level of education of debtors at the time the contract is approved are factors that explain the default risk of KPR contract. Each risk factor above, cateris paribus, significantly determines relatively different degree of default risk of KPR contract. Proportional hazard model which includes the age of debtors when the contract is approved, the amount of loan and the highest level of education of debtors when the contract is signed are statistically valid for making prediction although there might be one or two observation categorized as exception, involved in the process of prediction model. This study reveals some practical results as follows: first, to reduce the default risk of housing loan, ABC bank, ltd. needs to make segmentation in term of credit market by considering possible risk and profit based on demographic characteristics and contract characteristics of the debtors. Second, ABC bank, ltd. is expected to review scoring system for demographic and loan characteristics of the debtors.

Abstrak :
Eratnya hubungan antara tingkat suku bunga dengan kinerja perbankan menunjukkan pentingnya tingkat suku bunga dengan pengelolaan risiko bank. Dengan dasar pemikiran tersebut maka timbul pemikiran untuk mengukur risiko yang disebabkan oleh pergerakan suku bunga dalam kerangka pengukuran risiko pasar. Dalam saat yang bersamaan, terdapat kecenderungan untuk menerapkan metode VaR untuk mengukur risiko yang dihadapi oleh perbankan. VaR adalah salah satu metoda untuk mengukur risiko pasar (market risk) yaitu untuk mengestimasi tingkat kerugian yang dapat terjadi karena memiliki suatu asset/portfolio asset dalam nilai tertentu yang nilainya dirujuk kepada nilai pasar (market to market value), dengan tingkat kepercayaan statistika tertentu (confidence level) dan untuk jangka waktu penguasaan asset (holding period) yang tertentu dalam kondisi pasar yang dianggap normal. Pergerakan nilai pasar dari aset tersebut menandai return yang dihasilkan oleh aset, apakah return-nya positif atau negatif. Dengan menganggap suku bunga pinjaman adalah return yang dihasilkan oleh asset kredit maka pada dasarnya metoda VaR dapat digunakan untuk mengukur risiko tingkat suku bunga yang dihadapi oleh bank pada saat memiliki aset kredit dalam jumlah tertentu dalam suatu holding period tertentu yang diakibatkan oleh pergerakan suku bunga pinjaman. Khususnya untuk kredit konsumtif dimana umumnya tingkat suku bunga bersifat fixed selama periode tertentu, risiko suku bunga terkait dengan kemungkinan kerugian bank selama periode tersebut dimana biaya dana (cost of fund) bank dapat bergerak naik dan turun dan mengakibatkan negative spread pada saat biaya dana tersebut naik melebihi suku bunga pinjaman. Penelitian ini bertujuan untuk: (1) Mengetahui karakteristik data suku bunga pinjaman keempat produk kredit konsumtif KPR Renovasi, Kredit Kepemilikan Mobil (KPM), Kredit Kepemilikan Motor (KP-Motor), dan Kredit Multiguna yang diberikan oleh Bank X selama periode observasi; (2) Untuk memberikan informasi besarnya VaR akibat perubahan suku bunga pinjaman untuk masing-masing produk kredit konsumtif tersebut yang dihasilkan oleh proses perhitungan yang sesuai dengan karakteristik data suku bunga keempat produk kredit tersebut; (3) Untuk memberikan informasi besarnya VaR untuk portfolio kredit konsumtif yang terdiri atas keempat produk kredit tersebut; (4) Menguji validitas metoda VaR yang digunakan dalam hal kemampuan metoda tersebut untuk mengestimasi tingkat kerugian yang dialami Bank X karena risiko tingkat suku bunga. Berdasarkan basil pengujian atas data tingkat suku bunga keempat produk kredit konsumtif, diperoleh hasil karakteristk sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Tidak terdistribusi secara normal, sehingga nilai a yang akan digunakan dalam perhitungan VaR hares dikoreksi lebih dahulu menggunakan Cornish Fisher Expansion menjadi a; (3) Homoskedastik, sehingga volatilitas data yang diperlukan untuk perhitungan VaR dapat dihitung menggunakan rumus deviasi standar statistik. Angka VaR dihitung dengan menggunakan holding periode 1 bulan dan tingkat kepercayaan 95%, dengan demikian nilai VaR yang dihitung menggunakan data posisi akhir bulan x digunakan untuk mengestimasi tingkat kerugian pada akhir bulan x-H dengan tingkat keyakinan 95%, atau dengan kata lain: hanya 5% kemungkinannya bahwa tingkat kerugian pada akhir bulan x+1 akan melebihi nilai VaR. Hasil uji dengan cara bakc testing menunjukkan hasil yang baik di mane dari keempat produk kredit yang dianalisis, tidak terdapat overshoot sclama periode observasi. Hasil pengujian validitas VaR lebih lanjut dengan Kupiec Test (metoda TNoF) menunjukkan bahwa penggunaan metoda VaR dalam penelitian ini untuk mengestimasi tingkat kerugian akibat risiko tingkat suku bunga untuk masing-masing produk kredit konsumtif Bank X tersebut dapat dianggap valid. Untuk penghitungan VaR Portfolio, hasil uji return portfolio menunjukkan karakteristik data sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Terdistribusi secara normal, sehingga nilai yang akan digunakan dalam perhitungan VaR tidak perlu dikoreksi; (3) Homoskedastik, sehingga estimasi volatilitas dapat menggunakan rumus standar deviasi statistik. Uji validitas VaR portfolio dengan backtesting menunjukkan tidak terdapat overshoot selama periode observasi, dan uji lebih lanjut dengan Kupiec Test menunjukkan bahwa VaR portfolio valid digunakan untuk mengestimasi kerugian maksimum portfolio kredit konsumtif karena risiko tingkat suku bunga.

---

The objectives of this study are: (1) to determine the characteristic of loan interest rate data of four consumer loan products at Bank X: KPR Renovasi (Housing Loan - for Renovation Purpose), KPM (Car Loan), KPMotor (Motor Cycle Loan), and KPM (Multi Purpose Loan) which were advanced by Bank X within the observation period of August 2002 to November 2005; (2) To determine the Value at Risk (VaR) which quantifies market risk resulting from fluctuation in loan interest rate for each consumer loan product; the calculation process to produce such VaR should be done according to a method that fits the characteristic of data determined in point 1 above; (3) To determine the VaR of the loan portfolio consisting of the above four consumer loan products; (4) To test the validity of VaR method used, in terms of its ability to estimate the extent of loss suffered by Bank X due to interest rate risk. The results of test on characteristic of interest rate data of the four consumer loan products showed that the data has the following characteristics: (1) Non-stationary, hence the data needs to be differentiated at ' order as to become stationary and eligible for further test steps; (2) Not having normal distribution, hence a for VaR calculation must be adjusted using Cornish Fisher Expansion to become a ("prime Alpha"); (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of data. VaR is calculated using 1 month holding period and 95% confidence level, meaning VaR calculated based on month X's end position is used to estimate the extent of loss at the end of month X+1 on 95% confidence level. In other words: there is only 5% probability that the extent of lost at the end of month x+1 will exceed VaR value. Back testing showed a good results whereby no overshoot identified within the observation period. Further validity test using Kupiec Test (to be more specific. Kupiec Test with TNoF approach) showed that the VaR method used in this study to estimate the extent of loss due to interest rate risk of each Bank s consumer loan product is considerably valid. The results of test on the characteristic of portfolio return (derived from each loan 's interest rate data and taking into account the loan outstanding of each loan as to 'weight' each loan's data), are as follows: (1) Non-stationary, hence the portfolio return data needs to be differentiated at order as to become stationary and eligible for further test steps; (2) Having normal distribution, hence no need to adjust a for VaR calculation; (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of por folio return. Backtesting on the portfolio VaR value showed no overshoot within the observation period. Further test using Kupiec (TNoF approach) test verifies that the portfolio VaR is valid for the use of estimating the extent of loss due to interest rate risk.

Abstrak :
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.

Abstrak :
Laporan Indocommercial (2004) menyatakan bahwa penyaluran kredit konsumsi selama beberapa tahun terakhir terlihat sangat aktif pada sektor konsumsi. Pertumbuhan penyaluran kredit konsumsi meningkat pesat dibandingkan untuk kepentingan modal kerja apalagi kredit investasi. Pertumbuhan kredit konsumsi beberapa tahun terakhir ini dilatarbelakangi pula oleh beberapa faktor seperti perubahan perilaku masyarakat ang cenderung lebih konsumtif dan selalu ingin memenuhi kebutuhan sekunder dan tersiemya, didukung jumlah penduduk Indonesia yang sangat besar. Kredit konsumsi yang ditawarkan oleh bank cenderung homogen dengan cara-cara pemasaran yang hampir sejenis pula. Kredit konsumsi sebagai salah satu produk high involvement dan unfamiliar perlu dipasarkan dengan cara yang unik dan sesuai dengan kebutuhan konsumen. Oleh karena itu, Bank X perlu mengetahui perilaku konsumen kredit konsumsi agar dapar menciptakan strategi pemasaran kredit konsumsi secara akurat. Penelitian ini dilakukan untuk mengetahui bagaimana perilaku konsumen kredit konsumsi pada Bank X, khususnya proses pengambilan keputusan yang dilaluinya. Selain itu, penelitian ini juga berusaha mencari tabu variabel experiential providers yang dialami oleh nasabah kredit konsurnsi, sebagai acuan untuk pengembangan komunikasi pemasaran kredit konsumsi Bank X selanjutnya. Metodologi penelitian yang digunakan adalah riset eksploratori dan riset konklusif. Metode pengambilan sampel yang digunakan adalah non probability sampling dengan tipe convenience sampling. Populasi dalam penelitian ini adalah seluruh nasabah kredit konsumsi pada Bank X, sementara sampel penelitian adalah nasabah kredit konsurnsi tertentu pada Bank X yang ditetapkan penulis. Tidak semua nasabah kredit konsumsi diambil menjadi sampel penelitian, melainkan hanya nasabah KPR Graha, Kredit Multiguna dan Kredit Bebas Agunan (KBA). Jumlah responden adalah 100 orang yang diwajibkan mengisi kuesioner yang sudah disediakan peneliti. Metode analisis data yang digunakan dalam penelitian ini adalah analisis faktor, analisis cluster dan crossrab yang disertai dengan ujia Chi-Square. Hasil analisis faktor terhadap proses pengarnbilan keputusan kredit konsumsi menghasilkan delapan faktor utama. Faktor-faktor tersebut adalah Faktor Keunggulan Produk, Faktor Inforrnasi, Faktor Harapan, Faktor Merek, Faktor Iklan, Faktor Motivasi, Faktor Kepercayaan dan Faktor Rekomendasi. Pihak Bank X tidak perlu lagi mengamati seluruh variabel proses pengambilan keputusan kredit konsumsi, tetapi cukup memperhatikan delapan faktor tersebut dalam mengembangkan strategi pemasaran yang lebih terarah dan terencana. Selanjutnya kedelapan faktor tersebut diolah dengan analisis cluster untuk mengetahui segmen nasabah kredit konsumsi Bank X. Hasil cluster yang terbaik menurut peneliti adalah pengelompokan menjadi empat cluster. Ada empat segmen nasabah kredit konsumsi yang berhasil diidentifikasi berdasarkan kesamaan karakteristiknya, yaitu segmen nasabah pernerhati citra (19%), segmen nasabah simpel (5%), segmen nasabah pencari informasi (48%) dan segmen nasabah pemimpi (28%). Proses segmentasi biasanya selalu diikuti proses targeting, yaitu pemilihan pasar sasaran yang optimal. Dalam penelitian ini, pihak Bank X disarankan memfokuskan strategi pemasaran kredit konsumsinya pada segmen nasabah pemimpi sebagai pasar primer dan segmen nasabah pencari informasi sebagai pasar sekunder. Penelitian ini juga berusaha menilik respon nasabah terhadap variabel-variabel experiential providers. Berdasarkan analisis faktor terhadap variabel experiential providers maka didapatkan enam faktor utama. Keenam faktor tersebut adalah Faktor Kenyamanan, Faktor Aplikasi Kredit, Faktor Eksklusifitas, Faktor Media Elektronik, Faktor Penawaran Kredit dan Faktor Pelayanan. Mayoritas responden menyatakan setuju bahwa keenam faktor experiential providers tersebut mampu memberikan pengalaman yang berkesan mengenai kredit konsumsi Bank X. Keenam faktor experiential providers tersebut juga dianalisis menggunakan uji Chi-Square untuk melihat hubungan antara faktor-faktor experiential providers dengan segmentasi nasabah kredit konsumsi. Hasil uji menunjukkan bahwa hanya ada empat faktor experiential providers yang rnemiliki hubungan signifikan dalam pembentukan segmen nasabah kredit konsumsi. Keempat faktor tersebut adalah Faktor Aplikasi Kredit, Faktor Media Elektronik, Faktor Penawaran Kredit dan Faktor Pelayanan. Kredit konsumsi merupakan salah satu produk tak berwujud. Oleh karena itu, pihak Bank X harus berupaya memberikan pengalarnan yang berkesan bagi nasabah. Pengalaman yang berkesan tentu akan terns diingat dalam benak konsumen. Salah satu cara yang mungkin dilakukan Bank X adalah memberikan pelayanan yang memuaskan nasabah, di mana nasabah diperlakukan seperti raja. Pengalaman seperti itu tentu akan terms diingat, sehingga nasabah akan terus menjadi nasabah Bank X yang loyal. Untuk penelitian selanjutnya diharapkan dapat lebih spesifik mengukur perilaku konsumen kredit konsumsi Bank X. Misalnya mernisahkan nasabah berdasarkan jenis kredit konsumsi yang dimilikinya, yakni nasabah KPRIMultiguna/KBA. Selain itu, juml'ah sampel sebaiknya diperbanyak agar benar-benar mewakili populasi yang ada.

---

Report from Indocommercial (2004) stated a very active increase on consumption credit sector over the past few years. Consumption credit had increased significantly compared to other credit, such as investment or. The increase had been much related to several factors, such as shift of behavior which tend to be more consumptive and more eagerness to fulfill secondary and tertiary needs. These facts will be very attractive considering Indonesia's big population. Consumption credit offered by banking institutions in Indonesia tends to be more homogenous, in almost homogenous marketing applications. Its characteristics as high involvement and unfamiliar product require a unique and customized way of marketing. This implies that Bank X requires knowing and comprehending consumer behavior of consumption credit to formulate consumer credit marketing strategy accurately. This research is conducted to identify and recognize consumer behavior of consumer credit, especially on decision making process the consumer had to go through beforehand. As a reference for Bank X to enhance marketing the research also include the identification of experiential provider variable experienced by consumer. The research methodology used is exploratory research and conclusive research. Sampling method used is non-probability sampling with convenience sampling type. Population in this research is the whole consumer of consumption credits in Bank X, and the sample is consumer of certain consumption credits in Bank X as defined by the author. The samples are only consumer of KPR Graha (housing loan), Kredit Multiguna (multi-function loan) and Kredit Bebas Agunan (Unsecured Loan). Numbers of respondents are 100 persons asked to fill questionnaires the author provided. Data analysis method used are factor analysis, cluster analysis, and cross tab analysis with Chi-Square testing. The results of factorial analysis for decision making of consumers credit are eight main factors: Product Factor, Information Factor, Expectation Factor, Brand Factor, Advertisement Factor, Motivation Factor, Trust Factor, and Recommendation Factor. Bank X should only focus on those eight factors in formulating and developing a more planned and integrated marketing strategy. Those factors are analyzed using cluster analysis to identify segments of consumption credit in Bank X. Best cluster gained is grouping into four clusters. Those four segments, which are being grouped by characteristics similarity, are Image Conscious Segment (19%), Simple-Minded Segment (5%), Information-Seeker Segment (48%), and Dreamer Segment (28%). Prior to segmenting comes targeting, an optimal market to be targeted. Based on the research result, Bank X should focus on Dreamer Segment as primary market and Information-Seeker Segment as secondary market. Experiential Providers variables are also being examined based on factor analysis. Six factors are the outcomes of the research: Luxurious Factor, Credit Application Factor, Exclusivity Factor, Electronic Media Factor, Credit Offering Factor, and Service Factor. Majority of respondents confirms the six factors may enhance an impressive experience regarding consumption credit in Bank X. Those six factors are also analyzed using Chi-Square testing to identify significance relationship between experiential providers? factors and segments of consumption credit in Bank X. The result is only four experiential providers factors that had significance relationship with segments of consumption credit. There are Credit Application Factor, electronic Media Factor, Credit Offering Factor and Service Factor. Bank X must give an impressive experience for consumers throughout credit application process. An impressive experience given by Bank X, such as a satisfying service shall be remembered and kept in memories, to make consumers loyal. For further research, it is recommended that Bank X should more specifically measure consumer behavior of consumption credit based on type of credits or loans individually. Sample size should also be increased to better represent the entire population.