Fakultas Ekonomi Manajemen Institut Pertanian Bogor
Tahap 5: Monitor dan Pengendalian
3.6. Metode Pengolahan dan Analisis Data
3.6.2. Analisa Tren
Analisa tren dilakukan dengan metode tren quadratis (quadratic trend method). Metode ini dipilih karena memiliki nilai selisih antara data dengan peramalan yang paling kecil sehingga dirasakan paling tepat atau memiliki tingkat kesalahan yang kecil.
3.6.3. Peramalan (Forecasting)
Peramalan dilakukan dengan metode single eksponential smoothing. Metode ini menggunakan konstanta pemulusan (α) 0,75. Menurut Reksohadiprodjo (1999), rumusekstrapolasi sederhana adalah:
... (1) Keterangan:
Ft : Peramalan yang baru
Ft-1 : Peramalan periode sebelumnya
At-1 : Nilai Aktual periode sebelumnya
α : Konstanta pemulusan 0 < α < 1 3.6.4 Value at Risk (VaR)
Value at Risk adalah pengukuran suatu risiko yang dilakukan secara kuantitatif dengan memperkirakan potensi maksimum kerugian yang mungkin terjadi dengan suatu tingkat keyakinan tertentu. Inti dari VaR itu sendiri adalah volatilitas. Volatilitas adalah keragaman perubahan faktor risiko. Secara statistika, volatilitas ini sama dengan simpangan baku (Jorion dalam Setianingsih, 2008).
Penilaian risiko ini menggunakan data masa lalu (historical data) dengan cara melakukan pengukuran terhadap volatilitas dari fluktuasi nilai di masa lalu. Dalam perhitungan terhadap nilai risiko di masa yang akan datang tidak bisa memastikan dengan pasti potensi kerugian yang akan terjadi, oleh sebab itu nilai peluang selalu mengikuti hasilnya. Transparansi VaR akan semakin baik karena VaR secara konsisten mengukur pengaruh dari hedging terhadap risiko total. VaR
memberikan penekanan pada keseluruhan risiko dibandingkan dengan pengukuran tradisional yang lebih menekankan pada risiko per transaksi individual (Joriondalam Setianingsih, 2008).
a. Perhitungan VaR dengan metode credit metrics
Credit metrics adalah suatu kerangka Value at Risk yang diaplikasikan untuk penilaian risiko suatu asset yang tidak diperdagangkan seperti pinjaman. Metode ini didasarkan pada konsep rata-rata dan simpangan baku terboboti. Dalam prosesnya memerlukan credit rating (peringkat kredit) dan matriks migrasi.
b. Peringkat kredit
Dalam perhitungan VaR kredit dengan metode credit metrics perlu dilakukan pemeringkatan kredit terlebih dahulu. Dalam penelitian ini tidak menggunakan eksternal rating, sehingga sebagai pengganti peringkat diperlukan kolektibilitas debitur berdasarkan peraturan yang dikeluarkan oleh Bank Indonesia.
c. Matriks migrasi
Pengertian matriks migrasi sama dengan matriks transisi. Peluang migrasi atau perpindahan dari suatu kelas peringkat (kolektibilitas) tertentu ke kelas peringkat yang lain dinamakan matriks transisi. Matriks transisi ini dapat diartikan juga sebagai proporsi perpindahan kolektibilitas dari satu bulan ke bulan lainnya. Matriks migrasi diasumsikan stasioner (stabil). Penentuan matriks migrasi dalam penelitian ini menggunakan kolektibilitas debitur. Bentuk matriks transisi adalah sebagai berikut:
Keterangan:
P11 adalah peluang kredit dengan peringkat 1 (Kolektibilitas lancar) tetap
berada pada peringkat 1 (Kolektibiltas lancar). L DPK KL D M L DPK KL D M
P12 adalah peluang kredit dengan peringkat 1 menjadi berada pada peringkat 2
(Kolektibilitas dalam perhatian khusus), dan seterusnya.
L, DPK, KL, D, M adalah kolektibilats lancar, dalam perhatian khusus, kurang lancar, diragukan, dan macet.
d. Tahapan menghitung VaR
Tahap dalam menghitung VaR dengan credit metrics adalah sebagai berikut: 1. Menentukan matriks transisi bulanan
Matriks transisi bulanan atau rating migration merupakan perubahan rating
debitur baik meningkat, menurun, ataupun tetap (perubahan dari migrasi kualitas kredit pada suatu periode waktu tertentu). Matriks transisi ini berukuran 5 x 5 karena jumlah kelas (grade) dalam credit rating system ada lima yaitu L, DPK, KL, D, M. data historis pergeseran kolekbilitas per debitur per bulan selama periode pengamatan merupakan dasar untuk penyusunan peluang transisi dari setiap kolektibilitas.
2. Menentukan matriks migrasi unconditional
Matriks migrasi unconditional adalah proporsi perpindahan kolektibilitas dari satu bulan ke bulan lainnya. Matriks ini merupakan rata-rata dari matriks transisi bulanan. Bentuk matriks ini sama dengan matriks transisi.
Baris ke satu pada matriks di atas merupakan peluang untuk menghitung VaR pada kolektibilitas lancar, baris ke dua merupakan peluang untuk menghitung VaR pada kolektibilitas dalam perhatian khusus, dan seterusnya. Elemen-elemen yang ada pada matriks migrasi unconditional ini merupakan peluang migrasi ke peringkat tertentu, yang akan digunakan untuk menghitung rata-rata nilai baki debet dalam perhitungan VaR.
3. Menghitung rata-rata nilai baki debet
Merupakan jumlah dari hasil perkalian antara peluang migrasi ke peringkat tertentu dengan hasil kali antara nilai baki debet total peringkat tertentu pada akhir
L DPK KL D M L DPK KL D M
periode pengamatan dengan peluang peringkat tertentu. Peringkat yang dimaksud adalah kolektibilitas. Secara sistematis adalah sebagai berikut:
... (2) Keterangan:
µ : rata-rata nilai baki debet
pi : peluang suatu kondisi (peluang migrasi ke peringkat tertentu)
µi : nilai baki debet yang merupakan hasil kali antara baki debet total
peringkat tertentu pada akhir periode pengamatan dengan peluang peringkat tertentu.
s : banyaknya peringkat
4. Menghitung selisih nilai baki debet dengan nilai rata-rata baki debet 5. Menghitung ragam
Digunakan untuk mengetahui tingkat keragaman dalam data. Semakin tinggi nilai ragam berarti semakin bervariasi dan beragam suatu data. Secara sistematis rumus ragam adalah sebagai berikut:
... (3) 6. Menghitung simpangan baku
Merupakan akar dari ragam. Simpangan baku ini disebut volatilitas (s). Nilai volatilitas ini digunakan untuk menghitung VaR kredit. Formula yang digunakan untuk menghitung VaR kredit dengan asumsi nilai pinjaman terdistribusi normal untuk tingkat keyakinan tertentu adalah sebagai berikut:
... (4) Keterangan:
Za : titik kritis pada tabel Z (Za pada tingkat keyakinan tertentu)
s : penduga volatilitas
Semakin besar tingkat kepercayaan yang digunakan maka nilai VaR akan semakin besar, begitu juga dengan volatilitas, semakin besar volatilitas yang dihasilkan maka nilai VaR akan semakin besar pula. Besarnya risiko kredit dalam penelitian ini adalah penjumlahan dari VaR kredit setiap peringkat (kolektibilitas).
IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan
PT ABC Finance (nama perusahaan disamarkan) didirikan pada tanggal 29 Maret 1993, dan baru beroperasi pada tanggal 3 Mei 1994, setelah mendapatkan izin dari Departemen Keuangan pada tanggal 14 April 1994. Izin yang diberikan khususnya bergerak dalam bidang usaha lembaga pembiayaan konsumen selain dari izin lainnya untuk usaha sewa guna usaha dan credit card.
Sejak awal berdiri, PT ABC Finance langsung berkembang menjadi perusahaan yang baik dan terpercaya. Dalam waktu 3 tahun telah mempunyai 13 cabang yang tersebar luas di Pulau Jawa. Namun krisis moneter pada tahun 1998 ikut mempengaruhi perkembangan usaha, sehingga pada tahun 2000 PT ABC Finance baru dapat lagi memulai kembali mengembangkan usahanya dengan me- rekstruktur pemegang saham dan manajemen baru. Struktur organisasi PT ABC Finance dapat dilihat pada Gambar 6.
PT ABCFinance tumbuh pesat tahun demi tahun dan pada akhir tahun 2008 aset PT ABC Finance telah mencapai 1,2 Triliun Rupiah. Tahun 2010, PT ABC Finance telah mempunyai 43 cabang yang tersebar di Pulau Jawa, Bali, Sumatera, dan Lombok yang diantaranya 3 cabang adalah cabang PT ABC divisi pembiayaan syariah. Pada tahun 2011 ini, PT ABC Finance akan menambah cabang sebanyak 14 kantor cabang PT ABC Finance konvensional maupun syariah yang tersebar hingga ke Pulau Kalimantan.
25 ` Board of Commisioner Board of Directors Comptroller Operation Division Head IT Divison Head Corporate Secretary Finance & Accounting Div. Head HR Division Head Marketing Dept. Head Regional Manager Credit Cycle Division Head Area Manager Area Manager Marketing Research & Analyst Product Development Marketing Support Corporate Marketing HRD General Affair Compensation & Benefits Accounting Finance Technical Support Data Warehouse & Development Branch Operation Support Assets Liabilities Internal Audit & User Reff. Compliance & Controll Support Company Business Credit Policy Collection Policy Asset Disposal
Ju m la h K re d it Year Month 2011 2010 2009 2008 Sep Jun Mar Dec Sep Jun Mar Dec Sep Jun Mar Dec 2.2500E+11 2.0000E+11 1.7500E+11 1.5000E+11 1.2500E+11 1.0000E+11 7.5000E+10 5.0000E+10 A ccuracy Measures MA PE 1.17671E+01 MA D 1.47214E+10 MSD 2.92165E+20 Variable A ctual Fits Trend Analysis Plot for Jumlah Kredit
Quadratic Trend Model
Yt = 57246088434 + 5785694582*t - 44258805*t**2
4.2. Perkembangan dan Tren Jumlah Kredit di PT ABC Finance
Perkembangan kredit pada tahun 2008-2011 secara grafik dapat dilihat pada Gambar 7. Analisis tren dilakukan dengan analisis quadratic trend model dengan
software Minitab 14. Berdasarkan Gambar 7 Terlihat bahwa kredit yang disalurkan pada Desember 2008 hingga September 2011 trennya terus mengalami peningkatan. Secara rinci nilainya dapat dilihat pada Tabel 2. Analisa tren dilakukan dengan menggunakan quadratic trend model diperoleh persamaan: Yt = 57.246.088.434 + 5.785.694.582*t – 44.258.805*t**2 ... (5) .
Tabel 2. Rincian nilai kredit disalurkan PT ABC Finance tahun 2008-2010 Bulan Nilai Kredit (Rp) Bulan Nilai Kredit (Rp) Desember 2008 45,656,534,000 Mei 2010 159,534,062,000 Januari 2009 49,798,544,000 Juni 182,821,949,000 Februari 71,565,315,000 Juli 184,337,773,000 Maret 88,578,758,000 Agustus 173,333,131,000 April 96,177,037,000 September 139,198,697,000 Mei 102,655,228,000 Oktober 168,971,489,000 Juni 111,758,997,000 November 161,037,636,000 Juli 117,854,575,000 Desember 144,225,754,000 Agustus 107,836,022,000 Januari 2011 148,643,982,000 September 87,532,683,000 Februari 156,436,428,000 Oktober 114,562,114,000 Maret 163,421,542,000 November 110,801,454,000 April 178,125,954,000 Desember 109,901,628,000 Mei 185,047,216,000 Januari 2010 129,036,306,000 Juni 200,345,245,000 Februari 125,950,603,000 Juli 220,956,125,000 Maret 151,577,053,000 Agustus 218,943,464,000 April 160,791,691,000 September 215,758,547,000
Sumber: PT ABC Finance, 2011 (diolah)
Ju m la h K re d it Year Month 2011 2010 2009 2008 Sep Jun Mar Dec Sep Jun Mar Dec Sep Jun Mar Dec 2.5000E+11 2.0000E+11 1.5000E+11 1.0000E+11 5.0000E+10 Smoothing C onstant A lpha 0.75 A ccuracy Measures MA PE 1.14757E+01 MA D 1.32712E+10 MSD 2.63584E+20 Variable Forecasts 95.0% PI A ctual Fits Single Exponential Smoothing Plot for Jumlah Kredit
Peramalan dilakukan menggunakan single exponential smoothing dengan konstanta pemulusan 0,75 dengan software Minitab 14. Hasil peramalan nilai kredit untuk bulan Oktober 2011 diketahui sebesar Rp 216.287.870.245,00, grafiknya dapat dilihat pada Gambar 8. Realisasi nilai kredit pada bulan September 2011 yaitu sebesar Rp 215.758.547.000,00.
4.3 Perkembangan dan Tren Non Performing Loan (NPL) di PT ABC Finance
Perkembangan Non Performing Loan (NPL) pada tahun 2008-2011 secara grafik dapat dilihat pada Gambar 9. Analisis tren dilakukan dengan analisis
quadratic trend model dengan software Minitab 14. Berdasarkan Gambar 9 Terlihat bahwa NPL yang terjadi di PT ABC Finance pada Desember 2008 hingga September 2011 trennya terus mengalami peningkatan. Secara rinci nilainya dapat dilihat pada Tabel 3. Analisa tren dilakukan dengan menggunakan
quadratic trend model diperoleh persamaan:
Yt = Yt = 0,581761 + 0,0749168*t + 0,00438909*t**2 ... (6)
N P L Year Month 2011 2010 2009 2008 Sep Jun Mar Dec Sep Jun Mar Dec Sep Jun Mar Dec 9 8 7 6 5 4 3 2 1 0 A ccuracy Measures MA PE 17.6989 MA D 0.5244 MSD 0.4836 Variable A ctual Fits Trend Analysis Plot for NPL
Quadratic Trend Model
Yt = 0.581761 + 0.0749168*t + 0.00438909*t**2
Tabel 3. Rincian persentase NPL PT ABC Finance tahun 2008-2010
Bulan NPL (%) Bulan NPL (%) Bulan NPL (%) Desember 2008 1,15 Desember 2009 1,13 Desember 2010 7,40 Januari 2009 0,95 Januari 2010 2,10 Januari 2011 6,56
Februari 1,05 Februari 2,73 Februari 6,73
Maret 1,14 Maret 2,45 Maret 5,98
April 1,25 April 2,25 April 6,13
Mei 1,28 Mei 2,65 Mei 6,05
Juni 1,35 Juni 2,90 Juni 6,38
Juli 1,46 Juli 3,18 Juli 7,14
Agustus 1,34 Agustus 4,42 Agustus 7,58
September 1,39 September 5,29 September 7,63
Oktober 1,80 Oktober 6,04
November 2,01 November 5,53
Sumber: PT ABC Finance, 2011 (diolah)
Peramalan dilakukan menggunakan single exponential smoothing dengan konstanta pemulusan 0,75 dengan software Minitab 14. Hasil peramalan persentase NPL untuk Oktober 2011 diketahui sebesar 7,58 persen, grafiknya dapat dilihat pada Gambar 10. Realisasi persentase NPL pada September 2011 yaitu sebesar 7,63 persen.
N P L Year Month 2011 2010 2009 2008 Sep Jun Mar Dec Sep Jun Mar Dec Sep Jun Mar Dec 9 8 7 6 5 4 3 2 1 0 Smoothing C onstant A lpha 0.75 A ccuracy Measures MA PE 13.2083 MA D 0.4212 MSD 0.3625 Variable Forecasts 95.0% PI A ctual Fits Single Exponential Smoothing Plot for NPL
Penyaluran kredit yang akan mempengaruhi perkembangan kredit harus dilakukan sesuai dengan kebijakan kredit. Kebijakan kredit diperlukan untuk memberikan pelayanan kredit kepada nasabah. Dalam menetapkan kebijakan kredit, perusahaan harus menyeimbangkan antara pelonggaran pelayanan dan pengetatan manajemen risiko. Tujuannya, agar laju penyaluran keuangan yang disediakan kepada nasabah kredit cepat namun tetap aman. Faktor penting yang harus diperhatikan dalam kebijakan kredit diantaranya:
a. Kredit yang diberikan perusahaan mengandung risiko, sehingga dalam pelaksanaanya perusahaan harus memperhatikan asas-asas perkreditan yang sehat.
b. Kebijakan perkreditan harus jelas.
c. Kebijakan perkreditan merupakan panduan dalam pelaksanaan semua kegiatan perkreditan perusahaan.
d. Kebijakan perlu berpedoman pada ketentuan-ketentuan yang ditetapkan BI. e. Kebijakan kredit harus menjadi acuan dan harus tercermin dalam pedoman
pelaksanaan kredit.
f. Perusahaan wajib melaksanakan kebijakan tersebut secara konsisten.
g. BI memantau, mengawasi dan menilai pelaksanaan kebijakan kredit perusahaan.
h. Pengertian kredit dalam kebijakan kredit meliputi semua jenis fasilitas keuangan yang disediakan kepada nasabah.
Kebijakan-kebijakan perkreditan ditetapkan untuk mengurangi risiko kredit bermasalah yang terjadi di PT ABC Finance. PT ABC Finance memiliki kebijakan perkreditan sebagai berikut:
1. Jenis kredit yang diberikan adalah kredit pembiayaan kendaraan roda empat atau lebih. Kredit diberikan untuk pembiayaan mobil baru dan bekas.
2. Jumlah kredit yang diberikan yaitu mulai dari Rp 10 Juta sampai dengan Rp 200 Juta. Pemberian kredit melebihi dua ratus juta rupiah terlebih dahulu harus mengajukan memo usulan kredit.
3. Batas jangka waktu pemberian kredit yaitu 12-48 bulan.
4. Bunga kredit yang ditetapkan bervariasi bergantung kepada jenis kendaraan dan tahun kendaraan. Bunga kredit dihitung secara flat atau tetap selama jangka waktu kredit. Rincian bunga kredit dapat dilihat pada Tabel 4.
5. Persentase Down Payment bervariasi ditetapkan berdasarkan jenis kendaraan dan tahun kendaraan.
6. Agunan yang digunakan yaitu surat-surat kendaraan seperti Bukti Kepemilikan Kendaraan Bermotor (BPKB) dan Surat Keputusan (SK) Ijin Trayek untuk angkutan umum.
7. Persyaratan kredit yang perlu dilengkapi oleh calon nasabah diantaranya yaitu persyaratan utama dan persyaratan tambahan. Rincian persyaratan dapat dilihat pada Tabel 4.
Tabel 4. Rincian bunga kredit, down payment, dan persyaratan kredit di PT ABC Finance No Jenis Kendaraan Tahun Kendaraan Bunga (%) Down Payment (%) Persyaratan Tambahan Persyaratan Utama 1 Angkutan Kota Trayek Kabupaten 11,65 40 a. KTP suami-istri (bagi yang telah menikah) yang masih berlaku, KTP asli difoto oleh marketing. b. Fotocopy Kartu Keluarga (bagi yang sudah menikah), akte cerai (bagi yang telah bercerai), atau surat kematian (bagi yang pasangannya telah meninggal dunia). c. Fotocopy rekening listrik dan Pajak Bumi dan Bangunan tempat tinggal calon nasabah. d. STNK yang masih berlaku, dan STNK asli difoto oleh marketing.
BPKB beserta faktur asli.
a. Surat Keputusan (SK) Ijin Trayek asli. b. Fotocopy Kartu Pengawas (KP) Ijin Trayek.
c. Fotocopy Surat Ijin Pengawasan
Angkutan (SIPA). d. Fotocopy buku KIR yang masih berlaku. Angkutan Kota Trayek Kota 12,66 2 Mobil Penumpang 2004- sekarang
11,65 20 Slip gaji atau Surat
Keterangan Usaha (SKU). 2000- 2003 12,26 25 1998-1999 13,18 25 3 Pick Up 2005 – sekarang
12,26 20 a. Slip gaji atau Surat Keterangan Usaha (SKU)
b. Fotocopy buku KIR yang masih berlaku. 2002 – 2004 12,87 25 2000 – 2001 13,80 25 4 Truck 2004 – sekarang 12,56 20 2000 – 2003 13,18 25 1998-1999 13,16 25
Sumber: PT ABC Finance, 2011 (Diolah)
4.4.Faktor yang Mempengaruhi Terjadinya Risiko Kredit PT ABC Finance
PT ABC Finance sebagai perusahaan pembiayaan tidak terlepas dari keberadaan risiko kredit. Risiko kredit terjadi ketika perusahaan pembiayaan menghadapi kemungkinan ketidakmampuan nasabahnya untuk membayar kredit secara penuh dan tepat waktu. Pemberian kredit bagi PT ABC Finance berkaitan dengan persetujuan suatu kredit atas mobil dengan perjanjian kontrak tertentu dan pengenaan kewajiban bagi nasabahnya untuk membayar secara berkala dalam periode tertentu dengan syarat-syarat yang telah disepakati. Faktor-faktor yang mempengaruhi risiko kredit PT ABC Finance antara lain sebagai berikut.
a. Terjadinya manipulasi data dan informasi
Kelengkapan data dan informasi nasabah seringkali dimanipulasi baik oleh nasabah sendiri, dealer, maupun Credit Marketing Officer (CMO). Misalnya, STNK atau KTP nasabah yang sudah habis masa berlakunya atau terdapat perbedaan dengan data di berkas lain sehingga dilakukanlah manipulasi. Hal ini dilakukan agar proses kredit lebih cepat.
b. Kualitas dan kuantitas SDM
Jumlah tim collector (penagih) yang tidak sesuai dengan jumlah nasabah. Berdasarkan hasil wawancara, seorang collector bertugas untuk menangani 30 persen nasabah. Selain itu, kualitas SDM yang kurang sesuai menyebabkan kinerjanya buruk. Misalnya, collector yang tidak dapat memenuhi target penagihan, maupun CMO yang memanipulasi data dan informasi nasabah agar targetnya tercapai.
c. Pengalihan agunan secara tidak resmi
Kendaraan telah dijual kepada pihak lain dan tidak dilakukan secara resmi di PT ABC Finance. Pada saat penagihan angsuran perusahaan mengalami kendala karena perusahaan tidak memiliki data pemilik kendaraan yang baru. d. Penyalahgunaan agunan oleh pihak yang tidak bertanggung jawab
Penyalahgunaan agunan ini dilakukan oleh pihak yang sebenarnya bukan pemilik kendaraan tetapi menggunakan data pemilik kendaraan untuk mengajukan kredit. Hal ini menyebabkan tagihan tidak terbayar karena merasa tidak memiliki kewajiban pembayaran kredit.
e. Angsuran yang dititipkan pada pihak yang tidak bertanggung jawab
Angsuran tidak langsung dibayarkan dan digunakan oleh pihak yang tidak bertanggung jawab. Sehingga pembayaran melebihi tanggal jatuh tempo.
f. Faktor internal nasabah
Misalnya, unit mengalami musibah seperti kecelakaan atau rusak sehingga tidak dapat beroperasi dan menghambat pembayaran. Transaksi bisnis nasabah kurang lancar sehingga menghambat pembayaran.
4.5.Risiko Kredit PT ABC Finance
Pengukuran risiko kredit merupakan masalah klasik dalam keuangan, dimana risiko kredit disebabkan karena munculnya kredit bermasalah yaitu kredit yang muncul sebagai akibat tidak dapat dipenuhinya kewajiban nasabah untuk membayar angsuran maupun bunga kredit. Bank Indonesia menentukan angka maksimal kredit bermasalah atau NPL sebesar 5 persen dari total kredit yang disalurkan.
Fasilitas kredit yang ditawarkan PT ABC Finance adalah kredit pembiayaan kendaraan bermotor khususnya mobil. Kredit pembiayaan kendaraan bermotor
khususnya mobil merupakan kredit yang diberikan untuk membantu individu, UMKM, maupun perusahaan dalam hal pembiayaan pengadaan kendaraan roda empat atau lebih. Maksimum jangka waktu kredit yang diberikan yaitu 4 tahun dengan tingkat suku bunga 13,80 persen flat per tahun. Penyaluran kredit kepada nasabah oleh kantor cabang dengan jaminan pokok berupa BPKB, dan jaminan tambahan khusus untuk angkutan kota yaitu SK ijin trayek.
4.5.1.Kolektibilitas Nasabah
Data yang digunakan dalam penelitian ini adalah data historis kredit per nasabah yaitu outstanding dan kolektibilitas dari bulan Januari 2010 sampai dengan Desember 2010. Jumlah nasabah yang diambil menggunakan teknik slovin
dengan tingkat kesalahan yang dapat ditolerir 10 persen.
Keterangan:
N = Jumlah total nasabah (42.695 nasabah) e = Standar error
Berdasarkan data yang diperoleh jumlah nasabah pada tahun 2010 sebanyak 42.695 nasabah. Dari jumlah populasi tersebut dapat ditentukan jumlah sampel untuk nasabah adalah:
Sehingga jumlah sampel nasabah yang diambil sebanyak 100 nasabah. Pengambilan sampel menggunakan teknik probability sampling dengan cluster sampling. Pengambilan sampel dilakukan secara acak dari data nomor pinjaman nasabah. Setiap cabang diambil sampel sebanyak 2-3 account nasabah. Sampel yang dipilih merupakan account memenuhi beberapa persyaratan yaitu riwayat pembayarannya berfluktuasi selama tahun 2010 dan belum lunas pada tahun 2010. Tingkat kolektibilitas digunakan untuk mengukur tingkat pengembalian kewajiban pembayaran angsuran pokok dan bunga atas kredit yang telah diberikan. Penggolongan kolektibilitas kredit terbagi ke dalam lima golongan yaitu Lancar, Dalam Perhatian Khusus, kurang Lancar, Diragukan, dan Macet.
Pembayaran tepat waktu tergolong ke dalam kolektibilitas lancar. Hari tertunggak sampai dengan 89 hari tergolong ke dalam kolektibilitas dalam perhatian khusus. Hari tertunggak 90-119 hari tergolong kolektibilitas kurang lancar. Hari tertunggak 120-179 hari tergolong kolektibilitas diragukan. Diatas 180 hari tertunggak tergolong kolektibilitas macet.
Pada Gambar 11 dapat diketahui jumlah nasabah berkolektibilitas Lancar (L) merupakan kolektibilitas yang mempunyai persentase terbesar setiap bulannya. Presentase terbesar kedua adalah kolektibiltas Dalam Perhatian Khusus (DPK). Terbesar ketiga, keempat, dan kelima berturut-turut adalah kolektibiltas Kurang Lancar (KL), Diragukan (D), dan Macet (M).
Setiap bulannya nasabah mengalami perubahan kualitas kredit (menjadi lebih baik, lebih buruk ataupun memiliki kualitas yang sama). Pergerakan kolektibilitas per nasabah tersebut sebagai dasar penentuan peluang transisi setiap peringkat kredit. Jika banyak nasabah yang mengalami perubahan kualitas kredit menjadi lebih buruk maka perusahaan akan mengalami kerugian yang lebih besar. Dengan mengetahui pergerakan kolektibilitas per nasabah tiap bulan, maka PT ABC Finance dapat menentukan kerugian maksimum yang dihadapi.
Gambar 11. Kolektilitas kredit tahun 2010 (PT. ABC Finance, 2010)
Jan Feb Mar Apr Mei Juni Juli Agust Sept Okt Nov Des
M 0 0.01 0 0.01 0 0.01 0.01 0.01 0.01 0.01 0.01 0.01 D 0.03 0.04 0.07 0.06 0.08 0.08 0.06 0.1 0.1 0.09 0.11 0.06 KL 0.12 0.13 0.13 0.14 0.19 0.18 0.21 0.21 0.22 0.3 0.22 0.27 DPK 24.86 24.97 24.14 22.64 25.21 22.66 23.67 24.02 25.92 27.25 25.82 25.65 L 74.99 74.85 75.66 77.15 74.52 77.07 76.05 75.66 73.75 72.35 73.84 74.01 0 10 20 30 40 50 60 70 80 90 100 Pe rsent a se (% )
4.5.2. Analisis Value at Risk (VaR)
Matriks transisi bulanan yang diperoleh sebanyak 11 matriks yang berukuran 5x5. Matriks transisi bulanan ini dapat dilihat pada Lampiran. Matriks transisi tersebut digunakan untuk menyusun matriks migrasi unconditional.
Matriks migrasi unconditional yang dihasilkan adalah:
Matriks M menunjukkan bahwa peluang kolektibiltas Lancar untuk tetap bertahan pada kolektibilitas L adalah sebesar 0,0613 atau 6,13 persen. Nilai peluang tersebut menunjukkan bahwa risiko kerugian yang dihadapi cukup besar karena nilai peluang kolektibilitas Lancar untuk menjadi Dalam Perhatian khusus dan Macet adalah sebesar 8,06 persen dan 0,09 persen. Hal ini menyebabkan dana yang harus disediakan oleh perusahaan untuk menutupi kerugian tersebut besar pula.
Peluang kolektibilitas Dalam Perhatian Khusus untuk pindah pada kolektibilitas Lancar sebesar 62,27 persen, sedangkan peluang kolektibilitas Dalam Perhatian Khusus untuk tetap bertahan pada kolektibilitas Dalam Perhatian Khusus adalah sebesar 75,98 persen. Peluang untuk berpindah pada kolektibilitas Kurang Lancar sebesar 0,39 persen. Peluang untuk berpindah pada kolektibilitas Diragukan sebesar 0,1 persen. Peluang untuk berpindah pada kolektibilitas Kurang Lancar sebesar 0,58 persen.
Peluang kolektibilitas Kurang Lancar untuk menjadi kolektibilitas Dalam Perhatian Khusus adalah sebesar 0,29 persen. Kolektibilitas Kurang Lancar menjadi kolektibilitas Diragukan peluangnya sebesar 0,09 persen. Peluang untuk berpindah pada kolektibilitas Macet sebesar 0,1 persen.
Kredit yang disalurkan PT ABC Finance mempunyai peluang untuk keluar dari kondisi Diragukan menjadi kondisi kurang Lancar adalah sebesar 0,19
L DPK KL D M L DPK KL D M M =
persen. Peluang kolektibilitas Macet tetap bertahan pada kondisi Macet yaitu sebesar 1,76 persen.
Baki debet kredit (outstanding) adalah saldo rekening yang menunjukkan posisi hutang nasabah pada saat tertentu. Nilai baki debet untuk kolektibilitas Lancar (L), Dalam Perhatian Khusus (DPK), Kurang Lancar (KL), Diragukan (D), dan Macet (M) dapat dilihat pada Tabel 5.
Tabel 5. Baki debet tiap kolektibilitas selama bulan Desember 2010 Kolektibilitas Baki Debet (Rp) Presentase (%)
L 1.803.721.926.526 73,82 DPK 629.569.134.245 25,77 KL 8.333.541.146 0,34 D 1.663.365.648 0,07 M 152.714.648 0,01 Total 2.443.440.681.923 100,00
Sumber: PT ABC Finance, 2011 (Diolah).
Nilai baki debet untuk kolektibilitas L, DPK, KL, D, dan M pada tabel sebesar Rp 1.803.721.926.526, Rp 629.569.134.245, Rp 8.333.541.146, Rp 1.663.365.648, dan Rp 152.714.648. Tingkat keyakinan yang digunakan dalam penelitian ini adalah 95 persen dan 99 persen. Alasanya adalah karena J.P. Morgan “Risk Metrics” biasa menggunakan tingkat keyakinan 95 persen,