• Tidak ada hasil yang ditemukan

ANALISIS PENGUKURAN RISIKO PEMBAYARAN RENTAL KENDARAAN BERMOTOR SECARA KREDIT (STUDI KASUS PADA PT. SURYA DARMA PERKASA)

N/A
N/A
Protected

Academic year: 2021

Membagikan "ANALISIS PENGUKURAN RISIKO PEMBAYARAN RENTAL KENDARAAN BERMOTOR SECARA KREDIT (STUDI KASUS PADA PT. SURYA DARMA PERKASA)"

Copied!
16
0
0

Teks penuh

(1)

1

RENTAL KENDARAAN BERMOTOR SECARA

KREDIT (STUDI KASUS PADA PT. SURYA

DARMA PERKASA)

SUHERI PURNOMO

Jl. Srengseng Raya No.45 RT 008/06

Kembangan Jakarta Barat. 11630 Telp. 021-92397417, 0815-8954390

Cepoe06_src@yahoo.co.id

ABSTRAKSI

Dalam bidang penyewaan kendaraan bermotor memiliki tingkat risiko kegagalan suatu pembayaran yang sangat besar, maka diperlukan suatu metode yang baik untuk dapat menganalisa risiko kredit dengan mudah dan akurat.Metode CreditRisk+ adalah metode pengukuran yang mudah dan akurat. Metode ini menggunakan data historis yang ada untuk menganalisa risiko kredit berdasarkan data historis eksposure at default. Berdasarkan data historis eksposure of default maka akan dapat diperoleh expected loss dan unexpected loss yang sangat diperlukan dalam proses pengambilan keputusan. Kata Kunci : Eksposure at Default, Default Rate, Unexpected Loss, Expected Loss, Economic Capital

PENDAHULUAN

Kegiatan penyewaan kendaraan bermotor mulai berkembang pada awal tahun 1990an, ini dibuktikan dengan semakin banyaknya perusahaan yang menyewa kendaraan bermotor guna memenuhi operasional perusahaan. Menyewa kendaraan bermotor lebih efisien dibandingkan perusahaan harus membeli unit baru.

(2)

Tingginya tingkat pertumbuhan usaha jasa penyewaan kendaraan bermotor menunjukan tingginya minat konsumen untuk menyewa kendaraan guna memenuhi kebutuhan transportasi konsumen (seperti mobil, sepeda motor, alat elektronik dan lain-lain) dengan cara pembayaran sewa kendaraan mengangsur atau mencicil secara berkala oleh perusahaan-perusahaan yang membutuhkan jasa rental kendaraan dalam kegiatan bisnisnya. Dalam hal ini perusahaan / konsumen menggunakan jasa rental kendaraan karena banyaknya kebutuhan unit kendaraan dan bermacam-macamnya spesifikasi yang dapat menunjang kegiatan mereka tapi tidak bisa mereka penuhi sendiri. Hal ini yang menjadi pendorong tingginya pertumbuhan usaha jasa penyewaan kendaran bermotor.

PT. Surya Darma Perkasa adalah perusahaan penyewaan kendaraan bermotor yang seluruh konsumennya merupakan perusahaan-perusahaan yang menyewa kendaraan dengan jangka waktu sewa antara 2-3 tahun sesuai dengan kontrak yang disepakati anatara ke2 belah pihak. Tingkat pertumbuhan portofolionya cenderung meningkat dari tahun ke tahun. Hal ini tentu menyebabkan risiko keterlambatan pembayaran sewa kendaraan dan risiko pembayaran piutang tak tertagih juga semakin besar. Oleh karena itu diperlukan metode yang dapat mengidentifikasi dan mengukur risiko pembayaran secara cepat dan akurat sehingga dapat meminimalisasi potensi kerugian akibat risiko macetnya pembayaran sewa kendaraan bermotor tersebut.

Sehubungan dengan pengukuran risiko, penelitian ini akan menggunakan metode

CreditRisk+ dari Credit Suisse Financial Product (CSFP). Adapun alasan pemilihan

metode ini antara lain didasarkan pada literatur yang menyatakan bahwa metode

CreditRisk+ sesuai untuk mengukur risiko pembayaran sewa kendaraan bermotor secara

kredit serta cukup efektif dan praktis dalam penerapannya karena hanya memerlukan data intern berupa jumlah unit kendaraan, jumlah eksposure, kolektibilitas dan recovery

rate.

LANDASAN TEORI

Manajemen Risiko suatu tindakan sistematis dalam mengidetifikasi dan menganalisa/ mengevaluasi. Untuk mengurangi kerugian yang timbul oleh suatu program/ produk dengan cara menghindari risiko, mengontrol risiko atau mentransfer risiko.

(3)

Gambar 2.1. Proses Management Risiko Sumber : Asiyanto, MBA, IPM. (2009)

Perjanjian kredit adalah “persetujuan pinjam–meminjam secara tertulis antar kreditur dengan pihak lain (sebagai debitur atau nasabah) dimana pihak kreditur menyatakan kesanggupannya menyediakan sejumlah uang atau tagihan yang dapat ditarik oleh debitur / nasabah dengan syarat-syarat yang ditentukan oleh pihak debitur / nasabah.

Menurut Garder, Mills, dan Cooperman (2000), proses kredit yang komprehensif harus memiliki komponen-komponen sebagai berikut :

1. Bank written loan policy 2. Compliance policies 3. Credit execution policies 4. Loan request procedures. 5. Lender compensation policies

Tahapan proses CreditRisk+ adalah seperti berikut ini:

G

Gambar 2.2. CreditRisk+ Diagram langkah-langkah kerja (Measurement Framework) Data inputan berasal dari historis yaitu data Eksposure debitur dan data

Eksposure at default dari debitur dan frequency of default event terjadi akibat default

kredit dari serangkaian peristiwa. Data input terdiri dari (CSFB, 1997) Identifikasi risiko

Antisipasi risiko Pengawasan risiko

Analisa/evaluasi risiko

Tahap 2 Berapa tingkat kegagalan

Tahap 1

Input Posisi outstanding Tingkat kesalahan

Tingkat kesalahan standar deviasi Tingkat penggantian kembali

Berapa frekuensi kemungkinan kegagalan

Tingkat kegagalan distribusi

(4)

1. Posisi piutang yang belum dibayarkan (Eksposure) 2. Tingkat Kegagalan (Default Rates)

3. Tingkat Kesalahan Standar Deviasi (Default Rates Volatilities) 4. Tingkat penggantian kembali (Recovery Rates)

Dalam melakukan pengukuran risiko kredit yang berupa portofolio digunakan

CreditRisk Portofolio+, yang merupakan pengembangan dari CreditRisk+. Pada CreditRisk Portofolio+, harus dilakukan pembagian portofolio ke dalam beberapa

kelompok atau band. Tahapan dalam pengukuran pada suatu portofolio adalah sebagai berikut :

a. Probability Generating Function for Each Band

Setiap band adalah merupakan bagian dari suatu portofolio, sehingga probability of

default menjadi

Gj (z) = ∑ Prob(n defaults)z

nLj

Jumlah default yang terjadi dengan berdasarkan Poisson Model adalah

Gj (z) = ∑ z

nLj

e

-m

λ

n

/ n !

b. Probability Generating Function for the Entire Portofolio

Berdasarkan pertimbangan bahwa setiap band adalah merupakan portofolio Eksposure, bersifat independent dengan band yang lain.

c. Loss Distribution for the Entire Portfolio

Dari probability generating function tersebut diatas, maka dapat diperoleh distribusi kerugian dari turunan pertama probability of defaults, yaitu

Prob (loss of nL) = (1 / n!) (dn G(z) / dzn) Untuk n = 1,2,...

Kemudian dari data input tersebut dilakukan proses CreditRisk+, yaitu : Tingkat kegagalan (Frequency of Default Events)

Frequency of default events terjadi akibat adanya default kredit dari

serangkaian peristiwa yang mana tidak dapat diprediksi kepastiannya bilamana terjadi suatu default ataupun kepastian jumlah default. CreditRisk+ tidak mengasumsikan penyebab terjadinya default. Untuk kondisi dimana terdapat sejumlah besar Eksposure default loss (berasal dari sejumlah debitur yang banyak) dengan probability of default relatif kecil, maka model yang

(5)

tepat untuk menentukan adalah menggunakan distribusi poisson. Duffe (2003) menyatakan bahwa Poisson model didasarkan pada :

1. Kemungkinan tingkat bertahan dalam 1 tahun yaitu p(t)=e-λ t, berarti untuk waktu kegagalan distribusi (Probability of survival for t years is

p(t)=e-λ t , meaning that the time to default is exponentially distributed).

2. Waktu kegagalan adalah 1/λ (The expected time to default is 1/λ).

3. Tingkat kegagalan yang paling tinggi dalam 1 periode dilambangkan ∆, periode awal dilambangkan dengan ∆λ, untuk lebih keceilnya adalah ∆

(The probability of default over a time periode of length ∆ , given survival to the beginning of this period, is approximately ∆λ, for small ∆)

Dengan rumusan sebagai berikut : Prob.(n defaults) = e-m λn / n ! Dimana :

e = bilangan eksponensial = 2.71828 λ = mean = angka rata–rata default = ∑ PA n = jumlah debitur

Pada umumnya actual default rate berfluktuasi disekitar nilai rata–ratanya, variasi dari actual default rates terhadap rata–ratanya digambarkan dengan volatility (standar deviasi) dari default rates. Standar deviasi dari default rates jika dibandingkan dengan actual default rates mencerminkan fluktuasi default selama siklus ekonomi. Dengan mengasumsikan default rates volatility konstan, maka default rate sama dengan nilai rata–ratanya.

Severity of the losses atau loss given default adalah besarnya tingkat kerugian

yang diakibatkan dari peristiwa default yang dihitung dengan cara Eksposure at default dikurangi dengan nilai recovery.

Adapun rumusnya adalah sebagai berikut : LGD = Eksposure at default ( 1 – recovery rate )

selanjutnya dari probabilitas terjadi credit events, dibedakan kedalam dua jenis kerugian yaitu, expected loss dan unexpected loss.

Expected loss adalah kerugian yang dapat diperkirakan terjadinya. Adapun

perkiraan terjadinya didasarkan pada data histori munculnya credit events tersebut. Untuk mengatasi kejadian expected loss, maka dilakukan pencadangan modal yang

(6)

diperoleh dari pengenaan provisi dan administrasi kepada debitur. Besarnya expected

loss diperkirakan dengan nilai mean dari distribusi probabilitas.

Unexpected loss diukur dengan mengambil nilai kerugian maksimum pada

tingkat keyakinan yang dipilih yakni 99% dengan mempertimbangkan, semakin tinggi

confidence level yang dipilih maka semakin kecil tingkat kesalahan (error) yang dapat

ditolerir. Tingkatan keyakinan sebesar 99% berarti bahwa hanya 1% kemungkinan bahwa kerugian akan melebihi nilai expected loss dan nilai unexpected loss ini dianggap sebagai ukuran VAR (Saundres, 2002). Pertimbangan lainnya adalah tingkat keyakinan sebesar 99% adalah yang tingkat keyakinan tertinggi dalam memprediksi expected loss yang dapat di cover oleh economic capital dan atau provisi. Untuk keyakinan diatas 99% perlu diquantifisir menggunakan scenario analysis dan dikontrol oleh

concentration limits.

METODOLOGI PENELITIAN

Adapun dalam melakukan pengukuran risiko pembiayaan untuk kendaraan bermotor di PT. Surya Darma Perkasa ditetapkan beberapa batasan sebagai berikut :

1. Data yang digunakan adalah data bulanan perkreditan selama 1 tahun. 2. Eksposure berkisar antara Rp. 10.000.000 hingga Rp. 1.000.000.000.

3. Fasilitas kredit digolongkan sebagai performing loan (PL) atau non default apabila tunggakan kewajibannya kepada perusahaan kurang dari atau sama dengan 180 hari..

Eksposure kredit adalah besarnya tagihan PT. Surya Darma Perkasa kepada penyewa..

Tahap yang dilakukan dalam melakukan proses pengukuran risiko kredit dengan metode CreditRisk+ secara garis besar dapat dijelaskan dalam alur pada Gambar 3.1. Tahap–tahap metode CreditRisk+

(7)

Gambar 3.1. Tahap – tahap metode CreditRisk+ Sumber : Rachmat, Budi (2004)

(8)

HASIL DAN PEMBAHASAN

Perhitungan risiko kredit yang dilakukan dengan 2 tahapan, yaitu :

1. Menghitung besarnya frekuensi terjadinya default (frequency of default) dan menghitung besarnya tingkatan kerugian (severity of the losses)

2. Menghitung distribusi kerugian akibat default (distribusi of default losses) Semakin besar recovery rate maka akan semakin kecil real lossnya, dan sebaliknya semakin kecil recovery ratenya maka akan besar real lossnya.

Dalam usaha untuk memperbesar recovery rate diperlukan usaha intensif dari perusahaan pembiayaan dalam rangka menagih kembali kredit yang telah macet, peran staf collection sangat berpengaruh dalam memperbaiki recovery rate. Sebaiknya perusahaan pembiayaan membuat policy mengenai target recovery minimal yang harus dicapai. Number of default merupakan jumlah peristiwa dibagi kejadian terjadinya suatu gagal bayar dari debitur pada suatu periode. Nilai rata-rata (mean) dari frekuensi kejadian default didapatkan dari pengukuran eksposure at default dibagi dengan unit eksposure setiap kelompok band.

Probability of default dan cumulative probability of default yang digunakan

sebagai contoh perhitungan adalah band dengan unit of eksposure Rp 100 juta pada desember 2008 (lihat lampiran 4 Perbandingan λ dan n di bulan Desember 2008). Dari Lampiran 4 Perbandingan λ dan n di bulan Desember 2008 untuk kelompok 1 dengan unit of eksposure Rp 20 juta, λ = number of default = 1.6500 sehingga nilai n pada saat probabilitas tertinggi = 1.6500 dan cumulative probabilty of default 99 % tercapai pada n = 8, sedangkan pada kelompok 2 dengan unit of eksposure Rp 500 juta, λ = number of default = 16.1695, maka probability tertinggi tercapai pada n= 16.1695 dan cumulative

(9)

Perbandingan tingkat kegagalan (number of default) dan kemungkinan tingkat kegagalan (cumulative probability of default) Desember 2008

0 5 10 15 20 25 5 – 14 ,9 25 – 3 4, 99 45 – 5 4, 99 65 – 7 4, 99 85 – 9 4, 99 10 5 – 14 4, 99 25 5 – 34 4, 99 45 5 – 54 4, 99 65 5 – 74 4, 99 85 5 – 94 4, 99 10 55 – 1 49 4, 99 Number of default Cumulative probability of default (n)

Gambar 4.1. Perbandingan λ dan n di bulan Desember 2008

Tahap selanjutnya adalah menghitung besarnya expected loss, yaitu didapat dengan mengalikan nilai n yang memiliki probability of default tertinggi dengan nilai

common eksposure dari masing–masing band. Sedangkan nilai unexpected loss didapat

dengan mengalikan nilai n yang memiliki cumulative probability of default yang mendekati 99% dengan nilai common eksposure dari masing–masing band.

Sebagai contoh, dengan menggunakan data pada Gambar 4.1. Perbandingan λ dan n di bulan Desember 2008, pada periode Desember 2008 untuk band Rp. 20 juta untuk kelompok satu, maka besar expected loss dan unexpected loss adalah seperti yang disajikan tabel 4.1. Expected Loss dan Tabel 4.2. Unexpected Loss

Tabel 4.1. Kerugian yang dapat diperkirakan PT. Surya Darma Perkasa bulan Desember 2008 (Expected Loss)

Tingkat Kegagalan (λ)

Nilai yang mewakili band (Common

Eksposure)

Kerugian yang dapat diperkirakan (Expected

Loss)

(10)

Tabel 4.2. Kerugian yang tidak dapat diperkirakan PT. Surya Darma Perkasa bulan Desember 2008 (Unexpected Loss)

Kemungkinan tingkat kegagalan

(N)

Nilai yang mewakili band (Common

Eksposure)

Kerugian yang tidak dapat diperkirakan (Unexpected

Loss)

8 Rp 20,000,000 160000000

Hasil perkirakan potensi kerugian (expected loss) sepanjang tahun 2008 berkisar dari yang terendah di bulan Januari 2008, yaitu sebesar Rp 635,442,750 sampai yang tertinggi di bulan September 2008, yaitu sebesar Rp 4,372,376,934.

Detail periode observasi diketahui bahwa expected loss terbesar terjadi di bulan Agustus dan September.

Kerugian berupa expected loss akan dicover oleh besarnya provisi dan administrasi yang telah dicadangkan oleh perusahaan setiap tahunnya, sedangkan kerugian berupa unexpected loss harus ditutup dari modal perusahaan.

Dengan mengetahui besarnya potensi kerugian berupa expected loss maka manajemen PT. Surya Darma Perkasa dapat lebih baik mengelola portofolio penyewaan kendaraan bermotor kepada konsumen, khususnya terkait dengan pricing rate dan provisi yang kompetitif yang dibebankan kepada debitur serta pencadangan atas

eksposure tersebut.

Sedangkan risiko kredit yang dicerminkan oleh VaR memperlihatkan kecenderungan yang semakin meningkat pula selama periode observasi, yaitu sebesar Rp 635,442,750 di periode Januari 2008 hingga mencapai Rp 4,372,376,934 diperiode September 2008.

Dengan mengetahui credit VaR yang semakin meningkat, maka dapat diperkirakan adanya kecenderungan peningkatan kerugian berupa unexpected loss yang mungkin terjadi, sehingga diharapkan pengelolaan atas portofolio penyewaan kendaraan bermotor kepada konsumen tersebut harus lebih efektif, terutama dalam mengantisipasi bertambahnya penyewaan yang bermasalah.

Economic Capital atau besarnya kecukupan modal yang dibutuhkan dalam

perhitungan risiko kredit dengan CreditRisk+ adalah modal yang harus dimiliki untuk menutup besarnya nilai kerugian yang disebabkan adanya unexpected loss. Besarnya

(11)

Perhitungan Economic Capital untuk tahun 2008 disajikan pada table 4.3 Economic Capital Tahun 2008

Tabel.4.3 Economic Capital PT. Surya Darma Perkasa Tahun 2008

Periode UEL EL EC Januari 2008 7,910,000,000 635,442,750 7,274,557,250 Februari 2008 15,590,000,000 1,338,225,850 14,251,774,150 Maret 2008 14,790,000,000 1,393,271,750 13,396,728,250 April 2008 20,920,000,000 2,064,281,250 18,855,718,750 Mei 2008 4,600,000,000 2,251,350,609 2,348,649,391 Juni 2008 7,300,000,000 2,806,603,534 4,493,396,466 Juli 2008 7,130,000,000 3,264,020,832 3,865,979,168 Agustus 2008 9,450,000,000 3,831,777,534 5,618,222,466 September 2008 12,280,000,000 4,372,376,934 7,907,623,066 Oktober 2008 28,790,000,000 1,740,710,232 27,049,289,768 November 2008 41,600,000,000 2,984,996,068 38,615,003,932 Desember 2008 5,160,000,000 2,343,915,600 2,816,084,400

UEL = Nilai kerugian maksimum pada tingkat keyakinan 99%

EL = Jumlah Piutang yang belum terbayar pada bulan yang bersangkutan EC = UEL - EL

Dari perhitungan economic capital terlihat bahwa kecukupan modal yang dibutuhkan atas portofolio pembiayaan kendaraan bermotor yang dilakukan oleh PT. Surya Darma Perkasa sepanjang tahun 2008 berada pada range Rp 2,348,649,391– Rp 38,615,003,932.

(12)

Tabel 4.4. Perbandingan Economic Capital dengan Modal

Periode Economic

Capital (Rp)

Modal PT. Surya Darma

Perkasa Presentase

Desember 2008 2,816,084,400.00 492,935,153,335.00 0.57%

Dari tabel diatas dapat disimpulkan bahwa modal PT. Surya Darma Perkasa masih cukup untuk menanggung adanya risiko kredit yang diakibatkan oleh unexpected

credit default losses. Dengan melihat kebutuhan economic capital yang relatif kecil,

sekitar 0.57 % dari jumlah modal atas portofolio pembiayaan kendaraan bermotor sepanjang tahun 2008, maka dapat disarankan untuk meningkatkan atau mengoptimasikan portofolionya.

Untuk mengetahui hasil perhitungan nila VaR atau nilai Unexpected Loss dengan menggunakan metode CreditRisk+ diatas valid untuk meperkirakan besarnya VaR dari suatu periode ke periode berikutnya, maka dilakukan pengujian dengan menggunakan backtesting dan juga Likelihood Ratio (LR)

Untuk mengetahui apakah hasil pengukuran risko kredit dengan menggunakan metode CreditRisk+ diatas dapat digunakan untuk memperkirakan besarnya risiko kredit dari suatu periode ker periode berikutnya, maka perlu dilakukan pengujian model dengan membandingkan prediksi risiko kredit berdasarkan data historisnya, yaitu nilai VaR dengan kerugian actual seperti pada Gambar 4.2. Perbandingan UEL dan EL Tahun 2008

Perbandingan UEL dan EL 2008

-5,000,000,000 10,000,000,000 15,000,000,000 20,000,000,000 25,000,000,000 30,000,000,000 35,000,000,000 40,000,000,000 45,000,000,000 50,000,000,000 Ja nu ari F eb ru ari M are t Ap ril M ei Ju ni Ju li Ag us tu s Se pt em be r O kt ob er N ov em be r D es em be r UEL EL

(13)

Likelihood Ratio (LR) test dilakukan untuk melihat tingkat akurasi model dalam

memperkirakan unexpected loss atau VaR Kredit. LR Test dilakukan dengan menghitung banyaknya jumlah expected loss yang melebihi nilai VaR setiap bulan selama masa observasi dan selanjutnya dibandingkan data expected loss atau actual loss dengan maksimum kejadian kesalahan proyeksi yang dapat ditolerir selama masa observasi. Dalam karya akhir ini jumlah periode pengamatan yang digunakan sebagai input LR Test adalah 12 bulan.

Sesuai dengan standar hasil LR Test, dengan tingkat keyakinan 95% dan observasi sebanyak 12 titik pengamatan, jumlah maksimum kesalahan proyeksi (actual loss melebihi nilai proyeksi VaR) agar model dapat diterima dan diyakini validitasnya dalam menghitung VaR adalah sebanyak 1 titik sebagaimana disajikan pada Tabel 4.5. Perbandingan hasil proyeksi Var dengan kerugian aktual yang dialami (Backtesting)

Tabel 4.5. Backtesting

T (total observation) 12

N (the numbaer of estimation failure) 1

p (the propotion of failure estimates) 0.083

p * (the propotion of failure estimates) 0.05

LR (Likelihood Ratio) 0.44

Chi-square critical value with 1% confidence level 3.841 Hypothesis is rejected if LR > 3.841 and accepted if

LR <3.841 Accepted

Karena Jumlah kejadian kerugian aktual (actual loss) yang melebihi VaR selama masa observasi adalah nol atau tidak melebihi nilai VaR, artinya nlai LR yang diperoleh akan lebih kecil dari nilai kritis dengan tingkat keyakinan 95% atau LR < 3.841. Dengan demikian bisa dikatakan bahwa metode pengukuran risiko dengan creditrisk+ dapat diterima dan cukup akurat dalam mengukur VaR portofolio kendaraan bermotor kepada konsumen.

KESIMPULAN DAN SARAN

Kesimpulan

Berdasarkan pembahasan pada bab-bab sebelumnya dapat diambil beberapa kesimpulan sebagai berikut :

(14)

1. Pengukuran risiko kredit dengan memakai pendekatan CreditRisk+ model yang dikeluarkan oleh Credit Suisse First Boston dapat digunakan untuk mengukur risiko kredit dari portofolio penyewaan kendaraan bermotor PT. SURYA DARMA PERKASA kepada konsumennya, hal ini karena pengukuran kredit dengan menggunakan metode ini sangat sederhana karena lebih memfokuskan kepada keadaan default atau non default dan tidak mempersoalkan faktor-faktor penyebab terjadinya default. Selain itu model ini tidak mempertimbangkan terjadinya migrasi kualitas kredit.

2. Hasil pengukuran risiko kredit dengan menggunakan model CreditRisk+ untuk portofolio penyewaan kendaraan bermotor PT. SURYA DARMA PERKASA sepanjang masa observasi tahun 2008 menunjukan potensi kerugian yang diperkirakan (expected loss) dan risiko kredit (ditunjukan oleh VaR atau

unexpected loss) mempunyai kecenderungan yang menurun. Credit VaR dibulan

Januari 2008 sebesar Rp 7,910,000,000 dan menurun sebesar Rp 5,160,000,000 dibulan Desember 2008. Dengan adanya kecenderungan penurunan risiko ini diharapkan pengelolaan atas portofolio penyewaan kendaraan bermotor PT. SURYA DARMA PERKASA kepada konsumennya dapat lebih baik dan efektif, terutama dalam mengantisipasi bertambahnya piutang yang bermasalah. 3. Dari perhitungan economic capital terlihat bahwa kecukupan modal yang

dibutuhkan atas portofolio penyewaan yang dilakukan oleh PT. SURYA DARMA PERKASA kepada konsumen sepanjang tahun 2008 berada pada range Rp 2,348,649,391 – Rp 38,615,003,932. Apabila setiap nilai ini dibandingkan dengan modal PT. SURYA DARMA PERKASA masih cukup menanggung adanya risiko kredit yang diakibatkan oleh kerugian kredit yang tidak dapat diperkirakan (unexpected credit default losses). Dengan melihat kebutuhan economic capital yang relatif kecil, sekitar 0.57 % dari jumlah modal atas portofolio pembiayaan kendaraan bermotor sepanjang tahun 2008, maka dapat disarankan untuk meningkatkan atau mengoptimasikan portofolionya. 4. Pengujian dengan metode Likelihood Ratio pada tingkat kepercayaan 95%

menunjukan bahwa selama pengamatan, jumlah kejadian yang merugikan PT. SURYA DARMA PERKASA dengan tingkat kerugian yang melebihi nilai VaR kredit masih dibawah ambang batas jumlah kerugian yang dapat ditolerir, yang

(15)

berarti bahwa metode pengukuran risiko dengan CreditRisk+ dapat diterima dan cukup akurat untuk mengukur risiko portofolio penyewaan PT. SURYA DARMA PERKASA kepada konsumen

Saran

1. Mengingat PT. SURYA DARMA PERKASA belum mempunyai metode pengukuran risiko kredit dan berdasarkan hasil pengukuran risiko kredit dengan model CreditRisk+ yang menggunakan pendekatan distribution possion, dengan hasil pengujian model memakai LR test yang menunjukan model yang cukup akurat, maka model CreditRisk+ ini dapat dipertimbangkan untuk digunakan untuk pengukuran risiko kredit di penyewaan kendaraan bermotor PT. SURYA DARMA PERKASA kepada konsumen

2. Selain itu, model ini dapat disarankan pula untuk digunakan untuk mengukur risiko kredit segmen lain yang mempunyai karakterisktik yang hampir sama dengan portofolio penyewaan kendaraan bermotor seperti pembiayaan kepada koperasi simpan pinjam, kartu kredit, kredit karyawan, dan KPR. 3. Melihat adanya kecenderungan risiko kredit yang menurun diakhir tahun

2008, maka untuk menjaga kualitas portofolio dengan lebih baik, PT. SURYA DARMA PERKASA harus melakukan langkah preventive untuk menurunkan potensi default yaitu dengan cara lebih selektif dalam memilih calon konsumen dan melakukan reactive untuk memperbaiki non performing loannya, dengan meningkatkan monitoring portofolio dan upaya penyelesaian kredit bermasalah yang lebih maksimal.

4. Tingkat akurasi model CreditRisk+ sangat tergantung pada kehandalan database yang dimiliki, terutama dengan data inputan, yaitu nilai exposure, kolektibilitas dan tingkat kegagalan (default rates). Oleh karena itu PT. SURYA DARMA PERKASA harus meningkatkan kualitas database perkreditannya, sehingga pengukuran risiko kredit akan lebih akurat. Disamping itu validitas model juga harus diperhatikan dengan melakukan pengujian secara berkala menggunakan LR test.

(16)

DAFTAR PUSTAKA

Credit Suisse First Boston. 1997. CreditRisk+. A Credit Risk Management Framework

Crouhly, Michael, et. al. 2001. Risk Management. New York : McGraw-Hill.

Dowd, Kevin. 1998. Beyond Value at Risk. The New Sience of Risk Management. New York : John Wiley & Sons, Inc.

Duffe, Darel N. et. al. 2003. Credit Risk Pricing, Measurement and Management Priceton University Press.

Gardner, Mona. 2000. Managing Financial Institutions. Fourth edition, Harcourt College.

Jorion, Phillipe. 2001. Value at Risk. New York :McGraw-Hill.

Pindyek, Robert. 1997. Economic Models and Economic Forecast. Fourth edition, Irwin McGraw-Hill

Rachmat, Budi. 2004. Multi Finance HandBook Indonesia Perspective. Jakarta : Pradnya Paramita.

Saunders, Antony. 2002. Financial Institutions Management, A Risk Management Approach. Fourth edition, New York:McGraw-Hill

Gambar

Gambar 2.1. Proses Management Risiko  Sumber : Asiyanto, MBA, IPM. (2009)
Gambar 3.1. Tahap – tahap metode CreditRisk+
Gambar 4.1. Perbandingan λ dan n di bulan Desember 2008
Tabel  4.2.  Kerugian  yang  tidak  dapat  diperkirakan  PT.  Surya  Darma  Perkasa  bulan  Desember 2008 (Unexpected Loss)
+2

Referensi

Dokumen terkait

Keseluruhan sistem alam terkait dan terjalin sedemikian rupa sehingga ia merupakan sistem telic (bertujuan akhir) tunggal yang bergelora, hidup, dan penuh makna

Terimakasih kepada ALLAH SWT, beserta Nabi dan Rasul yang selalu disisi ALLAH, yang telah membantu saya dalam memberikan kelancaran dan kemudahan dalam berfikir,

Perubaban resin-P; di rhizosfer dan antar baris tanaman adalab negatif yang menunjukkan bahwa resin-P; telab bertransfonnasi ke fraksi P yang lain.. Perubahan

Dengan demikian, dapat dioperasionalkan kemampuan menulis puisi adalah kesanggupan, kekuatan, atau kecakapan untuk menyusun atau mengorganisasikan buah pikiran atau ide ke

Berdasarkan jenisnya, ada 5 macam asesmen otentik yang populer digunakan di kelas-kelas bahasa, khususnya bahasa Inggris sebagai bahasa asing (Rolheiser &amp;

Yang perlu dila- kukan adalah melakukan kajian mendalam terkait beberapa aspek antara lain (Hadji, Wahyudi, &amp; Budi, 2017): a) Aspek Kelembagaan; meliputi pe- manfaatan

BPRS PNM Binama Semarang dilakukan dengan pemberian motivasi kerja kepada karyawan, pemberian pelatihan ( training ) dan promosi jabatan..

point akan menuju ke view sesudah yang tertera, tetapi untuk menu akan tetap pada view menu karena hanya terdapat 1 view camera. • Jika G5