Fasilitator:
Marisi P. Purba, S.E., M.H., Ak, CA (Praktisi, Penulis & Akademisi)
BERBAGAI MODEL
PENURUNAN NILAI ASET
KEUANGAN
PENURUNAN NILAI ASET
KEUANGAN
THREE STAGES APPROACH
PROVISION MATRIX MODEL
Aset keuangan yang perlu diturunkan nilainya:
1. Instrumen hutang yang diukur dengan amortized cost,
2. Instrumen hutang yang diukur dengan FVTOCI,
3. Komitmen hutang,
4. Kontrak garansi keuangan, 5. Piutang sewa pembiayaan,
6. Aset lancar yang berasal dari kontrak dari pelanggan,
7. Piutang yang berasal dari kontrak konstruksi.
“too little
too late”
PSAK 55/IAS 39
Sebelum
PSAK 55
PSAK 55
PSAK 71
Penggunaan Aging
Schedule sebagai
dasar penurunan nilai aset keuangan
Individual
review Role Rate Model Expected Credit Loss Simplified Expected Credit Loss
Periodisasi Penurunan Nilai Aset Keuangan:
PSAK 55
PSAK 71
Incurred Credit Loss Expected Credit Loss The probability the Counterparty has defaulted? The probability the Counterparty will default?Our
exposure
today?
What will be our exposure at this
point in time?
PSAK 55.63:
“Jika terdapat bukti objektif bahwa kerugian penurunan nilai telah terjadi atas pinjaman yang diberikan dan piutang atau investasi dimiliki hingga jatuh tempo yang dicatat pada biaya perolehan diamortisasi, maka jumlah kerugian tersebut diukur sebagai selisih antara jumlah tercatat aset dan nilai kini estimasi arus kas masa depan (tidak termasuk kerugian kredit masa depan yang belum terjadi) yang didiskontokan menggunakan suku bunga efektif awal dari aset tersebut (yaitu suku bunga efektif yang dihitung pada saat pengakuan awal……..”.
PSAK 71.5.5.17:
“Entitas mengukur kerugian kredit ekspektasian dari instrumen keuangan dalam suatu cara yang mencerminkan:
a) Jumlah yang tidak bias dan rata-rata probabilitas tertimbang yang ditentukan dengan mengevaluasi serangkaian kemungkinan yang dapat terjadi,
b) Nilai waktu uang; dan
c) Informasi yang wajar dan terdukung yang tersedia tanpa biaya atau upaya berlebihan pada tanggal pelaporan mengenai peristiwa masa lalu, kondisi kini, dan perkiraan kondisi ekonomi masa depan”.
Model untuk forward looking information:
Several probability weighted average
scenarios:
Several probability weighted average
scenarios:
PD = Probability of Default LGD = Loss Given Default EAD = Exposure at Default
Expected Credit Loss Model untuk perbankan:
Sumber: Dickson Wong & Nini Kung, “Wider Fields: IFRS 9 Credit Impairment Modelling”, Actuaries Institute.
PSAK 71
“three stages approach”
“simplified approach”
“credit adjusted effective
interest rate”
Tiga pendekatan (approach) penurunan nilai yang ditawarkan PSAK 71:
ECL = EAD x LGD x PD
ECL: Expected Credit Loss EAD: Exposure at Default LGD: Loss Given Default PD: Probability of Default
Expected Credit Loss Model: (lanjutan)
Probabilitas debitur X tidak mampu membayar lunas dan
tepat waktu
Pokok + Bunga yang sudah
di-akkru
Persentase bagian aset keuangan yang akan hilang
Expected Credit Loss Model untuk perbankan:
(lanjutan)
Uang yang diinvestasikan pada instrumen keuangan (asset keuangan) yang terpapar risiko kredit (credit exposure).
Exposure at Default (EAD)
Bagian aset keuangan yang akan hilang apabila peminjam gagal bayar. LGD
berbanding terbalik dengan Recovery Rate (RR) yang dihitung dengan rumus 1 – LGD.
Loss Given Default (LGD)
Kemungkinan debitor gagal bayar hutangnya secara tepat waktu selama periode tertentu (biasanya 12 bulan) (menggunakan external
ratings yang dikeluarkan oleh S & P, Fitch &
Moody’s dll). Terdapat 2 jenis PD, yaitu (1) PD untuk periode 12 bulan dan (2) PD untuk sisa masa pinjaman.
Probability of Default (PD)
Contoh I:
PT A memberikan pinjaman kepada PT B dengan nilai Rp 1.000.000,- dan bunga yang terutang adalah Rp 5.000,- Berdasarkan evaluasi internal, PD selama 12 bulan adalah 7%. Pinjaman tersebut tidak memiliki jaminan, dan nilai standar dari LDG adalah 45%. Berapakah nilai penurunan nilai pinjaman tersebut?
Jawab:
12-month ECL = EAD x LDG x PD
= (Rp 1.000.000 + Rp 5.000) x 45% x 7% = Rp 1.005.000 x 0,45 x 0,07
= Rp 31.657,50
Penurunan nilai aset keuangan:
’three stages
approach’
IASB + FASB
THREE STAGES APPROACH
PSAK 71.5.5.3:
“Berdasarkan paragraf 5.5.13-5.5.16, pada setiap tanggal pelaporan, entitas mengukur penyisihan kerugian instrumen keuangan sejumlah kerugian kredit ekspektasian sepanjang umurnya, jika risiko kredit atas instrumen keuangan tersebut telah meningkat secara signifikan sejak pengakuan awal”.
“Bergantung pada paragraf 5.5.13-5.5.16, jika pada tanggal pelaporan, risiko kredit atas instrumen keuangan tidak meningkat secara signifikan sejak pengakuan awal, entitas mengukur penyisihan kerugian untuk instrumen keuangan tersebut sejumlah kerugian kredit ekspektasian 12 bulan”.
PSAK 71.5.5.5:
Sumber: www.pwc.com. “In-Depth, a Look at Current Financial Issues, IFRS 9: Expected Credit Losses”
Stages
1
2
3
Recognition of Impairment 12-month expected credit lossesLife time expected credit losses Recognition of
interest
Effective interest on the gross carrying amount
Effective interest on the net carrying
amount
Perlakuan akuntansi berdasarkan perubahan kualitas
kredit:
Normal
Deterioration of Credit QualityInterest on
gross basis Interest on
gross basis
Interest on net basis
Credit Impaired
PERFORMING UNDER NON PERFORMING
PERFORMING
Sumber: Dickson Wong & Nini Kung, “Wider Fields: IFRS 9 Credit Impairment Modelling”, Actuaries Institute.
Beberapa indikator perpindahan dari stage 1 ke
stage 2:
1. Perubahan kondisi ekonomi dan pasar secara umum (misalnya,
tingkat pengangguran, suku bunga dll)
2. Perubahan signifikan hasil usaha atau posisi keuangan debitor, 3. Perubahan dukungan keuangan
kepada debitor (misalnya dari pemegang saham),
4. Penundaan pembayaran.
Beberapa indikator stage 3:
1. Wanprestasi dalam hal pembayaran,
2. Adanya pemberian kemudahan kepada debitor karena kesulitan kondisi keuangan,
3. Adanya kemungkinan besar debitor dipailitkan atau
restrukturisasi keuangan.
Model penurunan nilai aset keuangan yang
disederhanakan (Simplified Impairment Model): 1. Menggunakan provision matrix,
2. Untuk piutang jangka pendek, rugi penyisihan piutang selama 12
bulan dan life-time expected credit
loss angkanya menjadi sama,
3. Pengelompokkan piutang dapat dilakukan berdasarkan atribut pelanggan (geografis, produk, customer rating, agunan atau jaminan).
Langkah-langkah melakukan perhitungan provision
matrix:
Langkah 1
Tentukan periode penjualan dan
piutang tak tertagih terkait
penjualan dengan cara:
1. Tentukan jumlah penjualan
selama satu periode,
2. Tentukan jumlah piutang tak
tertagih yang berasal dari
penjualan selama satu periode
tersebut.
Langkah-langkah melakukan perhitungan provision
matrix:
Tentukan profile pelunasan piutang
oleh debitor.
Tentukan default loss percentage
historis.
Langkah 2
Langkah 3
Langkah-langkah melakukan perhitungan provision
matrix:
Sesuaikan loss percentage dengan
memperhitungkan informasi terkait
keadaan masa yang akan datang.
Tentukan expected credit loss
dengan menggunakan default rate
yang sudah ditentukan berdasarkan
langkah 4.
Langkah 4
Langkah 5
Contoh:
Jumlah penjualan kredit……….. Rp 1.000.000.000
Jumlah kredit macet (dihapus) dari
penjualan di atas ……….……….. Rp 30.000.000
Jumlah Penjualan Kredit Rp 1.000.000.000 Jumlah yang dibayar kumulatif:
Dibayar dalam 30 hari Rp 200.000.000 Rp 200.000.000 Dibayar antara 30 hari
s/d 60 hari Rp 350.000.000 Rp 550.000.000 Dibayar antara 60 hari
s/d 90 hari Rp 300.000.000 Rp 850.000.000 Dibayar setelah 90 hari Rp 120.000.000 Rp 970.000.000
Piutang yang dihapus………...Rp 30.000.000 Langkah
1
Langkah 2
Contoh:
Penjualan Pembayaran setelah 30 hari Pembayaran setelah 60 hari Pembayaran setelah 90 hari Ageing profile penjualan 1.000.000.000 800.000.000 450.000.000 150.000.000 Rugi akibat tak tertagih 30.000.000 30.000.000 30.000.000 30.000.000 Default rate 3,00 % 3,75 % 6,67 % 20,00 % Langkah 3Contoh:
Perubahan kondisi ekonomi
mengakibatkan rugi akibat piutang
tak tertagih menjadi Rp 40.000.000
Penjualan Pembayaran setelah 30 hari Pembayaran setelah 60 hari Pembayaran setelah 90 hari Ageing profile penjualan 1.000.000.000 800.000.000 450.000.000 150.000.000 Rugi akibat tak
tertagih 40.000.000 40.000.000 40.000.000 40.000.000 Default rate 4,00 % 5,00 % 8,89 % 26,67 %
Langkah 4
Contoh:
Penentuan expected credit loss
Jumlah 0 s/d 30 hari 30 s/d 60 hari 60 s/d 90 hari Setelah 90 hari Saldo akhir piutang 14.000.000 5.000.000 4.000.000 3.000.000 2.000.000 Default rate 4,00 % 5,00 % 8,89 % 26,67 % Expected credit loss 1.200.000 200.000 200.000 266.667 533.333 Langkah 5 Jurnal Pencatatan:
Dr. Rugi penurunan nilai………..…Rp 1.200.000
Cr. Penyisihan penurunan nilai………...Rp 1.200.000
Questions?
Marisi P. Purba, S.E., M.H., Ak, CA, ACPA