LOAN DECISION AND FINANCIAL INFORMATION

16.1. INTRODUCTION

Ketika pihak bank menerima permohonan pinjaman baru, keputusan untuk

memberikan pinjaman atau tidak memberikan pinjaman bukan sesuatu yang mudah.
Alternatif dalam memberikan pinjaman keputusan tentang biaya suku bunga, besarnya
pinjaman dan pembatasan untuk diberikan kepada peminjam. Bank berupaya merancang
sistem peringatan lebih awal terhadap pinjaman yang tidak dilunasi. Jika pinjaman gagal
bayar, keputusan untuk memperbaiki terkait pinjaman yang harus dibayar harus dibuat.

16.2. INFORMATION SOURCES FOR LOAN DECISIONS

Sumber informasi yang dapat di akses oleh seorang analis sebagai berikut:

1. Loan aplicant.
2. Lending institution files and personal..
3. Eksternal credit surveys.
4. Factor, labor and product markets.
5. Capital market.
6. Industry and economic reports.

Informasi ini bisa menjadi sumber yang berbeda di beberapa dimensi contoh kualitatif
versi kuantitatif, fokus periode masa saat lalu versi dengan fokus periode masa saat ini.
tantangan untuk analis adalah untuk memanfaatkan beberapa perbedaan informasi dari
sumber efekstif biaya dan jalan yang lebih efisien.

16.3. DESCRIPTIVE ANALYSIS OF EXISTING LOAN DECISIONS

Gohen, Gilmore dan Singer tahun 1966 serta Altman 1980 menyajikan pandangan
tiga tahap dalam proses peminjaman yaitu

1. Loan Approval. (Persetujuan peminjaman)

2. Loan Monitoring. (Pengawasan peminjaman)
3. Loan Termination. (Pengakhiran peminjaman)

Terdapat dua alasan terkait untuk mempelajari membuat keputusan pada satu atau lebih
proses ini. Alasan pertama adalah untuk mendapat wawasan laporan keuangan dan informasi
yang lain dalam mengambil keputusan. Alasan kedua adalah untuk memeriksa adanya inovasi
yang dapat digunakan untuk mengambil keputusan.

A. Analaysis of loan agreements

Salah satu sumber informasi tentang proses keputusan pinjaman yang ada adalah
perjanjian pinjaman. ini termasuk perincian tentang tingkat bunga yang diubah, jumlah
pinjaman, dan perjanjian pendaratan. Castle (1980) memberikan ringkasan "perjanjian
pinjaman berjangka dan pembatasan keuangan lainnya" dalam 37 perjanjian pinjaman
berjangka yang ditulis oleh Chemical Bank of New York. 37 perjanjian pinjaman ini
mencakup perusahaan-perusahaan yang obligasi-nya diperingkat antara A dan B oleh
Moody's.

Salah satu wawasan menarik dari perjanjian pinjaman adalah insentif pemberi pinjaman
untuk mengadopsi prosedur yang melengkapi kekurangan yang dirasakan dalam pelaporan
keuangan. Sebagai contoh, kritik yang sering terhadap penggunaan pelaporan berbasis biaya
historis dalam industri minyak dan gas adalah bahwa untuk perusahaan mana pun, biaya
untuk menemukan cadangan minyak dan gas bumi tidak perlu berkaitan dengan nilai terbukti
dari cadangan tersebut. Tidak mengherankan, kami menemukan contoh perjanjian pinjaman
yang berfokus langsung pada “proved value” cadangan minyak dan gas daripada angka
berbasis biaya historis yang muncul dalam laporan keuangan. Foster (1980) memasukkan
beberapa contoh seperti itu dalam diskusi tentang mengapa persyaratan FASB yang diusulkan
untuk perusahaan berbiaya penuh (FC) untuk berubah menjadi akuntansi upaya-berhasil (SE)
mungkin tidak mempengaruhi perjanjian pinjaman yang dipilih. Juniper Petroleum
menunjukkan bahwa perubahan FC ke SE tidak diantisipasi memiliki dampak material
terhadap pinjaman yang dikeluarkan Perusahaan karena sebagian besar pinjaman Perusahaan
terkait terutama dengan proyeksi rekayasa pendapatan dari properti yang diproduksi. Houston
and Minerals mencatat bahwa beberapa klausa pinjaman didasarkan pada rasio "cadangan
minyak dan gas terbukti dengan jumlah hutang yang dijamin." studi leftwich (1983) yang
dijelaskan dalam Bagian 16.5.B juga mencakup bukti keberangkatan oleh perusahaan-
perusahaan dari GAAP dalam perjanjian pinjaman mereka.

Keuntungan utama dari perjanjian pinjaman sebagai sumber informasi tentang prosedur
yang ada adalah bahwa mereka (relatif) eksplisit mengenai apa yang dimasukkan. Selain itu,
kedua belah pihak memiliki insentif untuk memverifikasi bahwa kondisi yang termasuk
dalam perjanjian tersebut mewakili pemahaman mereka tentang hak dan kewajiban masing-
masing pihak.

Interview/questionnaires with loan officiers

Wawancara dengan, atau kuesioner yang dikirim ke, petugas pinjaman dapat fokus pada
lebih dari sekedar barang-barang yang termasuk dalam perjanjian pinjaman akhir. bagian ini
menggambarkan fokus yang diperluas ini dengan membahas penelitian tentang rasio
keuangan yang dilaporkan digunakan oleh petugas bagian pinjaman dalam keputusan mereka.
Backer dan Gosman (1979) melaporkan hasil pewawancara di bank-bank besar AS, Dun &
Bradstreet, perusahaan perbankan investasi, dan lembaga pemeringkat obligasi. Pendapat
diminta untuk mengatakan "rasio keuangan memiliki prioritas tertinggi dalam keputusan
pinjaman jangka." Temuan umum adalah bahwa seiring lamanya pinjaman meningkat, lebih
banyak penekanan ditempatkan pada rasio probabilitas leverage dan kurang pada rasio
likuiditas dan turnover. Mengatasi masalah. Gibson (1983) mengirim kuesioner ke
departemen pinjaman komersial dari 100 bank terbesar di Amerika Serikat. Tingkat
responsnya adalah 44%. Setiap kuesioner menyertakan daftar 59 rasio keuangan. Satu
pertanyaan terkait dengan signifikansi setiap rasio dalam keputusan mereka (0, 1, 2 = tingkat
kepentingan rendah: 3. 4 5.6 = tingkat kepentingan rata-rata; 7, 8, 9 = tingkat kepentingan
tinggi). Tabel 16.2 (panel A) menyajikan sepuluh rasio teratas yang diberi peringkat
berdasarkan kepentingan rata-rata; rasio utang-terhadap-ekuitas adalah rasio keuangan
dengan peringkat paling penting. Pertanyaan lain terkait dengan frekuensi rasio keuangan
yang dimasukkan dalam perjanjian pinjaman. Tabel 16.2 (panel B) menyajikan sepuluh rasio
peringkat dari satu hingga sepuluh dalam hal persentase rata-rata inklusi. Sekali lagi, rasio
utang terhadap ekuitas berada di peringkat pertama.

C. Modeling Loan Officer Classifications

Pendekatan ketiga untuk mendapatkan wawasan tentang bagaimana keputusan
pinjaman yang ada dibuat adalah melalui pemodelan penilaian petugas pinjaman (atau komite
petugas pinjaman). Satu set penilaian penting di banyak bank adalah klasifikasi pinjaman
yang ada ke dalam kategori pinjaman. Kategori yang dijelaskan Dietrich dan Kaplan (1982)
untuk satu bank adalah ilustrasi dari yang ditemukan di banyak lembaga keuangan:

1. Lancar - risiko perbankan normal yang dapat diterima.

2. Terutama disebutkan-bukti kelemahan dalam kondisi keuangan peminjam atau jadwal

pembayaran yang tidak realistis.

3. Tren atau perkembangan yang sangat tidak menguntungkan yang bersifat finansial,
manajerial, ekonomi, atau politik yang memerlukan tindakan korektif yang segera

4. Diragukan - pembayaran penuh pinjaman tampaknya dipertanyakan. Beberapa kerugian

akhirnya (belum ditentukan) tampaknya mungkin terjadi. Bunga tidak bertambah.

5. Pinjaman macet dianggap tidak dapat ditagih.

Dietrich dan Kaplan (1982) meneliti sampel pinjaman komersial dari bank komersial
pusat uang yang besar. Tujuan dari penelitian ini adalah untuk mengembangkan model linier
sederhana yang dapat mereplikasi penilaian yang digunakan dalam mengklasifikasikan risiko
pinjaman ”(p. 19). Sampel yang digunakan untuk memperkirakan model linier terdiri 140
pinjaman dengan klasifikasi berikut: Lancar (109), Terutama disebutkan (16), Kurang Lancar
(10), dan Diragukan (5). Tidak ada pinjaman dalam kategori kerugian dimasukkan dalam
penelitian. Fungsi linear tiga variabel dilaporkan memiliki "kekuatan penjelas yang penting".

𝑌𝑖 = −3.90 + 6.41 × 𝐷𝐸𝑖 − 1.12 × 𝐹𝐶𝐶𝑖 + .664 × 𝑆𝐷𝑖

Dimana
𝐷𝐸𝑖 = (long-term debt + current liabiities)/total assets

𝐹𝐶𝐶𝑖 = dana dari operasi /(interest expense + minimum rental commitment + average debt
maturing within three years)
𝑆𝐷𝑖 = jumlah tahun penurunan penjualan berturut-turut
Semakin tinggi Y, skor, semakin tinggi pula perkiraan risiko pinjaman. Tanda-tanda
koefisien pada setiap variabel mengikuti intuisi; pinjaman dengan risiko lebih tinggi
kemungkinan memiliki leverage yang lebih tinggi, aliran dana yang lebih rendah, dan
penurunan penjualan berturut-turut selama bertahun-tahun.
Model linier memprediksi pinjaman kategori saat ini sama baiknya pada kedua
sampel, tetapi memprediksi tiga kategori lainnya kurang baik untuk sampel validasi.
Marais, Patell, dan Wolfson (1984) meneliti sampel 716 klasifikasi pinjaman yang
dibuat oleh bank komersial besar. Sampel ini juga tidak termasuk pinjaman dalam kategori
kerugian. Dua fungsi kerugian diperiksa: fungsi kerugian yang seragam, di mana semua
kesalahan klasifikasi ditimbang secara merata, dan fungsi kerugian diberikan oleh bank di
mana hukuman terberat diberikan untuk memprediksi pinjaman diklasifikasikan yang
sebenarnya diragukan berada dalam kategori diklasifikasikan saat ini. Menggunakan 13 item
laporan keuangan sebagai variabel independen dalam model multivariat probit, klasifikasi
persentase yang benar berikut ini dilaporkan:

Klasifikasi pinjaman Uniform Loss Function Loss Function Supplied by

Bank
Current (655) 99.5% 91.8%
Especially Mentioned (29) .0 37.9
Substandard (23) .0 26.1
Doubtful (9) 11.1 .0

Marais, Patell, dan Wolfson tidak menggunakan estimasi dan validasi yang berbeda,
tetapi disesuaikan untuk overfitting melalui uji signifikansinya. Seperti dengan Dietrich dan
Kaplan (1982), para penulis ini merasa jauh lebih sulit untuk memprediksi klasifikasi dalam
kategori noncurrent. Namun, perlu diketahui bahwa ketika fungsi kerugian yang dipasok oleh
bank digunakan, ada peningkatan substansial dalam persentase klasifikasi yang sebenarnya
dalam kategori noncurrent ini/

Ketika menafsirkan persentase dalam Dietrich dan Kaplan (1982) dan Marais, Patell,
dan Wolfson (1984), penting untuk mempertimbangkan berbagai penjelasan karena
kurangnya klasifikasi sempurna: misalnya, (1) pemberi pinjaman mempertimbangkan lebih
banyak variabel daripada ketiga variabel yang telah dimasukkan (2) pemberi pinjaman hanya
mempertimbangkan ketiga variabel tersebut tetapi secara nonlinier atau nonaditif, dan (3)
serangkaian klasifikasi yang konsisten tidak dibuat oleh petugas pinjaman individu dalam
sampel.
B. External Data Sources Used in Existing Decisions

Dalam banyak keputusan pinjaman dan kredit perdagangan, informasi tentang pemohon
dapat dibeli dari layanan komersial. Salah satu sumber yang paling banyak digunakan dalam
keputusan yang ada adalah Dun & Bradstreet (D&B). Peringkat ini, terdiri dari dua bagian
(perkiraan kekuatan keuangan dan penilaian kredit komposit). Tujuan utama dari informasi
peringkat D & B adalah untuk membantu klien menetapkan pedoman kredit dan
mengevaluasi urutan risiko dari yang paling kecil ke yang paling besar dan berfungsi sebagai
panduan referensi cepat untuk memeriksa kredit sebelum analisis kredit yang terperinci dapat
dibuat. Dun & Bradstreet [1985] memberikan informasi berikut:

“Estimasi Kekuatan Keuangan adalah indikator ukuran, berdasarkan pada kekayaan

bersih, atau ekuitas, dari perusahaan bisnis. Hal ini diperoleh, seringkali tanpa
modifikasi, dari laporan keuangan terbaru dari bisnis tersebut. Kadang-kadang
terdapat modifikasi sebagai pengurang dari real estat yang dikecualikan, atau tidak
berwujud seperti goodwill, oleh karena itu hasil Estimasi Kekuatan Keuangan
didasarkan atau juga disebut sebagai kekayaan bersih berwujud. Penilaian Kredit
Komposit adalah indikator stabilitas kekhawatiran dan kelayakan kredit umum.”

16.4 QUANTITATIVE APPROACHES TO LOAN DECISIONS

Model kuantitatif memainkan peran yang semakin meningkat dalam keputusan

pinjaman. Di bidang pinjaman konsumen, peringkat yang diberikan oleh model kuantitatif
seringkali merupakan input utama ke dalam keputusan persetujuan pinjaman. Di bidang
pinjaman komersial, peringkat model kuantitatif digunakan oleh sejumlah kecil tetapi
semakin banyak institusi sebagai salah satu dari beberapa input ke dalam keputusan tinjauan
pinjaman.

A. Issues in Construction of a Quantitative Scoring Model

Keputusan kunci dalam merancang model penilaian kuantitatif untuk keputusan

pinjaman mencakup pilihan (1) fungsi kerugian untuk kesalahan prediksi model, (2) set
perusahaan yang akan dimasukkan dalam sampel, (3) populasi yang menjadi tujuan
penerapan model, (4) variabel independen untuk dimasukkan dalam model, (5) perbaikan
data yang hilang, dan (6) stasioner dari periode waktu di mana model tersebut dianggap valid.
Pertimbangkan masing-masing hal ini secara bergantian.

Loss Function to Use for Model Prediction Errors

Dua parameter penting saat memproses aplikasi pinjaman adalah

• C1: biaya untuk memprediksi bahwa pemohon pinjaman akan membayar ketika
kemudian tidak membayar kembali

• C2: biaya memprediksi bahwa pemohon pinjaman tidak akan membayar yang
kemudian dapat membayar kembali.

Dalam C1 termasuk yang akan menjadi kerugian terkait dengan bunga dan pokok
yang tidak diterima bank saat jatuh tempo, biaya peluang waktu pemberi pinjaman dalam
memantau pinjaman, dan biaya hukum tambahan terkait dengan penghapusan pinjaman.
Dalam C2 termasuk yang akan menjadi margin kontribusi pada pinjaman yang sebelumnya
hilang, dengan asumsi bahwa pemohon diprediksi tidak akan membayar kembali merupakan
pinjaman yang ditolak. Jika ada jumlah dana pinjaman terbatas yang tersedia, C2 akan
dikurangi dengan pengembalian penggunaan dana alternatif.

Beberapa bukti tentang besarnya C1 disediakan oleh Altman (1980). Data dari New
York Federal Reserve Bank digunakan untuk memperkirakan tingkat pemulihan atas
kerugian pinjaman. Tingkat pemulihan rata-rata untuk tahun-tahun tertentu adalah

1970 1972 1974 1976

26,5% 34,1% 25,5% 28,3%

Recorvery rate adalah rasio jumlah hutang yang pada akhirnya pulih terhadap jumlah
yang terhutang pada saat pinjaman dibebankan. Recorvery rate mengabaikan nilai waktu
uang (jumlah yang dapat dikembalikan dapat diterima beberapa tahun kemudian), dan hal
tersebut tidak termasuk biaya tambahan yang ditimbulkan institusi pemberi pinjaman dalam
memonitor dan pinjaman dan dalam write off. Dari beberapa alasan, recorvery rate akan
mengecilkan biaya yang dipertimbangkan dalam memperkirakan bahwa pemohon pinjaman
akan membayar kembali, kemudian tidak membayar kembali.
 Sangat sedikit analisis biaya C2 yang telah dilaporkan dalam literatur. Haldeman, dan
Narayanan (1977) berpendapat bahwa magnitude “sangat kecil”. Dengan asumsi bahwa
institusi pemberi pinjaman memiliki batasan pada total pinjaman yang tersedia, maka mereka
memperkirakan opportunity cost tidak meminjamkan kepada klien yang akan membayar
(dengan suku bunga R) sebagai R – Rf, di mana Rf merupakan return sekuritas pemerintah
bebas risiko; R – Rf, diperkirakan 2%. Menggunakan estimasi C1 berdasarkan statistik
pemulihan kerugian pinjaman pada periode 1971-1975, kesalahan C1 adalah 35 kali lebih
mahal daripada kesalahan C2.

Broadness of the Set of Firms to Include in a Sample

Analis pinjaman sering menghadapi trade-off antara memiliki set pengamatan yang
cukup besar untuk secara efisien memperkirakan model penilaian dan memiliki seperangkat
perusahaan yang homogen sehubungan dengan atribut yang relevan dengan keputusan
pinjamannya. Salah satu kemungkinan adalah membangun model penilaian yang terpisah
untuk setiap industri di mana pinjaman diberikan. Walaupun pendekatan ini mengontrol
perbedaan industri dalam rasio keuangan, dalam banyak kasus akan menghasilkan model
yang dikembangkan pada basis data yang sangat kecil.

Suatu pendekatan alternatif adalah mengontrol sumber hipotesis herogeneitas lintas

pengamatan ketika mengestimasi nilai variabel masing-masing perusahaan. Pertimbangan
penggunaan rasio industri-relatif sebagai cara mengendalikan perbedaan lintas industri dalam
rasio keuangan rata-ratanya.

Population to Which Model is Apply

Sampel yang digunakan untuk mengembangkan model harus sesuai dengan populasi
dimana model penilaian akan diterapkan. Dalam hal ini, penting untuk menggabungkan
antara dua populasi yang diminati oleh pemberi pinjaman.

1. Populasi pemohon baru

2. Populasi pemohon yang diterima

Dalam banyak studi, model penilaian didasarkan pada sampel akun dalam file
perusahaan. Sampel ini sesuai jika seseorang khawatir dengan pengembangan prosedur
peninjauan internal untuk memantau akun yang ada. Namun, jika kekhawatiran mengenai
membangun model untuk memproses pemohon kredit baru, sampel hanya berdasarkan pada
akun dalam file perusahaan mungkin tidak representatif. Akun-akun ini dinyatakan sebagai
risiko kredit yang “baik” oleh sistem yang ada. Dengan demikian, terdapat kemungkinan
bahwa variabel yang saat ini digunakan dalam mengevaluasi pemohon baru mungkin tidak
muncul sebagai variabel diskriminatif pada model yang dibangun hanya pada pelamar yang
diterima. Hal dikenal sebagai masalah pre-screening. Sulit untuk mengatasi masalah ini
ketika mengestimasi model penilaian untuk memproses pemohon baru. Salah satu alternatif
adalah menerima setiap pemohon untuk jangka waktu tertentu dan melacak pengalaman
pinjaman mereka berikutnya (Jelas, ini berpotensi berpotensi menimbulkan biaya yang lebih
besar dalam mengumpulkan informasi). Alternatif lain yang diusulkan adalah
mengasumsikan bahwa pemohon yang ditolak oleh sistem yang ada kemudian akan
diklasifikasikan sebagai “bad”; dengan asumsi bahwa sistem yang ada tidak memiliki
kesalahan Tipe II. Namun alternatif lain adalah mengestimasi secara subyektif pengalaman
kredit dari pemohon yang ditolak oleh sistem yang ada, pembayaran.

Independent Variables to Include in Model

Pilihan variabel untuk dimasukkan dalam model penilaian kuantitatif biasanya

didasarkan hal-hal berikut ini:

1. Pengalaman masa lalu dari institusi pemberi pinjaman

2. Penelitian di masa lalu mengenai prediksi distress atau klasifikasi pinjaman o
3. Metode pencarian data intensif seperti stepwise regression atau stepwise discriminant
analysis.

Variabel yang termasuk dalam model penilaian yang dipilih seringkali merupakan
sebagian kecil dari yang awalnya dipertimbangkan oleh pengembang model. Dalam beberapa
kasus, pembuat model mungkin percaya bahwa variabel harus dimasukkan dalam model
tetapi menemukan bahwa tidak signifikan (atau bahkan dikeluarkan dari model penilaian).
Pada konteks ini, penting untuk mempertimbangkan penjelasan yang potensial bagi variabel
yang tidak signifikan atau dikeluarkan sebelum memutuskan apakah akan menguji kembali
model dengan variabel yang dimasukkan.

Treatment in Missing Data

 Dalam membangun sistem penilaian numerik dan dalam memproses pemohon dengan
sistem, masalah pengamatan yang hilang dapat muncul. Sebagai contoh, seorang pemohon
hanya dapat mengisi jawaban untuk 39 dari 40 pertanyaan pada formulir aplikasi. Dalam
kasus, perusahaan mungkin menganggap tidak efektif dalam hal biaya untuk mengembalikan
formulir aplikasi kepada pemohon untuk mendapatkan informasi yang hilang. Ewert (1977)
mengalami masalah ini dalam mengestimasi model penilaian untuk memproses pemohon
kredit perdagangan. Tak satu pun dari 100 variabel yang diperiksa tersedia untuk semua
perusahaan dalam sampel. Salah satu solusi yang diadopsi adalah bahwa "jika beberapa
perusahaan (sekitar 10 persen atau kurang dari semua perusahaan) kehilangan informasi
untuk variabel tertentu, nilai median untuk sampel (gabungan baik dan buruk) diganti dengan
informasi yang hilang" (p 92)

Stationarity

Seiring berjalannya waktu, perubahan dapat terjadi pada set pemohon pinjaman yang
ditetapkan, dalam karakteristik pemohon tersebut, atau dalam industri atau lingkungan
ekonomi, Salah satu pendekatan ketika dihadapkan dengan nonstasioneritas tersebut adalah
mempertahankan set variabel independen yang ada tetapi melakukan reestimasi koefisien dan
menetapkan cutoff point baru untuk mengklasifikasikan pinjaman ke dalam berbagai kategori.
Jika non-stationaritias terutama dibuat, mungkin perlu untuk mengembangkan model
penilaian baru di mana variabel independen, selain yang saat ini sudah dimasukkan ke model,
diuji. (Suatu pendekatan alternatif dengan mengidentifikasi sumber-sumber nonstasioner
yang mungkin dan secara eksplisit memasukkannya ke dalam model penilaian). Contoh yang
mengenai nonstationarity adalah meningkatnya kemungkinan perusahaan besar akan
bangkrut. Sebelum akhir 1960-an, probabilitas ini sangat rendah. Namun, sejak periode itu,
perusahaan dengan total kewajiban dalam miliaran telah mengajukan kebangkrutan,
misalnya, Penn-Central Transport pada tahun 1970 dengan kewajiban $3,3 miliar dan Itel
pada tahun 1981 dengan kewajiban sebesar $ 1,7 miliar

B. Contribution of Quantitive Scoring Model

Model penilaian dapat memberikan beberapa kontribusi penting dalam bidang

pengambilan keputusan:

1. Model penilaian dapat memfasilitasi pengawasan dan kontrol terhadap risiko dari
akun yang masuk. Dengan membandingkan karakterisktik pemohon pada model yang
 telah dibangun dengan karakteristik pemohon yang saat ini mengajukan pinjaman,
untuk memastikan jika terdapat keseimbangan dalam populasi.
2. Keputusan yang berkaitan dengan C1 dan C2 (hal.585) adalah input utama dalam
model penilaian. Salah satu batasan utama dari sistem heuristik yang digunakan
dibeberapa bank adalah bahwa keputusan yang tidak konsisten dapat dibuat oleh
petugas pinjaman yang berbeda dari lembaga yang sama.
3. Sistem penilaian kredit dapat digunakan untuk menguji variabel mana yang penting
dalam membedakan antara risiko kredit “good” dan “bad”. Mengumpulkan dan
memproses informasi keuangan adalah kegiatan yang mahal, dan penting untuk tidak
mencurahkan sumber daya untuk mengumpulkan informasi tentang variabel yang
tidak memiliki kekuatan diskriminatif.
4. Sistem penilaian kredit dapat membantu dalam alokasi waktu dan sumber daya
petugas pinjaman dan sebagai perangkat penyaring untuk pinjaman yang ada. Laporan
keuangan dan variabel lain dari perusahaan dengan pinjaman bank dapat dinilai secara
berkala.
5. Sistem penilaian kredit dapat membantu dalam mengimplementasikan kebijakan
pinjaman yang konsisten dengan undang-undang federal atau negara atau negara
bagian.

C. Consumer Loan Applications

Contoh awal dari model penilaian kredit konsumen adalah sistem yang dikembangkan
oleh Spiegel untuk bisnis mail-order mulai menangani aplikasi pelanggan baru dengan sistem
pertanyaan vital. Empat pertanyaan utama diberi skor dan jika skor total pelanggan melebihi
total yang dinyatakan, ia diberi kartu kredit tanpa analisis lebih lanjut. Jika skor tidak
melebihi total dinyatakan, mail-order ditahan untuk analisis kredit lebih lanjut. Model
penilaian sekarang digunakan oleh banyak lembaga keuangan dan ritel, misalnya dalam
keputusan untuk memberikan kredit, mengeluarkan kartu kredit dan perhitungan biaya
lainnya, dan untuk memberikan pinjaman pribadi. Perusahaan memiliki pilihan
pengembangan in-house dari model-model ini atau penggunaan konsultan luar.

Sebuah studi ilustrasi pasa model penilaian kredit konsumen adalah Apilado, Warner dan
Dauten (1974). Data diperoleh dari catatan 301 kantor perbankan komersil dan 18 perusahaan
keuangan yang berlokasi di negara bagian barat daya yang relatif sangat maju. Sampel dari
950 akun digunakan dalam analisis, setengahnya adalah pinjaman “good” (dibayar sesuai
kesepakatan) dan setengahnya adalah pinjaman “bad” (ditagih). 13 variabel yang berkaitan
dengan masing-masing akun awalnya diperiksa, misalnya diskon pinjaman, usia peminjam,
status perkawinan, status rumah, dan pendapatan kotor bulanan. Berdasarkan univariat,
variabel-variabel berikut ditemukan sebagai prediktor terbaik risiko kredit :

1. Status rumah
2. Akun giro
3. Tujuan pinjaman
4. Persyaratan pinjaman

Diantara variabel yang paling tidak efektif berdasarkan univariat adalah jenis kelamin
peminjam dan jumlah tanggungan peminjam.

D. Comercial Loan Applications

Literatur tentang model penilaian untuk pinjaman komersial relatif kecil dibandingkan
dengan literatur tentang penggunaan model tersebut dibidang kredit konsumen. Satu
penjelasan potensial adalah bahwa pinjaman komersial relatif kurang homogen dalam
kaitannya dengan kelompok pemohon, proses evaluasi pinjaman atau perjanjian pinjaman
(misal, ukuran pinjaman, suku bunga yang dibebankan, perjanjian dan sekuritas). Penjelasan
kedua adalah bahwa sejumlah pengamatan yang tersedia untuk pembuatan model jauh lebih
kecil dari area pinjaman komersial.

Aplikasi penilaian kredit paling sering di sektor komersial adalah sehubungan dengan
kredit perdagangan. Sebuah studi oleh Ewert (1977) menggambarkan penelitian di bidang ini.
data yang dianalisis diambil dari catatan kredit perusahaan manufaktur. Sampel terdiri dari
507 perusahaan yang memperoleh kredit dengan perusahaan ini; 298 akunnya "good" dan
209 "bad".

Dari 507 akun perusahaan, 307 digunakan dalam memperkirakan model untuk
membedakan antara akun baik dan buruk, prosedur regresi bertahap digunakan dalam
memilih variabel independen. Fungsi regresi akhir mencakup 17 variabel, termasuk sembilan
berdasarkan informasi yang diberikan oleh kreditor perdagangan kepada Dun & Bradstreet.
Variabel berbasis laporan keuangan termasuk kekayaan bersih, rasio lancar dan rasio
penjualan terhadap modal kerja.

16.5 EXISTING LOAN DECISIONS AND ACCOUNTING ALTERNATIVES

 Literatur akuntansi mencakup kritik pada prinsip akuntansi yang diterima secara umum
(GAAP):

1. Perbandingan antar perusahaan sangat terhambat karena berbagai alternatif yang

diizinkan dalam GAAP.
2. Sistem pelaporan Non-GAAP lebih informatif daripada GAAP.

Pemberi pinjaman memiliki insentif untuk menggunakan informasi yang

memfasilitasi pengambilan keputusan pinjaman yang lebih baik. Selain itu, tidak ada mandat
peraturan untuk tetap dalam kerangka GAAP dan dapat meminta pemohon pinjaman
menambah atau mengganti angka berbasis biaya historis.

A. Diversity Within GAAP

Bukti upaya oleh pemberi pinjaman bank untuk membuat penyesuaian untuk
perbedaan metode akuntansi disajikan oleh Deitrick dan Stamps (1981). Sebuah kuesioner
dikirimkan kepada 100 "bankir terpilih" dengan tingkat respons 42%. Ada beberapa
penjelasan bagi pemberi pinjaman yang tidak melakukan upaya substansial untuk
menyesuaikan keragaman dalam beberapa metode akuntansi yang digunakan oleh pemohon.

1. Kesimpulan tentang tren dalam profitabilitas, leverage, dan sebagainya tidak

dianggap peka terhadap penggunaan berbagai metode akuntansi yang digunakan oleh
pemohon.
2. Analis pinjaman tidak memiliki pengalaman pengetahuan yang terperinci untuk
melakukan penyesuaian yang tepat di beberapa bidang.
3. Analis dapat mengakses sumber informasi yang mengkompensasi keragaman metode
akuntansi. Sebagai contoh, Bank Wells Fargo meminta agar pemohon pinjaman
menyerahkan informasi yang cukup bagi mereka untuk mengembangkan laporan
“arus kas yang seragam”, bersama dengan laporan laba rugi dan neraca mereka. Wells
Fargo meyakini bahwa salah satu keuntungan dari pendekatan “arus kas yang
seragam” adalah pengurangan dalam masalah komparatif yang timbul dari
keragaman interfirm dalam pilihan metode akuntansi.

B. Non-GAAP Financial Reporting Alternatives

Petugas peminjam dapat dan memang menggunakan alternatif berbasis non-GAAP

ketika mengevaluasi pemohon pinjaman atau ketika menulis perjanjian pinjaman dengan
pemohon yang diterima. Lelwich (1983) menyajikan bukti penyimpangan semacam itu dari
GAAP dalam analisis “aturan pengukuran akuntansi yang dinegosiasikan pada perjanjjian
pinjaman perusahaan swasta”. Dia melaporkan bahwa “pada hakekatnya, perjanjian pinjaman
berisi referensi spesifik tentang aturan pengukuran yang akan digunakan dalam menghitung
angka akuntansi untuk keperluan perjanjian tersebut”. “aturan pengukuran” yang diadopsi
“secara keseluruhan berada diluar prinsip penghitungan yang diterima secara umum".
Sebagai contoh :

 Kontingensi, “Semua biaya kontingensi harus dibuat terhadap pendapatan, bukan

terhadap akun cadangan”
 Mata uang asing – “Anak perusahaan asing jarang dikonsolidasi. Pendapatan dari
investasi asing diakui hanya ketika benar-benar diterima”
 Goodwill dan intangible. “Goodwll dan intangibles sering dikeluarkan dari basis aset
terhadap yang dapat dipinjam oleh perusahaan. Double entry accounting tidak
dipergunakan - goodwill dihilangkan dari neraca, tetapi amortisasi diperlukan dalam
laporan laba rugi”.
 Pajak penghasilan - Kredit pajak tangguhan tidak selalu diklasifikasikan sebagai
liabilitas. Debit pajak tangguhan dikecualikan dari basis aset perusahaan."

Penyimpangan dari GAAP ini ditafsirkan sebagai bukti bahwa “pihak-pihak dalam
perjanjian pinjaman merancang aturan pengukuran akuntansi dalam berbagai cara untuk
mengurangi konflik kepentingan antara peminjam dan pemberi pinjaman”.

Lanjutan bukti yang menarik adalah dengan memeriksa perjanjian pinjaman berturut-
turut selama periode waktu yang panjang dan untuk mendokumentasikan perubahan dalam
metode akuntansi yang digunakan (dan kemungkinan alasan untuk perubahan ini). Bukti
tersebut akan memungkinkan pemahaman yang lebih baik tentang bagaimana institusi
memodifikasi metode penghitungan karena pengetahuan tentang manfaat dan biaya mereka
telah dijumlahkan.

C. Accounting Method Diversity and Quantitative Scoring Models

Keragaman dalam metode akuntansi yang digunakan perusahaan dapat menimbulkan

kesulitan ketika menggunakan model penilaian kuantitatif dalam evaluasi pinjaman. Dalam
konteks ini, sangat berguna untuk membedakan antara
 1. Keragaman cross-sectional (perbedaan dalam metode akuntansi perusahaan pada
suatu titik waktu)
2. Keragaman time-series (perbedaan dalam metode akuntansi perusahaan dari waktu ke
waktu).

Pertimbangkan keragaman cross-sectional. Jika, misalnya, model penilaian

diperkirakan sebagai kumpulan inventaris FIFO / depresiasi garis lurus perusahaan, maka
mungkin bahwa inventaris LIFO / penyusutan terakselerasi perusahaan dapat ditolak untuk
pinjaman ketika akan memperpanjang kredit seandainya digunakan metode akuntansi yang
berbeda. Ada beberapa alternatif yang bisa diambil seseorang dalam situasi ini. Salah satunya
adalah membangun model penilaian terpisah untuk setiap kombinasi utama perubahan
akuntansi. Yang kedua adalah menggunakan teknik penyesuaian untuk menempatkan semua
pemohon yang diberi skor oleh model atas dasar yang sama dalam hal metode akuntansi.

Keragaman time-series dalam metode akuntansi dapat timbul dari perubahan akuntansi
sukarela atau mandat (misalnya oleh FASB). Jika pembangun model memutuskan bahwa
dampak dari perubahan tersebut adalah signifikan, mungkin tepat untuk menguji kembali
model menggunakan data yang berasal dari serangkaian metode akuntansi yang saat ini
diadopsi. Ketika dihadapkan dengan keragaman akuntansi, pembangun model dapat
memutuskan untuk memasukkan variabel dalam model penilaian yang kurang terpengaruh
oleh keragaman cross-sectional atau time-series dalam metode akuntansi.

16.6 SOME GENERAL COMMENTS

1. Suatu hal yang penting tapi sedikit area penelitian yang terintegrasi informasi laporan
keuangan dengan informasi pada keputusan pinjaman. Termasuk informasi strategi
tentang perusahaan, kompetitor dan informasi pasar modal. Contohnya, analisis
strategi dapat membantu situasi masalah flag potential seperti

a. Pemohon pinjaman adalah perusahaan menguntungkan pada saat ini, tapi karena
beberapa kompetitor menyusun perencanaan mutakhir skala besar, pemohon
akan perlu untuk membuat investasi skala besar pada pabrik atau mesin-mesin
untuk tetap menguntungkan.

b. Pemohon pinjaman memiliki pengalaman pertumbuhan yang cepat dan

profitabilitas yang tinggi, tetapi kedua faktor tersebut dapat secara cepat dikikis
oleh terobosan teknologi kompetitor.
 Informasi pasar modal dapat secara khusus berguna pada proses review
pinjaman. Kemampuan pasar modal untuk merespon informasi baru secara cepat,
institusi peminjam dapat menggunakan penurunan harga sekuritas tiba-tiba sebagai
bentuk tindakan atas review internal. Sedikit penelitian dipublikasikan pada area ini ,
dan saat ini kebanyakan program pelatihan pegawai pinjaman tidak termasuk segmen
detail pada analisis strategi atau analisis pasar modal.

2. Literatur terpublikasi mengandung batasan analisis pinjaman pada kategori “loss”.

Beberapa penjelasan dapat menjelaskan situasi berikut:

a. Institusi peminjam tidak ingin mempublikasikan kegagalan mereka untuk dunia

luar

b. Asosiasi individual loan officers dengan kerugian entah tidak lagi dipekerjakan
ataukah tidak ada keinginan untuk bekerja sama, karena mereka percaya bahwa
penelitian akan menyorot faktor-faktor yang penting dengan meninjau balik
manfaat, tetapi keputusan mereka pada saat itu hanya sedikit dari banyak item
ambigu dari informasi.

Satu manfaat dari membuat analisa yng rinci dari kategori kerugian pinjaman
adalah memperoleh wawasan bagaimana loan review resources dapat dialokasikan.
Contohnya, (a) analisis dapat mengungkapkan bahwa prosedur yang ada tidak diikuti
dan, jika sudah, peringatan sebelumnya tentang kerugian akan tersedia, atau (b)
analisis dapat menyoroti bidang informasi yang saat ini tidak terintegrasi ke dalam
prosedur yang ada yang bisa memberikan sinyal peringatan lebih dini, atau (c) analisis
mungkin menemukan bahwa kerugian pinjaman dapat dicegah oleh beberapa bentuk
review pinjaman yang diketahui. Memberikan profil risiko pinjaman bahwa senior
manajemen dari institusi peminjam telah ditarget.

3. Pers keuangan secara terus menerus menekankan banyak faktor non-ekonomi yang
mendasari keputusan pinjaman. Sebagai contoh,

a. Pemberi pinjaman perusahaan memiliki naluri yang kuat seperti jika N-1
institusi menginginkan untuk bergabung dengan sebuah sindikat pinjaman,
institusi merasakan tekanan untuk bergabung juga, bahkan jika pinjaman
tersebut tidak lolos kriteria pendanaan sendiri.
 b. Senior manajemen dari bank menggunakan posisi mereka untuk menjaga high
international corporate atau profil perorangan (contohnya, menggunakan large
loans untuk negara ketiga ketika pinjaman tersebut tidak lolos kriteria pinjaman
yang ada)

Upaya untuk membuat model pengambilan keputusan pinjaman belum secara

eksplisit mengakui pentingnya faktor-faktor di atas yang serupa. Saat ini, sulit untuk
tau apakah ini yang disebut kekuatan non ekonomi sama pentingnya seperti yang
ditunjukkan oleh pers keuangan.

4. Jumlah yang besar dari penelitian pada keputusan pinjaman membuat dilakukan
secara internal perusahaan melalui lembaga pinjaman atau oleh perusahaan konsultan.
Insentif dari bagian tersebut untuk mempublikasikan diskripsi secara rinci dari
beberapa invoasi yang muncul untuk menjadi minimal. Bahkan ketika peran bagian-
bagian tersebut bekerjasama dengan akademisi, sulit untuk menyebarkan hubungan
independensi peneliti atau kendala pada masalah yang akan diperiksa dapat ditemui.