“RISIKO KREDIT”
Disusun oleh:
1. Iffa Karimah 141190021
2. Faidin Joko Nur Rochman 141190032
3. Dadan Kurniawan Febriana 141190081
4. Endah Nur Saputri 141190166
Kelompok 2 / EM-A
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia, serta taufik dan hidayah-Nya kami dapat menyelesaikan makalah mata kuliah
Manajemen Risiko yang berjudul “Risiko Kredit” sesuai waktu yang ditentukan.
Kami berterima kasih kepada Bapak Drs. R. Hendri Gusaptono, M.M., selaku dosen
mata kuliah Manajemen Risiko yang telah memberikan tugas ini kepada kami. Kami juga
mengucapkan terima kasih kepada semua pihak yang telah turut serta membantu
menyumbangkan pikirannya dalam makalah ini.
Semoga makalah ini dapat dipahami bagi siapapun yang membacanya. Sekiranya
makalah yang telah disusun ini dapat berguna bagi kami sendiri maupun orang yang
membacanya. Sebelumnya kami mohon maaf apabila terdapat kesalahan kata-kata yang
kurang berkenan dan kami memohon kritik dan saran yang membangun demi perbaikan di
masa depan.
Kelompok 2
i
DAFTAR ISI
KATA PENGANTAR...............................................................................................................i
DAFTAR ISI.............................................................................................................................ii
BAB I PENDAHULUAN.........................................................................................................1
1.1 Latar Belakang.............................................................................................................1
1.2 Rumusan Masalah.......................................................................................................1
1.3 Tujuan Penulisan.........................................................................................................1
BAB II PEMBAHASAN..........................................................................................................2
2.1 Penilaian Kualitatif......................................................................................................2
2.2 Penilaian Kuantitatif....................................................................................................2
2.2.1 Rating Perusahaan................................................................................................2
2.2.2 Model Skoring Kredit..........................................................................................2
2.2.3 RAROC (Risk Adjusted Return On Capital).......................................................2
2.2.4 Mortality Rate......................................................................................................2
2.2.5 Penurunan Risiko Kredit Menggunakan Term Structure.....................................2
2.2.6 Credit Mterics.......................................................................................................2
2.2.7 Pendekatan Kerangka Teori Opsi.........................................................................5
BAB III PENUTUP................................................................................................................10
3.1 Kesimpulan................................................................................................................10
3.2 Saran..........................................................................................................................10
DAFTAR PUSTAKA.............................................................................................................11
ii
iii
BAB I
PENDAHULUAN
1
BAB II
PEMBAHASAN
2
untuk menutup pinjaman tersebut. Lembaga keuangan bisa meminta jaminan
yang nilainya melebihi jumlah pinjaman.
5. Conditions adalah sejauh mana kondisi perekonomian akan mempengaruhi
kemampuan mengembalikan pinjaman. Jika kondisi perekonomian memburuk,
maka kemungkinan perusahaan mengalami kesulitan keuangan akan semakin
tinggi, yang membuat kemungkinan perusahaan mengalami kesulitan melunasi
pinjaman, juga semakin tinggi.
3
BBB Tingkat pengembalian yang memadai. Perubahan pada kondisi keuangan,
bisnis, atau ekonomi mempunyai kemungkinan besar meningkatkan risiko
investasi dibandingkan dengan kategori yang lebih tinggi.
BB Investasi. Perusahaan mempunyai kemampuan membayar bunga dan pokok
pinjaman, tetapi kemampuan tersebut rawan terhadap perubahan pada
kondisi ekonomi, bisnis, dan keuangan.
B Instrumen utang saat ini mengandung risiko investasi. Tingkat pengembalian
tidak terlindungi secara memadai terhadap kondisi ekonomi, bisnis, dan
keuangan.
C Instrumen keuangan yang bersifat spekulatif dengan kemungkinan besar
bangkrut.
D Instrumen keuangan sedang default/bangkrut.
Catatan: Tanda + atau - bisa ditambahkan di belakang rating untuk menegaskan
tingkat rating lebih lanjut. Sebagai contoh, suatu perusahaan barangkali
mempunyai rating A+, yang berarti rating A tingkat atas.
Perusahaan dengan rating AAA mempunyai risiko kredit yang paling rendah.
Perusahaan dengan rating C mempunyai risiko kredit yang tinggi sekali. Dengan
data tersebut, kita bisa memperoleh gambaran tingkat risiko kredit. Untuk melihat
seberapa akurat prediksi risiko kredit oleh lembaga pe-rating, tabel berikut ini
menyajikan tingkat kebangkrutan untuk setiap kategori rating Moody's, satu tahun
sampai lima tahun sesudah obligasi dikeluarkan, berdasarkan data historis di
Amerika Serikat. Rating dikeluarkan pada saat obligasi dikeluarkan.
Tabel 10.2. Tingkat Kebangkrutan Sesudah Pengeluaran Obligasi (%)
4
Sebagai contoh, untuk rating AAA, pada satu tahun sesudah obligasi
dikeluarkan (rating juga dikeluarkan), tidak ada perusahaan yang mengalami
kegagalan bayar (default). Empat tahun sesudah obligasi dikeluarkan ada
perusahaan mengalami kegagalan bayar sebesar 0,07%, sehingga kumulatif
kegagalan bayar pada tahun keempat adalah 0,07%. Pada tahun kelima terjadi
kegagalan bayar sebesar 0,16%, sehingga kegagalan bayar kumulatif menjadi
0,23% (0,07 + 0,16). Dengan cara yang sama, kegagalan bayar marjinal dan
kumulatif bisa dihitung untuk kategori rating yang lain bisa dilakukan.
Tabel tersebut menunjukkan bahwa rating yang dikeluarkan oleh perusahaan
rating cukup baik memprediksi risiko kegagalan bayar (default risk). Perusahaan
yang mempunyai kategori rating jelek mempunyai kemungkinan untuk default
lebih besar.
2.2.2 Model Skoring Kredit
Model skoring kredit pada dasarnya ingin melihat risiko kredit (potensi
kegagalan bayar) berdasarkan skor tertentu yang dihasilkan melalui model tertentu.
Bagian berikut ini membicarakan beberapa model skoring, yaitu model
diskriminan, model probabilitas linear, dan model probabilitas logit.
a. Model Diskriminan
Analisis diskriminan pada dasarnya ingin melihat apakah suatu
perusahaan sebaiknya dimasukkan ke dalam kategori tertentu. Sebagai
5
contoh, misalkan kita mempunyai dua kategori yaitu perusahaan yang
mengalami kegagalan bayar dan yang tidak mengalami kegagalan bayar.
Kemudian kita mengumpulkan informasi, misal informasi laporan
keuangan seperti rasio lancar, rasio profitabilitas, yang akan digunakan
untuk memprediksi apakah suatu perusahaan layak dimasukkan ke dalam
kategori gagal bayar atau tidak. Yang pertama kali perlu dilakukan adalah
mengestimasi persamaan diskriminan, yaitu dengan menggunakan variabel
dependen (tidak bebas) yang bersifat kategori, yaitu gagal bayar dan tidak
gagal bayar, dan menggunakan rasio-rasio keuangan sebagai variabel tidak
bebas.
Sebagai contoh, berikut ini fungsi diskriminan yang diestimasi oleh
penelitian Altman (1968):
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 1,0 X5
Di mana :
X1 Rasio modal kerja/Total aset
X2 = Rasio laba yang ditahan/Total aset
X3 = Rasio laba sebelum bunga dan pajak/Total aset
X4 = Rasio nilai pasar saham/Nilai buku saham
X5 = Rasio penjualan/Total asset
Setelah fungsi diskriminan diestimasi, tahap berikutnya adalah
menggunakan fungsi tersebut untuk memprediksi kegagalan bayar. Model
di atas memasukkan harga pasar saham, sehingga model tersebut bisa
digunakan hanya untuk perusahaan publik. Altman kemudian memperluas
model di atas supaya bisa digunakan untuk perusahaan non-publik. Model
baru tersebut adalah berikut ini:
Z = 0,717 X1 + 0,847 X2 + 3,107 X3 + 0,420 X4 + 0,998 X5
Di mana :
X1 = Rasio modal kerja/Total aset
X2 = Rasio laba yang ditahan/Total aset
X3 = Rasio laba sebelum bunga dan pajak/Total aset
X4 = Rasio nilai buku saham preferen dan saham biasa/Nilai buku total
hutang
X5 = Rasio Penjualan/Total aset
Cut-off atau batas untuk pengambilan kesimpulan kedua model tersebut
bisa dilihat dalam tabel berikut ini.
Tabel 10.3. Cute-Off Rate Model Diskriminan
Model Nilai Pasar Model Nilai Buku
6
Batas tidak bangkrut 2,99 2,90
Batas bangkrut 1,81 1,20
Wilayah abu-abu 1,81-2,99 1,20-2,90
Misalkan ada dua perusahaan dengan data rasio keuangan berikut ini:
X Y
Rasio modal kerja/Total Aset 0,25 0,005
Rasio laba yang ditahan/Total Aset 0,1 0,01
Rasio laba sebelum bunga dan pajak/Total Aset 0,1 -0,2
Rasio nilai pasar saham/Nilai buku saham 2 1,2
Rasio penjualan/Total Aset 2 1,25
Karena menggunakan informasi harga pasar saham, maka kita
menggunakan model yang pertama, sehingga perhitungan nilai Z bisa
dilihat berikut ini:
ZA = 1,2 (0,25) + 1,4 (0,1) + 3,3 (0,1) + 0,6 (2) + 1,0 (2) = 3,97
ZB = 1,2 (0,005) + 1,4 (0,01) + 3,3 (-0,2) + 0,6 (1,2) + 1,0 (1,25) = 1,33
Karena nilai Z untuk A di atas batas bangkrut (3,97 > 2,99), maka
Altman memprediksi bahwa perusahaan A tidak bangkrut. Sebaliknya,
karena nilai Z untuk B di bawah batas bawah (1,33 < 1,81), maka Altman
memprediksi bahwa perusahaan B akan mengalami kebangkrutan.
b. Model Probabilitas Linear
Dalam beberapa situasi, dua kategori (gagal bayar dan tidak gagal
bayar) tidak cukup. Kita barangkali menginginkan angka yang
mencerminkan seberapa besar kemungkinan terjadinya kegagalan bayar
(risiko kredit) suatu perusahaan. Model probabilitas bisa dipakai untuk
mengakomodasi keinginan tersebut. Langkah pertama adalah mengestimasi
persamaan untuk model probabilitas. Kita akan mengumpulkan data
perusahaan yang gagal bayar dan yang tidak gagal bayar. Variabel gagal
bayar tersebut menjadi variabel tidak bebas (dependent). Perusahaan yang
gagal bayar diberi kode 0, yang tidak gagal bayar diberi kode 1. Kemudian
kita mengumpulkan data untuk variabel bebas (misal rasio-rasio keuangan).
Setelah data terkumpul, estimasi bisa dilakukan dengan teknik regresi
linear. Sebagai contoh, misalkan estimasi dengan model probabilitas linear
menghasilkan persamaan berikut ini.
Z = 0,2 + 1,3 X1 + 0,5 X2
Di mana :
X1 = Rasio modal kerja/Total Aset
X2 = Rasio laba sebelum bunga dan pajak/Total Aset
Misalkan kita akan menganalisis potensi gagal bayar untuk tiga perusahaan,
dengan informasi sebagai berikut:
A B C
Total aset Rp 100 miliar Rp 50 miliar Rp 100 miliar
7
Modal kerja Rp 40 miliar Rp 5 miliar Rp 50 miliar
Laba sebelum bunga dan pajak -Rp 40 miliar -Rp2,5 miliar -Rp 40 miliar
X1 0,4 0,1 0,5
X2 0,4 -0,05 0,4
Probabilitas tidak gagal bayar (lancar) bisa dihitung sebagai berikut:
ZA = 0,2 + 1,3 (0,4) + 0,5 (0,4) = 0,92
ZB = 0,2 + 1,3 (0,1) + 0,5 (-0,05) = 0,305
Dari perhitungan di atas terlihat bahwa probabilitas untuk lancar (tidak
gagal bayar) untuk A dan B adalah 0,92 dan 0,305. Dengan kata lain,
perusahaan A mempunyai risiko kredit yang lebih rendah dibandingkan
dengan perusahaan B. Kelemahan dari model probabilitas linear adalah ada
kemungkinan probabilitas yang dihitung di luar wilayah 0 dan 1, lebih kecil
dari nol, atau lebih besar dari 1 (probabilitas bernilai antara 0 dan 1,
inklusif). Sebagai contoh, misal kita ingin menghitung probabilitas lancar
untuk perusahaan C (kolom paling kanan). Dengan menggunakan
persamaan yang sama, probabilitas C adalah 1,05.
ZC = 0,2 + 1,3 (0,5) + 0,5 (0,4) = 1,05
Angka ini lebih besar dari 1, padahal nilai probabilitas maksimum
adalah 1. Untuk menghindari kemungkinan seperti itu, kita bisa
menggunakan teknik regresi logit, di mana variabel dependen 'dipaksa'
untuk berada pada wilayah 0 dan 1.
2.2.3 RAROC (Risk Adjusted Return On Capital)
2.2.4 Mortality Rate
2.2.5 Penurunan Risiko Kredit Menggunakan Term Structure
2.2.6 Credit Mterics
a. Credit Metrics untuk Aset Individual
b. Credit Metrics untuk Portofolio
Misalkan kita mempunyai portofolio yang terdiri dari aset BBB dan aset A.
Risiko kredit untuk aset BBB sudah dihitung di muka. Kita akan menghitung
risiko kredit untuk aset A, dan kemudian kita akan menghitung risiko kredit
untuk portofolio dari aset BBB dan A. Dengan cara yang sama, nilai obligasi
A jika rating tahun depan berubah, akan terlihat seperti dalam tabel berikut ini.
Tabel Hasil Penilaian Ulang Obligasi A
Kupon Forward Value Total Value
AAA 5,00 101,59 106,59
AA 5,00 101,49 106,49
A 5,00 101,30 106,30
8
BBB 5,00 100,64 105,64
BB 5,00 98,15 103,15
B 5,00 96,39 101,39
CCC 5,00 73,71 78,71
Default 0,00 51,13 51,13
Karena kita mempunyai dua aset, yaitu obligasi BBB dan A, kemudian ada 9
kemungkinan transisi untuk setiap asetnya, maka kita akan mempunyai
matriks dengan 9x9=81 sel. Tabel berikut ini memperlihatkan matriks tersebut
dengan nilai portofolio untuk masing-masing selnya.
Tabel Matriks Penilaian Ulang Portofolio
Aset AAA AA A BBB BB B CCC Defaul
A t
Aset 106,59 106,49 106,30 105,64 103,15 101,39 78,71 51,13
BBB
AAA 109,37 215,96 215,86 215,67 215,01 212,52 210,76 188,08 160,50
AA 109,10 215,69 215,59 215,40 214,74 212,25 210,49 187,81 160,23
A 108,66 215,25 215,15 214,96 214,30 211,81 210,05 187,37 159,79
BBB 107,55 214,14 214,04 213,85 213,19 210,70 208,94 186,26 158,68
BB 102,02 208,61 208,51 208,32 207,66 205,17 203,41 180,73 153,15
B 98,10 204,69 204,59 204,40 203,74 201,25 199,49 176,81 149,23
CCC 83,64 190,23 190,13 189,94 189,28 186,79 185,03 162,35 134,77
Defaul 51,13 157,72 157,62 157,43 156,77 154,28 152,52 129,84 102,26
t
Sebagai ilustrasi, untuk sel (Aset A, AAA; Aset BBB, AAA), nilai aset AAA
adalah 106,59, sedangkan nilai aset BBB adalah 109,37. Nilai portofolio untuk
sel tersebut adalah 215,96 (106,59 + 109,37). Langkah berikutnya adalah kita
ingin menghitung joint probability (probabilitas bersama). Joint probability
tersebut dihitung dengan mengalikan probabilitas marjinal untuk setiap
asetnya. Perkalian langsung semacam itu mengasumsikan independensi antara
dua aset tersebut. Pada kenyataannya asumsi tersebut barangkali tidak realistis,
9
karena akan ada korelasi antaraset. Hasil perhitungan joint probability bisa
dilihat berikut ini.
Tabel Joint Probability Portofolio
Aset AAA AA A BBB BB B CCC Defau
A lt
Aset 0,09 2,27 91,05 5,52 0,74 0,6 0,01 0,06
BBB
AAA 0,02 0,0000 0,0004 0,01821 0,0011 0,0001 0,0001 0,0000 0,0000
2 5 0 5 2 0 1
AA 0,33 0,0003 0,0074 0,30047 0,0182 0,0024 0,0019 0,0000 0,0002
0 9 2 4 8 3 0
A 5,95 0,0053 0,1350 5,41748 0,3284 0,0440 0,0357 0,0006 0,0035
6 7 4 3 0 0 7
BBB 86,9 0,0782 1,9733 74,1497 4,7985 0,6432 0,5215 0,0086 0,0521
3 4 1 7 4 8 8 9 6
BB 5,3 0,0047 0,1203 4,82565 0,2925 0,0392 0,0318 0,0005 0,0031
7 1 6 2 0 3 8
B 1,17 0,0010 0,0265 1,06529 0,0645 0,0086 0,0070 0,0001 0,0007
5 6 8 6 2 2 0
CCC 0,12 0,0001 0,0027 0,10926 0,0066 0,0008 0,0007 0,0000 0,0000
1 2 2 9 2 1 7
Defau 0,18 0,0001 0,0040 0,16389 0,0099 0,0013 0,0010 0,0000 0,0001
lt 6 9 4 3 8 2 1
10
Nilai yang diharapkan dan standar deviasi untuk distribusi tersebut bisa
dihitung berikut ini:
Setelah kita mengetahui rata-rata dan standar deviasi, maka kita bisa
menghitung VAR seperti yang dilakukan sebelumnya, seperti berikut ini.
5%VAR = - (1,65 x 3,3) = - $5,45
1%VAR = - (2,33 x 3,3) = - $7,7
Alternatif lain, kita bisa menggunakan percentile untuk menghitung VAR,
seperti yang dilakukan di bagian dua perhitungan credit metrics untuk aset
individual. Perhitungan tersebut tidak dilakukan di sini, tetapi menjadi tugas
pertanyaan pada akhir bab.
11
2.2.7 Pendekatan Kerangka Teori Opsi
Opsi call adalah hak untuk membeli aset dengan harga tertentu pada periode
tertentu. Opsi put adalah hak untuk menjual aset dengan harga tertentu pada
periode tertentu. Penjual opsi call atau put mempunyai kewajiban untuk
menyediakan aset yang akan dibeli (jika pemegang opsi call mengeksekusi
haknya), atau membeli aset yang akan dijual (jika pemegang opsi put
mengeksekusi haknya). Sebagai kompensasi, penjual opsi menerima premium atau
harga opsi sebesar nilai tertentu.
Beberapa akademisi menggunakan kerangka teori opsi untuk menganalisis
risiko kredit. Dengan menggunakan kerangka teori opsi, pemegang saham bisa
digambarkan sebagai pihak yang membeli opsi call. Pemegang hutang (pemberi
hutang) bisa digambarkan sebagai pihak yang menjual opsi put. Misalkan kreditur
memberi pinjaman kepada perusahaan dengan nilai Rp100 juta.
Bagan di atas menunjukkan jika nilai perusahaan di atas Rp100 juta (misal
Rp250 juta), maka pemegang saham berhak atas sisa nilai perusahaan sebesar
Rp150 juta (Rp250-Rp100 juta). Pemegang saham harus membayar utang sebesar
Rp100 juta terlebih dulu. Jika nilai perusahaan di bawah Rp100 juta, maka
pemegang saham akan kehilangan kekayaannya, karena kekayaannya akan diambil
oleh pemegang utang. Posisi pemegang saham dalam bagan di atas mirip dengan
posisi pembeli opsi call.
12
Bagan berikut ini menunjukkan posisi pemegang utang (kreditur).
Gambar Pemegang Utang Dalam Kerangka Opsi
Setelah kita mengetahui kerangka semacam itu, kita bisa menggunakan teori
opsi (model penilaian opsi) untuk menilai nilai utang dan sekaligus risiko kredit.
Bagian berikut ini memberikan ilustrasi bagaimana risiko kredit bisa dihitung
dengan menggunakan teori penilaian opsi.
13
Misalkan
V = nilai total perusahaan (Rp100 juta)
E = nilai pasar saham
D = nilai pasar obligasi
Gabungan antara nilai pasar saham dan obligasi adalah nilai total
perusahaan,
V = D + E = Rp100 juta
Nilai saham bisa dihitung berikut ini:
di mana,
V = Nilai perusahaan
B = Nilai nominal obligasi
E = Nilai saham
r = Tingkat bunga bebas risiko
T = Jangka waktu utang
σ= Standar deviasi aset perusahaan tahunan
In = Logaritma natural
e = 2,71828
N(d) = Probabilitas angka dari distribusi normal di bawah d
14
b. Model Penilaian Utang dengan Opsi
Alternatif lain adalah dengan menghitung nilai utang secara langsung.
Nilai pasar utang bisa dihitung dengan menggunakan formula berikut :
Dimana,
R = tingkat keuntungan yang disyaratkan untuk utang
r = tingkat keuntungan aset bebas risiko
Persamaan tersebut menunjukkan bahwa jika tingkat hutang dan varians
return berubah maka tingkat keuntungan yang disyaratkan untuk utang
tersebut juga harus berubah.
Sebagai ilustrasi, misalkan kita mempunyai informasi berikut ini :
B = nilai utang = Rp100 juta
T = 1 tahun
R = tingkat keuntungan bebas risiko = 5%
L = tingkat leverage = 90% atau 0,9
σ = 12%
15
F(1) = Rp100 juta / (2,78128)0,05 [0,793323 + (1,1111) (0,17412)] =
Rp93.866.180
R-r = (-1/1) ln [0,79332] + (1/0,9) (0,174120)] = -1 ln (0,986788) =
1,33%
BAB III
PENUTUP
3.1 Kesimpulan
3.2 Saran
Berdasarkan pembahasan yang telah dibahas di atas, penulis berharap agar makalah yang
berjudul “Risiko Kredit” ini dapat bermanfaat baik bagi pembaca maupun penulis,
sehingga menambah wawasan mengenai materi mengenai manajemen risiko kredit.
Penulis menyadari bahwa makalah ini masih jauh dari kata sempurna, oleh karena itu
penulis sangat berharap kritik dan saran yang membangun dari pembaca.
16
DAFTAR PUSTAKA
17