IDENTIFIKASI DAN

PENGUKURAN RISIKO KREDIT

KELOMPOK 3 :
AMIRAH HANDAYANI
ANDRE ABDIATMA
BELLA NIKOLA
CINDY ANDREYANTI
HUSNUL KHATIMAH
NABILA KHARENI
2.1. PENGERTIAN RISIKO
KREDIT
Risiko Kredit adalah credit risk yaitu : risiko yang
timbul dalam hal debitur gagal memenuhi kewajibann
untuk membayar angsuran pokok ataupun bunga
sebagaimana telah disepakati dalam perjanjian kredit;
di samping risiko suku bunga, risiko kredit
merupakan salah satu risiko utama dalam
pelaksanaan pemberian kredit dan hal ini juga akan
berpengaruh terhadap kolektibilitas kredit.
2.2. Penilaian Kualitatif dari Risiko Kredit :
Kerangka 3R dan 5C digunakan dalam menganalisis kemampuan melunasi kewajiban dari calon nasabah
bank, namun bisa juga dipakai untuk menganalisis risiko kredit perusahaan.

Pedoman 3R, yaitu :

2. Repayment 3. Risk-
1. Returns
capacity Bearing Ability
Hasil yang diperoleh dari
penggunaan kredit yang Kemampuan perusahaan Kemampuan perusahaan
diminta, apakah kredit mengembalikan pinjaman menanggung risiko
tersebut bisa menghasilkan dan bunganya pada saat kegagalan atau
return ( pendapatan ) yang pembayaran tersebut jatuh ketidakpastian yang
memadai untuk melunasi tempo. berkaitan dengan
hutang dan bunganya. penggunaan kredit.
Jaminan perlu
dipertimbangkan oleh
kreditor.

1. Character
Kemauan ( sifat dan watak )
peminjam ( debitur ) untuk
memenuhi kewajibannya.
1 2
4. Collateral
Aset yang dijaminkan untuk suatu pinjaman.
Lembaga harus meminta jaminan yang
nilainya melebihi jumlah pinjaman.
Pedoman 5C, yaitu :
2. Capacity 3. Capital
Kemampuan peminjam untuk Posisi keuangan perusahaan ( peminjam ) secara
melunaasi kewajiban hutangnya, keseluruhan dapat dilihat dari analisis rasio. Bank
melalui pengelolaan atau lembaga harus memperhatikan komposisi
perusahaannya dengan efektif dan hutang dengan modal sendiri.
efisien.
3
4 5
5. Conditions
Sejauh mana kondisi perekonomian
akan mempengaruhi kemampuan
mengembalikan pinjaman.
 2.3. Penilaian Kuantitatif dari Risiko Kredit :
Portfolio Presentation

A. Rating Perusahaan
 Tabel Klasifikasi Rating

Rating Keterangan
AAA Instrument hutang dengan tingkat resiko sangat rendah. Tingkat pengembalian teramat baik(excellent); perubahan pada kondisi keuangan,
bisnis atau ekonomi tidak akan berpengaruh secara signifikan terhadap resiko investasi.
AA Instrument hutang dengan resiko sangat rendah. Tingkat pengembalian yang sangat baik, perubahan pada kondisi keuangan, bisnis, atau
ekonomi barangkali akan berpengaruh pada resiko investasi , tetapi tidak terlalu besar.
A Pengembalian hutang dengan resiko rendah. Tingkat pengembalian yang baik, meskipun perubahan pada kondisi keungan , bisnis atau
ekonomi akan meningkatakan resiko investasi.
BBB Tingkat penegmbalian yang memadai. Perubahan pada kondisi keuangan , bisnis, atau ekonomi mempunyai kemungkinan besar
meningkatkan resiko 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 Instrument hutang saat ini mengandung resiko investasi. Tingkat pengembalian tidak terlindungi secara memadai terhadap kondisi
ekonomi, bisnis , dan keuangan.
C Instrument keuangan yang bersifat spekulatif dengan kemungkinan besar bangkrut.
D Instrument keuangan sedang default/bangkrut
B. Model Skoring Kredit
Terdapat 3 model skoring kredit, yaitu :
 
1. Model Diskriminan
Pada dasarnya ingin melihat apakah suatu perusahaan
sebaiknya dimasukkan ke dalam kategori tertentu.

Contoh :
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X2 + 1,0 X5
Dimana : X1 = rasio modal kerja / total asset
X2 = rasio laba yang ditahan / total asset
X3 = rasio laba sebelum bunga dan pajak /
total asset
X4 = rasio nilai pasar saham / nilai buku
saham
X5 = rasio penjualan / total asset
 
2. Model Probabilitas Linier Misalkan : analisis potensi gagal bayar untuk 3 perusahaan
Model ini dapat menghasilkan angka yang
mencerminkan seberapa besar kegagalan bayar (risiko A B C

kredit). Langkah pertama mengestimasi persamaan Total aset Rp 100 miliar Rp 50 miliar Rp 100 miliar

dengan mengumpulkan data perusahaan yang gagal Modal kerja Rp 40 miliar Rp 5 miliar Rp 50 miliar

bayar dan tidak gagal bayar. Laba sebelum bunga

Rp 40 miliar -Rp 2,5 miliar Rp 40 miliar
dan pajak
Variable gagal bayar menjadi variable tidak bebas
(dependent). Kemudian diberi kode masing- masing. X1 0,4 0,1 0,5
X2 0,4 -0,05 0,4
Mengumpulkan data untuk variable bebas ( misal rasio –
rasio keuangan ), seteah terkumpul estimasi bisa Probabilitas tidak gagal bayar ( lancar ) :
dilakukan dengan teknik regresi linier. 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
Estimasi dengan model probabilitas linear
Z = 0,2 + 1,3 X1 + 0,5 X2 Dengan demikian perusahaan A mempunyai risiko
kredit lebih rendah dibanding perusahaan B.
Dimana X1 = Rasio modal kerja/total asset
X2 = Rasio laba sebelum bunga dan pajak/total Kelemahan dari model probabilitas linear adalah
aset kemungkinan probabilitas yang dihitung diluar wilayah
0 dan 1, padahal maksimum nilai probabilitas adalah 1.
 Contoh :
Y = 0,2 + 1,3 X1 + 0,5 X2
3. Model Probabilitas Logit
Misalkan Y adalah probabilitas ‘sukses’, regresi logitnya : Dimana
Logit ( Y ) = log {(Y/(1-Y))} =+1 X1 +2 X2 X1 = rasio modal kerja / total asset
  X2 = rasio laba sebelum bunga dan pajak / total
  asset
Alternatif penulisan lain
Hasil estimasinya :
 
Y = {exp (+1 X1 +2 X2)}/{1 + exp (+1 X1 +2 X2)} Ya = exp {0,2 + 1,3 (0,4) + 0,5(0,4)} / {1+exp {0,2 +
  1,3(0,4) + 0,5(0,4)}} = 0,741
  Memakai fungsi, kurva Y akan membentuk huruf S dan
nilai Y akan selalu berada diantara 0 dan 1
Yb = exp {0,2 + 1,3 (0,1) + 0,5(-0,5)} / {1+exp {0,2
+ 1,3(0,1) + 0,5(-0,5)} = 0,576

Yc = exp {0,2 + 1,3 (0,5) + 0,5(0,4)} / {1+exp {0,2

+ 1,3(0,5) + 0,5(0,4)} = 0,715
 
Hasil di atas menunjukkan bahwa perusahaan
A mempunyai probabilitas tidak gagal bayar
paling tinggi, sebesar 0,741. Hasil tersebut juga
menunjukkan bahwa probabilitas akan selalu
berada pada angka 0 dan 1, insklusif.
C. RAROC (Risk Adjusted
Return On Capital)
Membandingkan tingkat keuntungan dengan modal
yang berisiko ( modal yang akan terkena dampak jika
debitur mengalami gagal bayar )  dipopulerkan oleh
Bankers Trust.

Formula :
RAROC= Pendapatan dari pinjaman pertahun
Modal yang berisiko (capital At Risk)
 Contoh
Misalkan suatu bank sedang mengevaluasi portofolio kredit dengan nilai nominal sebesar $ 1
Miliar. Kupon bunga adalah 9% (bank akan memperoleh bunga sebesar $90 juta/tahun).
Modal ekonomi untuk kredit tersebut diperkirakan sebesar $75 juta (7,5% dari nominal
pinjaman). Misalkan dana untuk kredit tersebut diperoleh dengan menerbitkan deposito dengan
tingkat bunga 6%. Modal sebesar $75 juta ditambahkan sebagai modal yang diinvestasikan dari surat
berharga pemerintah dengan tingkat bunga 6,5%/tahun (bank akan memperoleh bunga sebesar
sekitar $4,9 juta = 6,5% n $75 juta).
Bank tersebut mempunyai biaya operasional sebesar $15 juta/tahun, dan kerugian yang
diharapakan dari portofoliotersebut adalah 1% / tahun (yaitu $10 juta).

RAROC bias dihitung berikut ini :

RAROC = (90 + 4,9 - 60 -15 -10)
Angka tersebut kemudian dibandingkan dengan keuntungan minimal yang diisyaratkan
oleh bank tersebut.

Alternatif lain dengan menggunakan risiko perubahan tingkat bunga

L/L = - DL{R/(1 + R)}

Dimana L = eksposur risiko modal

L = nilai loan
DL = durasi pinjaman
R = perubahan premi kredit
 D. Mortality Rate
Mortality Rate menghitung presentase kebangkrutan yang terjadi untuk
kelas risiko tertentu. Marginal Mortality Rate ( MMR ) untuk tahun 1dan 2
bisa dihitung berikut ini :

MMR 1 =

Total nilai obligasi yang default pada tahun 1

Total nilai obligasi yang beredar pada tahun pertama penerbitan

MMR 2 =

Total nilai obligasi yang default pada tahun 2

Total nilai obligasi yang beredar pada tahun 2 setelah penerbitan
disesuaikan dengan default, pelunasan, jatuh tempo, dan pelunasan dari
sinking fund.
E. Penurunan Risiko Kredit Menggunakan Term Structure
Term Structure atau yield curve atau
Placekurva
Yourhasil menunjukkan
Picture hubungan
Here And Send antara
To Back
jangka waktu dengan yield surat berharga ( obligasi ). Kurva hasil mempunyai
slope positif seperti terlihat pada bagan berikut ini :

Bagan tersebut menunjukkan tingkat bunga obligasi

pemerintah jangka waktu 1 tahun adalah 9%. Tingkat bunga
obligasi pemerintah dengan jangka waktu 2 tahun adalah
10% pertahun, selama 2 tahun.
Slope positif menandakan bahwa obligasi dengan
jangka waktu yang lebih panjang akan lebih besar. Secara
intuitif hasil semacam itu masuk akal karena obligasi dengan
jangka waktu lebih lama akan lebih berisiko.

We Create Quality Professional

PPT Presentation
 Lanjutan..
Penurunan Risiko Kredit Menggunakan
Term Structure
Place Your Picture Here And Send To Back
Pada kondisi pasar sempurna, tidak ada kesempatan
arbitrase, maka tingkat keuntungan yang diharapkan
untuk obligasi perusahaan akan sama dengan tingkat
keuntungan yang diharapkan untuk obligasi pemerintah
sebagai berikut :
 
( 1 + Rf ) = pi ( 1 + Ri )
 
Dimana, Rf = yield obligasi pemerintah
Ri = yield obligasi perusahaan
Pi = probabilitas obligasi perusahaan bertahan

Dengan data Kurva, pi dapat dihitung sebagai berikut :

piWe
= (1+1,09)
Create /Quality
(1+0,12)Professional
= 0,97
PPT Presentation
Probabilitas default tahun pertama =
1 – 0,97 = 0,03 atau 3%
Lanjutan..
Penurunan Risiko Kredit Menggunakan
Term Structure
Dengan demikian, berdasarkan Place Your Picture Here And Send To Back
data
yield curve, kita bisa menyimpulkan
bahwa pasar memperkirakan obligasi
perusahaan akan default dengan
probabilitas 3%.
Analisis tersebut bisa dilanjutkan untuk
periode dua tahun. Bagan berikut
menggambarkan skenario untuk dua
tahun.
We Create Quality Professional
PPT Presentation
Untuk tingkat obligasi pemerintah, pada tingkat keuntungan
investasi obligasi jangka panjang 2 tahun akan sama dengan
tingkat investasi obligasi tahun pertama dan dilanjutkan
tahun kedua, seperti berikut :
(1 + R2)2 = (1+R1)(1+f2)
(1 + 0,1)2 = (1+0,9)(1+f2)
f2 = 11%
Tingkat bunga forward perusahaan pada tahun kedua
f2 = (1+0,2)2 / (1+0,12) – 1,29 = 0,29 atau 29%
Probabilitas bertahan dan default marjinal pada tahun
kedua adalah :
pi = (1+0,11) / (1+0,29) = 0,86
probabilitas default tahun kedua (marginal) = 1- 0,86 = 0,14
atau 14%.
 F. Credit Metrics
Alat pengukur risiko kredit dengan menggunakan kerangka Value At Risk,
sehingga volatilitas risiko kredit (risiko yang tidak bisa diperkirakan) bisa
diperhitungkan.

Ada dua masalah jika kita menggunakan kerangka VAR untuk

risiko kredit, yaitu distribusi yang tidak normal dan perhitungan korelasi.

Distribusi ini untuk risiko kredit cenderung mempunyai ekor lebih

panjang seperti terlihat pada bagan berikut :
 Perhitungan creditmetrics bisa dilihat menggunakan dua contoh, yaitu
creditmetrics untuk aset individual dan untuk portofolio dengan dua aset.

A. Creditmetrics untuk aset individual

Misalkan kita akan menganalisis risiko kredit untuk
dua obligasi, yaitu obligasi dengan rating BBB dan rating
A. Kita ingin menghitung risiko kredit kedua aset tersebut
dengan menggunakan credit metrics.
• Obligasi BBB mempunyai jangka waktu lima tahun
dengan kupon bunga 6%, nilai nominal $100, masuk
dalam kategori senior unsecured (tanpa jaminan).
• Obligasi A mempunyai jangka waktu lima tahun dengan
kupon bunga 5%, nilai nominal $100, dan masuk dalam
kategori senior unsecured juga.

Kita akan menghitung risiko kredit untuk obligasi BBB
lebih dahulu. Langkah pertama adalah mengumpulkan
informasi mengenai perpindahan rating seperti terlihat
pada tabel berikut ini
Tabel tersebut menunjukkan, untuk obligasi
dengan rating BBB, ada probabilitas sebesar
86,93% obligasi tersebut akan tetap mempunyai
rating BBB tahun depan. Ada probabilitas
sebesar 5,95% obligasi tersebut akan di
upgrade menjadi rating A. Ada probabilitas
0,18% obligasi tersebut akan mengalami default.
Misalkan kita mempunyai informasi forward zero curve
untuk empat tahun ke depan berdasarkan kategori risiko
adalah sebagai berikut:
Pada tahun 1, tingkat bunga satu tahun yang
berlaku untuk obligasi dengan rating AAA adalah 3,6%.
Untuk tahun kedua, tingkat bunga satu tahun untuk
obligasi tersebut diperkirakan adalah 4,17%. Perhatikan
bahwa tingkat bunga tersebut dari tahun ke tahun
menunjukkan kenaikan, yang menandakan yield curve
yang mempunyai slope. Tingkat bunga itu tidak harus
selalu naik setiap tahunnya.
  Tahun 1 Tahun 2 Tahun 3 Tahun 4
AAA 3,6 4,17 4,73 5,12
AA 3,65 4,22 4,78 5,17
A 3,72 4,32 4,98 5,32
BBB 4,1 4,67 5,25 5,63
BB 5,55 6,02 6,78 7,27
B 6,05 7,02 8,03 8,52
CCC 15,05 15,02 14,03 13,52
 B.   Creditmetrics 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
 Karena kita mempunyai dua aset, yaitu obligai 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 portofolionya masing-masing.

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 itu
mengasumsikan independensi antara dua aset tersebut. pada kenyataannya asumsi
tersebut barangkali tidak realistis, karena akan ada korelasi antar aset
Hasil perhitungan joint probability bisa dilihat berikut ini.
 
Nilai yang diharapkan dan standar deviasi untuk distribusi
tersebut bisa dihitung berikut ini:
E= (0,000108/100) (102,26) + (0,000018/100) (129,84)
+ .... + (0,00045/100) (215,86) +(0,00002/100) (215,96)
= 213.28383

Varians = 2 = (0,000108/100) (102,26-213,28)2 +

(0,000018/100) (129,84 – 213,28)2 + ..... + (0,00045/100)
(215,86-213,28)2 + (0,00002/100) (215,96 – 213,28)2
= 11
Standar deviasi =  = = 3,3

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
 Place Your Picture Here And Send To Back

G. Pendekatan
Kerangka Teori Opsi
Opsi call adalah hak untuk membeli asset dengan
harga tertentu pada periode tertentu. Opsi put adalah hak
untuk menjual asset dengan harga tertentu pada periode
tertentu.
Dengan menggunakan 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 pengusaha dengan nilai Rp
100juta.
 Place Your Picture Here And Send To Back

Pendekatan Kerangka
Teori Opsi Gambar Pemegang Hutang dalam Kerangka
Gambar pemegang saham dengan kerangka opsi Opsi
 Resiko kredit bisa dihitung dengan menggunakan teori penilaian opsi.

A. Analisis Nilai Saham dengan Hutang dan Opsi

Misalkan ada perusahaan yang menggunakan dua sumber pendanaan
yaitu saham dan hutang. Jumlah lembar saham yang beredar adalah 1 Dimana, V = nilai perusahaan
juta lembar. Nilai hutang obligasi tanpa kupon bunga adalah Rp 80 juta B = nilai nominal obligasi
(80.000 lembar obligasi dengan nilai nominal per lembarnya adalah Rp E = nilai saham
1.000), dengan jangka waktu satu tahun. Nilai pasar perusahaan r = tingkat bunga bebas risiko
tersebut adalah Rp 100 juta. T = jangka waktu hutang
Misal :  = standar deviasi return aset
V = nilai total perusahaan ( Rp 100juta ) perusahaan tahunan
E = nilai pasar saham ln = logaritma natural
D = nilai pasar obligasi e = 2,71828
Gabungan antara nilai pasar saham dan obligasi adalah nilai total N(d) = probabilitas angka dari
perusahaan : distribusi normal dibawah d
V = D + E = Rp 100 juta
Nilai saham bisa dihitung berikut ini :
E = N (d1) V – N (d2) Be –rT
d1= {( ln (V/B) + (r + (2 / 2)) T } / {  T }
d2= d1 – {  T }
Misalkan  = 0,3, r = 8% per tahun, E bisa dihitung
yaitu Rp28,24 juta. Dengan demikian nilai utang
adalah:
 D = Rp100 juta – Rp28,24 juta = Rp71,76 juta

Karena obligasi tersebut merupakan obligasi tanpa

kupon, tingkat bunga bisa dihitung berikut ini.
 
R = ln (B/D)/T = ln (80/71,76) = 0,1087 atau 10,87%
per tahun.

Karena tingkat bunga bebas risiko adalah 8%,

maka premi risiko adalah 10,87% - 8% = 2,87%.
Premi risiko tersebut mencerminkan risiko kredit
perusahaan tersebut.
B. Model Penilaian Hutang dengan Opsi
Nilai pasar hutang bisa dihitung dengan menggunakan
formula berikut ini :
F (T) = Be-rT [ (l/L) N (d1) + N (d2) ]
 Dimana
T = jangka waktu hutang
L = rasio hutang diukur dari Be-rT/A, dimana nilai
pasar hutang diukur dengan tingkat bunga r
(tingkat bunga bebas risiko)
N(d) = nilai yang dihitung dari tabel distribusi normal
standar .
d1 = - [ ½ 2 – ln (L) ] / {  T }
D2 = - [ ½ 2 + ln (L) ] / {  T }
2 = risiko pepeminjam yang diukur dari varians
return aset perusahaan
 
Dalam bentuk spread yield ( tingkat bunga )
R – r = (-1/T) ln [ N(d2) + (1/L) N(d1) ]
 
Dimana R = tingkat keuntungan yang disyaratkan untuk
hutang
r = tingkat keuntungan asset bebas risiko
STUDI KASUS Risiko Kredit
(Studi Kasus di Bank Mandiri)
Kasus kredit macet Bank Mandiri terjadi sejak lama. Kredit senilai Rp 1 T lebih
itu kemudian direkapitulasi dan di refinancing, namun macet lagi. Anehnya bank
pemerintah terbesar ini kemudian mengambil alih kredit tersebut, padahal
manajemen Bank Mandiri mengetahui perusahaan penerima kredit tersebut sudah
tidak layak dibantu.
BPK sebagai pihak pengaudit mengungkapkan, ada 36 modus penyimpangan
penyaluran kredit bermasalah di bank BUMN ini. Dari hasil audit investigasi BPK
ditemukan keganjilan dan penyimpangan dalam penyaluran kredit, terutama
kepatuhan pihak manajemen tentang sikpa kehati-hatian dalam penyaluran kredit.
Kredit tersebut dikucurkan kepada 28 perusahaan, diantaranya PT Lativi
Media Karya senilai Rp 300 M, PT Siak Zamrud Pusaka Rp 24,8 M dan PT Cipta
Graha Nusantara Rp 161 M. Masyarakat Profesional Madani menduga masih ada
kredit macet lain di Bank Mandiri sebesar Rp 5-12 T.
Kasus kredit macet Bank Mandiri mendapat perhatian khusus dari presiden
yang menjabat saat itu yaitu, Presiden Susilo Bambang Yudhoyono.  Menurut
Presiden, tidak ada yang salah dengan sistem perbankan dalam negeri. Kasus
kredit macet muncul karena kesalahan oknum-oknum pelaku yang
menyimpangkan kredit Bank Mandiri.
 • Yang pertama, adalah bagian/pihak Manajemen
Perbankan agar lebih berhati-hati lagi dalam
menyalurkan kredit, jika perusahaan penerima kredit
tidak layak untuk di biayai, sebaiknya tidak usah di
SOLUSI
ambil, karena jika macet seperti yang telah di jelaskan
di atas, pasti akan berdampak ke perbankan itu sendiri.
Oleh karena itu, menurut kami, lebih baik Manajemen
Perbankan lebih selektif lagi dan harus lebih banyak
mempertimbangkan lagi dalam menyalurkan kredit
maupun pembiayaan yang lainnya.
• Yang selanjutnya adalah, pihak Bank Indonesia
(BI) agar lebih bisa bergerak cepat dalam menangani
kasus seperti ini. Sehingga tidak berimbas kepada
menurunnya kredibilitas BI. Karena fungsi dari Bank
Indonesia (BI) adalah sebagai pengawas perbankan
yang ada di Indonesia, Oleh karena itu BI harus lebih
meningkatkan lagi dalam pengawasan dan
antisipasinya untuk kasus-kasus yang mungkin akan
terjadi di dunia perbankan. Jika BI lamban dalam
merespon kasus-kasus yang ada, akan sangat
berpengaruh kepada dunia perbankan nasional. Dan
mengakibatkan menurunnya kepercayaan masyarakat
kepada perbankan.
Place Your Picture Here And Send To Back

THANK
YOU