Program Studi Manajemen • FEB UNDIP

Manajemen Resiko Bisnis

Pertemuan 10 — Analisis Risiko Kredit

Dari 5C dan rating agency hingga Altman Z-Score dan RAROC — alat lengkap untuk menilai siapa yang layak dipercaya pinjamannya.

RPS MINGGU 11 • Sub-CPMK9 • Durasi 2 × 50 Menit

Selamat datang di Pertemuan 10 tentang Analisis Risiko Kredit. Dari sekian banyak jenis risiko yang kita pelajari di mata kuliah ini, risiko kredit adalah salah satu yang paling "tua" — bahkan sebelum pasar modal ada, bank sudah bergulat dengan pertanyaan klasik: "bisakah saya percaya orang ini untuk mengembalikan pinjaman?" Hari ini kita akan menjawab pertanyaan itu secara sistematis, mulai dari pendekatan kualitatif yang dipakai analis kredit di lapangan, hingga model statistik yang memberi angka kuantitatif pada kemungkinan kegagalan. Anda akan pulang dengan dua alat hitung konkret: Altman Z-Score untuk mendeteksi potensi kebangkrutan perusahaan, dan RAROC (risk-adjusted return on capital — imbal hasil yang sudah disesuaikan dengan risiko) untuk mengukur apakah kredit yang diberikan menguntungkan setelah risiko diperhitungkan.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menganalisis risiko kredit (Sub-CPMK9). Secara rinci:

Capaian 1 — Konsep

Menjelaskan empat sumber risiko kredit: default (gagal bayar — ketidakmampuan debitur memenuhi kewajiban), concentration, counterparty, dan settlement — serta membedakan satu sama lain.

Capaian 2 — Kualitatif

Menerapkan kerangka 5C dan 7P untuk penilaian kelayakan kredit; membaca skala rating AAA–D dari lembaga pemeringkat dan Pefindo.

Capaian 3 — Z-Score

Menghitung Altman Z-Score dari lima rasio keuangan dan mengklasifikasikan perusahaan ke zona aman, grey, atau distress.

Capaian 4 — RAROC

Menghitung EL (Expected Loss — kerugian rata-rata yang diperkirakan) dan RAROC dari data pinjaman serta menginterpretasikan hasilnya.

Empat capaian hari ini mencerminkan cara seorang analis kredit profesional bekerja secara bertahap. Pertama, analis harus paham dulu "apa saja" yang bisa salah — itu Capaian 1 tentang sumber risiko. Kedua, analis melakukan wawancara dan analisis dokumen secara kualitatif menggunakan kerangka 5C atau 7P, lalu memvalidasi dengan rating eksternal — itu Capaian 2. Ketiga, kalau data keuangan cukup, analis menjalankan model statistik seperti Altman Z-Score untuk mendapat sinyal kuantitatif — Capaian 3. Terakhir, semua itu dikonsolidasikan ke dalam angka profitabilitas berbasis risiko: RAROC — Capaian 4. Alur empat capaian ini adalah alur kerja nyata yang Anda akan temukan di divisi kredit bank maupun di tim risk management perusahaan besar. Sumber: RPS Manajemen Resiko Bisnis, Sub-CPMK9.

Kredit Macet Bisa Mengguncang Sistem Keuangan

Risiko kredit bukan hanya masalah bank — ia bisa merembet ke seluruh ekonomi.

KASUS GLOBAL — Krisis Subprime 2008: Bank-bank AS memberikan kredit perumahan tanpa analisis kredit yang memadai ("NINJA Loans": No Income, No Job, No Assets). Ketika debitur gagal bayar massal, nilai aset berbasis kredit kolaps, memicu krisis keuangan global terburuk sejak 1929.

KASUS INDONESIA — NPL Perbankan: Rasio NPL (Non-Performing Loan — kredit bermasalah, kolektabilitas 3–5) perbankan nasional pernah melonjak hingga ~50% pada krisis 1997–1998, memaksa Pemerintah menyuntikkan dana BLBI (Bantuan Likuiditas Bank Indonesia) senilai ratusan triliun rupiah.

Kondisi terkini: Per Maret 2024, NPL bruto perbankan Indonesia ~2,3% (OJK) — terkendali, tapi pemantauan tetap kritis.

Saya ingin membuka hari ini dengan dua kasus nyata untuk menunjukkan bahwa risiko kredit bukan sekadar urusan teknisi perbankan — ia bisa menggoyang ekonomi seluruh negara. Kasus pertama adalah krisis subprime mortgage Amerika 2008: bank-bank memberikan kredit perumahan kepada peminjam yang sama sekali tidak layak, tanpa verifikasi penghasilan, tanpa agunan memadai, hanya karena harga properti terus naik. Begitu properti ambles dan peminjam gagal bayar massal, aset keuangan berbasis kredit itu kehilangan nilai, bank-bank besar kolaps seperti domino, dan dampaknya menjalar ke seluruh dunia termasuk melemahkan ekspor Indonesia. Kasus kedua lebih dekat dengan kita: krisis 1997–1998 membuat NPL perbankan Indonesia meledak hingga sekitar lima puluh persen, dan pemerintah terpaksa mengeluarkan ratusan triliun rupiah untuk menyelamatkan sistem perbankan. Hari ini kita belajar alat-alat yang justru dirancang untuk mencegah skenario seperti itu. Sumber: OJK (2024) Statistik Perbankan Indonesia; Hanafi (2014).

Bagian 1 dari 4

Konsep & Sumber
Risiko Kredit

Definisi, ruang lingkup, dan empat sumber risiko yang perlu dibedakan sebelum mulai menganalisis.

Default Concentration Counterparty Settlement

Risiko Kredit: Definisi & Ruang Lingkup

Definisi Sempit (Perbankan)

Risiko bahwa debitur (pihak yang menerima pinjaman) gagal memenuhi kewajiban pembayaran pokok dan/atau bunga kepada kreditur (bank/pemberi pinjaman) sesuai perjanjian kredit.

Definisi Luas (Korporasi)

Risiko bahwa pihak lawan (counterparty) dalam transaksi apa pun — kredit dagang (trade credit — piutang dari penjualan tidak tunai), derivatif, obligasi, sewa — gagal menunaikan kewajibannya.

Siapa yang menanggung risiko kredit? Tidak hanya bank — perusahaan biasa pun terekspos: piutang usaha yang tak tertagih, obligasi korporasi yang default, kontrak derivatif yang counterparty-nya bangkrut.

Sebelum mendefinisikan, penting untuk kita sadari bahwa risiko kredit tidak eksklusif milik bank. Dalam arti sempit, ya, risiko kredit adalah risiko bank bahwa peminjam tidak membayar cicilan atau bunganya. Tetapi dalam arti luas, setiap perusahaan yang menjual produk secara kredit — artinya hampir semua perusahaan — menanggung risiko kredit berupa piutang yang berpotensi tidak tertagih. Kalau Anda manajer perusahaan consumer goods dan memberikan termin kredit 60 hari kepada ratusan distributor, Anda sedang menanggung risiko kredit dagang. Kalau perusahaan Anda memegang obligasi korporasi pihak lain, Anda terekspos risiko bahwa penerbit obligasi tersebut gagal bayar. Satu cara mudah mengingat ruang lingkupnya: di mana ada janji pembayaran di masa depan dari pihak lain, di sana ada risiko kredit. Sumber: Hanafi (2014); Rustam (2017).

Sumber Risiko Kredit (1/2) — Default & Concentration

Risiko kredit bukan satu hal tunggal — ada empat sumber berbeda. Kita mulai dari dua yang paling intuitif.

1 • Default Risk

Debitur tidak mampu atau tidak mau memenuhi kewajiban — pokok dan/atau bunga. Sumber paling klasik. Diukur dengan PD (Probability of Default) — kemungkinan debitur gagal bayar dalam satu tahun.

2 • Concentration Risk

Portofolio kredit (kumpulan seluruh pinjaman yang diberikan) terlalu terkonsentrasi pada satu debitur, sektor, atau wilayah. Jika segmen itu kolaps, kerugian berlipat ganda serentak.

Analogi dua bank: Bank A meminjamkan ke 100 debitur berbeda; Bank B meminjamkan ke 10 debitur di satu sektor saja. Kalau sektor itu kolaps, Bank B menanggung kerugian jauh lebih besar — itulah concentration risk.

Dari empat sumber risiko kredit, kita mulai dengan dua yang paling mudah dipahami secara intuitif. Default risk adalah yang paling sering disebut: peminjam tidak membayar, titik. Kita ukur kemungkinannya dengan PD — angka ini bisa diestimasi dari rekam jejak pembayaran historis, model scoring, atau rating eksternal. Concentration risk lebih halus: bayangkan bank di Kalimantan yang meminjamkan delapan puluh persen portofolionya ke perusahaan-perusahaan batu bara saja — bank ini bisa berjalan mulus selama harga batu bara tinggi, tetapi begitu harga komoditas jatuh dan seluruh sektor kesulitan, portofolio kredit bank itu ambruk serentak. Ini berbeda dari default risk biasa karena bukan satu debitur yang gagal, melainkan banyak debitur kolaps berbarengan karena satu sumber risiko yang sama. Dua sumber berikutnya (counterparty risk dan settlement risk) melibatkan mekanisme yang sedikit berbeda. Sumber: Hanafi (2014); Rustam (2017); BIS.

Sumber Risiko Kredit (2/2) — Counterparty & Settlement

Dua sumber terakhir berbeda dari default biasa: kegagalan terjadi dalam mekanisme transaksi antara dua pihak. Derivatif = kontrak keuangan yang nilainya bergantung pada harga aset lain (bunga, valas, saham).

3 • Counterparty Risk

Pihak lawan dalam kontrak keuangan gagal saat nilainya sudah berubah. Berbeda dari default biasa: eksposur tidak tetap, bergerak setiap hari.
Contoh: interest rate swap (tukar-menukar pembayaran bunga) antara Bank A dan Bank B — Bank B bangkrut di tengah kontrak.

4 • Settlement Risk

Salah satu pihak sudah mengirimkan uang/aset, pihak lain belum menunaikan kewajiban balik pada settlement date.
Kasus Herstatt Bank (Jerman, 1974): menerima mark Jerman, lalu ditutup regulator sebelum membayar dolar baliknya.

Perbedaan kunci: Counterparty risk berlangsung sepanjang masa kontrak (berhari/berbulan/bertahun); Settlement risk berlangsung hanya sesaat saat transaksi diselesaikan — tetapi nilainya bisa sangat besar.

Dua sumber ini membutuhkan sedikit lebih banyak konteks karena melibatkan mekanisme pasar keuangan. Kata kunci yang perlu Anda pegang: derivatif adalah kontrak antara dua pihak yang nilainya mengikuti sesuatu yang lain — misalnya suku bunga atau nilai tukar. Bayangkan dua perusahaan sepakat: Perusahaan A membayar bunga tetap kepada B setiap bulan, dan B membayar bunga mengambang kepada A setiap bulan — ini disebut interest rate swap. Nilainya berubah setiap hari tergantung pergerakan suku bunga pasar; jika B bangkrut di tengah kontrak, A bisa merugi besar — itulah counterparty risk. Settlement risk berbeda: risiko ini terjadi hanya pada satu titik waktu. Kasus Herstatt Bank 1974 adalah contoh paling terkenal: bank-bank sudah membayar mark Jerman kepada Herstatt, tetapi sebelum Herstatt sempat membayar dolar baliknya, regulator menutup bank itu — para pihak lawan rugi besar. Ingat: default risk paling umum, concentration risk paling sistemik, counterparty risk paling dinamis, settlement risk paling singkat tapi bisa tiba-tiba besar. Sumber: Hanafi (2014); BIS; Herstatt Bank (1974).

Bagian 2 dari 4

Penilaian Kualitatif:
5C, 7P & Rating

Sebelum ada angka, analis kredit menelaah karakter, kapasitas, modal, agunan, dan kondisi. Lalu validasi dengan rating agency.

5C 7P Rating

Analisis 5C — Kerangka Kualitatif Standar

Dimensi	Bahasa Indonesia	Pertanyaan Kunci
Character	Karakter / integritas	Apakah debitur punya track record jujur dan disiplin membayar? Cek SLIK OJK (pengganti BI Checking sejak 2018).
Capacity	Kapasitas membayar	Apakah arus kas usaha cukup menutup cicilan? Lihat rasio DSCR (Debt Service Coverage Ratio — arus kas operasional ÷ total pembayaran pokok+bunga; DSCR >1,2 umumnya aman).
Capital	Modal sendiri	Seberapa besar pemilik ikut menanggung risiko? Rasio ekuitas terhadap total aset.
Collateral	Agunan / jaminan	Jika default, aset apa yang bisa disita? Nilai likuidasi agunan vs nilai pinjaman (LTV — loan-to-value).
Condition	Kondisi ekonomi & industri	Bagaimana prospek industri debitur? Siklus ekonomi saat ini mendukung atau menekan usaha?

Urutan 5C bukan kebetulan: Character dinilai lebih dulu karena debitur yang tidak jujur bisa memanipulasi angka Capacity, Capital, bahkan Collateral.

Analisis 5C adalah bahasa universal analis kredit perbankan di seluruh dunia, dan ini juga yang diajarkan di kelas kredit Bank Indonesia dan OJK. Dimensi pertama, Character, adalah tentang integritas: apakah calon debitur punya rekam jejak membayar utang tepat waktu? Di Indonesia, analis bisa mengeceknya melalui SLIK OJK. Capacity lebih teknis: kita lihat laporan arus kas — apakah uang yang masuk dari operasi usaha cukup menutup cicilan utang baru? Ini yang diukur oleh DSCR; kalau nilainya kurang dari satu berarti arus kas tidak cukup. Capital berbicara tentang "skin in the game" — semakin besar modal sendiri, semakin kecil insentif pemilik untuk kabur saat usaha sulit. Collateral adalah jaring pengaman: jika semua yang lain gagal, agunan adalah yang bisa dijual kreditur untuk menutup kerugian. Dan Condition mengingatkan analis bahwa debitur yang baik pun bisa kolaps kalau kondisi industri dan makroekonominya sangat buruk. Sumber: Hanafi (2014); Rustam (2017); OJK POJK 40/2019.

Analisis 7P — Perluasan Praktik Perbankan

7P mengembangkan 5C dengan menambahkan dimensi Purpose (tujuan kredit) dan Payment (sumber pelunasan). Banyak dipakai di perbankan Indonesia.

#	Dimensi	Esensi
1	Personality	Kepribadian & rekam jejak debitur (≈ Character)
2	Party	Segmentasi debitur: korporasi/UKM/konsumer — menentukan skema analisis
3	Purpose	Tujuan penggunaan kredit — apakah sesuai bisnis inti debitur?
4	Prospect	Prospek usaha dan industri ke depan (≈ Condition)
5	Payment	Sumber dan kemampuan pelunasan — cash flow, aset yang dijual, atau pihak ketiga
6	Profitability	Apakah kredit menguntungkan bagi bank setelah risiko dihitung?
7	Protection	Agunan, asuransi kredit, garansi perusahaan induk (≈ Collateral perluasan)

Dimensi terpenting yang membedakan 7P dari 5C: Purpose — kredit untuk modal kerja (dana operasional sehari-hari) berbeda risikonya dari kredit untuk investasi spekulatif.

Analisis 7P adalah versi yang diperluas dari 5C, dan banyak bank di Indonesia menggunakannya dalam SOP kredit mereka. Dari ketujuh dimensi, ada dua yang betul-betul baru dibanding 5C. Pertama, Purpose atau tujuan kredit: uang pinjaman akan dipakai untuk apa? Modal kerja rutin risikonya sangat berbeda dengan kredit untuk ekspansi ke bisnis baru yang belum terbukti — analis harus memastikan tujuan kredit masuk akal, legal, dan sesuai kapasitas debitur. Kedua, Profitability dari sisi kreditur: apakah pinjaman ini menghasilkan margin yang cukup bagi bank setelah menutup biaya operasional dan cadangan risiko? Di sinilah konsep RAROC yang kita pelajari di Bagian 3 nanti mulai relevan — bank bukan hanya menilai apakah debitur bisa bayar, tetapi juga apakah bisnis kredit ini menguntungkan secara risk-adjusted. Sumber: Rustam (2017); Hanafi (2014); OJK.

Rating Kredit Perusahaan: Cara Membaca Skala AAA–D

Lembaga rating (credit rating agency) memberikan nilai atas kemampuan dan kemauan emiten membayar utang. Skala universal:

Kategori	Rating	Makna
Investment Grade (layak investasi)	AAA	Sangat kuat, risiko sangat rendah
	AA	Sangat kuat, risiko sangat rendah (sedikit di bawah AAA)
	A	Kuat, agak rentan terhadap kondisi buruk
	BBB	Memadai, lebih rentan — batas bawah investment grade
Non-Investment Grade (spekulatif / junk bond)	BB	Spekulatif — ada elemen risiko signifikan
	B	Spekulatif tinggi
	CCC/CC/C	Rentan sangat tinggi — mendekati default
	D	Default — sudah gagal bayar

Penting: Penambahan tanda + dan − (mis. A+, A−) menunjukkan posisi relatif. Rating bisa berubah (upgrade/downgrade) sesuai kondisi keuangan emiten. Investment grade (BBB ke atas) = dana pensiun dan asuransi diizinkan membelinya.

Lembaga rating seperti S&P, Moody's, dan Fitch di tingkat global — dan Pefindo di Indonesia — mengkonversi analisis kredit yang sangat kompleks menjadi satu simbol huruf yang mudah dibaca oleh pasar. Batas paling kritis dalam skala ini adalah antara BBB dan BB: di atasnya disebut investment grade, artinya dana pensiun, asuransi, dan manajer investasi konservatif diizinkan (bahkan diwajibkan) membelinya. Di bawah BBB disebut speculative grade atau junk bond — imbal hasilnya lebih tinggi sebagai kompensasi risiko, tetapi banyak institusi tidak boleh memegangnya. Penting Anda sadari bahwa rating bukanlah jaminan kepastian: Enron memiliki rating investment grade beberapa bulan sebelum bangkrut pada 2001. Oleh karena itu rating harus selalu dibaca bersama analisis fundamental Anda sendiri, bukan sebagai pengganti. Sumber: S&P Global; Moody's; Pefindo; Hanafi (2014).

Pefindo: Lembaga Rating Utama Indonesia

Profil Pefindo

Berdiri 1994, diawasi OJK. Skala: idAAA hingga idD (prefix "id" = Indonesia, tidak setara langsung dengan AAA global). Cakupan: obligasi korporasi, reksa dana (wadah investasi kolektif), sukuk (obligasi berbasis prinsip syariah). Metodologi: analisis bisnis + analisis keuangan (rasio likuiditas, leverage, profitabilitas, arus kas).

Contoh Rating Riil

PLN: idAAA (sangat kuat, didukung pemerintah)
Indofood (INDF): idAA (sangat kuat, diversifikasi)
Mayora Indah (MYOR): idA (kuat, brand consumer goods)
Verifikasi ke pefindo.com — rating bisa berubah.

Cara baca laporan Pefindo — 4 komponen: (1) Simbol rating; (2) Outlook (Stable/Positive/Negative — sinyal arah perubahan rating 1–2 tahun ke depan); (3) Analisis naratif industri; (4) Analisis rasio keuangan.

Pefindo adalah lembaga pemeringkat paling dominan di Indonesia dan menjadi acuan utama bagi investor obligasi korporasi dan sukuk di pasar modal domestik. Skalanya menggunakan prefix "id" untuk membedakan dari rating global S&P atau Moody's, sehingga idAAA berarti peringkat tertinggi di pasar modal Indonesia, tidak setara langsung dengan AAA global. Dalam membaca laporan Pefindo, ada empat komponen yang harus Anda perhatikan: pertama, simbol rating itu sendiri; kedua, outlook yang mengindikasikan arah rating ke depan — negative outlook artinya analis Pefindo melihat sinyal yang bisa menurunkan rating dalam satu sampai dua tahun; ketiga, narasi analisis industri; dan keempat, analisis rasio keuangan. Satu hal yang perlu diingat: rating bersifat dinamis dan bisa berubah sewaktu-waktu, jadi selalu verifikasi rating terkini langsung di pefindo.com. Sumber: Pefindo (pefindo.com); OJK.

Kolektabilitas Kredit: Sistem Penilaian OJK (POJK 40/2019)

OJK mewajibkan bank mengklasifikasikan setiap kredit ke dalam lima tingkat kolektabilitas berdasarkan ketepatan pembayaran dan kondisi usaha debitur.

Kol.	Nama	Keterlambatan
1	Lancar	0 hari
2	Dalam Perhatian Khusus (DPK)	1 – 90 hari
3	Kurang Lancar	91 – 120 hari
4	Diragukan	121 – 180 hari
5	Macet	>180 hari

NPL = Kolektabilitas 3 + 4 + 5. Kredit macet (Kol 5) = bank wajib mencadangkan (CKPN — Cadangan Kerugian Penurunan Nilai) — beban berat bagi modal bank.

Persentase PPAP (Penyisihan Penghapusan Aktiva Produktif) 1%/5%/15%/50%/100% adalah rezim lama sebelum 2020. Sejak PSAK 71, cadangan dihitung dengan model ECL (Expected Credit Loss) berbasis skenario forward-looking.

POJK Nomor 40/POJK.03/2019 adalah regulasi OJK yang menjadi acuan seluruh bank umum dalam menilai kualitas asetnya — wajib Anda ketahui sebagai calon profesional keuangan Indonesia. Penting untuk membedakan dua hal yang sering dicampuraduk: regulasi tersebut mengatur klasifikasi kredit ke dalam lima kolektabilitas berdasarkan ketepatan pembayaran, dan ini tetap berlaku. Namun cara menghitung cadangan kerugian (CKPN) telah berubah sejak bank menerapkan PSAK 71 pada 2020 — kini menggunakan model ECL berbasis tiga stage dan skenario forward-looking, bukan lagi persentase tetap per kolektabilitas. Definisi NPL yang Anda sering baca di berita mengacu pada Kolektabilitas 3, 4, dan 5 secara gabungan, dan angka NPL bruto industri perbankan yang dipublikasikan OJK setiap bulan adalah salah satu indikator kesehatan sistem perbankan yang paling diawasi. Sumber: OJK POJK 40/POJK.03/2019; PSAK 71; Rustam (2017).

Mitigasi Risiko Kredit: Empat Cara Utama

Setelah risiko diidentifikasi dan diukur, langkah selanjutnya adalah mitigasi — tindakan aktif untuk mengurangi kerugian jika terjadi default.

1 • Agunan (Collateral)

Debitur menyerahkan aset berharga (tanah, bangunan, kendaraan) sebagai jaminan. Jika default, kreditur menjual agunan untuk menutup kerugian. Efek: menurunkan LGD (Loss Given Default).

2 • Asuransi Kredit

Kreditur membeli polis asuransi kredit — jika debitur gagal bayar, perusahaan asuransi menanggung sebagian kerugian. Cocok untuk kredit UKM atau konsumer yang agunannya terbatas.

3 • Diversifikasi Portofolio

Hindari concentration risk dengan menyebarkan kredit ke berbagai debitur, sektor, dan wilayah. Solusi paling dasar: jangan taruh semua telur dalam satu keranjang.

4 • Restrukturisasi Kredit

Jika debitur bermasalah tetapi masih berpotensi pulih — jadwal ulang pembayaran, turunkan bunga, atau konversi sebagian utang ke ekuitas. Lebih baik diselamatkan daripada langsung dieksekusi.

Alur siklus: Identifikasi sumber risiko → Pengukuran (Z-Score, EL, RAROC) → Mitigasi (empat cara di atas) → Monitoring berkelanjutan.

Sampai di sini kita sudah belajar mengidentifikasi dari mana risiko kredit berasal dan mengukur seberapa besar risikonya. Sekarang pertanyaannya adalah: setelah tahu risikonya, apa yang bisa dilakukan? Cara pertama dan paling klasik adalah agunan: bank meminta debitur menyerahkan aset berharga sebagai jaminan; efeknya adalah menurunkan LGD karena sebagian kerugian bisa dipulihkan. Cara kedua adalah asuransi kredit: bank membeli polis sehingga jika debitur gagal bayar, perusahaan asuransi menanggung sebagian beban — ini sangat umum untuk kredit UKM. Cara ketiga adalah diversifikasi portofolio: sebarkan kredit ke berbagai sektor, berbagai debitur, berbagai wilayah — satu guncangan sektoral tidak akan menggulingkan seluruh portofolio. Cara keempat adalah restrukturisasi kredit: jika debitur sudah bermasalah tetapi masih ada kemungkinan pulih, bank bisa menegosiasikan pengurangan beban. Sumber: Hanafi (2014); Rustam (2017); BIS.

Bagian 3 dari 4

Model Kuantitatif:
Z-Score, RAROC & Credit Spread

Dari intuisi kualitatif ke angka — model statistik dan aktuaria yang mengkonversi data keuangan menjadi sinyal risiko terukur.

Z-Score RAROC Credit Spread

Altman Z-Score (1968): Detektor Distress Keuangan

Edward Altman (1968) menggunakan analisis diskriminan (teknik statistik untuk mengklasifikasikan observasi ke dalam kelompok berdasarkan kombinasi variabel prediktor) untuk menemukan kombinasi linear lima rasio keuangan yang paling membedakan perusahaan sehat dari perusahaan yang akan bangkrut.

Z = 1,2·X&sub1; + 1,4·X&sub2; + 3,3·X&sub3; + 0,6·X&sub4; + 1,0·X&sub5;

Variabel	Rumus	Mengukur
X&sub1;	Working Capital / Total Asset	Likuiditas relatif
X&sub2;	Retained Earnings / Total Asset	Akumulasi profitabilitas / leverage historis
X&sub3;	EBIT / Total Asset	Produktivitas aset (profitabilitas operasi)
X&sub4;	Market Capitalization / Book Value of Total Debt	Solvabilitas berbasis pasar
X&sub5;	Sales / Total Asset	Efisiensi penggunaan aset (perputaran aset)

Bobot terbesar: X&sub3; (koef. 3,3) — EBIT/TA paling diskriminatif. EBIT = Earnings Before Interest and Taxes (Laba Sebelum Bunga dan Pajak).

Edward Altman adalah profesor keuangan di NYU Stern School of Business yang pada 1968 mengembangkan model ini dengan meneliti pasangan 33 perusahaan bangkrut dan 33 perusahaan sehat, lalu mencari kombinasi linear rasio keuangan yang paling akurat membedakan keduanya. Hasilnya adalah formula Z-Score dengan lima variabel yang bobot-bobotnya ditentukan oleh data historis, bukan dipilih sembarangan. Perhatikan koefisiennya: X3 mendapat bobot tertinggi yaitu 3,3, artinya rasio EBIT terhadap total aset adalah yang paling kuat sinyal-nya. X1 (likuiditas) dan X2 (akumulasi laba ditahan) masing-masing mendapat bobot 1,2 dan 1,4. Satu catatan penting: model Altman 1968 dikalibrasi untuk perusahaan manufaktur publik Amerika — ada modifikasi Z' untuk perusahaan privat dan Z'' untuk perusahaan non-manufaktur dan negara berkembang. Sumber: Altman (1968) Journal of Finance 23(4); Hanafi (2014).

Hitung dari Nol — HDN-1: Altman Z-Score PT Maju Mundur Tbk

Data keuangan (juta Rp): Aset Lancar 800, Liabilitas Lancar 300, Total Aset 2.000, Laba Ditahan 200, EBIT 300, Market Cap 400, Total Utang (Liabilitas Lancar 300 + Utang Jangka Panjang 500) = 800, Penjualan 2.400. Catatan: Total Utang 800 ≠ Liabilitas Lancar 300 — Total Utang mencakup seluruh kewajiban.

Langkah	Perhitungan	Nilai
1. X&sub1; (WC/TA)	(800 − 300) ÷ 2.000 = 500 ÷ 2.000	0,250
2. X&sub2; (RE/TA)	200 ÷ 2.000	0,100
3. X&sub3; (EBIT/TA)	300 ÷ 2.000	0,150
4. X&sub4; (MktCap/Debt)	400 ÷ 800	0,500
5. X&sub5; (Sales/TA)	2.400 ÷ 2.000	1,200
6. Z-Score	1,2(0,250) + 1,4(0,100) + 3,3(0,150) + 0,6(0,500) + 1,0(1,200) = 0,300 + 0,140 + 0,495 + 0,300 + 1,200	2,435

Z = 2,435 → GREY ZONE (1,81 – 2,99). Perusahaan ini dalam kondisi rentan; perlu pemantauan intensif. Bukan pasti bangkrut, tapi bukan aman.

Mari kita kerjakan dari nol supaya Anda tahu persis langkah demi langkahnya. Data yang diberikan adalah data keuangan fiksi PT Maju Mundur Tbk. Langkah satu sampai lima adalah menghitung masing-masing variabel: X1 adalah working capital dibagi total aset — working capital dihitung dulu sebagai 800 dikurangi 300 sama dengan 500, lalu dibagi 2.000, hasilnya 0,250. Lakukan hal yang sama untuk X2 sampai X5, perhatikan bahwa X4 menggunakan market capitalization dibagi nilai buku total utang — bukan hanya liabilitas lancar, melainkan total seluruh kewajiban termasuk utang jangka panjang. Di langkah enam, masukkan kelima nilai itu ke rumus: 0,300 + 0,140 + 0,495 + 0,300 + 1,200 sama dengan 2,435. Angka itu masuk ke zona abu-abu, yaitu antara 1,81 dan 2,99 — artinya sinyal campur: perusahaan ini tidak sehat tapi belum tentu bangkrut, dan analis harus menggali lebih dalam faktor-faktor kualitatif untuk membuat keputusan kredit. Sumber: Altman (1968); Lampiran A verifikasi aritmetika.

Tiga Zona Z-Score & Keterbatasan Model

Zona Aman

Z > 2,99

Perusahaan secara finansial relatif sehat. Akurasi klasifikasi ~95% pada 1 tahun sebelum kebangkrutan; turun ke ~72% pada 2 tahun sebelumnya.

Zona Abu-Abu (Grey Zone)

1,81–2,99

Sinyal tidak jelas. Butuh analisis kualitatif tambahan. Kemungkinan bangkrut tidak dapat dikesampingkan.

Zona Distress

Z < 1,81

Sinyal kuat keuangan bermasalah. Risiko kredit sangat tinggi. Perlu kajian mendalam dan mitigasi segera.

Keterbatasan — baca sebelum gunakan: (1) Dikalibrasi data AS 1946–1965 — akurasi menurun untuk perusahaan non-AS. (2) X&sub4; butuh data harga saham — tidak bisa dipakai untuk perusahaan privat tanpa modifikasi (pakai Z'). (3) Akuntansi manipulatif bisa mendistorsi semua rasio. (4) Perlu dikombinasikan dengan analisis kualitatif 5C/7P.

Setelah menghitung Z-Score, tugas Anda bukan selesai — justru di sini pertimbangan analis dimulai. Tiga zona ini memberikan panduan kasar, bukan vonis. Satu hal penting tentang akurasi: studi asli Altman (1968) melaporkan akurasi klasifikasi sekitar 95% pada satu tahun sebelum kebangkrutan; namun angka ini turun drastis ke sekitar 72% pada dua tahun sebelum kebangkrutan. Artinya, Z-Score lebih andal untuk mendeteksi sinyal dekat daripada prediksi jangka panjang. Selanjutnya, perhatikan empat keterbatasan: pertama, model dikalibrasi pada data perusahaan Amerika era 1940-an, sehingga akurasinya bisa berbeda untuk perusahaan Indonesia; kedua, X4 membutuhkan data harga saham, sehingga model harus dimodifikasi untuk perusahaan privat; ketiga, fraud akuntansi bisa mendistorsi semua rasio; dan keempat, Z-Score harus dipadukan dengan analisis kualitatif 5C, konteks industri, dan informasi terkini. Sumber: Altman (1968); Hanafi (2014).

Keluarga Z-Score: Kenapa Ada Tiga Versi?

Z-Score asli (1968) dirancang khusus untuk perusahaan manufaktur publik Amerika. Altman mengembangkan dua varian — koefisiennya dikalibrasi ulang sepenuhnya.

Z (1968) — Manufaktur Publik

Untuk perusahaan terdaftar di bursa, sektor manufaktur. Lima variabel (X&sub1;–X&sub5;). X&sub4; menggunakan Market Capitalization.
Zona: Aman >2,99 · Grey 1,81–2,99 · Distress <1,81.

Z' (1983) — Perusahaan Privat

X&sub4; diganti dengan Book Equity / Book Debt (nilai buku ekuitas = total ekuitas menurut neraca, tidak butuh harga saham). Koefisien dikalibrasi ulang.
Zona: Aman >2,90 · Grey 1,23–2,90 · Distress <1,23.

Z'' (1993) — Non-Manufaktur & Berkembang

Variabel X&sub5; (perputaran aset) dihilangkan. Empat koefisien dikalibrasi ulang. Paling relevan untuk perusahaan Indonesia non-manufaktur.
Zona: Aman >2,60 · Grey 1,10–2,60 · Distress <1,10.

Untuk analisis perusahaan Indonesia yang tidak terdaftar di bursa atau bukan manufaktur, gunakan Z' atau Z'' — jangan pakai Z original. Rumus lengkap Z'' ada di slide berikutnya.

Setelah Anda menguasai model Z original, penting untuk mengetahui bahwa Altman sendiri mengakui model aslinya punya keterbatasan konteks. Varian Z' (1983) menjawab pertanyaan: "bagaimana kalau perusahaannya tidak terdaftar di bursa?" dengan mengganti X4 dari market capitalization ke nilai buku ekuitas — ini sangat relevan untuk perusahaan-perusahaan UKM atau keluarga yang belum IPO. Varian Z'' yang dikembangkan di tahun 1993 lebih radikal: X5 yang mengukur perputaran aset dihilangkan sama sekali, dan keempat koefisien yang tersisa dikalibrasi ulang sepenuhnya terhadap sampel perusahaan non-manufaktur dari berbagai negara. Hasilnya adalah koefisien yang jauh berbeda dari Z original, misalnya koefisien X1 naik dari 1,2 menjadi 6,56. Ini bukan modifikasi kecil — ini model baru yang sering lebih akurat untuk konteks Indonesia. Slide berikut menampilkan rumus koefisien lengkap Z''. Sumber: Altman (1968); Altman (1993/2006) Corporate Financial Distress and Bankruptcy, Wiley.

Z'' (EM-Score) — Rumus Lengkap dengan Konstanta

Model Z'' (Emerging Market Score) dirancang untuk perusahaan non-manufaktur dan negara berkembang. Perhatikan konstanta 3,25 yang membuat batas zona kompatibel dengan skala Z original.

Z'' = 3,25 + 6,56·X&sub1; + 3,26·X&sub2; + 6,72·X&sub3; + 1,05·X&sub4;

Variabel	Rumus
X&sub1;	Working Capital / Total Asset
X&sub2;	Retained Earnings / Total Asset
X&sub3;	EBIT / Total Asset
X&sub4;	Book Equity / Book Value of Total Debt

Zona	Batas Z''
Aman	Z'' > 2,60
Grey zone	1,10 ≤ Z'' ≤ 2,60
Distress	Z'' < 1,10

Konstanta 3,25 sengaja ada. Tanpa konstanta, hasil Z'' akan bergeser ~3,25 poin ke bawah dan klasifikasi zona akan salah. X&sub4; di Z'' menggunakan Book Equity (nilai buku ekuitas = total ekuitas menurut neraca), bukan Market Capitalization.

Satu hal yang sering menimbulkan kebingungan adalah konstanta 3,25 di rumus Z''. Mengapa perlu ada konstanta? Jawabannya adalah kompatibilitas skala: tanpa konstanta 3,25, hasil perhitungan Z'' akan bergeser sekitar 3,25 poin ke bawah dibandingkan Z original, dan batas zona yang ada (seperti "aman >2,60") tidak lagi masuk akal secara numerik. Konstanta ini bukan angka ajaib — ia adalah hasil dari proses kalibrasi diskriminan yang memastikan nilai tengah distribusi sampel penuh jatuh di sekitar nilai nol, kemudian digeser 3,25 agar batas zona berada di rentang yang sebanding dengan model Z aslinya. Implikasi praktis: kalau Anda menemukan penelitian atau artikel yang menuliskan Z'' tanpa konstanta dan tetap menggunakan batas zona >2,60 dan <1,10, hasil hitungan yang mengikuti rumus itu akan salah klasifikasi. Dalam tugas dan ujian, pastikan Anda selalu menyertakan konstanta 3,25 saat menggunakan model Z''. Sumber: Altman (1993/2006) Corporate Financial Distress and Bankruptcy; Altman, Hartzell & Peck (1995) Salomon Brothers.

Coba Sendiri: Geser Rasio Keuangan, Amati Zona Z-Score

Ubah lima rasio keuangan penyusun Z-Score, lalu amati bagaimana skor bergerak antara zona aman, abu-abu, dan distress.

Tiga Komponen Risiko Kredit: PD, LGD, EAD

Basel II/III dan praktik manajemen risiko modern memandang risiko kredit lewat tiga variabel fundamental. Ketiganya harus diketahui sebelum menghitung RAROC.

PD — Probability of Default

Kemungkinan Gagal Bayar

Kemungkinan debitur gagal bayar dalam satu tahun ke depan. Contoh: PD = 2% artinya dari 100 debitur serupa, ~2 akan default tahun depan. Diestimasi dari data historis, model scoring, atau rating.

LGD — Loss Given Default

LGD

Kerugian Saat Default

Persentase dari nilai eksposur yang hilang jika default terjadi (setelah agunan dilikuidasi). Contoh: LGD = 60% artinya jika default, bank merugi 60% dari outstanding (saldo pokok yang belum dilunasi).

EAD — Exposure at Default

EAD

Nilai Eksposur Saat Default

Nilai eksposur total pada saat default terjadi. Untuk pinjaman biasa = outstanding. Untuk fasilitas revolving (kartu kredit, kredit modal kerja), bisa lebih dari yang sudah ditarik.

Hubungan: EL = PD × LGD × EAD — inilah rumus inti kerugian kredit yang diperkirakan.

Tiga huruf ini, PD-LGD-EAD, adalah bahasa standar manajemen risiko kredit di seluruh industri perbankan global dan menjadi fondasi kerangka permodalan Basel II dan III yang berlaku di Indonesia melalui regulasi OJK. PD atau probability of default adalah yang paling sering diperbincangkan: berapa persen kemungkinan debitur ini gagal bayar? LGD atau loss given default seringkali kurang mendapat perhatian padahal sangat penting: bahkan jika debitur default, kreditur biasanya masih bisa memulihkan sebagian dari agunan atau proses PKPU (Penundaan Kewajiban Pembayaran Utang, UU 37/2004) — LGD mengukur berapa persen yang tidak bisa dipulihkan. EAD atau exposure at default mengukur berapa besar nominal yang terekspos saat default terjadi: untuk pinjaman biasa ini sama dengan saldo outstanding, tetapi untuk fasilitas revolving seperti kartu kredit, EAD bisa lebih besar. Ketiga variabel ini dikombinasikan menjadi satu angka: Expected Loss. Sumber: Hanafi (2014); Rustam (2017); UU 37/2004.

Expected Loss (EL) dan RAROC

Dua rumus ini mengubah keputusan kredit dari "apakah debitur bisa bayar?" menjadi "apakah kredit ini menguntungkan bank setelah risiko diperhitungkan?"

EL = PD × LGD × EAD

EL = kerugian rata-rata yang diharapkan dari kredit ini dalam satu periode. EL harus di-price ke dalam spread bunga kredit — ini "biaya risiko" yang harus ditanggung.

RAROC = (Pendapatan − Biaya − EL) ÷ EC

Pendapatan = EAD × spread bunga • Biaya = biaya operasional • EC = Economic Capital (modal yang disiapkan untuk menanggung kerugian tak terduga / unexpected loss)

Interpretasi RAROC: Bila RAROC > hurdle rate (tingkat imbal hasil minimum yang ditetapkan manajemen, mis. 12%), kredit ini menciptakan nilai bagi bank. Bila RAROC < hurdle rate, kredit ini menghancurkan nilai meskipun mungkin tidak rugi secara nominal.

Rumus pertama, Expected Loss, mengkonsolidasikan PD, LGD, dan EAD menjadi satu angka kerugian rata-rata yang harus dimasukkan ke dalam harga kredit — kalau bank meminjamkan uang tanpa memperhitungkan EL dalam spread bunganya, bank sesungguhnya memberikan subsidi implisit kepada debitur berisiko. Rumus kedua, RAROC (Risk-Adjusted Return on Capital), membagi keuntungan bersih setelah EL dikurangi dengan Economic Capital yang "dikunci" untuk menanggung risiko tersebut. Jika RAROC lebih tinggi dari hurdle rate, kredit itu menciptakan nilai bagi pemegang saham bank; jika lebih rendah, bank sebaiknya mengalihkan modalnya ke penggunaan yang lebih menguntungkan. Perbedaan penting dengan return biasa: RAROC memperhitungkan bahwa modal yang dikunci untuk kredit berisiko lebih besar, sehingga secara otomatis mensyaratkan return yang lebih tinggi untuk kredit berisiko. Catatan: "spread bunga" di sini (margin bunga dari kredit) berbeda dari "credit spread pasar" di slide berikutnya (selisih yield obligasi korporasi vs SUN) — keduanya memakai kata "spread" tetapi konteksnya berbeda. Sumber: Hanafi (2014); Rustam (2017); Basel II.

Coba Sendiri: Geser PD, LGD, EAD — Amati Expected Loss & RAROC

Ubah probability of default, loss given default, dan exposure at default, lalu amati bagaimana Expected Loss dan RAROC berubah.

Hitung dari Nol — HDN-2: EL dan RAROC Pinjaman Korporasi

Data: Pinjaman korporasi EAD = Rp 10 Miliar, spread bunga 3%, biaya operasional 0,5%, PD = 2%, LGD = 60%, Economic Capital (EC) = Rp 800 juta. Hurdle rate bank = 12%.

Langkah	Perhitungan	Nilai
1. Pendapatan	EAD × spread = Rp 10 M × 3%	Rp 300 juta
2. Biaya	EAD × biaya = Rp 10 M × 0,5%	Rp 50 juta
3. EL	PD × LGD × EAD = 2% × 60% × Rp 10 M = 1,2% × Rp 10 M	Rp 120 juta
4. Net Income	300 − 50 − 120	Rp 130 juta
5. RAROC	Rp 130 juta ÷ Rp 800 juta	16,25%

RAROC = 16,25%. Karena 16,25% > hurdle rate 12%, kredit ini layak diberikan — menciptakan nilai bagi pemegang saham bank.

Mari kerjakan dari nol, step by step. Data yang diberikan: pinjaman satu debitur korporasi sebesar sepuluh miliar rupiah, dengan spread bunga tiga persen, biaya operasional nol koma lima persen, PD dua persen, LGD enam puluh persen, dan Economic Capital yang dialokasikan sebesar delapan ratus juta rupiah. Langkah satu dan dua menghitung pendapatan dan biaya operasional: pendapatan tiga ratus juta dan biaya lima puluh juta. Langkah tiga menghitung Expected Loss menggunakan EL = PD × LGD × EAD: dua persen dikali enam puluh persen dikali sepuluh miliar sama dengan satu koma dua persen dikali sepuluh miliar sama dengan seratus dua puluh juta rupiah. Langkah empat: 300 dikurangi 50 dikurangi 120 sama dengan 130 juta rupiah adalah laba bersih setelah risiko. Langkah lima, bagi dengan EC delapan ratus juta: hasilnya 16,25 persen. Karena angka ini di atas hurdle rate dua belas persen, kredit ini layak diberikan dari sudut pandang penciptaan nilai bagi pemegang saham bank. Sumber: Lampiran A HDN-2 verifikasi aritmetika.

Term Structure of Credit Spread

Credit spread = selisih imbal hasil obligasi korporasi dengan obligasi pemerintah risk-free tenor sama. Spread mencerminkan kompensasi risiko kredit yang diminta pasar.

Konsep Dasar

Jika SUN (Surat Utang Negara — obligasi pemerintah Indonesia, acuan risk-free domestik) 5 tahun yield 6,8%, dan obligasi PT X 5 tahun yield 9,3% → Credit Spread = 9,3% − 6,8% = 2,5%. Semakin tinggi risiko kredit emiten, semakin lebar spread.

Term Structure

Spread tidak sama untuk semua tenor. Emiten berisiko tinggi menghadapi spread yang melebar seiring jangka waktu lebih panjang (kurva spread menaik), karena ketidakpastian kumulatif bertambah.

Credit spread adalah "harga risiko kredit" versi pasar — dan ia jauh lebih real-time daripada rating agency. Ketika spread obligasi suatu perusahaan tiba-tiba melebar, pasar sedang berkata bahwa risiko kredit perusahaan itu meningkat, dan informasi ini tersedia langsung setiap hari di pasar obligasi, jauh sebelum lembaga rating mengeluarkan laporan downgrade-nya. Dalam konteks Indonesia, acuan risk-free yang lazim dipakai adalah yield SUN 10 tahun — saat ini sekitar 6,8% sebagai patokan, meski angka ini bergerak mengikuti kebijakan moneter BI dan kondisi global, sehingga harus diverifikasi saat dipakai. Term structure dari credit spread menambah dimensi waktu: emiten berisiko cenderung menghadapi spread yang makin melebar untuk tenor yang makin panjang, karena semakin lama jangka waktu, semakin banyak hal yang bisa salah. Penggunaan praktis credit spread: dalam model RAROC, spread yang ditetapkan bank terhadap debitur seharusnya paling tidak sebesar credit spread pasar untuk risiko yang setara. Sumber: Hanafi (2014); Fabozzi; DJPPR Kemenkeu yield SUN ~6,8% per mid-2026.

Credit Transition Matrix — Peta Migrasi Rating

Transition matrix menunjukkan probabilitas peralihan rating suatu emiten dari satu tahun ke tahun berikutnya. Dasar portofolio kredit dan pricing produk derivatif kredit (CDS).

Rating Awal ↓ / Akhir →	AAA	AA	A	BBB	BB	B	D
AAA	92	6	1,5	0,4	0,1	0,0	0,0
A	0,0	2	91	5	1	0,5	0,5
BB	0,0	0,0	0,5	5	82	8	4,5

Angka ilustrasi — tabel dipersingkat (3 baris dari 7 rating). Probabilitas dalam %. Sumber: adaptasi S&P Annual Transition Study.

Baca baris BB: ada 4,5% probabilitas default dalam setahun — angka ini adalah PD dalam rumus EL kita. Diagonal utama (AAA→AAA = 92%, A→A = 91%, BB→BB = 82%) menunjukkan probabilitas emiten tetap di rating yang sama.

Transition matrix adalah alat yang lebih canggih dari sekadar melihat rating saat ini — ia menangkap dinamika: seberapa besar kemungkinan sebuah emiten bergerak naik, tetap, atau turun ratingnya dalam satu tahun ke depan. Cara membacanya: lihat baris yang mewakili rating awal, dan kolom yang mewakili rating akhir. Perhatikan dua elemen kunci: pertama, diagonal utama menunjukkan betapa sebagian besar emiten tetap di rating yang sama setahun kemudian. Kedua, kolom paling kanan adalah kolom D atau default — baris BB menunjukkan 4,5% probabilitas default dalam setahun, dan angka inilah yang menjadi PD dalam rumus EL kita. Tabel yang ditampilkan hanya memuat tiga baris contoh dari tujuh rating yang ada di matriks penuh; pada matriks lengkap setiap rating punya barisnya masing-masing. Penggunaan praktisnya: transition matrix menjadi dasar pricing CDS (credit default swap — derivatif kredit yang memberi perlindungan kepada pembeli jika emiten acuan gagal bayar) dan perhitungan cadangan ECL tiga-stage menurut PSAK 71. Sumber: S&P Global Annual Global Corporate Default and Rating Transition Study; Hanafi (2014).

Studi Kasus Indonesia: Jiwasraya — Risiko Kredit Tersembunyi

Kasus Jiwasraya adalah salah satu kasus kegagalan manajemen risiko kredit dan investasi terbesar dalam sejarah BUMN (Badan Usaha Milik Negara) Indonesia.

2002–2018: PT Asuransi Jiwasraya menjual produk asuransi jiwa (JS Saving Plan) dengan janji imbal hasil sangat tinggi (~9–13%), jauh di atas pasar. Dana nasabah diinvestasikan ke saham-saham berisiko tinggi dan reksa dana bermasalah tanpa analisis risiko kredit dan pasar yang memadai.

2019: Jiwasraya gagal membayar polis jatuh tempo senilai ~Rp 12,4 triliun. Pemerintah menyelamatkan melalui restrukturisasi dan pendirian IFG Life (PT Asuransi Jiwa IFG) sebagai kendaraan penampung polis.

Pelajaran utama: Imbal hasil tidak wajar tinggi = sinyal ada risiko tersembunyi yang tidak dipricing dengan benar. Prinsip ini berlaku untuk instrumen kredit, obligasi, maupun produk asuransi.

Kasus Jiwasraya adalah ujian nyata dari semua konsep yang kita pelajari hari ini, dan tragisnya, semua prinsip analisis risiko kredit yang benar justru diabaikan. Perusahaan ini menjual produk asuransi dengan janji imbal hasil sembilan hingga tiga belas persen per tahun — angka yang seharusnya menjadi alarm keras bagi semua pihak, karena imbal hasil aset investasi aman saat itu jauh lebih rendah. Untuk memenuhi janji yang tidak realistis itu, manajemen menempatkan dana nasabah ke instrumen-instrumen berisiko tinggi tanpa melakukan analisis risiko yang memadai. Hasilnya adalah bom waktu: begitu kinerja investasi ambles, perusahaan tidak mampu membayar polis yang jatuh tempo, dan ribuan pemegang polis kehilangan hak mereka. Pelajaran utama yang sangat relevan dengan materi hari ini: setiap janji imbal hasil yang abnormal tinggi pasti mengandung risiko yang tidak terlihat atau tidak diungkapkan. Tugas analis risiko kredit adalah menemukan risiko tersembunyi itu sebelum kerugian terjadi. Sumber: OJK siaran pers; Kejaksaan Agung RI; angka ~Rp 12,4 triliun dan ~9-13% dari berbagai sumber media dan laporan publik.

Tiga Jebakan Umum Analisis Risiko Kredit

Jebakan 1 — Hanya Angka

⚠

Terlalu mengandalkan model kuantitatif (Z-Score, rating) tanpa analisis kualitatif. Angka bisa dimanipulasi; karakter debitur tidak terlihat di laporan keuangan.

Jebakan 2 — Hanya Agunan

⚠

Memberi kredit semata karena agunan dinilai cukup tanpa menganalisis Capacity dan Condition. Kalau debitur default massal, harga agunan justru turun — persis ketika bank perlu menjualnya.

Jebakan 3 — Abaikan Concentration

⚠

Membangun portofolio kredit yang terkonsentrasi di satu sektor/debitur demi efisiensi. Satu guncangan sektoral bisa membuat NPL meledak serentak.

Solusi: 5C + Model Kuantitatif + Diversifikasi Portofolio. Ketiganya saling melengkapi, bukan menggantikan satu sama lain.

Tiga jebakan ini saya rangkum dari pengamatan kasus-kasus kredit bermasalah di Indonesia dan global. Jebakan pertama adalah over-reliance pada model kuantitatif: Z-Score dan rating adalah alat bantu, bukan pengganti analisis holistik. Kasus Jiwasraya menunjukkan bahwa angka di laporan keuangan bisa disusun sedemikian rupa sehingga rasio terlihat baik sementara risiko sesungguhnya tersembunyi. Jebakan kedua adalah fokus berlebihan pada agunan: logika "tidak apa-apa kalau gagal bayar, ada agunannya" sangat berbahaya karena dua kelemahan — nilai agunan berkorelasi negatif dengan kemampuan bayar debitur (keduanya turun di kondisi ekonomi buruk), dan proses eksekusi agunan membutuhkan waktu dan biaya. Jebakan ketiga adalah concentration risk yang diremehkan: seringkali bank atau perusahaan membangun portofolio kredit yang terkonsentrasi demi efisiensi operasional, tetapi hasilnya adalah portofolio yang rentan terhadap satu guncangan sektoral. Sumber: Hanafi (2014); Rustam (2017).

Rangkuman: Alur Lengkap Analisis Risiko Kredit

Analisis risiko kredit bukan satu kali dilakukan saat akad kredit — ia berlanjut sepanjang tenor kredit lewat monitoring berkala.

Sebelum menutup pertemuan ini, saya ingin Anda melihat gambaran besar bagaimana semua alat yang kita pelajari hari ini bekerja bersama dalam sebuah alur analisis yang utuh. Analis kredit yang baik tidak memilih antara analisis kualitatif atau kuantitatif — ia melakukan keduanya secara berurutan dan saling memvalidasi. Dimulai dari identifikasi sumber risiko: apa jenis risiko kredit yang relevan untuk transaksi ini? Lalu penilaian kualitatif menggunakan 5C atau 7P dan validasi dengan rating eksternal. Kemudian model kuantitatif dijalankan — Z-Score untuk sinyal distress, dan EL plus RAROC untuk mengintegrasikan risiko ke dalam keputusan profitabilitas. Setelah kredit diberikan, tugas tidak selesai: monitoring berkelanjutan melalui pemantauan perubahan credit spread di pasar, transition matrix, dan kolektabilitas OJK memastikan bank tidak terkejut jika kondisi debitur memburuk. Analisis risiko kredit adalah proses hidup yang terus berjalan, bukan checklist satu kali. Sumber: Hanafi (2014); Rustam (2017); OJK POJK 40/2019.

Penutup & Persiapan Pertemuan Berikutnya

Yang Sudah Anda Kuasai Hari Ini

4 sumber risiko kredit: default, concentration, counterparty, settlement
Kerangka 5C dan 7P untuk penilaian kualitatif
Rating AAA–D dan sistem kolektabilitas OJK (POJK 40/2019)
Altman Z-Score: 5 rasio, rumus, tiga zona (aman/grey/distress)
EL = PD × LGD × EAD; RAROC = (Pendapatan − Biaya − EL) ÷ EC
Credit spread dan credit transition matrix sebagai alat monitoring

Tugas & Persiapan

Latihan soal: Kerjakan Bank Soal (Lampiran B) sebelum pertemuan berikutnya.
Baca: Hanafi (2014) Bab Risiko Pasar — topik pertemuan selanjutnya.
Eksplorasi: Cek rating terkini 2–3 emiten Indonesia di pefindo.com dan baca outline analisisnya.

Satu pesan: Risiko kredit yang tidak dianalisis dengan benar tidak hilang — ia hanya berpindah kepada seseorang yang lebih tidak siap menanggungnya.

Kita telah menempuh perjalanan yang panjang hari ini, dari konsep paling dasar hingga model kuantitatif yang dipakai bank-bank besar di seluruh dunia. Saya ingin menutup dengan menekankan satu prinsip yang paling penting: risiko kredit yang tidak dianalisis bukan berarti tidak ada — ia hanya tidak terlihat, sampai menjadi kerugian nyata. Kasus Jiwasraya yang kita diskusikan tadi adalah bukti paling nyata dari prinsip ini di Indonesia. Untuk pertemuan berikutnya, tolong kerjakan Latihan Soal di Bank Soal secara mandiri sebelum kelas — saya tidak akan membahas soal yang belum Anda coba sendiri. Dan saya sangat menganjurkan Anda untuk mengunjungi situs Pefindo dan membaca setidaknya satu laporan rating emiten Indonesia secara langsung — pengalaman membaca laporan asli jauh lebih berharga daripada hanya belajar teorinya di kelas. Sumber: Hanafi (2014); Rustam (2017); Altman (1968); OJK.