RPS minggu 2 · 2x50 menit

Analisis Kredit Kualitatif — Prinsip 5C

Manajemen Risiko Kredit — Magister Manajemen FEB UNDIP

Peta Pembelajaran Hari Ini

Sub-CPMK 2: menerapkan prinsip 5C dalam analisis kelayakan kredit korporasi maupun UMKM.

Jam ke-1 (50 menit)

Sejarah & filosofi 5C: mengapa bertahan 100+ tahun
Pemetaan tiap C ke komponen EL (PD/LGD/EAD)
Mendalami Character, Capacity, Capital

Jam ke-2 (50 menit)

Collateral & Condition: agunan, likuiditas, siklus sektor
Sintesis 5C ke skor akhir & bias kognitif umum
Mini-kasus: debitur UMKM Semarang, struktur conditional approve

Posisi dalam alur: P1 (konsep dasar) → 5C kualitatif → P3 (laporan keuangan kuantitatif) → P4 (PD scoring). 5C adalah jembatan antara intuisi analis dan parameter model.

Mengapa 5C Bertahan 100+ Tahun

Prinsip 5C pertama dirumuskan dalam literatur perbankan awal abad ke-20 dan masih dipakai di credit manual bank global — sebuah umur panjang yang langka di kerangka manajemen.

Mengapa Bertahan

Menstrukturkan intuisi analis → menjadi auditable dan dapat diajarkan lintas generasi

Limitasi 5C

Tidak kuantitatif sendiri — perlu diterjemahkan ke PD/LGD/EAD agar terhubung ke modal bank

5C bukan alternatif model scoring — 5C adalah input kualitatif yang menentukan nilai parameter model.

Bagian 1 · 1/4

Lima C Sebagai Kerangka Berpikir

Diskusi kelas: dari kelima C, mana yang paling sulit dinilai secara objektif di debitur korporasi keluarga di Indonesia?

Sejarah & Filosofi 5C

Lima C pertama kali dirumuskan dalam literatur perbankan Amerika awal 1900-an; diadaptasi oleh perbankan Indonesia melalui POJK 17/2014 dan manual kredit BUMN.

Filosofi Dasar

Kredit = kepercayaan tertunda
5C menstrukturkan dimensi kepercayaan
Tanpa struktur, keputusan jadi intuitif rawan bias

Lima C (Ringkas)

Character — kemauan bayar
Capacity — kemampuan bayar
Capital — ekuitas buffer
Collateral — agunan sekunder
Condition — konteks makro

Posisi di Bank Modern

Input credit officer
Tidak menggantikan scoring
Melengkapi data kuantitatif

Peta 5C & Sumber Informasi

C	Pertanyaan Inti	Sumber Informasi Primer
Character	Apakah debitur mau membayar?	SLIK OJK, BI checking, trade reference, rekam jejak industri
Capacity	Apakah debitur mampu membayar dari arus kas?	Laporan keuangan 3 tahun, rekening koran, DSCR, proyeksi
Capital	Berapa ekuitas yang dipertaruhkan debitur?	Neraca, struktur permodalan, DAR, DER
Collateral	Apa agunan dan berapa nilai pasarnya?	Appraisal independen, FSV, likuiditas agunan
Condition	Bagaimana kondisi industri & makro debitur?	Riset sektor, cyclicality, regulasi, BI7DRR

SLIK (Sistem Layanan Informasi Keuangan) OJK adalah sumber utama untuk Character — namun hanya menunjukkan sinyal, bukan cerita lengkap.

Hitung dari Nol: Bagaimana 5C Menerjemah ke PD, LGD, EAD

Skenario: Bank XYZ memetakan lima kategori penilaian kualitatif 5C ke dalam komponen expected loss. Tugas: menghubungkan tiap C ke komponen kuantitatif yang paling terdampak dan menjelaskan mekanismenya.

C	Komponen EL Terdampak	Mekanisme
1. Character	PD	Rekam jejak buruk → PD naik; integritas tinggi → PD turun
2. Capacity	PD, EAD	Arus kas lemah → PD naik; revolving drawn naik saat stress → EAD naik
3. Capital	PD	Solvabilitas rendah (DAR tinggi) → PD naik saat shock
4. Collateral	LGD	Agunan likuid & kuat → LGD turun; tanpa agunan → LGD tinggi
5. Condition	PD (sistemik)	Siklus turun di sektor debitur → PD naik untuk semua debitur sektor

Kesimpulan

5C bukan alternatif PD/LGD/EAD — 5C adalah input yang menentukan nilai parameter model kuantitatif

Coba Sendiri: Dari 5C ke Rating, PD & Premi Risiko

Geser penilaian lima C untuk melihat bagaimana karakter, kapasitas, kapital, agunan, dan kondisi dikristalisasi menjadi peringkat rating, PD, dan premi bunga yang dibebankan ke debitur.

Bagian 2 · 2/4

Mendalami Tiap C

Diskusi kelas: dari lima C, mana yang paling sering diabaikan di bank Indonesia, dan apa konsekuensinya?

Character — Rekam Jejak & Integritas

Character menilai kemauan bayar: integritas, rekam jejak, dan komitmen memenuhi kewajiban.

Sumber Verifikasi

SLIK OJK — kolektibilitas saat ini & historis
Trade reference dari supplier & customer
Rekam jejak industri, berita korporasi, sengketa hukum
Wawancara mendalam dengan pemilik/direksi

Red Flags

Pernah default namun "terstruktur ulang" (window dressing)
Related-party transactions merugikan perusahaan
Sengketa kepemilikan atau governance lemah
SLIK bersih tapi trade reference negatif

Capacity — Arus Kas Berkelanjutan

Capacity menilai kemampuan bayar dari arus kas operasi, bukan dari aset atau agunan.

Rasio Inti

DSCR (Debt Service Coverage Ratio) = EBITDA ÷ service utang; threshold umum ≥ 1,3×
Interest Coverage = EBIT ÷ beban bunga; < 2× rentan
Operating Cash Flow / Total Debt — arus kas aktual, bukan laba akuntansi

Proyeksi Stress

Skenario base, downside, severe downside
Sensitivitas terhadap BI7DRR (untuk floating rate)
Sensitivitas terhadap kurs (untuk debitur eksportir/importir)

Kesalahan umum: hanya melihat pendapatan historis tanpa proyeksi stress. Pandemi 2020 menunjukkan capacity berubah cepat dalam hitungan kuartal.

$$\text{DSCR} = \dfrac{\text{EBITDA}}{\text{Pokok} + \text{Bunga}} \;\;\bigg|\;\; \text{Interest Coverage} = \dfrac{\text{EBIT}}{\text{Beban\;Bunga}}$$

Capital — Solvabilitas & Equity Buffer

Capital menilai berapa ekuitas yang dipertaruhkan debitur sendiri — bukan berapa pinjaman dari bank.

Rasio Inti

DAR (Debt-to-Asset Ratio) = total utang ÷ total aset; > 0,7 dianggap tinggi
DER (Debt-to-Equity Ratio) = total utang ÷ ekuitas; > 2× perlu perhatian
Tangible Net Worth — ekuitas riil setelah menghilangkan goodwill/intangible

Mengapa Penting

Ekuitas tipis → kerugian kecil langsung menyerang likuiditas
Debitur dengan ekuitas tebal lebih tahan stress
Skin in the game: pemilik yang menanam ekuitas besar lebih komitmen

Tangible Net Worth penting karena goodwill di neraca akuisisi tidak bisa dijual untuk membayar utang. Lihat rasio leverage pasar →

$$\text{DAR} = \dfrac{\text{Total Utang}}{\text{Total Aset}} \;\;\bigg|\;\; \text{DER} = \dfrac{\text{Total Utang}}{\text{Ekuitas}}$$

Collateral — Agunan & Recovery

Collateral adalah jaminan sekunder yang menurunkan LGD jika default terjadi — bukan jaminan bahwa default tidak terjadi.

Jenis Agunan

Tanah & bangunan — likuiditas baik di kota besar, jelek di daerah
Mesin & inventaris — penyusutan cepat, likuiditas terbatas
Ekuitas saham — volatile, perlu haircut besar
Piutang dagang — perlu verifikasi, mudah dipalsukan

Nilai Efektif (FSV)

Forced Sale Value, bukan nilai pasar normal
Haircut standar: tanah 20–30%, mesin 40–60%
LTV (Loan-to-Value) mengikat plafond ke agunan
Waktu eksekusi: 12–36 bulan di pengadilan Indonesia

Agunan tanpa eksekusi cepat tidak mengurangi LGD nyata. Restrukturisasi POJK 33/2018 menunjukkan eksekusi agunan sering lebih lambat dari asumsi bank.

$$\text{LTV} = \dfrac{\text{Plafond Kredit}}{\text{Forced Sale Value (FSV)}} \times 100\%$$

Condition — Konteks Eksternal

Condition menilai konteks makro, siklus industri, dan faktor eksternal yang memengaruhi semua debitur di sektor yang sama.

Faktor yang Dinilai

Siklus industri — fase ekspansi, puncak, kontraksi, trough
Cyclicality historis — sektor siklikal (properti, otomotif) vs defensif (consumer staples)
Tekanan regulasi — perubahan OJK, BI, pemerintah
Teknologi & disrupsi — perubahan model bisnis

Contoh Indonesia

Properti 2017–2019: perang harga, NPL exposure naik
Penerbangan 2020: pandemi, Garuda PKPU 2021
Tekstil 2022–2024: impor murah, pabrik tutup
Batubara 2020 vs 2022: harga komoditas naik-turun ekstrem

Condition adalah C yang paling sering diabaikan karena terlihat paling abstrak, padahal justru di sinilah letak pembeda antara bank yang selamat dari krisis dan yang tumbang. Contoh Indonesia sangat jelas: bank dengan eksposur tinggi ke properti pada 2017 hingga 2019 terkena perang harga yang mengangkat NPL; bank dengan eksposur ke penerbangan terkena pandemi 2020 yang menyebabkan Garuda PKPU 2021; industri tekstil 2022 hingga 2024 menghadapi gelombang impor murah yang memaksa pabrik tutup. Sebagai analis, Anda harus memetakan posisi debitur dalam siklus industrinya: apakah di fase ekspansi, puncak, kontraksi, atau trough? Cyclicality historis sektor juga penting — sektor siklikal seperti properti dan otomotif membutuhkan buffer PD lebih besar daripada sektor defensif seperti consumer staples.

Coba Sendiri: Verifikasi Character via Kolektibilitas SLIK

Character menilai kemauan bayar — dan sumber utamanya di Indonesia adalah SLIK OJK yang melaporkan lima golongan kolektibilitas. Geser proporsi tiap golongan untuk merasakan bagaimana profil SLIK menentukan rekomendasi kredit.

Bagian 3 · 3/4

Sintesis & Bias Kognitif

Diskusi kelas: apakah skor rata-rata sederhana dari 5C adalah metode sintesis yang valid? Mengapa atau mengapa tidak?

Sintesis 5C ke Skor Akhir

Sintesis yang baik bukan rata-rata sederhana, melainkan analisis trade-off antar C dan struktur mitigasi.

Metode Sintesis	Kelebihan	Kelemahan
Rata-rata sederhana	Mudah, cepat	Menyembunyikan masalah di satu C; tidak menangkap trade-off
Weighted score (expert judgment)	Mengakomodasi prioritas bank	Bobot subjektif, perlu kalibrasi historis
Matriks trade-off + struktur	Menangkap interaksi antar C	Membutuhkan pengalaman analis senior
Expert committee (credit committee)	Mengurangi bias individu	Lambat; tetap rawan groupthink

Praktik terbaik: kombinasi weighted score untuk filtering awal + credit committee untuk kasus borderline.

Bias dalam Analisis Kualitatif

Empat bias paling berbahaya yang mengganggu judgment credit officer, didokumentasikan dalam riset behavioral finance.

Bias #1 & #2

Confirmation bias — mencari bukti yang mendukung kesan awal, mengabaikan yang bertentangan
Anchoring — terpaku pada angka plafond yang diminta debitur, lalu menegosiasikan turun sedikit

Bias #3 & #4

Availability heuristic — over-weight kasus default terbaru yang masih segar di ingatan
Groupthink — credit committee ikut mayoritas untuk menghindari konflik

Mitigasi: struktur 5C eksplisit, dokumen tertulis sebelum diskusi, dan budaya "devil's advocate" di credit committee.

Bias kognitif adalah musuh tersembunyi analisis 5C karena bekerja di bawah sadar. Confirmation bias membuat analis mencari bukti yang mendukung kesan pertamanya tentang debitur — misalnya setelah SLIK bersih, analis cenderung mengabaikan trade reference negatif. Anchoring sangat umum: debitur minta Rp 50 miliar, analis merasa sudah berhati-hati menegosiasikan turun ke Rp 45 miliar, padahal tanpa pernah bertanya apa kapasitas optimal sebenarnya. Availability heuristic membuat analis terlalu konservatif setelah baru mengalami satu kasus default besar yang masih segar di ingatan. Groupthink di credit committee sering membuat anggota yang ragu tidak berbicara karena tidak ingin terlihat menghambat keputusan. Mitigasi terbaik adalah budaya devil's advocate di credit committee di mana satu anggota secara formal ditugaskan menantang rekomendasi mayoritas.

Hitung dari Nol: Sintesis 5C ke Rekomendasi Kredit

Skenario: Debitur PT XYZ (korporasi menengah, distribusi consumer goods). Skor 5C: Character 4/5, Capacity 2/5, Capital 3/5, Collateral 4/5, Condition 3/5. Plafond diminta Rp 50 M.

Tahap	Pertanyaan	Output Analitis
1. C terendah	Capacity (2/5) — apa akar masalahnya?	DSCR base case 1,1× (di bawah threshold 1,3×); arus kas sensitif inventory buildup
2. C tertinggi	Character & Collateral (4/5) — dapat menutupi?	Collateral tanah Rp 80 M (FSV Rp 56 M) → LTV 89% (marginal); Character 12 tahun tanpa default
3. Trade-off utama	Apakah character menutup capacity?	Tidak — capacity lemah tetap menaikkan PD; collateral kuat bisa menurunkan LGD
4. Rekomendasi struktur	Bagaimana mengubah profil risiko?	Conditional approve: plafond Rp 45 M (LTV 80%); covenant DSCR ≥1,2×; tenor 3 tahun
5. Implikasi PD/LGD/EAD	Bagaimana parameter model berubah?	PD naik (capacity rendah); LGD turun (collateral kuat); EAD turun (plafond lebih rendah)

Kesimpulan

Conditional Approve

Rekomendasi bukan approve/reject biner — sintesis 5C menghasilkan struktur optimal yang menyeimbangkan risiko

Coba Sendiri: Kartu Alasan Penolakan (XAI) sebagai Antisipasi Bias

Bias kognitif seperti confirmation bias bisa dikurangi dengan model yang menjelaskan diri sendiri. Geser bobot tiap fitur 5C untuk melihat bagaimana keputusan dirakit dari kontribusi yang dapat diaudit.

Bagian 4 · 4/4

Aplikasi Kasus

Diskusi kelas: bagaimana 5C diterapkan berbeda untuk debitur UMKM vs korporasi besar? Sumber informasi mana yang paling sulit didapat di UMKM?

Mini-Kasus: Debitur UMKM Semarang

Konteks (ilustrasi): Pengrajn mebel di Jepara, omzet Rp 12 miliar/tahun, meminta plafond KMK Rp 3 miliar untuk modal kerja ekspor. Laporan keuangan tidak diaudit; SLIK bersih.

C	Penilaian Analis	Sumber Informasi
Character	4/5 — 15 tahun di industri, referensi buyer ekspor kuat	Trade reference buyer Jepang; kunjungan workshop
Capacity	3/5 — arus kas rekening koran 12 bln stabil, musiman Lebaran	Rekening koran, invoice ekspor, kontrak buyer
Capital	3/5 — mesin & bahan baku aset utama; DAR ~0,5	Estimasi aset fisik (non-akuntansi)
Collateral	3/5 — tanah rumah pribadi Rp 2 M (FSV Rp 1,4 M)	Appraisal BPN; LTV 214% (overcollateralized)
Condition	3/5 — ekspor mebel tumbuh, tapi raw resesi negara tujuan	Data BPS ekspor mebel; tren global furniture

Rekomendasi Ilustratif

Approve KMK Rp 3 M dengan covenant ekspor minimal 60% omzet & asuransi kredit ekspor (Lecer)

Kasus UMKM Jepara ini menggambarkan tantangan dan peluang analisis 5C di segmen UMKM. Tantangannya, laporan keuangan tidak diaudit sehingga Capital dan Capacity harus diestimasi dari sumber informal seperti rekening koran, invoice, dan kunjungan workshop. Peluangnya, trade reference dari buyer Jepang sering kali lebih reliable daripada laporan keuangan formal karena buyer internasional melakukan due diligence sendiri terhadap pengrajin. Perhatikan bahwa Collateral dalam kasus ini overcollateralized — tanah pribadi Rp 2 miliar mengcover plafond Rp 3 miliar jika dihitung dari FSV Rp 1,4 miliar, yang menunjukkan LTV lebih dari 200 persen. Namun struktur kredit yang baik bukan hanya soal agunan, melainkan juga covenant operasional yang memastikan debitur tetap berbisnis ekspor yang menjadi sumber pembayaran.

Coba Sendiri: Credit Scoring & Cutoff

5C adalah input kualitatif yang menentukan parameter model scoring. Geser cutoff skor untuk melihat trade-off antara approval rate dan expected default rate — inti keputusan credit committee.

🧪 Buka kalkulator penuh (rumus + contoh + FAQ)

Ringkasan Kunci Pertemuan 2

5C sebagai Input

Character/Capacity/Capital → PD; Collateral → LGD; Condition → PD sistemik

Sintesis Bukan Rata-rata

Trade-off antar C menghasilkan struktur optimal, bukan skor biner approve/reject

Waspadai Bias

Confirmation, anchoring, availability, groupthink — mitigasi via struktur & devil's advocate

Bawa kerangka 5C ke PD/LGD/EAD dan trade-off synthesis ini sebagai alat di pertemuan 3 (laporan keuangan) & 4 (PD scoring).

Bacaan pendalaman: analisis kredit korporasi · kerangka PD/LGD/EAD · credit scoring & cutoff. Persiapan P3: baca Saunders & Allen bab 3; refresh rasio keuangan dasar (DSCR, DAR, current ratio); bawa satu laporan keuangan debitur (anonimized) dari pengalaman kerja.