Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
PERANCANGAN MODEL PENYALURAN KREDIT USAHA RAKYAT (KUR) DI BPD CABANG X DENGAN MENGGUNAKAN AGENT-BASED MODELING AND SIMULATION
Oleh:
TATBITA TITIN SUHARIYANTO2509.100.132
Dosen Pembimbing:
Moses Laksono Singgih, Ir., M.Sc., P.hD., Prof.Bambang Syairudin, Ir., MT., Dr.
Kredit Usaha Rakyat (KUR)Unit Mikro, Kecil, Menengah, dan Koperasi
Produktif Layak Belum bankable
Pemerintah(Dinas Koperasi dan UMKMK)
Bank Pembangunan Daerah
BPD X
BPD penyalur KUR terbesar (Rp 3.3 triliun)
Pada tahun 2013, BPD X mengurangipenyaluran KUR
Kredit macet di bank mayoritas disumbangoleh KUR sebesar 10%
Tingkat gagal bayar mencapai 3,25% daridebitur
Nilai NPL terbesardari seluruh BPD di
Indonesia
Nilai Non Performing Loan (NPL)/Kredit Bermasalah di BPD X
sebesar 13,5%Komite KUR. 2013
Nilai NPL < 5% Bank Indonesia, 2011
Kebijakan Penjaminan Kredit kepadaUMKMK Nomor KEP-07/M.EKON/01/01/2012
tentang Penambahan Pelaksana KUR
Pemerintah(Dinas Koperasi dan UMKMK)
Bank Pembangunan Daerah
BPD X
BPD Cabang X
Salah satu cabang terbesar BPD X
Telah menyalurkan KUR kepada 119 debitur
Plafond yang disalurkan sebesar Rp 41,593 M
NPL di BPD Cabang X sebesar
57,62%
BISNIS
GAGALGAGAL
MENGEMBALIKAN KREDIT
Kompleksitas
Ketidakpastian
Salingketergantungan
ABMS fokus pada interaksi agen membuatsistem simulasi ini dipilih untuk
menyelesaikan masalah KUR yang melibatkan banyak agen.
AGEN
Bank Pelaksana
Sekitar 86 debitur
Beragamnya perilaku UMKMK dalam hal pengembalian kredit
Ketidakpastian UMKMK dalam membayar kredit
MengapaPemodelan ABMS?
PERUMUSAN MASALAH
Bagaimana merancangmodel berbasis agen yang dapat menggambarkanpermasalahan eksistingKredit Usaha Rakyat (KUR) di BPD Cabang X?
Bagaimana merancangskenario perbaikan padamodel berbasis agen yang dapat mengurangi nilainon performing loan BPD Cabang X?
Merancang model berbasis agen yang dapat menggambarkanpermasalahan eksistingKredit Usaha Rakyat (KUR) di BPD Cabang X
Merancang skenarioperbaikan pada model berbasis agen yang dapat mengurangi non performing loan BPD Cabang X
TUJUAN PENELITIAN
Jenis produk kredit yang diamati adalah Kredit Usaha Rakyat (KUR) untuk Kredit Modal Kerja dan Kredit Investasi
Pelaksanan KUR pada wilayah cakupan BPD Cabang X
Data debitur KUR yang digunakan adalah data debituryang mendapatkan KUR dari bulan Agustus 2010 hinggaMei 2013
Perancangan model simulasi tidak melibatkan stakeholderlembaga penjamin
BATASAN
ASUMSI
Pergantian kepemimpinan di BPD Cabang X tidakmengubah mekanisme KUR secara signifikan
Jenis perhitungan pokok tiap bulan menggunakanmetode flat
Cadangan KUR di bank tidak terbatas
Nilai NPL pada simulasi diambil per 33 ticks dan per ticks diasumsikan waktu per 30 hari
Perancangan Model Konseptual
Identifikasi agen yang terlibat Model Data Flow Diagram
Perancangan causal loop diagram
Identifikasi role tiap agen
Penilaian terhadap role tiap agen(bahasa pemrograman)
METODOLOGI PENELITIAN
Perancangan Model Simulasi
Perancangan model denganmenggunakan software NetLogo
Uji VerifikasiUji verifikasi dilakukan untuk memastikan
tidak adanya error pada model
Uji ValidasiTahap pengujiaan apakah logika dari
model yang dirancang telah sesuai dengan kondisi permasalahan dalam
sistem dan real system.
METODOLOGI PENELITIAN
Perancangan Skenario PerbaikanMerancang beberapa skenario
perbaikan yang dapat mengurangi NPL
Uji SignifikansiUji signifikansi dilakukan menggunakanANOVA (Analysis of Variance) dengan
bantuan software SPSS
METODOLOGI PENELITIAN
Mendapatkan pengetahuantentang kondisi praktis dan teoritispelaksanaan KUR
Penulis
Mendapatkan masukan terkaitproses pemberian KUR kepadaUMKMK
Perbankan
MANFAAT PENELITIAN
Model Konseptual dalam Data Flow Diagram
DS1 Data pengajuan KUR (pending) DS2 Data nasabah tidak
layak DS3 Data nasabah layak
Mencatat pembayaran kredit
Operasional Kredit6
DS4 Data pembayaran kredit
Menyalurkan KUR sebesar jumlah plafondyang telah disepakati
Operasional Kredit4
Model Konseptual dalam Causal Loop Diagram
Pengidentifikasian Agen yang Terlibat
Agen lain Keterangan InteraksiMemperoleh KUR Menerima uang KUR melalui rekeningMembayar kredit tepat waktu
Tidak membayar kredit tepat waktu
Memberikan uang sebesar plafond yang telah disetujui
Menyalurkan KUR melalui rekening kepada debitur yang layak
Menangani pembayaran cicilan Memonitor pembayaran cicilan
Menghitung NPL
Memonitor debitur yang memiliki kredit bermasalah
2 Bank 1 Debitur
Menghitung ketepatan waktu pembayaran cicilan secara periodik untuk mendapatkan nilai NPL
1 Debitur 0-86 BankMembayar cicilan kredit
NO NAMA AGEN JUMLAH PERILAKU HUBUNGAN INTERAKSI
Alu
rAlg
oritm
aPe
mro
gram
an
Probabilitas dalam Sistem
Probabilitas dalam Sistem
Model Simulasi 1
Model Simulasi 2
Model Simulasi 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16Bayar 100% 100% 100% 100% 100% 100% 100% 100% 100% 99% 98% 96% 95% 95% 92% 89%
Tidak bayar 0% 0% 0% 0% 0% 0% 0% 0% 0% 1% 3% 4% 5% 5% 8% 11%
Cicilan ke-
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32Bayar 88% 84% 83% 76% 78% 80% 84% 86% 84% 74% 82% 81% 71% 60% 40% 0%
Tidak bayar 12% 16% 17% 24% 22% 20% 16% 14% 16% 26% 18% 19% 29% 40% 60% 100%
Cicilan ke-
Probabilitas Debitur Membayar atau Tidak Membayar
Perilaku Debitur dalam Sistem
Jika pada periode ini tidak membayar, maka periode selanjutnya tidak akan
membayar
Kategori Kolektibilitas
Jenis Kredit Rentang Waktu Pengembalian Kredit
Kolektibilitas 1 Kredit Lancar Setiap tanggal jatuh tempoKolektibilitas 2 Kredit dalam Perhatian Khusus Kurang dari 90 hariKolektibilitas 3 Kredit Kurang Lancar 91 hari - 120 hariKolektibilitas 4 Kredit Diragukan 121 hari - 180 hariKolektibilitas 5 Kredit Macet lebih dari 180 hari
Model Simulasi 2
Kategori 5C
Jumlah Tunggakan
1 02 < 5 bulan3 < 6 bulan4 < 8 bulan5 > 8 bulan
Kategori Character (C1)
Capacity (C2)
Capital (C3)
Condition (C4)
Collateral (C5)
1 Yes Yes Yes Yes Yes2 No Yes Yes Yes Yes3 No No Yes Yes Yes4 No No No Yes Yes5 No No No No Yes
Probabilitas Debitur Membayar atau Tidak Membayar
Kategori Kolektibilitas
Jenis Kredit Rentang Waktu Pengembalian Kredit
Kolektibilitas 1 Kredit Lancar Setiap tanggal jatuh tempoKolektibilitas 2 Kredit dalam Perhatian Khusus Kurang dari 90 hariKolektibilitas 3 Kredit Kurang Lancar 91 hari - 120 hariKolektibilitas 4 Kredit Diragukan 121 hari - 180 hariKolektibilitas 5 Kredit Macet lebih dari 180 hari
Skenario Perbaikan 1 untuk Model Simulasi 1
Ho: µ1 = µ0Ha: µ1 ≠ µ0
significance value (2-tailed) sebesar 0.00.
Nilai ini lebih kecildaripada 0.05 yang
berarti terdapatperbedaan yang
signifikan.
Mengeliminasiperilaku debituryang tidak baik
Me-monitoringdebitur padakolektibilitas 2
Menurunkan NPL antara 0% - 2,4%
Skenario Perbaikan untuk Model Simulasi 2
Memperketatpenerimaan
debitur
Hanya debiturkategori 1
yang diterima
MenurunkanNPL hingga 0%
Skenario Perbaikan 2.1 Skenario Perbaikan 2.2
Melonggarkanpenerimaan
debitur
Debiturkategori 1 dan2 yang diterima
MenurunkanNPL antara
4,6% - 11,4%
significance value lebih kecil daripada 0.05, sehingga dapat disimpulkan bahwa ketiga
model telah berbeda signifikan
Mengapa membuat dua model simulasi ?
Model Simulasi 1
Model Simulasi 2
Mengetahui pergerakan debitur di setiapperiode cicilan
Bank perlu memperhatikan debitur ketikasudah berada pada cicilan ke-10
Mengetahui bagaimana nilai NPL apabilaperilaku debitur yang tidak baik dihilangkan
Mengetahui pengaruh kategori 5C debitur terhadap kondisi nilai NPL
Semakin banyak debitur yang memilkikategori 5C yang buruk akanmeningkatkan nilai NPL
Peta PerancanganSkenario Perbaikan
Simpulan
mengatur probabilitas debiturmembayar atau tidak membayar
berdasarkan periode cicilan.
1mengatur probabilitas debitur
membayar atau tidak membayarberdasarkan kategori 5C.
menambah probabilitas debitur padakolektibilitas 2 untuk membayar kembali
2hanya melibatkandebitur kategori 1
dalam simulasi
melibatkan debiturkategori 1 dan 2 dalam simulasi
Konsep Model Pertama Konsep Model Kedua
Skenario Perbaikan 1 Skenario Perbaikan 2.1 Skenario Perbaikan 2.2
Nilai NPL sebesar0% - 2,4%
Nilai NPL sebesar0%
Nilai NPL sebesar4,6% - 11,4%
Saran
Perlu dilakukan penelitian lebih lanjut mengenai analisis 5C(Character, Capacity, Capital, Condition, and Collateral)
Model ini dapat dikembangkan untuk melakukan perhitunganpokok tiap bulan yang tidak menggunakan metode flat
Model dapat dikembangkan dengan melibatkan agenlembaga penjamin dan pemerintah
TERIMA KASIH
DAFTAR PUSTAKA Bank Indonesia, 2004. Peraturan Bank Indonesia Nomor 6/9/PBI/2004 tentang Tindak Lanjut
Pengawasan dan Penetapan Status Bank, Bank Indonesia, 2009. Peraturan Bank Indonesia Nomor: 11/2/PBI/2009 tentang Perubahan Ketiga atas
Peraturan Bank Indonesia Nomor 7/2/PBI/2005 tentang Penilaian Kualitas Aktiva Bank Umum. Available at: http://www.bi.go.id/NR/rdonlyres/01AE33A6-8EE5-41E7-829F-251FE141A214/15415/pbi_110209final.pdf.
Bastian, Indra dan Suharjono. 2006. Akuntansi Perbankan. Edisi Pertama. Jakarta: Salemba Empat Bonabeau, E. 2001. Agent-based modeling: methods and techniques for simulating human systems. In
Proceedings of National Academy of Sciences 99(3): 7280 -7287. Borshchev, A. & Filippov, A., 2004. From System Dynamics and Discrete Event to Practical Agent Based
Modeling : Reasons, Techniques, Tools. Deputi Bidang Pengkajian Sumberdaya UKMK, 2007. Kajian Dampak Kredit Usaha Rakyat. In Deputi
Bidang Pengkajian Sumberdaya UKMK Asdep Urusan Penelitian UKM, pp. 8–27. Direktorat Pembiayaan Pertanian, 2012. Pedoman Teknis Kredit Usaha Rakyat (KUR) Sektor Pertanian,
Direktorat Pembiayaan Pertanian; Direktorat Jenderal Prasarana dan Sarana Pertanian; KementrianPertanian.
Hasan, S., 2012. Menkop: KUR Bukti Sukses Financial Inclusion. AntaraNews.com, p.1. Available at: http://www.antaranews.com/berita/332635/menkop-kur-bukti-sukses-financial-inclusion [Accessed April 12, 2013].
Ikatan Akuntan Indonesia. 2000. Standar Akuntansi Keuangan. Jakarta: Salemba Empat Ismail. 2010. Akuntansi Bank. Jakarta : Penerbit Kencana
DAFTAR PUSTAKA Komite Kredit Usaha Rakyat, 2013. SEBARAN PENYALURAN KREDIT USAHA RAKYAT PERIODE NOVEMBER 2007- FEBRUARI 2013. Available at:
http://komite-kur.com/article-77-sebaran-penyaluran-kredit-usaha-rakyat-periode-november-2007-februari-2013.asp [Accessed March 28, 2013].
Macal, C.M. & North, M.J., 2009. AGENT-BASED MODELING AND SIMULATION. In Proceedings of the 2009 Winter Simulation Conference. Argonne, United States of America, pp. 86–98.
Maidstone, R., 2012. Discrete Event Simulation , System Dynamics and Agent Based Simulation : Discussion and Comparison. , pp.1–6.
Mulyono, Teguh Pudjo. 2002. Aplikasi Akuntansi Manajemen: Dalam Praktik Perbankan. Edisi 3. Yogyakarta : BPFE
PT. (Persero) Askrindo, 2007. Produk PT. (Persero) Askrindo. , p.1. Available at: http://www.bumn.go.id/askrindo/tentang-kami/product/ [Accessed April 10, 2013].
Siamat, Dahlan. 2001. Manajemen Lembaga Keuangan. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.
Sukrianto, H., 2013. Banyak Kredit Macet, Bank Jatim Kurangi Penyaluran KUR. economy.okezone.com, p.1. Available at: http://economy.okezone.com/read/2013/03/07/457/772636/banyak-kredit-macet-bank-jatim-kurangi-penyaluran-kur [Accessed March 28, 2013].
Syarif, T., 2011. Prospek dan Kendala KUR dalam Mendukung Perkuatan Permodalan UKMK, Bidang Pengkajian Sumberdaya dan UKM danKoperasi, Kementrian Negara Koperasi dan UKM.
Tako, A.A. & Robinson, S., 2009. COMPARING MODEL DEVELOPMENT IN DISCRETE EVENT SIMULATION AND SYSTEM DYNAMICS. , (Sweetser 1999), pp.979–991.
Tim Nasional Percepatan Penanggulangan Kemiskinan, 2011. Klaster III - Program Kredit Usaha Rakyat (KUR). , p.1. Available at: http://tnp2k.go.id/tanya-jawab/klaster-iii/progam-kredit-usaha-rakyat-kur/ [Accessed April 14, 2013].
Tim Pelaksana Komite Kebijakan Penjaminan Kredit/Pembiayaan Kepada UMKMK, 2007. BUKU TANYA JAWAB SEPUTAR KREDIT USAHA RAKYAT ( KUR ), Tim Komite Kebijakan Penjaminan Kredit/Pembiayaan Kepada Usaha Mikro, Kecil, Menengah dan Koperasi.
Tjoekam. 1999. Perkreditan Bisnis Inti Bank Komersial, PT. Gramedia Pustaka Utama: Jakarta
Undang-Undang Republik Indonesia Nomor 10 Tahun 1998, 1998. Undang-Undang Republik Indonesia Nomor 10 Tahun 1998 tentangPerubahan atas Undang-Undang Nomor 7 Tahun 1992 tentang Perbankan. Available at: http://www.komisiinformasi.go.id/assets/data/arsip/uu-bank-10-1998.pdf.
Xiang, X., Dame, N. & Cabaniss, S., 2005. Verification and Validation of Agent-based Scientific Simulation Models. , pp.47–55.