0

WORKING PAPER

DAMPAK RISIKO LIKUIDITAS BANK TERHADAP PENYALURAN KREDIT

Iman Gunadi

Aditya Anta Taruna

Desember, 2015

WP/11/2015

Kesimpulan, pendapat, dan pandangan yang disampaikan oleh penulis dalam paper ini merupakan kesimpulan, pendapat, dan pandangan penulis dan bukan merupakan kesimpulan, pendapat, dan pandangan resmi Bank Indonesia.

1

DAMPAK RISIKO LIKUIDITAS BANK TERHADAP PENYALURAN KREDIT1

Iman Gunadi2 dan Aditya Anta Taruna3

Abstrak

Fungsi bank sebagai lembaga intermediasi berjalan dengan cara menyalurkan kredit kepada masyarakat sebagai nasabah. Fungsi tersebut mendukung terjadinya peningkatan usaha pada level debitor sehingga menggerakkan perekonomian dan mampu meningkatkan pertumbuhan ekonomi suatu negara. Pada penelitian ini akan ditinjau hubungan antara ketersediaan alat likuid yang dimiliki bank dan potensi bank untuk menyalurkan kredit seiring dengan peningkatan risiko likuiditas akibat berkurangnya alat likuid bank yang disebabkan oleh penyaluran kredit yang berlebihan. Tanpa didukung oleh ketersediaan alat likuid yang memadai, potensi penyaluran kredit bank dapat mengalami kesulitan. Perhitungan potensi penyaluran kredit bank yang dikaitkan dengan kondisi alat likuid bank diharapkan dapat memberikan gambaran terhadap strategi bank dalam menyalurkan kredit. Potensi kemudian didefinisikan sebagai potensi dalam mencapai target penyaluran kredit dan potensi penyaluran kredit. Dengan menggunakan simulasi matematika, penelitian ini membuktikan bahwa adanya keterkaitan antara alat likuid dan penyaluran kredit. Selain itu, terdapat bukti bahwa mayoritas kelompok bank menyalurkan kredit selalu lebih rendah dari potensi yang dimiliki terlepas dari besarnya rasio AL/NCD.

Key word : likuiditas bank, penyaluran kredit, pertumbuhan ekonomi

JEL Classification : G21, O4

1 Penelitian ini ditulis untuk memenuhi IKU DKMP “Kajian Dampak Risiko Utama Institusi

Keuangan terhadap Risiko Sistemik yang Terkait dengan Penawaran Kredit”. Analisis dan opini yang disampaikan dalam paper ini tidak merepresentasikan stance dari Bank

Indonesia. Penulis bertanggung jawab penuh atas terdapatnya kesalahan dalam penulisan

laporan hasil penelitian ini. 2 Peneliti Ekonomi Senior, Departemen Kebijakan Makroprudensial, Bank Indonesia, email:

i_gunadi@bi.go.id 3 Peneliti Ekonomi, Departemen Kebijakan Makroprudensial, Bank Indonesia, email: aditya_at@bi.go.id

2

I. LATAR BELAKANG

Pengalaman krisis ekonomi yang dialami Indonesia, makin berkembangnya

sistem keuangan, serta makin menguatnya interaksi antara sektor ekonomi dan

keuangan membawa perubahan pandangan pada sistem keuangan dunia. Suatu

kebijakan yang dapat mencegah atau mengurangi potensi terjadinya krisis, baik

yang bersumber dari dalam sistem keuangan maupun dari luar sistem keuangan

sangat diutuhkan. Kebijakan makroprudensial dipercaya oleh otoritas-otoritas

keuangan menjadi salah satu cara untuk menciptakan stabilitas sistem keuangan

yang terjaga (Galati G. dan Richhild M., 2011 dan IMF, 2011). Sebagai pemegang

mandat untuk menjaga stabilitas sistem keuangan, Bank Indonesia memiliki hak

untuk menerbitkan kebijakan makroprudensial. Tujuan akhir dari kebijakan

makroprudensial adalah untuk mencegah dan mengurangi risiko sistemik,

mendorong fungsi intermediasi yang seimbang bagi sektor perekonomian,

meningkatkan akses dan efisiensi sistem keuangan dalam rangka menjaga stabilitas

sistem keuangan, serta mendukung stabilitas moneter dan stabilitas sistem

pembayaran.

Risiko sistemik diyakini dapat datang dari tiga sumber, yaitu risiko kredit,

risiko likuiditas, dan risiko pasar (pasar keuangan). Tiap-tiap risiko tidak dapat

dipisahkan dan saling terkait. Sebagai contoh, risiko yang timbul akibat penyaluran

kredit yang berlebihan dapat berdampak pada meningkatnya biaya operasional pada

perbankan yang kemudian akan meningkatkan risiko operasional. Selain risiko

operasional, penyaluran kredit yang berlebihan juga dapat memaksa bank harus

dapat memperhitungkan kondisi alat likuid yang dimiliki. Hal itu akan

meningkatkan risiko yang dapat timbul akibat dari alat likuid (liquidity mismatch).

Sebagai suatu lembaga keuangan yang berfungsi sebagai mediator antara

entitas yang memiliki kelebihan dana pada entitas yang membutuhkan dana, fungsi

penyaluran dana itu kemudian disebut sebagai fungsi penyaluran kredit. Kredit

didefinisikan sebagai salah satu instrumen bank sebagai fungsi intermediasi yang

terpengaruh oleh kondisi likuiditas perbankan. Dalam sudut pandang bank, kredit

merupakan jenis penempatan dana dengan tenor jangka panjang, sedangkan dana

pihak ketiga merupakan jenis pendanaan dengan tenor jangka pendek, berdasarkan

karakteristik tenor kedua jenis produk bank itu, bank akan membutuhkan

3

likuiditas dalam memenuhi kegiatan bisnis tersebut. Ibarat darah dalam tubuh

manusia, peran alat likuid dalam perbankan memegang peranan penting karena

bisnis utama bank adalah mengelola likuiditas dalam mencukupi kebutuhan

depositor dan debitor (Diamond dan Dybvig, 1983).

Dalam kerangka kebijakan makroprudensial (Harun dan Rachmanira, 2013),

risiko kredit dinyatakan sebagai salah satu risiko utama dalam sistem perbankan.

Risiko kredit menjadi salah satu sumber potensial kerugian karena kegagalan

counterparty dalam melakukan pembayaran atau memenuhi kewajiban terkait

dengan aktivitas keuangan. Penelitian ini berusaha melihat penyaluran kredit bank

berdasarkan AL/NCD. AL/NCD yang tidak sesuai dengan penyaluran kredit mampu

membawa ke liquidity mismatch dan apabila terakumulasi mampu membawa potensi

risiko sistemik. Muara risiko sistemik merupakan penurunan pertumbuhan

ekonomi yang digambarkan dengan indikator pertumbuhan (PDB).

Dalam perkembangannya, upaya untuk dapat menangkap kondisi likuiditas

bank telah menghasilkan beberapa indikator, di antaranya ialah rasio alat likuid

terhadap DPK atau total aset atau NCD. Indikator yang dikembangkan dalam

berbagai sudut pandang dan aspek termasuk adalah structural mismatch dan

kapasitas bank dalam menahan tekanan pada likuiditas. Salah satu upaya dalam

memonitor kondisi alat likuid secara menyeluruh, Muljawan et al. (2014) mendesain

seluruh kemungkinan rasio yang dapat diamati terkait dengan likuiditas. Rasio

dibentuk dengan mempertimbangkan seluruh jangka waktu dan komponen

ketidakpastian. Selain dalam bentuk indikator prompt kebutuhan atas indikator

likuiditas yang bersifat leading, Deriantino et al. (2014) menawarkan early warning

indicator likuiditas yang dapat memprediksi terjadinya tekanan likuiditas pada

Oktober 2008.

Bank Indonesia dalam menjalankan perannya menjaga stabilitas sistem

keuangan melakukan monitoring terhadap kondisi alat likuid dan kondisi

pertumbuhan kredit sebagai penyokong pertumbuhan ekonomi. Dalam kasus

ketersediaan alat likuid, beberapa contoh indikator yang dimonitor oleh Bank

Indonesia ialah rasio alat likuid terhadap DPK (AL/DPK) 4 dan rasio alat likuid

4 AL/DPK merupakan rasio yang mencerminkan kecukupan kondisi alat likuid bank dibandingkan dengan DPK yang dimiliki bank. Threshold AL/DPK sebesar 8,5% adalah kondisi rasio AL/DPK terburuk yang dialami perbankan Indonesia saat krisis 2008 (Global Financial Crisis (GFC).

4

terhadap non-core-deposit atau NCD (AL/NCD) 5 . Pemantauan dilakukan pada

seluruh variasi, baik agregat industri, individual bank, sektoral, ataupun secara

kelompok bank.

Kondisi alat likuid yang menurun akan mempengaruhi kemampuan bank

dalam memenuhi kewajiban kepada seluruh shareholder (Diamond dan Rajan,

2000). Pada kondisi tertentu bank kekurangan alat likuid sehingga tidak dapat

menyalurkan kredit. Hal itu berdampak stimulus ekonomi dan berujung pada

penurunan pertumbuhan ekonomi. Deriantino (2014) menemukan bahwa setiap

adanya penurunan kredit sebesar 1 miliar rupiah akan menyebabkan penurunan

pertumbuhan ekonomi tiga kuartal ke depan sebesar 1,8 juta rupiah6. Namun,

dalam praktiknya Bank Indonesia belum melakukan monitoring terhadap pengaruh

alat likuid terhadap penyaluran kredit perbankan.

Dalam business process asesmen oleh Bank Indonesia, Bank Indonesia akan

melakukan asesmen terhadap empat risiko utama, yaitu risiko likuiditas, risiko

kredit, risiko operasional bank, dan risiko pasar untuk melihat adanya potensi

gangguan dalam mencapai pertumbuhan ekonomi yang telah ditargetkan (Gunadi

et al., 2014). Salah satu bentuk laporan yang digunakan oleh Bank Indonesia untuk

melakukan asesmen adalah laporan Rencana Bisnis Bank (RBB). Setiap tahun,

bank akan diminta untuk menyampaikan RBB kepada bank sentral (Bank

Indonesia) dan otoritas keuangan yang kemudian digunakan oleh pihak otoritas

untuk memproyeksi pertumbuhan kredit perbankan dan pertumbuhan ekonomi

selama satu tahun ke depan. Hasil asesmen kemudian diterjemahkan pada berapa

besar pertumbuhan kredit yang dapat dicapai perbankan pada akhir tahun.

Berdasarkan perbandingan antara kedua hasil estimasi pertumbuhan kredit

tersebut (RBB dan asesmen) didapatkan gap 7 . Kebijakan makroprudensial

diharapkan mampu menghilangkan gap antara pertumbuhan kredit RBB dan

pertumbuhan kredit asesmen Bank Indonesia. Kebijakan itu juga mencegah bank

5 Non-core-deposit (NCD) adalah bagian dari DPK yang dianggap memiliki volatilitas yang lebih tinggi. Indikator ini mencerminkan penarikan DPK saat kondisi bank run terjadi tahun

2008, Global Financial Crisis (GFC). NCD dihitung sebagai 10% giro + 30% tabungan + 30%

deposito. 6 Dampak penurunan kredit dihitung dengan menggunakan ECM. Hasil simulasi

menunjukkan tekanan pada kredit akan direspons negatif oleh pertumbuhan ekonomi (+ 3

kuartal). (Deriantino, 2014) 7 Gap didefinisikan sebagai selisih antara pertumbuhan ekonomi yang diestimasi dengan

menggunakan RBB dan asesmen Bank Indonesia.

5

mengucurkan kredit di luar kapasitas AL/NCD yang mampu membawa potensi

liquidity mismatch. Flow transmisi risiko sistemik digambarkan pada Grafik 1.

Grafik 1. Alur Risiko Sistemik

Selanjutnya, Bab 2 penelitian ini akan membahas kondisi kredit dan alat

likuid perbankan. Bab 3 akan menjelaskan konsep perhitungan yang

menghubungkan alat likuid dan kredit. Bab 4 akan menjelaskan hasil simulasi

dengan menggunakan model matematika, dan Bab 5 akan menjelaskan hubungan

antara penyaluran kredit dan banyaknya kredit macet.

6

II. BISNIS BANK

2.1 Rencana Bisnis Bank dan Kredit Target

Setiap tahun bank diwajibkan untuk membuat rencana bisnis bank (RBB)

dan dilaporkan kepada pengawas perbankan, dalam hal ini OJK (mikroprudensial)

dan BI (makroprudensial). RBB merupakan dokumen tertulis yang menggambarkan

rencana kegiatan usaha bank selama periode 1 tahun ke depan (jangka pendek) dan

periode tiga tahun (jangka menengah), termasuk di antaranya rencana untuk

meningkatkan kinerja usaha, serta strategi untuk merealisasikan rencana tersebut

sesuai dengan target dan waktu yang ditetapkan dengan tetap memperhatikan

pemenuhan ketentuan kehati-hatian dan penerapan manajemen risiko. Pengawas

bank, baik pengawas mikroprudensial maupun makroprudensial, akan

menggunakan RBB sebagai salah satu acuan dalam melakukan fungsi pengawasan.

Salah satu komponen yang terdapat pada RBB adalah jumlah kredit yang

ditargetkan untuk disalurkan sampai dengan akhir tahun. Jumlah kredit yang

harus dicapai oleh bank pada akhir tahun adalah 80% dari jumlah kredit yang

tertera pada RBB, terlepas dari berapa besar growth kredit dari 80% pencapaian

tersebut (jika dibandingkan dengan jumlah penyaluran kredit tahun sebelumnya)8.

Secara logika, bank akan menyalurkan kredit sesuai dengan target kredit yang akan

disalurkan secara berkala, besarnya porsi penyaluran kredit perbulan akan berbeda

sesuai dengan kemampuan dari individu bank.

Tabel 1 menggambarkan pencapaian kredit setiap kelompok bank

berdasarkan jumlah aset yang dimiliki (BUKU9). Secara umum keempat kelompok

BUKU memiliki pencapaian terhadap target kredit di atas 80%. Sebagai contoh,

tahun 2008, pada tahun itu Indonesia berada pada episode recovery dari global

8 Sebagai gambaran mekanisme pengawasan, Bank A menargetkan penyaluran 110 miliar rupiah pada akhir tahun 2015, pada akhir tahun pengawas mengharuskan bank untuk

menyalurkan setidaknya 88 miliar rupiah (80% dari 110 miliar rupiah). Pada tahap ini seberapa besar pertumbuhan kredit 88 miliar rupiah tersebut tidak menjadi concern

pengawas bank tersebut. Sebut saja 88 miliar rupiah adalah 10% pertumbuhan kredit jika

dibandingkan dengan tahun sebelumnya, jumlah yang relatif kecil dari sisi makro ekonomi

Indonesia. 9 Bank Indonesia membagi bank menjadi empat klasifikasi berdasarkan jumlah modal inti

yang dimiliki dengan jenis klasifikasi yang disebut sebagai Bank Umum Kegiatan Usaha

(BUKU). Bank dengan kelompok BUKU 1 memiliki modal inti di bawah 1 triliun rupiah,

BUKU 2 bank dengan modal inti 1 triliun rupiah s.d. kurang dari 5 triliun rupiah, BUKU 3

bank dengan modal inti 5 triliun rupiah s.d. kurang dari 30 triliun rupiah, dan BUKU 4 bank dengan modal inti di atas 30 triliun rupiah.

7

financial crisis (GFC). Namun, seluruh bank dapat menyalurkan kredit dengan

growth berada di atas rata-rata 27,5% (jika dibandingkan dengan tahun 2007).

Kondisi yang berbeda ditunjukkan pada tahun 2009. Dengan rasio alat likuid yang

relatif sama, penyaluran kredit pada tahun 2009 jauh lebih rendah jika

dibandingkan dengan tahun 2008 dengan rata-rata growth kredit 12,1%.

Tabel 1. Pencapaian Kredit dan Growth Kredit Perkelompok BUKU Tahun 2008–2013

Pencapaian

(%)

BUKU

4

BUKU

3

BUKU

2

BUKU

1

Growth

Kredit

Rill

BUKU

4

BUKU

3

BUKU

2

BUKU

1

2008Q4 100,0 100,0 100,0 100,0 2008Q4 30,85 24,97 38,50 15,66

2009Q4 99,9 100,0 100,3 100,0 2009Q4 14,16 11,36 6,24 16,57

2010Q4 98,6 103,4 100,0 89,6 2010Q4 18,75 28,67 24,41 18,47

2011Q4 81,8 84,5 95,9 89,2 2011Q4 20,39 23,98 26,83 23,70

2012Q4 82,5 84,4 97,3 90,2 2012Q4 22,44 18,88 22,51 30,06

2013Q4 100,5 103,5 120,2 119,7 2013Q4 21,53 17,37 22,57 19,83

2014Q4 95,8 96,3 114,8 113,9 2014Q4 10,07 8,64 11,41 17,34

Dalam praktik pengawasan perbankan, kondisi alat likuid perbankan

dimonitor tersendiri terlepas dari besarnya penyaluran kredit bank 10 . Grafik 2

menggambarkan kondisi AL/NCD (garis merah) yang dibandingkan dengan

penyaluran kredit (dalam bentuk flow). Secara umum pergerakan flow kredit tidak

terpengaruh dari kondisi alat likuid perbankan. Sebagai contoh, bulan Desember

2014 kondisi AL/NCD lebih rendah daripada bulan November 2014, tetapi

penyaluran kredit pada bulan Desember 2014 lebih tinggi daripada bulan November

2014.

10 Alat likuid perbankan diamati menjadi tiga indikator utama, yaitu AL/DPK dengan threshold 8,5%, AL/NCD dengan threshold 50%, dan delta AL/TA dengan threshold -9,9%.

8

Grafik 2. Alat Likuid dan Penyaluran Kredit

2.2 Alat Likuid sebagai Sebuah Indikator

Bank sebagai suatu lembaga dengan bisnis utama mengubah aset likuid dari

DPK menjadi investasi jangka panjang yang bersifat non-marketable (Muljawan et

al., 2014) membuat penting bagi perbankan untuk mengalokasikan jumlah alat

likuid yang tepat untuk memenuhi kebutuhan jangka pendek atau jangka panjang

(Diamond dan Rajan, 2000). Pertanyaan selanjutnya, jumlah alat likuid untuk

perbankan apakah dapat diukur dengan tepat? Apakah strategi likuiditas

perbankan berubah sesuai dengan waktu?

Bank Indonesia sebagai bank sentral dalam upayanya untuk menjaga

stabilitas sistem keuangan melakukan monitoring terhadap kondisi alat likuid

perbankan11. Kondisi alat likuid dimonitor dalam berbagai bentuk, sebagai contoh

adalah rasio AL/DPK, AL/NCD, atau AL/TA12. Gunadi dan Taruna (2015, forth

coming) menyatakan bahwa setiap indikator alat likuid memiliki karakteristik yang

berbeda13. Pada kasus tahun 2005 (waktu permulaan akan terjadinya krisis GFC)

Grafik 3 menunjukkan bahwa indikator AL/TA menggambarkan perubahan

11 Alat likuid didefinisikan sebagai jumlah kas, surat-surat berharga, dan penempatan pada

BI. 12 AL/TA adalah perbandingan jumlah alat likuid perbankan dibandingkan dengan jumlah

total aset (TA). Indikator ini mengindikasikan kemampuan bank dalam memenuhi seluruh

kewajiban, baik jangka pendek maupun jangka panjang. 13 Pada penelitian “Penyempurnaan ISSK”, Gunadi dan Taruna (forth coming 2015)

mendapatkan adanya perubahan karakteristik pada indikator AL/DPK dan AL/TA (terdapat structural break) pada periode GFC dengan menggunakan Quandt-Andrew Test (1960 dan

1994) dan Chow Test (1960).

9

karakteristik sebelum krisis, sedangkan AL/DPK mengambarkan perubahan

karakteristik pada tahun 2006 (setelah krisis).

Sumber: Gunadi dan Taruna (2015), Revisit ISSK

Grafik 3. Structural Break AL/DPK dan AL/TA

Lebih jauh, Gunadi et al. (2015) mengungkapkan bahwa jika dilihat secara

menyeluruh yang dicerminkan oleh Grafik 4, indikator AL/DPK mengalami

perubahan drastis saat terjadi bank run pada krisis. Karakteristik AL/TA lebih

reluctant untuk berubah digambarkan dari periode setiap adanya structural break.

Secara umum komposisi total aset melingkupi jenis aset yang tidak rentan terhadap

bank run dibandingkan DPK, sebagai contoh aset tersebut adalah gedung dan modal

disetor.

Sumber: Gunadi dan Taruna (2015), Revisit ISSK

Grafik 4. Structural Break AL/DPK dan AL/TA Menyeluruh

10

Pada penelitian ini uji structural break terhadap indikator AL/NCD akan

dilakukan untuk dapat menangkap gambaran karakteristik dari indikator tersebut

serta untuk mendapatkan gambaran yang lebih lengkap terhadap karakteristik

indikator rasio alat likuid. Grafik 5 menggambarkan karakteristik dari rasio AL/NCD

yang berbeda dengan dua rasio alat likuid lainnya, yaitu AL/NCD mengalami

structural break pada periode krisis mini tahun 2005. Dalam perkembangannya,

pascakrisismini tahun 2005, bank telah dapat menyesuaikan kondisi alat likuid

terhadap kemungkinan adanya bank rush. Hal itu diindikasikan bahwa tidak

adanya perubahan error indikator AL/NCD pada uji structural break.

Grafik 5. Structural Break AL/NCD Single dan Joined

Harun dan Renanda (2013) menjelaskan bahwa peningkatan NCD

mengindikasikan terjadinya tekanan pada kondisi likuiditas perbankan yang jika

terjadi pada sejumlah bank, baik kecil maupun besar akan menyebabkan

instabilitas pada sistem keuangan. Lebih jauh, Harun dan Renanda (2013)

mengatakan bahwa bank harus mampu memprediksi bagian dari DPK-nya yang

dapat ditarik sewaktu–waktu (NCD) serta menyediakan likuiditas untuk memenuhi

kewajiban tersebut. Grafik 6 menginformasikan bagaimana growth NCD

menggambarkan kondisi tekanan likuiditas yang dialami perbankan pada tahun

2005 (mini crisis) dan tahun 2008 (GFC) jika dibandingkan dengan growth DPK dan

TA.

11

Grafik 6. Growth Denominator Komponen Rasio Alat Likuid

Berdasarkan stylized facts dan analisis terhadap ketiga indikator rasio alat

likuid, NCD merupakan indikator yang menunjukkan jumlah DPK yang rentan

terhadap penarikan sewaktu-waktu dan dapat berdampak pada jumlah penyaluran

kredit bank. Atas dasar itulah, peneliti akan menggunakan rasio AL/NCD sebagai

indikator likuiditas perbankan. AL/NCD dianggap dapat menggambarkan strategi

bank untuk selalu memenuhi kebutuhan likuiditas jangka pendek dan antisipasi

dalam menghadapi tekanan likuiditas yang dapat timbul setiap saat. AL/NCD akan

dihubungkan dengan indikator target kredit (𝑇𝐾) untuk mendapatkan gambaran

potensi penyaluran kredit perbankan yang dilihat dari pemenuhan likuiditas jangka

pendek dan penyaluran kredit yang memiliki jangka panjang.

12

III. HUBUNGAN ALAT LIKUID DAN KREDIT DALAM MATEMATIKA

3.1 Model Matematika

Untuk menghubungkan kredit dan alat likuid, penelitian ini merancang

model matematika untuk melihat pengaruh alat likuid yang dimiliki perbankan

terhadap penyaluran kredit beserta penentuan ambang batas (threshold).

Perbankan dapat menyalurkan kredit berdasarkan alat likuid tersebut.

Diasumsikan bahwa bank akan menyalurkan kredit minimal sesuai dengan

target kredit (𝑇𝐾). 𝑇𝐾 kemudian digunakan sebagai acuan target penyaluran kredit

sepanjang tahun, sebagai gambaran 𝑇𝐾 pada tahun 2008 (bulan desember) akan

dihitung sebagai prorata penyaluran kredit pada tahun 2009 dan akan berulang

untuk setiap tahunnya. Tabel 2 menggambarkan penggunaan TK. Pada tabel

tersebut diberikan contoh pada tahun 2011. Dengan menggunakan 𝑇𝐾 dapat dilihat

bagaimana kondisi bank dalam menyalurkan kredit jika dilihat dari selisih kredit

antara realisasi dan 𝑇𝐾.

Tabel 2. Penggunaan Target Kredit

Contoh Kredit realisasi

December-11 181.7 148.2

January-11 (18.9) 12.3

February-11 (10.9) 24.7

March-11 21.8 37.0

April-11 47.1 49.4

May-11 72.1 61.7

June-11 102.7 74.1

July-11 99.9 86.4

August-11 119.4 98.8

September-11 148.5 111.1

October-11 158.5 123.5

November-11 190.4 135.8

December-11 242.1 148.2 402.2

January-12 (17.0) 33.5

February-12 0.6 67.0

March-12 23.0 100.5

April-12 53.0 134.1

May-12 88.5 167.6

June-12 135.1 201.1

July-12 155.9 234.6

August-12 170.2 268.1

September-12 214.7 301.6

October-12 215.6 335.1

November-12 241.9 368.6

December-12 288.6 402.2

Target Kredit

13

Target kredit akan dihitung dengan menggunakan komponen kredit pada

RBB. Target kredit merupakan perubahan (delta) kredit RBB yang dibandingkan

dengan kredit realisasi pada tahun sebelumnya dan dibagi sesuai dengan bulannya

(prorata). Target kredit diasumsikan sebagai sejumlah kredit yang harus berpotensi

untuk disalurkan setiap bulannya, tergantung dari kemampuan bank yang

tercermin dari RBB. Target kredit dapat digambarkan sebagai berikut.

𝑇𝐾𝑡 = (𝐾𝐵𝑡 − 𝐾𝑅𝑡−1) ∗ 𝑛/12

Keterangan:

𝑇𝐾𝑡 : target kredit pada waktu t

𝐾𝐵𝑡 : kredit RBB pada waktu 𝑡

𝐾𝑅𝑡−1 : kredit realisasi pada waktu 𝑡 − 1

𝑛 : bulan

Langkah berikutnya adalah penghitungan sisa potensi. Sisa potensi

merupakan selisih antara target kredit dan realisasi (ytd). Sisa potensi dihitung

untuk menangkap berapa besar sisa kredit yang belum disalurkan oleh bank

terhadap TK pada waktu t, monthly basis. Sisa potensi dapat diformulasikan sebagai

berikut.

𝑆𝑃𝑡 = (𝑇𝐾𝑡 −𝐾𝑅𝑡)

Keterangan:

𝑆𝑃𝑡 : Sisa Potensi pada waktu 𝑡 − 1

𝑇𝐾𝑡 : target kredit pada waktu t

𝐾𝐵𝑡 : kredit RBB pada waktu 𝑡

Selanjutnya, untuk menghubungkan kondisi alat likuid yang dimiliki oleh

perbankan dengan penyaluran kredit, peneliti mendesain hubungan matematika

dengan menggunakan rumus “jarak antara dua titik”. Rumus jarak antara dua titik

dapat dijabarkan sebagai berikut.

𝑥 − 𝑥1𝑥2 − 𝑥1

= 𝑦 − 𝑦1𝑦2 − 𝑦1

Keterangan:

𝑥 : AL/NCD

𝑥1 : batas atas AL/NCD

𝑥2 : batas bawah AL/NCD

𝑦 : penyaluran kredit

14

𝑦1 : batas atas kredit

𝑦2 : batas bawah kredit

Rumus di atas digunakan untuk melihat gradasi kemampuan bank dalam

menyalurkan kredit dengan peningkatan (penurunan) alat likuid yang dimiliki.

Semakin tinggi alat likuid yang dimiliki bank, semakin tinggi kemampuan bank

menyalurkan kredit atau sebaliknya.

Pada penelitian ini asumsi yang digunakan adalah apabila AL/NCD di bawah

30% maka dianggap bank tidak dapat menyalurkan kredit dan pencapaiannya 0%*

𝑆𝑃. Namun, bank dengan AL/NCD = 100% dianggap dapat mencapai penyaluran

kredit 100%* 𝑆𝑃, bank dengan 30% ≤ AL/NCD < 100% akan mengikuti gradasi

pencapaian yang dihitung dengan rumus jarak antara dua titik pertama, dan bank

dengan 30% ≤ AL/NCD < 100% akan mengikuti rumus jarak antara dua titik kedua.

Untuk memberikan gambaran lebih jelas terkait dengan hal itu, Gambar 1

menjabarkan keempat kondisi yang digunakan pada penelitian ini.

Gambar 1. Tiga Kondisi Alat Likuid Perbankan (AL/NCD)

Grafik 7 menggambarkan gradasi dari pencapaian bank dalam menyalurkan

kredit sesuai dengan peningkatan (penurunan) alat likuid. Bank dengan 30% ≤

AL/NCD < 100% diasumsikan memiliki kemampuan menyalurkan kredit sesuai

dengan alat likuid yang dimiliki dan kondisi optimal (penyaluran 100%) saat bank

memiliki AL/NCD 100%, sedangkan bank dengan kondisi AL/NCD ≥ 100%

diasumsikan memiliki potensi untuk menyalurkan kredit lebih tinggi dari 100%.

15

Grafik 7. Gradasi Pencapaian Penyaluran Kredit (Contoh BUKU 4)

Seluruh perhitungan kemudian digunakan untuk melihat potensi bank

dalam menyalurkan kredit yang dikaitkan dengan kondisi alat likuid. Potensi

penyaluran kredit akan dihitung dengan dua konsep besar, yaitu (i) seberapa besar

bank dapat memenuhi target kredit (selanjutnya akan disebut potensi target/PT)

dan (ii) seberapa besar potensi bank dapat menyalurkan kredit (selanjutnya akan

disebut potensi kredit/PK). Sebagai gambaran PT akan digambarkan oleh Grafik 8,

dicontohkan pada BUKU 4. Berdasarkan kondisi AL/NCD, BUKU 4 secara umum

memiliki potensi untuk menyalurkan kredit lebih tinggi dari TK setiap bulannya

(grafik kiri). Kondisi berbeda ditunjukkan pada semester kedua tahun 2013 dan

semester pertama tahun 2014, PT BUKU 4 berada di bawah TK yang disebabkan

kondisi pada periode tersebut berada di bawah 100%. Grafik kanan menggambarkan

PK dari BUKU 4. Berdasarkan kondisi AL/NCD bank seharusnya dapat

menyalurkan kredit lebih tinggi dari kredit yang telah direalisasikan.

16

Grafik 8. Potensi Target dan Potensi Kredit BUKU 4 (Contoh)

Potensi Target (PT) dihitung dengan rumus:

𝑃𝑇𝑡 = (𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡 + 𝐾𝑅𝑡)

Keterangan:

𝑃𝑇𝑡 : Potensi Target pada waktu t

𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡 : rumus jarak antara dua titik pada waktu t

𝐾𝑅𝑡 : kredit realisasi pada waktu t

Potensi target dihitung dengan rumus:

∆𝑡= 𝑇𝐾𝑡 − 𝑃𝑇𝑡

𝑃𝐾𝑡 = (𝐾𝑅𝑡 + ∆𝑡)

Keterangan:

∆𝑡 : delta pada waktu t

𝑇𝐾𝑡 : target kredit pada waktu t

𝑃𝑇 : potensi target pada waktu t

𝑃𝐾𝑡 : potensi kredit pada waktu t

𝐾𝑅𝑡 : kredit realisasi pada waktu t

Dengan menggunakan konsep perhitungan potensi target dan potensi kredit,

karakteristik setiap kelompok bank berdasarkan BUKU akan dapat disimulasikan.

3.2 Ambang Batas (Threshold)

17

Pemilihan asumsi ambang batas (threshold) AL/NCD 30%–100% dianggap

kondisi yang dapat menangkap kebutuhan dari perbankan di Indonesia. Kondisi

AL/NCD di bawah 30% dianggap telah mencapai kondisi yang berbahaya dan

dianggap bank tengah mengalami kondisi liquidity squeeze dan/atau liquidity

freeze14,sedangkan pemilihan ambang batas atas 100% dimaksudkan bahwa bank

dapat memenuhi seluruh kebutuhan likuiditas saat DPK dengan karakteristik NCD

ditarik pada periode tertentu.

Tabel 3 menggambarkan statistik perbankan yang berada pada ambang

batas (30%–batas atas). Secara keseluruhan, rata-rata dua tahun (individual bank)

ambang batas AL/NCD 100 melingkupi 37% bank (dari total 119 bank), dengan

frekuensi pada BUKU 4 dan 3 mengalami peningkatan yang signifikan jika

dibandingkan dengan ambang batas atas 90%. Namun, dengan menggunakan

ambang batas atas 120%, peningkatan frekuensi pada buku 4 dan 3 tidak

mengalami angka yang cukup signifikan. Pemilihan ambang batas dititikberatkan

pada BUKU 4 dan 3 karena kedua kelompok BUKU memiliki share terhadap total

alat likuid industri perbankan sebesar 58,7% (BUKU 4); 31,1% (BUKU 3); total NCD

sebesar 59,4% (BUKU 4); dan 31,4% (BUKU 3). Berdasarkan kondisi yang

dicerminkan dari tabel di atas, penelitian ini akan menggunakan ambang batas atas

untuk AL/NCD sebesar 100%.

Tabel 3. Variasi Ambang Batas

Batas Atas AL/NCD

(%)

Rata-rata 2 tahun Frekuensi 2 tahun

Individu (%) BUKU 4

(%) BUKU 3

(%) BUKU 2

(%) BUKU 1

(%)

90 35 4 14 0 2

100 44 16 21 4 3

120 62 23 24 18 14

Untuk menguji ambang batas, peneliti melakukan tes terhadap kondisi alat

likuid yang dimiliki oleh perbankan untuk melihat overview kondisi pada individu

14 Dalam asesmen yang dilakukan oleh Bank Indonesia, ambang batas yang digunakan

adalah 50% atau setengah dari NCD yang dimiliki bank. Ambang batas bawah 30% dianggap bahwa bank masih dapat mencari alat likuid lain sebelum mengalami frezee saat kondisi

AL/NCD mulai berkurang dari 50%. Sebagai contoh, pemenuhan likuiditas dengan mengambil ELA (emergency liquidity assistance) atau likuidasi aset.

18

perbankan. Tes dilakukan dengan menerapkan tiga kondisi yang menjadi kondisi

awal dari perbankan yang secara detail tampak sebagai berikut.

AL/NCD < 30% : data akan berwarna merah, bank dianggap tidak dapat

menyalurkan kredit

30% ≤ AL/NCD < 100% : data akan berwarna oranye, bank dianggap

menyalurkan kredit sesuai dengan kondisi alat likuid

(AL/NCD)

AL/NCD ≥ 100% : data akan berwarna putih, bank dianggap dapat

menyalurkan kredit sesuai atau melebihi target kredit

(TK)

Hasil tes, Tabel 4, memberikan gambaran kondisi alat likuid perbankan

secara individual di Indonesia. Tes menunjukkan bahwa kondisi alat likuid

perbankan beragam dengan beberapa bank berada hampir selalu pada kondisi

merah sepanjang waktu dan dengan mayoritas bank berada pada kondisi oranye.

Berdasarkan pada asumsi yang digunakan, kondisi ini dapat mempengaruhi

penyaluran kredit.

Tabel 4. Kondisi Alat Likuid Perbankan di Indonesia, Individu Bank

19

Berdasarkan karakteristik individu bank, khusus untuk kelompok bank

BUKU 2 dan BUKU 1, pengelompokkan bank didasarkan selain berdasarkan kondisi

modal, kelompok BUKU 2 dan BUKU 1 akan dikelompokkan lagi berdasarkan jenis

kepemilikannya. Hal itu dilakukan untuk dapat menangkap kondisi alat likuid yang

lebih sensitive sebab bank dengan kepemilikian KBCA memiliki kondisi AL/NCD

yang relatif lebih besar jika dibandingkan dengan kelompok bank lain dan kelompok

bank dengan kepemilikan BPD memiliki karakteristik DPK yang cenderung akan

banyak ditarik saat anggaran daerah direalisasikan. Adapun delapan kelompok

BUKU yang akan digunakan adalah BUKU 4, BUKU 3, BUKU 2 KCBA, BUKU 2 BPD,

BUKU 2 Umum, BUKU 1 KCBA, BUKU 1 BPD, dan BUKU 1 Umum15.

3.3 Simulasi

Simulasi dilakukan dengan menggunakan data perbankan yang bersumber

dari Laporan Bank Umum (LBU), laporan perbankan dengan frekuensi bulanan.

Simulasi akan difokuskan pada kelompok bank berdasarkan BUKU. Periode seluruh

data bermula dari September 2000 sampai dengan Desember 2014. Khusus untuk

simulasi dengan menggunakan rumus perhitungan yang ditawarkan, simulasi akan

dilakukan untuk tujuh tahun, yaitu tahun 2008 s.d. 2014 karena ketersediaan data

kredit yang bersumber dari RBB bermula dari tahun 2008.

Berdasarkan hasil simulasi terhadap PT, mayoritas kelompok bank memiliki

potensi penyaluran kredit di atas TK setiap bulannya dengan variasi penurunan PT

pada akhir tahun akibat dari seasonal event seperti tahun baru dan pemenuhan

anggaran (Grafik 9). Tingginya PT dari setiap bank didukung oleh tingginya rasio

likuiditas bank yang dicerminkan oleh AL/NCD. Kasus bank BUKU 3 pada tahun

2009–2011 memiliki pola potensi target yang lebih tinggi dari target kredit. Namun,

pada tahun 2012–2014 bank BUKU 3 terlihat memiliki rencana yang lebih agresif

dalam menyalurkan kredit karena target kredit melebihi potensi target. Selain bank

BUKU 3 yang terlihat berencana agresif dalam menyalurkan kredit, kelompok bank

BUKU 2 BPD dan kelompok bank BUKU 1 Umum juga terlihat memiliki pola target

kredit melebihi potensi kredit. Kondisi yang cukup menarik ditunjukkan oleh

kelompok bank BUKU 2 KCBA dan kelompok bank BUKU 1 KCBA, kedua kelompok

bank itu memiliki PT yang relatif sangat tinggi, jauh melampaui target kredit

disebabkan oleh karakteristik kedua kelompok bank tersebut memiliki NCD dan

15 Kepemilikan umum adalah bank dengan kepemilikan selain BPD dan KCBA.

20

DPK yang relatif sedikit. Hal itu disebabkan kedua kelompok bank tersebut

menjalankan proses bisnisnya dengan menggunakan dana usaha dari kantor pusat

(parent company) untuk disalurkan kembali dalam bentuk kredit.

Dalam Grafik 9 dapat diamati kelompok bank yang memiliki realisasi kredit

yang lebih besar daripada target kredit. Mayoritas kelompok bank cukup agresif

dalam menyalurkan kredit sepanjang waktu data sampel. Bank BUKU 4 agresif

dalam menyalurkan kredit pada tahun 2011, begitu juga Bank BUKU 3 pada tahun

2010 dan 2011. Khusus untuk kelompok bank BUKU 2 Umum, kredit yang telah

direalisasikan selalu melebihi target kredit pada sepanjang tahun data sampel. Pada

Kelompok Bank BUKU 1 perilaku agresif dalam penyaluran kredit juga terjadi pada

hampir sepanjang tahun data sampel. Hasil simulasi menggambarkan bahwa bank

memiliki potensi target yang lebih tinggi dan jika potensi itu direalisasikan dapat

dihasilkan pertumbuhan ekonomi yang lebih baik.

21

Grafik 9. Potensi Target Per-BUKU

Hasil simulasi PK mengonfirmasi hasil simulasi PT, yaitu kemampuan

mayoritas bank menyalurkan kredit lebih besar dari target kredit sehingga

kemampuan bank dalam menyalurkan kredit berpotensi lebih besar dari yang telah

disalurkan (Grafik 10). Dari grafik tahun 2012 dan 2013, mayoritas kelompok bank

memiliki potensi menyalurkan kredit yang relatif superior jika dibandingkan dengan

tahun-tahun pada sampel data simulasi, sedangkan dari sisi AL/NCD, tahun 2012

dan 2013 secara rata-rata lebih rendah (110,31% tahun 2012 dan 92,14% tahun

2013) jika dibandingkan dengan tahun pada data sampel (151,01% tahun 2008;

162,17% tahun 2009; 137,43% tahun 2010; 125,06% tahun 2011; dan 89,95%

tahun 2014). Hal itu menggambarkan potensi bank dalam menyalurkan kredit

seharusnya jauh lebih tinggi jika dibandingkan dengan realisasi, terlepas dari

kondisi alat likuid yang dimiliki.

22

Grafik 10. Potensi Kredit Per-Buku

Berdasarkan realisasi kredit, tahun 2012 dan tahun 2013 memiliki rata-rata

pertumbuhan kredit yang lebih tinggi dibandingkan dengan tahun pada sampel data

simulasi. Tabel 5 menunjukkan kondisi pertumbuhan kredit dari setiap buku. Pada

akhir tahun pertumbuhan setiap BUKU pada kurun waktu 2012 dan 2013

menunjukkan nilai yang superior jika dibandingkan dengan sampel data simulasi.

Seperti dijelaskan sebelumnya, kondisi AL/NCD bank pada tahun 2012 dan 2013

masih menunjukkan kondisi yang relatif stabil jika dibandingkan dengan tahun

pada data sampel (berada pada kisaran 100%). Namun, kondisi alat likuid itu tidak

mempengaruhi penyaluran kredit bank meskipun penyaluran kredit pada dua

tahun lebih superior.

23

Tabel 5. Pertumbuhan Kredit Setiap Kelompok BUKU

Kondisi apa yang akan mempengaruhi bank dalam menyalurkan kredit

menjadi pertanyaan lebih lanjut. Dengan kondisi alat likuid, AL/NCD yang relatif

stabil berada di atas atau pada kisaran ambang batas 100%. Realisasi kredit bank

tidak menunjukkan penyaluran yang mendekati potensinya, bank akan cenderung

untuk menyalurkan kredit pada level tertentu. Jika permintaan akan kredit bank

dapat diamati, apakah bank menyalurkan kredit hanya dari sisi demand tanpa

memperhitungkan kondisi alat likuid yang dimilki? Apakah bank menyalurkan

kredit hanya berdasarkan kondisi supply untuk mendapatkan profit yang sebesar-

besarnya tanpa memperhitungkan kondisi likuiditas yang dimiliki?

3.3 Pengaruh Alat Likuid dalam Domain Waktu terhadap Kredit

Hasil analisis terhadap simulasi menggambarkan bahwa bank akan

menyalurkan kredit. Hal itu ditunjukkan oleh PT dan PK melebihi TK, terlepas dari

kondisi alat likuid. Pada sesi ini kami mencoba melihat keterkaitan antara waktu

pada setiap indikator. Simulasi dilakukan untuk menentukkan lag pada indikator

alat likuid AL/NCD yang sebaiknya digunakan pada rumus yang ditawarkan.

Simulasi dilakukan dengan menggunakan ARDL (auto regressive distributed lags)

dengan indikator independennya adalah kredit dan dependen indikatornya adalah

AL/NCD, sedangkan untuk waktu lag digunakan adalah maksimal dua bulan atau

𝑡 − 2 sesuai dengan bisnis bank, yaitu bank cenderung mengonversi DPK yang

memiliki maturity jangka pendek menjadi kredit yang memiliki maturity jangka

panjang.

KCBA BPD Swasta KCBA BPD Swasta

rata-rata 2008 33.29 32.73 35.33 30.18 35.24 55.01 33.37 12.94

rata-rata 2009 23.79 14.76 12.57 31.16 15.41 -21.00 27.30 12.10

rata-rata 2010 16.50 21.34 10.19 20.41 25.21 40.12 17.52 19.55

rata-rata 2011 22.38 32.18 19.29 21.30 39.22 26.57 28.29 21.58

rata-rata 2012 23.25 23.88 26.87 22.73 32.28 41.19 23.43 30.76

rata-rata 2013 24.80 18.32 23.46 24.37 24.81 40.51 22.72 27.47

rata-rata 2014 16.25 14.51 21.17 15.63 16.43 33.53 17.43 17.37

Dec 2008 32.34 26.55 42.48 34.84 27.02 -11.43 31.44 14.10

Dec 2009 15.64 12.93 -9.11 26.22 13.69 23.85 21.73 18.27

Dec 2010 20.24 30.25 21.72 19.40 37.89 22.77 23.26 17.76

Dec 2011 21.88 25.55 22.20 21.38 41.01 15.87 25.58 25.79

Dec 2012 23.92 20.45 24.51 25.37 23.85 57.85 24.14 32.93

Dec 2013 23.01 18.94 31.15 21.49 20.93 39.02 19.58 20.29

Dec 2014 11.55 10.22 10.26 12.86 15.39 26.31 18.30 16.54

2 14 3

24

Tabel 6 menggambarkan lag dari Al/NCD yang sebaiknya digunakan serta

keterkaitan penyaluran kredit sekarang dengan penyaluran kredit pada bulan

sebelumnya. Sebagaimana pembelajaran, bank dalam menyalurkan kredit akan

menggunakan seluruh indikator terkait pada masa lalu sehingga akan

menghasilkan kredit yang lebih mendatangkan kredit pada masa yang akan datang.

Dari sisi alat likuid hasil ARDL menunjukkan bahwa kelompok bank BUKU 4, BUKU

3, BUKU 1 BPD, dan BUKU 1 Umum memperhitungkan kondisi alat likuid yang

dimiliki pada bulan sebelumnya. Muljawan dan Taruna (2013) menggambarkan

bagaimana bank berperilaku dalam PUAB. Bank-bank pada kelompok bank BUKU

4 dan bank BUKU 3 cenderung berperan sebegai net borrower. Hal itu menunjukkan

bahwa alat likuid yang dimiliki pada waktu 𝑡 cenderung untuk digunakan dalam

pemenuhan kebutuhan jangka pendek, sedangkan penyaluran kredit didasarkan

pada perhitungan menggunakan kondisi alat likuid pada bulan sebelumnya.

Tabel 6. Rekapitulasi Simulasi ARDL

BUKU

4 BUKU 3

BUKU 2

KCBA

BUKU 2

BPD

BUKU 2

Umum

BUKU 1

KCBA

BUKU 1

BPD

BUKU 1

Umum

Kredit t-1, t-2 t-1, t-2 t-1, t-2 t-1, t-2 t-1, t-2 t-1, t-2 t-1, t-2 t-1, t-2

AL/NC

D t-1 t-1, t-2 - t - t t, t-1 t, t-1, t-2

Kelompok bank BUKU 2 KCBA dan BUKU 1 KCBA cenderung menyalurkan

kredit dengan tanpa memperhitungkan kondisi alat likuid yang dimiliki atau BUKU

1 KCBA memperhitungkan kondisi AL/NCD pada waktu 𝑡. Hal itu berarti sesuai

dengan bisnis proses dari kelompok bank dengan kepemilikan KCBA karena bank

pada kelompok tersebut menunggukan dana usaha yang bersumber dari kantor

pusat (parent company) sebagai pengganti DPK.

Hasil statistik dengan menggunakan ARDL akan digunakan untuk uji

simulasi rumus yang ditawarkan dengan menggunakan lag pada indikator AL/NCD,

kecuali kelompok bank BUKU 2 KCBA dan bank BUKU 2 Umum. Kedua kelompok

bank tersebut tidak memiliki ketergantungan pada alat likuid dalam menyalurkan

kredit sehingga simulasi untuk kedua kelompok bank ini tetap mengunakan alat

likuid pada waktu t. Hasil simulasi akan digunakan untuk melihat seberapa

signifikan hasil penggunaan lag AL/NCD terhadap penyaluran kredit bank.

Hasil simulasi dengan menggunakan lag, Grafik 11, menggambarkan potensi

kredit dengan menggunakan lag 𝑡 − 1 yang menghasilkan potensi yang tidak

25

berubah jika dibandingkan dengan hasil simulasi dengan tanpa lag. Hasil simulasi

tersebut secara garis besar menunjukkan bahwa kondisi bank (dengan dan tanpa

lag 1 bulan) memiliki alat likuid (AL/NCD) yang berada di atas ambang batas atas

(100%).

Grafik 11. Hasil Simulasi Tanpa Lag dan dengan Lag 1 Bulan

26

Keseluruhan simulasi menggambarkan adanya faktor lain yang

mempengaruhi bank dalam menyalurkan kredit. Kondisi alat likuid tidak

mempengaruhi besarnya bank dalam menyalurkan kredit jika dibandingkan dengan

potensi kredit dan potensi target yang seharusnya dapat disalurkan bank.

27

IV. PENGARUH KREDIT MACET DALAM BISNIS BANK

4.1 NPL pada Penyaluran Kredit

Non-performing loans (NPL) merupakan salah satu indikator utama yang

dipantau, baik oleh bank sentral maupun oleh pihak bank secara pribadi.

Peningkatan NPL yang tinggi dapat berakibat pada profit yang didapatkan bank

secara khusus dan pada kinerja bank secara umum. Pada kondisis boom, bank

cenderung akan menyalurkan kredit secara besar (cyclical behavior). Penyaluran

kredit tersebut akan memiliki tiga karakteristik, yaitu (i) sumber dana penyaluran

kredit tidak netral karena kredit pada boom cenderung dibiayai oleh sumber selain

dana pihak ketiga16, (ii) penempatan kredit pada sektor yang salah atau pada debitor

yang salah17, dan (iii) penyaluran kredit yang tidak sesuai dapat berefek pada saat

krisis terjadi (peningkatan NPL yang tidak terkendali)18.

Berkaca pada peningkatan NPL saat penyaluran kredit tidak diikuti dengan

strategi untuk mengatasi NPL, peneliti akan melihat bagaimana kemungkinan

peningkatan NPL akan berpengaruh terhadap penyaluran kredit perbankan.

Semakin rendah rasio NPL yang dimiliki oleh bank, seharusnya membuat bank

semakin tinggi dalam menyalurkan kredit dan semakin tinggi rasio NPL akan

diasumsikan bahwa bank semakin rendah dalam menyalurkan kredit.

Secara tren kondisi NPL per kelompok BUKU menunjukkan bahwa kondisi

NPL berada pada kondisi yang stabil. Grafik 12 menunjukkan tren NPL setiap

kelompok bank. Secara umum NPL keenam bank berada di antara range 1%–7%,

batas bawah 1% ditunjukkan dengan garis kuning dan batas atas 7% ditunjukkan

oleh garis merah.

16 Sumber dana yang umum digunakan pada fase boom adalah portofolio investment (PI).

Secara karakteristik PI merupakan sumber investasi yang bersifat sangat volatil. 17 Misalokasi penempatan kredit pada debitor yang cenderung memiliki risiko berbahaya. 18 Tiga karakteristik diungkapkan oleh Borio (2015).

28

Grafik 12. Tren NPL Berdasarkan Kelompok Bank

Semakin tinggi rasio NPL perbankan diasumsikan bahwa kemampuan

menyalurkan kredit akan semakin rendah. Peneliti akan menggunakan tiga kondisi

pada kasus NPL dengan penyaluran kredit (i) NPL < 1%, bank dapat menyalurkan

100% TK; (ii) NPL ≥ 7%, bank tidak dapat menyalurkan kredit; dan (iii) 1% ≤ NPL ≤

7% bank akan menyalurkan kredit sesuai dengan rumus jarak antara dua titik19.

Grafik 13 menggambarkan gradasi penyaluran kredit berdasarkan ketiga kondisi

yang digunakan.

19 Batas bawah 1% dan digunakan sebagai range dengan tujuan buffer NPL mencapai angka

5%. Pada ketentuan BASEL II, NPL mencapai tingkat berbahaya pada 5%.

29

Grafik 13. Gradasi Penyaluran Kredits Sesuai dengan Asumsi

Hasil simulasi dengan menggunakan ketiga asumsi di atas menunjukkan

bahwa seluruh kelompok bank cenderung untuk menyalurkan kredit di atas PT

(Grafik 14). Untuk kelompok bank BUKU 4 dan BUKU 3, kedua kelompok bank itu

cenderung menyalurkan kredit di bawah PT.

30

Grafik 14. Potensi Target per BUKU–NPL

Potensi bank dalam menyalurkan kredit, PK digambarkan oleh Grafik 15,

seluruh kelompok bank dilihat dari kondisi NPL berpotensi untuk menyalurkan

kredit lebih tinggi dari realisasinya. Kondisi NPL perbankan yang relatif rendah

(baik) seharusnya mendorong bank untuk menyalurkan kredit lebih tinggi.

31

Grafik 15. Potensi Kredit terkait NPL

32

V. SIMPULAN DAN SARAN

5.1 Simpulan

1. Secara teori penyaluran kredit akan memiliki hubungan dengan kepemilikian alat

likuid bank. Semakin banyak alat likuid yang dimiliki, bank akan dapat

menyalurkan kredit lebih banyak.

2. Dengan memperhitungkan kondisi alat likuid bank, perhitungan potensi target

dan potensi kredit dapat memberikan gambaran potensi yang dimiliki bank untuk

menyalurkan kredit lebih tinggi daripada realisasi kredit.

3. Hasil simulasi menunjukkan strategi dari delapan kelompok bank dalam

menyalurkan kredit dikaitkan dengan kondisi alat likuid. Secara umum

kedelapan kelompok bank menyalurkan kredit selalu lebih rendah daripada

potensi yang dimiliki, terlepas dari besarnya rasio AL/NCD.

4. Sejalan dengan asumsi hubungan alat likuid dengan penyaluran kredit, asumsi

hubungan antara NPL dan penyaluran kredit dapat digunakan untuk melihat

bagaimana perilaku bank terhadap kondisi indikator terkait kredit.

5. Kondisi penyaluran kredit bank akan bergantung pada kondisi alat likuid dan

kredit macet bank pada waktu sebelumnya, tetapi pada praktiknya bisnis bank

tidak sederhana dan perlu diperhatikan bahwa bisnis bank tidak hanya

bergantung pada kondisi alat likuid dan kredit macet, tetapi juga prospek

penyaluran kredit ke depan dan kondisi pertumbuhan ekonomi saat penyaluran

kredit diberikan (demand- supply rule).

5.1. Saran

1. Permodelan penyaluran kredit dapat dihubungkan dengan faktor lain, seperti

kondisi operasional bank, baik secara individu maupun industri atau dapat

menggabungkan beberapa pertimbangan dalam perhitungan sebagai contoh

model matematika menggabungkan kondisi kredit dan alat likuid ke dalam satu

model.

2. Konsep pemodelan matematika pada penelitian ini dapat memperhitungkan

interaksi antarvariabel sehingga asumsi model tidak linear.

33

DAFTAR PUSTAKA

Chow, Gregory C., "Tests of Equality Between Sets of Coefficients in Two Linear Regressions", Econometrica, 1960.

Diamond, D.W. and Dybvig, Philip H., (1983), “Bank Runs, Deposit Insurance, and Liquidity”, JSTOR The Journal of Political Economy.

Diamond, D.W. and Rajan, R.G., (2000), ”A Theory of Banking Capital”, Journal of Finance.

Diamond, D.W. and Rajan, R.G., (2001), ”Liquidity risk, Liquidity Creation and Financial Fragility: A Theory of Banking”, NBER Working Paper.

Deriantino, Elis, Ndari Suryaningsih, dan Diana Yumanita, (2014), “Early Warning Indicator Risiko Likuiditas Perbankan”, Bank Indonesia Working Paper

Galati, G., and Richhild M., 2011, “Macroprudential Policy–a Literature Review,” BIS Working Paper No. 337, Bank for International Settlements.

Gunadi, Iman, Cicilia A. Harun, Sagita Rachmanira, dan Tevy Chawwa, (2014), “Identifikasi Transmisi Risiko Sistemik”, Bank Indonesia Working Paper.

Gunadi, Iman, Cicilia A. Harun dan Aditya A. Taruna, (2015), “Penyempurnaan ISSK”, Bank Indonesia Research Paper.

Harun, Cicilia A. dan Raquela Renanda Nattan, (2014), “Pembentukan Indikator Likuiditas AL/NCD Perbankan Indonesia”, Bank Indonesia Working Paper.

Harun, Cicilia A. dan Sagita Rachmanira, (2013), “Kerangka Kebijakan Makroprudensial Indonesia”, Bank Indonesia Working Paper.

International Monetary Fund. 2011, “Macroprudential Policy: An Organizing Framework,” IMF Occasional Paper.

Muljawan, Dadang, Cicilia A. Harun, dan Aditya A. Taruna, (2014), “Banking Liquidity Management: Redux”, Bank Indonesia Working Paper.