Perhitungan Penurunan Nilai Piutang: Simplified Approach

Dengan berlakunya PSAK 71: Instrumen Keuangan, Perhitungan Penyisihan Piutang Ragu-Ragu (yaitu penurunan nilai aset keuangan) menggunakan Model Kerugian Kredit Ekspektasian (Expected Credit Loss- ECL).

Bagaimana Pernyataan PSAK 71 Mengatur?

PSAK 71 mewajibkan kita untuk mengakui impairment aset keuangan dalam jumlah expected credit loss (ECL). PSAK 71 juga mengatur 2 pendekatan yang digunakan untuk menentukan ECL, yaitu:

1. Pendekatan Umum

2. Pendekatan Disederhanakan. 

Dalam postingkan kali ini, kita akan membahas mengenai Pendekatan Disederhanakan.

1. Pendekatan Umum (General approach)

Dalam pendekatan umum, terdapat 3 tahap dari aset keuangan dan kita seharusnya mengakui kerugian penurunan tergantung pada tahap dari suatu aset keuangan yang sedang dievaluasi.

Maka, kerugian penurunan adalah baik dalam nilai ECL - 12 bulan ataupun ECL - sepanjang umur. Namun, dalam posting ini kita tidak membahas detail mengenai pendekatan umum, dengan pertimbangan pendekatan umum digunakan oleh industri keuangan dan perhitungannya cukup rumit. Terdapat banyak masalah dan tantangan dalam penerapannya, sebagai contoh:

• Bagaimana kita menentukan aset keuangan sedang dalam tahap mana?
• Bagaimana kita menentukan kapan risiko kredit dari beberapa aset keuangan meningkat secara signifikan?
• Bagaimana kita menghitunga ECL-12 bulan dan ECL-sepanjang umur?
• Bagaimana kita mendapatkan dan mengupdate input kita ke dalam perhitungan ECL?

Oleh karena itu, PSAK 71 juga mengijinkan suatu alternatif untuk beberapa tipe aset keuangan:

2. Pendekatan Disederhanakan (Simplified approach)

Dalam pendekatan disederhanakan, kita tidak harus menentukan tahapan dari suatu aset keuangan karena kerugian penurunan diukur pada ECL - sepanjang umur untuk seluruh aset. Hal ini mempermudah kita karena banyak kerumitan teknis yang dihilangkan.

Namun, pendekatan disederhanakan tidaklah untuk semua jenis aset keuangan dan bahkan walaupun disederhanakan, kita tetap perlu membuat perhitungan dan usaha. 

Siapa yang dapat menerapkan pendekatan disederhanakan?

Tipe dari aset keuangan menjadi hal penting dalam hal ini. Kita HARUS menerapkan pendekatan disederhanakan untuk:

• Piutang dagang TANPA komponen pembiayan signifikan, dan 
• Aset kontrak berdasar PSAK 72 TANPA komponen pembiayan signifikan.

Untuk kedua tipe aset tersebut, kita harus menerapkan pendekatan disederhanakan. Selanjutnya, kita DAPAT memilih untuk:

• Piutang Dagang DENGAN komponen pembiayan signifikan.
• Aset Kontrak berdasar PSAK 72 DENGAN komponen pembiayaan signifikan, dan
• Piutang Sewa (PSAK 73)

Untuk ketiga tipe aset keuangan tersebut, kita dapat menerapkan baik pendekatan disederhanakan ataupun pendekatan umum.

Dapatkan suatu entitas menerapkan kedua model?

Ya tentu saja – namun tidak untuk aset keuangan dengan tipe yang sama. Sebagai contoh entitas bank. Bisnis utama Bank adalah pemberian pinjaman dan berdasarkan PSAK 71, Bank harus menerapkan pendekatan umum untuk menghitung penurunan kerugian dari pinjaman.

Namun, terkadang, bank juga memilik aset keuangan lainnya. Sebagai contoh, Bank mungkin menyewakan ruang kantor dan memiliki piutang sewa. Atau, Bank dapat menyediakan jasa advis dan mengenakan fee untuk jasa tersebut – maka Bank dapat memiliki semacam piutang dagang. Untuk jenis aset tersebut, Bank dapat menerapkan pendekatan disederhanakan.

Bagaimana Menerapkan Pendekatan Disederhanakan?

Sebagaimana dijelaskan di atas, dalam pendekatan disederhanakan, kita memngukur kerugian penurunan dengan ECL - sepanjang umur. PSAK 71 mengijinkan penggunaan beberapa metode yang praktis dan salah satunya adalah matriks penyisihan (provision matrix).

Apa itu provision matrix?

Secara sederhana, provision matrix merupakan suatu perhitungan kerugian penurunan berdasarkan suatu tarif presentase gagal bayar (default) yang diterapkan pada suatu kelompok aset keuangan. Di sini, kita memiliki 2 elemen penting:

1. Kelompok aset keuangan
2. Default rates

Bagaimana mengelompokan aset keuangan?

Ketika kita menggunakan provision matrix untuk penyederhanaan, kita tetap perlu untuk semaksimalkan mungkin sesuai realitas/keadaan sebenarnya. Oleh karena itu, sebelum menerapkan suatu tarif default, kita seharusnya mengelompokan terlebih dahulu aset keuangan kita.

Lakukan segmentasi aset keuangan.

Alasannya adalah bahwa seluruh piutang dagang tidak perlu memiliki karakteristik yang sama dan oleh karena itu, menjadi tidak wajar untuk menempatkan seluruh aset keuangan dalam satu kelompok. Bagaimana pengelompokannya?

Hal ini tergantung pada faktor-faktor yang mempengaruhi pembayaran kembali dari piutang kita. Mungkin kita menyadari bahwa konsumen retail (individu) kita memiliki karakteristik kurang reliabel dan lambat dalam pembayaran dibandingkan konsumen bisnis (perusahaan) kita. Oleh karena itu, pengelompokan kita adalah menjadi konsumen retail dan konsumen bisnis.

Atau, mungkin kita menjual berdasarkan regional geograpi dan kita menyadari bahwa konsumen dari kota besar membayar lebih diandalkan daripada konsumen dari kota kecil (mungkin hal terkait dengan tingkat pengangguran). Maka, segmentasi anda menjadi konsumen dari kota besar dan konsumen dari kota kecil.

Mungkin kita telah mendapatkan maksudnya – kita seharusnya memilih mengelompokan piutang dagang kita (atau aset keuangan lainnya) tergantung pada keadaan kita. Beberapa saran untuk segmentasi:

• Berdasarkan tipe produk;
• Berdasarkan regional geograpi;
• Berdasarkan mata uang;
• Berdasarkan rating konsumen;
• Berdasarkan tipe dealer atau jalur pemasaran;
• dll.

Hal penting di sini adalah bahwa konsumen dalam suatu kelompok memiliki kesamaan atau kemiripan pola kerugian.

Bagaiman menghitung tarif default?

Ingat – JANGAN hanya menaikan tarif ketidaktertagihan (default), seperti umumnya banyak entitas melakukan hal tersebut. Kita seharusnya benar-benar menghitung ketidaktertagihan (default) berdasarkan data kita sendiri.

PSAK 71 mengatur bahwa kita seharusnya:

• Menghitung tarif default dari data milik sendiri terkait historis pengalaman kerugian kredit; dan
• Menyesuaikan tarif default tersebut dengan informasi pandangan masa depan.

Tarif Default Historis

Pertama, kita perlu untuk menganalisis historis kerugian kredit. Bagaimana caranya?

Kita seharusnya mengambil periode waktu yang layak dan menganalisis bagian mana dari piutang dagang yang terbentuk selama periode default tersebut. Hati-hati ketika menentukan periode yang layak.

Periode tersebut seharusnya tidak terlalu singkat agar menjadi masuk akal dan juga seharusnya tidak terlalu panjang karena pasar cepat berubah dan periode panjang mungkin memasukan dampak pasar yang tidak lagi valid. Kita sebaiknya memilih 1 atau 2 tahun sebagai periode analisis default.

Kemudian kitan akan memilih kelompok umur (time bukcet), atau periode ketika piutang tersebut dibayar. Terakhir, kita akan menghitung tarif default untuk setiap kelompok umur.

Tidak perlu khawatir jika uraian di atas kurang jelas – kita akan mendapatkan contoh ilustratif di bawah.

Informasi Pandangan Masa Depan

Setelah kita telah mendapatkan tarif default historis, kita perlu menyesuaikan tarif tersebut dengan informasi pandangan masa depan. Apakah itu?

Informasi pandangan masa depan merupakan seluruh informasi yang dapat mempengaruhi kerugian kredit di masa dapan, sebagai contoh prakiraan makroekonomi terkait tingkat pengangguran, harga rumah, dll. Kita seharusnya menyesuaikan tarif default dengan informasi yang relavan terkait aset keuangan kita.

Sebagai contoh, suatu perusahaan telekomunikasi memiliki 2 segmen piutang:

1. Konsumen retail, atau individu: untuk kelompok ini, tingkat pengangguran merupakan faktor penting yang mempengaruhi tingkat pembayaran piutang. Jika tingkat pengangguran meningkat, kualitas kredit dari piutang dagang untuk konsumen retail menjadi memburuk.
2. Konsumen bisnis: untuk kelompok ini, GDP (gross domestic product) dan tingkat inflasi menjadi faktor penting.

Bagaimana kita menggabungkan informasi pandangan masa depan?

Jika terdapat hubungan linear antara faktor makroekonomi (seperti tingkat pengangguran) dan input (yaitu kenaikan/penurunan kolektibilitas piutang), maka penggabungan menjadi sederhana. Dalam kasus ini, kita perlu mengamati apa dampak perubahan dalam parameter terhadap tarif default kita dan membuat penyesuaian sederhana (lihat ilustrasi di bawah).

Namun, jika hubungan tersebut tidak linear, maka penyesuaian tersebut mungkin memerlukan suatu modeling seperti simulasi Monte Carlo atau metode sejenis lainnya.

Contoh: Penurunan Piutang Dagang berdasarkan PSAK 71

PT ENAK ingin menghitung kerugian penurunan piutang dagang per 31 Desember 20x2. Kebijakan PT ENAK adalah memberikan waktu 30 hari untuk melunasi piutang.

Catatan: Ini menjadi hal penting - 30 hari periode kredit berarti piutang tersebut TIDAK memiliki komponen pembiayaan signifikan dan maka itu, kita tidak perlu khawatir terkait nilai kini (present value)

Kelompok umur piutang dagang per 31 Desember 20x2 adalah sebagai berikut:

PT ENAK memutuskan untuk menerapkan pendekatan disederhanakan sesuai PSAK 71 dan menghitung kerugian penurunan sebagai ECL sepanjang umur. Sesuai praktik wajar, PT ENAK memutuskan menggunakan provision matrix.

Pertama, PT ENAK perlu untuk menghitung tarif default historis. Untuk mendapatkan data historis yang cukup, PT ENAK memilih periode 1 tahun dari 1 Januari 20x1 sampai dengan 31 Desember 20x1.

Selama periode tersebut, PT ENAK menghasilkan penjualan kredit sebesar Rp20.000.000. Kemudian, kita dapat membagi proses analis keseluruhan ke dalam beberapa langkah.

Langkah 1: Analisis kolektibilitas untuk setiap kelompok umur (time buckets)

Berdasarkan perbandingan data invoice dan data pelunasan invoice tersebut, PT ENAK perlu menganalisis kapan piutang tersebut dibayar dan mengurutkan piutang terbayar tersebut ke dalam tabel berdasarkan jumlah hari dari mulai invoice diterbitkan sampai dengan piutang dilunasi:

Catatan:

• Nilai Rp500.000 dalam kolom “Jumlah Dibayar” untuk > 360 hari menunjukan fakta ketidaktertagihan, nilai tidak terbayar.
• Jumlah dibayar (kumulatif) dihitung dari jumlah dibayar dalam kelompok umur tertentu ditambah jumlah dibayar kumulatif dalam kelompok sebelumnya, contoh: jumlah dibayar kumulatif dalam 31 – 60 hari dihitung dari Rp6.800.000 + Rp.7.500.000 = R14.300.000. Kecuali untuk > 360 hari – disini, kita tidak dapat memasukan Rp500.000 sebagai jumlah dibayar.
• Jumlah belum dibayar dalam kolom terakhir = total Rp20.000.000 dikurangi jumlah dibayar kumulatif. 

Langkah 2: Hitung tarif kerugian historis

Kemudian, PT ENAK dapat menghitung tarif kerugian default historis dengan cara Rp500.000 nilai tidak dibayar nyata dibagi dengan jumlah belum dibayar (saldo sisa belum lunas) pada akhir setiap kelompok umur:

Catatan: Tingkat Default = kerugian nyata dibagi jumlah belum dibayar.

Di sini kita dapat mencatat bahwa data bergeser sedikit. Jumlah belum dibayar untuk baris “belum jatuh tempo” sejumlah Rp12.500.000 sekarang bergeser ke baris “31-60 hari”. Hal ini tidak masalah karena kita sedang menghitung jumlah-jumlah yang masuk ke dalam kelompok umur tertentu – yaitu, di awal kelompok tersebut, bukan diakhir.

Maka, dalam kelompok “sebelum jatuh tempo”, PT ENAK memiliki saldo awal piutang belum terbayar sebesar Rp20.000.000; bucket “31-60 hari”, PT ENAK memiliki saldo awal piutang belum terbayar Rp12.500.000.

Juga, kenapa kita menempatkan rugi Rp500.000 ke dalam setiap kelompok umur? Hal ini karena piutang yang dihapus (yaitu Rp500.000) adalah berasal dari piutang-piutang yang ada dalam setiap kelompok umur, selama umur piutang.

Sebagai contoh, piutang dihapus senilai Rp500.000 ada dalam kelompok “belum jatuh tempo”, atau dalam nilai Rp20.000.000 tersebut dan maka kita dapat mengatakan bahwa kerugian yang terjadi selama tahun 20x1 (periode perhitungan) adalah Rp500.000/Rp20.000.000. Hal sama berlaku juga untuk kelompok umur lainnya.

Sekarang, kita belum selesai. Kita hanya telah menghitung kerugian historis atau tarif default. Kita perlu menggabungkan dengan informasi padangan masa depan.

Langkah 3: Menggabungkan informasi pandangan masa depan

Hal ini lebih sulit, namun kita akan membahas satu pendekatan yang sangat sederhana. Misalkan kerugian kredit PT ENAK menunjukan hubungan linear dengan tingkat pengangguran. Perlu dicatat bahwa “tingkat pengangguran” BELUM tentu relevan dengan kita – kita seharusnya mencari faktor faktor makroekomoni yang relevan dengan kita yang dapat mempengaruhi kerugian kredit kita.

Dan, misalkan bahwa lembaga statistik di negara PT ENAK berada, memperkirakan tingkat pengganguran akan naik dari 5% menjadi 6% dalam tahun 20X3. Pengalaman PT ENAK menunjukan bahwa ketika tingkat pengangguran naik 1%, hal ini memicu kenaikan kerugian default sebesar 10% (catatan – kita seharusnya mampu membuktikan hal tersebut).

Maka, PT ENAK secara wajar memperkirakan bahwa kerugian Rp500.000 dapat naik sebesar 10% karena kenaiakan tingkat pengangguran tersebut – yaitu menjadi Rp550.000. Oleh karena itu, perhitungan tarif kerugian (default) disesuaikan dengan informasi pandangan masa depan sebagai berikut:

Langka 4: Terapkan tarif kerugian ke portofolio piurang dagang berjalan

Dan terakhir, kita menerapkan tarif kerugian/default tersebut ke portofolio aktul piutang dagang per 31 Desember 20x2:

Selesai.

PT ENAK dapat mengakui kerugian penurunan piutang dagang sebagai berikut:

• Debit Kerugian Penurunan Nilai Piutang Dagang: Rp199.000
• Kredit Piutang Dagang –penyisihan kerugian kredit ekspektasian: Rp199.000

Semoga Bermanfaat…