Penerapan Model Expected Credit Loss untuk Menghitung Premi Tunggal Bersih Asuransi Kredit dengan Metode Rantai Markov

Transfer risiko kepada perusahaan asuransi merupakan salah satu upaya untuk memitigasi risiko kredit. Perhitungan premi harus dilakukan dengan tepat untuk mencapai nilai ekonomis bagi pihak pemberi pinjaman dan penjamin. Tujuan dari penelitian ini adalah untuk menentukan premi tunggal bersih untuk produk asuransi kredit tanpa agunan (KTA), menggunakan metode expected credit loss (ECL) dari IFRS 9. Data yang digunakan adalah data bangkitan hasil simulasi dari polis yang terbit di tahun 2015 atau 2016. Parameter probability of disbursed claim (PDC) digunakan sebagai pengganti parameter probability of default dalam perhitungan ECL, dan model PDC dikonstruksikan berdasarkan komponen di dalam matriks probabilitas transisi state debitur yang didapatkan menggunakan pendekatan rantai Markov melalui metode cohort, yakni �11 = 0,999181, �12 = 0,000130, dan �13 = 0,000689. Hasil validasi model PDC cukup bagus, dimana MSE bernilai sebesar 2,457%, serta nilai zs dengan  sebesar 5% adalah 0,608, sehingga mengindikasikan bahwa model PDC tersebut layak untuk digunakan dalam menghitung ECL. Peneliti melakukan iterasi sebanyak 5.000 kali dalam proses simulasi arus kas, dimana nilai pinjaman dari semua debitur dibangkitkan secara acak dalam setiap kali iterasi, dan menghasilkan rata-rata NPV senilai -Rp564.419.305. Berdasarkan analisis sensitivitas model, nilai arus kas paling sensitif terhadap variabel yang dipakai untuk mengkonstruksi model PDC (�13), sehingga peneliti mengulang kembali proses iterasi sebanyak 5.000 kali terhadap NPV arus kas, dengan nilai PDC yang telah disesuaikan, yakni �11 = 0,998924 dan �13 = 0,000946. Hasil iterasi tersebut menunjukkan rata-rata NPV sebesar Rp409.877.840, sehingga dapat disimpulkan bahwa model ECL yang dikonstruksikan layak digunakan untuk menghitung premi tunggal bersih asuransi KTA.