Mengoptimalkan 80% Potensi Pembiayaan UKM dengan Artificial Intelligence

     Hanya  36% Penduduk di Indonesia yang memiliki aksess pelayanan keuangan dan hanya 20% dari total pelaku UKM di Indonesia memiliki aksess ke layanan pembiayaan.  Banyak kendala yang dihadapi bagi sebagian penduduk di Indonesia untuk mengaksess layanan keuangan beberapa kendala diantaranya adalah:

1. Prosedur yang rumit
2. Tidak ada Jaminan
3. Kurang Informasi
4. Tidak ada skema Mikro

     Olehakrenanya eksistensi badan usaha alternatif yang bisa menggarap potensi 80% UKM juga 64% penduduk yang tidak memiliki aksess keuangan sangatlah diperlukan untuk meningkatkan aksess permodalan dan layanan keuangan.

     Skema usaha financial technology (FinTech) yang saat ini menjamur bisa menjadi salah satu alternatif solusi untuk mengatasi ketimpangan aksess layanan permodalan di tanah air, karena prosedurnya lebih simple, juga skema yang ditawarkan pada umumnya mikro. Namun sayangnya masih banyak badan usaha FinTech di Indonesia yang hanya mereplikasi skema bisnis Rentenir (Shark Loan) seperti bank keliling dengan bunga yang sangat tinggi.

     Beberapa perusahaan FinTech yang resmi menjalankan operasinya di Indonesia memberikan bunga 1% per hari, jadi jika ada UKM meminjam uang 1juta rupiah untuk jualan air kemasan mineral, setelah 30hari mereka harus mengembalikan uang sebanyak 1.3Juta rupiah terlepas usahanya untung maupun rugi. Salah satu faktor pendorong penetapan bunga yang tinggi oleh beberapa pelaku usaha layanan keuangan adalah resiko kredit mikro yang sangat tinggi dan tidak terukur. Dengan sistem bunga yang sangat tinggi ini para pelaku usaha FinTech berharap agar UKM dapat berfikir keras untuk mengembalikan modalnya dalam waktu dekat. 

     Walaupun potensinya sangat besar karena 80% UKM masih belum tersentuh, namun ada masalah yang sangat mendasar yaitu Identifikasi resiko pemodalan UKM tidak semudah observasi resiko untuk pelanggan yang sudah memiliki data historis transaksi keuangan. Memberikan modal kepada pada individu atau badan usaha yang sudah memiliki aksess layanan keuangan sangat memungkinkan, karena pemberi modal bisa menarik informasi transaksi keuangan historis sebagai salah satu referensi pengambilan keputusan. Beda halnya dengan identifikasi resiko bagi UKM masih sangat tradisional,  dan sebagian besar tidak memiliki rekening tabungan, tidak memiliki kartu kredit dan tidak pernah berinteraksi dengan badan usaha keuangan, hal ini menjadikan pendekatan identifikasi resiko permodalan jadi berbeda. 

     Dengan pertumbuhan teknologi internet mobile yang sangat pesat, beberapa informasi yang bisa digunakan sebagai pendekatan faktor identifikasi resiko saat ini banyak tersedia dan tidak kita sadari. Bisa dibayangkan tidak lama lagi setiap individu akan menghasilkan 1.7Megabyte data baru per detik setiap harinya dan hal ini akan terus tumbuh seiring waktu berjalan.  Sebetulnya permasalahan  rendahnya aksess terhadap layanan keuangan tidak hanya terjadi di Indonesia, World Bank memperikrakan ada sekitar 73% dari 600 juta penduduk ASEAN yang saat ini tidak memiliki rekening di bank.   Olehkarenanya kehadiran badan usaha profesional dibidang Artificial Intelligence dan kontrol resiko sangat diperlukan sebagai jembatan bagi pengguna dan penyedia jasa layanan keuangan.

     Kami berhasil menerima sedikit informasi yang relatif sederhana dari perusahaan pembiayaan mikro berbasis teknologi, dari data yang didapatkan diketahui bahwa ada dua faktor yang secara empiris sangat mempengaruhi nilai resiko pembiayaan yaitu :

1. Jam Terbang UKM dalam menjalani bisnis, semakin lama pengusaha menjalankan bisnis yang sejenis semakin kecil resiko gagal bayar
2. Jangka waktu pembiayaan, semakin pendek waktu pembiayaan proyek semakin kecil resiko gagal bayar

Tentunya masih banyak faktor lain yang perlu di perhatikan namun dua faktor ini sangat krusial dan berpengaruh penting terhadap tingkat resiko pembiayaan proyek UKM. Beberapa faktor lain bisa diikutsertakan kedalam penilaian resiko pembiayaan seperti yang telah dibahas sebelumnya

Namun kembali lagi kepada permasalahan yang telah dibahas diatas, bisa dipastikan sebagian besar informasi tidak bisa didapatkan dari UKM atau individu untuk pembiayaan proyek skala kecil dan menengah.  Untuk melengkapi model prediksi resiko beberapa data yang kemungkinan besar bisa digunakan sebagai proxy bisa dengan mudah didapatkan jika kita mendapatkan aksess media soasial seperti :

1. Sentimen:Apakah individu yang selalu membagi berita negative dan menulis tulisan kasar memiliki kemungkinan gagal bayar lebih tinggi atau tidak.
2. Pola Komunikasi :Jenis Perangkat Hand Phone (HP) yang digunakan, Paket Telepon yang digunakan, voucher isi ulang yang digunakan, banyak menelpon atau di telepon, layanan yang digunakan sms, telpon atau data.
3. Reputasi digital: Apakah memiliki review yang di google, e –commerce site yang baik atau ada jejak digital complaint dan masalah.
4. Sosial Fisik: Apakah individu tergabung dalam komunitas tertentu dan mendapatkan rekomendasi baik dari komunitas tertentu

Masih banyak kemungkinan-kemungkinan lain yang bisa di observasi, explorasi dan dicoba sebagai salah satu pendekatan observasi resiko dalam penyaluran modal. Setelah data dan informasi yang dimiliki cukup banyak, maka langkah selanjutnya adalah membuat model prediksi yang cukup akurat dan tanguh untuk mengidentifikasi resiko. Beberapa algoritma pembentukan model bisa diterapkan dan dibandingkan lalu di pilih dan dijadikan mesin cerdas yang akan secara otomatis memberikan skor resiko jika permintaan pembiayaan baru diterima.

     Membangun mesin kecerdasan buatan (Artificial Intelligence)  untuk operasional skoring resiko di dunia UKM bukanlah barang yang mewah dan rumit, akan tetapi perlu ada yang memulai dan mencoba secara bertahap sampai hasilnya cukup mendekati akurat dan bisa digunakan. Model prediksi ini tidak akan serta merta menjadi akurat  karena memang secara natural perlu belajar selain dari informasi historis juga umpan balik dari hasil penerapan, karena bisa jadi pola secara umum berubah, variabel observasi perlu di tambah juga juga teknik pembentukan model perlu di update.
     Mengidentifikasi resiko pembiayaan UKM dan Individu yang belum tersentuh layanan keuangan ini saangat penting karena bisa mendorong perekonomian inklusif bagi seluruh masyarakat Indonesia. Hal ini juga memberikan keuntungan kepada 2 pihak yaitu 1) UKM atau Individu yang membutuhkan Modal menjadi lebih cepat dan mudah mendapat aksess 2) pihak pemilik usaha permodalan bisa menurunkan ekspektasi imbal yang didapat karena resikonya diketahui.

Oleh: Labibah Alya, Muhammad Kasim