SBM ITB Riset Pengembangan Pemanfaatan Data Sosial Media Kurangi Risiko Kredit Macet Koperasi

INILAHKORAN,Bandung- Samuel Mauliate Naibaho, seorang mahasiswa SBM ITB mengembangkan Riset pemanfaatan machine learning dan data sosial media dalam meminimalisir potensi kredit macet di Koperasi Simpan Pinjam (KSP).

Seperti diketahui Koperasi memainkan peran penting dalam meningkatkan perekonomian Indonesia. Karenanya, Koperasi kerap kali disebut-sebut sebagai urat nadi perekonomian Indonesia.

Koperasi merupakan sebuah sistem usaha yang berpijak pada prinsip pengungkapan, partisipasi aktif, dan keuntungan bersama. Dalam konteks Indonesia, Koperasi telah berperan dalam membantu pemberdayaan masyarakat ekonomi, mendorong inkulsi keuangan serta meningkatkan kesejahteraan. 

Hal itu salah satunya dilakukan melalui melalui program simpan pinjam dalam Koperasi. Dalam konteks tersebut, Koperasi simpan pinjam merupakan lembaga keuangan yang memberikan pembiayaan kepada anggotanya melalui program simpan pinjam. 

Namun, seperti halnya lembaga keuangan lainnya, Koperasi juga menghadapi risiko kredit bermasalah. Kredit bermasalah dapat terjadi ketika anggota tidak mampu membayar cicilan pinjaman sesuai jadwal atau gagal membayar pinjaman secara keseluruhan.  Hal itu dapat terjadi karena berbagai faktor, seperti masalah keuangan di dalam rumah tangga atau bisnis yang tidak berjalan sesuai rencana. 

Alasan itu pula yang mendorong, Samuel Mauliate Naibaho, salah seorang mahasiswa SBM ITB tertarik melakukasn Riset atau penelitian untuk dapat memberikan solusi bagaimana meminimalisir munculnya kredit bermasalah dengan mengembangkan penilaian skoring kredit berbasis inovasi dan peningkatan variasi data penilaian yang terdigitalisasi.

Pakar Manajemen Risiko SBM ITB yang juga sebagai mentor Samuel, Taufik Faturohman mengungkapkan, Koperasi perlu menerapkan prinsip-prinsip manajemen risiko yang baik dan melakukan evaluasi kredit secara hati-hati untuk mengurangi risiko kredit bermasalah. 

Selain itu menurut Taufik, penting juga bagi Koperasi untuk melakukan digitalisasi serta memiliki sistem yang dapat memprediksi gagal bayar dalam menentukan plafond pinjaman anggotanya. 

Untuk menjawab tantangan tersebut, Samuel Mauliate Naibaho yang merupakan mahasiswa SBM ITB melakukan penelitian tugas akhir di bawah bimbingan Taufik, mengembangkan penilaian skoring kredit melalui inovasi dan peningkatan variasi data penilaian yang terdigitalisasi. 

Menurut Taufik, sistem skoring kredit yang dibangun diharapkan mampu menganalisis profil anggota yang akan mengajukan pinjaman dan memprediksi tingkat gagal bayar secara lebih akurat. 

Dalam penelitian itu, Samuel mengadopsi Machine Learning yaitu Logistic regression menggunakan kombinasi data tradisional dan alternatif seperti perilaku penggunaan sosial media para anggotanya.

Penggunaan data alternatif tersebut terbukti mampu meningkatkan akurasi prediksi gagal bayar dari 78,4% menjadi 87%. 

Berdasarkan hasil tersebut, Samuel merekomendasikan untuk mengaplikasikan machine learning dan menggunakan data sosial media dalam proses pengajuan pinjaman di Koperasi. 

"Sistem ini akan jauh lebih efektif apabila ditunjang oleh penerapan digitalisasi di Koperasi," pungkas Taufik.***