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

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.***