Pemanfaatan Machine Learning dan Big Data Analytics untuk Optimasi Credit Scoring pada Sektor UMKM

Scheduled 06 – 07 Juli 2026 Malang

Registration

Pemanfaatan Machine Learning dan Big Data Analytics untuk Optimasi Credit Scoring pada Sektor UMKM

06 – 07 Juli 2026 Malang Hotel Ibis Style

Description

Transformasi digital di sektor perbankan dan lembaga keuangan mendorong perubahan dalam proses penilaian kelayakan kredit, khususnya bagi pelaku Usaha Mikro, Kecil, dan Menengah (UMKM). Metode credit scoring konvensional yang hanya mengandalkan data historis keuangan sering kali belum mampu menggambarkan profil risiko UMKM secara menyeluruh karena keterbatasan data formal. Melalui pemanfaatan Machine Learning (ML) dan Big Data Analytics, institusi keuangan dapat mengolah data dalam jumlah besar, baik data transaksi, perilaku pembayaran, aktivitas digital, maupun data alternatif lainnya untuk menghasilkan penilaian kredit yang lebih akurat, cepat, dan objektif. Pendekatan ini mampu meningkatkan inklusi keuangan, mempercepat proses persetujuan kredit, sekaligus menekan risiko kredit bermasalah (Non-Performing Loan/NPL).

Objectives

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

Memahami konsep, prinsip kerja, serta penerapan Machine Learning dan Big Data Analytics dalam proses credit scoring pada pembiayaan sektor UMKM.
Mengidentifikasi sumber data internal maupun eksternal, termasuk alternative data, yang dapat dimanfaatkan untuk meningkatkan kualitas analisis kelayakan kredit.
Menguasai tahapan pengembangan model credit scoring berbasis Machine Learning, mulai dari pengumpulan data, preprocessing, pemodelan, hingga evaluasi kinerja model.
Menganalisis profil risiko debitur UMKM menggunakan pendekatan data analytics untuk menghasilkan keputusan kredit yang lebih akurat, objektif, dan cepat.
Memahami penerapan tata kelola data (data governance), manajemen risiko model (Model Risk Management), serta aspek kepatuhan terhadap regulasi dalam implementasi AI pada proses perkreditan.
Mengembangkan strategi implementasi Machine Learning dan Big Data Analytics yang selaras dengan kebutuhan bisnis, kebijakan manajemen risiko, dan transformasi digital lembaga keuangan.
Mengoptimalkan proses underwriting, monitoring portofolio kredit, dan penyusunan Early Warning System (EWS) berbasis analitik guna meningkatkan kualitas portofolio kredit UMKM.
Menyusun rencana implementasi credit scoring berbasis data yang mampu mendukung peningkatan inklusi keuangan, efisiensi operasional, serta menjaga kualitas aset dan keberlanjutan pertumbuhan pembiayaan UMKM.

Course outline

1. Konsep Dasar Machine Learning dan Big Data dalam Credit Scoring

Perkembangan digital lending dan transformasi proses analisis kredit.
Perbedaan credit scoring konvensional dan AI-based credit scoring.
Jenis-jenis data yang digunakan dalam analisis kredit UMKM.
Pemanfaatan structured data dan unstructured data.
Big Data ecosystem pada industri jasa keuangan.
Tantangan kualitas data, data governance, dan data privacy.

2. Pengumpulan dan Pengelolaan Data untuk Analisis Kredit

Integrasi data internal dan eksternal.
Alternative data sebagai pelengkap credit assessment.
Teknik data cleansing dan data preprocessing.
Data warehouse dan data lake dalam pengelolaan informasi kredit.
Validasi kualitas data dan pencegahan bias data.
Regulasi pengelolaan data nasabah.

3. Penerapan Machine Learning pada Credit Scoring UMKM

Pengenalan algoritma Machine Learning untuk klasifikasi risiko kredit.
Supervised Learning dan Unsupervised Learning.
Logistic Regression, Decision Tree, Random Forest, Gradient Boosting, dan Neural Network.
Feature engineering dalam membangun model credit scoring.
Model training, testing, dan validation.
Evaluasi performa model menggunakan Accuracy, Precision, Recall, ROC-AUC, dan Confusion Matrix.

4. Big Data Analytics untuk Analisis Risiko Kredit

Analisis perilaku transaksi nasabah.
Segmentasi debitur menggunakan teknik clustering.
Prediksi probabilitas gagal bayar (Probability of Default).
Early Warning System berbasis data analytics.
Dashboard monitoring kualitas portofolio kredit.
Analisis tren dan pola risiko kredit UMKM.

5. Implementasi AI-Based Credit Decision

Otomatisasi proses underwriting.
Integrasi credit scoring dengan Loan Origination System (LOS).
Penggunaan real-time analytics dalam proses persetujuan kredit.
Explainable AI (XAI) untuk meningkatkan transparansi keputusan.
Human oversight dalam pengambilan keputusan kredit.
Studi implementasi AI pada industri perbankan dan fintech.

6. Tata Kelola, Kepatuhan, dan Manajemen Risiko Model

Model Risk Management (MRM).
Validasi dan kalibrasi model Machine Learning.
Mitigasi bias algoritma dan fairness dalam credit scoring.
Kepatuhan terhadap regulasi perlindungan data pribadi.
Audit model Machine Learning.
Penyusunan governance framework untuk AI dalam proses perkreditan.

7. Strategi Implementasi di Sektor UMKM

Roadmap implementasi Machine Learning pada proses kredit.
Pengembangan budaya data-driven decision making.
Pengukuran efektivitas model terhadap kualitas portofolio kredit.
Optimalisasi proses monitoring pasca pencairan kredit.
Studi kasus implementasi credit scoring berbasis AI pada pembiayaan UMKM.
Penyusunan rencana aksi penerapan Machine Learning dan Big Data Analytics di institusi keuangan