Di era digital yang semakin berkembang pesat, industri perbankan menghadapi tuntutan untuk mengambil keputusan kredit secara lebih cepat, akurat, dan berbasis data. Model analisis kredit konvensional yang hanya mengandalkan rasio keuangan dan penilaian subjektif sudah tidak lagi memadai untuk menjawab kompleksitas risiko kredit saat ini. Oleh karena itu, pelatihan ini dirancang untuk memberikan pemahaman mendalam mengenai bagaimana data dan teknologi machine learning dapat digunakan secara efektif dalam proses analisis dan pengambilan keputusan kredit. Peserta akan mempelajari cara kerja algoritma pembelajaran mesin, proses pembangunan model prediktif, serta cara mengintegrasikan hasil analisis ke dalam sistem pengambilan keputusan kredit, termasuk untuk menilai kelayakan calon debitur secara lebih objektif dan berbasis risiko.
Pelatihan ini juga akan membahas jenis-jenis data yang relevan dalam analisis kredit modern, mulai dari data keuangan tradisional hingga data alternatif seperti perilaku transaksi, data digital, dan data eksternal lainnya. Selain itu, peserta akan dikenalkan pada berbagai teknik machine learning yang umum digunakan dalam dunia kredit, seperti decision tree, random forest, dan logistic regression, serta evaluasi performa model yang akurat dan dapat diandalkan. Peserta tidak perlu memiliki latar belakang pemrograman yang mendalam, karena pelatihan akan difokuskan pada pemahaman konsep, studi kasus, serta aplikasi praktis dalam konteks kerja sehari-hari di lembaga keuangan. Dengan mengikuti pelatihan ini, diharapkan peserta mampu memanfaatkan kekuatan data dan teknologi untuk meningkatkan kualitas keputusan kredit, mengurangi risiko NPL, serta meningkatkan daya saing bank di tengah lanskap industri yang berbasis digital.
TUJUAN
Setelah mengikuti pelatihan ini, peserta diharapkan dapat:
- Memberikan pemahaman dasar tentang konsep analisis kredit berbasis data dan teknologi machine learning.
- Membekali peserta dengan keterampilan untuk mengidentifikasi dan mengolah data yang relevan dalam penilaian kredit.
- Mengembangkan kemampuan peserta dalam memahami dan mengevaluasi model prediktif untuk risiko kredit.
- Meningkatkan akurasi dan objektivitas dalam proses pengambilan keputusan kredit.
- Menumbuhkan wawasan tentang pemanfaatan data alternatif dan teknologi digital dalam proses kredit.
- Mendorong integrasi pendekatan data-driven ke dalam kebijakan dan sistem manajemen risiko kredit bank.
MATERI POKOK
Hari 1: Dasar-Dasar Analisis Kredit Modern dan Pengantar Machine Learning
- Transformasi Analisis Kredit di Era Digital
- Perbedaan pendekatan konvensional dan berbasis data
- Tantangan dan peluang digitalisasi dalam fungsi kredit
- Peran data dan teknologi dalam pengambilan keputusan kredit
- Jenis-Jenis Data dalam Analisis Kredit
- Data tradisional dan data alternatif
- Sumber data internal dan eksternal
- Data cleansing, normalisasi, dan validasi
- Pengantar Machine Learning dalam Dunia Kredit
- Konsep supervised dan unsupervised learning
- Algoritma umum: decision tree, logistic regression, dan random forest
- Studi kasus penerapan machine learning dalam penilaian risiko kredit
Hari 2: Penerapan Praktis Model Kredit dan Strategi Implementasi
- Membangun dan Mengevaluasi Model Prediktif Kredit
- Proses pengembangan model prediktif sederhana
- Validasi dan evaluasi model: akurasi, precision, recall, dan AUC
- Risiko dan etika dalam penggunaan model AI di perbankan
- Integrasi Model ke dalam Proses Pengambilan Keputusan
- Pemanfaatan skor kredit berbasis model dalam sistem approval
- Contoh implementasi pada segmen retail, UMKM, dan KPR
- Strategi monitoring performa model secara berkala
- Studi Kasus dan Best Practices
- Diskusi kasus nyata dari bank atau lembaga keuangan
- Tantangan implementasi: data quality, SDM, dan teknologi
- Langkah-langkah awal untuk membangun ekosistem data-driven di fungsi kredit
