Credit Scoring Modern: Integrasi AI & Big Data dalam Analisa Kredit
Credit Scoring Modern: Integrasi AI & Big Data dalam Analisa Kredit
Deskripsi
Pelatihan ini dirancang untuk membekali peserta dengan pemahaman komprehensif mengenai transformasi proses analisa kredit dari metode konvensional menuju credit scoring modern berbasis Artificial Intelligence (AI) dan Big Data.
Di tengah perkembangan digital dan tuntutan regulasi yang semakin ketat, perbankan dituntut untuk meningkatkan akurasi penilaian risiko kredit, mempercepat proses approval, serta meminimalisir potensi kredit bermasalah (NPL).
Peserta akan mempelajari bagaimana memanfaatkan data tradisional maupun alternatif, membangun model scoring yang robust, serta memastikan implementasinya tetap sesuai dengan prinsip risk management, governance, dan compliance.
Tujuan
- Memahami konsep modern credit scoring berbasis AI & Big Data
- Mengidentifikasi sumber data (financial & alternative data)
- Membangun dan mengevaluasi model credit scoring
- Mengimplementasikan model scoring dalam proses kredit end-to-end
- Memastikan kepatuhan terhadap regulasi dan prinsip manajemen risiko
Materi
- Transformasi Credit Scoring di Era Digital
- Evolusi credit scoring: dari manual ke digital
- Kelemahan metode konvensional (5C Analysis)
- Peran AI & Big Data dalam industri perbankan
- Tren global: fintech lending & digital bank
- Studi kasus implementasi credit scoring modern
- Data dalam Credit Scoring
- Jenis data:
- Data tradisional (laporan keuangan, BI checking/SLIK)
- Alternative data (e-commerce, telco, social media, payment behavior)
- Data quality & data governance
- Data preprocessing:
- Cleaning, transformation, normalization
- Tantangan integrasi data
- Konsep Dasar AI & Machine Learning
- Pengantar Artificial Intelligence & Machine Learning
- Jenis model:
- Supervised vs Unsupervised Learning
- Algoritma umum dalam credit scoring:
- Logistic Regression
- Decision Tree
- Random Forest
- Gradient Boosting
- Overfitting vs Underfitting
- Pengembangan Model Credit Scoring
- Feature selection & feature engineering
- Model development lifecycle
- Training & testing dataset
- Model validation techniques
- Interpretability vs accuracy
- Evaluasi & Monitoring Model
- Performance metrics:
- Accuracy, Precision, Recall
- ROC Curve & AUC
- Gini Coefficient
- Backtesting model
- Model recalibration
- Early Warning System (EWS) berbasis data
- Implementasi dalam Proses Kredit
- Integrasi credit scoring ke workflow kredit
- Decision engine & automation approval
- Risk-based pricing
- Cut-off score & credit policy alignment
- Dashboard monitoring kredit
- Risiko, Etika & Regulasi
- Model risk management
- Bias dalam AI (ethical risk)
- Explainable AI (XAI)
- Kepatuhan terhadap regulasi OJK
- Perlindungan data & privasi nasabah
Peserta
Divisi Credit Analysis
Divisi Risk Management
Divisi Data Analytics
Divisi Model Risk Management
Divisi Digital Banking
Divisi IT / TI
Divisi Kredit Konsumer
Metode
• Pre Test
• Presentasi Materi
• Diskusi
• Studi Kasus
• Post Test
Fasilitas
• Training Amenities
• Peralatan Pelatihan (Tas, Hand Out, Flashdisk, Block Note, Pulpen, Watermark)
• Sertifikat
• Souvenir
• 2x Coffee Break, 1x Lunch