Machine Learning & AI untuk Prediksi Kredit Bermasalah
Machine Learning & AI untuk Prediksi Kredit Bermasalah
Deskripsi
Pelatihan ini membahas secara komprehensif penerapan teknologi Machine Learning (ML) dan Artificial Intelligence (AI) dalam memprediksi kredit bermasalah (non-performing loan/NPL) di perbankan. Peserta akan memahami alur mulai dari pengumpulan data, feature engineering, pemilihan model, hingga interpretasi hasil prediksi dan integrasi ke proses pengambilan keputusan kredit. Fokus diberikan pada pendekatan praktis, regulasi, risiko model, dan best practice industri, agar bank mampu mengurangi risiko kredit dan meningkatkan profitabilitas. Selain aspek teknis, pelatihan ini menekankan penerapan AI secara etis dan sesuai regulasi perbankan, termasuk pengelolaan bias data, transparansi model, dan kepatuhan OJK. Peserta juga belajar bagaimana memanfaatkan analitik prediktif untuk meningkatkan kualitas portofolio kredit, meminimalkan risiko default, dan mendukung strategi manajemen risiko kredit berbasis data-driven decision.
Tujuan
Memahami konsep dasar Machine Learning dan AI dalam konteks perbankan Menguasai pipeline prediksi kredit bermasalah dari data hingga keputusan Mampu melakukan feature engineering dan memilih model prediktif yang tepat Memahami risiko, bias, dan kepatuhan dalam penerapan AI di kredit bank Meningkatkan kemampuan analisis portofolio dan mitigasi risiko berbasis data
Materi
A. Dasar Machine Learning & AI dalam Perbankan Definisi ML dan AI, supervised vs unsupervised learning Peran AI dalam manajemen risiko kredit Kasus penggunaan AI di perbankan global B. Data dan Feature Engineering Sumber data internal dan eksternal (core banking, demografi, sosial ekonomi) Pembersihan data, handling missing values dan outliers Transformasi variabel dan feature selection Data balancing untuk klasifikasi kredit bermasalah C. Model Prediktif Kredit Bermasalah Logistic regression, decision tree, random forest, gradient boosting Neural networks dan deep learning untuk prediksi kredit Evaluasi model: accuracy, precision, recall, AUC, F1-score Cross-validation dan hyperparameter tuning D. Interpretasi Model dan Explainable AI Feature importance dan SHAP values Menghubungkan output model dengan risiko bisnis Reporting prediksi untuk manajemen dan kredit officer E. Integrasi AI ke Proses Kredit Risk-based pricing dan early warning system (EWS) Workflow keputusan kredit berbasis prediksi Monitoring portofolio dan revisi model periodik F. Risiko dan Kepatuhan Model AI Model risk dan regulatory compliance OJK Mitigasi bias algoritma dan fairness testing Dokumentasi model dan audit trail G. Studi Kasus & Praktik Analisis Kredit Analisis dataset kredit riil (simulasi) Identifikasi high-risk account dan mitigasi Strategi penggunaan prediksi AI untuk pengambilan keputusan H. Tren Masa Depan AI di Kredit Bank Predictive analytics real-time Integrasi alternative data dan digital footprint AI untuk portofolio manajemen dan koleksi kredit
Metode
Pre-test Presentation Discussion Case study Post-test
Fasilitas
Training Kit (Tas, Hand out, Flashdisk, Block note, Pulpen dll) Certificate Souvenir 2x Coffee Break, 1x Lunch PRICE (Running dengan kuota minimal 3 peserta)