Training ini dirancang untuk membekali peserta dengan pemahaman mendalam serta keterampilan praktis dalam menggunakan teknologi Data Analytics dan Artificial Intelligence (AI) untuk meningkatkan efektivitas deteksi transaksi mencurigakan di sektor perbankan. Dalam menghadapi risiko kejahatan keuangan seperti pencucian uang dan pendanaan terorisme, bank perlu mengadopsi solusi teknologi canggih yang mampu menganalisis data secara cepat dan akurat untuk mengidentifikasi pola transaksi abnormal.
Peserta akan mempelajari konsep dasar data analytics dan AI, teknik pengolahan data, pembangunan model deteksi transaksi mencurigakan, serta integrasi hasil analisis ke dalam proses kepatuhan dan pelaporan regulator. Pelatihan ini juga membahas tantangan, etika, dan regulasi yang relevan agar penerapan teknologi tetap sesuai dengan standar industri dan hukum yang berlaku.
Tujuan
- Memahami konsep dasar data analytics dan AI dalam konteks deteksi transaksi mencurigakan.
- Mengidentifikasi jenis data dan proses pengolahan data yang diperlukan untuk analisis transaksi perbankan.
- Mengembangkan dan mengevaluasi model AI untuk mendeteksi pola transaksi yang mencurigakan.
- Mengintegrasikan hasil analitik ke dalam sistem pelaporan dan proses tindak lanjut kepatuhan.
- Mengenali tantangan dan isu etika dalam penggunaan teknologi AI dan data analytics.
- Menerapkan praktik terbaik dalam pemanfaatan teknologi untuk mendukung program APU PPT di bank.
Materi Pokok
- Pendahuluan: Konteks dan Pentingnya Deteksi Transaksi Mencurigakan
- Definisi transaksi mencurigakan dan risiko keuangan terkait
- Peran APU PPT dalam sektor perbankan
- Regulasi dan standar kepatuhan terkait deteksi transaksi mencurigakan
- Dasar-Dasar Data Analytics dalam APU PPT
- Konsep dasar data analytics
- Jenis data yang relevan untuk deteksi transaksi mencurigakan
- Data mining dan teknik eksplorasi data
- Teknologi Artificial Intelligence (AI) untuk Deteksi Transaksi Mencurigakan
- Pengenalan AI dan machine learning (ML) di sektor perbankan
- Algoritma ML yang umum digunakan (klasifikasi, clustering, anomaly detection)
- Contoh penggunaan AI dalam memantau pola transaksi
- Pengumpulan dan Persiapan Data untuk Analitik dan AI
- Sumber data transaksi dan data pelanggan
- Data cleansing dan integrasi data
- Penyusunan dataset untuk training model AI
- Membangun dan Mengimplementasikan Model Deteksi Transaksi Mencurigakan
- Langkah-langkah pengembangan model AI
- Validasi dan evaluasi model (akurasi, precision, recall, dll)
- Penggunaan model untuk real-time monitoring dan alert system
- Integrasi Sistem Deteksi dengan Proses Kepatuhan dan Pelaporan
- Sinkronisasi hasil analitik dengan sistem pelaporan STR (Suspicious Transaction Report)
- Prosedur tindak lanjut setelah deteksi transaksi mencurigakan
- Kolaborasi antar unit compliance, IT, dan operasional
- Studi Kasus dan Simulasi
- Analisis kasus nyata penggunaan data analytics dan AI dalam APU PPT
- Simulasi pengolahan data dan deteksi transaksi mencurigakan
- Tantangan dan Etika dalam Pemanfaatan Data Analytics dan AI
- Isu privasi dan keamanan data
- Risiko false positive dan false negative
- Kepatuhan terhadap regulasi dan standar etika AI
- Penutup dan Rencana Implementasi
