DCNews, Jakarta — Industri fintech lending atau pinjaman daring (pindar) mulai mengubah cara menilai kelayakan calon peminjam. Di tengah kebutuhan memperluas akses pembiayaan, perusahaan pindar tidak lagi semata-mata mengandalkan Sistem Layanan Informasi Keuangan (SLIK), tetapi menggabungkannya dengan berbagai sumber data alternatif dan jejak digital.
Perubahan tersebut membuat proses credit scoring semakin bergantung pada kemampuan teknologi dalam membaca profil dan perilaku calon peminjam. Data dari telekomunikasi, e-commerce, media sosial, utilitas, dompet elektronik hingga payment gateway dapat menjadi bagian dari informasi yang digunakan untuk melengkapi penilaian risiko.
Ketua Bidang Risk Control & Technology Asosiasi Fintech Pendanaan Bersama Indonesia (AFPI) Ronny Wijaya mengatakan perluasan sumber data diperlukan karena masih terdapat kelompok masyarakat yang belum sepenuhnya terjangkau layanan keuangan konvensional.
Menurut dia, karakteristik masyarakat yang masuk kategori underserved population tidak selalu dapat dipetakan hanya melalui data kredit konvensional. Karena itu, industri pindar membutuhkan pendekatan berbasis teknologi untuk memperoleh gambaran yang lebih lengkap mengenai calon penerima dana.
“Mandat atau fokus yang kita fokuskan di industri ini tuh adalah untuk meraih atau mencapai layanan di underserved population,” kata Ronny dalam webinar OJK Institute bertajuk Optimalisasi Credit Scoring dan Informasi Perkreditan LPIP untuk Mendorong Pembiayaan Berkualitas dan Inklusif, dikutip Minggu (20/9/2026).
Ronny menjelaskan, teknologi seperti machine learning dan artificial intelligence (AI) dapat membantu platform melakukan analisis kredit secara lebih cepat dengan mengolah lebih banyak variabel. Pendekatan tersebut memungkinkan calon peminjam yang belum memiliki rekam jejak kredit konvensional yang lengkap tetap dinilai berdasarkan profil risikonya.
Proses penilaian dimulai dari electronic know your customer (e-KYC). Tahap ini digunakan untuk memastikan identitas calon peminjam sesuai dengan informasi yang diberikan ketika mengajukan pembiayaan.
Verifikasi dapat mencakup biometrik dan liveness check untuk memastikan orang yang mengajukan pinjaman merupakan pemilik identitas yang sebenarnya. Mekanisme tersebut juga menjadi salah satu lapisan untuk mendeteksi indikasi penipuan atau penggunaan identitas pihak lain.
“Dari situ kita harapin kita bisa mendeteksi attempts untuk fraud. Dari sini kita bisa melihat kalau misalnya ada seseorang berupaya untuk menjadi seseorang yang bukan dirinya, itu kita hendak tolak,” ujar Ronny.
Setelah identitas terverifikasi, proses berlanjut pada pemanfaatan external scoring dan data dari berbagai sumber. Keberadaan Lembaga Pengelola Informasi Perkreditan (LPIP), menurut Ronny, dapat memperkaya informasi yang berasal dari SLIK sehingga profil calon borrower dapat dianalisis secara lebih komprehensif.
Sementara itu, data alternatif dapat berasal dari sektor telekomunikasi, e-commerce, media sosial, utilitas, e-wallet, payment gateway, hingga informasi perilaku dari credit bureau. Data tersebut digunakan untuk melihat konsistensi antara informasi yang disampaikan calon peminjam dan aktivitas keuangannya.
Dari berbagai sumber itu, platform dapat menganalisis pola perilaku dan memperkirakan tingkat risiko calon peminjam, termasuk kemampuan serta kecenderungannya dalam memenuhi kewajiban pembayaran.
Industri pindar juga memiliki sumber informasi melalui fintech data center (FDC). Ronny mengatakan FDC menyimpan rekam jejak pembiayaan apabila calon borrower sebelumnya pernah menggunakan layanan pindar.
“Jadi dari situ mungkin mirip seperti SLIK, kita bisa melihat perbandingannya apakah performance dari peminjaman yang sudah dijalankan itu apakah baik atau tidak, apakah cenderung bertanggung jawab atau apakah cenderung ada yang kurang stabil,” ujarnya.
Menurut Ronny, salah satu keunggulan FDC adalah ketersediaan data yang relatif real time. Informasi tersebut memungkinkan platform melihat lebih jauh posisi pembiayaan calon peminjam, termasuk tingkat leverage di industri pindar.
Namun, data yang semakin beragam pada akhirnya tetap harus diterjemahkan melalui model penilaian masing-masing platform. Pada tahap akhir, perusahaan pindar menggunakan model internal yang antara lain mengadopsi prinsip 5C dalam penilaian kredit.
Penilaian tersebut mencakup karakter dan perilaku peminjam, kemampuan mengelola arus kas dan mengembalikan pinjaman, serta komitmen dan komunikasi ketika menghadapi persoalan pembayaran.
“Dan itu ada juga beberapa konsiderasi lainnya yang mungkin lebih kaya lagi dan setiap masing-masing platform itu mempunyai resep dapur tersendiri,” kata Ronny.
Perluasan sumber data tersebut menunjukkan bahwa credit scoring di industri pindar semakin bergeser dari pendekatan yang hanya bertumpu pada rekam jejak kredit menuju analisis yang menggabungkan identitas, perilaku, aktivitas transaksi dan data alternatif.
Di sisi lain, semakin luas data yang digunakan juga membuat kualitas pengelolaan dan pemanfaatan data menjadi bagian penting dalam pembiayaan digital. Tujuannya bukan sekadar mempercepat persetujuan pinjaman, tetapi memastikan keputusan pembiayaan tetap mempertimbangkan kemampuan dan profil risiko calon peminjam. ***
