Catatan: Artikel ini merupakan opini pribadi penulis dan tidak mencerminkan pandangan Redaksi CNBCIndonesia.com

Indonesia memasuki paradoks baru pembiayaan. Kita hidup dalam ekonomi yang semakin kaya data, sementara kemampuan sistem keuangan mengubah data menjadi pembiayaan produktif belum bergerak secepat potensinya.

Per Juli 2026, kredit perbankan tumbuh 13,58 persen year-on-year menjadi Rp9.135 triliun. Namun kredit UMKM hanya tumbuh 1,62 persen. Pada saat yang sama, ekosistem Innovative Credit Scoring (ICS) berkembang pesat: Pemeringkat Kredit Alternatif (PKA) menerima 28,32 juta permintaan data skor kredit hanya dalam satu bulan, Juli 2026.

Kontras tersebut menyampaikan pesan penting. Tantangan pembiayaan Indonesia semakin bergeser dari sekadar ketersediaan dana menuju kemampuan mengubah data menjadi informasi, informasi menjadi pemahaman risiko, dan pemahaman risiko menjadi keputusan pembiayaan yang berkualitas. Persoalannya bukan lagi hanya how much data do we have, melainkan how intelligently and responsibly do we use it.

Di sinilah ICS memperoleh relevansi strategis. ICS bukan sekadar digitalisasi cara menghitung skor kredit. Ia berpotensi mengubah paradigma dari credit history menuju credit intelligence: dari dominasi penilaian atas perilaku pembayaran masa lalu menuju kemampuan memahami kapasitas ekonomi dan prospek pembayaran debitur ke depan.

Ketika yang Layak Belum Terlihat
Stiglitz dan Weiss melalui teori credit rationing menjelaskan mengapa pasar kredit tidak selalu mampu mengalokasikan dana kepada peminjam produktif. Ketika kreditur menghadapi information asymmetry dan sulit membedakan peminjam berisiko rendah dan tinggi, debitur yang sebenarnya layak dapat tetap tidak memperoleh pembiayaan.

Problem ini sangat relevan bagi UMKM. Banyak usaha mempunyai transaksi rutin, pelanggan, arus kas dan prospek bisnis, tetapi tidak memiliki laporan keuangan formal, agunan memadai, atau sejarah kredit panjang. Dalam paradigma konvensional, mereka dapat menjadi thin-file bahkan credit invisible. Padahal tidak memiliki sejarah kredit bukan berarti tidak memiliki kelayakan kredit.

Di sinilah data alternatif dapat menjadi game changer. Informasi transaksi, pembayaran tagihan, arus kas dan berbagai jejak ekonomi digital sepanjang relevan, legal, proporsional dan dikelola dengan persetujuan yang memadai dapat melengkapi informasi perkreditan tradisional.

Artificial intelligence (AI) dan machine learning memperbesar potensinya. BIS menunjukkan bahwa data nontradisional dapat meningkatkan kemampuan memprediksi gagal bayar, terutama pada kelompok yang kurang terlayani dan sulit dinilai menggunakan skor tradisional.

AI bahkan memungkinkan identifikasi "invisible primes": peminjam berkualitas yang tidak terlihat demikian melalui indikator konvensional. Studi BIS lainnya menemukan model machine learning berbasis data nontradisional dalam sampel yang diteliti mampu memprediksi kerugian dan gagal bayar lebih baik daripada model tradisional ketika terjadi tekanan pada pasokan kredit.

Implikasinya besar. Inklusi dan prudensialitas tidak harus ditempatkan sebagai trade-off. Informasi yang lebih baik justru dapat memungkinkan more inclusion with better risk differentiation.

Dari SLIK dan LPIP Menuju Credit Intelligence
Indonesia sebenarnya telah memiliki fondasi untuk menuju ke sana. Sistem Layanan Informasi Keuangan (SLIK) menyediakan infrastruktur informasi debitur. Lembaga Pengelola Informasi Perkreditan (LPIP) memperkaya informasi perkreditan dan menghasilkan produk informasi bernilai tambah. Sementara Pemeringkat Kredit Alternatif (PKA) memperluas kemampuan penilaian melalui pemanfaatan data alternatif dan metodologi pemeringkatan yang inovatif.

Skalanya tidak lagi marginal. Sepanjang 2025, PKA menerima 196,98 juta permintaan data skor kredit. Per Agustus 2026 terdapat delapan PKA dan 16 Penyelenggara Agregasi Jasa Keuangan yang resmi terdaftar. Hanya dalam Juli 2026, ekosistem ITSK tersebut telah membangun 1.357 kemitraan dengan lembaga jasa keuangan dan berbagai mitra lainnya.

Momentum transformasinya juga semakin kuat. Pada 17 September 2026, isu optimalisasi credit scoring dan informasi perkreditan LPIP secara khusus diangkat untuk mendorong pembiayaan berkualitas dan inklusif. Perkembangan teknologi dan ketersediaan data membuka peluang penilaian kredit yang lebih cepat dan komprehensif sekaligus pengelolaan risiko yang lebih baik.

Tahap berikutnya karena itu bukan sekadar memperbanyak data, melainkan meningkatkan nilai ekonomi dan kualitas informasi dari data. SLIK, LPIP dan PKA jangan berkembang sebagai pulau-pulau informasi. Mereka perlu ditempatkan dalam satu credit information ecosystem yang saling melengkapi sesuai fungsi dan kewenangannya.

Bukan berarti membangun satu super database, melainkan menciptakan interoperabilitas yang aman sehingga data yang relevan dapat diterjemahkan menjadi credit intelligence, sementara keputusan kredit tetap berada pada lembaga keuangan sesuai risk appetite, tata kelola dan prinsip prudensialnya.

Belajar dari Hong Kong
Hong Kong memberikan pembanding menarik melalui Commercial Data Interchange (CDI). Infrastruktur berbagi data berbasis persetujuan yang dikembangkan Hong Kong Monetary Authority memungkinkan perusahaan berbagi data komersial dengan bank sehingga informasi alternatif dapat digunakan dalam proses penilaian kredit.

Lebih menarik lagi, riset HKMA pada 2026 terhadap sampel kredit UMKM periode 2022-2025 menemukan bahwa keterbatasan data finansial yang tepat waktu merupakan hambatan penting pembiayaan UMKM dan menganalisis bagaimana pemanfaatan CDI berhubungan dengan persyaratan kredit, termasuk tingkat bunga dan agunan.

Pelajarannya bagi Indonesia bukan menyalin model Hong Kong. Pesannya adalah bahwa data sharing, interoperability, consent architecture dan credit analytics harus dibangun secara bersamaan. Infrastruktur data yang hebat tanpa kepercayaan akan rapuh; sebaliknya, perlindungan yang tidak memungkinkan pemanfaatan data secara produktif dapat kehilangan nilai ekonominya.

Inovasi Tanpa Black Box
Di sinilah batas penting harus diletakkan. Semakin banyak data tidak otomatis menghasilkan credit scoring yang semakin baik. Algoritma dapat mewarisi bias data historis. Korelasi statistik belum tentu memiliki hubungan ekonomi yang relevan.

Variabel yang tampaknya netral dapat menjadi proxy bagi karakteristik tertentu. Model yang akurat secara agregat bahkan dapat menghasilkan keputusan yang tidak adil bagi kelompok tertentu. Karena itu, masa depan Indonesia bukan sekadar innovative credit scoring, melainkan responsible innovative credit scoring. Setidaknya lima prinsip perlu menjadi fondasinya.

Data yang digunakan harus relevan dan proporsional terhadap risiko yang hendak diukur; interoperabilitas SLIK-LPIP-PKA perlu dikembangkan dalam kerangka kewenangan dan keamanan masing-masing; konsumen harus mempunyai hak mengetahui dan mengoreksi informasi yang keliru; model perlu diuji terhadap akurasi, bias, model drift, explainability dan keamanan; serta tanggung jawab keputusan tidak boleh menghilang di balik algoritma.

Agenda terakhir bahkan lebih fundamental: menggeser orientasi dari financial inclusion menuju productive inclusion. SNLIK 2026 menunjukkan indeks inklusi keuangan Indonesia telah mencapai 93,61 persen, bahkan melampaui target RPJMN 2025-2029 untuk 2029 sebesar 93 persen. Namun capaian akses tersebut tidak otomatis berarti kebutuhan pembiayaan produktif telah terpenuhi terutama ketika pertumbuhan kredit UMKM masih jauh di bawah pertumbuhan kredit agregat.

Karena itu, ukuran keberhasilan berikutnya bukan hanya berapa banyak masyarakat memiliki produk keuangan, tetapi seberapa jauh infrastruktur informasi mampu membuat pelaku ekonomi yang layak tetapi sebelumnya tidak terlihat menjadi visible, assessable, dan akhirnya bankable.

Pada akhirnya, innovative credit scoring terbaik bukan sistem yang mengetahui sebanyak mungkin tentang seseorang. Sistem terbaik adalah yang menggunakan data secukupnya, relevan dan bertanggung jawab untuk memahami risiko secara lebih akurat dan adil.

Jika SLIK menjadi fondasi, LPIP memperdalam informasi, PKA memperluas kemampuan analitik, dan lembaga keuangan menerjemahkannya menjadi keputusan yang prudent, Indonesia dapat bergerak dari sekadar credit database menuju credit intelligence infrastructure.

Di situlah masa depan pembiayaan Indonesia berada: bukan sekadar lebih banyak kredit, tetapi informasi yang lebih cerdas untuk menghasilkan pembiayaan yang lebih tepat yakni lebih inklusif tanpa menjadi kurang prudent, lebih inovatif tanpa kehilangan kepercayaan.

(miq/miq)