AI & Kebijakan OJK: Kunci Kredit Adil Saat Banjir

Awal Desember 2025, OJK mencatat lebih dari seratus ribu debitur di Sumatra terdampak banjir dan longsor. Banyak di antara mereka pelaku UMKM dan rumah tangga yang cicilannya tetap berjalan, sementara usaha berhenti total.

Di tengah situasi itu, OJK mengeluarkan kebijakan perlakuan khusus bagi debitur terdampak banjir di Aceh, Sumatra Utara, dan Sumatra Barat: penilaian kualitas pembiayaan dipermudah, restrukturisasi diperbolehkan, dan pembiayaan baru tetap bisa diberikan. Ini kabar baik. Tapi ada satu pertanyaan besar: bagaimana bank dan lembaga pembiayaan bisa menyalurkan keringanan dan bantuan kredit dengan cepat, tepat sasaran, dan tetap prudent?

Di sinilah AI dalam perbankan Indonesia sebenarnya bisa jadi katalis. Bukan untuk menggantikan regulasi OJK, tapi untuk membuat kebijakan seperti ini benar-benar terasa sampai ke masyarakat paling rentan.

Artikel ini membahas:

• Apa isi utama kebijakan OJK untuk debitur terdampak banjir
• Masalah di lapangan saat restrukturisasi dan penyaluran kredit pasca-bencana
• Cara AI dan data membantu bank menilai risiko, memetakan dampak bencana, dan mempercepat bantuan
• Langkah praktis bagi bank/lembaga pembiayaan yang ingin mulai membangun ekosistem digital banking berbasis AI untuk manajemen risiko bencana

Apa Sebenarnya Kebijakan OJK ke Debitur Terdampak Banjir?

Kebijakan OJK yang baru dirilis ini intinya memberi ruang napas bagi debitur yang terkena bencana banjir dan longsor di Aceh, Sumatra Utara, dan Sumatra Barat. Poin utamanya:

1. Penilaian kualitas pembiayaan 1 pilar
   Untuk plafon sampai Rp10 miliar, kualitas pembiayaan dinilai berbasis ketepatan pembayaran saja. Artinya, ada fleksibilitas lebih besar dalam menilai “lancar” atau “macet” di kondisi krisis.

2. Restrukturisasi kredit diperlonggar

   • Restrukturisasi boleh dilakukan untuk pembiayaan sebelum dan setelah debitur terdampak bencana.
   • Untuk penyelenggara pembiayaan berbasis teknologi (pindar/fintech lending), restrukturisasi dilakukan setelah ada persetujuan pemberi dana.

3. Kredit/pembiayaan baru tetap bisa diberikan
   Debitur yang terdampak bencana tetap bisa mendapat pembiayaan baru, dengan penetapan kualitas kredit secara terpisah. Jadi tidak otomatis “dicap jelek” hanya karena pernah terdampak bencana.

4. Masa berlaku 3 tahun
   Kebijakan ini berlaku selama 3 tahun sejak ditetapkan pada 10/12/2025. Cukup panjang untuk fase pemulihan ekonomi lokal.

Secara prinsip, ini kebijakan yang inklusif. OJK mengakui bahwa risiko gagal bayar akibat bencana beda dengan gagal bayar karena moral hazard. Debitur yang usahanya hancur karena banjir bukan berarti tidak layak dibiayai di masa depan.

Masalahnya, mengimplementasikan kebijakan sebaik ini tidak mudah secara operasional. Di sinilah teknologi, khususnya AI dalam industri perbankan Indonesia, bisa membantu.

Tantangan Nyata: Dari Regulasi ke Implementasi di Lapangan

Kebijakan di atas tampak rapi di dokumen. Begitu menyentuh cabang bank, koperasi, atau platform fintech, tantangannya jadi sangat praktis:

1. Identifikasi debitur terdampak

   • Siapa saja nasabah yang benar-benar terdampak banjir/lonsor?
   • Seberapa parah dampaknya? Rumah rusak ringan atau usaha benar-benar hilang?

2. Kecepatan penanganan
   Di masa krisis, nasabah butuh kepastian hari itu juga, bukan berbulan-bulan. Proses manual (form, survei lapangan, rapat komite kredit) sering terlalu lambat.

3. Keadilan & objektivitas
   Tanpa alat bantu analitik, keputusan restrukturisasi sering bergantung pada subjektivitas analis atau kedekatan nasabah dengan petugas.

4. Menjaga kualitas portofolio
   Bank tetap harus menjaga NPL (non-performing loan). Terlalu longgar bisa berbahaya, terlalu ketat membuat bantuan tidak terasa.

5. Koordinasi multi-pihak
   Di PVML (lembaga pembiayaan, modal ventura, lembaga keuangan mikro, dan lainnya), ada banyak pemangku kepentingan: pemberi dana, regulator, manajemen risiko, hingga tim collection.

Kebijakan OJK memberi kerangka regulasi. Tapi untuk menjawab pertanyaan praktis seperti “nasabah mana yang harus diprioritaskan restrukturisasi minggu ini?” atau “berapa plafon aman untuk pembiayaan baru di kecamatan X yang baru kebanjiran?”, dibutuhkan data dan AI.

Bagaimana AI Bisa Membantu Bank Saat Krisis Banjir?

Jawabannya: AI mampu menghubungkan data bencana, data transaksi, dan perilaku nasabah menjadi insight yang bisa di-action.

1. Pemetaan Dampak Bencana Secara Granular

AI bisa digunakan untuk menggabungkan:

• Data lokasi cabang dan alamat debitur
• Data cuaca dan banjir (misalnya level ketinggian air, area terdampak)
• Citra satelit atau drone hasil pemantauan lapangan

Dari situ, bank bisa membangun peta risiko banjir internal:

• Kelurahan mana yang paling parah terdampak
• Segmen nasabah apa yang paling terkena (UMKM, mikro, KUR, KPR, konsumtif)
• Estimasi kerugian ekonomi di setiap wilayah

Ini membantu manajemen menjawab pertanyaan strategis:

"Cabang mana yang harus diprioritaskan untuk program restrukturisasi?"
"Berapa besar buffer pencadangan yang harus disiapkan untuk portofolio di zona banjir?"

2. Skoring Risiko Kredit yang Menyesuaikan Kondisi Bencana

Skor kredit tradisional cenderung menghukum keterlambatan pembayaran, apapun sebabnya. Padahal dalam konteks bencana:

• Terlambat bayar 30 hari di daerah yang usahanya hancur karena banjir
• Tidak sama dengan terlambat bayar 30 hari di daerah yang tidak terdampak

Model AI credit scoring adaptif bisa:

• Menambahkan variabel bencana (lokasi, intensitas banjir, status usaha) ke dalam model
• Mengklasifikasikan apakah keterlambatan kemungkinan besar akibat dampak bencana atau perilaku bayar yang buruk
• Merekomendasikan aksi: restrukturisasi, penundaan, atau penagihan seperti biasa

Hasilnya, perlakuan khusus ala OJK bisa dieksekusi lebih objektif:

• Debitur yang layak dibantu tidak tertinggal
• Debitur berisiko tinggi tetap terdeteksi

3. Otomatisasi Proses Restrukturisasi

Banyak bank masih menggunakan proses manual untuk restrukturisasi:

• Nasabah datang ke cabang
• Isi formulir, bawa dokumen, menunggu analisis
• Komite kredit rapat, lalu baru ada keputusan

Dengan AI dan digital banking:

• Nasabah di daerah terdampak dapat notifikasi otomatis di aplikasi mobile banking atau SMS:
  • Penawaran restrukturisasi,
  • Simulasi cicilan baru,
  • Syarat dokumen yang dipangkas.
• Sistem AI melakukan pre-approval berdasarkan profil nasabah dan dampak bencana.
• Petugas hanya perlu melakukan verifikasi cepat, bukan analisis dari nol.

Ini bisa memangkas waktu dari minggu menjadi jam, bahkan menit, untuk kasus-kasus yang straightforward.

4. Menyalurkan Pembiayaan Baru dengan Lebih Terarah

Kebijakan OJK membuka ruang pembiayaan baru bagi debitur terdampak, dengan kualitas kredit dinilai terpisah. Tantangannya: siapa yang siap bangkit dan aman untuk dibiayai lagi?

Model AI bisa:

• Menganalisis riwayat perilaku bayar sebelum bencana
• Menggabungkan data transaksi (misalnya, perputaran rekening bisnis sebelum kejadian)
• Mengukur kapasitas pemulihan usaha berdasar sektor dan lokasi

Dari situ, bank bisa:

• Menawarkan KUR pemulihan bencana, modal kerja jangka pendek, atau pembiayaan mikro digital secara lebih tepat sasaran.
• Menghindari pemberian kredit baru pada profil yang secara objektif belum siap.

5. Chatbot dan Asisten Virtual dalam Bahasa Indonesia

Saat krisis, call center biasanya penuh. Banyak nasabah hanya butuh jawaban sederhana:

• “Apakah saya bisa tunda cicilan 3 bulan?”
• “Bagaimana cara ajukan restrukturisasi?”
• “Apakah nama saya akan jelek di SLIK kalau restrukturisasi?”

Chatbot berbasis AI dalam bahasa Indonesia (bahkan bahasa daerah) bisa:

• Menjawab pertanyaan umum 24/7
• Mengarahkan nasabah ke opsi program yang tepat (restrukturisasi, keringanan bunga, dll.)
• Mengurangi tekanan ke cabang dan call center, sambil menjaga kualitas layanan

Ini bagian penting dari inklusi keuangan berbasis teknologi: layanan tetap bisa diakses bahkan ketika nasabah tidak bisa datang ke kantor fisik.

Inklusi Keuangan: Dari Sekadar Keringanan ke Ekosistem Data

Kebijakan OJK memberi sinyal jelas: debitur terdampak bencana harus diperlakukan secara khusus dan adil. Teknologi AI membantu mewujudkannya dalam skala besar.

Ada beberapa prinsip yang menurut saya krusial jika bank dan lembaga pembiayaan ingin benar-benar menjadikan momen ini sebagai lompatan ke era digital banking berbasis AI:

1. Data sebagai Infrastruktur Krisis

Bencana seperti banjir bukan kejadian satu kali. Di Indonesia, ini musiman. Bank yang serius perlu membangun:

• Data historis dampak banjir per wilayah dan per segmen nasabah
• Model prediksi: wilayah mana yang berisiko tinggi ke depan
• Simulasi skenario: bagaimana portofolio akan terpengaruh jika suatu kabupaten terendam 2 minggu

Dengan begitu, setiap kali OJK mengeluarkan regulasi khusus bencana, bank tidak mulai dari nol.

2. AI yang Transparan dan Bisa Diaudit

Saya cukup kritis pada model AI yang sifatnya “black box”. Untuk sektor keuangan yang heavily regulated, AI harus:

• Bisa dijelaskan: kenapa nasabah A direkomendasikan restrukturisasi, nasabah B tidak?
• Bisa diaudit saat OJK atau audit internal melakukan pemeriksaan
• Tidak mendiskriminasi kelompok tertentu (misalnya berdasarkan lokasi saja tanpa mempertimbangkan kapasitas bayar riil)

Bank perlu menyeimbangkan inovasi AI dengan tata kelola (governance) yang kuat.

3. Kolaborasi: Bank, Fintech, dan Regulator

Dalam konteks Aceh, Sumatra Utara, dan Sumatra Barat, banyak lembaga terlibat:

• Bank umum, BPR, BPRS
• Lembaga pembiayaan, fintech lending
• Pemerintah daerah dan otoritas bencana

AI akan jauh lebih efektif kalau ada standar data minimal dan mekanisme pertukaran informasi (tentu dengan menjaga privasi). Misalnya:

• Format pelaporan debitur terdampak bencana
• Indikator standar tingkat kerusakan usaha/rumah

Ini membuat ekosistem inklusi keuangan digital tidak terpecah-pecah.

Langkah Praktis untuk Bank & Lembaga Pembiayaan

Kalau Anda bekerja di bank, multifinance, atau fintech, berikut langkah realistis yang bisa mulai dikerjakan dalam 6–12 bulan:

1. Petakan portofolio terhadap risiko bencana

   • Mulai dari hal sederhana: overlay alamat debitur dengan peta bencana publik.
   • Tandai segmen prioritas: KUR, mikro, UMKM, konsumer di daerah rawan.

2. Bangun rule-based engine sebelum full AI

   • Susun aturan otomasi sederhana: misalnya, nasabah di kecamatan X yang terlambat <60 hari otomatis ditawarkan penjadwalan ulang.
   • Setelah data cukup, baru kembangkan model machine learning untuk meningkatkan akurasi.

3. Kembangkan chatbot layanan krisis

   • Minimal FAQ interaktif soal restrukturisasi dan program bantuan bencana.
   • Integrasikan dengan aplikasi mobile banking atau WhatsApp business.

4. Latih tim risk dan bisnis soal AI

   • AI dalam perbankan Indonesia bukan hanya urusan tim IT.
   • Risk, bisnis, dan collection harus paham cara membaca output model dan batasan-batasannya.

5. Diskusikan framework dengan regulator sejak awal

   • Ajak OJK dalam diskusi desain model risiko bencana.
   • Ini membangun kepercayaan dan mempermudah proses pengawasan.

Penutup: Dari Banjir Sumatra ke Masa Depan Perbankan AI

Kebijakan OJK yang memberi perlakuan khusus untuk debitur terdampak banjir adalah langkah besar ke arah sistem keuangan yang lebih manusiawi dan inklusif. Namun agar kebijakan ini terasa sampai ke nelayan di pesisir, pedagang kecil di pasar, dan pemilik warung di gang sempit, bank dan lembaga pembiayaan butuh tools yang lebih cerdas.

Di era AI dalam industri perbankan Indonesia, kuncinya bukan sekadar punya aplikasi digital, tapi punya kemampuan memahami data bencana, perilaku nasabah, dan risiko kredit secara dinamis. Banjir mungkin datang tiap tahun, tapi cara kita meresponsnya tidak boleh stagnan.

Kalau lembaga Anda masih mengelola kredit bencana dengan cara manual, ini momen yang pas untuk memikirkan:
Bagaimana strategi AI dan digital banking Anda 2–3 tahun ke depan, sebelum bencana besar berikutnya datang?