Dolar Perkasa, Rupiah Tertekan: Saatnya Bank Serius ke AI

Dolar Menguat, Risiko Naik – Bank Nggak Bisa Lagi Andalkan Cara Lama

Di pertengahan Desember 2025, indeks dolar AS (DXY) masih bertahan di kisaran 98,2 dan rupiah sempat menyentuh Rp16.680 per dolar AS. Gubernur BI Perry Warjiyo menjelaskan, penguatan dolar ini salah satunya dipicu naiknya imbal hasil US Treasury tenor 2 tahun yang mencerminkan kebutuhan utang pemerintah AS yang tinggi dan derasnya arus dana ke aset dolar.

Buat kebanyakan orang, ini terdengar seperti berita makro biasa. Tapi buat industri perbankan, khususnya bank di Indonesia, konteksnya jauh lebih serius: volatilitas nilai tukar berarti risiko likuiditas naik, biaya dana bisa berubah cepat, NPL bisa terdorong naik, dan margin bunga makin tertekan.

Di tengah tekanan seperti ini, bank yang masih mengandalkan proses manual dan sistem lama bakal kewalahan. Di sisi lain, bank yang sudah kuat di digital banking dan berani mengadopsi AI dalam perbankan justru bisa memanfaatkan situasi untuk menguatkan posisi, menjaga nasabah tetap tenang, dan mengambil keputusan lebih cepat.

Artikel ini membahas tiga hal utama:

• Apa sebenarnya yang terjadi dengan dolar dan rupiah di akhir 2025
• Mengapa kondisi makro seperti ini memaksa bank mempercepat transformasi digital
• Peran konkret AI di perbankan Indonesia untuk mengelola risiko, menjaga layanan, dan mendorong pertumbuhan di era ketidakpastian

---

Apa yang Dijelaskan Bos BI Soal Dolar Perkasa

Pesan Perry Warjiyo sederhana tapi keras: penguatan dolar bukan fenomena sesaat, dan risikonya ke negara emerging market seperti Indonesia cukup nyata.

Beberapa poin penting dari penjelasan BI:

1. DXY tetap tinggi
   Indeks dolar AS yang mengukur kekuatan dolar terhadap enam mata uang utama berada di kisaran 98,2, sempat mendekati level terendah sejak awal Oktober, lalu rebound lagi. Artinya, walaupun sempat melemah, minat pasar pada dolar masih kuat.

2. Imbal hasil US Treasury 2 tahun naik
   Kenaikan yield obligasi pemerintah AS tenor pendek menandakan dua hal: kebutuhan utang AS naik, dan investor meminta kompensasi imbal hasil yang lebih tinggi. Dampaknya, dana global cenderung lari ke aset dolar.

3. Tekanan ke negara emerging market
   Perry menyebut, kondisi ini membuat aliran modal ke emerging market, termasuk Indonesia, jadi terbatas. Investor global jadi lebih selektif, dan mata uang negara berkembang cenderung melemah.

4. Rupiah sempat bertahan, tapi tekanan nyata
   Data Refinitiv menunjukkan 9 dari 11 mata uang Asia melemah terhadap dolar. Rupiah justru bisa menguat tipis 0,03% ke Rp16.680/US$, tapi penguatannya sangat terbatas karena pasar menunggu hasil RDG BI.

5. Prospek ekonomi global 2026 melemah
   BI memperkirakan pertumbuhan ekonomi dunia turun dari 3,2% ke 3% pada 2026. Perry menyebut ketidakpastian masih tinggi, sehingga respons kebijakan harus lebih kuat.

Singkatnya: dolar kuat, arus modal ketat, prospek global melambat, dan ruang manuver negara emerging market makin sempit.

Bagi bank di Indonesia, ini bukan sekadar headline ekonomi. Ini sinyal keras bahwa manajemen risiko, kecepatan respons, dan kedekatan dengan nasabah harus naik kelas. Dan titik temu ketiganya ada di satu kata: data, yang dikelola secara cerdas lewat AI.

---

Mengapa Volatilitas Nilai Tukar Memaksa Bank Memperkuat Digital & AI

Setiap kali dolar menguat tajam, bank merasakan imbasnya di banyak titik:

• Risiko valas nasabah korporasi naik
• Biaya impor bahan baku naik → tekanan ke arus kas debitur
• Sentimen pasar keuangan berubah cepat → dana pihak ketiga bisa bergerak liar
• Tekanan ke kualitas kredit (NPL) terutama di sektor yang terpapar impor & dolar

Kalau semua ini direspons dengan spreadsheet manual, laporan mingguan, dan meeting panjang, bank akan selalu terlambat. Di sini AI untuk analitik risiko dan layanan digital mulai terasa bukan lagi “nice to have”, tapi kebutuhan.

1. Kecepatan membaca risiko makro ke portofolio kredit

Saat BI bicara soal ketidakpastian global, bank idealnya sudah punya jawaban: sektor mana yang paling rentan, nasabah mana yang perlu diwaspadai, dan berapa eksposur valas yang harus diturunkan.

Dengan AI dan machine learning, bank bisa:

• Memetakan portofolio berdasarkan sensitivitas ke nilai tukar dolar
• Mensimulasikan skenario: misal, kalau dolar tembus Rp17.500, mana debitur yang DSCR-nya jatuh di bawah threshold
• Memberi peringatan dini (early warning) bukan dalam hitungan minggu, tapi harian bahkan near real-time

Bank yang punya kemampuan ini bisa mengajak nasabah duduk bareng lebih cepat, menstruktur ulang, atau mengurangi risiko sebelum masalah muncul.

2. Nasabah gelisah butuh jawaban cepat, bukan brosur

Saat kurs bergejolak, nasabah—baik ritel maupun korporasi—mulai banyak bertanya:

• “Aman nggak kalau saya simpan dalam deposito rupiah?”
• “Saya punya cicilan KPR, kalau rupiah melemah terus gimana?”
• “Eksposur valas perusahaan saya sebaiknya dikurangi nggak?”

Di titik ini, chatbot perbankan berbasis AI yang paham konteks lokal dan bahasa Indonesia sehari-hari jadi senjata penting.

Peran chatbot AI di situasi volatil:

• Menjawab pertanyaan dasar soal kurs, biaya transaksi, dan produk lindung nilai (hedging)
• Mengedukasi nasabah dengan bahasa sederhana tentang risiko kurs
• Mengarahkan nasabah ke RM atau call center manusia jika kasusnya kompleks

Respons cepat bukan cuma soal kenyamanan. Di tengah tekanan dolar, respons cepat adalah cara menjaga trust.

---

Tiga Use Case AI Paling Penting Saat Dolar Perkasa

Dalam konteks penguatan dolar dan ketidakpastian ekonomi global seperti yang disampaikan BI, ada tiga aplikasi AI dalam industri perbankan Indonesia yang, menurut saya, paling strategis.

1. AI untuk Manajemen Risiko & Stress Testing Dinamis

Ini fondasi. Bank perlu tahu, secara data, seberapa tahan portofolio mereka terhadap guncangan makro.

Beberapa implementasi praktis:

• Model risiko kredit berbasis AI
  Menggabungkan data historis, data transaksi harian, bahkan data alternatif (misal, data pembayaran supplier, data giro dan tabungan) untuk memetakan debitur mana yang mulai rapuh saat biaya dolar naik.

• Stress testing dinamis
  Bukan lagi stress test tahunan yang statis, tapi skenario berkala:

  • Kurs Rp17.000, Rp17.500, Rp18.000
  • Pertumbuhan global 3,2% turun ke 3%
  • Yield global naik sekian bps

AI membantu mensimulasikan dampak ke NPL, kecukupan modal, dan likuiditas dengan lebih cepat dan granular.

• Early warning system (EWS)
  Sistem yang otomatis memberi sinyal kalau ada perubahan pola: penurunan saldo rata-rata, keterlambatan pembayaran awal, penurunan volume transaksi ekspor-impor, dan sebagainya.

Bank yang punya EWS berbasis AI biasanya bisa “melihat badai dari jauh”, sementara bank lain baru sadar saat kredit mulai macet.

2. Chatbot & Asisten Virtual untuk Edukasi dan Retensi Nasabah

Saat rupiah tertekan dan berita soal dolar mendominasi, satu hal yang sering kurang adalah edukasi yang tenang dan jernih untuk nasabah ritel. Di sini chatbot bahasa Indonesia yang cerdas sangat berguna.

Fungsi yang relevan:

• Menjawab pertanyaan kurs dan simulasi sederhana
  Nasabah bisa bertanya: “Kalau saya kirim uang ke anak di luar negeri sekarang vs minggu depan, bedanya apa?” atau “Berapa biaya konversi dari rupiah ke dolar di mobile banking?”

• Memberikan rekomendasi produk yang relevan
  Misalnya, buat nasabah UKM yang punya tagihan dalam dolar, chatbot bisa menjelaskan opsi rekening valas, forward contract, atau produk lain yang sudah disediakan bank.

• Mengurangi beban call center
  Di masa gejolak, jumlah telepon ke call center bisa melonjak. Chatbot AI menyaring pertanyaan standar, sehingga agen manusia fokus pada kasus berisiko tinggi atau bernilai besar.

Kuncinya: chatbot harus benar-benar paham bahasa Indonesia, istilah perbankan lokal, dan tetap patuh regulasi. Di sinilah bank perlu bekerja dengan tim data, legal, dan risk secara serius, bukan sekadar “punya chatbot untuk gaya-gayaan”.

3. Personalisasi Layanan Digital untuk Menjaga Inklusi Keuangan

Fluktuasi nilai tukar dan pelemahan ekonomi global sering kali paling keras dirasakan kelompok rentan: pekerja informal, UMKM mikro, dan masyarakat berpendapatan rendah. Kalau bank tidak hati-hati, inklusi keuangan bisa mundur.

Dengan AI di digital banking, bank justru bisa menjaga agar kelompok ini tetap terlayani.

Contoh konkret:

• Skoring kredit alternatif untuk UMKM
  Menggunakan data transaksi harian, histori pembayaran tagihan, dan pola pemasukan untuk menilai kelayakan pinjaman mikro, tanpa hanya bergantung pada laporan keuangan formal.

• Penawaran limit dan tenor yang disesuaikan
  Di masa kurs bergejolak, AI bisa mengkalibrasi ulang penawaran kredit: mungkin tenor dibuat lebih pendek, limit disesuaikan dengan arus kas, tapi nasabah tetap punya akses pembiayaan.

• Notifikasi proaktif yang edukatif
  Misalnya, ketika ada lonjakan kurs, aplikasi mobile banking mengirimkan notifikasi berisi penjelasan singkat dan tips: cara mengatur ulang anggaran, opsi produk tabungan yang lebih cocok, atau cara menghindari utang konsumtif di masa tidak pasti.

Di sini, AI bukan hanya alat efisiensi bank, tapi juga instrumen menjaga ketahanan finansial nasabah.

---

Peran BI: Stabilitas Makro & Dorongan Transformasi Digital

Perry Warjiyo menekankan perlunya penguatan respons kebijakan untuk menghadapi ketidakpastian dan pelemahan pertumbuhan global. Dari sisi bank sentral, respons itu bisa berbentuk:

• Kebijakan suku bunga dan likuiditas
• Intervensi di pasar valas
• Pengaturan makroprudensial
• Dorongan ke penguatan infrastruktur pembayaran dan digital

Buat industri perbankan, sinyalnya jelas: stabilitas makro adalah fondasi, tapi adaptasi di level mikro ada di tangan bank sendiri.

Saya melihat, kombinasi berikut yang akan membedakan pemenang dan yang tertinggal:

1. Compliance kuat dengan regulasi BI & OJK sekaligus berani inovasi di AI
2. Investasi serius di data dan talenta digital, bukan hanya beli sistem
3. Fokus ke nasabah: semua proyek AI dan digital harus menjawab dua hal: mengurangi risiko dan menambah nilai buat nasabah

Era di mana bank sekadar menunggu arah kebijakan BI sudah berakhir. Di tengah dolar perkasa dan ekonomi global yang rawan, bank harus punya “mesin analitik dan layanan” sendiri yang tangguh.

---

Langkah Praktis untuk Bank: Dari Wawasan ke Eksekusi AI

Buat manajemen bank yang lagi memantau kurs dan membaca pernyataan BI, beberapa langkah praktis ini masuk akal untuk dipercepat mulai akhir 2025 menuju 2026:

1. Audit kesiapan data dan sistem

   • Seberapa bersih dan terstruktur data transaksi dan kredit?
   • Apakah bank sudah punya data lake yang bisa dipakai model AI dengan aman?

2. Prioritaskan use case yang paling relevan dengan risiko kurs
   Alih-alih membangun AI di semua lini, fokus dulu di:

   • Model risiko kredit dengan skenario nilai tukar
   • Early warning system portofolio sektor yang terpapar dolar
   • Chatbot yang menguasai topik kurs, transaksi valas, dan produk lindung nilai

3. Kuatkan kerangka tata kelola AI (AI governance)

   • Pastikan model AI transparan, terdokumentasi, dan bisa diaudit
   • Libatkan risk, legal, dan compliance sejak awal

4. Bangun tim lintas fungsi
   Data scientist tanpa input RM dan risk officer tidak akan menghasilkan model yang relevan. Tim AI perbankan yang efektif selalu berisi kombinasi: teknologi, bisnis, dan risiko.

5. Gunakan fase pilot yang jelas metriknya
   Misalnya: EWS berbasis AI di satu segmen korporasi dulu, targetnya menurunkan NPL potensial sekian persen atau mendeteksi masalah 3–6 bulan lebih awal.

Bank yang bergerak sekarang, saat BI masih memberi peringatan dini soal 2026, akan jauh lebih siap ketika volatilitas nilai tukar dan perlambatan global benar-benar terasa.

---

Penutup: Dolar Boleh Perkasa, Layanan Bank Harus Tetap Cerdas

Penguatan dolar di akhir 2025 dan proyeksi pelemahan ekonomi global 2026 adalah pengingat keras: stabilitas bukan sesuatu yang bisa dianggap permanen. BI akan terus menjaga dari sisi makro, tapi di level industri, AI dalam perbankan Indonesia akan jadi pembeda antara bank yang sekadar bertahan dan bank yang benar-benar tumbuh.

Dolar boleh perkasa, rupiah boleh berfluktuasi. Tapi satu hal yang bisa dikendalikan bank adalah seberapa cepat mereka membaca data, mengelola risiko, dan melayani nasabah secara personal lewat digital banking berbasis AI.

Kalau Anda bagian dari manajemen bank atau tim transformasi digital, pertanyaannya sekarang bukan lagi “perlu atau tidak pakai AI?”, tapi:
“Use case AI mana yang paling strategis untuk risiko kurs, dan kapan Anda berani mulai?”