Diskusi OJK–MSCI soal free float mengajarkan satu hal penting untuk AI perbankan Indonesia: kualitas data dan transparansi jadi fondasi utama digital banking.
Dari Free Float MSCI ke AI Perbankan yang Lebih Transparan
IHSG sempat bergerak naik sampai kisaran 8.600 di akhir 2025, salah satu pemicunya: dinamika rebalancing indeks global seperti MSCI dan isu perhitungan ulang free float. Di balik isu yang tampaknya sangat teknis ini, ada satu benang merah yang justru relevan untuk masa depan AI dalam industri perbankan Indonesia: kualitas data, transparansi, dan kolaborasi regulasi.
Saat OJK membuka diskusi dengan MSCI soal metodologi free float, sebenarnya yang dibahas bukan hanya soal indeks saham. Ini soal bagaimana data keuangan Indonesia dibaca oleh sistem global, betapa pentingnya definisi dan kualitas data, dan bagaimana semua itu akan menentukan efektivitas model AI di perbankan dan pasar modal dalam era digital banking.
Tulisan ini mengurai tiga hal: apa implikasi diskusi OJK–MSCI, mengapa ini erat dengan tema data dan transparansi, dan bagaimana prinsip yang sama harus dipakai bank ketika membangun solusi AI untuk risk, fraud, dan personalisasi layanan.
Apa yang Terjadi: OJK, MSCI, dan Hitung Ulang Free Float
Inti beritanya sederhana: OJK mendorong diskusi dengan MSCI terkait penyesuaian metodologi perhitungan free float saham Indonesia.
Free float adalah porsi saham yang benar-benar beredar dan bisa diperdagangkan publik, tidak termasuk kepemilikan pengendali, pemerintah, atau pemegang strategis lain.
MSCI memakai data free float ini untuk menentukan bobot saham Indonesia di indeks mereka. Kalau angka free float turun, bobot Indonesia bisa mengecil, potensi aliran dana asing pun menurun. Inilah yang bikin Bursa Efek Indonesia (BEI), emiten, dan regulator cukup waspada.
Beberapa poin penting dari pernyataan OJK & BEI:
- OJK, BEI, dan KSEI aktif berkomunikasi dengan MSCI soal metodologi dan dinamika pasar domestik.
- Tujuannya: kebijakan dan kondisi pasar modal Indonesia dipahami secara komprehensif, namun tetap menjaga transparansi, tata kelola, dan perlindungan investor.
- BEI menegaskan tidak bisa mengintervensi kebijakan internal MSCI sebagai lembaga independen, tapi mendorong kesetaraan perlakuan dengan bursa negara lain.
- BEI juga menyiapkan pertemuan untuk memahami kebutuhan data MSCI dari KSEI dan otoritas domestik.
Sekilas ini hanya urusan indeks. Tapi kalau kita tarik ke konteks AI dan digital banking, ada pelajaran yang sangat relevan: semua bermuara ke data integrity dan trust.
Pelajaran Utama: Data Integrity Bukan Sekadar Isu Bursa
Apapun model yang dipakai MSCI, satu hal pasti: model hanya sekuat data yang masuk. Kalau definisi free float tidak seragam, kalau data kepemilikan saham tidak rapi, output indeks akan bias. Dampaknya bisa miliaran rupiah aliran dana asing yang tertahan atau bahkan keluar.
Persis hal yang sama terjadi di perbankan ketika kita bicara AI untuk credit scoring, deteksi fraud, atau personalisasi.
1. Definisi data harus jelas dan konsisten
OJK dan MSCI lagi berdebat sehat soal: apa yang layak dihitung sebagai free float? Di perbankan, pertanyaannya mirip:
- Apa definisi nasabah aktif?
- Transaksi mana yang dikategorikan sebagai indikasi fraud?
- Data mana yang boleh dan tidak boleh dipakai untuk pemodelan risiko kredit?
Kalau setiap divisi bank pakai definisi berbeda, model AI akan kacau. Pengalaman saya melihat proyek data di lembaga keuangan, masalah terbesarnya sering bukan algoritma, tapi kamus data yang tidak disepakati bersama.
2. Tanpa transparansi, model apa pun sulit dipercaya
MSCI perlu menjelaskan metodologi ke OJK dan BEI agar pasar paham dampak kebijakan free float. Di bank, nasabah dan regulator juga butuh hal yang sama:
- Kalau AI menolak kredit, alasan penolakannya harus bisa dijelaskan.
- Kalau AI menaikkan limit kartu kredit, bank harus bisa menunjukkan basis datanya ketika diaudit.
Ini yang disebut explainable AI (XAI). AI di perbankan Indonesia tidak bisa hanya “hitungan di kotak hitam”, apalagi di bawah pengawasan OJK dan dalam konteks perlindungan konsumen.
3. Kolaborasi & data sharing itu keharusan
OJK, BEI, dan KSEI duduk satu meja dengan MSCI, membahas kebutuhan data sampai ke level teknis. Di dunia perbankan digital, pola kolaborasi ini harus diperluas:
- Bank, fintech, dan switching pembayaran butuh interoperabilitas data transaksi.
- Regulator butuh akses data untuk regtech & suptech, misalnya pengawasan real-time berbasis AI.
- Skema open finance dan open API perlu diatur supaya data bisa dibagi dengan aman, bukan malah bocor.
Transparansi dan data sharing yang rapi bukan cuma urusan indeks saham, tapi fondasi dari ekosistem AI perbankan yang sehat.
Dari Free Float ke AI: Apa Relevansinya buat Bank di Indonesia?
Bagi bank, diskusi OJK–MSCI ini bisa dijadikan cermin. Kalau Indonesia ingin serius di era digital banking dan AI perbankan, kualitas data dan tata kelola harus naik kelas.
Berikut beberapa area konkret di mana pelajaran dari kasus free float bisa diterapkan.
A. AI untuk credit scoring & penilaian risiko
Seperti halnya free float memengaruhi bobot indeks, data nasabah memengaruhi skor risiko kredit.
Bank yang sudah memakai AI credit scoring biasanya menggabungkan:
- Data tradisional: slip gaji, histori kredit, agunan.
- Data alternatif: pola transaksi QRIS, e-commerce, top up e-wallet, bahkan perilaku log-in aplikasi.
Kalau data kacau — ganda, tidak lengkap, atau definisinya beda-beda — hasil skor akan bias. Akibatnya:
- Nasabah layak kredit bisa ditolak.
- Nasabah berisiko tinggi bisa lolos.
Pelajaran dari OJK–MSCI:
- Buat data governance yang jelas: siapa pemilik data, siapa yang boleh mengubah, standar kualitas, dan lineage data.
- Bentuk data stewardship di level grup bank, mirip koordinasi OJK–BEI–KSEI.
B. Deteksi fraud dengan AI yang akurat
Deteksi fraud mirip dengan rebalancing indeks dalam skala yang lebih kecil: sistem AI terus-menerus mengkalibrasi pola normal dan tidak normal.
Kalau data historis transaksi penuh noise atau tidak diberi label dengan benar (mana fraud, mana bukan), model akan:
- Terlalu ketat → banyak false positive, nasabah terganggu.
- Terlalu longgar → fraudster lolos.
Di sini, bank perlu meniru pendekatan transparansi yang sedang didorong OJK:
- Dokumentasikan metodologi model fraud secara jelas.
- Simpan jejak keputusan (audit trail) setiap kali sistem menandai transaksi mencurigakan.
- Siapkan dashboard pengawasan real-time untuk tim risk dan kepatuhan.
C. Personalisasi layanan dan indeksasi nilai nasabah
Kalau MSCI mengubah bobot saham di indeks, bank sebenarnya melakukan hal yang mirip pada level individu: mengindeks nilai tiap nasabah.
Dengan AI, bank bisa:
- Mengklasifikasi nasabah berdasarkan nilai hidup (customer lifetime value).
- Menentukan segmen yang berhak mendapat penawaran kartu kredit, KPR, atau produk wealth.
- Menyesuaikan UI/UX aplikasi mobile berdasarkan perilaku tiap nasabah.
Semua ini hanya mungkin kalau:
- Data nasabah bersih, terintegrasi lintas produk (giro, tabungan, kredit, kartu, wealth).
- Aturan segmentasi disepakati dan konsisten.
- Ada governance yang memastikan personalisasi tidak melanggar privasi dan aturan OJK.
Peran OJK: Dari Diskusi MSCI ke Regtech & Suptech Berbasis AI
Langkah OJK ikut aktif dalam diskusi free float menunjukkan satu hal: regulator Indonesia tidak pasif menunggu dampak, tetapi terlibat di hulu, di level metodologi dan data.
Pola yang sama sebenarnya sedang (dan harus semakin) terjadi di pengawasan perbankan.
OJK sebagai pengguna AI: Suptech
Di banyak negara, otoritas mulai memakai suptech (supervisory technology): pemanfaatan AI dan analitik canggih untuk mengawasi industri keuangan.
Dalam konteks Indonesia, peluangnya besar:
- Analisis laporan berkala bank secara otomatis, bukan manual.
- Deteksi dini tekanan likuiditas atau lonjakan NPL dari data transaksi.
- Pemantauan kepatuhan real-time terhadap aturan kehati-hatian.
Syaratnya sama: standar data yang rapi, data sharing yang aman, dan metodologi yang transparan.
Bank sebagai pengguna regtech
Di sisi lain, bank juga mulai mengadopsi regtech untuk mempermudah kepatuhan:
- Name screening dan AML berbasis AI.
- Pelaporan regulasi otomatis, langsung dari data warehouse ke format yang diminta OJK maupun BI.
- Pengelolaan risiko model (model risk management) yang bisa diaudit.
Kalau hubungan OJK dengan MSCI sekarang adalah soal menyamakan persepsi data free float, hubungan OJK–bank dalam konteks AI perbankan ke depan harus serupa: jelas di definisi, rapi di data, dan terbuka di metodologi.
Langkah Praktis untuk Bank: Mempersiapkan Fondasi AI yang Sehat
Bank yang ingin serius di AI dalam industri perbankan Indonesia tidak cukup hanya beli mesin atau cloud. Fondasi utamanya ada di data dan tata kelola.
Berikut kerangka praktis yang bisa dipakai tim manajemen, TI, dan risk:
1. Susun kamus data (data dictionary) yang disepakati grup
- Definisikan istilah kunci: nasabah aktif, pinjaman bermasalah, transaksi mencurigakan, dan lain-lain.
- Samakan definisi di seluruh unit: ritel, korporasi, SME, kartu kredit, digital bank.
- Dokumentasikan, update berkala, dan jadikan referensi resmi sebelum membangun model AI.
2. Bangun single source of truth untuk data nasabah
- Konsolidasikan data di satu data lake atau data warehouse terpusat.
- Pastikan integrasi dari core banking, mobile banking, kartu kredit, hingga channel lain.
- Terapkan data quality check otomatis (duplikasi, anomali, missing value) setiap hari.
3. Terapkan kerangka tata kelola AI
- Bentuk komite internal untuk AI & data ethics.
- Pastikan setiap model AI yang menyentuh keputusan besar (kredit, fraud, limit) punya:
- Dokumentasi metodologi.
- Uji bias dan fairness.
- Mekanisme peninjauan manual.
- Siapkan materi sederhana untuk menjelaskan keputusan AI kepada nasabah, bila diminta.
4. Bangun hubungan proaktif dengan regulator
- Libatkan regulator saat menguji solusi AI yang sensitif, bukan hanya saat pelaporan.
- Ikuti sandbox, panduan, dan forum diskusi yang dibuka OJK dan BI.
- Anggap regulasi sebagai desain constraint, bukan penghalang. Di banyak kasus, justru memperjelas arah proyek.
Menyambut Era AI Perbankan Indonesia yang Lebih Jelas Datanya
Diskusi OJK dengan MSCI soal free float mungkin terasa jauh dari dunia kredit UMKM atau aplikasi mobile banking. Tapi esensinya sama: kalau data tidak jelas dan tidak disepakati bersama, keputusan keuangan—baik oleh manusia maupun mesin—akan selalu bermasalah.
Di seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking”, tema yang berulang adalah satu:
- AI hanya akan seefektif kualitas data, tata kelola, dan transparansi yang kita bangun di belakang layar.
Bagi bank dan pelaku fintech, sekarang momen yang tepat untuk:
- Merapikan fondasi data.
- Menyusun tata kelola AI.
- Membangun dialog yang lebih dalam dengan regulator.
OJK sudah menunjukkan pendekatan yang cukup terbuka melalui dialog dengan MSCI. Pertanyaannya, apakah bank dan pelaku digital banking di Indonesia siap mengadopsi standar yang sama ketatnya saat membangun AI mereka sendiri?
Kalau Anda sedang merancang strategi AI di bank atau fintech, jadikan kasus free float ini sebagai pengingat: mulai dari datanya dulu, baru algoritmanya. Di situlah keunggulan jangka panjang akan tercipta.