Kontraksi Kredit UMKM: Saatnya Bank Serius Pakai AI

Kredit UMKM Terkontraksi, Risiko Naik – Lalu Apa Jalan Keluarnya?

Di akhir 2025, Bank Indonesia mencatat kredit UMKM justru menyusut 0,64% (yoy), padahal target pertumbuhan kredit perbankan masih dipatok di kisaran 8–11%. Sejak Juli, grafiknya turun terus sampai akhirnya tembus ke zona negatif.

Ini bukan sekadar angka di laporan RDG. Bagi bank, ini sinyal risiko naik dan bisnis melambat. Bagi pelaku UMKM, ini terasa nyata dalam bentuk pengajuan kredit yang makin susah gol, syarat makin ketat, dan proses yang berbelit.

Saya cenderung melihat kontraksi ini bukan hanya sebagai masalah, tapi juga sebagai tanda jelas bahwa model penilaian kredit lama sudah mentok, terutama untuk sektor UMKM. Ini momen yang pas untuk perbankan Indonesia menggeser strategi: dari hanya mengandalkan agunan dan laporan keuangan, ke penilaian kredit alternatif berbasis AI.

Artikel ini membahas:

• Kenapa kredit UMKM bisa terkontraksi di tengah likuiditas yang sebenarnya longgar
• Di mana tepatnya model kredit tradisional “buntu” saat menyentuh UMKM
• Bagaimana AI dalam industri perbankan Indonesia bisa mengubah cara bank menilai risiko UMKM
• Langkah praktis yang bisa diambil bank mulai 2026 agar kontraksi berubah jadi peluang pertumbuhan

Apa yang Terjadi dengan Kredit UMKM di Akhir 2025?

Intinya: kredit UMKM melambat sejak pertengahan 2025 dan akhirnya minus, sementara selera bank menyalurkan kredit secara umum masih ada. Masalah utamanya ada di risiko dan cara mengukurnya.

Dari paparan BI:

• Juli 2025: kredit UMKM masih tumbuh 1,82% (yoy)
• Agustus 2025: turun jadi 1,3%
• Oktober 2025: nyaris stagnan, 0,11%
• November 2025: sudah terkontraksi -0,64%

Di sisi lain, BI menilai:

• Minat bank menyalurkan kredit secara umum masih baik
• Persyaratan pemberian kredit (lending requirement) semakin longgar untuk banyak segmen
• Pengecualian justru di kredit konsumsi dan UMKM karena risiko kredit di dua segmen ini meningkat

Artinya apa?

1. Likuiditas bukan masalah utama. BI bahkan sedang ekspansif soal likuiditas.
2. Bank tidak kehabisan dana untuk dipinjamkan, tapi mereka berhati-hati di segmen yang dianggap berisiko tinggi.
3. UMKM “tersandera” di tengah: butuh kredit untuk tumbuh, tapi profil risikonya sulit dinilai dengan cara tradisional.

Di sinilah konteks seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking” jadi relevan. Kalau bank tetap pakai kacamata lama, UMKM akan terus kelihatan berisiko tinggi dan kredit akan stagnan atau negatif. Kalau cara menilai risikonya di-upgrade dengan AI, gambarnya bisa sangat berbeda.

Kenapa Model Kredit Tradisional Sulit Menjangkau UMKM

Masalah utamanya: sistem kredit perbankan kita masih sangat bergantung pada data formal dan agunan, sementara mayoritas UMKM hidup dengan data yang “abu-abu” dan tak terdokumentasi rapi.

Beberapa kelemahan pendekatan tradisional untuk UMKM:

1. Ketergantungan pada laporan keuangan formal

Banyak UMKM di Indonesia:

• Tidak punya laporan keuangan terstruktur
• Pencatatan masih manual, bahkan kadang hanya di buku tulis
• Arus kas tercampur dengan keuangan pribadi pemilik

Bagi bank, ini membuat:

• Analisis kelayakan kredit jadi lemah
• Rating risiko tampak buruk, walau bisnisnya sebenarnya cukup sehat

2. Fokus berlebihan pada agunan fisik

UMKM sering kesulitan menyediakan:

• Sertifikat tanah
• Aset tetap bernilai tinggi

Akibatnya:

• UMKM yang sebenarnya punya cashflow kuat tetap dianggap “underbanked”
• Bank lebih nyaman menyalurkan kredit ke korporasi besar yang punya agunan jelas

3. Proses manual yang mahal dan lambat

Survei lapangan, analisis manual, verifikasi berlapis membuat:

• Biaya akuisisi per debitur UMKM menjadi tinggi
• Ticket size kecil terasa tidak menarik untuk diproses panjang

Dari sudut pandang bisnis bank, ini bisa dimengerti. Tapi kalau pendekatan ini dipertahankan, wajar kalau kredit UMKM menyusut ketika risiko sedikit saja naik.

Solusi yang masuk akal? Ubah “mesin penilaian risiko”-nya. Di sinilah AI dan penilaian kredit alternatif bermain.

AI sebagai Mesin Penilaian Kredit Alternatif untuk UMKM

AI memungkinkan bank membaca risiko UMKM dari jejak digital dan perilaku bisnis, bukan hanya dari laporan keuangan dan agunan. Ini mengubah peta risiko dan membuka ruang baru bagi penyaluran kredit.

Dalam konteks digital banking Indonesia, ada beberapa sumber data dan teknik yang bisa dimanfaatkan.

1. Menggunakan data alternatif (alternative data)

Alih-alih hanya mengandalkan laporan keuangan formal, model penilaian kredit berbasis AI bisa memanfaatkan:

• Data transaksi rekening tabungan dan giro
• Riwayat transaksi QRIS dan payment gateway
• Data penjualan di marketplace atau POS digital
• Pola pembayaran tagihan (listrik, telepon, internet, supplier)
• Perilaku penggunaan aplikasi mobile banking dan super app

Contoh konkret:

• Seorang pedagang online mungkin tidak punya laporan laba rugi rapi, tapi datanya menunjukkan:
  • Transaksi harian stabil
  • Volume penjualan naik konsisten 12 bulan terakhir
  • Hampir tidak pernah telat bayar tagihan

Secara tradisional, bank akan ragu. Dengan model AI yang membaca ratusan variabel ini, pedagang tadi bisa dikategorikan “risiko menengah-rendah” dan layak dapat kredit dengan limit tertentu.

2. Skoring kredit otomatis dan real-time

AI dalam industri perbankan memungkinkan:

• Proses credit scoring otomatis dalam hitungan detik–menit
• Evaluasi ribuan faktor yang sulit dikerjakan analis manusia secara manual
• Penyesuaian skor secara dinamis seiring perubahan perilaku transaksi nasabah

Dampaknya bagi kredit UMKM:

• Biaya akuisisi nasabah turun signifikan
• Pengajuan kredit kecil-menengah jadi ekonomis bagi bank
• Proses approval bisa setara atau bahkan lebih cepat dari fintech

3. Deteksi risiko lebih dini, bukan setelah kredit macet

Salah satu kekhawatiran utama bank sekarang adalah kenaikan risiko kredit di segmen UMKM dan konsumsi. AI bisa membantu dengan:

• Early warning system berbasis pola transaksi
• Mendeteksi penurunan omzet, perubahan pola pembayaran, atau penarikan dana yang tidak biasa
• Memberi sinyal ke tim collections untuk melakukan pendekatan dini (restrukturisasi ringan, penjadwalan ulang, dll.)

Hasilnya:

• Probabilitas gagal bayar bisa ditekan
• Bank lebih percaya diri memperbesar portofolio UMKM karena punya radar risiko yang jauh lebih tajam

Dari Kontraksi ke Inklusi: Strategi Praktis untuk Bank di 2026

Kalau bank mau berhenti “bermain aman” secara berlebihan di kredit UMKM, mereka perlu menggabungkan disiplin risiko dengan kecerdasan AI. Bukan mengganti analis manusia, tapi meng-upgrade alat kerjanya.

Berikut beberapa langkah praktis yang realistis dilakukan bank di Indonesia dalam 12–24 bulan ke depan.

1. Bangun model skoring UMKM berbasis data internal

Bank sebenarnya sudah punya harta karun data:

• Mutasi rekening
• Riwayat pinjaman
• Pola penggunaan fasilitas kredit

Langkah realistis:

1. Mulai dari data internal 3–5 tahun terakhir
2. Segmenkan UMKM berdasarkan sektor, lokasi, dan ticket size
3. Latih model machine learning untuk memprediksi risiko gagal bayar
4. Uji paralel dengan model tradisional selama beberapa kuartal

Biasanya, yang terjadi:

• Ada segmen UMKM yang selama ini under-approved tapi ternyata punya performa pembayaran cukup baik
• Ada juga segmen yang ternyata sangat berisiko dan perlu dipersempit

2. Integrasi data eksternal dan jejak digital

Untuk memperkaya model, bank bisa mengintegrasikan:

• Data transaksi QRIS
• Data marketplace (untuk merchant terpilih)
• Data pembayaran utilitas

Prinsip pentingnya:

• Transparan ke nasabah soal jenis data yang digunakan
• Menjaga kepatuhan terhadap regulasi perlindungan data
• Mengikuti arahan BI dan OJK terkait penggunaan data alternatif

3. Rancang produk kredit UMKM yang adaptif

Kalau skoring sudah lebih canggih, produknya juga perlu ikut berubah. Misalnya:

• Kredit modal kerja berbasis omzet harian

  • Plafon dan tenor mengikuti pola transaksi
  • Angsuran otomatis dipotong dari persentase penjualan

• Top-up otomatis untuk nasabah dengan skor membaik

  • AI memantau performa
  • Kalau selama 6–12 bulan pembayaran bagus dan omzet naik, plafon naik otomatis tanpa proses panjang

• Pricing berbasis risiko yang benar-benar granular

  • Debitur dengan skor lebih baik dapat bunga lebih kompetitif
  • Ini memberi insentif perilaku pembayaran yang disiplin

4. Kolaborasi erat dengan regulator

BI sudah menegaskan akan memperkuat koordinasi dengan Pemerintah dan KSSK untuk mendorong kredit/pembiayaan perbankan sekaligus memperbaiki struktur suku bunga.

Agar pemanfaatan AI di kredit UMKM nyambung dengan arah kebijakan BI dan OJK, bank bisa:

• Aktif berdialog soal standar penggunaan AI dalam penilaian risiko
• Berpartisipasi dalam sandbox regulasi atau pilot project
• Mendorong terbentuknya pedoman “explainable AI” sehingga keputusan kredit tetap bisa dijelaskan ke nasabah dan regulator

Di sini saya cukup yakin: bank yang proaktif berdiskusi dengan regulator akan melaju lebih cepat ketimbang yang menunggu aturan jadi dulu baru bergerak.

Tantangan Nyata dalam Penerapan AI di Kredit UMKM

AI bukan sihir. Kalau datanya kotor atau tim internal tidak siap, hasilnya berbahaya. Risiko bias dan salah tafsir bisa muncul.

Beberapa tantangan yang perlu dihadapi dengan realistis:

1. Kualitas dan konsistensi data

• Banyak data transaksi yang tidak terstruktur
• Data historis bisa tidak lengkap

Solusi praktis:

• Program pembersihan data bertahap
• Standardisasi input data di cabang dan kanal digital
• Mengutamakan satu atau dua sumber data yang paling kaya dan stabil dulu, baru melebar

2. Kesiapan SDM internal

• Tim risiko, kredit, dan bisnis perlu paham cara membaca output model AI
• Keputusan akhir tetap harus menggabungkan judgement manusia dan rekomendasi model

Investasi yang realistis:

• Pelatihan dasar analitik data untuk analis kredit
• Tim kecil data science yang dekat dengan unit bisnis, bukan terpisah jauh di “menara gading IT”

3. Kepercayaan nasabah

UMKM butuh diyakinkan bahwa:

• Data mereka digunakan dengan aman
• Keputusan kredit tetap adil dan bisa dijelaskan

Pendekatan yang sehat:

• Komunikasikan bahwa AI membantu mempercepat dan memperluas akses, bukan untuk “mengawasi” secara berlebihan
• Sediakan jalur banding/manual review untuk kasus-kasus yang butuh penjelasan lebih dalam

Menjadikan AI Fondasi Pertumbuhan Kredit UMKM 2026 ke Depan

Kontraksi -0,64% di kredit UMKM pada akhir 2025 adalah wake-up call. Dengan risiko yang meningkat dan ketidakpastian ekonomi global, bertahan dengan cara lama bukan strategi yang bijak.

Ada jalan yang lebih cerdas:

• Menggunakan AI dan penilaian kredit alternatif untuk membaca risiko UMKM secara lebih akurat
• Menyusun produk kredit digital yang adaptif terhadap data real-time
• Memperkuat koordinasi dengan BI, OJK, dan pemerintah agar ekspansi kredit tetap sehat dan prudensial

Dalam konteks seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking”, segmen UMKM sebenarnya adalah “laboratorium nyata” terbaik. Di sini kelihatan jelas siapa yang hanya bicara soal digital banking, dan siapa yang benar-benar mengubah cara kerja kredit dengan AI.

Kalau Anda bagian dari industri perbankan atau fintech, pertanyaannya sederhana:

Apakah portofolio UMKM Anda di 2026 masih akan dikendalikan oleh model kredit lama, atau sudah mulai ditopang oleh mesin AI yang melihat potensi, bukan cuma risiko di permukaan?

Waktu untuk menjawabnya sebenarnya sudah mulai sekarang.