Kasus penghapusan KUR petani korban banjir Sumatra membuka jalan untuk kebijakan kredit yang lebih humanis berbasis AI, data risiko, dan digital banking.
Pada awal Desember 2025, satu keputusan pemerintah langsung mengubah nasib ribuan petani di Aceh dan Sumatra: utang KUR mereka dihapus setelah dihantam banjir dan longsor. Di saat yang sama, Bank Mandiri bergerak cepat memetakan debitur terdampak, berkoordinasi dengan OJK dan pemda, sambil menyalurkan bantuan lewat Mandiri Peduli Bencana.
Kebijakan ini bukan cuma soal penghapusan utang. Ini contoh nyata bagaimana sistem keuangan harus sanggup merespons krisis dengan cepat, adil, dan terukur. Dan di balik semua itu, ada satu pertanyaan penting untuk era digital banking: bagaimana teknologi data dan AI bisa membuat kebijakan seperti ini lebih inklusif, lebih tepat sasaran, dan lebih berkelanjutan untuk bank?
Tulisan ini membahas kasus Bank Mandiri dan KUR bencana Sumatra sebagai pintu masuk ke tema besar seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking” — khususnya tentang inklusi keuangan, manajemen risiko berbasis data, dan peran AI di saat darurat.
1. Hapus KUR Petani Bencana: Kebijakan yang Humanis tapi Harus Tetap Terukur
Keputusan Presiden Prabowo untuk menghapus utang KUR petani terdampak banjir dan longsor di Aceh adalah contoh kebijakan yang sangat humanis. Petani yang sawah dan kebunnya hilang tersapu air jelas tidak mungkin langsung bangkit sambil tetap dibebani cicilan.
Bank Mandiri kemudian menyatakan dukungan atas kebijakan relaksasi tersebut dan melakukan beberapa langkah penting:
- Pemetaan debitur terdampak di Aceh, Sumatra Utara, dan Sumatra Barat
- Koordinasi dengan OJK, pemda, dan lembaga penanggulangan bencana
- Verifikasi internal yang komprehensif agar relaksasi tepat sasaran
- Penyaluran bantuan kemanusiaan lewat Mandiri Peduli Bencana dan relawan Mandirian
Ini contoh jelas inklusi keuangan yang tidak berhenti di tahap pencairan kredit, tapi juga hadir ketika nasabah jatuh ke titik terendah karena bencana.
Namun di balik empati, bank tetap punya tantangan besar: bagaimana menjaga kualitas portofolio kredit dan tata kelola (GCG) sambil melaksanakan penghapusan atau restrukturisasi masif?
Di sinilah data dan AI sebenarnya bisa mengubah cara bank bekerja.
2. Dari Pemetaan Manual ke Analitik AI: Cara Bank Menilai Risiko Bencana
Pernyataan Bank Mandiri soal "pemetaan menyeluruh terhadap debitur terdampak" terdengar sederhana, tapi praktiknya kompleks. Tanpa teknologi, proses ini bisa sangat lambat dan rentan salah sasaran.
Tantangan pemetaan debitur terdampak bencana
Bank harus menjawab beberapa pertanyaan krusial:
- Nasabah mana yang benar-benar berada di zona bencana?
- Seberapa besar kerusakan usaha mereka (total, sebagian, atau minimal)?
- Mana yang layak penghapusan utang penuh, mana yang cukup restrukturisasi?
- Bagaimana dampak ke neraca bank dan permodalan jika sekian persen portofolio dihapus?
Jika semua dimulai dari excel, formulir manual, dan verifikasi berlapis di lapangan, proses ini bisa makan waktu berbulan-bulan. Di sisi lain, korban bencana butuh kepastian secepat mungkin.
Di sinilah AI risk modelling masuk akal
Dengan AI dan analitik risiko berbasis data, proses pemetaan bisa jauh lebih cepat dan objektif. Contoh alur yang ideal:
-
Integrasi data lokasi
- Menggabungkan data GPS lahan/usaha dari form KUR dengan peta zona bencana (satellite imagery, data BNPB, BMKG).
- Sistem AI otomatis menandai debitur yang berada di radius tertentu dari area terdampak berat.
-
Skoring tingkat dampak
- Model AI menilai kemungkinan tingkat kerusakan berdasarkan: intensitas hujan, tinggi banjir, durasi genangan, jenis usaha (padi, sawit, hortikultura, ternak, dll).
- Menghasilkan skor dampak: misalnya 0–100, di mana di atas 80 masuk kategori "kemungkinan kerusakan total".
-
Segmentasi skema bantuan
- Skor tinggi → kandidat penghapusan utang penuh/parsial.
- Skor menengah → restrukturisasi kredit, penundaan pokok, subsidi bunga.
- Skor rendah → monitoring lanjutan, dukungan teknis, tapi tidak semua harus dihapus.
-
Simulasi dampak keuangan
- Sistem risk engine mensimulasikan skenario: jika 20% portofolio KUR di wilayah tertentu dihapus, berapa dampak NPL? berapa yang harus ditopang modal?
- Manajemen bisa ambil keputusan lebih cepat, tapi dengan angka yang jelas.
Bank Mandiri dalam pemberitaannya belum bicara eksplisit soal AI. Tapi arah kebijakannya — pemetaan, verifikasi, mitigasi risiko, koordinasi regulator — sangat cocok diperdalam dengan teknologi AI risk analytics.
3. Inklusi Keuangan Bencana: Dari KUR ke Ekosistem Digital & AI
Kebijakan penghapusan KUR ini menunjukkan satu hal penting: inklusi keuangan bukan cuma tentang memberi akses kredit, tapi juga memberi perlindungan ketika risiko terjadi.
AI bisa memperkuat inklusi keuangan bencana di beberapa level.
3.1 Identifikasi cepat kelompok rentan
Dengan data yang selama ini sudah dimiliki bank dan pemerintah, AI bisa membantu:
- Mengenali petani kecil yang sangat tergantung satu komoditas (misalnya hanya padi dengan musim tanam tertentu).
- Mengkaitkan data pelanggan bank dengan data bantuan sosial, kependudukan, dan asuransi.
- Menandai nasabah yang paling rapuh terhadap guncangan pendapatan ketika bencana.
Hasilnya, ketika bencana terjadi, bank tidak mulai dari nol. Sistem sudah tahu siapa saja yang harus diprioritaskan.
3.2 Penilaian kredit alternatif untuk korban bencana
Banyak petani korban bencana kehilangan aset fisik sebagai agunan. Tanpa pendekatan baru, mereka akan sulit mengakses kredit setelah bencana.
Di sinilah AI untuk penilaian kredit alternatif (alternative credit scoring) jadi kunci:
- Menggunakan riwayat transaksi digital (QRIS, transfer, e-wallet), bukan hanya agunan.
- Menilai pola pemasukan musiman dan kestabilan usaha sebelum bencana.
- Mempertimbangkan riwayat kedisiplinan bayar sebelum force majeure.
Dengan pendekatan ini, petani yang rajin bayar sebelum bencana bisa lebih mudah dapat KUR pemulihan tanpa harus punya agunan baru. Ini bentuk inklusi keuangan digital yang relevan untuk Indonesia.
3.3 Integrasi dengan asuransi dan bantuan pemerintah
Ke depan, seharusnya kredit KUR dan pembiayaan UMKM di wilayah rawan bencana tidak berdiri sendiri. Idealnya terhubung ke:
- Asuransi pertanian/indeks cuaca yang otomatis klaim ketika curah hujan ekstrem.
- Skema subsidi pemerintah yang dipicu data bencana resmi.
- Platform digital yang menghubungkan petani, bank, asuransi, dan pemerintah.
AI di sini berfungsi sebagai "otak" yang menggabungkan data berbagai pihak dan mengusulkan skema bantuan paling efektif untuk tiap segmen nasabah.
4. Respons Krisis Berbasis Teknologi: Apa yang Bisa Dilakukan Bank Sekarang?
Banyak bank di Indonesia sudah bicara soal digital banking dan AI. Tapi ketika krisis seperti banjir Sumatra terjadi, yang diuji bukan cuma seberapa canggih aplikasi mobile, tapi seberapa cepat dan tepat bank merespons nasabah yang terdampak.
Berikut beberapa langkah konkret yang menurut saya realistis dan relevan untuk bank-bank besar — termasuk Bank Mandiri — dalam konteks AI dan bencana:
4.1 Bangun "mode darurat" di core banking dan aplikasi
Digital banking idealnya punya protokol khusus saat bencana:
- Aplikasi mobile menampilkan banner khusus bencana di wilayah terdampak.
- Nasabah di area tertentu otomatis diberi pilihan untuk mengajukan keringanan kredit lewat beberapa klik.
- Chatbot berbasis AI menjawab pertanyaan seputar penundaan cicilan, penghapusan bunga, atau skema restrukturisasi dalam bahasa sehari-hari yang mudah dipahami.
Ini mengurangi beban call center, mempercepat akses informasi, dan mengurangi kepanikan nasabah.
4.2 AI chatbot yang benar-benar paham konteks Indonesia
Banyak bank sudah punya chatbot, tapi sering kali:
- Jawabannya kaku, sangat skrip, dan tidak peka konteks.
- Tidak paham istilah lokal: sawah terendam, panen gagal, ladang longsor.
Chatbot berbasis AI generatif berbahasa Indonesia — yang dilatih dengan skenario bencana lokal — bisa:
- Menjelaskan hak dan opsi nasabah sesuai kebijakan terbaru (misalnya penghapusan KUR bencana).
- Mengarahkan ke cabang/posko terdekat yang bisa membantu.
- Mengumpulkan data awal kerusakan sebagai input untuk tim risk dan kredit.
4.3 Sistem deteksi otomatis wilayah terdampak
Alih-alih menunggu laporan manual, bank bisa menghubungkan sistemnya dengan:
- Data BNPB/BMKG tentang area banjir dan longsor.
- Data transaksi: penurunan mendadak aktivitas usaha di wilayah tertentu.
AI bisa memicu alert internal seperti:
"Portofolio KUR di Kecamatan X, Kab. Y, turun transaksi 70% dalam 7 hari, area ini terkonfirmasi zona banjir. Perlu review kelonggaran kredit."
Ini membuat bank proaktif, bukan hanya reaktif.
4.4 Analitik dampak kebijakan ke bisnis bank
Kekhawatiran manajemen biasanya jelas: "Kalau kita hapus KUR sekian ratus miliar, dampaknya apa ke profit dan permodalan?".
AI dapat membantu dengan:
- Simulasi berbagai skenario (hapus utang penuh vs restrukturisasi bertahap).
- Segmentasi mana yang bisa ditopang subsidi pemerintah vs murni beban bank.
- Menunjukkan trade-off jangka pendek vs jangka panjang untuk loyalitas nasabah dan reputasi.
Hasilnya, bank bisa mengambil kebijakan lebih berani tapi tetap terukur.
5. Bank Mandiri, AI, dan Masa Depan Kebijakan Kredit yang Lebih Humanis
Kasus banjir dan longsor di Sumatra menegaskan satu hal: kebijakan kredit yang humanis bukan lawan dari teknologi. Justru, teknologi — terutama AI dan data — bisa membuat kebijakan humanis jadi lebih tepat sasaran, cepat, dan berkelanjutan.
Bank Mandiri sudah menunjukkan fondasi penting:
- Mengutamakan pemulihan masyarakat terdampak.
- Tetap menjaga Good Corporate Governance lewat pemetaan dan verifikasi.
- Berkoordinasi erat dengan pemerintah dan regulator.
Langkah berikutnya yang menurut saya sangat strategis untuk seluruh industri perbankan Indonesia:
- Mengadopsi AI risk analytics sebagai standar dalam manajemen risiko bencana.
- Mengembangkan model kredit inklusif berbasis data perilaku dan transaksi, bukan hanya agunan.
- Memperkuat chatbot dan kanal digital agar siap mode darurat.
Bagi Anda yang berkecimpung di perbankan, fintech, atau regulator, momen seperti penghapusan KUR petani korban banjir ini adalah wake-up call. Sistem kita butuh lebih dari sekadar kebijakan insidental; kita butuh arsitektur digital dan AI yang mendukung respons krisis sebagai sesuatu yang normal di negara rawan bencana seperti Indonesia.
Seri "AI dalam Industri Perbankan Indonesia: Era Digital Banking" akan terus mengupas area-area lain: dari deteksi fraud, personalisasi layanan, hingga otomatisasi proses operasional. Tapi fondasinya tetap sama: teknologi harus membuat sistem keuangan kita lebih adil, lebih inklusif, dan lebih sigap membantu ketika bencana datang.
Pertanyaannya sekarang, apakah bank Anda sudah siap jika banjir besar berikutnya terjadi dan jutaan nasabah menunggu keputusan dalam hitungan hari, bukan bulan?