Peran LPS & AI: Fondasi Bank Digital yang Stabil

Peran LPS & AI: Fondasi Bank Digital yang Stabil

Margin bunga bersih (Net Interest Margin/NIM) perbankan Indonesia masih jauh lebih tinggi dibanding banyak negara lain. Artinya, persaingan belum seketat yang seharusnya, biaya dana masyarakat masih mahal, dan ruang efisiensi—termasuk lewat teknologi dan AI—sebenarnya masih lebar.

Di sisi lain, Lembaga Penjamin Simpanan (LPS) terus mengatur bunga penjaminan dan menjaga likuiditas agar sistem perbankan tetap stabil. Kombinasi stabilitas ala LPS dan inovasi lewat AI inilah yang akan menentukan seberapa cepat ekosistem bank digital dan inklusi keuangan di Indonesia tumbuh beberapa tahun ke depan.

Tulisan ini mengulas bagaimana LPS menjaga pertumbuhan ekonomi nasional lewat perbankan, lalu mengaitkannya dengan peran AI di era digital banking: dari penilaian kredit berbasis data, deteksi fraud, sampai perlindungan nasabah.

---

1. Cara LPS Menjaga Stabilitas Perbankan Indonesia

Inti tugas LPS adalah menjaga kepercayaan masyarakat terhadap bank, dengan cara menjamin simpanan dan ikut mengawasi kesehatan sistem perbankan. Ini fondasi yang jarang dibahas, padahal jadi syarat utama sebelum kita bicara soal AI, super-app, atau inovasi canggih lainnya.

Bunga penjaminan sebagai “rem-gas” sistem keuangan

Ketua Dewan Komisioner LPS periode 2020–2025, Purbaya Yudhi Sadewa, menjelaskan bahwa suku bunga penjaminan LPS selalu diselaraskan dengan kebijakan moneter (Bank Indonesia) dan fiskal (pemerintah). Di dalam penetapannya ada perwakilan OJK, BI, dan Kementerian Keuangan.

Sederhananya, bunga penjaminan LPS adalah sinyal: seberapa mahal wajar bunga simpanan di bank, dan seberapa agresif bank boleh menarik dana masyarakat.

Fungsinya:

• Menjaga likuiditas bank: kalau bunga terlalu tinggi, biaya dana membengkak, risiko likuiditas naik.
• Melindungi nasabah: bank tidak gampang “perang bunga” yang berisiko di belakang hari.
• Menjaga stabilitas sistem keuangan: mencegah bank mengambil risiko berlebihan hanya demi mengejar dana pihak ketiga.

Dalam konteks bank digital dan fintech, peran bunga penjaminan ini menjadi rem penting, supaya inovasi produk tidak mengorbankan kesehatan jangka panjang.

Mengatur jumlah dan kualitas bank, bukan memaksa merger

Purbaya juga menyinggung soal jumlah bank. Targetnya bukan sekadar mengurangi jumlah bank, tapi menciptakan ekuilibrium kompetisi yang sehat.

• Terlalu banyak bank lemah → biaya pengawasan tinggi, risiko gagal kelola dana masyarakat.
• Terlalu sedikit bank kuat → pasar bisa oligopoli, bunga mahal, inovasi lambat.

Di Jerman dan beberapa negara Eropa, bank kecil dan koperasi justru menguasai sekitar 80% sektor keuangan. Bank besar hanya sekitar 20%, tapi sistem tetap stabil karena pengawasannya kuat dan tata kelola jelas.

Untuk Indonesia, LPS berupaya:

• Mendorong bank lebih efisien dan kompetitif, bukan asal besar.
• Memastikan bank kecil yang sehat tetap bisa hidup dan melayani segmen tertentu (UMKM, daerah, koperasi).

Ini penting karena inklusi keuangan berbasis AI ke depan tidak hanya milik bank besar. Bank daerah, BPR, bahkan koperasi simpan pinjam bisa ikut main kalau fondasi regulasi dan penjaminan jelas.

NIM tinggi: sinyal persaingan belum sehat

NIM perbankan Indonesia masih tergolong tinggi. Artinya:

• Bank menikmati margin bunga yang lebar.
• Biaya pinjaman bagi masyarakat dan pelaku usaha masih relatif mahal.
• Persaingan belum cukup mendorong efisiensi operasional dan pemanfaatan teknologi.

Dari sudut pandang kebijakan, ini ruang besar bagi:

• Regulator & LPS: mendorong kompetisi yang lebih sehat.
• Bank: memanfaatkan AI untuk menurunkan biaya operasional dan risiko, sehingga berani menurunkan bunga kredit.

Kalau NIM bisa turun karena efisiensi (bukan karena kualitas aset memburuk), biaya kredit ke UMKM dan masyarakat akan lebih terjangkau. Dampaknya langsung ke pertumbuhan ekonomi riil.

---

2. Koneksi LPS, Pertumbuhan Ekonomi, dan Bank Digital

Ekonomi Indonesia unik: pertumbuhan utamanya masih didorong konsumsi rumah tangga (domestic demand). Pada 2009, ketika banyak negara tetangga minus, Indonesia justru bisa tumbuh positif sekitar 4,6% berkat konsumsi dan permintaan domestik yang kuat.

Artinya, selama:

• masyarakat percaya pada bank,
• tabungan mereka merasa aman,
• kredit tetap mengalir ke sektor produktif,

maka guncangan global tidak otomatis menggoyang ekonomi nasional.

LPS sebagai penjaga rasa aman nasabah

Untuk orang yang baru masuk sistem perbankan—misalnya nasabah bank digital di daerah—pertanyaan paling dasar bukan “chatbot-nya pakai AI apa?”, tapi “duit saya aman nggak?”.

Di sini LPS berperan:

• Menjamin simpanan dalam batas tertentu.
• Memberi kepastian: kalau bank bermasalah, ada mekanisme resolusi.
• Mengurangi risiko bank run (rush penarikan dana) karena isu dan kepanikan.

Tanpa kepercayaan dasar ini, adopsi bank digital akan berat. Orang bisa nyaman pakai e-wallet atau aplikasi, tapi tetap enggan menyimpan dana besar di bank yang mereka rasa “rapuh”.

Bank digital butuh ekosistem stabil

Transformasi digital perbankan dan pemanfaatan AI bukan hanya soal teknologi. Ada tiga fondasi yang harus jalan bareng:

1. Regulasi & pengawasan yang adaptif – OJK, BI, dan LPS menyesuaikan standar untuk model bisnis baru.
2. Infrastruktur teknologi aman – keamanan siber, data center, konektivitas.
3. Kepercayaan publik – masyarakat yakin datanya aman, dan dananya terjaga.

LPS berada di titik ketiga: menjaga kepercayaan terhadap bank, termasuk bank digital. Begitu trust terbentuk, ruang untuk eksperimen AI di perbankan akan jauh lebih luas.

---

3. Di Mana AI Masuk? Dari Kredit ke Deteksi Fraud

Kalau LPS adalah pagar stabilitas, AI adalah mesin yang bikin bank lebih efisien dan inklusif. Keduanya bisa saling menguatkan.

Penilaian kredit berbasis AI untuk inklusi keuangan

Banyak orang Indonesia sulit dapat kredit bukan karena tidak mampu bayar, tapi karena:

• tidak punya riwayat kredit formal,
• penghasilan tidak tetap,
• dokumen administrasi minim.

AI bisa membantu lewat credit scoring alternatif:

• Analisis pola transaksi rekening dan e-wallet.
• Data tagihan utilitas (listrik, internet, telepon).
• Pola pemasukan dan pengeluaran harian pelaku usaha mikro.

Dengan model AI yang baik, bank bisa:

• Memberi kredit lebih akurat ke segmen yang sebelumnya dianggap “high risk”.
• Menurunkan non-performing loan (NPL).
• Memperluas inklusi keuangan tanpa melonggarkan prinsip kehati-hatian.

Dari sudut pandang LPS, ini kabar baik: portofolio kredit bank lebih sehat, risiko kebangkrutan menurun, beban potensi klaim penjaminan juga lebih ringan.

Deteksi fraud: AI sebagai sistem imun bank digital

Semakin digital transaksi, semakin kreatif juga pola kejahatan keuangan. Modus social engineering, pencurian akun, sampai transaksi mencurigakan lintas negara makin sulit dideteksi dengan cara manual.

AI sangat kuat di area ini:

• Anomali transaksi real-time: mengenali pola yang tidak biasa.
• Pemodelan risiko nasabah: siapa yang rawan disalahgunakan akunnya.
• Pemantauan jaringan: mendeteksi potensi serangan siber.

Manfaatnya:

• Kerugian finansial akibat fraud turun.
• Kepercayaan nasabah terhadap bank digital naik.
• Stabilitas sistem keuangan lebih terjaga, sejalan dengan mandat LPS.

Efisiensi operasional: menjembatani NIM tinggi

NIM tinggi salah satunya terjadi karena biaya operasional bank (cabang fisik, proses manual, SDM besar) masih tinggi. AI bisa menekan biaya-biaya ini lewat:

• Chatbot cerdas berbahasa Indonesia untuk layanan dasar 24/7.
• Automasi proses kredit dari analisis dokumen sampai pencairan.
• Analitik portofolio untuk mengelola likuiditas dan risiko secara presisi.

Kalau efisiensi meningkat, bank punya ruang untuk:

• Menurunkan bunga kredit,
• Menaikkan bunga simpanan dalam batas wajar bunga penjaminan LPS,
• Tetap menjaga profitabilitas.

Di titik ini, peran LPS (mengatur bunga penjaminan & mendorong persaingan sehat) dan peran AI (menurunkan biaya dan risiko) saling melengkapi.

---

4. Tantangan: Stabilitas vs Inovasi di Era AI

Ada ketegangan alami antara stabilitas dan inovasi: regulator ingin sistem aman, pelaku industri ingin bergerak cepat. Kalau salah kelola, dua-duanya bisa kalah.

Risiko adopsi AI yang asal cepat

Tanpa tata kelola yang jelas, adopsi AI di bank bisa berbahaya:

• Model kredit bias terhadap kelompok tertentu.
• Algoritma tertutup yang sulit diaudit ketika terjadi sengketa.
• Ketergantungan vendor tanpa kemampuan internal mengelola risiko.

Dari kacamata LPS, risiko ini bisa bermuara ke:

• Kualitas aset bank menurun diam-diam.
• Penumpukan risiko di segmen tertentu.
• Kejutan kerugian yang berpotensi mengganggu stabilitas.

Karena itu, AI di perbankan Indonesia harus dikembangkan dengan prinsip:

• Explainable AI: keputusan pinjaman bisa dijelaskan secara masuk akal.
• Data governance ketat: perlindungan data nasabah prioritas.
• Kolaborasi dengan regulator dan LPS: transparan soal model dan risiko.

Mengaitkan AI dengan mandat LPS

Kalau dirangkum, LPS ingin tiga hal: stabilitas, kepercayaan, dan persaingan sehat. AI bisa mendukung semua ini kalau:

1. Meningkatkan kualitas manajemen risiko bank.
2. Menekan biaya sehingga NIM bisa turun lewat efisiensi, bukan lewat mengorbankan prudential.
3. Memperluas inklusi keuangan secara terukur.

Sebaliknya, kalau AI dipakai hanya untuk agresif menggenjot penyaluran kredit tanpa kontrol, itu bertentangan dengan misi LPS.

---

5. Praktis: Langkah Bank Indonesia yang Serius ke AI

Kalau Anda pelaku perbankan, fintech, atau pengambil keputusan di bank digital Indonesia, ada beberapa langkah realistis yang bisa diambil sekarang, sejalan dengan arah LPS dan regulator:

1. Jadikan stabilitas sebagai parameter desain AI

Sebelum memikirkan conversion atau pertumbuhan agresif:

• Masukkan indikator risiko portofolio sebagai KPI utama proyek AI kredit.
• Pastikan model diuji dalam skenario tekanan (stress test), bukan hanya data historis yang “baik-baik saja”.

2. Transparansi ke regulator dan LPS

Bangun budaya berbagi informasi:

• Siapkan dokumentasi model AI (metodologi, data, asumsi).
• Libatkan unit kepatuhan & manajemen risiko sejak awal, bukan di akhir.

Hubungan yang terbuka ini pada akhirnya mempercepat persetujuan produk baru dan meminimalkan potensi konflik dengan kebijakan seperti bunga penjaminan atau batasan risiko tertentu.

3. Fokus ke kasus penggunaan AI yang paling relevan

Jangan langsung ingin semua serba AI. Biasanya yang paling berdampak untuk bank Indonesia adalah:

• AI untuk credit scoring UMKM dan pekerja informal.
• AI untuk deteksi fraud transaksi digital.
• Chatbot layanan nasabah berbahasa Indonesia dan daerah.

Tiga area ini langsung menyentuh:

• inklusi keuangan,
• perlindungan nasabah,
• efisiensi operasional,

yang semuanya sejalan dengan mandat stabilitas sistem keuangan.

---

Penutup: Masa Depan Bank Digital Indonesia Butuh LPS + AI

Kalau disederhanakan, masa depan perbankan Indonesia berdiri di atas dua pilar:

• LPS dan regulator sebagai penjaga stabilitas dan kepercayaan publik.
• AI dan digital banking sebagai mesin efisiensi dan inklusi keuangan.

Tanpa LPS yang kuat, inovasi AI di perbankan berisiko rapuh dan mudah mengguncang sistem. Tanpa AI, upaya LPS mendorong persaingan sehat dan menurunkan NIM akan berjalan lambat karena biaya operasional bank masih tinggi.

Untuk bank, fintech, dan pelaku industri yang serius di era AI dalam Industri Perbankan Indonesia, pertanyaannya sederhana:

Apakah strategi AI Anda hanya mengejar pertumbuhan, atau sudah selaras dengan arah besar stabilitas dan kepercayaan yang dijaga LPS?

Yang mampu menjawab pertanyaan ini dengan jujur dan konkret, biasanya justru yang paling siap memimpin ekosistem bank digital Indonesia beberapa tahun ke depan.