Pemerintah mulai memperkuat ekosistem pembiayaan rumah nasional melalui sinergi Himbara yang dipimpin BP BUMN. Namun di balik agenda rumah murah tersebut, tantangan terbesar justru terletak pada model penilaian kredit yang masih konvensional. Di tengah dominasi pekerja informal di Indonesia, teknologi AI dan analitik data dinilai menjadi kunci untuk membuka akses KPR lebih luas melalui pembacaan perilaku finansial digital masyarakat, mulai dari transaksi QRIS, arus kas rekening, hingga kedisiplinan pembayaran tagihan.
Oleh: Deddy H. Pakpahan *)
Digi-Highlights:
■ Pemerintah dan Himbara mulai membahas model pembiayaan rumah yang lebih inklusif di tengah backlog perumahan nasional yang masih tinggi.
■ AI dan analitik data dinilai mampu menggantikan pendekatan kredit berbasis slip gaji untuk menjangkau pekerja informal Indonesia.
■ Thailand, Meksiko, dan Brasil menjadi contoh negara berkembang yang sukses memperluas akses rumah rakyat lewat inovasi pembiayaan digital.
Pemerintah tampaknya mulai menyadari bahwa persoalan terbesar sektor perumahan Indonesia bukan semata kurangnya pasokan rumah, melainkan karena masih sempitnya akses masyarakat terhadap pembiayaan perumahan. Maka dari itu, langkah Badan Pengaturan BUMN (BP BUMN) yang mengumpulkan semua bos-bos bank anggota Himpunan Bank Milik Negara (Himbara) pekan ini dinilai menjadi sinyal penting bahwa pemerintah tengah menyiapkan perubahan besar dalam ekosistem pembiayaan rumah nasional.
Pertemuan yang melibatkan PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, PT Bank Negara Indonesia Tbk, PT Bank Tabungan Negara Tbk, hingga PT Bank Syariah Indonesia Tbk itu membahas pengembangan skema social housing atau hunian terjangkau bagi masyarakat.
Kepala BP BUMN Dony Oskaria mengatakan fokus utama pemerintah adalah memperluas akses pembiayaan rumah yang lebih inklusif dan berkelanjutan. “Sinergi antar BUMN harus mampu menghadirkan akses pembiayaan yang lebih mudah dan inklusif sehingga masyarakat memiliki kesempatan yang lebih besar untuk memperoleh hunian yang layak,” ujar Dony.
Namun di balik agenda rumah murah tersebut, terdapat persoalan struktural yang selama ini belum benar-benar terselesaikan, yakni kenyataan bahwa industri perbankan Indonesia masih terlalu bergantung pada pendekatan kredit konvensional, dalam hal ini kredit pemilikan rumah (KPR).
Pada praktiknya, penilaian kelayakan kredit rumah masih bertumpu pada slip gaji, status karyawan tetap, histori SLIK OJK, dan keberadaan agunan. Nah, yang jadi masalah, struktur ekonomi Indonesia sampai hari ini didominasi sektor informal. Data Badan Pusat Statistik (BPS) menunjukkan lebih dari 55% tenaga kerja Indonesia bekerja di sektor informal. Artinya, jutaan masyarakat sebenarnya memiliki kemampuan membayar cicilan rumah, tetapi gagal lolos kredit hanya karena tidak memiliki payroll resmi atau kontrak kerja permanen pada satu perusahaan.
Kelompok ini mencakup pelaku UMKM, pedagang online, pengemudi transportasi digital (ojek online), pekerja lepas, kreator konten, hingga pekerja ekonomi gig yang pendapatannya bahkan sering kali lebih stabil dibanding pekerja formal tertentu. Di titik inilah teknologi seharusnya bisa menjadi game changer baru industri pembiayaan rumah.
AI Mulai Mengubah Cara Bank Membaca Risiko Kredit
Kemajuan artificial intelligence (AI), machine learning, dan analitik data memungkinkan bank membaca perilaku finansial masyarakat secara jauh lebih detail dibanding metode lama. Artinya, bank sebenarnya sudah memiliki jejak finansial calon nasabah dalam jumlah sangat besar. Tantangannya tinggal bagaimana industri perbankan dan regulator berani mengubah paradigma penilaian kredit.
Hari ini, seseorang mungkin tidak memiliki slip gaji tetap. Namun dari data digital, bank bisa melihat bahwa orang tersebut rutin menerima omzet usaha Rp8 juta-Rp15 juta per bulan, aktif bertransaksi QRIS, membayar listrik dan internet tepat waktu, memiliki arus kas stabil, serta menjaga saldo tabungan konsisten selama bertahun-tahun.
Dalam pendekatan AI berbasis behavioral scoring, profil seperti itu justru dapat dianggap lebih sehat dibanding pekerja formal bergaji tinggi tetapi konsumtif dan memiliki histori gagal bayar kartu kredit. Teknologi memungkinkan bank membangun credit scoring alternatif berbasis perilaku finansial nyata, bukan sekadar dokumen administratif.
Model seperti ini sebenarnya sudah mulai diterapkan di berbagai negara berkembang.
Thailand, misalnya, melalui Government Housing Bank (GH Bank), berhasil memperluas akses KPR kepada pekerja informal lewat analisis catatan tabungan dan transaksi digital.
Nasabah tanpa slip gaji tetap dapat mengakses pembiayaan rumah hanya dengan menunjukkan histori rekening dan kedisiplinan menabung selama minimal 12 bulan. Hasilnya cukup signifikan. Lebih dari 50.000 pekerja informal berhasil memperoleh rumah melalui aplikasi digital GHB ALL GEN.
Sementara di Meksiko, pemerintah menggunakan model INFONAVIT yang mengandalkan kontribusi wajib pengusaha sebesar 5% dari gaji pekerja untuk membangun dana pembiayaan rumah jangka panjang.
Meksiko bahkan mulai mengembangkan skema rent-to-own atau sewa-beli untuk merehabilitasi 168.000 rumah terbengkalai agar masyarakat berpenghasilan rendah tetap memiliki jalur kepemilikan rumah.
Brasil juga menjalankan pendekatan agresif melalui program Minha Casa Minha Vida (MCMV) dengan subsidi hingga 90% untuk kelompok berpenghasilan rendah.
Apa yang Bisa Dilakukan AI
Terkait perluasan akses KPR untuk masyarakat, banyak hal bisa dilakukan dengan pemanfaatan AI.
Pertama, AI mengubah cara bank membaca risiko nasabah. Selama ini bank cenderung melihat nasabah dari dokumen formal: slip gaji, status pekerjaan, dan agunan. AI mengubah pendekatan itu menjadi berbasis perilaku finansial (behavioral finance). Padahal, teknologi machine learning mampu membaca pola transaksi harian masyarakat untuk menilai disiplin dan kemampuan membayar secara lebih akurat. Misalnya, AI dapat mendeteksi apakah seseorang rutin menerima pemasukan usaha, konsisten membayar tagihan, menjaga saldo rekening stabil, atau aktif bertransaksi digital. Dengan pendekatan ini, pekerja informal yang sebelumnya “tidak terlihat” oleh sistem perbankan mulai memiliki identitas kredit digital. Inilah alasan mengapa AI dianggap sebagai game changer bagi inklusi keuangan di negara berkembang seperti Indonesia.
Kedua, AI membantu bank menjangkau jutaan masyarakat informal. Indonesia memiliki lebih dari separuh tenaga kerja di sektor informal. Secara konvensional, kelompok ini sulit mengakses KPR atau pinjaman produktif karena tidak memiliki payroll tetap. AI memungkinkan bank membangun alternative credit scoring menggunakan data nontradisional seperti histori QRIS, transaksi e-commerce, pembayaran listrik, pembelian pulsa, aktivitas rekening, hingga pola konsumsi digital. Bahkan di beberapa negara, AI sudah mampu membaca stabilitas usaha mikro dari ritme transaksi harian dan arus kas digital. Artinya, bank tidak lagi hanya bertanya “apa pekerjaan Anda?”, tetapi mulai bertanya “bagaimana pola perilaku keuangan Anda?”. Pendekatan ini jauh lebih relevan dalam ekonomi digital modern.
Ketiga, AI mempercepat proses kredit dan menekan risiko gagal bayar. Dalam sistem lama, analisis kredit bisa memakan waktu berhari-hari bahkan berminggu-minggu karena proses verifikasi manual. AI memungkinkan analisis dilakukan secara real-time dengan memproses jutaan data sekaligus. Sistem dapat langsung mendeteksi anomali, risiko penipuan, potensi gagal bayar, hingga kemampuan cicilan nasabah dalam hitungan menit. Bank juga bisa membangun sistem early warning untuk mendeteksi nasabah yang mulai mengalami tekanan keuangan sebelum kredit macet terjadi. Di sektor KPR, AI bahkan dapat mengombinasikan data lokasi rumah, harga properti, tren ekonomi daerah, hingga histori pembayaran untuk menghasilkan keputusan kredit yang lebih presisi. Hasil akhirnya bukan hanya kredit lebih cepat, tetapi juga kualitas portofolio bank yang lebih sehat.
Keempat, AI membuka jalan bagi ekosistem pembiayaan yang lebih inklusif. Teknologi AI pada akhirnya bukan sekadar alat efisiensi bank, tetapi instrumen untuk memperluas akses ekonomi. Selama bertahun-tahun, jutaan masyarakat sebenarnya memiliki kemampuan finansial, tetapi tidak memiliki “dokumen formal” untuk membuktikannya. AI membantu mengubah data aktivitas ekonomi sehari-hari menjadi reputasi kredit digital. Ini penting bukan hanya untuk KPR, tetapi juga pembiayaan UMKM, kendaraan, pendidikan, hingga asuransi mikro. Negara-negara seperti Thailand, China, India, hingga Brasil sudah bergerak ke arah ini. Indonesia memiliki peluang besar karena penetrasi QRIS, mobile banking, dan transaksi digital tumbuh sangat cepat dalam lima tahun terakhir.
Tantangannya kini bukan lagi soal teknologi tersedia atau tidak, melainkan seberapa cepat industri perbankan dan regulator berani mengubah paradigma lama menuju sistem pembiayaan berbasis data dan AI.
Indonesia Butuh Revolusi Penilaian Kredit
Indonesia sebenarnya memiliki fondasi digital yang jauh lebih siap dibanding satu dekade lalu. Transaksi QRIS terus melonjak. Bank Indonesia mencatat nilai transaksi QRIS tumbuh pesat dalam beberapa tahun terakhir, didorong penetrasi UMKM dan ekonomi digital nasional.
Di sisi lain, penggunaan mobile banking dan dompet digital membuat perilaku finansial masyarakat kini semakin mudah dipetakan secara real time. Artinya, jejak ekonomi masyarakat sebenarnya sudah tersedia dalam jumlah sangat besar. Masalahnya, sebagian besar data tersebut belum optimal digunakan untuk memperluas akses kredit produktif, termasuk KPR.
Selama ini, sistem perbankan cenderung lebih nyaman menggunakan pendekatan lama karena dianggap lebih aman secara regulasi dan mitigasi risiko. Padahal, jika terus bergantung pada model konvensional, jutaan masyarakat produktif berpotensi tetap terjebak di luar sistem pembiayaan formal.
Dalam konteks ini, langkah pemerintah mengumpulkan bank anggota Himbara menjadi menarik karena membuka peluang lahirnya model pembiayaan rumah generasi baru berbasis digital-led inclusivity.
BTN sebagai tulang punggung pembiayaan rumah subsidi diperkirakan akan memainkan peran sentral. Namun kolaborasi dengan BRI, Mandiri, BNI, dan BSI dapat memperluas kapasitas pembiayaan sekaligus memperkaya sumber data perilaku nasabah.
Bank-bank besar sebenarnya memiliki data transaksi yang sangat kuat untuk membangun AI-based credit scoring nasional. Mulai dari pola transaksi rekening, histori pembayaran tagihan, perilaku menabung, aktivitas QRIS, hingga cash flow usaha mikro dapat diolah menjadi indikator kemampuan bayar yang lebih relevan dibanding sekadar slip gaji.
Manajemen Risiko Bank-Bank Himbara Masih Konservatif
Hambatan terbesar akses pembiayaan digital di bank-bank Himbara sebenarnya bukan terletak pada kurangnya teknologi, melainkan pada struktur industri, regulasi, dan kultur manajemen risiko yang masih sangat konservatif. Dalam konteks pembiayaan perumahan dan kredit ritel, transformasi digital perbankan Indonesia masih berada di fase transisi antara model konvensional dan data-driven lending.
Pertama, persoalan terbesar ada pada kualitas dan integrasi data. Bank-bank Himbara memang memiliki jutaan nasabah dan transaksi digital dalam jumlah sangat besar, tetapi data tersebut masih tersebar di banyak sistem berbeda (data silo). Data tabungan, QRIS, payroll, e-wallet, kredit mikro, hingga histori pembayaran utilitas sering kali belum terhubung dalam satu ekosistem credit scoring yang utuh. Akibatnya, bank kesulitan membangun profil risiko nasabah secara real time. Banyak bank masih mengandalkan dokumen formal karena dianggap lebih mudah diverifikasi auditor dan regulator dibanding behavioral data yang sifatnya dinamis.
Kedua, regulasi prudential banking masih membuat bank cenderung berhati-hati. OJK tetap menuntut prinsip kehati-hatian tinggi, terutama untuk kredit jangka panjang seperti KPR. Masalahnya, model AI-based lending atau alternative credit scoring masih dianggap area baru yang membutuhkan validasi risiko lebih panjang. Bank khawatir jika terlalu agresif menyalurkan kredit berbasis data digital tanpa agunan atau payroll formal, maka rasio kredit bermasalah (NPL) bisa meningkat dan memukul kesehatan bank.
Ketiga, infrastruktur data nasional Indonesia sebenarnya belum sepenuhnya matang. Open banking dan interoperabilitas data keuangan masih berkembang. Berbeda dengan negara seperti China atau India yang memiliki integrasi digital ID dan payment ecosystem sangat kuat, Indonesia masih menghadapi fragmentasi data antarbank, fintech, e-commerce, hingga lembaga pemerintah. Akibatnya, bank belum bisa memperoleh single customer view secara komprehensif untuk menilai kemampuan bayar masyarakat informal.
Keempat, tantangan terbesar justru datang dari struktur ekonomi Indonesia sendiri. Sebagian besar pekerja informal memiliki cash flow yang fluktuatif. Pendapatan pedagang online, driver ojek digital, petani, atau UMKM mikro sering naik-turun tiap bulan. Model underwriting tradisional bank dirancang untuk pendapatan tetap dan stabil. Karena itu, ketika bank mencoba masuk ke segmen informal, mereka harus membangun model risiko baru yang jauh lebih kompleks dibanding kredit payroll biasa.
Kelima, banyak bank Himbara masih menghadapi persoalan legacy system. Core banking lama membuat proses integrasi AI, machine learning, dan analitik real-time menjadi lambat dan mahal. Di banyak kasus, transformasi digital perbankan Indonesia baru menyentuh front-end seperti mobile banking dan onboarding digital, tetapi mesin utama pengambilan keputusan kredit masih menggunakan pendekatan lama yang semi-manual.
Selain itu, kultur organisasi juga menjadi hambatan besar. Industri perbankan pada dasarnya dibangun di atas prinsip mitigasi risiko, bukan eksperimentasi teknologi. Karena itu, perubahan paradigma dari “document-based lending” menuju “data-behavior lending” sering kali berjalan lambat. Banyak komite kredit masih lebih percaya slip gaji dibanding histori transaksi digital, meskipun data perilaku sebenarnya bisa lebih akurat membaca disiplin finansial nasabah.
Padahal, secara teknologi peluangnya sangat besar. Bank sebenarnya sudah memiliki jejak finansial masyarakat dalam jumlah masif melalui mobile banking, QRIS, merchant acquiring, top-up e-wallet, pembayaran listrik, hingga transaksi e-commerce. Dengan AI dan machine learning, seluruh pola itu bisa diterjemahkan menjadi credit scoring modern yang lebih inklusif.
Jika hambatan-hambatan tersebut berhasil dipecahkan, Himbara berpotensi menjadi pemain utama dalam pembiayaan digital berbasis behavioral finance di Asia Tenggara. Model ini bukan hanya memperluas akses KPR dan kredit produktif, tetapi juga membuka jalan bagi jutaan pekerja informal Indonesia untuk masuk ke sistem keuangan formal secara lebih adil dan terukur.
Masa Depan KPR Ada di Ekosistem Digital
Ke depan, transformasi pembiayaan rumah kemungkinan tidak lagi hanya berbicara soal bunga murah atau tenor panjang. Pertarungan sesungguhnya justru berada pada kemampuan bank membaca risiko secara lebih akurat melalui teknologi.
Negara yang lebih cepat mengintegrasikan AI, data transaksi digital, dan sistem pembiayaan inklusif diperkirakan akan lebih berhasil mengatasi backlog perumahan.
Indonesia sendiri masih menghadapi backlog rumah dalam jumlah besar. Di tengah kenaikan harga tanah, bunga kredit, dan biaya konstruksi, model pembiayaan lama semakin sulit menjangkau generasi muda maupun pekerja informal.
Karena itu, industri perbankan nasional menghadapi momentum penting. Jika AI hanya dipakai untuk chatbot dan otomasi layanan, dampaknya terhadap inklusi keuangan akan terbatas. Namun jika AI mulai digunakan untuk membuka akses kredit secara lebih adil dan berbasis perilaku finansial nyata, teknologi dapat menjadi pintu masuk bagi jutaan masyarakat yang selama ini tidak tersentuh sistem pembiayaan formal.
Dalam konteks tersebut, agenda Himbara dan BP BUMN bukan sekadar membahas rumah murah. Yang sedang dipertaruhkan adalah bagaimana Indonesia membangun ulang masa depan pembiayaan perumahan nasional di era ekonomi digital. ●
*) Deddy H. Pakpahan, senior editor digitalbank.id, deddy.pakpahan@gmail.com.
Digi-Insights:
■ Industri perbankan nasional mulai menghadapi realitas baru bahwa pendekatan kredit berbasis slip gaji dan status karyawan tetap semakin tidak relevan di era ekonomi digital. Dengan lebih dari 55% tenaga kerja Indonesia berada di sektor informal, jutaan masyarakat produktif sebenarnya memiliki kemampuan finansial yang sehat, tetapi masih sulit mengakses KPR karena tidak masuk dalam parameter kredit konvensional perbankan.
■ AI dan analitik data diproyeksikan menjadi game changer baru dalam industri pembiayaan rumah. Melalui analisis transaksi rekening, aktivitas QRIS, pola pembayaran tagihan, hingga kestabilan saldo tabungan, bank kini memiliki peluang membangun sistem credit scoring berbasis perilaku finansial nyata. Model ini dinilai lebih adaptif untuk membaca kemampuan bayar masyarakat dibanding sekadar mengandalkan dokumen formal seperti payroll atau slip gaji.
■ Langkah BP BUMN dan Himbara membahas ekosistem pembiayaan rumah yang lebih inklusif menunjukkan arah baru transformasi sektor properti nasional. Jika berhasil diintegrasikan dengan AI, digital banking, dan data transaksi nasional, Indonesia berpotensi membangun model pembiayaan perumahan yang lebih luas, efisien, dan mampu menjangkau pekerja informal, UMKM, hingga generasi muda yang selama ini sulit memperoleh akses KPR.
Digionary:
● AI Credit Scoring: Sistem penilaian kredit berbasis kecerdasan buatan yang menganalisis perilaku finansial nasabah secara digital.
● Behavioral Scoring: Metode analisis risiko kredit berdasarkan pola perilaku transaksi dan kedisiplinan finansial seseorang.
● FLPP: Fasilitas Likuiditas Pembiayaan Perumahan, program subsidi pembiayaan rumah dari pemerintah.
● Government Housing Bank (GH Bank): Bank milik pemerintah Thailand yang fokus pada pembiayaan perumahan rakyat.
● Himbara: Himpunan Bank Milik Negara yang terdiri dari bank-bank BUMN besar di Indonesia.
● INFONAVIT: Lembaga pembiayaan rumah di Meksiko yang mengelola dana perumahan pekerja melalui kontribusi wajib perusahaan.
● Mortgage/KPR: Kredit atau pinjaman yang digunakan untuk membeli rumah atau properti.
● QRIS: Quick Response Code Indonesian Standard, sistem pembayaran digital nasional berbasis QR code.
● Rent-to-Own: Skema sewa rumah yang memungkinkan penyewa memiliki rumah setelah periode tertentu.
● SLIK OJK: Sistem Layanan Informasi Keuangan milik OJK yang mencatat histori kredit nasabah.
● Social Housing: Program penyediaan rumah bagi masyarakat berpenghasilan rendah dengan dukungan pemerintah.
● Sektor Informal: Kelompok pekerja yang tidak memiliki hubungan kerja formal atau sistem penggajian tetap.
#Himbara #DonyOskaria #KPR #RumahRakyat #AI #ArtificialIntelligence #PerbankanIndonesia #BTN #BRI #BNI #Mandiri #BSI #PembiayaanRumah #HunianTerjangkau #QRIS #Fintech #EkonomiDigital #PropertiIndonesia #BacklogPerumahan #InklusiKeuangan
