PENGGUNAAN AI DALAM MENDUKUNG PROSES PENGAMBILAN KEPUTUSAN PADA BANK ATAS PENGAJUAN PERMOHONAN PINJAMAN BARU SEGMEN RETAIL
DOI:
https://doi.org/10.56127/jekma.v5i2.2744Keywords:
Artificial Intelligence, Pengambilan Keputusan, Kredit Retail, Perbankan, Machine Learning, Analisis KreditAbstract
Perkembangan teknologi Artificial Intelligence (AI) telah mendorong transformasi pada industri perbankan, khususnya dalam proses pengambilan keputusan kredit pada segmen retail. Penelitian ini bertujuan untuk menganalisis penggunaan AI dalam mendukung proses penilaian dan pengambilan keputusan atas pengajuan permohonan pinjaman baru pada bank. Fokus penelitian meliputi penerapan teknologi AI dalam analisis kelayakan kredit, pengelolaan risiko, peningkatan akurasi keputusan, serta efisiensi proses persetujuan pinjaman. Metode penelitian yang digunakan adalah pendekatan deskriptif kualitatif dengan studi literatur dan analisis implementasi AI pada sektor perbankan. Hasil penelitian menunjukkan bahwa penggunaan AI mampu meningkatkan kecepatan proses analisis kredit melalui pemanfaatan data historis nasabah, pola transaksi, perilaku pembayaran, dan credit scoring berbasis machine learning. Selain itu, AI juga membantu bank dalam meminimalkan risiko kredit bermasalah dengan menghasilkan penilaian yang lebih objektif dan akurat dibandingkan metode konvensional. Namun demikian, implementasi AI masih menghadapi tantangan berupa keamanan data, transparansi algoritma, serta kebutuhan regulasi yang mendukung tata kelola teknologi digital di sektor keuangan. Oleh karena itu, diperlukan sinergi antara teknologi, sumber daya manusia, dan kebijakan regulator agar penggunaan AI dapat berjalan optimal dalam mendukung pengambilan keputusan kredit retail pada perbankan.
References
Aini, Q., Rahardja, U., & Santoso, N. P. L. (2021). Penerapan artificial intelligence dalam sistem pengambilan keputusan pada industri perbankan digital. Jurnal Teknologi Informasi dan Komunikasi, 12(2), 101–110.
Bank Indonesia. (2023). Blueprint transformasi digital perbankan Indonesia. Bank Indonesia.
Bessis, J. (2015). Risk management in banking (4th ed.). Wiley.
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W.W. Norton & Company.
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.
Ghozali, I. (2020). Aplikasi analisis multivariate dengan program IBM SPSS. Badan Penerbit Universitas Diponegoro.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Heaton, J. B., Polson, N. G., & Witte, J. H. (2019). Deep learning in finance. Annual Review of Financial Economics, 11(1), 1–25. https://doi.org/10.1146/annurev-financial-100719-120158
Ikatan Bankir Indonesia. (2021). Manajemen risiko perbankan. Gramedia Pustaka Utama.
Kasmir. (2021). Bank dan lembaga keuangan lainnya. Raja Grafindo Persada.
Kementerian Komunikasi dan Informatika Republik Indonesia. (2022). Strategi nasional kecerdasan artifisial Indonesia 2020–2045. Kominfo.
Laudon, K. C., & Laudon, J. P. (2021). Management information systems: Managing the digital firm (16th ed.). Pearson Education.
Liao, S. H., Chu, P. H., & Hsiao, P. Y. (2012). Data mining techniques and applications – A decade review from 2000 to 2011. Expert Systems with Applications, 39(12), 11303–11311. https://doi.org/10.1016/j.eswa.2012.02.063
Moleong, L. J. (2018). Metodologi penelitian kualitatif. PT Remaja Rosdakarya.
Otoritas Jasa Keuangan. (2022). Roadmap pengembangan dan penguatan perbankan Indonesia 2020–2025. Otoritas Jasa Keuangan.
Otoritas Jasa Keuangan. (2023). Panduan transformasi digital perbankan. Otoritas Jasa Keuangan.
Prasetyo, H., & Sutopo, W. (2018). Industri 4.0: Telaah klasifikasi aspek dan arah perkembangan riset. Jurnal Teknik Industri, 13(1), 17–26.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson Education.
Sugiyono. (2022). Metode penelitian kualitatif, kuantitatif, dan R&D. Alfabeta.
Suharyadi, & Purwanto. (2020). Statistika untuk ekonomi dan keuangan modern. Salemba Empat.
Turban, E., Pollard, C., & Wood, G. (2018). Information technology for management: On-demand strategies for performance, growth, and sustainability. Wiley.
West, D. M. (2019). The future of work: Robots, AI, and automation. Brookings Institution Press.
Widarjono, A. (2020). Analisis statistika multivariat terapan. UPP STIM YKPN.
Ayari, H., Guetari, R., & Kraïem, N. (2026). Machine learning powered financial credit scoring: A systematic literature review. Artificial Intelligence Review, 59(1), 1–35.
Bahlool, R., Hewahi, N., & Elmedany, W. (2026). Performance, fairness, and explainability in AI-based credit scoring: A systematic literature review. Journal of Risk and Financial Management, 19(2), 104.
Garcia, A. C. B., Garcia, M. G. P., & Rigobon, R. (2024). Algorithmic discrimination in the credit domain: What do we know about it? AI & Society, 39, 2059–2098.
Raziyeva, S., & Meraliyev, M. (2025). Bias and fairness in automated loan approvals: A systematic review of machine learning approaches. Journal of Emerging Technologies and Computing.
Kowsar, M. M., Mohiuddin, M., & Mohna, H. A. (2024). Credit decision automation in commercial banks: A review of AI and predictive analytics in loan assessment. American Journal of Interdisciplinary Studies.
Tyagi, S. (2022). Analyzing machine learning models for credit scoring with explainable AI and optimizing investment decisions. arXiv Preprint.
Shreya, & Pathak, H. (2025). Explainable artificial intelligence credit risk assessment using machine learning. arXiv Preprint.
Haque, F. M. A., & Hassan, M. M. (2024). Bank loan prediction using machine learning techniques. arXiv Preprint.
