Manajemen Risiko Kredit dan ‘New Normal’

16 June 2020 Banking Strategy / Credit Risk / Digital Banking

Pardi Sudradjat, Partner, Asta Consulting

Pada saat terjadi krisis global tahun 2008, istilah ‘New Normal’ juga pernah ramai dibicarakan, yaitu mengenai apakah perlu pendekatan baru dalam pengelolaan kredit, khususnya setelah terjadi krisis pinjaman KPR pada kelompok ‘marjinal’ atau ‘subprime’, yang kemudian digelembungkan menjadi ‘subprime mortgage’ yang menyeret banyak bank komersial, bank investasi dan perusahaan asuransi beken ke arah kehancuran. Apakah proses perkreditan perlu dirombak total?

Pada saat itu banyak dari para bankir berpengalaman berpendapat, bahwa tidak ada paradigma kredit yang baru diperlukan, dunia perkreditan tidak ada yang berubah, hanya bank perlu kembali pada kaidah fundamental pengelolaan kredit yang betul, yaitu konsep lama 5Cs, yaitu Capacity (kemampuan membayar kewajiban yang dihitung dengan betul), Collateral (agunan dengan nilai yang ditetapkan secara pruden), Character (perilaku debitur yang dinilai secara baik), ditambah Capital/Cash dan Conditions of Economy, ditambah lagi, risiko konsentrasi, membatasi pinjaman pada jenis kredit tertentu, sektor ekonomi tertentu, geografis tertentu dan group peminjam tertentu.

Model scoring (peringkat)
Sebagian bank terlalu mengandalkan penggunaan scoring untuk mengambil keputusan kredit atau model perkreditan, dan meninggalkan menggunakan judgment analis, logika dan ‘common sense’. Model dan sistem scoring memang merupakan perangkat yang sangat efisien, terutama untuk ‘mass lending’ seperti KPR dan kredit konsumer, yang membuat biaya pengelolaan kredit menjadi lebih efisien dan lebih objektif dalam mengambil keputusan. Akan tetapi, data input pada model relatif tidak mudah diverifikasi kebenarannya, sehingga banyak pendapat ahli mengatakan bahwa officer kredit harus tetap menambahkan elemen judgement secara subjektif dan menerapkan ‘common sense’ sebelum membuat keputusan akhir, apalagi untuk kredit dengan jumlah pinjaman yang lebih besar seperti UMKM dan kredit komersial.

Sebagai contoh, untuk kredit konsumer untuk debitur dengan pendapatan tetap (gaji), model scoring sulit untuk menilai, apakah pendapat gaji seseorang itu diperoleh dari perusahaan yang benar-benar sustain selama jangka waktu kredit, atau peluang debitur di PHK ditengah jalan, atau mengalami kondisi krisis seperti Covid-19 sekarang ini, dan sebab lainnya yang menyebabkan debitur di PHK dan tidak dapat membayar kewajibannya. Bank kebanyakan berpikir, toh ada jaminan aset tetap yang akan mengamankan kredit yang diberikan, dan itulah yang terjadi pada krisis ‘subprime mortgage’ di tahun 2008.
Sebaliknya, ada juga calon debitur yang dinyatakan ‘tidak layak’ oleh mesin scoring, tapi sebenarnya berkualitas tinggi dalam hal kemampuan membayar, misalnya professional kelas atas yang tidak ada gaji tetap, tapi pendapatannya melebihi pegawai gajian. Dalam kelompok ini juga termasuk pada entrepreneur UMKM yang berjualan di Mall-mall, toko, pasar dsb. Penggunaan judgment analis dan ‘common sense’ akan dapat menyaring debitur yang layak secara lebih berkualitas.

Digital Lending
Sekarang ini sedang berkembang platform pinjaman berbasis aplikasi, yang dilaksanakan oleh banyak perusahaan ‘fintech’, dan mulai dilirik oleh beberapa bank, barangkali dalam proses menuju ‘new normal’ dalam proses perkreditan.

Menurut OJK, per Maret 2020, sudah ada 161 perusahaan fintech yang terdaftar di OJK, yang tidak terdaftar mungkin lebih banyak lagi. Outstanding pinjaman sudah melebihi Rp 100 trilyun (naik 109% yoy), dengan jumlah debitur 24 juta rekening (naik 247% yoy). Semoga pertumbuhan bisnis ini berjalan baik. Permasalahan kemungkinan karena persaingan yang ketat, beberapa perusahaan fintech tidak memerlukan agunan kredit seperti hal nya kartu kredit pada perbankan, makanya di media kita sering dengar, beberapa perusahaan menagih piutang pada debitur yang menunggak dengan cara yang kurang etis, seperti mempermalukan debitur dengan menyebarkan data pribadi melalui media elektronik.

Tentunya bukan ini yang dikehendaki oleh industri perbankan, yang ingin menjadi ‘financial intermediary’ yang membantu pihak Investor maupun debitur memperoleh apa yang mereka perlukan, semua pihak senang.

Bisa saja dengan perkembangan teknologi robotic dengan menggunakan apa yang disebut dengan machine dan deep learning, artificial intelligent, behaviour lending, neural network dengan menggunakan Big data yang memberikan informasi yang ‘forward looking’ dan teknologi mutakhir lainnya, kualitas keputusan bisa lebih efisien dan objektif. Apalagi bank tidak perlu melakukan investasi banyak, melainkan cukup ikut pada platform dari pihak ketiga, yang sekarang ini menjamur di dunia digital.

Apakah benar fundamental perkreditan dapat ditinggalkan, dan hanya mengandalkan analisa digital seperti ini saja, untuk segment kredit yang mana? Hanya waktu yang bisa membuktikan, apakah memang mesin dapat menggantikan ‘business judgment’ dan ‘common sense’ yang selama ini menjadi dasar bank untuk membuat keputusan kredit yang rasional.

Bisa saja bisnis digital banking ini menjadi tumpuan utama fokus bisnis perkreditan pada saat ‘New Normal’. Apakah ada yang dapat membantu agar proses ini berjalan sebagaimana yang dikehendaki bersama yaitu melayani nasabah secara lebih baik dan memberikan nilai tambah bagi para stake-holders?

Penulis percaya, penerapan proses manajemen risiko yang baik akan dapat membantu memperoleh SDM yang tepat, melihat potensi masalah dari berbagai sudut pandang yang berbeda, menilai kualitas model secara sehat, dan memahami angka yang dihasilkan oleh model. Dengan ini Risk Management dapat membantu agar unit bisnis segmen ini dapat berkembang ke arah yang baik, dan mendorong pengembangan bisnis digital lending bertumbuh secara sehat.