BERITA TERKINI
Guru Besar FMIPA UB Kembangkan CRICap untuk Mengukur Risiko Kredit Sejak Tahap Pra-Pengajuan

Guru Besar FMIPA UB Kembangkan CRICap untuk Mengukur Risiko Kredit Sejak Tahap Pra-Pengajuan

Inovasi dalam manajemen risiko kredit terus berkembang seiring kebutuhan sistem keuangan yang dinilai semakin presisi dan inklusif. Dari lingkungan akademik, Guru Besar Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Brawijaya (UB) bidang Statistika Manajemen, Prof. Dr. Ir. Solimun, MS, bersama tim peneliti mengembangkan aplikasi CRICap (Credit Response Index Capture) untuk mengukur dan memetakan risiko kredit masyarakat sejak tahap paling awal.

CRICap dirancang sebagai bagian dari sistem risk scoring dengan pendekatan preventif. Aplikasi ini bekerja pada fase pre-application, yakni sebelum seseorang resmi menjadi nasabah. “Ini terkait dengan manajemen risiko kredit di perbankan, khususnya pada tahap pre-application, yaitu pengukuran dan pemetaan sejak calon nasabah,” ujar Solimun dalam kegiatan Ngopi Sam di FMIPA UB, Jumat (17/4/2026).

Pengembangan CRICap berangkat dari model Credit Response Index atau IRK yang dibangun menggunakan metode komponen analisis dalam statistika. Model tersebut mengolah sejumlah indikator menjadi satu indeks kuantitatif yang merepresentasikan respons kredit individu. “Dari beberapa indikator tentang respons kredit dibuat sebuah persamaan, kemudian dari persamaan itu bisa dihitung indeks per individu,” kata Solimun.

Selain menghitung indeks pada level individu, CRICap juga dapat melakukan pemetaan berdasarkan wilayah, profesi, hingga sektor ekonomi. Dalam uji coba awal di Kota Batu, tim menemukan variasi indeks antar kecamatan maupun jenis pekerjaan. “Indeks ini bisa dikluster berdasarkan wilayah, bahkan sampai desa, pekerjaan, atau sektor industri,” ujarnya.

Hasil analisis kemudian divisualisasikan dalam bentuk peta spasial interaktif. Pendekatan ini disebut memberi gambaran kuantitatif kondisi literasi keuangan masyarakat secara lebih menyeluruh. Dengan integrasi big data dan model statistik, CRICap juga diposisikan sebagai dasar untuk penyusunan kebijakan berbasis data.

Dari sisi metodologi, Solimun menyebut tingkat presisi model mencapai 96 persen. “Keberagaman kumulatif indeks mencapai 96 persen, artinya derajat keterpastian model cukup tinggi,” katanya.

Meski demikian, CRICap masih berada pada tahap pengembangan. Fokus saat ini disebut masih pada pengukuran dan pemetaan, belum sepenuhnya pada prediksi risiko kredit. Uji implementasi langsung ke sektor perbankan juga belum dilakukan secara luas. “Kami masih dalam proses validasi dan pengembangan, belum sampai pada implementasi penuh ke perbankan,” ujar Solimun.

CRICap berawal dari hibah penelitian terapan yang kemudian berkembang menjadi inovasi berbasis aplikasi. Dari sisi teknologi, sistem ini dibangun dengan pendekatan modern berbasis multiplatform, memanfaatkan integrasi big data, antarmuka interaktif, serta dukungan cloud computing.

Dalam praktiknya, aplikasi mengumpulkan data melalui kuesioner dan identitas pengguna. Data tersebut diolah menjadi indeks respons kredit dan literasi keuangan, baik pada level individu maupun kelompok. Hasilnya dinilai dapat dimanfaatkan pemerintah daerah, koperasi, hingga lembaga keuangan desa.

Berdasarkan diskusi dengan berbagai pemangku kepentingan, CRICap disebut memiliki potensi untuk mendukung pengembangan UMKM. “Ini bisa menjadi pendorong UMKM untuk naik kelas. Kalau interaksi keuangannya bagus, akses pembiayaan juga akan lebih mudah,” kata Solimun.

Bagi pemerintah daerah, pemetaan wilayah dengan tingkat literasi keuangan rendah dinilai dapat membantu perumusan kebijakan yang lebih tepat sasaran, termasuk program edukasi dan stimulus kredit agar lebih efektif dan efisien. Sementara bagi masyarakat, aplikasi ini diarahkan untuk meningkatkan pemahaman terhadap layanan keuangan, mendorong perilaku keuangan yang lebih sehat, sekaligus mengurangi kesenjangan akses terhadap layanan perbankan.

Ke depan, pengembangan CRICap juga ditujukan agar lebih adaptif melalui integrasi teknologi adaptive machine untuk memberikan interpretasi dan rekomendasi otomatis. “Ke depan kami akan pasang adaptive machine, sehingga bisa langsung memberikan interpretasi dan rekomendasi dari data yang masuk,” ujar Solimun.

Solimun menyebut riset terkait CRICap telah dimulai sejak 2004 dalam bentuk model penelitian sebelum berkembang menjadi aplikasi seperti saat ini. Dengan dukungan kolaborasi dan pendanaan, inovasi tersebut ditargetkan dapat diimplementasikan lebih luas dalam beberapa tahun ke depan.