Baca berita tanpa iklan. Gabung Kompas.com+
DQLab
Komunitas data scientist

Komunitas praktisi dan industri dalam program belajar data science oleh DQLab (dqlab.id).

Memprediksi Pinjaman Berbasis Data dengan "Machine Credit Scoring"

Kompas.com - 15/11/2018, 20:33 WIB
Anda bisa menjadi kolumnis !
Kriteria (salah satu): akademisi, pekerja profesional atau praktisi di bidangnya, pengamat atau pemerhati isu-isu strategis, ahli/pakar di bidang tertentu, budayawan/seniman, aktivis organisasi nonpemerintah, tokoh masyarakat, pekerja di institusi pemerintah maupun swasta, mahasiswa S2 dan S3. Cara daftar baca di sini

“Yang pertama prosesnya panjang, butuh waktu lama untuk bisa melihat hasilnya. Kedua, data dimiliki seadanya. Ketiga, masih banyak proses harus dilakukan secara manual di lapangan seperti isi di kertas dan tulis tangan sehingga banyak mendapatkan data kotor," tutur Aan.

Lamanya proses pembuatan credit scoring, Amartha akhirnya berinisiatif membuat beberapa prototype.

Vice President Amartha, Aria Widyanto menambahkan, sebelum menggunakan sistem credit scoring ini, proses saat pertama kali berinteraksi dengan calon borrowers hingga disetujui pinjamannya membutuhkan waktu hingga 1 bulan. 

Kemudahan dan transparansi lewat credit scoring

“Setelah membuat algoritma dan credit scoring seperti itu, sebenarnya keputusan approve atau tidak, hanya butuh waktu sekitar 20 – 30 menit. Karena pada saat setelah selesai interview di aplikasi dengan petugas lapangan kita, di situ sudah bisa langsung kelihatan berapa credit scoring-nya," ujat Aria.

Aria menambahkan, saat itu juga kita bisa langsung bilang, ibu layak mendapatkan pinjaman sebesar 4 juta rupiah.

Tidak hanya mempersingkat waktu prosesnya, credit scoring juga mempersingkat pengisian formulir. “Kita juga simplify proses manual seperti nama, alamat, usia, dan lainnya itu harus input manual dan sangat melelahkan” jelasnya menambahkan.

Selain itu, kebutuhan credit scoring ini juga untuk memberikan transparansi pada pendana urban (investor). Karena jika credit scoring tidak valid, sulit juga bagi pendana urban untuk memilih preferensi risiko mereka.

Pendana urban di Amartha memiliki peran penting karena fungsi Amartha adalah untuk menghubungkan "perempuan-perempuan tangguh" pedesaan dengan pendana urban. 

Aria  juga mengaku untuk bisa menghasilkan model credit scoring yang tepat, dibutuhkan kompetensi teknik pengolahan data handal dan kerjasama tim kompak.

Kemampuan seperti problem solving mindset, penerapan teknik pengolahan data, teknik analisis data dengan beragam projek industri dapat menunjang karir sebagai data scientist ini salah satunya dapat dipelajari secara online di program belajar data science DQLab.id.

Simak breaking news dan berita pilihan kami langsung di ponselmu. Pilih saluran andalanmu akses berita Kompas.com WhatsApp Channel : https://www.whatsapp.com/channel/0029VaFPbedBPzjZrk13HO3D. Pastikan kamu sudah install aplikasi WhatsApp ya.

Halaman:
Video rekomendasi
Video lainnya


Baca berita tanpa iklan. Gabung Kompas.com+
Baca berita tanpa iklan. Gabung Kompas.com+
Baca berita tanpa iklan. Gabung Kompas.com+
komentar di artikel lainnya
Baca berita tanpa iklan. Gabung Kompas.com+
Baca berita tanpa iklan. Gabung Kompas.com+
Close Ads
Bagikan artikel ini melalui
Oke
Login untuk memaksimalkan pengalaman mengakses Kompas.com