Skor Kredit Bukan Vonis bagi Konsumen

SEORANG pemilik warung mengajukan tambahan modal melalui aplikasi. Usahanya berjalan, pemasok datang rutin, dan cicilan lama dibayar. Beberapa menit kemudian muncul jawaban singkat: pengajuan belum dapat disetujui. Tidak ada analis yang ditemui, tidak ada ruang untuk menjelaskan mengapa omzet bulan lalu turun, dan tidak ada petunjuk tentang apa yang perlu diperbaiki.

Bagi sistem, keputusan itu mungkin hanya satu keluaran dari model. Bagi pemilik warung, jawabannya bisa berarti menunda membeli stok, kehilangan momentum usaha, atau kembali meminjam dari sumber yang lebih mahal. Di sinilah credit scoring digital berhenti menjadi persoalan teknis. Ia menjadi persoalan keadilan proses.

Skala Besar, Tanggung Jawab Juga Membesar

Otoritas Jasa Keuangan (OJK) mencatat layanan Pemeringkat Kredit Alternatif (PKA) menerima 28,32 juta permintaan data skor kredit pada Juli 2026. PKA membantu lembaga jasa keuangan membaca kelayakan konsumen dengan menggunakan data di luar riwayat kredit konvensional. Bagi pekerja informal dan UMKM yang tidak memiliki laporan keuangan rapi, pendekatan ini dapat membuka pintu yang sebelumnya tertutup.

Kebutuhan itu nyata. Pada Juli 2026, kredit UMKM tumbuh 1,62% secara tahunan, jauh di bawah kredit korporasi yang tumbuh 22,10%. Teknologi scoring dapat membantu mengurangi kesenjangan informasi yang selama ini membuat usaha kecil sulit terlihat oleh sistem keuangan.

Namun satu hal perlu diperjelas: PKA menghasilkan skor atau profil, sedangkan keputusan akhir kredit berada pada lembaga yang menggunakan skor tersebut bersama data dan kebijakan lainnya. Artinya, ketika seseorang ditolak, tanggung jawab tidak boleh menghilang di antara penyedia skor, penyedia data, dan pemberi kredit. Konsumen tidak seharusnya menerima jawaban bahwa keputusan “dibuat sistem” seolah tidak ada pihak yang bertanggung jawab.

Data Bisa Akurat, Konteks Bisa Hilang

Model scoring bekerja dengan mencari pola. Itu kekuatannya. Tetapi pola tidak selalu mengetahui cerita di balik angka. Rekening yang kosong pada tanggal tertentu dapat dibaca sebagai tekanan arus kas, padahal uang dipindahkan untuk membayar pemasok tunai. Penurunan transaksi dapat dianggap sinyal risiko, padahal usaha sempat tutup karena banjir atau renovasi.

Masalah menjadi lebih serius jika data yang masuk salah, tidak lengkap, atau tidak mutakhir. Dalam sistem manual, pemohon masih mungkin menjelaskan. Dalam sistem otomatis, kesalahan data dapat berubah menjadi keputusan sebelum konsumen tahu bahwa ada sesuatu yang keliru.

Karena itu, isu pentingnya bukan apakah mesin lebih bias daripada manusia. Manusia pun dapat bias. Yang lebih penting adalah apakah keputusan memiliki jalan koreksi ketika data, konteks, atau modelnya salah.

Indonesia Sudah Punya Fondasi Hak

UU Pelindungan Data Pribadi memberi subjek data hak untuk memperbaiki data yang salah atau tidak akurat. Pasal 10 juga memberi hak untuk mengajukan keberatan atas keputusan yang hanya didasarkan pada pemrosesan otomatis, termasuk pemrofilan, apabila keputusan itu menimbulkan akibat hukum atau dampak signifikan.

Di sektor jasa keuangan, POJK 29 Tahun 2024 telah mengatur Pemeringkat Kredit Alternatif. Sejak 1 Juli 2026, POJK 30 Tahun 2025 memperkuat tata kelola dan manajemen risiko penyelenggara inovasi teknologi sektor keuangan. Fondasinya ada. Tantangan berikutnya adalah membuat hak dan tata kelola itu terasa di layar pengguna, bukan hanya tertulis di regulasi.

Menurut saya, minimal ada tiga hal yang perlu hadir dalam pengalaman konsumen: alasan yang bermakna, jalur koreksi data, dan peninjauan manusia untuk kasus yang diperselisihkan atau berdampak besar. Tiga hal ini bukan hambatan bagi otomatisasi. Justru inilah yang membuat otomatisasi dapat dipercaya.

Alasan Bukan Berarti Membuka Rahasia Model

Kekhawatiran yang sering muncul adalah transparansi akan membuka formula scoring dan membuat sistem mudah dimanipulasi. Padahal penjelasan tidak harus berarti membongkar kode atau bobot model. Konsumen cukup diberi faktor utama yang benar-benar memengaruhi keputusan: misalnya riwayat pembayaran belum memadai, rasio kewajiban terlalu tinggi, data penghasilan belum dapat diverifikasi, atau terdapat ketidaksesuaian data.

Praktik internasional menunjukkan arah yang sama. Consumer Financial Protection Bureau di Amerika Serikat menegaskan bahwa penggunaan model yang kompleks tidak menghapus kewajiban kreditur untuk memberi alasan yang spesifik dan akurat ketika mengambil keputusan yang merugikan pemohon. Indonesia tentu tidak harus menyalin sistem Amerika. Namun prinsipnya relevan: kompleksitas teknologi tidak boleh menjadi alasan untuk mengurangi hak atas penjelasan.

Penjelasan yang baik juga menguntungkan industri. Konsumen yang tahu apa yang perlu diperbaiki dapat kembali dengan profil yang lebih sehat. Sebaliknya, pesan generik seperti “belum memenuhi kriteria” membuat orang tidak belajar apa pun dan berpotensi mencari kredit lain dengan masalah yang sama.

Yang Dibutuhkan Adalah Rantai Akuntabilitas

Kredit digital melibatkan banyak pihak: sumber data, PKA, platform, dan lembaga pemberi kredit. Karena itu, kita membutuhkan rantai akuntabilitas yang jelas. Siapa yang memastikan data akurat? Siapa yang dapat menjelaskan faktor penilaian? Siapa yang menerima keberatan? Siapa yang memutuskan ulang jika ada bukti bahwa data atau konteksnya salah?

Jawaban atas pertanyaan-pertanyaan itu seharusnya tidak dibebankan kepada konsumen. Sistem yang matang membuat koordinasi terjadi di belakang layar, sementara di depan layar konsumen mendapat satu pintu untuk memahami, memperbaiki, dan mengajukan keberatan.

Kepercayaan pada kredit digital tidak dibangun hanya dari kecepatan keputusan. Ia dibangun dari keyakinan bahwa ketika sistem salah, ada jalan untuk memperbaikinya. Skor kredit boleh menjadi alat bantu yang kuat, tetapi ia tidak boleh menjadi vonis yang tidak dapat dijelaskan.

Di balik setiap skor selalu ada manusia, usaha, dan kesempatan ekonomi. Teknologi yang benar-benar inklusif bukan hanya mampu mengatakan “ya” lebih cepat. Ia juga harus mampu menjelaskan “mengapa tidak” dengan adil.