Komparasi dokumen kredit adalah pemeriksaan apakah data yang sama, seperti NIK, nama, alamat, dan nominal, tertulis konsisten di semua dokumen pengajuan dan di sistem bank. AI melakukannya otomatis: membaca setiap dokumen, menyamakan format penulisan, lalu memberi status Match atau Unmatch beserta buktinya.
Pada segmen kredit pensiunan dan UMKM, satu pengajuan bisa berisi belasan jenis dokumen. Analis harus memastikan setiap data identik di semua dokumen tersebut. Pekerjaan ini teliti, berulang, dan menyita waktu. Satu perbedaan kecil, misalnya tanggal lahir yang berbeda satu tahun, bisa mengubah tenor maksimum.
Artikel ini menjelaskan cara kerja komparasi dokumen kredit dengan AI, berdasarkan rancangan BacaDoku AI dari Zegen untuk bank penyalur kredit pensiun.
Dokumen apa yang dibandingkan dalam komparasi dokumen kredit?
Untuk produk kredit pensiun dan mikro, rancangan kami mencakup 13 jenis dokumen. Data yang diinput petugas di LOS menjadi nilai acuan.
- KTP: data identitas, foto wajah, dan tanda tangan.
- Kartu Keluarga: anggota keluarga, pasangan, alamat, dan status perkawinan.
- SK Pensiun: nomor SK, NIP, jenis pensiun, dan tanggal mulai pensiun.
- Hasil verifikasi Dukcapil: data kependudukan dari layanan yang sudah dimiliki bank.
- Memo kredit: parameter kredit yang diusulkan.
- Formulir permohonan kredit: isian pemohon dan tanda tangan.
- Surat pernyataan blokir: jumlah blokir dan nomor rekening.
- Bukti manfaat pensiun: nominal manfaat, NIP, dan kantor bayar.
- SPAJK: data tertanggung dan perusahaan asuransi jiwa kredit.
- Bukti flagging: status penandaan pembayaran pensiun ke bank penyalur.
- Laporan kunjungan nasabah dan usaha: alamat, kepemilikan rumah, dan kontak.
- Denah lokasi rumah atau usaha: keterangan alamat dan wilayah.
Data apa saja yang dicocokkan?
Total ada 46 data yang dibandingkan. Agar mudah dikelola, data dibagi menjadi enam kelompok.
- Identitas diri (11 data): NIK, nama, tempat dan tanggal lahir, jenis kelamin, status pernikahan, masa berlaku KTP, nama ibu kandung, NPWP, pendidikan, dan nomor HP.
- Alamat (2 data): alamat lengkap hingga empat tingkat wilayah, serta status kepemilikan rumah.
- Kepegawaian dan pensiun (10 data): instansi, NIP atau NRP, lembaga pengelola pensiun, jenis penerima, manfaat pensiun, nomor SK, kantor bayar, dan TMT pensiun.
- Keluarga dan kontak darurat (3 data): nama kontak darurat, hubungan keluarga, dan jumlah tanggungan.
- Parameter kredit (17 data): limit, jangka waktu, suku bunga, biaya, jumlah take over, jumlah blokir, dan terima bersih.
- Tanda tangan dan foto (3 data): tanda tangan pemohon, tanda tangan pasangan, dan foto pemohon.
Tidak semua data ada di semua dokumen. Karena itu, sistem memakai matriks yang menentukan pasangan data dan dokumen mana yang perlu dibandingkan.
Bagaimana cara kerja komparasi dokumen kredit dengan AI?
Prosesnya berjalan dalam delapan tahap, sebagian besar tanpa campur tangan manusia.
- Petugas cabang menginput data pengajuan dan mengunggah dokumen di LOS.
- LOS mengirim data pengajuan dan berkas ke BacaDoku AI melalui API.
- Sistem mengenali jenis dokumen, termasuk bila beberapa dokumen digabung dalam satu PDF.
- Kualitas gambar diperiksa, lalu orientasi halaman diperbaiki bila terbalik.
- Model AI mengekstrak nilai setiap data beserta tingkat keyakinan dan posisi buktinya di halaman.
- Nilai dinormalisasi, lalu dibandingkan dengan data LOS dan antar dokumen.
- Aturan bisnis bank dijalankan dan setiap data diberi status.
- Petugas meninjau hasil, mencatat tindak lanjut, dan hasil dikirim kembali ke LOS.
Petugas bisa mengklik setiap nilai untuk melihat potongan dokumen aslinya. Tidak perlu membuka berkas satu per satu.
Normalisasi: agar beda penulisan tidak dianggap salah
Tanpa normalisasi, sistem akan menghasilkan terlalu banyak Unmatch palsu. Contohnya, nama “Hartati Ningsih” dan “Hartati Ningsih, S.Pd.” sebenarnya orang yang sama. Beberapa aturan normalisasi yang dipakai:
- Gelar akademik dan keagamaan: Drs., S.Pd., Hj., dan sejenisnya dilepas sebelum nama dibandingkan.
- Alamat: singkatan Jl., Kel., Kec., dan Kab. diseragamkan, lalu wilayah dipetakan ke kode wilayah Kemendagri.
- Tanggal dan angka: format tanggal serta nominal Rupiah dibuat seragam, dengan toleransi selisih yang ditetapkan bank.
- NIK: enam digit tengah NIK berisi tanggal lahir. Untuk perempuan, tanggal lahir ditambah 40. Sistem memakai aturan ini untuk mengecek konsistensi NIK dengan tanggal lahir dan jenis kelamin.
- Hubungan keluarga: kamus padanan menyamakan istilah seperti “istri”, “pasangan”, dan “suami/istri”.
Aturan bisnis dalam komparasi dokumen kredit
Selain mencocokkan, sistem menjalankan aturan yang menjadi kebijakan bank.
- Tanggal lahir tertua untuk tenor. Bila tanggal lahir berbeda antar dokumen, status Unmatch tetap dicatat. Namun tanggal tertua dipakai sebagai acuan perhitungan tenor.
- Ambang toleransi. Selisih nominal kecil bisa diterima sesuai batas yang ditetapkan.
- Validasi aritmetika. Terima bersih bisa dicek terhadap limit dan potongan, sesuai rumus bank.
- Status perlu reviu. Ekstraksi dengan keyakinan rendah atau dokumen tidak terbaca masuk antrean reviu.
- Maker-checker. Perubahan matriks dan aturan harus disetujui pihak kedua, tanpa rilis ulang aplikasi.
Contoh hasil komparasi dokumen kredit
Setiap pengajuan memiliki lembar komparasi yang meniru matriks kerja analis. Contoh berikut memakai data fiktif.
- Nama lengkap: KTP, Kartu Keluarga, dan LOS menulis “HARTATI NINGSIH”, sedangkan SK Pensiun menulis “HARTATI NINGSIH, S.Pd.”. Hasilnya Match, karena gelar dinormalisasi.
- Kelurahan: KTP dan LOS menulis Sukamaju, sedangkan Kartu Keluarga menulis Sukajadi. Hasilnya Unmatch, dengan tindak lanjut konfirmasi domisili melalui kunjungan.
- Tanggal lahir: KTP menulis 12-03-1961, sedangkan SK Pensiun menulis 12-03-1960. Hasilnya Unmatch, dan tenor dihitung dari tanggal tertua.
Dengan format ini, analis langsung tahu data mana yang bermasalah dan apa yang harus dilakukan.
Skenario uji sebelum go-live
Akurasi harus dibuktikan dengan dokumen nyata, bukan dokumen demo. Kami menyiapkan dataset uji kredit pensiun beserta kunci jawabannya untuk empat skenario.
- Pengajuan bersih: seluruh data konsisten, sehingga semua data Match.
- Knockout usia dan kewajiban: usia saat lunas melebihi batas, serta ada take over dan pinjaman lama. Aturan menandai knockout.
- Ketidaksesuaian data: gelar berbeda di KTP dan SK, serta alamat KTP berbeda dengan KK. Nama tetap Match, alamat Unmatch.
- Pensiun janda take over: NIP almarhum harus tertaut benar tanpa menandai identitas almarhum sebagai Unmatch.
Dataset ini kemudian diperluas dengan sampel dokumen milik bank saat pilot.
Verifikasi visual foto dan tanda tangan
Sistem juga menghitung skor kemiripan foto wajah dan tanda tangan antar dokumen. Skor ini hanya indikator pendukung. Hasil di bawah ambang ditandai untuk diperiksa petugas, bukan langsung ditolak.
Keamanan data dokumen kredit dan jejak audit
Dokumen kredit berisi data pribadi dan data keuangan. Pemrosesannya wajib mengikuti UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi. Beberapa kontrol yang kami terapkan:
- Hak akses berbasis peran, autentikasi multi-faktor, dan opsi integrasi Active Directory.
- Jejak audit append-only dengan rantai hash, sehingga perubahan catatan bisa terdeteksi.
- Log aplikasi tidak menyimpan data sensitif, dan log bisa dikirim ke SIEM bank.
- Seluruh proses bisa berjalan di server milik bank. Detail arsitekturnya ada di panduan server AI di data center bank.
Pertanyaan yang sering diajukan
Apa bedanya dengan OCR biasa?
OCR biasa hanya mengubah gambar menjadi teks. Komparasi dokumen kredit melangkah lebih jauh: memahami isi dokumen, menyamakan format, membandingkan data lintas dokumen, lalu menjalankan aturan bank.
Apakah hasilnya bisa masuk kembali ke LOS?
Bisa. Hasil dikirim melalui callback API dengan status, keyakinan, dan referensi bukti. Lihat juga cara kerja loan origination system untuk konteks alurnya.
Bagaimana jika satu PDF berisi banyak dokumen?
Sistem memisahkan dan mengenali setiap jenis dokumen di dalam berkas gabungan secara otomatis.
Apakah matriks bisa diubah tanpa developer?
Bisa. Administrator mengubah pasangan data, ambang toleransi, dan aturan melalui aplikasi, dengan persetujuan maker-checker.
Langkah berikutnya
Komparasi otomatis paling terasa manfaatnya ketika dipadukan dengan analisa kelayakan kredit untuk pensiunan. Hubungi tim Zegen untuk proof of concept BacaDoku AI dengan sampel dokumen bank Anda.

Komentar
Tinggalkan pendapat singkat tentang artikel ini.