BTN Andalkan Data BNBA dan BPS untuk Tepat Sasaran KPR

Demi menembus hambatan informasi calon debitur potensial, PT Bank Tabungan Negara (Persero) Tbk mulai mengintegrasikan basis data kependudukan terkini dengan sistem penilaian kreditnya. Langkah ini bukan sekadar digitalisasi biasa, melainkan pergeseran paradigma dalam menyasar segmen pembiayaan rumah yang selama ini kerap terlewat. Inisiatif tersebut menandai babak baru sinergi antara sektor perbankan dan instansi pemerintah di ranah data.

Mengawinkan Data Dukcapil dengan Scoring Kredit

Inovasi yang diadopsi BTN bertumpu pada pemanfaatan Data By Name By Address (BNBA) yang bersumber dari Direktorat Jenderal Kependudukan dan Pencatatan Sipil (Dukcapil). Basis data ini memuat informasi kependudukan yang menyatukan identitas warga dengan alamat domisili secara presisi. Selama ini, perbankan menghadapi tantangan verifikasi alamat calon nasabah yang tidak tertib administrasi, sehingga potensi penyaluran Kredit Pemilikan Rumah (KPR) non-subsidi dan subsidi tersendat oleh ketakjelasan data awal. Dengan menyandingkan data BNBA, bank dapat langsung memvalidasi keberadaan seseorang di suatu lokasi tanpa harus bergantung pada dokumen fisik yang rentan ketidaksesuaian.

Lebih jauh, BTN tidak berhenti pada pencocokan nama dan alamat. Perseroan menggandeng Badan Pusat Statistik (BPS) untuk memperkaya profil ekonomi calon nasabah. Data agregat tingkat pengeluaran rumah tangga, sebaran pekerjaan sektoral, dan indeks kemiskinan spasial dari BPS digunakan untuk membangun peta potensi pasar KPR yang lebih tajam. Sebelumnya, analisis kelayakan kredit sangat bergantung pada slip gaji atau laporan keuangan yang tidak dimiliki semua lapisan masyarakat. Kini, bank dapat memperkirakan kemampuan membayar segmen informal berdasarkan karakteristik wilayah tempat tinggalnya. Pendekatan ini diharapkan menekan angka penolakan yang semata-mata disebabkan oleh minimnya dokumen pendukung, terutama bagi pekerja wiraswasta dan pelaku UMKM yang selama ini menjadi segmen sulit dijangkau.

Presisi vs. Proteksi: Melihat Dua Sisi

Di satu sisi, efisiensi yang ditawarkan cukup signifikan. Data historis menunjukkan bahwa BTN pada 2023 mencatatkan penyaluran KPR subsidi sebesar Rp28,4 triliun, namun tingkat keterisian kuota FLPP (Fasilitas Likuiditas Pembiayaan Perumahan) tidak selalu optimal di setiap daerah karena ketidaktepatan sasaran. Dengan model berbasis data BNBA, bank dapat memetakan kantong-kantong permintaan yang sebelumnya tidak terdeteksi. Penggunaan data BPS juga memungkinkan BTN menyusun produk KPR dengan skema pembayaran yang lebih sesuai dengan siklus pendapatan masyarakat di daerah agraris atau pesisir. Imbasnya, potensi kredit bermasalah bisa ditekan sejak awal kontrak.

Di sisi lain, penggabungan data kependudukan dan perilaku ekonomi menimbulkan pertanyaan terkait tata kelola informasi. Publik patut mempertanyakan sejauh mana data pribadi terlindungi ketika digunakan untuk penilaian kelayakan kredit. Transparansi menjadi kunci; apakah calon nasabah akan diberi tahu bahwa data dirinya telah diakses dan dianalisis sebelum mengajukan KPR? Belum ada aturan spesifik yang mengatur pemanfaatan data BNBA untuk sektor komersial perbankan di luar keperluan pelayanan publik oleh pemerintah. Oleh karena itu, BTN perlu memastikan adanya protokol kepatuhan yang ketat agar tidak terjerumus dalam penyalahgunaan data yang justru menggerus kepercayaan terhadap bank Himbara tersebut.

Momentum Mengurangi Backlog Perumahan Nasional

Dorongan BTN untuk memperlebar jangkauan nasabah dengan bantuan data pemerintah tidak bisa dilepaskan dari konteks kekurangan pasok hunian yang masih tinggi. Berdasarkan data BPS yang dirilis awal 2024, angka backlog perumahan di Indonesia masih berada di kisaran 12,7 juta unit, di mana sekitar 59 persennya dikontribusi oleh rumah tangga berpenghasilan rendah. Selama ini, salah satu kendala utama adalah sulitnya mempertemukan sisi permintaan yang valid dengan sisi pembiayaan yang terbatas informasinya. Integrasi data BNBA dan statistik BPS membuka peluang baru untuk mempercepat proses tersebut. Bank dapat mengidentifikasi desa atau kelurahan dengan jumlah keluarga muda yang tinggi namun rendah kepemilikan rumah, lalu menawarkan paket KPR mikro dengan bunga kompetitif tepat di lokasi itu.

Langkah ini juga sejalan dengan target pemerintah untuk menurunkan biaya dana (cost of fund) perbankan melalui penciptaan pasar yang lebih efisien. BTN sebagai bank dengan porsi kredit perumahan tertinggi, sekitar 89 persen dari total kredit perseroan, mendapat tekanan untuk menjaga rasio kredit bermasalah net di bawah 2,5 persen. Dengan metode penyaringan berbasis data spasial, bank dapat membangun sistem peringatan dini (early warning) jika suatu wilayah mengalami gejolak ekonomi yang berpotensi menaikkan tunggakan. Ini artinya, data tidak hanya dipakai saat awal penyaluran kredit, tetapi juga sepanjang siklus hidup pinjaman.

Bila eksperimen ini berhasil, bukan tidak mungkin pola serupa akan diadopsi oleh bank-bank lain yang selama ini bermain di KPR. Efek bergulirnya bisa mempercepat inklusi keuangan di segmen properti, sekaligus memberikan gambaran yang lebih realistis bagi pengembang mengenai di mana hunian benar-benar dibutuhkan. Meski begitu, semua tetap bergantung pada itikad BTN untuk menjaga keseimbangan antara inovasi data dan perlindungan hak privasi nasabah yang kini menjadi perhatian global.

Baca juga:

• Demonstrasi Warga Tibet di Jepang Menentang Regulasi Baru China
• Trump Tiba-tiba Ganti Pesawat Hadiah Qatar di Tengah Memanasnya Konflik AS-Iran