Perpustakaan Digital ITB

Bank XYZ Wholesale Credit Operations Bandung (WCOB) dihadapkan pada tantangan untuk menangani data yang jumlahnya terus meningkat. Penyediaan data yang berkualitas sangat penting untuk mendukung keputusan bisnis dan laporan ke SLIK (Sistem Layanan Informasi Keuangan) OJK sebagai regulator. Fokus penelitian ini adalah pada segmen Komersial yaitu 65% dari total portfolio bank wide. Dengan portfolio yang begitu besar, tentunya diiringi dengan resiko kesalahan data yang sangat besar. Data kesalahan dapat menimbulkan berbagai jenis kerugian bagi Bank XYZ baik risiko operasional, risiko hukum, risiko reputasi, dan risiko keuangan (sanksi denda oleh OJK). Saat ini masih banyak error data Debitur yang muncul di Bank XYZ, hal ini berpotensi mengakibatkan denda yang cukup besar dari OJK yang akan merugikan Bank XYZ. Akar penyebab masalah diidentifikasi dengan menggunakan Current Reality Tree (CRT). Tingkat Error Data Quality Assurance (DQA) disebabkan oleh sistem internal yang belum memenuhi syarat dan kurangnya pengetahuan Pegawai. Bagian penting yang mempengaruhi munculnya kesalahan data adalah saat pertama kali memasukkan data ke dalam sistem. Jika PIC tidak menginput data secara akurat, lengkap, atau bahkan tidak terisi pada sistem, maka akan menyebabkan data error. Masalah ini disebabkan oleh PIC yang masih belum memiliki kesadaran risiko, hal ini dikarenakan masih kurangnya pengetahuan. Jadi, jika sistemnya belum mumpuni; tidak adanya sistem validasi, yang dapat mendeteksi data kosong, dan data 'anomali', juga akan menyebabkan potensi kesalahan data. Dengan pendekatan 'Done Right at the First Time', penulis mengajukan beberapa solusi; Untuk sistemnya adalah upgrade sistem internal (IPS) dengan menerapkan metode Poka Yoke, dan untuk Pegawai melalui pelatihan dan pengembangan Pegawai, serta menerapkan sistem reward and punishment. Dengan menerapkan solusi tersebut, dengan menggunakan skenario pesimis diperkirakan data kesalahan akan berkurang sebesar 27% dan juga diperkirakan akan menurunkan potensi sanksi denda sebesar Rp 112 juta, dan dengan skenario optimis diharapkan dapat menurunkan data kesalahan sebesar 78% kedepannya dan diperkirakan akan menurunkan sanksi denda sebesar Rp 226 juta.