Perpustakaan Digital ITB

Penelitian ini mengatasi tantangan sosio teknis yang kompleks dalam ekosistem keuangan digital, khususnya digital loan, yang disebabkan oleh asimetri informasi dan model evaluasi yang tidak memadai, seperti credit scoring konvensional. Model credit scoring tradisional dianggap statis, hanya berfokus pada riwayat borrower dan gagal merepresentasikan nilai kontrak pinjaman secara holistik dan dinamis, yang berkontribusi pada tingginya angka kredit bermasalah Non-Performing Loan (NPL) serta terhambatnya inklusi keuangan yang adil dan berkelanjutan. Sebagai respons terhadap permasalahan tersebut, penelitian ini merancang dan membangun sistem rekayasa finansial bernama Smart Loan Arranger. Inti dari sistem ini adalah Model Value Index, sebuah artefak rekayasa desain yang mereformulasi kontrak pinjaman melalui pendekatan Value Engineering dan paradigma Smart Engineering. Model tersebut mengukur nilai intrinsik berdasarkan rasio antara fungsi dan biaya dari perspektif multi stakeholder, baik peminjam maupun pemberi pinjaman. Penelitian ini menggunakan pendekatan Design Science Research Methodology (DSRM), yang meliputi tahapan identifikasi masalah, penentuan tujuan solusi, perancangan dan pengembangan, demonstrasi, evaluasi, serta komunikasi hasil. Penerapan metode ini menghasilkan peningkatan akurasi evaluasi, di mana model Value Index dengan AHP pada awalnya terbukti mampu meningkatkan tingkat akurasi dari 64% pada metode konvensional menjadi 76,44% dan kemudian meningkat kembali menjadi 84,05% ketika bobot evaluasi diperoleh melalui integrasi Value Index dan machine learning. Simulasi berbasis Agent-Based Model (ABM) juga memperlihatkan adanya potensi penurunan rata-rata NPL sebesar 16,3% di berbagai skenario ekonomi (kondisi baik, normal, maupun krisis). Lebih lanjut analisis statistik menunjukkan adanya korelasi negatif yang kuat antara Value Index berbasis machine learning dengan NPL riil, dengan koefisien Pearson sebesar 0,787 dan nilai P sebesar 0,0069, yang menegaskan signifikansi temuan tersebut. Kontribusi utama disertasi ini adalah penyediaan kerangka kerja rekayasa nilai berbasis teknologi yang sistematis dan aplikatif. Kerangka ini mendukung pengambilan keputusan finansial yang lebih cerdas, adaptif, dan inklusif, khususnya untuk pembiayaan produktif sektor UMKM. Selain itu, disertasi ini berkontribusi pada pengembangan model Value Index pada produk finansial ii (digital loan), serta strategi peningkatan akurasi pengukuran nilai Value Index dengan menggunakan machine learning. Secara keseluruhan, Model Value Index yang dikembangkan terbukti mampu meningkatkan akurasi dan performa dalam evaluasi kontrak pinjaman digital, sekaligus menjaga stabilitas arus kas pada berbagai skenario ekonomi.