MODEL DETEKSI PINJAMAN ONLINE ILEGAL BERBASIS KRITERIA FINTECH LENDING

Abstrak

Pertumbuhan industri fintech lending di Indonesia berlangsung sangat pesat, dan sayangnya laju pertumbuhan tersebut turut dibarengi oleh semakin maraknya pinjaman online (pinjol) ilegal yang merugikan masyarakat dari sisi ekonomi, sosial, maupun psikologis; di sisi lain, calon peminjam sering kali tidak mudah membedakan mana aplikasi yang legal dan mana yang ilegal sebelum mengajukan pinjaman. Untuk menjawab persoalan tersebut, penelitian ini mengembangkan sebuah model deteksi dua tahap guna mengenali indikasi praktik pinjol ilegal. Tahap pertama, yaitu gating, berfungsi sebagai penyaringan awal berdasarkan ada-tidaknya verifikasi resmi pada suatu aplikasi, sedangkan tahap kedua, yaitu skor tertimbang, menilai lima kriteria (legalitas OJK, praktik akses data, transparansi bunga dan denda, identitas perusahaan, serta ulasan pengguna) bagi aplikasi yang telah lolos dari tahap gating. Penilaian pada tiap kriteria dilakukan menggunakan rubrik skor yang eksplisit, sementara bobot masing-masing kriteria diperoleh melalui teknik pembobotan peringkat linear berdasarkan tingkat urgensi regulasinya. Setelah diujicobakan pada sepuluh sampel aplikasi dan divalidasi terhadap status resmi pendaftaran di Otoritas Jasa Keuangan (OJK), model ini menunjukkan tingkat kesesuaian sebesar 100% antara hasil klasifikasinya dan data resmi OJK, dengan aplikasi yang diuji terbagi ke dalam tiga kategori, yakni cenderung legal, perlu diwaspadai, dan terindikasi ilegal. Model ini dirancang sebagai alat bantu edukasi mandiri sehingga masyarakat dapat mengenali risiko pinjol ilegal dengan lebih mudah.

Indonesia’s fintech lending sector has grown at a rapid pace, and this growth has been accompanied by a corresponding rise in illegal online lending (pinjol) platforms that inflict economic, social, and psychological harm on the public, while many prospective borrowers find it hard to tell legitimate applications apart from illegal ones before applying for a loan. To address this gap, the present study develops a two-stage model for flagging indications of illegal pinjol activity. The first stage, gating, screens applications according to whether official verification is present, while the second stage applies weighted scoring across five criteria (OJK legal registration, data-access practices, transparency of interest and penalty terms, company identity, and user reviews) to applications that clear the gate. Each criterion is scored against an explicit rubric, with the weight assigned to it determined through linear rank-order weighting based on its regulatory urgency. Testing the model on ten sample applications and checking the results against their official OJK registration status produced a 100% match between the model’s output and OJK records, with applications ultimately grouped into three categories: likely legal, warranting caution, and indicating illegality. The resulting model is intended as a simple, self-help educational tool that lets members of the public gauge the risk of illegal pinjol on their own.