Pelajaran dari Nevada untuk Industri Keuangan Indonesia: Deteksi Fraud Berbasis Analytics

Setiap program bantuan sosial menghadapi tantangan yang sama: memastikan dana sampai ke orang yang tepat, dalam jumlah yang tepat. Ketika jumlah penerima mencapai ratusan ribu, memeriksa setiap kasus secara manual nyaris mustahil. Di sinilah data dan AI mulai berperan.

Kasus Nevada: Hampir 400.000 Penerima SNAP

Nevada Division of Social Services, lembaga layanan sosial di negara bagian Nevada, Amerika Serikat, bermitra dengan SAS untuk memanfaatkan AI dan analytics dalam program SNAP (Supplemental Nutrition Assistance Program), program bantuan pangan bagi rumah tangga berpenghasilan rendah. Tujuannya jelas: menekan kesalahan pembayaran, meningkatkan akurasi program, dan memperkuat deteksi fraud.

Skalanya besar. Dengan hampir 400.000 individu dalam program SNAP, tim petugas kasus tidak mungkin menelusuri semuanya satu per satu. Dengan analytics, petugas dapat memprioritaskan kasus berisiko tinggi terlebih dahulu. Seiring berlakunya persyaratan federal yang baru, pendekatan ini membantu Nevada melindungi dana publik sekaligus melayani warganya dengan lebih baik.

Hasil awalnya sudah terlihat: sekitar USD 130 ribu overpayment per bulan berhasil terungkap.

Bagaimana Teknologinya Bekerja

Solusi yang mendasarinya adalah SAS Payment Integrity for Social Benefits, yang berjalan di atas platform SAS Viya. Solusi ini menggabungkan beberapa pendekatan sekaligus:

Deteksi anomali untuk mengenali pola klaim yang tidak wajar, baik indikasi fraud maupun pembayaran berlebih.
Machine learning dan AI yang tertanam dalam analisis, dilengkapi aturan bisnis (business rules).
Analisis jaringan (network link analysis) untuk menemukan keterkaitan antarklaim yang sekilas tampak tidak berhubungan, sehingga skema yang terorganisasi lebih mudah terlihat.
Text mining dan pencarian basis data untuk memperkaya konteks setiap kasus.
Analisis real time maupun batch, sehingga pemeriksaan tidak hanya dilakukan setelah kerugian terjadi.

Hasilnya adalah identifikasi aktivitas mencurigakan yang lebih cepat dan lebih akurat, serta pandangan yang terkonsolidasi atas risiko fraud, sehingga sumber daya investigasi yang terbatas dapat diarahkan ke tempat yang paling berdampak.

Bukan Hanya Soal Fraud

Menariknya, manfaat pendekatan ini melampaui deteksi kecurangan. SAS mencatat contoh lain dari berbagai negara:

Pemerintah kota Huizen di Belanda memangkas waktu analisis satu rekening koran dari 8 sampai 12 jam menjadi sekitar satu jam.
Abu Dhabi Early Childhood Authority menghimpun lebih dari 1.000 titik data untuk lebih dari 350.000 anak, dengan tetap menjaga privasi data.

Polanya sama: ketika data dikelola dan dianalisis dengan baik, lembaga dapat bekerja lebih efisien, lebih transparan, dan lebih tepat sasaran.

Relevansinya bagi Indonesia dan Industri Keuangan

Meski contoh di atas berasal dari sektor publik di luar negeri, prinsipnya berlaku lintas industri. Lembaga keuangan di Indonesia menghadapi tantangan serupa dalam bentuk lain, mulai dari transaksi mencurigakan, penipuan pembayaran, hingga kewajiban pemantauan kepatuhan yang terus berkembang.

Beberapa pelajaran yang dapat diambil:

Prioritaskan berdasarkan risiko. Dengan volume transaksi atau kasus yang besar, penilaian risiko (risk scoring) membantu tim fokus pada kasus yang paling penting.
Lihat hubungan, bukan hanya kasus tunggal. Analisis jaringan membantu mengungkap pola yang tidak tampak jika setiap kasus dilihat terpisah.
Bangun kepercayaan lewat akurasi dan transparansi. AI yang dapat dijelaskan dan tata kelola yang jelas penting agar keputusan dapat dipertanggungjawabkan.
Mulai dari data yang tertata. Hasil analytics hanya sebaik data yang mendasarinya.

Pendekatan inilah yang juga menjadi dasar solusi fraud, AML, dan kepatuhan (FRAML) yang kami hadirkan bersama SAS bagi industri keuangan Indonesia.

Penutup

Kasus Nevada menunjukkan bahwa data dan AI dapat menjadi alat yang nyata untuk melindungi dana publik sekaligus memastikan manfaat sampai kepada mereka yang membutuhkan. Bagi organisasi di Indonesia, baik di sektor keuangan maupun sektor lain, pertanyaannya bukan lagi apakah analytics diperlukan, melainkan dari mana memulainya.

Ingin mendiskusikan bagaimana analytics dan AI dapat memperkuat deteksi fraud dan kepatuhan di organisasi Anda? Hubungi tim PT Mitra Mandiri Informatika (MMI).

Sumber: SAS, Social Benefits & Fraud Analytics Solutions (sas.com).