RPS minggu 11 · 2x50 menit

Regtech dan Suptech

Teknologi untuk kepatuhan regulasi & pengawasan sektor keuangan — Magister Manajemen FEB UNDIP

Peta Pembelajaran Hari Ini

Sub-CPMK 11: menjelaskan peran teknologi regulasi (regtech) dan pengawasan (suptech) di sektor keuangan.

Jam ke-1 (50 menit)

Definisi regtech (FSB) & suptech (regulator)
Spektrum regtech: compliance · reporting · risk
Regulatory sandbox OJK (POJK 13/2018 IKD)

Jam ke-2 (50 menit)

Kasus penggunaan: AML/CFT, KYC, fraud detection
Mini-kasus real-time fraud detection bank
Tantangan black box AI & arah masa depan

Posisi alur: dari inklusi (P10) ke regtech/suptech (P11) → risiko siber (P12) → bank vs fintech (P13).

Motivasi: Regulasi Tak Bisa Tutup Mata pada Digital

Pelaporan Kepatuhan Bank

~Puluhan

Jenis POJK yang harus dilaporkan bank ke OJK (dihedge — bertambah tiap tahun)

Kerugian Fraud Perbankan Global

~Triliunan USD

Per tahun (ilustratif — angka bervariasi sumber)

Tanpa otomatisasi, regulator & bank kewalahan: data tumpah, fraud lolas, kepatuhan terlambat.

Bagian 1 · 1/4

Konsep Regtech & Suptech

Diskusi kelas: apakah regtech lebih diuntungkan bank besar atau fintech kecil? Argumenkan.

Definisi Regtech (FSB)

Financial Stability Board (FSB): "Regtech adalah penggunaan teknologi baru untuk membantu industri keuangan memenuhi persyaratan regulasi secara lebih efektif dan efisien."

Teknologi Inti

AI/ML (anomali, NLP dokumen)
Big data (transaksi, perilaku)
Blockchain (audit trail)
Biometrik (KYC, e-KYC)

Bukan Sekadar Software

Miskonsepsi: "regtech = software compliance"
Lebih luas: AI, big data, blockchain
Mengubah cara kepatuhan dikelola

Pelaku (User)

Bank, asuransi, sekuritas
Fintech (P2P, paylater)
Lembaga pasar modal

Definisi resmi dari Financial Stability Board atau FSB: regtech adalah penggunaan teknologi baru untuk membantu industri keuangan memenuhi persyaratan regulasi secara lebih efektif dan efisien. Teknologi inti yang dipakai: AI dan machine learning untuk deteksi anomali dan natural language processing dokumen regulasi; big data untuk analisis transaksi dan perilaku; blockchain untuk audit trail yang immutable; dan biometrik untuk KYC atau e-KYC. Miskonsepsi yang umum: regtech dianggap sekadar software compliance. Keliru. Regtech jauh lebih luas — mengubah cara kepatuhan dikelola dari manual ke otomatis, dari reaktif ke prediktif. Pelaku yang memakai: bank, asuransi, sekuritas, fintech seperti P2P lending dan paylater, serta lembaga pasar modal. Kuncinya: regtech mengubah cost center compliance menjadi enabler bisnis.

Suptech: Regtech untuk Regulator

Suptech (Supervisory Technology) = regtech yang dipakai regulator (OJK, BI) untuk mengotomasi pengawasan sektor jasa keuangan.

Monitoring Real-Time

Dashboard likuiditas bank harian
Early warning indicator
Deteksi stress test otomatis

Reporting Otomatis

API pelaporan langsung bank→regulator
Validasi data real-time
Eliminasi rekeying error

Risk Scoring

Scoring risiko bank/fintech
Prioritas inspeksi (risk-based supervision)
Network analysis (sistemik)

Suptech = regtech yang berbalik arah: dipakai regulator untuk memantau pelaku industri.

Suptech atau Supervisory Technology adalah regtech yang dipakai regulator sendiri. Bedanya dengan regtech biasa: arahnya berbalik. Regtech dipakai pelaku industri untuk lapor ke regulator; suptech dipakai regulator untuk memantau pelaku. Tiga kasus penggunaan suptech. Pertama, monitoring real-time: dashboard likuiditas bank harian, early warning indicator yang otomatis bunyi kalau rasio capital turun, dan stress test otomatis. Kedua, reporting otomatis: API pelaporan langsung dari sistem bank ke sistem regulator, dengan validasi data real-time dan eliminasi rekeying error. Ketiga, risk scoring: skor risiko bank atau fintech untuk prioritas inspeksi atau risk-based supervision, dan network analysis untuk risiko sistemik. OJK dan BI punya roadmap suptech masing-masing sesuai mandat — OJK untuk bank dan pasar modal, BI untuk sistem pembayaran.

Spektrum Regtech

Regtech tidak monolit — tiga domain besar dengan use case berbeda.

Domain 1

Compliance

KYC, AML, screening sanksi, PEP (Politically Exposed Person)

Domain 2

Reporting

Otomasi pelaporan POJK ke regulator, format XBRL/JSON

Domain 3

Risk

Fraud, credit risk, market risk, liquidity risk

Tiga domain = tiga anggaran & tiga tim. Bank besar invest di ketiganya; fintech fokus compliance dulu.

Regtech tidak monolit. Ada tiga domain besar dengan use case dan anggaran berbeda. Domain satu, compliance: KYC, AML atau anti money laundering, screening sanksi global, dan PEP atau Politically Exposed Person. Ini adalah domain paling dasar dan wajib. Domain dua, reporting: otomasi pelaporan POJK ke regulator dengan format terstruktur seperti XBRL atau JSON. Ini adalah domain yang paling cepat ROI karena langsung menggantikan kerja manual. Domain tiga, risk management: fraud detection, credit risk, market risk, dan liquidity risk. Ini domain paling advanced karena butuh AI/ML. Implikasi: tiga domain berarti tiga anggaran dan tiga tim. Bank besar invest di ketiganya; fintech kecil biasanya fokus compliance dulu karena itu yang paling urgent dan diawasi ketat. Strategi investasi regtech harus diurutkan berdasarkan prioritas dan ROI.

Hitung dari Nol: ROI Regtech AML

Skenario (ilustratif): bank X invest regtech AML Rp 5 miliar sekali (capex) + Rp 500 juta/tahun operating. Menghemat staf compliance Rp 2 miliar/tahun + menurunkan denda AML rata-rata Rp 3 miliar/tahun. Hitung payback period.

Langkah	Perhitungan	Nilai
1. Capex investasi regtech	Sekali pakai	Rp 5 M
2. Saving tahunan (staf + denda)	Rp 2 M + Rp 3 M	Rp 5 M/thn
3. Operating cost/tahun	Lisensi & maintenance	Rp 500 jt/thn
4. Net saving/tahun	Rp 5 M − Rp 500 jt	Rp 4,5 M/thn
5. Payback period	Rp 5 M ÷ Rp 4,5 M/thn	~1,1 thn

Hasil

~1,1 thn

ILUSTRATIF — angka saving aktual bank bisa berbeda

Mari kita hitung ROI regtech AML dari nol. Skenario ilustratif: bank X invest regtech AML Rp 5 miliar sekali sebagai capex, plus Rp 500 juta per tahun operating cost untuk lisensi dan maintenance. Tabungan tahunan: ganti staf compliance Rp 2 miliar per tahun, plus menurunkan denda AML rata-rata Rp 3 miliar per tahun. Total saving Rp 5 miliar per tahun. Hitung payback period. Langkah satu: capex Rp 5 miliar. Langkah dua: saving tahunan Rp 2 miliar plus Rp 3 miliar sama dengan Rp 5 miliar. Langkah tiga: operating cost Rp 500 juta per tahun. Langkah empat: net saving Rp 5 miliar dikurangi Rp 500 juta sama dengan Rp 4,5 miliar per tahun. Langkah lima: payback period Rp 5 miliar dibagi Rp 4,5 miliar per tahun sama dengan sekitar 1,1 tahun. Hasil: payback sekitar 1,1 tahun. ILUSTRATIF — angka saving aktual bank bisa berbeda tergantung skala dan maturity fraud. Pelajaran: investasi regtech AML sering payback cepat.

Bagian 2 · 2/4

Regulatory Sandbox OJK

Diskusi kelas: apakah sandbox membantu inovasi atau menambah birokrasi?

Konsep Regulatory Sandbox

Definisi: ruang uji terkontrol untuk inovasi fintech dengan rules khusus (limit customer, limit nilai, durasi), untuk evaluasi risiko sebelum skala penuh.

Asal

FCA UK 2015 (pelopor global)
Diadopsi global: Singapura MAS, Australia ASIC, Malaysia SC
Indonesia: OJK 2018, BI 2021-2022

Bukan Bypass Regulasi

Miskonsepsi: "sandbox = tempat bypass"
Fakta: ruang uji dengan rules khusus
Tujuan: uji risiko sebelum skala penuh

Manfaat

Fintech: uji produk tanpa biaya compliance penuh
Regulator: belajar risiko baru
Konsumen: perlindungan via limit & monitoring

Regulatory sandbox adalah ruang uji terkontrol untuk inovasi fintech dengan rules khusus — limit customer, limit nilai transaksi, dan durasi terbatas — untuk evaluasi risiko sebelum skala penuh. Asal konsep ini dari Financial Conduct Authority UK atau FCA pada 2015, yang menjadi pelopor global. Konsep diadopsi global: Singapura MAS, Australia ASIC, Malaysia Securities Commission. Indonesia: OJK pada 2018 dan BI sekitar 2021-2022. Miskonsepsi yang penting diluruskan: sandbox bukan tempat fintech bypass regulasi. Sandbox adalah ruang uji dengan rules khusus, bukan bebas aturan. Tujuannya adalah menguji risiko sebelum skala penuh. Manfaat tiga arah: fintech bisa uji produk tanpa biaya compliance penuh, regulator bisa belajar risiko baru yang belum terforecast, dan konsumen tetap dapat perlindungan via limit dan monitoring. Pelajaran: sandbox adalah kompromi cerdas antara inovasi dan keamanan.

POJK 13/2018: Inovasi Keuangan Digital (IKD)

POJK 13/POJK.02/2018 tentang Inovasi Keuangan Digital di Lingkungan Lembaga Jasa Keuangan — kerangka sandbox OJK untuk pasar modal & IKNB.

5 Tahap Sandbox OJK

1Aplikasi (submit proposal)
2Evaluasi (kelayakan & risiko)
3Uji coba (rules khusus)
4Evaluasi hasil
5Kelulusan / penolakan

Cakupan

Pasar modal (securities, fintech)
IKNB (Dana Pinjaman Online, dll.)
Perusahaan efek digital
Robo-advisor, tokenisasi (post-POJK 13)

POJK 13/2018 IKD adalah fondasi hukum sandbox OJK — pelaku wajib apply sebelum scale up produk inovatif.

POJK 13/POJK.02/2018 tentang Inovasi Keuangan Digital atau IKD di lingkungan Lembaga Jasa Keuangan adalah kerangka sandbox OJK untuk pasar modal dan IKNB atau Industri Keuangan Non-Bank. Lima tahap sandbox OJK: pertama, aplikasi atau submit proposal. Kedua, evaluasi kelayakan dan risiko. Ketiga, uji coba dengan rules khusus. Keempat, evaluasi hasil. Kelima, kelulusan atau penolakan. Cakupan sandbox OJK: pasar modal termasuk securities dan fintech pasar modal; IKNB seperti Dana Pinjaman Online; perusahaan efek digital; serta model baru seperti robo-advisor dan tokenisasi aset. POJK 13/2018 adalah fondasi hukum sandbox OJK — pelaku wajib apply sebelum scale up produk inovatif. Catatan: OJK juga menerbitkan POJK turunan untuk aset kripto yang dulu di bawah Bappebti sebelum berpindah ke OJK — verifikasi nomor POJK terbaru sebelum dipakai untuk materi final.

Coba Sendiri: Eksplorasi 5 Tahap Sandbox OJK

Geser slider tahap aktif dan ganti sudut pandang (fintech, regulator, konsumen) untuk melihat fokus tiap tahap sandbox POJK 13/2018 IKD.

BI Sandbox untuk Sistem Pembayaran

Mandat BI

UU P2SK 4/2023 — BI wewenang sistem pembayaran
OJK wewenang bank, pasar modal, IKNB
Dua sandbox terpisah sesuai mandat

Yang Diuji BI Sandbox

Model pembayaran baru
Tokenisasi kartu (token requestor)
CBDC wholesale (Digital Rupiah)
Cross-border payment linkage

Pembagian wewenang BI-OJK pasca UU P2SK 4/2023: BI = sistem pembayaran, OJK = bank, pasar modal, IKNB, kripto.

Selain OJK, Bank Indonesia juga punya sandbox sendiri untuk sistem pembayaran. Mandat BI berasal dari UU Pengembangan dan Penguatan Sektor Keuangan atau UU P2SK nomor 4 tahun 2023 yang menegaskan BI berwenang atas sistem pembayaran, sementara OJK berwenang atas bank, pasar modal, IKNB, dan sekarang juga aset kripto yang sebelumnya di bawah Bappebti. Karena pembagian wewenang ini, ada dua sandbox terpisah. Yang diuji BI sandbox: model pembayaran baru seperti skema alternatif Visa-Mastercard; tokenisasi kartu dengan token requestor; CBDC wholesale atau Central Bank Digital Currency yaitu Digital Rupiah yang sudah diuji coba per tahap; dan cross-border payment linkage seperti koneksi QRIS dengan PromptPay Thailand, DuitNow Malaysia, dan lainnya. Pelajaran: pembagian wewenang BI-OJK jelas pasca UU P2SK, dan masing-masing punya roadmap sandbox sendiri.

Hitung dari Nol: Saving Reporting Otomatis

Skenario (ilustratif): bank X pelaporan manual 50 staf × Rp 15 juta/bulan. Dengan regtech reporting otomatis: 5 staf + biaya software Rp 20 juta/bulan. Hitung saving tahunan.

Langkah	Perhitungan	Nilai
1. Cost manual/bulan	50 staf × Rp 15 jt	Rp 750 jt
2. Cost regtech/bulan	5 staf × Rp 15 jt + Rp 20 jt	Rp 95 jt
3. Saving/bulan	Rp 750 jt − Rp 95 jt	Rp 655 jt
4. Saving/tahun	Rp 655 jt × 12	Rp 7,86 M

Hasil

~Rp 7,86 M

Per tahun — ILUSTRATIF (angka staf & gaji berbeda per bank)

Hitung dari nol saving reporting otomatis. Skenario ilustratif: bank X pelaporan manual pakai 50 staf dengan g Rp 15 juta per bulan per staf. Dengan regtech reporting otomatis: tinggal 5 staf plus biaya software Rp 20 juta per bulan. Hitung saving tahunan. Langkah satu: cost manual per bulan 50 staf kali Rp 15 juta sama dengan Rp 750 juta. Langkah dua: cost regtech per bulan 5 staf kali Rp 15 juta ditambah Rp 20 juta software sama dengan Rp 95 juta. Langkah tiga: saving per bulan Rp 750 juta dikurangi Rp 95 juta sama dengan Rp 655 juta. Langkah empat: saving per tahun Rp 655 juta kali 12 sama dengan Rp 7,86 miliar. Hasil: hemat sekitar Rp 7,86 miliar per tahun. ILUSTRATIF — angka staf dan gaji berbeda per bank. Pelajaran: reporting otomatis sering saving paling besar karena menggantikan pekerjaan repetitif bervolume tinggi.

Bagian 3 · 3/4

Kasus Penggunaan Regtech

Diskusi kelas: apakah AI bisa lebih baik dari manusia dalam mendeteksi fraud? Argumenkan.

AML/CFT & KYC Otomatis

Pipeline AML: Transaksi → screening sanksi & PEP → monitoring anomali → STR ke PPATK.

Tahap 1: Screening

Daftar sanksi global (OFAC, PBB, EU)
PEP (Politically Exposed Person)
Adverse media (berita negatif)

Tahap 2: Monitoring

Transaction monitoring AI (pola anomali)
Threshold rules + ML hybrid
Real-time alert

Tahap 3: Reporting

STR (Suspicious Transaction Report)
Lapor ke PPATK (Pusat Pelaporan Analisis Transaksi)
Audit trail immutable

AML (Anti-Money Laundering) & CFT (Counter Financing Terrorism) wajib bank & fintech — regtech mengautomasi semuanya.

Pipeline AML atau Anti Money Laundering dan CFT atau Counter Financing Terrorism terdiri dari tiga tahap. Tahap satu, screening: cek nasabah terhadap daftar sanksi global seperti OFAC Amerika, PBB, dan EU; cek PEP atau Politically Exposed Person yaitu pejabat publik yang berisiko korupsi; dan cek adverse media atau berita negatif. Tahap dua, monitoring: transaction monitoring AI yang mendeteksi pola anomali, kombinasi threshold rules dengan machine learning hybrid, dan real-time alert untuk transaksi mencurigakan. Tahap tiga, reporting: STR atau Suspicious Transaction Report dilaporkan ke PPATK yaitu Pusat Pelaporan Analisis Transaksi Keuangan, dengan audit trail immutable yang tidak bisa diubah. AML dan CFT wajib bagi bank dan fintech di Indonesia sesuai UU AML nomor 8 tahun 2010 dan POJK terkait. Regtech mengautomasi semua tahap ini yang sebelumnya manual dan lambat.

Fraud Detection Berbasis AI/ML

Teknik 1

Anomali

AI deteksi real-time: lokasi, jumlah, pola transaksi

Teknik 2

Graph

Graph analytics: jaringan fraud, mule account, sindikat

Teknik 3

Biometrik

Anti-account takeover: face, voice, behavioral

Fraud detection tradisional berbasis rules ketinggalan — fraudster adaptif, AI harus adaptif juga.

Fraud detection berbasis AI dan ML punya tiga teknik utama. Teknik satu, deteksi anomali: AI scan real-time atribut transaksi seperti lokasi, jumlah, dan pola. Misal, transaksi di luar negeri mendadak padahal nasabah biasa di Jakarta, atau nilai transaksi tidak konsisten dengan profil. Teknik dua, graph analytics: AI bangun jaringan hubungan antar akun untuk deteksi mule account dan sindikat fraud. Misal, satu KTP dipakai buka 50 rekening yang semuanya kirim ke satu akun — ini pola mule. Teknik tiga, biometrik: anti-account takeover dengan face recognition, voice recognition, dan behavioral biometrik seperti cara mengetik dan gerak mouse. Pesan kunci: fraud detection tradisional berbasis rules statis ketinggalan. Fraudster adaptif — mereka belajar rules dan cari celah. AI juga harus adaptif dengan retraining berkala. Hybrid rules plus ML adalah praktik terbaik.

Mini-Kasus: Real-Time Fraud Detection Bank

Tahap	Kejadian	Aksi Sistem
1. Akun baru dibuka	KTP valid, top-up awal Rp 500 rb	Skor risiko rendah (rule pass)
2. Terima dana besar	Transfer masuk Rp 50 jt mendadak	Skor naik (anomali pola)
3. Transfer cepat	Kirim ke 30+ akun beda dalam 1 jam	Skor tinggi (graph mule pattern)
4. AI block otomatis	Transaksi dihentikan real-time	Alert ke tim fraud
5. Investigasi	Tim fraud verifikasi via call	Konfirmasi fraud → laporkan PPATK

AI mendeteksi pola yang tidak terlihat rules manual — saving bank dari kerugian & reputasi.

Mini-kasus real-time fraud detection bank. Tahap satu: akun baru dibuka dengan KTP valid, top-up awal Rp 500 ribu — skor risiko rendah karena rule pass. Tahap dua: akun terima dana besar Rp 50 juta mendadak dari sumber tidak jelas — skor naik karena anomali pola. Tahap tiga: akun kirim cepat ke 30 lebih akun berbeda dalam satu jam — skor tinggi karena graph analytics mendeteksi mule pattern, pola khas penyaluran dana hasil fraud. Tahap empat: AI block otomatis transaksi real-time, alert ke tim fraud. Tahap lima: tim fraud investigasi via call nasabah, konfirmasi fraud, lalu laporkan ke PPATK. Pelajaran: AI mendeteksi pola yang tidak terlihat rules manual — kombinasi anomali dana masuk, kecepatan transfer, dan graph pattern. Bank saving dari kerugian dan reputasi. Tanpa AI, fraud ini akan lolos karena tiap transaksi individual terlihat normal.

Bagian 4 · 4/4

Tantangan & Masa Depan

Diskusi kelas: apakah regtech bisa menjadi "black box" yang sulit diaudit oleh regulator sendiri?

Tantangan Regtech/Suptech

Tantangan 1

Black box AI — explainability
Sulit audit keputusan AI
Regulator butuh XAI

Tantangan 2

Data privacy & security
Data nasabah sensitive
UU PDP 27/2022 compliance

Tantangan 3

Interoperabilitas
Standar antar regulator
Format data OJK vs BI vs PPATK

Tantangan keempat: cost barrier untuk fintech kecil — regtech enterprise mahal.

Empat tantangan utama regtech dan suptech. Tantangan satu, black box AI: explainability sulit, regulator sulit audit keputusan AI, perlu XAI atau explainable AI yang bisa interpretasi keputusan. Tantangan dua, data privacy dan security: data nasabah sensitif harus dilindungi, perlu compliance UU Perlindungan Data Pribadi nomor 27 tahun 2022. Tantangan tiga, interoperabilitas standar antar regulator: format data OJK berbeda dengan BI dan PPATK, perlu harmonisasi agar pelaku tidak tiga kali bikin reporting. Tantangan keempat yang juga penting: cost barrier untuk fintech kecil — regtech enterprise mahal, bisa jutaan USD per tahun. Solusi: regtech-as-a-service dengan pricing per usage, atau sandbox gratis untuk startup. Sebagai mahasiswa MM, perlu pahami bahwa regtech bukan only upside — ada tantangan signifikan yang harus dikelola.

Arah Masa Depan Pengawasan Digital

Digital Supervision Reporting

Regulator → akses data real-time
API langsung bank→OJK/BI
Monitoring berkelanjutan (bukan inspeksi periodik)

AI Governance & CBDC

AI governance framework (POJK AI — dihedge)
CBDC wholesale: Digital Rupiah BI
Programmable compliance (smart contract)

Masa depan: pengawasan terus-menerus real-time, AI governance, dan programmable compliance.

Arah masa depan pengawasan digital. Pertama, Digital Supervision Reporting: regulator akses data real-time via API langsung dari sistem bank ke OJK dan BI. Monitoring berkelanjutan menggantikan inspeksi periodik yang dulu tiap kuartal atau tahun. Kedua, AI governance framework: OJK dikabarkan menyiapkan POJK AI atau Peraturan OJK tentang tata kelola AI di sektor jasa keuangan — saya hedge karena nomor POJK bisa berubah, verifikasi publikasi terbaru. CBDC wholesale yaitu Digital Rupiah BI sudah masuk tahap uji coba per kelompok bank. Programmable compliance: smart contract yang otomatis eksekusi compliance, misal auto-block transaksi yang melanggar sanksi. Pelajaran: pengawasan bergerak dari periodik ke real-time, dari manual ke AI, dari rule-based ke programmable. Bank dan fintech perlu prepare infrastruktur API dan data governance.

Ringkasan Kunci Pertemuan 11

Regtech

Teknologi untuk pelaku industri: compliance, reporting, risk

Suptech

Regtech untuk regulator: monitoring, reporting, risk scoring

Sandbox

OJK POJK 13/2018 IKD + BI sandbox sistem pembayaran

Bawa tiga lensa: regtech (pelaku) · suptech (regulator) · sandbox (ruang uji terkontrol).

Persiapan P12: baca POJK 11/2022 penerapan TI bank umum & publikasi BSSN; bawa satu pengalaman phising atau penipuan digital untuk diskusi.