Laporkan Masalah

PERTANGGUNGJAWABAN AKIBAT KEPUTUSAN AUTOMATED DECISION MAKING PADA INOVASI PENILAIAN KREDIT DALAM SEKTOR PERBANKAN DI INDONESIA

Cucut Fatma Mutia Lubis, Prof. Dr. Drs. Paripurna, S.H.,M.Hum.,LL.M

2024 | Tesis | S2 Magister Hukum

Penelitian ini bertujuan untuk mengetahui dan menganalisis pengaturan terhadap penerapan machine learning (artificial Intelligence) pada inovasi penilaian kredit dalam sektor perbankan di Indonesia. Kedua, untuk mengetahui dan menganalisis pertanggungjawaban kegagalan sistem keputusan automated decision making ditinjau dari Undang-Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik, Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi, Undang-Undang Nomor 4 Tahun 2023 tentang Penguatan dan Pengembangan Sektor Keuangan yang dapat menimbulkan risiko kerugian calon debitur. Penelitian ini menggunakan metode penelitian normatif yaitu penelitian hukum. Caranya dengan menganalisis melalui pustaka yaitu bahan hukum primer dan sekunder. Pendekatan yang dilakukan adalah pendekatan pendekatan perbandingan (comparative approach) untuk menghasilkan analisis deskriptif. Berdasarkan penelitian dan analisis penulis, pengaturan machine learning dikategorikan sebagai agen elektronik berdasarkan UU ITE. Meskipun belum memiliki aturan, penerapannya termasuk dalam Inovasi Digital Keuangan sehingga tunduk pada uji regulatory sandbox. Prinsip transparan, dapat dijelaskan, wajar, dan akuntabel dijabarkan bahwa digunakan pada penerapan inovasi pada perbankan. Perbankan sebagai penyelenggara sistem elektronik dan penyelenggara data pribadi sehingga kegagalan sistem menyebabkan kerugian bagi calon debitur dari penerapan automated decision making menjadi tanggung jawab perbankan.

This study aims to find out and analyze the regulation of the application of machine learning (artificial intelligence) in credit scoring innovations in the banking sector in Indonesia. Second, to find out and analyze the accountability for the failure of the automated decision-making system reviewed from Law Number 11 of 2008 concerning Information and Electronic Transactions, Law Number 27 of 2022 regarding Personal Data Protection, Law Number 4 of 2023 concerning the Strengthening and Development of the Financial Sector which can pose a risk of losses for prospective debtors. This research uses a normative research method, namely legal research. The trick is to analyze the literature, namely primary and secondary legal materials. The approach carried out is a comparative approach to produce descriptive analysis. Based on the author's research and analysis, machine learning settings are categorized as electronic agents based on the ITE Law. Although it does not have rules yet, its implementation is included in the Financial Digital Innovation so it is subject to a regulatory sandbox test. The principles of transparency, explainability, reasonableness, and accountability are described as being used in the application of innovation in banking. Banking is the operator of electronic systems and the organizer of personal data so system failures cause losses for prospective debtors from the implementation of automated decision-making to be the responsibility of banks.

Kata Kunci : Automated Decision Making, Credit Assesment, Banking

  1. S2-2024-495721-abstract.pdf  
  2. S2-2024-495721-bibliography.pdf  
  3. S2-2024-495721-tableofcontent.pdf  
  4. S2-2024-495721-title.pdf