UiPath: Cara Menguji Otomasi Laporan Aplikasi Lama Baca Selengkapnya →
Artificial Intelligence (AI) & Machine Learning

Prediksi Arus Kas dengan AI: Cara Menguji Estimasi Kas Masuk

Oleh Anggit Restu Pinuntun • November 13, 2026
Kartu tagihan dan penanda pembayaran tersusun pada kalender arus kas.

Tagihan Rp300 juta jatuh tempo Jumat. Di jadwal kas, nilainya muncul sebagai penerimaan pekan ini. Namun pelanggan tersebut biasanya membayar setelah dokumen penerimaan disetujui. Bila dana baru masuk pekan depan, apakah saldo Jumat masih cukup untuk gaji dan pemasok?

Prediksi arus kas dengan AI dapat membantu treasury memperkirakan kapan piutang berubah menjadi kas. Untuk menilai manfaatnya, bandingkan hasil dengan proyeksi yang sudah dipakai dan lihat apakah tim punya lebih banyak waktu untuk mengantisipasi kekurangan saldo. Semua angka di bawah ini adalah ilustrasi, bukan hasil implementasi.

Pisahkan Jadwal Jatuh Tempo dan Perkiraan Pembayaran

Jadwal jatuh tempo adalah kewajiban menurut invoice. Perkiraan pembayaran adalah penilaian kapan uang kemungkinan masuk. Model pembelajaran mesin dapat memperkirakan tanggal atau peluang keterlambatan berdasarkan pola sebelumnya. Simpan keduanya agar tim tahu mana dasar kontrak dan mana hasil perkiraan. Untuk penerimaan yang sudah dikonfirmasi bank, gunakan realisasi.

Dokumentasi Finance Insights dari Microsoft memberi contoh pemisahan tersebut: jika perusahaan ingin memakai prediksi pembayaran pelanggan dalam proyeksi kas, fitur prediksi pelanggan harus dikonfigurasi, dan rekening likuiditas perlu disiapkan. Ini contoh produk, bukan syarat bahwa semua proyek harus memakai platform tersebut atau mengikuti ambang data yang sama.

Bangun Proyeksi dari Data yang Bisa Ditelusuri

Mulai dari satu badan usaha, satu mata uang, dan satu proyeksi mingguan. Treasury memegang keputusan saldo minimum, tim piutang menjelaskan janji bayar atau sengketa, dan tim data menyiapkan riwayat dari sistem perencanaan sumber daya perusahaan (ERP) serta mutasi bank yang sudah direkonsiliasi. Jika kas antarentitas tidak bisa dipindah bebas, jangan menggabungkan saldo seolah semuanya tersedia.

  • Kas masuk: nomor tagihan, pelanggan, jumlah tersisa, tanggal terbit dan jatuh tempo, cicilan, sengketa, dan tanggal dana benar-benar diterima. Bedakan pelunasan sebagian dari penutupan tagihan.
  • Kas keluar: pembayaran pemasok, gaji, pajak, dan komitmen lain yang relevan. Gunakan jadwal resmi untuk kewajiban yang telah dipastikan; pisahkan yang masih berupa perkiraan.
  • Posisi awal: saldo rekening yang masuk cakupan dan dana yang bisa digunakan. Catat waktu potong data dan aturan nilai tukar jika cakupan diperluas.

Jangan memakai informasi yang baru tercatat setelah tanggal proyeksi untuk melatih atau menguji prediksi historis. Contohnya, catatan “janji bayar Jumat” yang masuk pada Kamis tidak boleh menjadi masukan untuk proyeksi yang seolah dibuat pada Senin.

Contoh: Satu Penerimaan Mengubah Keputusan

Saldo awal Rp550 juta dan komitmen keluar pekan ini Rp620 juta. Ada Rp150 juta kas masuk lain yang telah dipastikan, serta tagihan Rp300 juta tadi. Jika keduanya masuk sesuai jadwal, saldo akhir menjadi Rp380 juta. Jika tagihan Rp300 juta bergeser, saldo tinggal Rp80 juta. Untuk saldo minimum internal Rp100 juta, selisih itu memicu review sebelum Jumat.

Treasury bisa menampilkan dua skenario berdampingan dan meminta tim piutang mengecek dokumen yang tertunda. Tindakan seperti menarik fasilitas, memindahkan kas, atau menunda pembayaran tetap diputuskan pihak berwenang. Jika model belum pernah melihat pola pelanggan baru, gunakan jadwal jatuh tempo dan masukkan tagihan material ke daftar pemeriksaan, alih-alih memberi tanggal prediksi yang terlalu pasti.

Uji Apakah Prediksi Membantu Treasury Bertindak Lebih Cepat

Bandingkan tiga jalur pada minggu yang sama: jadwal jatuh tempo, aturan sederhana berdasarkan kebiasaan pembayaran, dan model AI. Buat ulang proyeksi dengan data yang tersedia pada setiap tanggal potong, lalu cocokkan dengan saldo aktual. Setelah uji historis, jalankan pilot secara paralel dengan proses resmi sebelum menjadikannya bagian dari rapat kas.

Ukur selisih absolut saldo akhir dalam rupiah, bias terlalu optimistis, dan berapa kali peringatan saldo rendah muncul sebelum waktu yang masih memungkinkan tindakan. Pisahkan minggu biasa dari akhir bulan dan kasus pelanggan besar. Catat juga waktu yang dipakai untuk memeriksa peringatan palsu. Bila model hanya mengalahkan jadwal jatuh tempo tetapi tidak mengalahkan aturan sederhana, gunakan aturan sederhana dulu.

Untuk proses setelah tagihan terlambat, lihat contoh alur AI agent penagihan piutang. Kebutuhan treasury berbeda: memperbarui skenario kas lebih dulu, sebelum memutuskan tindak lanjut per akun.

Jika posisi kas Anda masih dihitung dari beberapa ekspor, diskusikan pilot proyeksi kas dengan Layana.ID. Siapkan format proyeksi saat ini, sumber data yang disetujui, dan keputusan mingguan yang ingin dipercepat. Itu dasar untuk menilai kebutuhan AI dan pembelajaran mesin sebelum memperluas cakupan.

Bagikan Artikel Ini:

Teks dan Tautan berhasil disalin!