● Ebook + SQL Playbook

Berhenti menebak transaksi mencurigakan.
Mulai mendeteksinya dengan SQL.

POJK 8/2023 memperluas cakupan dan memperberat kewajiban pemantauan APU-PPT. Sementara itu, volume transaksi terus naik dan tim compliance masih mengandalkan review manual yang tidak mungkin mengejarnya. Ebook ini menerjemahkan red flag AML menjadi query SQL yang bisa langsung dijalankan — lengkap dengan 20 scenario siap pakai dan sudut pandang auditor di setiap query.

Dapatkan Sekarang — Rp177.000 Lihat isi lengkap ↓

Kerangka Berpikir Buku Ini

01 · Regulasi

"PJK wajib memantau transaksi nasabah secara berkelanjutan."

↓

02 · Red Flag

Transaksi menyimpang >3x dari baseline 6 bulan nasabah.

↓

03 · SQL

SELECT account_id, SUM(amount)/AVG(baseline) AS deviation_ratio FROM transaction ... HAVING deviation_ratio > 3

↓

04 · Alert

Diprioritaskan, masuk antrean investigasi — bukan tenggelam di spreadsheet.

Masalahnya

Regulasi makin ketat. Cara kerjanya masih sama.

Tiga gejala yang paling sering ditemui tim AML/compliance di institusi jasa keuangan menengah — sebelum mereka punya rule yang bisa diandalkan.

Sampling tidak lagi cukup

Jutaan transaksi per bulan, lintas channel. Review manual atau sampling acak hanya menyentuh sebagian kecil populasi — sisanya lolos begitu saja.

Alert membanjiri tanpa prioritas

Sistem menghasilkan ratusan alert, tapi tidak ada cara sistematis membedakan mana yang benar-benar layak diinvestigasi lebih dulu.

Rule yang tidak bisa dipertanggungjawabkan

Ketika auditor bertanya "atas dasar apa threshold ini?" — banyak tim tidak punya jawaban yang bisa ditelusuri balik ke regulasi.

Isi Ebook

20 bab. 7 analytics engine. Satu kerangka berpikir yang sama.

Bukan kumpulan query acak — setiap SQL bisa ditelusuri balik ke red flag dan regulasi yang mendasarinya.

Customer Profiling

Membangun baseline aktivitas nasabah sebagai pembanding — fondasi seluruh deteksi berikutnya.

Transaction Monitoring

Transaksi bernilai tinggi, tunai, dan penyimpangan dari kebiasaan nasabah.

Velocity Analysis

Seberapa cepat dana berpindah — window function, LAG/LEAD, rolling interval.

Pattern Detection

Structuring, funnel account, pass-through account, lonjakan transaksi mendadak.

Network Analysis

Shared beneficiary, circular transaction — termasuk recursive CTE untuk menelusuri rantai transfer.

Risk Scoring

Menggabungkan seluruh sinyal menjadi satu skor prioritas yang bisa ditindaklanjuti.

Alert & Case Management

Dari deteksi ke investigasi — deduplikasi alert, disposisi, eskalasi ke pelaporan.

Auditor's AML Analytics

11 jenis test auditor, dan teknik blind spot analysis — mencari yang tidak terdeteksi sistem.

Contoh Isi

Satu dari 20 scenario siap pakai.

Setiap scenario mengikuti template 14-bagian yang sama: dari objective sampai sudut pandang auditor.

Scenario 18 Network Analysis Circular Transaction

Dana yang berputar kembali ke pemiliknya sendiri

Red Flag

Rantai transfer yang titik awal dan akhirnya adalah rekening yang sama, dengan beberapa hop perantara, dalam jendela waktu berdekatan.

Typology

Menciptakan kesan aktivitas ekonomi yang sebenarnya tidak substantif — salah satu red flag terkuat dalam tahap integration.

WITH RECURSIVE transfer_chain (origin_account, current_account, hop_count, ...) AS ( -- titik awal setiap rantai transfer keluar SELECT account_id, counterparty, 1, transaction_date FROM transaction WHERE transaction_type = 'TRANSFER_OUT' UNION ALL -- telusuri hop berikutnya dalam jendela waktu 48 jam SELECT tc.origin_account, t.counterparty, tc.hop_count + 1, tc.chain_start FROM transfer_chain tc JOIN transaction t ON ... ) SELECT * FROM transfer_chain WHERE current_account = origin_account AND hop_count > 1;

Kenapa Ini Berbeda

Ditulis dari sudut pandang auditor, bukan vendor software.

Database-agnostic

SQL ditulis terhadap model data kanonik — tinggal dipetakan ke skema Anda sendiri, tidak terikat satu vendor core banking.

Setiap threshold ada rujukannya

Tiap scenario melacak balik ke red flag dan regulasi (POJK 8/2023, FATF) — bukan angka yang muncul begitu saja.

Blind spot analysis

Bukan hanya "apakah rule bekerja" — tapi "transaksi mana yang lolos tanpa ter-alert sama sekali."

Untuk Siapa

Dibuat untuk yang menulis rule, bukan hanya membaca dashboard.

Cocok untuk Anda yang:

✓ Auditor internal, risk officer, atau compliance officer di sektor jasa keuangan
✓ Punya akses data transaksi tapi belum punya AML system terpisah
✓ Sudah familiar dengan SQL dasar (SELECT, JOIN, GROUP BY)
✓ Ingin membangun rule yang bisa dipertanggungjawabkan ke auditor/regulator

Mungkin belum cocok jika Anda:

✕ Mencari AML system siap pakai (ini ebook analytics, bukan software)
✕ Belum pernah menulis SQL sama sekali (dasar SELECT/JOIN disarankan)
✕ Mencari nasihat hukum — ini materi teknis-analitik, bukan buku hukum

Bonus Tambahan

Dataset dummy AML — langsung jalankan 20 scenario-nya.

Tidak perlu tunggu akses ke data produksi. 5 file CSV siap pakai, sudah disusun mengikuti skema tabel yang dipakai di seluruh contoh SQL buku ini, lengkap dengan pola red flag yang sengaja disisipkan supaya query langsung menghasilkan hit.

⇩

5 file CSV · ~1.750 baris transaksi

customer · account · transaction · high_risk_country · cash_intensive_business

customer.csv60 nasabah — risk rating, PEP flag, negara, occupation

account.csv75 rekening — termasuk akun dormant

transaction.csv±1.750 transaksi, 6 bulan berjalan

high_risk_country.csvTabel referensi negara berisiko tinggi

cash_intensive_business.csvTabel referensi occupation cash-intensive

Format: .csvBisa langsung di-import ke SQL engine favorit Anda

Pola Red Flag yang Sudah Disisipkan

Structuring Rapid Movement of Funds Funnel Account Circular Transaction Dormant Reactivation High-Risk Customer High Value Cash Trx

Investasi

Satu harga. Semua isi.

HARGA PERKENALAN

Membangun AML dengan SQL

Rp177.000

Sekali bayar · akses selamanya · format .pdf

✓ 20 bab lengkap — regulasi sampai governance
✓ 20 scenario SQL siap pakai (template 14-bagian)
✓ 7 AML Analytics Engine + contoh query database-agnostic
✓ 10 Appendix: data dictionary, cheat sheet, checklist auditor
✓ Regulatory Reference Matrix (POJK 8/2023, FATF)
✓ Bonus: 5 dataset dummy CSV siap pakai untuk 20 scenario

Beli Sekarang

Kuota harga perkenalan terbatas untuk 100 pembeli pertama.

FAQ

Pertanyaan yang sering muncul

Apakah saya perlu mahir SQL untuk memakai ebook ini?

Cukup familiar dengan dasar (SELECT, JOIN, GROUP BY). Setiap teknik lanjutan (window function, recursive CTE) dijelaskan dari nol sebelum dipakai di scenario.

Apakah SQL di ebook ini bisa langsung dipakai di sistem produksi?

SQL ditulis sebagai kerangka berpikir dan starting point yang perlu dipetakan ke skema database dan dikalibrasi ulang thresholdnya sesuai profil risiko institusi Anda (dibahas tuntas di Bab 15).

Formatnya apa, dan bagaimana cara mengaksesnya?

File Word (.docx) yang bisa dibuka di perangkat apa pun. Setelah pembayaran melalui Scalev, tautan unduhan dikirim ke email Anda.

Dataset dummy-nya bisa langsung dipakai di database mana saja?

File CSV bersifat generik dan bisa di-import ke SQL engine mana pun (PostgreSQL, MySQL, SQL Server, dsb). Nama kolom mengikuti model data kanonik yang sama dengan contoh query di dalam ebook, jadi tidak perlu penyesuaian tambahan untuk mulai latihan.

Apakah ini menggantikan software AML/transaction monitoring?

Tidak. Ebook ini mengajarkan cara berpikir dan menulis rule deteksi menggunakan SQL — cocok untuk membangun kapabilitas internal atau melengkapi software yang sudah ada, bukan menggantikannya.

Disclaimer: Ebook ini adalah materi edukasi analytics, bukan pengganti peraturan perundang-undangan, ketentuan regulator, atau kebijakan internal organisasi Anda. Seluruh threshold dan parameter dalam contoh bersifat ilustratif dan perlu dikalibrasi ulang sesuai risk appetite masing-masing institusi. Alert yang dihasilkan SQL adalah indikasi, bukan bukti hukum tindak pidana pencucian uang.

Berhenti menebak transaksi mencurigakan.Mulai mendeteksinya dengan SQL.