SISTEM PENDETEKSIAN DINI KRISIS KEUANGAN INDONESIA DENGAN PENDEKATAN MODEL FEED FORWARD NEURAL NETWORK

Abstract

Parahnya dampak krisis keuangan di Asia pada pertengahan tahun 1997 yang lalu membuat IMF (International Monetary Found) mengganggap perlu ada sistem pendeteksian dini. Sistem pendeteksian dini merupakan suatu model yang berusaha untuk memprediksi secara sistemik kemungkinan terjadinya krisis di suatu negara. Ada banyak pendekatan yang bisa digunakan dalam sistem pendeteksian dini, salah satunya adalah pendekatan neural network. Pendekatan neural network belum begitu luas digunakan dalam kasus krisis keuangan di Indonesia, namun hasil dari penelitian sebelumnya menunjukan akurasi peramalan secara umum lebih baik dari model logit/probit dan model sinyal. Neural network menyimpan pengetahuan pola kejadian masa lampau melalui proses pelatihan, yang kemudian pengetahuan tersebut digunakan untuk memperkirakan kejadian yang terjadi dimasa yang akan datang. Pemilihan variabel dalam contoh studi kasus ini didasarkan kinerja varibel tersebut pada penelitian sebelumnya dan secara teoritis berpengaruh terhadap potensi terjadinya krisis keuangan. Skripsi ini membahas kajian teoritis dan studi kasus tentang sistem pendeteksian dini krisis keuangan di Indonesia dengan pendekatan model feed forward neural network. Kinerja model diukur dengan menghitung nilai skor probabilitas kuadrat (Quadratic Probability Score/QPS) dan ketepatan kalibrasi peramalan diukur dengan Global Square Bias (GSB). Kesimpulan dari penelitian ini adalah pendekatan neural network sangat baik digunakan dalam sistem pendeteksian dini krisis keuangan di Indonesia dengan nilai QPS dan GSB yang akurat karena mendekati nilai 0. Kata Kunci: Sistem Pendeteksian Dini, Feed Forward Neural Network, Krisis Keuangan