Kondisi ekonomi suatu negara menjadi salah satu hal penting dalam kemajuan negara tersebut. Kondisi baik atau buruknya negara akan memberikan dampak kepada kesejahteraan dan kemajuan masyarakatnya. Perusahaan perbankan di Indonesia dapat dilihat dari kondisi keuangan berdasarkan nilai dan pertumbuhan kreditnya. Pertumbuhan kredit yang terjadi pada perbankan di Indonesia tidak selalu stabil dan sempat mengalami penurunan yang terjadi pada tahun 2019 hingga 2021. Selain itu, beberapa perusahaan perbankan yang terdaftar di Bursa Efek Indonesia (BEI) memperoleh nilai Earnings Per Share (EPS) negatif yang dapat menandakan bahwa perusahaan terkait mengalami penurunan kinerja keuangan perusahaan. Financial distress (kesulitan keuangan) merupakan kondisi yang dialami perusahaan yang dapat berisiko hingga terjadinya kebangkrutan. Oleh karena itu, perusahaan perbankan memerlukan analisis prediksi financial distress untuk membantu perusahaan dalam mengambil keputusan agar tidak mengalami kebangkrutan dan mengetahui seberapa jauh kinerja keuangan yang dimiliki perusahaan sebagai upaya pencegahan lebih awal.
Prediksi financial distress pada penelitian ini menggunakan metode data mining pada model Artificial Neural Network (ANN). Artificial Neural Network telah banyak dilakukan oleh peneliti-peneliti terdahulu dan memiliki hasil akurasi terbaik diantara semua model prediksi lainnya dalam memprediksi financial distress serta kebangkrutan. Variabel input yang digunakan pada penelitian ini adalah rasio keuangan yaitu current ratio, return on asset, debt to asset ratio, dan total asset turn over.
Tujuan penelitian ini adalah untuk mengetahui kondisi kinerja keuangan perusahaan perbankan, mengetahui hasil perhitungan dari beberapa rasio keuangan yang digunakan sebagai pengujian data, mengetahui bagaimana perbandingan di antara keempat rasio keuangan yang mengalami financial distress dan tidak mengalami financial distress sebagai pelatihan data, memahami arsitektur model artificial neural network yang dihasilkan dari pengujian data training untuk kemudian digunakan pada data testing, serta mengetahui hasil prediksi financial distress pada perusahaan perbankan dengan menggunakan model artificial neural network. Sampel yang digunakan pada penelitian ini adalah perusahaan perbankan yang tercatat di Bursa Efek Indonesia pada tahun 2017-2021 sebanyak tiga puluh delapan perusahaan.
Hasil penelitian ini menunjukkan bahwa keempat rasio tersebut cocok untuk digunakan sebagai parameter input karena memberikan perbedaan yang signifikan antara perusahaan yang dinyatakan distress dan non-distress. Arsitektur ANN yang digunakan dalam proses prediksi penelitian ini adalah dengan 20 neuron sebagai input layer, 5 neuron sebagai hidden layer, dan 1 neuron sebagai output layer dengan hasil akurasi terbaik yaitu 87%.
Kata Kunci: Financial Distress, Artificial Neural Network, Rasio Keuangan