PENERAPAN JARINGAN SYARAF TIRUAN ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK PREDIKSI KEBANGKRUTAN BANK

Bank merupakan perusahaan yang beroperasi pada bidang keuangan yang mempunyai fungsi dalam membantu sistem pembayaran, pelaksanaan pembangun nasional dan untuk peningkatan taraf hidup masyarakat. Bank yang tidak dapat menjalankan fungsinya lagi maka bank tersebut dapat dinyatakan bangkrut. Agar suatu bank bisa terhindar dari kebangkrutan, maka dilakukanlah penilaian tingkat kesehatan bank tersebut berdasarkan sejumlah rasio yang terdapat dalam CAMEL yang biasanya dilakukan secara manual dan membutuhkan waktu yang cukup lama. Suatu metode prediksi dibutuhkan untuk menentukan prediksi bank yang beresiko mengalami kebangkrutan. Penelitian ini menggunakan metode Elman Recurent Neural Network (ERNN) sebagai metode prediksi bank yang beresiko mengalami bangkrut. Parameter yang digunakan sebagai inputan pada ERNN adalah data CAMEL Bank yang terdiri dari 7 parameter yaitu CAR, NPL Gross, ROA, ROE, NIM, BOPO, dan LDR yaitu sebanyak 580 data bank selama 5 tahun dari data tahun 2012 sampai data tahun 2016, dan menggunakan maximal epoch 1000, learning rate dari 0,1, 0,2, sampai 0,9 dan dengan pembagian data latih dan data uji sebesar 70%:30%, 80%:20% dan 90%:10%. Berdasarkan hasil pengujian MSE diperoleh MSE terkecil 0.001602 pada pembagian data 90%:10% dengan α 0,1 dan dengan menggunakan neuron hidden 8. Berdasarkan penelitian dapat disimpulkan bahwa Elman Recurrent Neural Network dapat diterapkan dalam memprediksi kebangrutan bank