Deskripsi
KRISIS KEUANGAN MERUPAKAN FENOMENA EKONOMI YANG DAPAT MENIMBULKAN DAMPAK LUAS TERHADAP STABILITAS SISTEM KEUANGAN, PEREKONOMIAN NASIONAL, BAHKAN GLOBAL. PERISTIWA SEPERTI KRISIS MONETER ASIA TAHUN 1997–1998, KRISIS KEUANGAN GLOBAL TAHUN 2008, DAN GEJOLAK EKONOMI AKIBAT PANDEMI COVID-19 MENUNJUKKAN BETAPA PENTINGNYA DETEKSI DINI TERHADAP POTENSI KRISIS. DALAM KONTEKS INI, TEKNOLOGI MACHINE LEARNING (ML) MUNCUL SEBAGAI ALAT YANG EFEKTIF UNTUK MENGIDENTIFIKASI POLA, MENGANALISIS DATA BESAR (BIG DATA), DAN MEMPREDIKSI KEMUNGKINAN TERJADINYA KRISIS KEUANGAN. APLIKASI KLASIFIKASI KRISIS KEUANGAN BERBASIS MACHINE LEARNING BERFUNGSI UNTUK MENDETEKSI KONDISI EKONOMI ATAU SEKTOR KEUANGAN YANG MENGARAH PADA KRISIS DENGAN MENGKLASIFIKASIKAN DATA KE DALAM DUA ATAU LEBIH KATEGORI, MISALNYA: KRISIS DAN NON-KRISIS. SISTEM INI DAPAT MEMBANTU OTORITAS KEUANGAN, BANK SENTRAL, LEMBAGA PENGAWASAN, DAN INSTITUSI KEUANGAN DALAM MENGAMBIL KEBIJAKAN PREVENTIF SEBELUM KRISIS TERJADI. MAKALAH INI MEMBAHAS SECARA MENDALAM KONSEP, TAHAPAN PENGEMBANGAN, METODE ALGORITMIK, IMPLEMENTASI, DAN TANTANGAN DALAM PENERAPAN MACHINE LEARNING UNTUK KLASIFIKASI KRISIS KEUANGAN.
