Prediksi Financial Distress pada BPRS di Jawa Timur Menggunakan Machine Learning (Support Vector Machine)

Abstract

Kinerja keuangan BPRS di Jawa Timur selama 2020–2023 menunjukkan fluktuasi pada FDR dan NPF yang mencerminkan potensi kerentanan terhadap kondisi keuangan yang tidak stabil. Urgensi early warning system semakin menguat setelah Lembaga Penjamin Simpanan melikuidasi dua BPRS di Indonesia. Jawa Timur dipilih sebagai wilayah penelitian karena memiliki jumlah BPRS terbanyak ketiga dan menjadi pusat pelaku UMK terbesar di Indonesia. Penelitian ini bertujuan membangun model prediksi financial distress menggunakan SVM regresi dengan pendekatan Zmijewski, serta menganalisis pengaruh faktor-faktor keuangan. Variabel yang digunakan meliputi profitabilitas (ROA), likuiditas (FDR), efisiensi (BOPO), kecukupan modal (CAR), dan risiko pembiayaan (NPF). Hasil penelitian menunjukkan bahwa model terbaik diperoleh dengan kernel linear, parameter C sebesar 100, dan epsilon 0,5. Variabel ROA dan CAR terbukti berpengaruh signifikan terhadap financial distress, sementara BOPO, FDR, dan NPF tidak berpengaruh signifikan terhadap financial distress pada BPRS di Jawa Timur selama 2020–2023.