Penerapan Algoritma Naive Bayes untuk Prediksi Financial Distress pada Perusahaan Publik sebagai Upaya Digitalisasi Analisis Akuntansi

Sitorus, Nur Shafwa Aulia
Aulia, Muhammad Fathir
Faiza, Nayla
Siregar, Hervilla Amanda R.

JAAKFE UNTAN ( (Jurnal Audit Dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura)
Vol 14, No 2 (2025): Jurnal Audit dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura

Perkembangan teknologi digital mendorong penerapan kecerdasan buatan dalam bidang akuntansi untuk meningkatkan akurasi dan efisiensi analisis keuangan. Penelitian ini bertujuan menerapkan algoritma Naive Bayes guna memprediksi kondisi financial distress pada perusahaan publik sektor manufaktur di Indonesia sebagai bagian dari digitalisasi analisis akuntansi. Data yang digunakan berupa 150 entri rasio keuangan, meliputi Current Ratio (CR), Return on Assets (ROA), Net Profit Margin (NPM), dan Total Asset Turnover (TATO). Model dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan akurasi sebesar 86,67%, precision 75%, recall 25%, dan F1-score 37,5%. Temuan ini menunjukkan bahwa Naive Bayes cukup efektif dalam mengklasifikasi perusahaan Non-Distress, namun masih perlu pengembangan untuk meningkatkan deteksi kelas Distress. Model ini berpotensi menjadi dasar pengembangan sistem deteksi dini berbasis digital dalam analisis keuangan perusahaan.