<![CDATA[Prediksi risiko kredit merupakan aspek penting dalam industri perbankan untuk mendukung pengambilan keputusan terkait pemberian pinjaman. Kesalahan dalam menilai risiko kredit dapat menyebabkan peningkatan kredit macet, yang berdampak negatif pada stabilitas keuangan bank. Artificial Neural Networks (ANN) telah muncul sebagai pendekatan kecerdasan buatan yang menjanjikan untuk meningkatkan akurasi prediksi risiko kredit dengan menganalisis pola data historis dan variabel ekonomi yang kompleks. Penelitian ini bertujuan untuk menganalisis efektivitas ANN dalam memprediksi risiko kredit dibandingkan dengan metode tradisional seperti regresi logistik dan decision trees. Selain itu, penelitian ini juga mengeksplorasi faktor-faktor yang memengaruhi kinerja ANN, tantangan implementasinya di sektor perbankan, serta tren terbaru dalam penggunaan ANN untuk manajemen risiko keuangan. Dengan menggunakan metode Systematic Literature Review (SLR), penelitian ini mengidentifikasi model ANN yang paling efektif serta memberikan wawasan tentang keunggulan dan keterbatasannya. Penelitian ini diharapkan dapat memberikan kontribusi bagi akademisi dan praktisi dalam pengembangan sistem kecerdasan buatan untuk mendukung manajemen risiko perbankan yang lebih efektif dan efisien.]]>
Copyrights © 2026
