vi ABSTRAK
Parahnya dampak krisis keuangan di Asia pada pertengahan tahun 1997 yang lalu membuat IMF (International Monetary Found) mengganggap perlu ada sistem pendeteksian dini. Sistem pendeteksian dini merupakan suatu model yang berusaha untuk memprediksi secara sistemik kemungkinan terjadinya krisis di suatu negara. Ada banyak pendekatan yang bisa digunakan dalam sistem pendeteksian dini, salah satunya adalah pendekatan neural network. Pendekatan neural network belum begitu luas digunakan dalam kasus krisis keuangan di Indonesia, namun hasil dari penelitian sebelumnya menunjukan akurasi peramalan secara umum lebih baik dari model logit/probit dan model sinyal.
Neural network menyimpan pengetahuan pola kejadian masa lampau melalui proses pelatihan, yang kemudian pengetahuan tersebut digunakan untuk memperkirakan kejadian yang terjadi dimasa yang akan datang. Pemilihan variabel dalam contoh studi kasus ini didasarkan kinerja varibel tersebut pada penelitian sebelumnya dan secara teoritis berpengaruh terhadap potensi terjadinya krisis keuangan.
Skripsi ini membahas kajian teoritis dan studi kasus tentang sistem pendeteksian dini krisis keuangan di Indonesia dengan pendekatan model feed forward neural network. Kinerja model diukur dengan menghitung nilai skor probabilitas kuadrat (Quadratic Probability Score/QPS) dan ketepatan kalibrasi peramalan diukur dengan Global Square Bias (GSB). Kesimpulan dari penelitian ini adalah pendekatan neural network sangat baik digunakan dalam sistem pendeteksian dini krisis keuangan di Indonesia dengan nilai QPS dan GSB yang akurat karena mendekati nilai 0.
vii ABSTRACT
The impact of financial crisis in Asia in mid-1997 which makes the IMF (International Monetary Found) consider there should be an early warning system. Early warning system is a model that try to predict the probability of systemic crisis in a country. There are many approaches that can be used in an early warning system, one of them is a neural network approach. Neural network approach has not been so extensively used in financial crisis cases in Indonesia, but the results of previous studies indicate forecasting accuracy is generally better than the model logit / probit and signal model.
Neural networks save the knowledge of past pattern of events through the training process, then used to estimate the knowledge of the events that happen in the future. Selection of variables in this case study performance based on previous research variables and theoretically affect the potential for financial crises.
This paper discusses the theoretical studies and case studies on early warning system of the financial crisis in Indonesia with approach feed forward neural network model. The model performance is measured by calculating the value of Quadratic Probability Score (QPS) and calibration forecasting accuracy is measured by the Global Square Bias (GSB). The conclusion of this study is a neural network approach is really good to used in early warning system of the financial crisis in Indonesia with the QPS and GSB are accurate because the value close to 0.