MODEL ESTIMASI ARTIFICIAL NEURAL NETWORK DAN MULTIPLE LINEAR REGRESSION DALAM MENGANALISIS DETERMINAN PEMBIAYAAN BERMASALAH (Studi Kasus Seluruh BPRS di Indonesia Periode 2010-2018)

Bank pembiayaan rakyat syariah (BPRS) merupakan salah satu jenis bank syariah yang membantu perekonomian nasional melalui pelayanan usaha terhadap kalangan menengah, kecil, dan mikro. BPRS bertugas menyalurkan pembiayaan sebagai kegiatan utama operasional usaha. Rasio non performing financing (NPF) yang mewakili pembiayaan bermasalah justru melebihi batas aman yang ditetapkan Bank Indonesia. Penelitian ini bertujuan untuk menganalisis faktor yang berpengaruh terhadap NPF BPRS di Indonesia. Variabel independen yang dipertimbangkan untuk diteliti adalah variabel internal dan eksternal. Adapun variabel internal (spesific bank) dalam penelitian ini adalah financing to deposit ratio (FDR), biaya operasional terhadap pendapatan operasional (BOPO), capital adequacy ratio (CAR), return on asset (ROA), size. Sementara itu, variabel eksternal (makroekonomi) yang digunakan pada penelitian ini adalah produk domestik bruto (PDB), inflasi, kurs. Populasi penelitian ini adalah seluruh BPRS di Indonesia yang terdaftar dalam SPS OJK periode 2010-2018. Penelitian ini menggunakan purposive sampling, sehingga observasi data yang diperoleh sebesar 36. Metode yang digunakan dalam penelitian adalah artificial neural network (ANN) untuk mengukur sensitivitas pengaruh variabel secara powerful direction. Penelitian ini juga dilengkapi model multiple linear regression (MLR) untuk melihat arah pengaruh serta sebagai pembanding akurasi prediksi metode ANN. Hasil penelitian ini adalah semua variabel memiliki sensitivitas pengaruh dengan klasifikasi tinggi (>0,50). Variabel Size merupakan ukuran pengaruh tertinggi pada analisis metode ANN. Hasil pengujian MLR menunjukkan bahwa variabel CAR, ROA, PDB berpengaruh positif terhadap NPF. Variabel Kurs berpengaruh negatif terhadap NPF, sedangkan variabel FDR, BOPO, Size, Inflasi tidak berpengaruh. ANN memiliki tingkat akurasi lebih tinggi bila dibandingkan dengan MLR yang diukur melalui tingkat mean square error, R square, dan persebaran data.