UNIMUNIM

Bisman (Bisnis dan Manajemen): The Journal of Business and ManagementBisman (Bisnis dan Manajemen): The Journal of Business and Management

Penelitian ini bertujuan untuk menganalisis pengaruh adopsi Machine Learning (ML) terhadap efektivitas mitigasi risiko kredit dan deteksi fraud pada sektor perbankan digital, dengan fokus studi pada Bank Jago periode 2024-2025. Fenomena peningkatan transaksi digital menuntut sistem keamanan dan manajemen risiko yang lebih presisi dibandingkan metode konvensional. Menggunakan pendekatan kuantitatif dengan analisis regresi linear sederhana melalui SPSS, penelitian ini menguji pengaruh Adopsi ML (X) terhadap tiga variabel dependen: Rasio Non-Performing Loan (Y1), Fraud Detected (Y2), dan Kerugian yang Dicegah (Y3). Hasil penelitian menunjukkan bahwa Adopsi ML berpengaruh signifikan negatif terhadap Rasio NPL. Lebih lanjut, ML memiliki pengaruh signifikan positif yang kuat terhadap deteksi fraud dan nilai kerugian yang berhasil dicegah. Temuan ini mendukung Stewardship Theory, di mana manajemen menggunakan teknologi cerdas sebagai instrumen untuk melindungi kepentingan nasabah dan menjaga stabilitas keuangan perusahaan. Penelitian ini menyimpulkan bahwa integrasi ML adalah determinan utama dalam menjaga kesehatan aset dan keamanan ekosistem perbankan digital di masa depan.

Berdasarkan hasil penelitian, dapat disimpulkan bahwa adopsi Machine Learning memiliki pengaruh signifikan terhadap pengelolaan risiko kredit, deteksi fraud, dan mitigasi kerugian pada bank.Peningkatan adopsi Machine Learning secara konsisten dikaitkan dengan penurunan rasio NPL, yang menunjukkan bahwa kualitas kredit meningkat dan risiko gagal bayar berkurang secara signifikan secara statistik.Selain itu, implementasi Machine Learning juga meningkatkan jumlah fraud yang terdeteksi dan besarnya kerugian yang dapat dicegah, menunjukkan bahwa teknologi ini tidak hanya efektif dalam prediksi tetapi juga dalam pencegahan kerugian finansial.Secara keseluruhan, penelitian ini menegaskan bahwa penggunaan Machine Learning sebagai alat mitigasi risiko kredit memberikan dampak positif ganda, yaitu memperkuat stabilitas keuangan bank, meningkatkan efisiensi operasional, dan membangun kepercayaan pemangku kepentingan, sejalan dengan temuan penelitian sebelumnya yang menekankan peran teknologi dalam meningkatkan kinerja dan keamanan portofolio kredit bank.

Untuk penelitian lanjutan, disarankan untuk fokus pada pengembangan model Machine Learning yang lebih transparan (Explainable AI) dan mampu menangani data yang tidak seimbang (class imbalance). Selain itu, perlu dilakukan integrasi variabel makroekonomi dalam model ML untuk melakukan stress testing terhadap fenomena Data Drift. Dengan demikian, bank dapat menjaga stabilitas sistem keuangan dan meningkatkan kepercayaan investor serta nasabah terhadap tata kelola risiko bank di era digital.

Read online
File size494.95 KB
Pages15
DMCAReport

Related /

ads-block-test