Search for collections on Undip Repository

PENGGUNAAN MODEL ARTIFICIAL INTELLIGENCE DAN MACHINE LEARNING PADA PREDIKSI KEBANGKRUTAN – A SYSTEMATIC LITERATURE REVIEW

RAMADHANI, Annisa Putri (2026) PENGGUNAAN MODEL ARTIFICIAL INTELLIGENCE DAN MACHINE LEARNING PADA PREDIKSI KEBANGKRUTAN – A SYSTEMATIC LITERATURE REVIEW. Undergraduate thesis, UNDIP: Fakultas Ekonomika & Bisnis.

[thumbnail of Cover] Text (Cover)
1. S - Cover - 12030122130097.pdf - Published Version

Download (155kB)
[thumbnail of Abstrak (Inggris)] Text (Abstrak (Inggris))
4. S - Abstrak (Inggris) - 12030122130097.pdf - Published Version

Download (313kB)
[thumbnail of Abstrak (Indonesia)] Text (Abstrak (Indonesia))
5. S - Abstrak (Indonesia) - 12030122130097.pdf - Published Version

Download (314kB)
[thumbnail of Daftar Isi] Text (Daftar Isi)
6. S - Daftar Isi - 12030122130097.pdf - Published Version

Download (137kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
12. S - Daftar Pustaka - 12030122130097.pdf - Published Version

Download (183kB)
[thumbnail of Fulltext PDF Bookmarks] Text (Fulltext PDF Bookmarks)
16. S - Fulltext PDF Bookmarks - 12030122130097.pdf
Restricted to Repository staff only

Download (12MB)

Abstract

Penelitian ini bertujuan menganalisis penggunaan Artificial Intelligence (AI) dan Machine Learning (ML) dalam prediksi kebangkrutan perusahaan melalui metode Systematic Literature Review (SLR). Penelitian dilakukan dengan menelaah 30 artikel Scopus periode 2021–2025. Hasil penelitian menunjukkan bahwa prediksi kebangkrutan berkembang dari model statistik tradisional menuju model AI/ML yang lebih adaptif dan akurat, dengan model yang paling dominan meliputi Random Forest, Gradient Boosting, LightGBM, SVM, ANN, dan DNN. Indikator yang digunakan tidak hanya rasio keuangan, tetapi juga faktor non-keuangan seperti tata kelola dan kualitas pelaporan keuangan. Penelitian ini juga menemukan tantangan berupa ketidakseimbangan data, overfitting, seleksi fitur, dan interpretabilitas model yang dapat dimitigasi melalui penyeimbangan data, seleksi fitur, dan explainable AI. Secara keseluruhan, AI dan ML berpotensi meningkatkan efektivitas prediksi kebangkrutan apabila didukung data yang berkualitas dan pemilihan model yang sesuai.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Artificial Intelligence, Machine Learning, prediksi kebangkrutan, Systematic Literature Review.
Subjects: Economics and Business > Accounting
Economics and Business
Divisions: Faculty of Economics and Business > Department of Accounting
Depositing User: Akuntansi Lib
Date Deposited: 04 May 2026 08:07
Last Modified: 04 May 2026 08:07
URI: https://eprints2.undip.ac.id/id/eprint/50318

Actions (login required)

View Item View Item