Penerapan genetic algorithm untuk seleksi fitur pada klasifikasi financial distress perbankan menggunakan metode K- Nearest Neighbor

Financial distress merupakan suatu keadaan kesulitan keuangan secara terus-menerus pada perusahaan sebelum mengalami kebangkrutan. Jika hal tersebut terjadi secara besar-besaran, maka dapat mengakibatkan krisis moneter dan berpotensi menjadi krisis ekonomi. Penelitian ini bertujuan untuk mengklasifikasikan data perbankan sebagai bentuk early warning system terjadinya financial distress serta mengetahui evaluasi klasifikasi yang dibangun. Data yang digunakan merupakan data perusahaan perbankan dari tahun 2020-2022 yang berasal dari website Otoritas Jasa Keuangan (OJK), terdiri dari 275 perusahaan non-financial distress dan 46 perusahaan financial distress berdasarkan 12 variabel meliputi; CAR; AB; APB; CKPN; NPL; ROA; ROE; NIM; BOPO; CIR; dan LDR. Metode klasifikasi yang digunakan adalah K -Nearest Neighbor (KNN) yang dioptimasi menggunakan seleksi fitur Genetic Algorithm (GA). Seleksi fitur Genetic Algorithm (GA) dilakukan untuk memperoleh variabel-variabel yang signifikan pada klasifikasi K-Nearest Neighbor (KNN). Hasil penelitian ini menunjukkan seleksi fitur Genetic Algorithm (GA) mampu meningkatkan evaluasi klasifikasi pada K-Nearest Neighbor (KNN). Menggunakan 6 variabel terpilih, hasil klasifikasi terbaik diperoleh dengan pembagian data menggunakan 10-fold dan nilai k = 1 pada KNN. Model GA-KNN menghasilkan nilai akurasi= 99.81%, sensitivitas= 99.63%, dan spesifisitas= 1%.