Satu lagi karya mahasiswa Sistem Informasi SATU University berhasil melangkah ke forum internasional. Kali ini, Apin Abdul Hakim mengangkat topik machine learning untuk memprediksi risiko kebangkrutan perusahaan.

Kabar membanggakan kembali datang dari Apin Abdul Hakim, mahasiswa Program Studi Sistem Informasi SATU University. Artikel ilmiahnya yang berjudul “Machine Learning for Corporate Bankruptcy Prediction under Imbalanced Data” telah diterima pada 9th International Conference of Computer and Informatics Engineering atau IC2IE 2026.

Pencapaian ini menjadi pengalaman akademik yang menarik bagi Apin. Pasalnya, ia masih berstatus sebagai mahasiswa aktif dan saat ini juga sedang menjalani program internship. Di tengah pengalaman langsungnya di dunia industri, Apin tetap dapat mengembangkan penelitian hingga mendapatkan kesempatan untuk membawanya ke forum akademik internasional.

Dan topik yang dibawa kali ini cukup dekat dengan salah satu persoalan penting di dunia bisnis: bisakah data membantu kita mengenali perusahaan yang berisiko mengalami kebangkrutan?

Ketika Machine Learning Belajar Mengenali Risiko Kebangkrutan

Memprediksi kebangkrutan perusahaan bukan persoalan sederhana.

Dalam dunia keuangan, perusahaan memiliki banyak indikator yang dapat digunakan untuk menggambarkan kondisinya. Tantangannya, perusahaan yang benar-benar mengalami kebangkrutan biasanya jumlahnya jauh lebih sedikit dibandingkan perusahaan yang tidak bangkrut.

Kondisi seperti ini dalam machine learning dikenal sebagai imbalanced data atau data yang distribusi kelasnya tidak seimbang.

Bayangkan terdapat ribuan data perusahaan, tetapi hanya sebagian kecil yang benar-benar mengalami kebangkrutan. Sebuah model machine learning bisa saja terlihat memiliki akurasi tinggi hanya karena terus-menerus memprediksi bahwa perusahaan tidak akan bangkrut.

Angkanya mungkin bagus. Modelnya belum tentu pintar.

Inilah persoalan yang menjadi perhatian utama dalam penelitian Apin.

Penelitian “Machine Learning for Corporate Bankruptcy Prediction under Imbalanced Data” menggunakan dataset Taiwanese Economic Journal (TEJ) untuk mengevaluasi bagaimana berbagai algoritma machine learning bekerja ketika menghadapi data finansial yang tidak seimbang.

Lima algoritma dibandingkan dalam penelitian ini, yaitu Decision Tree, Support Vector Machine (SVM), Random Forest, Neural Network, dan Naïve Bayes.

Random Forest Ternyata Cukup Tangguh

Sebelum melakukan pemodelan, dataset terlebih dahulu melalui beberapa tahapan preprocessing, mulai dari normalisasi data, penghapusan data duplikat, hingga penerapan Synthetic Minority Over-sampling Technique atau SMOTE.

SMOTE digunakan untuk membantu mengatasi masalah ketidakseimbangan kelas dengan membentuk sampel sintetis pada kelas minoritas. Dengan begitu, algoritma mendapatkan kesempatan yang lebih baik untuk mempelajari karakteristik perusahaan yang mengalami kebangkrutan, bukan hanya karakteristik kelompok yang jumlah datanya jauh lebih besar.

Pengujian model kemudian dilakukan menggunakan beberapa skenario split validation, k-fold cross-validation, serta pengujian statistik menggunakan paired two-sample t-test.

Hasil eksperimen menunjukkan bahwa Random Forest memberikan performa yang paling konsisten pada dataset asli yang masih dalam kondisi imbalanced, dengan akurasi tertinggi mencapai 90,37%.

Setelah SMOTE diterapkan, Support Vector Machine (SVM) bahkan mampu mencapai akurasi 99,39%. Meski demikian, Random Forest tetap menunjukkan performa yang stabil dan kompetitif pada berbagai skenario validasi yang digunakan.

Analisis statistik juga menunjukkan bahwa peningkatan performa setelah penerapan SMOTE signifikan secara statistik dengan nilai p < 0,05.

Temuan tersebut memperlihatkan satu pelajaran penting dalam machine learning: algoritma yang bagus saja belum cukup.

Cara kita mempersiapkan data, memahami distribusi kelas, memilih strategi validasi, serta menangani karakteristik dataset dapat memberikan pengaruh besar terhadap kualitas sebuah model prediksi.

Berawal dari Current Technology Information System

Menariknya, penelitian ini lahir dari proses pembelajaran mahasiswa di mata kuliah Current Technology Information System pada Program Studi Sistem Informasi SATU University.

Mata kuliah ini diampu oleh Pak Yudi, yang juga memberikan bimbingan kepada Apin dalam proses pengembangan penelitian hingga penyusunan artikel ilmiah internasional ini.

Dalam mata kuliah tersebut, mahasiswa tidak hanya diperkenalkan dengan istilah Artificial Intelligence dan machine learning sebagai teknologi yang sedang ramai dibicarakan. Mahasiswa diajak untuk memahami bagaimana teknologi tersebut benar-benar digunakan untuk menyelesaikan persoalan berbasis data.

Salah satu konsep yang dipelajari adalah data mining.

Secara sederhana, data mining merupakan proses untuk menemukan pola, hubungan, serta pengetahuan yang tersembunyi di dalam sekumpulan data. Prosesnya dapat mencakup pengumpulan dan persiapan data, preprocessing, pemilihan algoritma, pemodelan, evaluasi, hingga interpretasi hasil.

Dalam proses pembelajaran, mahasiswa menggunakan RapidMiner sebagai salah satu tools untuk membangun eksperimen data mining dan machine learning.

Melalui pendekatan visual workflow yang dimiliki RapidMiner, mahasiswa dapat mempelajari bagaimana sebuah pipeline machine learning dibangun. Mereka dapat mencoba berbagai algoritma, melakukan preprocessing, mengatur metode validasi, membandingkan performa model, hingga melakukan evaluasi terhadap hasil eksperimen.

Pada titik inilah tugas kuliah tidak lagi sekadar menjadi latihan mengikuti tutorial.

Dengan bimbingan Pak Yudi, eksperimen yang dilakukan Apin dikembangkan lebih jauh menjadi sebuah penelitian yang memiliki pertanyaan penelitian, skenario eksperimen, evaluasi berbagai algoritma, hingga pengujian statistik.

Dari workflow di RapidMiner, berkembang menjadi hasil penelitian.

Dari hasil penelitian, berkembang menjadi artikel ilmiah.

Dan dari artikel ilmiah tersebut, kini Apin memperoleh kesempatan untuk membawanya ke forum internasional.

Membawa Hasil Penelitian ke IC2IE 2026

Artikel Apin telah diterima pada 9th International Conference of Computer and Informatics Engineering (IC2IE 2026).

IC2IE merupakan konferensi tahunan di bidang computer and informatics engineering yang telah diselenggarakan sejak 2018. Forum ini mempertemukan peneliti, akademisi, praktisi, serta berbagai pihak yang tertarik pada perkembangan teknologi komputasi dan informatika untuk berbagi hasil penelitian, bertukar gagasan, dan membangun kolaborasi.

Penyelenggaraan IC2IE 2026 dijadwalkan pada 10 September 2026 di Depok, Indonesia, dengan format hybrid conference. Sekretariat IC2IE berada di Politeknik Negeri Jakarta (PNJ) dan organizing committee konferensi melibatkan akademisi dari PNJ.

Konferensi tahun ini juga menghadirkan sejumlah pembicara dari berbagai institusi. Keynote speakers yang tercantum pada situs resmi IC2IE 2026 antara lain Prof. Yudho Giri Sucahyo dari Fakultas Ilmu Komputer Universitas Indonesia dan Dr. Olivier Haas dari Centre for Future Transport and Cities, Coventry University.

Selain itu, terdapat invited speakers dari Kementerian Komunikasi dan Digital Republik Indonesia, Universitas Islam Internasional Indonesia, University of Bologna, serta institusi lainnya.

Topik penelitian Apin juga berada dalam ekosistem keilmuan yang relevan dengan cakupan IC2IE. Konferensi ini mencakup berbagai bidang seperti Artificial Intelligence, Pattern Recognition, Knowledge Data Discovery, Soft Computing and Intelligent Systems, Information Retrieval, Human-Computer Interaction, Internet of Things, hingga berbagai bidang teknologi komputasi lainnya.

Dengan diterimanya artikel tersebut, Apin mendapatkan kesempatan untuk mempresentasikan hasil penelitiannya sebagai presenter pada seminar internasional IC2IE 2026. Situs registrasi resmi IC2IE sendiri menjelaskan bahwa paper yang telah melalui proses review dan dinyatakan accepted dapat didaftarkan untuk dipresentasikan dalam konferensi.

Bagi seorang mahasiswa yang masih menempuh pendidikan sekaligus menjalani internship, pengalaman ini menjadi kesempatan berharga untuk belajar berkomunikasi secara ilmiah sekaligus berinteraksi dengan komunitas akademik dan profesional yang lebih luas.

Belum Lulus, tapi Karyanya Sudah Mendapat Rekognisi Internasional

Salah satu hal yang ingin dibangun dalam proses pembelajaran di SATU University adalah keberanian mahasiswa untuk menghasilkan karya sejak masih berada di bangku kuliah.

Mahasiswa tidak harus menunggu skripsi atau menunggu wisuda terlebih dahulu untuk mulai melakukan penelitian, mengembangkan aplikasi, mengolah data, membangun portofolio, ataupun membawa hasil belajarnya ke forum yang lebih luas.

Perjalanan Apin menjadi salah satu contohnya.

Berawal dari proses pembelajaran dalam sebuah mata kuliah, berkembang menjadi eksperimen machine learning, dilanjutkan menjadi penelitian, kemudian ditulis menjadi artikel ilmiah, dan akhirnya diterima untuk dipresentasikan dalam konferensi internasional.

Apin bahkan menjalani proses tersebut ketika masih berstatus sebagai mahasiswa dan sedang menjalani internship.

Artinya, pengalaman akademik dan pengalaman industri tidak harus berjalan sendiri-sendiri. Keduanya justru dapat saling melengkapi dalam membentuk mahasiswa yang mampu memahami teknologi, mengolah data, melakukan penelitian, sekaligus melihat bagaimana pengetahuan tersebut digunakan dalam persoalan nyata.

Terima Kasih, Apin!

Selamat dan terima kasih kepada Apin Abdul Hakim atas kerja keras dan konsistensinya dalam mengembangkan penelitian “Machine Learning for Corporate Bankruptcy Prediction under Imbalanced Data.”

Terima kasih juga kepada Pak Yudi, dosen pengampu mata kuliah Current Technology Information System, yang telah membimbing proses pembelajaran sekaligus mendampingi pengembangan artikel ilmiah ini hingga dapat diterima pada IC2IE 2026.

Semoga pencapaian ini bukan menjadi garis akhir, tetapi justru menjadi satu langkah awal untuk lahirnya lebih banyak penelitian, karya, dan inovasi dari mahasiswa Sistem Informasi SATU University.

Dan semoga cerita ini juga menjadi pengingat bagi mahasiswa lainnya bahwa tugas kuliah tidak selalu harus berakhir sebagai sebuah file yang tersimpan selamanya di folder FINAL_FIX_REVISI_FINAL_2.

Kalau terus dikembangkan, satu project sederhana dari kelas bisa saja menemukan jalannya menuju panggung yang jauh lebih besar.

Saatnya Mulai Ceritamu Sendiri

Kalau kamu tertarik dengan dunia data, teknologi, Artificial Intelligence, machine learning, pengembangan aplikasi, hingga bagaimana teknologi digunakan untuk menyelesaikan persoalan bisnis, Program Studi Sistem Informasi SATU University bisa menjadi tempat untuk mulai mengeksplorasi semuanya.

Di sini, proses kuliah tidak hanya tentang memahami teori untuk menghadapi ujian. Kamu punya kesempatan untuk membangun project, mengembangkan kemampuan melalui pengalaman industri, melakukan penelitian, dan menghasilkan karya yang dapat memperoleh rekognisi bahkan sejak masih menjadi mahasiswa.

Karena kamu tidak harus menunggu lulus untuk mulai membangun portofolio dan menciptakan sesuatu yang membanggakan.

Mulai perjalananmu bersama Sistem Informasi SATU University. Dari ruang kelas, siapa tahu karya berikutnya yang sampai ke panggung internasional adalah milikmu.