PERBANDINGAN LIMA MODEL KLASIK DAN ENSEMBLE MODEL UNTUK PREDIKSI FINANCIAL DISTRESS BANK DIGITAL 2019–2024

Perkembangan perbankan digital di Indonesia membawa perubahan signifikan pada model bisnis dan struktur risiko perbankan. Meskipun mengalami pertumbuhan pengguna dan percepatan digitalisasi, bank digital masih menghadapi tantangan terkait profitabilitas dan manajemen risiko yang berpotensi menimbulkan kondisi financial distress. Oleh karena itu, kemampuan prediksi financial distress yang akurat menjadi penting sebagai sistem peringatan dini.rnPenelitian ini bertujuan untuk membandingkan kinerja lima model prediksi financial distress klasik, yaitu Altman z-score, Springate, Zmijewski, Taffler, dan Grover, dengan pendekatan ensemble stacking model pada bank digital di Indonesia. Objek penelitian terdiri atas tujuh bank digital yang terdaftar di Bursa Efek Indonesia periode 2019–2024 dengan total 42 observasi. Metode analisis meliputi perhitungan skor financial distress dan evaluasi kinerja menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model klasik menghasilkan klasifikasi kondisi keuangan yang bervariasi, sementara pendekatan ensemble stacking memiliki tingkat akurasi yang lebih tinggi dan dinilai lebih andal sebagai sistem peringatan dini dalam memprediksi financial distress pada bank digital di Indonesia.