Krisis yang terjadi di Indonesia telah mengakibatkan turbulensi perekonomian termasuk pada sektor perbankan, hal ini akan berdampak pada bank mengalami kesulitan keuangan yang menyebabkan kelumpuhan bank karena kredit macet dan hal terburuknya bank tersebut akan mengalami kebangkrutan. Kegagalan bank berkaitan dengan kinerja keuangannya dan dapat diukur dengan melakukan analisis perusahaan melalui rasio keuangan pada laporan keuangan bank yang bersangkutan. Berdasarkan laporan keuangan dapat dihitung sejumlah rasio keuangan yang lazim dijadikan sebagai dasar penilaian kegagalan bank.

Bank Indonesia (BI) menetapkan tingkat kinerja keuangan bank yang diklasifikasikan menjadi lima tingkatan berdasarkan kinerja keuangannya. Hal ini dilakukan untuk pendeteksian atau pencegahan sebelum terjadinya kegagalan bank. Pengukuran tingkat kinerja keuangan bisa dilakukan menggunakan artificial neural networks (ANN). ANN adalah model pada bidang machine learning yang dibuat menyerupai cara kerja otak manusia. Machine learning didefinisikan sebagai bidang studi yang memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit. Tujuan penelitian ini untuk menerapkan ANN pada rasio keuangan lima bank di Indonesia yaitu Bank Central Asia (BCA), Rakyat Indonesia (BRI), Bank Mandiri, Bank Negara Indonesia (BNI), dan Bank Tabungan Negara (BTN).

ANN digunakan pada masalah finansial terutama pada rasio keuangan untuk mengukur kinerja keuangan yang berkaitan dengan kegagalan bank karena dapat mensimulasikan hubungan apa pun. Data penelitian ini diperoleh dari Ototritas Jasa Keuangan (OJK) berupa laporan keuangan triwulanan dari bankbank tersebut periode 2015-2020 yang terdiri atas satu variabel terikat y dan tujuh variabel bebas x. Desain arsitektur ANN pada penelitian ini terdiri atas tujuh input, dua hidden layer yang masing-masing memiliki empat belas node atau bisa dituliskan dengan 7-14-14 dan menggunakan fungsi aktivasi rectified linear unit (ReLU) pada hidden layer dan fungsi aktivasi softmax pada output layer.

Model ANN yang baik adalah model good fit yaitu memiliki nilai akurasi yang tinggi dan nilai loss yang rendah. Akurasi digunakan untuk mengukur kinerja algoritme, keakuratan suatu model. Loss digunakan untuk mengoptimalkan algoritme pada ANN, nilai loss menyiratkan seberapa buruk atau baik model setelah dilakukan setiap iterasi optimasi. Berdasarkan hasil penerapan ANN dengan tujuh input, dua hidden layer yang masing-masing memiliki empat belas neuron atau dituliskan 7-14-14 pada data rasio keuangan Bank Central Asia (BCA), Bank Rakyat Indonesia (BRI), Bank Mandiri, Bank Negara Indonesia (BNI), dan Bank Tabungan Negara (BTN). Didapatkan loss sebesar 0.1863 dan akurasi sebesar 0.9200 dengan jumlah iterasi 150 pada epochs serta model yang dihasilkan good fit.