Krisis keuangan yang terjadi pada tahun 1997 dan 2008 memberikan dampak buruk terhadap perekonomian Singapura. Krisis keuangan dapat membahayakan perekonomian suatu negara. Oleh karena itu, diperlukan deteksi sinyal-sinyal krisis keuangan sebagai bentuk peringatan krisis sehingga pihak-pihak terkait dapat menerapkan kebijakan yang tepat. Deteksi krisis keuangan menggunakan leading indicator atau indikator makroekonomi yang memiliki pola dan kecenderungan tertentu sebelum krisis. Penelitian ini bertujuan untuk membangun model deteksi krisis keuangan di Singapura menggunakan Neural Network (NN) dengan optimasi Adaptive Moment Estimation (Adam) dan Nesterov-accelerated Adaptive Moment Estimation (Nadam). Variabel penelitian yang digunakan adalah 11 indikator makroekonomi Singapura berupa data bulanan dari Januari 1990 sampai Juni 2021. Perfect signal atau rangkaian sinyal krisis selama 12 bulan sebelum terjadinya krisis digunakan sebagai variabel dependen. Krisis keuangan di Singapura didefinisikan menggunakan pendekatan ambang batas krisis EMP. Nilai hyperparameter optimal pada optimasi Adam dan Nadam ditentukan berdasarkan hasil grid search. Model NN dengan optimasi Adam mempunyai arsitektur terbaik 11-5-1, learning rate = 0,2, exponential decay rate momen pertama<!--[if gte msEquation 12]>?1<![endif]--><!--[if !msEquation]--> <!--[endif]-->= 0,9, exponential decay rate momen kedua = 0,999, batch size =128, epoch=100, dan fungsi aktivasi sigmoid. Sedangkan Model NN dengan optimasi Nadam mempunyai arsitektur 11-11-1, learning rate = 0,1, exponential decay rate momen pertama<!--[if gte msEquation 12]>?1<![endif]--><!--[if !msEquation]--> <!--[endif]-->= 0,975, exponential decay rate momen kedua = 0,999, batch size =128, epoch=100, dan fungsi aktivasi sigmoid. Pengujian model pada data uji memperoleh hasil bahwa model NN dengan optimasi Nadam lebih baik dibandingkan model NN dengan optimasi Adam dengan akurasi sebesar 95,89%, sensitivitas 96,7%, dan spesifisitas 90%.