Peran Machine Learning dalam Penilaian KelayakanPembiayaan UMKM pada Bank Syariah: A SystematicLiterature Review

Abstract

Penelitian ini bertujuan untuk menganalisis peran *Machine Learning* dalam menilai kelayakan pembiayaan UMKM pada perbankan syariah menggunakan pendekatan *Systematic Literature Review* (SLR). Tinjauan ini mengikuti pedoman PRISMA 2020, yang mencakup tahapan identifikasi, penyaringan, penilaian kelayakan, dan inklusi studi relevan yang diterbitkan antara tahun 2020 dan 2025. Literatur dikumpulkan dari berbagai basis data ilmiah, termasuk Scopus, ScienceDirect, SpringerLink, IEEE Xplore, Google Scholar, Garuda, dan SINTA. Temuan menunjukkan bahwa *Random Forest*, *Support Vector Machine*, *Decision Tree*, *Artificial Neural Network*, *Logistic Regression*, dan XGBoost merupakan algoritma yang paling sering diterapkan dalam prediksi risiko pembiayaan. Alih-alih mengidentifikasi satu algoritma yang unggul secara universal, studi-studi yang ditinjau menunjukkan bahwa kinerja model bergantung pada karakteristik dataset, rekayasa fitur (*feature engineering*), dan teknik validasi. Tinjauan ini juga mengidentifikasi tantangan implementasi utama terkait kualitas data, kemampuan penjelasan model (*explainability*), keadilan algoritmik, kepatuhan regulasi, perlindungan data pribadi, dan tata kelola syariah. Temuan ini mengindikasikan bahwa *Machine Learning* memiliki potensi besar untuk memperkuat penilaian risiko pembiayaan di perbankan syariah, dengan syarat implementasinya didukung oleh tata kelola yang kuat, model yang transparan, serta kepatuhan terhadap prinsip-prinsip syariah.