Perusahaan retail di dunia maupun di Indonesia mulai mengalami penurunan kinerja. Salah satu penyebab terjadinya penurunan perusahaan yang bergerak dalam industri retail di dunia maupun Indonesia yaitu lahirnya e-commerce yang memudahkan masyarakat untuk bertransaksi. Sejak tahun 2015, perusahaan retail di Indoensia mengalami penurunan pendapatan bahkan bernilai negatif dan mengakibatkan penurunan kinerja keuangan perusahaan. Financial distress merupakan kondisi yang menempatkan perusahaan dalam risiko kebangkrutan. Oleh sebab itu, diperlukan analisis prediksi financial distress sebagai alat untuk membantu pengambilan keputusan perusahaan agar tidak terjadi kebangkrutan dan untuk mengetahui sinyal kinerja keuangan perusahaan tersebut sebagai upaya pencegah lebih awal.
Dalam memprediksi financial distress, penelitian ini menggunakan metode data mining dengan model yang digunakan artificial neural network. Artificial neural network terbukti lebih baik dalam memprediksi financial distress serta kebangkrutan. Variabel input dalam arsitektur artificial neural network yang dipakai dalam penelitian adalah tiga rasio keuangan yakni current ratio, return on assets, serta debt to assets ratio.
Tujuan penelitian ini yaitu untuk mengetahui hasil perhitungan ketiga rasio yang digunakan sebagai pengujian data, mengetahui bagaimana perbandingan ketiga rasio keuangan perusahaan yang dilaporkan financial distress dan tak mengalami financial distress sebagai pelatihan data, memahami arsitektur artificial neural network yang menciptakan kinerja yang bagus pada pelatihan data yang nantinya digunakan untuk pengujian data, serta mengetahui hasil prediksi financial distress menggunakan artificial neural network pada perusahaan retail yang tercatat pada Bursa Efek Indonesia yang menjadi sampel penelitian. Sampel penelitian ini yaitu dua puluh perusahaan retail yang tercatat pada Bursa Efek Indonesia pada tahun 2015-2019.
Hasil penelitian memperlihatkan kelompok perusahaan yang dilaporkan financial distress mempunyai nilai rerata ketiga rasio yang lebih rendah dibandingkan kelompok perusahaan yang tidak mengalami financial distress maka bisa digunakan sebagai variabel input. Pada arsitektur artificial neural network, arsitektur terbaik dalam penelitian ini menggunakan artificial neural network yaitu input layer berjumlah 15 neuron, hidden layer berjumlah 20 neuron, dan dengan output layer berjumlah satu neuron dengan hasil kinerja pelatihan mean square error (MSE) berjumlah 0.00000376 dan R berjumlah 99.99%. Hasilnya menunjukkan bahwa empat perusahaan diprediksi mengalami kondisi financial distress.