Dashboard
Ringkasan kondisi NPL terkini dan proyeksi ke depan
Menjaga Stabilitas, Mendorong Pertumbuhan untuk Indonesia Maju
Tren NPL & Nowcast
Heatmap Risiko NPL per Sektor
Key Drivers (Top 5)
Insight Utama
Berita Terkini
Lihat Semua →Target dan periode
Nowcast dihitung pada tanggal vintage tertentu. Sistem hanya memakai observasi yang tanggal publikasinya tidak melewati tanggal tersebut.
Model nowcasting
Mode manual memakai model yang Anda centang. Mode otomatis memilih model dengan RMSE out-of-sample terbaik. Ensemble menimbang model berdasarkan kebalikan RMSE.
Model statistik dan machine learning dijalankan penuh di browser, ditulis ulang dari awal. Varian boosting (XGBoost, LightGBM, CatBoost) adalah implementasi gradient boosting dengan konfigurasi khas masing-masing, bukan pustaka aslinya. Model deep learning dinonaktifkan karena sampel historis terlalu pendek dan runtime browser tidak memadai.
Pemilihan variabel
Mode hybrid mempertahankan variabel wajib pilihan Anda dan menambah sisanya secara otomatis.
Berita dan model sentimen
Model klasik dan transformer disimulasikan dengan skor leksikon terkalibrasi yang berbeda karakteristiknya per model (presisi, recall, dan noise). Opsi LLM mencoba memanggil Anthropic API untuk ekstraksi terstruktur dan turun ke skor leksikon bila panggilan gagal. Label validasi manual tersedia pada halaman Sentimen Berita untuk memilih model sentimen terbaik.
Rekayasa fitur dan backtest
Indikator
Pantau indikator makroekonomi, sektor keuangan, dan indikator frekuensi tinggi yang digunakan dalam estimasi NPL.
Tren Indikator Utama
Korelasi dengan NPL
Pearson · vintage aktifPeta Indikator Makro
Berita di balik sinyal
Model
Kelola, bandingkan, dan evaluasi model nowcasting NPL — dari statistik klasik hingga machine learning dan ensemble.
Data-Driven Policy for a Stronger Indonesia
Konfigurasi alur · indikator → NLP → align
Satukan indikator
Panel bulanan dari indikator terunggah.
Olah berita (NLP)
Skoring artikel → News Stress Index.
Align regresi / VAR
Gabungkan indikator + sentimen ke persamaan NPL.
Daftar Model
Feature Importance
model terpilihEvaluasi Model
Skenario
Simulasikan berbagai skenario makro-finansial untuk melihat dampaknya terhadap proyeksi NPL.
Pilih Template Skenario
Proyeksi NPL under Scenario
Pengaturan Asumsi Skenario
Dampak pada Indikator NPL
Analisis Sensitivitas
dampak terhadap NPL (pp)Ringkasan Insight
Policy Insight
Ringkasan risiko kredit, driver nowcast, dan rekomendasi kebijakan berdasarkan keluaran model.
Apa yang sedang terjadi pada NPL?
Peringatan risiko
Driver utama nowcast
kontribusi terhadap estimasi periode berjalan, dalam poin persentaseNilai ini adalah kontribusi model terhadap prediksi, diperoleh dengan mengganti satu fitur pada nilai rata-rata latih dan mengukur perubahan prediksi. Besarnya kontribusi tidak menunjukkan hubungan kausal.
Mengapa nowcast berubah
Sinyal berita pendukung
Importance fitur pada seleksi variabel
Data
Kelola dan pantau seluruh sumber data yang digunakan dalam estimasi NPL.
Sumber Data
Pantau status, frekuensi, dan kualitas setiap dataset yang masuk ke mesin nowcast.
| Nama Dataset | Kategori | Sumber | Frekuensi | Periode Terakhir | Status |
|---|
Menampilkan 0 dataset
Integrasi Data untuk Insight yang Lebih Dalam
Unggah indikator, sinkronkan Google News, dan terapkan ke mesin nowcasting NPL.
1. Unggah data indikator
CSV · Excel · PDF · JSON · ParquetCSV, TSV, Excel (.xlsx/.xls), JSON, Parquet, atau PDF berisi tabel teks.
Format lebar: kolom tanggal + indikator. Format panjang: indicator, reference_period, value.
2. Data berita — Google News
RSS publik · Indonesia · pratinjau otomatisStatus sesi input
ringkasan data yang sudah dimasukkan pada sesi iniSetelah data diterapkan, lanjut ke tahap Model untuk memilih metode nowcasting lalu menjalankan estimasi.