Konvergensi simulasi dan kecerdasan: Tinjauan terhadap integrasi metode Monte Carlo dan machine learning dalam manajemen risiko

Abstrak

Integrasi metode Monte Carlo (MC) dan machine learning (ML) merepresentasikan terobosan dalam
manajemen risiko modern untuk mengatasi kompleksitas dan ketidakpastian dinamik. Tinjauan
sistematis ini mengkaji konvergensi kedua pendekatan tersebut, mengidentifikasi tiga pola integrasi
utama: (1) penggunaan ML sebagai surrogate model untuk mempercepat simulasi MC, (2)
pemanfaatan MC untuk mengkuantifikasi ketidakpastian dalam model ML, dan (3)
penerapan generative ML models untuk pembangkitan skenario stres. Hasil analisis menunjukkan
bahwa sinergi ini mampu meningkatkan akurasi prediktif, efisiensi komputasi, dan kapasitas
penilaian risiko ekor. Meskipun demikian, tantangan implementasi seperti kompleksitas model dan
kebutuhan interpretabilitas masih perlu diatasi. Penelitian ini menyimpulkan bahwa integrasi MCML menawarkan paradigma baru yang powerful dan merekomendasikan pengembangan teknik
interpretabilitas serta standar validasi sebagai agenda penelitian mendatang.