Sistem Pendukung Keputusan Untuk Menentukan Kelayakan Pemberian Kredit Kamera Menggunakan Metode Simple Additive Weighting ABSTRAK

Sistem Pendukung Keputusan Untuk Menentukan Kelayakan Pemberian Kredit

Kamera Menggunakan Metode Simple Additive Weighting

Decision Support System to Determine the Feasibility of Giving Camera Loan Using Simple

Additive Weighting Method

Adito Efri1, Anief Fauzan Rozi2

1_{Program Studi Sistem Informasi, Faku ltas Teknologi Informasi, Universitas Mercu Buana}

2_{Program Studi Sistem Informasi, Faku ltas Teknologi Informasi, Universitas Mercu Buana Yogyakarta, Jl.}

Jembatan Merah Yogyakarta 55281, Indonesia Email: aditoefri@g mail.com, anief@mercubuana-yogya.ac.id

ABSTRAK

Pemberian kredit memiliki sebuah resiko yaitu adanya kredit macet. Kredit macet memberikan dampak yang kurang baik bagi organisasi bisnis. Adanya rentang waktu pengembalian pinjaman dengan metode pembayaran angsuran menimbulkan resiko yang sangat besar terhadap ketidakpastian pengembalian kredit dari pihak kreditur.

Dalam pemberian kelayakan pemberian kredit kamera perlu dilakukan analisis sebelum diberikan kredit kepada kreditur. Pengajuan kredit merupakan tahapan dimana para analis kredit melakukan proses perhitungan dalam pemberian kredit kamera yang memenuhi kriteria.

Pada penelitian ini proses pemilihan akan diterapkan dengan metode Simple Additive Weighting (SAW). Metode SAW adalah metode MADM yang paling sederhana karena Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.

Nilai kriteria yang diperoleh oleh masing-masing customer atau alternatif akan dimasukan ke sistem pendukung keputusan ini dan dihitung. Kemudian sistem akan menampilkan hasil perhitungan tersebut dan menampilkan hasil perangkingan untuk setiap customer dimana yang memiliki nilai tertinggi akan berada diatas. Hasil penelitian ini menghasilkan validasi kinerja sistem 100% berdasarkan dari 20 data customer menggunakan 3 kriteria, yaitu pendapatan, tanggungan dan hutang. Kata kunci

:

Sistem Pendukung Keputusan, Kredit, Simple Additive Weighting.

ABSTRACT

Loaning has the risk of bad credit. Bad credit has negative impacts on business organization. Loan repayment period by instalment payment method has massive risk of uncertain repayment from creditor.

In determining the feasibility of giving camera loan, an analysis should be performed before giving loan to creditor. Credit application is a stage where credit analyst performs calculation in giving qualified camera loan.

In the present study, the selection process used Simple Additive Weighting (SAW) method. SAW method is the simplest MADM method because the basic concept of SAW method is looking for the weighted sum of the performance rating of every alternative of every attribute.

The criteria value of ever customer or alternative was inputted into the decision support system and be calculate. The system would display the calculation results and the ranking of every customer, with the highest score at the top. The research result showed that the validation of the system performance is 100% based on 20 customer data on 3 criteria, i.e. income, dependent and debt.

1. PENDAHULUAN

Kredit macet memberikan dampak yang kurang baik bagi organisasi bisnis dalam pertumbuhan profit perusahaan. Adanya rentang waktu pengembalian pinjaman dengan metode pembayaran angsuran menimbulkan resiko yang sangat besar terhadap ketidakpastian pengembalian kredit dari pihak kreditur. Dalam pemberian kelayakan pemberian kredit kamera perlu dilakukan analisis sebelum diberikan kredit kepada kreditur (Amrullah, 2013). Karena banyaknya pemohon dengan kondisi keuangan yang berbeda-beda serta penilaian kriteria-kriteria yang berbeda mengakibatkan hasil keputusan menjadi kurang tepat sasaran. Dengan adanya resiko dan ketidakpastian ini diperlukannya suatu sistem pendukung keputusan pemberian kredit kamera agar dapat membantu keputusan yang optimal. Pada penelitian ini akan diterapkan suatu metode Simple Additve Weighting dalam pembuatan sistem pendukung keputusan sehingga hasilnya mungking digunakan oleh pengguna.

2. TINJAUAN PUSTAKA

Pada penelitian sistem Pendukung Keputusan Kelayakan Pemberian Kredit Di Adira Quantum Cabang Tasikmalaya Menggunakan Metode Simple Additive Weighting. Dalam penelitian ini digunakan 5 kriteria yaitu, Karakter, Penghasilan, Usia, Status Rumah, dan Jumlah Tanggungan. Dari kriteria-kriteria tersebut akan di proses dengan metode Simple Additive Weighting dimana alternatif terbaik yaitu yang menerima kredit (Sudarsono, Suciyono, & Kuswandi, 2015).

Penelitian selanjutnya sistem Pendukung Kelayakan Kredit Pensiun Di Bank Bukopin Cabang Malang Menggunakan Metode Simple Additive Weighting ini menggunakan 5 kriteria (Banyak Anak, Status Pernikahan, Plafond, Usia, Gaji), Sistem pendukung keputusan kelayakan kredit pensiun Bank Bukopin KC malang yang dibangun mempermudah dalam proses keputusan sementara kelayakan kredit pensiun dan mempercepat proses verifikasi data calon debitur (Saputra & Ardian, 2016).

Penelitian aplikasi Sistem Pendukung Keputusan Pemberian Kredit Usaha Rakyat Menggunakan Metode Simple Additive Weighting Pada Bank Syariah Mandiri Cabang Medan ini menjelaskan tentang proses untuk

menilai Kreditur yang akan mengajukan kredit dengan kriteria, penghasilan, usia, jeni usaha, jumlah tanggungan dan status kependudukan, Rekening listrik dan Rekening Bank (Zein , 2014).

Penelitian sistem Pendukung Keputusan Kelayakan Pemberian Kredit Motor Menggunakan Metode SAW Pada Leasing HD Finance. Penelitian ini menggunakan kriteria 5C yaitu; Character, Capital, Capacity, Collecteral, dan Condition. Penelitian ini menggunakan Microsoft visual basic 6.0 merupakan sebuah bahasa pemrograman yang menawarkan integrated development environment (IDE) (Oktaputra & Noersasongko, 2014).

Pada penelitian implementasi Metode Simple Additive Weighting Pada Sistem Pendukung Keputusan Pemberian Kelayakan Kredit Pinjaman Komersial di SB Simpan Pinjam Tasikmalaya. Penelitian ini menjelaskan proses sistem dengan menggunakan 16 kriteria. Dari hasil penelitian nilai tertinggi sebagai alternatif terbaik (Mufizar & Lestari, 2014).

Dalam penelitian ini menggunakan metode Simple Additive Weighting. Berikut langkah-langkahnya (Mufizar & Lestani, 2014): 1. Menentukan Nilai Bobot (C) seperti

Persamaan 1. _{= …}

2. Melakukan normalisasi matriks X keputusan yang terlihat pada Persamaan 2.

= x1

=

a. Jika i adalah artribut keuntungan. b. Jika j adalah artribut biaya.

3. Hasil dari nilai rating kinerja ternormalisasi membentuk matrik normalisasi (R) pada Persamaan 3.

=

4. Menentukan nilai preferensi untuk setiap alternatif pada Persamaan 4

= ₌

Ket: Menjumlahkan hasil perkalian matriks R dengan nilai preferensi.

3. METODOLOGI PENELITIAN

Proses jalannya penelitian ini dibagi menjadi 4 tahapan, yaitu: (1) Tahap Intelegensi, (2) Tahap Desain, (3) Tahap Pemilihan dan (4) Implementasi dan solusi. Jalannya penelitian dapat dilihat pada gambar 1.

Gambar 1. Jalan Penelitian 3.1 Tahap Intelegensi

Dalam teknik pengumpulan data merupakan faktor terpenting dalam penyelesain penelitian, yaitu: (a) Wawancara (b) Pengambilan Data dan (c) Studi Kepustakaan.

3.2 Tahap Desain

Dalam Penyelesain penelitian tersebut berikut langkah yang harus dilakukan:

a. Menentukan Kriteria

Jenis Kriteria terlihat pada Tabel 1. Tabel 1. Jenis Kriteria Kode Kriteria C1 Pendapatan C2 Tanggungan C3 Hutang

b. Menentukan rating kecocokan pada setiap alternatif. Rating kecocokan pada setiap alternatif dinilai dari 1 sampai 5 terlihat pada Tabel 2.

Tabel 2. Rating Kecocokan Bobot Keterangan Nilai SKB Sangan Kurang Baik 1

KB Kurang Baik 2

C Cukup 3

SB Sangat Baik 4

SBS Sangat Baik Sekali 5

3.3 Tahap Pemilihan

Dalam tahap pemilihan ini akan dilakukan langkah-langkah penyelesaian dengan metode SAW, yaitu menentukan nilai bobot kriteria kemudian membuat matrik X berdasarkan rating kecocokan selanjutnya normalisasi matriks X dan membuat matriks R berdasarkan hasil normalisasi matriks X dan selanjutnya menjumlahkan hasil perkalian matriks R dengan nilai W.

3.4 Implementasi dan Solusi 3.4.1 Perancangan UML

Usecase diagram, activity diagram dan sequence diagram dapat dilihat seperti pada Gambar 2 sampai 4.

Gambar 2. Usecase Diagram.

Gambar 4. Sequence Diagram Perhitungan. 3.4.2 Perancangan Database

Relasi tabel databse dapat dilihat pada Gambar 5.

Gambar 5. Relasi Database. 4. PEMBAHASAN

4.1 Perhitungan Metode SAW Manual

Menentukan rating kecocokan dan nilai bobot seperti Persamaan 1 terlihat pada Tabel 3.

Tabel 3. Rating Kecocokan dan Bobot

Alte rnatif

C1

C2

C3

1

3 4 5

2

3

3

5

3

3

4

5

4

3

4

5

5

1

5

5

6

1

5

5

7

3

4

4

8

1

5

5

9

3

3

4

10

4

3

4

11

2

4

5

12

3

3

5

13

5

3

4

14

3

3

5

15

2

4

5

16

4

5

5

17

2

4

5

18

3

2

3

19

2

3

5

20

3

2

5

Membuat matriks X berdasarkan Rating Kecocokan dan normalisasi matriks X seperti Persamaan 2.

Membuat matriks R berdasarkan hasil normalisasi matriks X seperti persamaan

3.

Selanjutnya menjumlahkan hasil perkalian matriks R dengan nilai W.

Hasil akhir yang diperoleh:

4.2 Perhitungan Sistem

Menentukan rating kecocokan terlihat pada Gambar 6.

Normalisasi matriks X terlihat pada Gambar 7.

Gambar 7. Normalisasi Matriks X. Matriks R berdasarkan hasil matriks X terlihat pada Gambar 8.

Gambar 8. Matriks R.

Selanjutnya hasil vektor berdasarkan menjumlahkan perkalian matriks R dengan nilai W terlihat pada Gambar 9.

Gambar 9. Hasil Nilai Vektor.

5. KESIMPULAN

Berdasarkan hasil penelitian maka dapat disimpulkan:

1 Sistem yang telah dibuat dapat direkomendasikan untuk membantu pendukung keputusan pemberia kredit kamera.

2. Penelitian ini menggunakan 3 kriteria, yaitu: Pendapatan, Tanggungan dan Hutang.

3. Penelitian ini menghasilkan 100% kinerja sistem berdasarkan 20 data (5 data diterima dan 15 data tidak diterima).

Saran dari penelitian ini adalah dapat menambahkan variabel kriteria dan form input kriteria untuk penelitian selanjutnya.

DAFTAR PUSTAKA

Abdulrahman. (2016, Maret). Artikel Tentang SPK. Kejar Prestasi.

Amrullah. (2013). ANALISIS SISTEM

PENGENDALIAN INTERN

TERHADAP PEMBERIAN KREDIT PADA PT BANK TABUNGAN NEGARA (PERSERO), TBK. Jurnal SPI Pemberian Kredit, 1.

Hadi, D. R. (2015, Februari 19). Sistem Basis Data. Just another iMe (iLearning Media) site.

Mufizar, T., & Lestari, R. L. (2014).

IMPLEMENTASI METODE

SIMPLE ADDITIVE WEIGHTING

(SAW) PADA SISTEM

PENDUKUNG KEPUTUSAN

PEMBERIAN KELAYAKAN

KREDIT PINJAMAN

KOMERSIALDI SB SIMPAN PINJAM TASIKMALAYA. CSRID Juornal, 96-107.

Oktaputra, A. W., & Noersasongko, E. (2014).

SISTEM PENDUKUNG

KEPUTUSAN KELAYAKAN

PEMBERIAN KREDIT MOTOR

MENGGUNAKAN METODE

SIMPLE ADDITIVE WEIGHTING PADA PERUSAHAAN LEASING HD FINANCE. Jurnal SPK Kelayakan Pemberian Kredit Motor, 1-9.

Rivai, & Veithzal, H. (2006). Credit management handbook. Jakarta: Raja Grafindo Persada.

Saputra, A. B., & Ardian, Y. (2016, Jan-Jun).

SISTEM PENDUKUNG

KEPUTUSAN KELAYAKAN

KREDIT PENSIUN DI BANK

BUKOPIN KOTA MALANG

MENGGUNAKAN METODE SAW .

SISTEM PENDUKUNG

KEPUTUSAN KELAYAKAN KREDIT PENSIUN DI BANK BUKOPIN KOTA MALANG MENGGUNAKAN METODE SAW , Vol.2.

Subakti, I. (2002). Sistem Pendukung Keputusan. Surabaya: Diktat.

Sudarsono, N., Suciyono, N., & Kuswandi, A. (2015). Sistem pendukung Keputusan Pemberian Kredit Di Adira Quantum Cabang Tasikmalaya Metode Simple Additive Weighting. Konferensi Nasional Sistem & Informatika, 355-360.

Turban, E., & Liang, T.-P. (2005). Decision Support Systems and Intelligent Systems Edisi Bahasa Indonesia. Yogyakarta: Andi.

Zein , H. (2014). APLIKASI SISTEM

PENDUKUNG KEPUTUSAN

KREDIT USAHA RAKYAT

MENGGUNAKAN METODE

SIMPLE ADDITIVE WEIGHTING (SAW) (Studi Kasus Pada Bank Syariah Mandiri Cabang Medan). Pelita Informatika Budi Darma, 164-167.