SISTEM PENGAMBILAN KEPUTUSAN
PEMINJAMAN KREDIT DENGAN MENGGUNAKAN
FUZZY MULTI-ATTRIBUTE SIMPLE ADDITIVE
WEIGHTING (SAW) BERBASIS ANDROID
Decision Support System Of Loan Credit Using Fuzzy Multi-Attribute Simple Additive
Weighting (SAW) Based On Android
Iran Nurudin Sugiarto1, Erna Zuni Astuti 2
Program Studi Teknik Informatika S-1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang
e-mail: 1[email protected], 2 erna.zuni.astuti @dsn.dinus.ac.id
Abstrak
Resiko kredit merupakan sebuah kegagalan dalam memenuhi kewajiban sesuai
ketentuan yang telah disepakati, merupakan kendala utama dalam proses perkreditan.
Banyak cara untuk mengatasi masalah yang sangat klasik tersebut diantaranya adalah
dengan cara Evaluasi resiko kredit dimana ada sebuah masalah yang sangat
menantang dan penting dalam identitas analisis keuangan untuk memecahkan sebuah
permasalahan. Salah satu cara pemecahan masalah dalam Evaluasi resiko kredit
adalah dengan menggunakan metode klasifikasi. Namun, pada metode ini banyak tidak
disetujui oleh para ahli karena memiliki berbagai alasan yang kurang efektif pada
penggunaanya.Dalam upaya peningkatan efektifitas penggunan metode penulis
melakukan ujicoba dengan menggunakan metode Fuzzy Multi-Attribute Decision
Making (FMADM) yang menggunakan Simple Additive weighting (SAW). Metode
tersebut merupakan salah satu cara untuk pengambilan keputusan yang menggunakan
sistem pembobotan yang sangat sederhana. Dengan menggunakan metode ini
diharapkan dapat membantu dalam proses pengambilan keputusan pada lembaga
koperasi untuk mengatasi kendala resiko kredit dengan cara menseleksi data calon
kreditur pada lembaga koperasi, apakah layak atau tidak untuk diberikan pinjaman
kredit.Kemajuan teknologi informasi yang cepat, terutama pada bidang mobile tidak
dapat terelakkan lagi dikarenakan sudah hampir menyentuh semua kalangan di
Indonesia. Dengan adanya permasalahan serta cara penyelesaian yang efektif maka
dibuatlah aplikasi pengambilan keputusan berbasis mobile android.diharapkan dapat
meningkatkan efektifitas penggunaan aplikasi yang sudah ada sebelumnya.
Kata kunci : resiko kredit, Fuzzy Multi-Attribute Decision Making, Simple Additive
weighting (SAW), mobile phone, android, menyeleksi data calon kreditur
Abstract
Credit risk is a failure to meet obligations in accordance with agreed terms, is a major obstacle in the credit process. Many ways to deal with such a classic problem are by way of Credit risk evaluation where there is a problem that is very challenging and important in the identity of financial analysis to solve a problem. One way to solve the problem in credit risk
IJCCS Vol. x, No. x, July201x : first_page–end_page
evaluation is to use the classification method. However, in this method many are not approved by the experts because it has a variety of reasons that are less effective in its use. In an effort to increase the effectiveness of the use of the method the authors tested using Fuzzy Multi-Attribute Decision Making (FMADM) method using Simple Additive weighting (SAW). The method is one way of making decisions that use a very simple weighting system. Using this method is expected to assist in decision-making process at cooperative institution to overcome credit risk constraint by selecting data of creditor candidate at cooperative institution, whether or not to be given credit loan. Inevitable because it is almost touching all circles in Indonesia. With the problems and how to solve the effective then made mobile-based decision-making applications android.diharapkan can improve the effectiveness of the use of existing applications before. Keywords: credit risk, Fuzzy Multi-Attribute Decision Making, Simple Additive weighting (SAW), mobile phone, android, selecting data of prospective creditor
1. PENDAHULUAN
Berkembang pesatnya perekonomian global mendorong proses terjadinya transaksi pada dunia perbankan. Di dalam dunia perbankan kondisi perekonomian juga terkadang mengalami pasang surut oleh kondisi global yang tidak stabil [1]. Salah satu faktor pendorong stabilitas dunia perbankan adalah lembaga-lembaga micro yang ada di bawahnya. Antara lain adalah, lembaga Koperasi yang bergerak di bidang jasa keuangan yang merupakan lembaga perbankan yang mempunyai fungsi simpan pinjam kredit. Pada dunia perbankan khususnya pada lembaga koperasi perkreditan merupakan sumber stabilitas utama pada lembaga koperasi. Namun demikian, dalam upaya peningkatan stabilitas pada lembaga koperasi terdapat berbagai kendala khususnya pada usaha perkreditan. Resiko kredit merupakan sebuah kegagalan dalam memenuhi kewajiban sesuai ketentuan yang telah disepakati [2], merupakan kendala utama dalam proses perkreditan. Banyak cara untuk mengatasi masalah yang sangat klasik tersebut diantaranya adalah dengan cara Evaluasi resiko kredit dimana ada sebuah masalah yang sangat menantang dan penting dalam identitas analisis keuangan untuk memecahkan sebuah permasalahan. Salah satu cara pemecahan masalah dalam Evaluasi resiko kredit adalah dengan menggunakan metode klasifikasi. Namun, pada metode ini banyak tidak disetujui oleh para ahli karena memiliki berbagai alasan yang kurang efektif pada penggunaanya [3].
2. METODE PENELITIAN
Fuzzy Multi-Attribute Decision Making (FMADM) merupakan metode yang digunakan untuk menemukan cara alternatif optimal dari angka alternatif untuk menentukan kriteria data. FMDAM adalah inti dari penentuan bobot nilai dari masing-masing atribut. Sehingga fungsi utama dari FMDAM menentukan batasan dari nilai atribut yang di sederhanakan supaya mempermudah proses perhitungan yang akan dibandingkan [9].Analytic Hierarchy Process (AHP) Churchman and Ackoff (1945) merupakan peneliti pertama yang memanfaatkan metode SAW untuk penelitian permasalahan seleksi data. Metode SAW merupakan metode yang sangat
terkenal dan sering digunakan untuk sistem pengambilan keputusan dengan banyak atribut. Metode SAW sangat populer dikarenakan kesedrhanaannya [10]. Metode SAW juga dikenal dengan istilah weighted summation method konsep dasar dari metode SAW adalah mencari jumlah bobot nilai alternatif yang diolah oleh FMADM. Metode SAW membutuhkan proses normalisasi dari matriks nilai atribut yang dialternatifkan.
Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i =1,2,…m dan j = 1,2,…,n.
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :
Dimana :
Vi = Nilai akhir dari alternatif wj = Bobot yang telah ditentukan rij = Normalisasi matriks
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih
3. HASIL DAN PEMBAHASAN
Sebelum memproses perhitungan fuzzy, data terlebih dahulu dikonversi seperti pada tabel 4.6, dengan acuan standar nilai pada tabel 3.2 s/d 3.9.bersumber dari data inputan tabel 4.5 Identifikasi Data Penelitian.
.
Digunakan jika kriteria menguntungkan
IJCCS Vol. x, No. x, July201x : first_page–end_page
Cara menghitung pada metode fuzzy fmadm saw pada penelitian ini diawali dari pengambilan nilai dari data yang telah terkonversi seperti pada Tabel 4.6 Hasil Konversi Data. Dari seluruh data yang terkonversi tersebut kemudian dikalikan nilai maksimal tiap variabel, kemudian hasil tersebut tiap variabelnya dikalikan lagi dengan vektor bobot pada tabel 3.1. kemudian proses selanjutnya ditotal secara keseluruhan seperti pada Tabel 4.7, untuk berlanjut ke proses selanjutnya, yaitu menghasilkan ranking hasil perhitungan manual. Pada tahap berikutnya melakukan pengujian dan evaluasi dari hitung manual dan dari hasil hitung terhadap inputan dari aplikasi yang dibuat, kemudian mengamati total angka serta hasil rank baik dari hasil data manual serta pada aplikasi.
IJCCS Vol. x, No. x, July201x : first_page–end_page Tabel 4.7 Hasil Hitung Data
IJCCS Vol. x, No. x, July201x : first_page–end_page
Pada proses perangkingan bertujuan untuk menyeleksi calon nasabah kreditur berdasarkan nilai total pada tabel 4.7 Hasil Hitung Data untuk dicari nilai maksimal dari 50 data inputan kemudian dijaring 25 data yang layak untuk menjadi nasabah kreditur. Dengan hasil seperti tabel 4.8 hasil rank data.
Tahap ujicoba dan evaluasi peneliti melakukan uji langsung aplikasi dengan melakukan inputan data sejumlah 50 data bersumber data inputan tabel 4.5 Identifikasi Data, kemudian diuji coba pertama dengan memasukan inputan apakah telah memiliki nilai yang sama/tidak hasil terdapat pada Tabel 4.9 hasil testing inputan, kemudian uji coba berikutnya dengan mengecek hasil inputan pada menu rank data seperti pada Tabel 4.10 hasil testing rank apakah sama atau tidak dengan hasil manual.
IJCCS Vol. x, No. x, July201x : first_page–end_page
Tabel 4.9 Hasil Testing inputan
IJCCS Vol. x, No. x, July201x : first_page–end_page
Kesimpulan dari ujicoba aplikasi dengan data yang ada menunjukan tingkat akurasi yang tepat dan layak digunakan untuk menseleksi calon nasabah kreditur. Penarikan kesimpulan ini didasarkan pada hasil ujicoba pada dua tabel diatas yang menunjukan aplikasi tersebut valid.
4. KESIMPULAN
Pada penelitian mengenai sistem pengambilan keputusan peminjaman kredit dengan menggunakan Fuzzy Multi-Attribute Decision Making (FMADM) yang menggunakan perhitungan Simple Additive weighting (SAW) berbasis android ini diperoleh kesimpulan adalah dengan Fuzzy Multi-Attribute Decision Making (FMADM) yang menggunakan perhitungan Simple Additive weighting (SAW) dihasilkan program yang telah sesuai dengan tujuan yaitu menghasilkan solusi yang sesuai yang diharapkan, yaitu menunjukan tingkat
IJCCS Vol. x, No. x, July201x : first_page–end_page
akurasi yang tepat dan layak digunakan untuk menseleksi calon nasabah kreditur sebanyak 50 data untuk dijaring lagi sejumlah 25 melalui proses perangkingan. Penarikan kesimpulan ini didasarkan pada hasil ujicoba pada dua tabel diatas yang menunjukan aplikasi tersebut valid
5. SARAN
Tentu dengan menggunakan fuzzy madm saw berbasis android belum sempurna. Namun demikian masih terdapat beberapa hal yang peneliti sarankan dalam pengembangan sistem lebih lanjut. :
1. Dapatkan dikembangkan untuk dengan metode pencarian lainnya seperti metode certainty factor, maupun metode lainnya.
2. Dapat dikembangkan dengan cara lain menggunakan pengenalan citra supaya lebih cepat untuk melakukan identifikasi data di lapangan tanpa harus menginputkan data.
UCAPAN TERIMA KASIH
Dengan memanjatkan puji syukur kehadirat Allah SWT yang telah melimpahkan segala rahmat, hidayah dan inayah-Nya kepada penulis sehingga laporan tugas akhir dengan judul “SISTEM PENGAMBILAN KEPUTUSAN PEMINJAMAN KREDIT DENGAN MENGGUNAKAN FUZZY MULTI-ATTRIBUTE SIMPLE ADDITIVE WEIGHTING (SAW) BERBASIS ANDROID” dapat penulis selesaikan sesuai dengan rencana karena dukungan dari berbagai pihak yang tidak ternilai besarnya. Oleh karena itu penulis menyampaikan terima kasih kepada :
1. Bapak Dr. Ir. Edi Noersasongko, M.Kom, selaku Rektor Universitas Dian Nuswantoro Semarang.
2. Bapak Dr. Abdul Syukur, MM, selaku Dekan Fakultas Ilmu Komputer. 3. Bapak Dr. Heru Agus Santoso, M.kom, selaku Ka.Progdi Tehnik Informatika.
4. Ibu Erna Zuni Astuti, M.Kom, selaku pembimbing tugas akhir yang selalu sabar memberikan bimbingan.
5. Dosen-dosen pengampu di Fakultas Ilmu Komputer yang telah memberikan ilmu dan pengetahuannya masing-masing.
6. Kedua orangtua yang telah memberikan semangat yang tak henti-henti kepada penulis untuk segera menyelesaikan tugas akhir ini.
7. Para sahabat penulis yang selalu setia memberikan semangat, doa dan bantuan kepada penulis.
Semoga Tuhan Yang Maha Esa memberikan balasan yang lebih besar kepada beliau-beliau. Penulis sangat berharap proyek ini dapat semakin disempurnakan lagi sehingga dapat menjadi lebih berkembang dan lebih bermanfaat sebagaimana fungsinya.
DAFTAR PUSTAKA
[1] Abdullah, Khan, dan Nazir. 2012. A Comparative Study Of Credit Risk Management: A
Case Study Of Domestic And Foreign Banks In Pakistan. Pakistan: Academic Research
International. Vol.3:371-177.
[2] Kabir et al. 2010. Credit Risk Assessment and Evaluation System for Industrial Project. Singapore: International Journal of Trade, Economics and Finance. Vol.1:331-341. [3] Satchidananda, S S & Jay B.Simha. (2006). Comparing Decision Trees With Logistic
Regression For Credit Risk Analysis (SAS APAUGC).
[4] Kusumadewi. Sri, “Diktat Kuliah Kecerdasan Buatan, Jurusan Teknik Informatika”, Fakultas Teknologi Industri Universitas Islam Indonesia, 2007.
[5] Gondoid.2012.ApakahAndroidItu .(online),(http://www.gondroid.com/apakah-android-itu/, diakses 28 September 2015).
[6] D. Widayanti, S. Oka dan S. Arya. 2013. Analysis and Implementation Fuzzy
Multi-Attribute Decision Making SAW Method for Selection of High Achieving Students in Faculty Level. Indonesia : International Journal of Computer Science Issues, Vol. 10, Issue 1, No 2.
[7] Sardiarinto. Aplikasi Sistem Pendukung Keputusan Kelayakan Peminjaman Kredit Nasabah Koperasi Berbasis Android. Akademik Manajemen Informatika dan Komputer Bina Sarana
Informatika (AMIK BSI).2013.
[8] Hariani, Iswi. (2010). Restrukturisasi dan Penghapusan Kredit Macet. Jakarta: PT Elexmedia Komputindo.
[9] Kusumadewi. Sri, Hartati. S, Harjoko. A, and Wardoyo. R, “Fuzzy Multi-Attribute Decision Making (FUZZY MADM)”, Yogyakarta: Graha Ilmu, 2006.
[10] Huang. Jeng. Jih, “Multiple Attribute Decision Making Methods and Applications”, Chapman and Hall/CRC, 2011.
[11] Techopedia. Definition mobile application.
http://www.techopedia.com/definition/2953/mobile-application-mobile-app. (diakses pada
tanggal 10 oktober 2015 ).
[12] Safaat, N. ANDROID "PEMROGRAMAN APLIKASI MOBILE SMARTPHONE DAN
TABLET PC BERBASIS ANDROID". Bandung: Informatika.2011.
[13] Rise. 2012. Android Adalah? Mengenal Lebih Jauh Android di Ponselmu, (online), (http://pusatteknologi.com/android-adalah.html, diakses 6 oktober 2015).
[14] Safaat, N. ANDROID. Bandung: Informatika.2011.
[15] Hansen, J. "ANDROID vs WINDOWS MOBILE vs JAVA ME" A comparative Study of Mobile Development Environments.Brunel University.2010.
[16] Lacey, L. D. A study on present and future of Google's Android. 2010.
[17] Claudio Maia, L. N. Evaluating Android OS for Embedded Real-Time Systems. School of
Engineering of the Polytechnic Institute of Porto.2008.
[18] Ign. Sukamdiyo, 1996. MANAJEMEN KOPERASI. Penerbit Erlangga.
[19] Palmier-Claus JE et al. 2013. Integrating mobile-phone based assessment for psychosis into people's everyday lives and clinical care: a qualitative study. London: BMC Psychiatry [BMC Psychiatry] 2013 Jan 23; Vol. 13, pp. 34.
