SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KPR (KREDIT PEMILIKAN RUMAH) UNTUK NASABAH PEMOHON MENGGUNAKAN METODE TOPSIS (STUDI KASUS PT.

335

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KPR (KREDIT

PEMILIKAN RUMAH) UNTUK NASABAH PEMOHON

MENGGUNAKAN METODE TOPSIS

(STUDI KASUS PT. BANK CENTRAL ASIA. TBK)

Jepri Siregar

Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No.338 Simpang Limun Medan

ABSTRAK

KPR yaitu Kredit Pemilikan Rumah yang disediakan oleh pihak perbankan kepada para debitur yang hendak membeli tempat tinggal. Pembeli hanya cukup membayar 20% dari total harga rumah kepada penjual, sisanya meminjam ke Bank dengan jaminan rumah yang dibeli kemudian mengangsurnya setiap bulan dengan besar angsuran dan jangka waktu pembayaran sesuai dengan kesepakatan. Dalam hal ini bank dituntut untuk dapat mengambil keputusan dengan cepat dan cermat mengingat lingkungan bisnis perbankan yang semakin kompetitif. Untuk mewujudkan hal tersebut diperlukan adanya sebuah sistem pendukung keputusan (SPK) yang dapat membantu manager dalam membuat keputusan, meningkatkan dalam pengolahan data, mempercepat prosesnya dan dapat meningkatkan mutu serta pelayanan dari pihak bank dalam memberilkan kredit.

Kata Kunci: KPR, Sistem Pendukung Keputusan,TOPSIS I. PENDAHULUAN

Bank merupakan suatu lembaga keuangan yang mempunyai banyak aktivitas dimana salah satunya adalah melayani kegiatan Kredit Kepemilikan Rumah (KPR). KPR adalah Kredit Kepemilikan Rumah, berdasarkan persetujuan atau kesepakatan pihak bank dan nasabah pemohon yang mewajibkan pihak yang ingin KPR untuk melunasi cicilan KPRnya setelah jangka waktu tertentu dan dengan jumlah bunga yang telah ditentukan pula.

Seiring dengan perkembangan ilmu pengetahuan dan teknologi maka berbagai jenis peralatan kerjapun mengalami banyak perkembangan. Sistem berbasis komputer memiliki kemampuan untuk menyelesaikan berbagai bentuk pekerjaan dengan baik terutama dalam hal efisiensi waktu. Salah satu bentuk pekerjaan yang dapat memanfaatkan sistem berbasis komputer adalah pekerjaan untuk mengambil keputusan. Sistem ini dirancang untuk membantu seorang pembuat keputusan (decision

maker) untuk mengambil keputusan dalam

menyelesaikan masalah.

Untuk mewujudkan hal tersebut diperlukan adanya sebuah sistem pendukung keputusan (SPK) yang dapat membantu pimpinan dalam membuat keputusan, meningkatkan dalam pengolahan data, mempercepat prosesnya dan dapat meningkatkan mutu serta pelayanan dari pihak bank dalam memberikan KPR.

Menurun Turban Rainer Potter (2005, h,321) dengan menerapkan metode yang sesuai dengan bidang keputusan yang diambil, sistem pendukung keputusan ini dapat membantu perusahaan dalam pemberian KPR (Kredit Pemilikan Rumah) Agar menghasilkan keputusan

yang lebih tepat dan berdampak pada kemajuan perusahaan.

Dengan menggunakan metode TOPSIS sistem pendukug keputusan ini dapat membantu perusahaan dalam pengambilan keputusan yang lebih tepat dalam penentuan pemberian KPR. Adapun yang akan dibahas dalam penelitian yang dilakukan adalah Bagaimana proses menentukan kriteria-kriteria penilaian pendukung kredit KPR pada Bank, bagaimana menerapkan metode TOPSIS untuk penilaan KPR pada Bank dan bagaimana merancang “Sistem Pendukung Keputusan Pemberian KPR(Kridit Pemilikan Rumah) Untuk Nasabah Pemohon Menggunakan Metode TOPSIS.

II. TEORITIS

A. Sistem Pendukung Keputusan

Sistem Pendukung Keputusan menurut berbagai ahli diantaranya Man dan Watson, mendefinisikan bahwa Sistem Pendukung Keputusan (SPK) adalah suatu sistem interaktif yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan unutk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur (Daihan, 2001).

Sistem Pendukung Keputusan sebenarnya merupakan salah satu bidang di lingkungan CBIS (Computer Based Information Sistem). CBIS sendiri adalah suatu sistem informasi yang berbasis computer, di mana di dalamnya terdapat aplikasi-aplikasi komputer utama, yakni SIA (Sistem Informasi Akuntansi), SIM (Sistem Informasi Manajemen), SPK (Sistem Pendukung Keputusan), otomatisasi kantor dan sistem

336 pakar.(Daihani, Komputasi Pengambilan

Keputusan, 2001).

B. Metode TOPSIS (Technique For Others Reference by Similarity to Ideal Solution)

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang (1981). TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut.

TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai. Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan.

C. Prosedur TOPSIS

Dalam menggunakan metode TOPSIS terdapat prosedur-psedur yang harus dilakukan, diantaranya adalah :

1. Membuat matriks keputusan yang ternormalisasi

2. Membuat matriks keputusan yang ternormalisasi terbobot

3. Menentukan matriks solusi ideal positif dan solusi ideal negatif

4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan negatif 5. Menentukan nilai preferensi untuk setiap

alternatif.

D. Langkah-Langkah Metode TOPSIS

Langkah-langkah yang harus dilakukan untuk memperoleh hasil penilaian dalam metode TOPSIS adalah :

1. Membangun normalized decision matrix Elemen rij hasil dari normalisasi decision

matrix R dengan metode Euclidean length of a vector adalah:

𝑟_𝑖𝑗= 𝑥𝑖𝑗 √∑𝑚 𝑥_𝑖𝑗2

𝑖=1

2. Membangun weighted normalized decision

matrix

Dengan bobot W= (w1, w2,...,wn), maka normalisasi bobot matriks V adalah:

𝑉 = [

𝑤1𝑟11𝑤2𝑟12 … 𝑤𝑛𝑟1𝑛

𝑤1𝑟21

𝑤₁𝑚₁ 𝑤₂𝑟_𝑚2 … 𝑤_𝑛𝑟_𝑚𝑛 ]

3. Menentukan solusi ideal dan solusi ideal negatif.

Solusi ideal dinotasikan A*, sedangkan solusi ideal negatif dinotasikan A- :

𝐴∗_{= {(max 𝑣} 𝑖𝑗|𝑗 € 𝐽), ( min 𝑣𝑖𝑗_{|𝑗 € 𝐽}′_{) , 𝑖} = 1,2,3, … , 𝑚} = {𝑣1∗, 𝑣₂∗, … , 𝑣_𝑛∗} 𝐴−_{= {(min 𝑣} 𝑖𝑗|𝑗 € 𝐽), (max 𝑣𝑖𝑗|𝑗 € 𝐽′), 𝑖 = 1,2,3, … , 𝑚} = {𝑣1−, 𝑣₂−, … , 𝑣_𝑛−} 4. Menghitung separasi

Si*adalah jarak (dalam pandangan Euclidean)

alternatif dari solusi ideal didefinisikan sebagai:

𝑆

𝑖∗=√∑𝑛𝑗=1(𝑣𝑖𝑗−𝑣𝑖𝑗), 𝑑𝑒𝑛𝑔𝑎𝑛 𝑖=1,2,3…,𝑚

Dan jarak terhadap solusi negatif-ideal didefinisikan sebagai: 𝑆 𝑖−=√∑ (𝑣𝑖𝑗−𝑣𝑗−) 2 𝑛 𝑗=1 , 𝑑𝑒𝑛𝑔𝑎𝑛 𝑖=1,2,3…,𝑚

5. Menghitung kedekatan relatif terhadap solusi ideal 𝐶_𝑖∗ = 𝑆𝑖 − 𝑆_𝑖∗+ 𝑆_𝑖−, 𝑑𝑒𝑛𝑔𝑎𝑛 0 < 𝐶𝑖 ∗ < 1 𝑑𝑎𝑛 𝑖 = 1,2,3, … , 𝑚 6. Merangking Alternatif

Alternatif dapat dirangking berdasarkan urutan Ci*. Maka dari itu, alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal dan berjarak terjauh dengan solusi negatif-ideal.

E. Perkreditan Pada Bank

Menurut suharno (2003) kata kredit berasal dari bahasa yunani yaitu credere yang artinya kepercayaan. Kepercayaan dilihat dari sisi bank adalah suatu keyakinan bahwa uang yang diberikan dapat dikembalikan tepat waktu sesuai dengan kesepakatan kedua belah pihak yang tertuang dalam akte perjanjian kredit.

337 Menurut Muchdarsyah Sinungan dalam buku

suharno(2003:1), Kredit adalah suatu pemberian prestasi oleh suatu pihak kepada pihak lain dan prestasi itu akan dikembalikan lagi pada suatu masa tertentu yang akan datang disertai suatu contra prestasi berbentuk bunga.

F. Kredit Kepemilikan Rumah

Pengertian KPR pertama-tama dapat dipahami dari kepanjangan KPR itu sendiri.KPR merupakan kependekan dari Kredit Pemilikan Rumah.Jadi secara tata bahasa, kepanjangan KPR adalah Kredit Kepemilikan Rumah, cuma dibolak balik saja.Adapun pengertian KPR secara istilah atau definisi KPR adalah; kredit jangka panjang yang diberikan oleh lembaga keuangan (misal; bank) kepada debiturnya untuk mendirikan atau memiliki rumah diatas sebuah lahan dengan jaminan sertifikat kepemilikan atas rumah dan lahan itu sendiri.

G. Nasabah

Dalam Peraturan Bank Indonesia No.7/7/PBI/2005 jo No. 10/10/PBI/2008 tentang penyelesaian pengaduan nasabah Pasal 1 angka 2 yang dimaksud dengan nasabah adalah Pihak yang menggunakan jasa bank, termasuk pihak yang tidak memiliki rekening namun memanfaatkan jasa bank untuk melakukan transaksi keuangan

(walk-in customer). Sedangkan menurut Kamus Besar

Bahasa Indonesia Nasabah adalah orang yg biasa berhubungan dengan atau menjadi pelanggan bank dalam hal keuangan (http://kbbi.web.id/nasabah).

Di dalam UU No. 10 Tahun 1998 tentang Perbankan dimuat tentang jenis dan pengertian nasabah. Dalam Pasal 1 angka 17 disebutkan bahwa pengertian nasabah yaitu pihak yang menggunakan jasa bank.

H. Alat Bantu Perancangan Sistem

Alat bantu perancangan sistem adalah suatu alat yang digunakan dalam menyelesaikan suatu permasalahan. Adapun alat bantu yang digunakan dalam perancangan atau pengembangan program yang digunakan dalam penelitian ini sebagai berikut.

I. UML (Unified Modeling Language)

Menurut Adi Nugroho (Perancangan dan

Aplikasi, 2007), Unified Modeling Language

(UML) adalah alat bantu analisis serta perancangan perangkat lunak berbasis objek”. UML (Unified Modeling Language) adalah metode pemodelan secara visual sebagai sarana untuk merancang dan atau membuat software

berorientasi objek. Karena UML ini merupakan bahasa visual untuk pemodelan bahasa berorientasi objek, maka semua elemen dan diagram berbasiskan pada paradigma object oriented. UML adalah salah satu tool / model untuk merancang

pengembangan software yang berbasis object

oriented.

J. Flowchart

Flowchart atau diagram alir adalah

sekumpulan simbol-simbol atau skema yang menunjukkan atau menggambarkan rangkaian kegiatan-kegiatan program dari mulai awal hingga akhir. Inti dari pembuatan flowchart atau diagram alir ini penggambaran urutan langkah-langkah pengerjaan suatu algoritma.

K. MySQL

MySQL dikembangkan sekitar tahun 1994 oleh sebuah perusahaan pengembang software dan konsultan database bernama MYSQL AB yang berada di Swedia. Waktu itu perusahaan tersebut masih bernama TcX DataKonsult AB, dan tujuan awal dikembangkannya MySQL adalah untuk mengembangkan aplikasi berbasis web pada client. Awalnya Michael "Monty" Widenius, pengembang satu-satunya di TcX memiliki sebuah aplikasi UNIREG dan rutin ISAM buatannya sendiri dan sedang mencari antarmuka SQL yang cocok untuk diimplementasikan ke dalamnya. Mula-mula Monty memakai miniSQL (mSQL) pada eksperimennya itu, namun SQL dirasa kurang sesuai, karena terlalu lambat dalam pemrosesan query.

III. ANALISA DAN PEMBAHASAN

Analisa adalah kajian yang dilaksanakan terhadap sebuah permasalahan, guna meneliti struktur masalah tersebut secara mendalam dengan cara-cara memecah masalah tersebut menjadi bagian-bagian kecil yang lebih mudah dipelajari, kemudian mempelajari bagian-bagian tersebut, dan mengambil kesimpulannya. Pada tahap analisa masalah akan diuraikan bagaimana prores penentuan pemberian KPR kepada nasabah pemohon dengan menggunakan metode topsis. A. Kriteria dan Bobot

Untuk menentukan kriteria pemberian KPR kepada nasabah pemohon dialakukan beberapa tahap yaitu:

1.

Tentukan hasil yang akan didapat nasabah pemohon secara umum dalam permohonan KPR :

a. Diterima b. Ditolak

2.

Tentukan kriteria berdasarkan ketetapan dari bank

a. Kriteria 1 : Fotokopi KTP Pemohon dan Suami/Istri (K1)

Fotokopi KTP Pemohon dan Suami/Istri yaitu:

1. KTP suami Pemohon dan istri (bobot 2) 2. KTP pemohon (bobot 1)

338 b. Kriteria 2 : Fotokopi Kartu Keluarga dan

Surat Nikah (K2)

Fotokopi Kartu Keluarga dan Surat Nikah yaitu: 1. Ada (bobot 1) 2. Tidak ada(bobot 0) c. Kriteria 3 : Fotokopi NPWP/SPT PPh 21Tahunan (K3) Fotokopi NPWP/SPT PPh 21Tahunan yaitu: 1. Ada(bobot 1) 2. Tidak ada(bobot 0)

d. Kriteria 4 : Fotokopi Rekening Koran/ Tabungan 3 bulan terakhir (K4)

Fotokopi Rekening Koran/ Tabungan 3 bulan terakhir yaitu:

1. Ada(bobot 1) 2. Tidak ada(bobot 0)

e. Kriteria 5 : Slip gaji/Surat Keterangan Penghasilan (K5)

Slip gaji/Surat Keterangan Penghasilan yaitu:

1. Penghasilan> 5 juta/bulan(bobot 1) 2. Penghasilan < 5 juta/bulan(bobot 0) f. Kriteria 6 : Surat Rekomendasi Perusahaan

(K6)

Surat Rekomendasi Perusahaan yaitu: Ada(bobot 1), Tidak ada(bobot 0)

3.

Tentukan bobot kriteria berdasarkan keputusan manajemen bank: a. Kriteria 1 : 15 % b. Kriteria 2 : 15 % c. Kriteria 3 : 15 % d. Kriteria 4 : 15 % e. Kriteria 5 : 20% f. Kriteria 6 : 20 %

B. Perhitungan Penentuan Pemberian KPR dengan Metode Topsis

Selanjutnya dilakukan proses pengembangan dan pencarian alternatif tindakan/solusi yang dapat diambil. Pada permasalahan pengambilan keputusan dengan beberapa alternatif dengan sejumlah kriteria memiliki bobot tertentu untuk mencapai solusi yang optimal, penulis menggunkan Technique for

Order Performance by Similarity to Ideal Solution (Topsis). Dimana topsis menggunakan prinsip

bahwa alternative yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terpanjang dari solusi ideal negative dari sudut pandang geometris dengan mengguanakan jarak antara dua titik.

1.

Menentukan rangking kecocokan dari setiap alternative ( A1, A2,A3) pada setiap kriteria : 1= sangat tidak memenuhi

2= tidak memenuhi 3=cukup memenuhi 4=memenuhi 5= sangat memenuhi

Tabel 4.1 Fotokopi Administrasi Pemohon dan Suami/Istri

Fotokopi KTP Pemohon dan Suami/Istri

(KTP) Bobot

KTP suami Pemohon dan istri KTP pemohon

Tidak ada

2 1 0 FotoKopi Karu Keluarga dan Surat Niakah

(KK) Bobot Ada Tidak ada 1 0 FotoKopi NPWP/SPT pph 21 Tahunan (NPWP) Bobot Ada Tidak ada 1 0 Fotokopi Rekening Koran/Tabungan 3

Bulan Terakhir (RK) Bobot Ada

Tidak ada

1 0 Tabel 4.5 Slip Gaji/Surat Keterangan

Penghasilan Slip Gaji/Surat Keterangan

Penghasilan (SG) Bobot Penghasilan < 5 juta

Penghasilan > 5 - 6 juta

1 0 Tabel 4.6 Surat Rekomendasi Perusahaan Surat Rekomendasi Perusahaan

(SRP) Bobot

Ada Tidak ada

1 0

Berdasarkan kritera dan rating kecocokan setiap alternatif pada setiap kriteria yangtelah ditentukan, selanjutnya penjabaran alternatif pada setiap kriteria dengan nilai. Berikut perhitungan berdasarkan comtoh kasus. Tabel 4.7 Alternatif

ALTERN

ATIF KTP KK NPWP RK SG SRP DANI Lengkap Ada Ada Ada Ada Ada YUSUF Pemohon Ada Ada Ada Ada Tidak

RIAN Pemohon Ada Ada Tidak Tidak Ada

Berdasarkan data diatas, dibentuk matriks keputusan dengan label yang dikonversikan dengan nilai, seperti tabel berikut:

Tabel 4.8 Ranking kecocokan alternatif pada setiap kriteria

Alternatif K1 K2 K3 K4 K5 K6 A1 2 1 1 1 1 1 A2 1 1 1 1 1 0 A3 1 1 1 0 0 1

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan nilai kecocokan, maka semua kriteria yang diberikan telah diasumsikan.

2.

Pembobotan freferensi dan matriks keputusan. Bobot preferensi untuk setiap kriteria K1, K2, K3,…K6=3,3,3,3,4,4

339 Matriks keputusan yang terbentuk dari tabel

rangking kecocokan adalah :

2 1 1 1 1 1

1 1 1 1 1 0

1 1 1 0 0 1

3.

Hitung bobot dari keseluruhan kriteria dengan menggunakan metode topsis dengan langkah sebagai berikut :

a.

Rangking Tiap Alternatif

Topsis membutuhkan rangking kinerja setiap alternatif Ai pada setiap Kj yang ternormalaisasiyaitu :







2 ij m j i ij ij

x

x

r

dengan i= 1, 2,…m; j= 1, 2,…n

Dengan menentukan bobot untuk masing-masing ktiteria pemberian KPR kepada nasabah pemohon yaitu :

Kriteria 1 449 , 2 1 1 22 2 2 1     x

Nilai dari A1 dengan K1

816

,

0

449

,

2

2

1 11 11







x

x

r

Nilai dari A2 dengan K1

408

,

0

449

,

2

1

1 21 21







x

x

r

Nilai dari A3 dengan K1

408

,

0

449

,

2

1

1 31 31







x

x

r

Kriteria 2 732 , 1 1 1 12 2 2 2     x

Nilai dari A1 dengan K2

577

,

0

732

,

1

1

2 12 12







x

x

r

Nilai dari A2 dengan K2

577

,

0

732

,

1

1

2 22 22







x

x

r

Nilai dari A3 dengan K2

577

,

0

732

,

1

1

2 32 32







x

x

r

Kriteria 3 732 , 1 1 1 12 2 2 3     x

Nilai dari A1 dengan K3

577

,

0

732

,

1

1

3 13 13







x

x

r

Nilai dari A2 dengan K3

577

,

0

732

,

1

1

3 23 23







x

x

r

Nilai dari A3 dengan K3

577

,

0

732

,

1

1

3 33 33







x

x

r

Kriteria 4 414 , 1 0 1 12 2 2 4     x

Nilai dari A1 dengan K4

707

,

0

414

,

1

1

4 14 14







x

x

r

Nilai dari A2 dengan K4

707

,

0

414

,

1

1

4 24 24







x

x

r

Nilai dari A3 dengan K4

0

414

,

1

0

4 34 34







x

x

r

Kriteria 5 414 , 1 0 1 12 2 2 5     x

Nilai dari A1 dengan K5

707

,

0

414

,

1

1

5 15 15







x

x

r

Nilai dari A2 dengan K5

707

,

0

414

,

1

1

5 25 25







x

x

r

Nilai dari A3 dengan K5

0

414

,

1

0

5 35 35







x

x

r

Kriteria 6 414 , 1 1 0 12 2 2 6     x

Nilai dari A1 dengan K6

707

,

0

414

,

1

1

6 16 16







x

x

r

Nilai dari A2 dengan K6

0

14

,

81

0

6 26 26







x

x

r

Nilai dari A3 dengan K6

707

,

0

414

,

1

1

6 36 36







x

x

r

Maka dihasilkan rangking untuk setiap alternatif yaitu :

0,816 0,577 0,577 0,707 0,707 0,707 R= 0,408 0,577 0,577 0,707 0,707 0

340

b.

Matriks keputusan ternormalisasi terbobot.

ij i ij

w

r

y



Matriks keputusan ternormalisasi terbobot didapatkan dari perkalian matriks R dengan bobot pereferensi (5, 4, 2, 5, 4, 5) yaitu :

0,816 0,577 0,577 0,707 0,707 0,707

R= 0,408 0,577 0,577 0,707 0,707 0 x 3,3,3,3,4,4 0,408 0,577 0,577 0 0 0,707

Sehingga dihasilkan matriks keputusan ternormalisasi terbobot yaitu :

2,448 1,671 1,671 2,121 2,828 2,828 Y= 1,224 1,671 1,671 2,121 2,828 0

1,224 1,671 1,671 0 0 2,828

c.

Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan rangking bobot ternormalisasi (yij), dimana nilai paling tinggi untuk masing-masing alternatif akan diangkat membentuk matriks, yaitu sebagai berikut :

);

,...,

,

,

(

₁ ₂ ₃  

_

n

y

y

y

y

A

);

,...,

,

,

(

₁ ₂ ₃  

_

n

y

y

y

y

A

1.

Nilai tertinggi K1 pada setiap alternatif (A1, A2, A3) yaitu :

y1+_{= max{2,448;1,224;1,224}= 2,448}

2.

Nilai tertinggi K2 pada setiap alternatif (A1, A2, A3) yaitu :

y2+_{= max{1,671;1,671;1,671}=1,671}

3.

Nilai tertinggi K3 pada setiap alternatif (A1, A2, A3) yaitu :

y3+_{= max{1,671;1,671;1,671}=1,671}

4.

Nilai tertinggi K4 pada setiap alternatif (A1, A2, A3) yaitu :

y4+_{= max{2,121;2,121;0}=2,121}

5.

Nilai tertinggi K5 pada setiap alternatif (A1, A2, A3) yaitu :

y5+_{= max{2,828;2,828;0}=2,828}

6.

Nilai tertinggi K6 pada setiap alternatif (A1, A2, A3) yaitu :

y6+_{= max{2,828;0;2,828}=2,828}

maka dihasilkan matriks untuk solusi ideal positif (A+_{) yaitu:}

A+_{= max {2,448 ; 1,671 ; 1,671 ; 2,121 ;}

2,828; 2,828}

1. Nilai terendah K1 pada alternatif (A1, A2, A3) yaitu :

y1- _{= min{2,448 ; 1,224 ;1,224}=}

1,224

2. Nilai terendah K2 pada alternatif (A1, A2, A3) yaitu :

y2- _{= min{1,671 ;1,671 ;1,671}=1,671}

3. Nilai terendah K3 pada alternatif (A1, A2, A3) yaitu :

y3- _{= min{1,671 ; 1,671 ;1,671}=}

1,671

4. Nilai terendah K4 pada alternatif (A1, A2, A3) yaitu :

y4- _{= min{2,121 ;2,121 ;0}= 0}

5. Nilai terendah K5 pada alternatif (A1, A2, A3) yaitu :

y5- _{= min{2,828;2,828;0}= 0}

6. Nilai terendah K6 pada alternatif (A1, A2, A3) yaitu :

y6- _{= min{2,828;0;2,828} = 0}

maka dihasilkan matriks untuk solusi ideal negatif (A-_{) yaitu:}

A-_{= min {1,224 ; 1,671 ; 1,671; 0 ;0 ;0}}

d.

Jarak antara nilai terbobot setiap alternatif. Jarak antara nilai terbobot setiap alternatif dengan solusi ideal positif (D+_{) dan dengan}

solusi ideal negatif (D-_{) adalah :}



   _ n _ j ij i i y y D 1 2 ) ( dengan I = 1,2,…



   _ n _ j i ij i y y D 1 2 ) ( dengan I = 1,2,…

Untuk alternatif (A1) jarak nilai terbobot solusi ideal positif yaitu :

D1= 0 2,828) -(2,828 2,828) -(2,828 2,121) -(2,121 1,671) -(1,671 1,671) -(1,671 2,448) -(2,448 2 2 2 2 2 2      

Untuk alternatif (A2) jarak nilai terbobot solusi ideal positif yaitu :

D2+₌ 081 . 3 2,828) -(0 2,828) -(2,828 2,121) -(2,121 1,671) -(1,671 1,671) -(1,671 2,448) -(1,224 2 2 2 2 2 2      

Untuk alternatif (A3) jarak nilai terbobot solusi ideal positif yaitu :

D3+₌ 872 , 3 2,828) -(2,828 2,828) -(0 2,121) -(0 1,671) -(1,671 1,671) -(1,671 2,448) -(1,224 2 2 2 2 2 2      

Untuk alternatif (A1) jarak nilai terbobot solusi ideal negatif yaitu :

D1-₌ 457 , 4 0) -(2,828 0) -(2,828 0) -(2,121 1,671) -(1,671 1.671) -(1,671 1,224) -(2,448 2 2 2 2 2 2      

Untuk alternatif (A2) jarak nilai terbobot solusi ideal negatif yaitu :

341 D2-₌ 22 , 3 0) -(0 0) -(2,828 0) -(2,121 1,671) -(1,671 1.671) -(1,671 1,224) -(1,224 2 2 2 2 2 2      

Untuk alternatif (A3) jarak nilai terbobot solusi ideal negatif yaitu :

D3-₌ 827 , 2 0) -(2,828 0) -(0 0) -(0 1,671) -(1,671 1.671) -(1,671 1,224) -(1,224 2 2 2 2 2 2      

e.

Kedekatan setiap alternatif terhadap solsi ideal

Nilai pereferensi untuk setiap alternatif yang memiliki nilai tertinggi akan menjadi solusi dan hasil keputusan yang terbaik, sebagai berikut :   





i i i

D

D

D

Vi

dengan i = 1, 2…m A1 =

1

0

457

,

4

457

,

4

1







V

A2 =

0

,

533

081

,

3

22

,

3

22

,

3

2







V

A3 =

0

,

422

872

,

3

827

,

2

827

,

2

3







V

Nilai terbesar ada pada A1 sehingga alternatif A1 adalah alternatif yang terpilih sebagai alernatif terbaik.dengan kata lain DANI akan terpilih sebagai nasabah yang paling layak dan diterima permohonan KPRnya

IV. IMPLEMENTASI

A. FormLogin Admin

Form login admin yang harus diisi admin

untuk masuk kedalam sistem.

Gambar 1 Form Login Admin B. Form Menu UtamaAdmin

Form menu utama yang terdiri dari menu data

nasabah, data kriteria dan logout.

Gambar 2 Form Menu Utama Admin C. FormData Nasabah

Form data nasabah, pada form data nasabah ini

admin dapat menginputkan data yang berhubungan dengan nasabah dan juga menampilkan data dari database.

Gambar 3 Form Data Nasabah D. Form Kriteria

Form data kriteria, pada form data kriteria ini admin dapat menginputkan data kriteria dan

akan menampilkan data kriteria dari database yang sudah diinputkan.

Gambar 4 Form Kritera E. Form Proses SPK

Form Proses SPK, pada form use

rmenginputkan nilai kriteria-kriteria dan akan

menampilkan data alternatif dari database yang sudah diinputkan.

Gambar 5 Form Proses SPK F. Form Analisis detail SPK

Form ini hasil tampilan analisis perhitungan perhitungan Spk secara mendetail ataupun secara rinci.

342 Gambar 6 Form Anlisis Detail Proses SPK

G. Form Hasil Proses

form hasil proses spk.

Gambar 7 Hasil Proses V. KESIMPULAN

Adapun kesimpulan yang di peroleh dari penulisa skripsi ini adalah sebagai berikut:

1. Setelah melakukan penelitian didapatlah suatu prosedur yang selalu memiliki banyak kendala seperti proses pengambilan kepusutan yang kurang efektif maka memerlukan waktu yang cukup lama dalam mengambil keputusan. 2. Metode TOPSIS dapat di terapkan dalam

menentukan pemberian KPR dengan kriteria kartu tanda penduduk 15%, kartu keluarga 15%, NPWP 15%, rekening koran 15%, Slip gaji 20%, dan surat rekoendasi perusahaan 20%. Pengambilan keputusan dengan menambahkan alternatif statis dengan nilai bobot setiap kriteria paling tinggi sehingga mendapatkan hasil akhir alternatif yang di rekomendasikan di terima atau di tolak menerima KPR.

3. Aplikasi sistem pendukung keputusan yang di rancang dengan microsoft basic 2008 dapat menentukan pemberian KPR pada nasabah pemohon yang di dalamnya terdapat form login

admin, menu utama admin, data nasabah,

kriteria, proses SPK, hasilproses dan laporan. DAFTAR PUSTAKA

1. Dadan Umar Daihani 2001, Komputasi Pengambilan Keputusan, Penerbit: PT Elex Media Komputindo Kelompok Gramedia jakarta.

2. Djumhana, 2006, Perkreditan Pada Bank Andi Yogyakarta. 3. Edi Winarno ST, M.Eng, Ali Zaki SmitDev Community, 2010 Dasar-Dasar Pemrograman Dengan Visual Basic 2010, Penerbit: PT Elex Media Komputindo Kompas Gramedia, Anggota IKAPI jakarta.

4. S. K. Dewi, Wardoyo, Hartati, and Harjono, Fuzzy Multi

Attribute Decision Making (Fuzzy MADM). Jakarta: Graha

Ilmu, 2009.

5. Mesran, G. Ginting, Suginam, and R. Rahim, “Implementation of Elimination and Choice Expressing Reality ( ELECTRE ) Method in Selecting the Best Lecturer ( Case Study STMIK BUDI DARMA ),” Int. J.

Eng. Res. Technol. (IJERT, vol. 6, no. 2, pp. 141–144,

2017.

6. Risawandi and R. Rahim, “Study of the Simple Multi-Attribute Rating Technique For Decision Support,”

IJSRST, vol. 2, no. 6, pp. 491–494, 2016.

7. E. Triantaphyllou and S. H. Mann, “USING THE ANALYTIC HIERARCHY PROCESS FOR DECISION MAKING IN ENGINEERING APPLICATIONS : SOME CHALLENGES,” Inter’l J. Ind. Eng. Appl. Pract., vol. 2, no. 1, pp. 35–44, 1995.

8. K. Bin Sumardi, M. Simaremare, and A. P. U. Siahaan, “Decision Support System in Selecting The Appropriate Laptop Using Simple Additive Weighting,” IJRTER, 2016. 9. H. A. Hasibuan, R. Purba, and A. P. U. Siahaan,

“Productivity Assessment (Performance, Motivation, and Job Training) using Profile Matching,” SSRG Int. J. Econ.

andManagement Stud., vol. 3, no. 6, 2016.

10. C.-L. Yoon, K.P., & Hwang, “Multiple Attribute Decision Making: An Introduction,” Sage Univ. Pap. Ser.

Quantative Appl. Soc. Sci., pp. 47–53, 1995.

11. K. Safitri, F. T. Waruwu, and M. Mesran, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN BERPRESTASI DENGAN MENGGUNAKAN METODE ANALYTICAL HIEARARCHY PROCESS (Studi Kasus : PT.Capella Dinamik Nusantara Takengon),” MEDIA Inform.

BUDIDARMA, vol. 1, no. 1, Feb. 2017.

12. Umar Husain, 2003, Metode Riset Prilaku Konsumen Jasaa, Penerbit Ghalia Indonesia, jakrta