SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN
PENGAJUAN KREDIT SEPEDA MOTOR MENGGUNAKAN
METODE SCORING SYSTEM
Emil Wasana1)
1) S1 / Jurusan Siste Informasi, Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya
Abstract: Kegiatan kredit merupakan hal yang wajar dikalangan masyarakat, kegiatan dengan mencicil barang
atau benda maupun jasa, saaat ini banyak dilakukan terutama sepeda motor untuk mobilitas. Seiring bertambahnya kemampuan daya beli masyarakat, baik barang atau benda, maupun jasa semakin tinggi permintaan kreditnya. Kelayakan pengajuan kredit menjadi salah satu syarat yang harus dilalui seorang pemohon kredit sebelum bisa melakukan kredit sepeda motor. Hal tersebut sangat penting karena untuk menghindari kredit macet. Masalah yang dibahas dalam topik ini adalah bagaimana membuat sistem pendukung keputusan yang mampu memberikan dukungan kepada credit comitee untuk kelayakan pengajuan kredit sepeda motor menggunakan Scoring System
Keywords: Scoring System, Decision Support System
Minat masyarakat menggunakan jasa finance untuk memiliki kendaraan bermotor sangat tinggi, khususnya roda dua atau sepeda motor. Tingginya kebutuhan akan sepeda motor mendorong
High Distinction (HD) Finance mencoba
merambah industri baru, yaitu pembiayaan sepeda motor. Sebelumnya, HD Finance hanya fokus di industri makanan. Ada empat fokus HD Finance dalam melayani nasabahnya. Satu, kecepatan pelayanan, dua, kemudahan dalam mendapatkan persetujuan kredit, tiga, paket angsuran dan uang muka yang kompetitif, empat, pelayanan yang ramah dan professional.
Di HD Finance keputusan kelayakan kredit berdasarkan pada kelengkapan dan kevalidan dari data-data manual yang diperoleh dari kegiatan administrasi kredit yaitu kegiatan analisis
kredit serta judgement dari pihak panitia kredit. Untuk memperoleh Kredit Kepemilikan Kendaraan Bermotor (KKB), calon peminjam harus mengikuti prosedur peminjaman kredit yang berlaku di HD Finance, yaitu calon peminjam terlebih dahulu menentukan kendaraan yang akan dibeli dengan menunjuk pada dealer tertentu, perseorangan atau lainnya. Selanjutnya, calon peminjam mengisi aplikasi permohonan kredit dilengkapi dengan semua persyaratan administrasinya. Kemudian pihak HD Finance akan menindaklanjuti permohonan kredit tersebut dengan melakukan kegiatan administrasi kredit.
Selama ini, kegiatan administrasi kredit yang meliputi kegiatan analisis secara kuantitatif dan kualitatif dilakukan secara manual dan sering kali tidak
objektif. Salah satu faktor yang menyebabkan kegiatan pengambilan keputusan memakan waktu yang lama adalah penyajian data yang diperoleh dari kegiatan administrasi kredit disajikan dalam bentuk kualitatif atau tidak dalam bentuk angka.
Untuk membantu mengatasi masalah tersebut, maka perlu adanya metode penyelesaian dalam ketepatan pengambilan keputusan kelayakan kredit kepemilikan kendaraan bermotor. Dalam system penilaian kelayakan ini kriteria-kriteria yang telah di tentukan akan dihitung menggunakan metode scoring system.
Penerapan metode scoring system dalam sistem penilaian kelayakan ini digunakan untuk memberikan suatu informasi kepada manager dalam menentukan kelayakan dari seorang kreditor untuk bisa menggambil kredit dengan hasil perhitungan kriteria yang diperolehnya.
Kredit
Istilah kredit berasal dari bahasa yunani (credere) yang berarti kepercayaan (truth atau faith) atau dalam bahasa latin (creditum) kepercayaan akan kebenaran (Muljono, Teguh Pudjo, 1993. Manajemen
Perkreditan Bagi Bank Komersiil, cetakan
ketiga, BPFE, Yogyakarta).
Seseorang atau suatu badan yang memberikan kredit (kreditur) percaya bahwa penerima kredit (debitur) pada masa yang akan datang akan sanggup memenuhi segala sesuatu yang telah dijanjikan. Apa yang telah dijanjikan itu dapat berupa barang, uang, atau jasa. Maka jelas tergambar bahwa arti kredit dalam bahasa ekonomi adalah penundaan pembayaran dari prestasi yang diberikan sekarang, baik dalam bentuk barang, uang maupun jasa. (Suyatno, Thomas, 1990. Dasar-dasar
Perkreditan, PT Gramedia, Jakarta)
Menurut Raymond P. Kent dalam buku karangannya yang berjudul Money
and Banking mengatakan bahwa “kredit
adalah hak untuk menerima pembayaran atau kewajiban untuk melakukan pembayaran pada waktu yang diminta, atau pada waktu yang akan datang, karena penyerahan barang-barang sekarang”
Penilaian Kelayakan Kredit
Penggunaan standart credit scoring
dipergunakan sebagai dasar pertimbangan untuk meluluskan atau menolak permintaan kredit yang diajukan. (Sutojo, Siswanto, 1995. Analisa Kredit Bank
Umum: Konsep dan Teknik, Jakarta:
Pustaka Binnaan Pressindo). Standar nilai tersebut disusun dari gabungan hasil evaluasi berbagai macam kriteria yang dapat mempengaruhi kemampuan debitur
dan kesediaan debitur melunasi kredit yang mereka terima. Karena pengaruh tiap jenis kriteria terhadap kesediaan debitur melunasi pinjaman yang mereka terima tidak sama, maka masing-masing jenis kriteria akan mempunyai bobot timbangan nilai (BTN) sendiri-sendiri.
METODE
Scoring System
Scoring system disebut juga sebagai skor skala, memerlukan suatu norma pembanding agar dapat di interpretasikan secara kualitatif. Pada dasarnya interpretasi skor skala selalu bersifat normative, artinya makna skor diacukan pada posisi relatif skor dalam suatu kelompok yang telah dibatasi terlebih dahulu.
Hal ini dapat dilakukan dengan bantuan statistic deskriptif dari distribusi data skor kelompok yang umumnya mencakup banyaknya subjek (n) dalam suatu kelompok, mean skor skala (M), deviasi standard skor skala (s) dan varians (s2), skor minimum (Xmin) dan maksimum (Xmax), dan statistic-statistik lain yang dirasa perlu.
Deskripsi data ini memberikan gambaran penting mengenai keadaan distribusi skor skala pada kelompok subjek yang dikenai pengukuran dan berfungsi sebagai sumber informasi mengenai
keadaan subjek pada aspek variable yang diteliti.
Suatu skor yang ditentukan melalui prosedur pelaksanaan menghasilkan angka-angka pada level pengukuran interval dan interpretasikan hanya dapat dihasilkan kategori-kategori atau kelompok-kelompok skor pada level ordinal. Skor-skor mentah (raw score) yang dihasilkan suatu skala merupakan penjumlahan dari skor item-item dalam skala itu (Saifuddin,2003)
Langkah-langkah penentuan kategorisasi berdasarkan jejanng (ordinal) menurut Saifuddin (1999, 107) adalah sebagai berikut:
i. Menentukan data statistic secara deskriptif berupa rentang minimum (Xmin), rentang maksimum(Xmax), luas jarak sebaran, mean teoritis (µ), dan deviasi standard (σ).
ii. Menghitung data statistic secara deskriptif sebagai berikut:
Xmin = banyaknya pertanyaan * nilai minimum.
Xmax = banyaknya pertanyaan * nilai maksimum
Luas jarak sebaran = Xmax – Xmin. σ = luas jarak sebaran / 6
µ = banyaknya pertanyaan * banyak kategori. atau
Luas jarak sebaran = Xmax – Xmin. σ = luas jarak sebaran / 6.
µ = ndata * nkategori.
dengan ndata adalah banyaknya data atau item dan nkategori adalah banyaknya kategorisasi.
iii. Menghitung p dengan menggunakan table distribusi normal, terlebih dahulu menentukan Zmin & Zmax.
Zmin = (Xmin - µ ) / σ. Zmax = (Xmax - µ ) / σ.
Untuk nilai p setelah ditemukan Zmax kemudian dicari dengan menggunakan Tabel Distribusi Nominal dengan tingkat kepercayaan 95%. Karena telah ditemukan Zmax-nya 3(kategori yang digunakan) maka tingkat kepercayaannya = 1,675
iv. Memilih p dengan nilai maksimal antara pmin dan pmax sehingga dapat ditemukan rentang skala prioritas dengan 3 kategori, yaitu:
X < (µ - (p * σ)) kategorinya rendah atau tidak layak.
(µ - (p * σ)) ≤ X < (µ + (p * σ)) kategorinya sedang atau layak.
(µ + (p * σ)) ≤ X kategorinya tinggi atau sangat layak.
Sebagai contoh, suatu skala Agresivitas terdiri dari atas 40 item yang masing-masing itemnya diberi skor yang berkisar 1, 2, 3, 4,dan 5 untuk menilai kemampuan. Dengan denikian, skor terkecil yang mungkin
diperoleh oleh subjek (Xmin) adalah 40 (yaitu 40 x 1) dan skor terbesar (xmax) adalah 200 (yaitu 40 x 5). Sehingga luas jarak sebarannya adalah 160 (yaitu 200 - 40). Dengan demikian setiap satuan standard deviasinya bernilai σ = 26 (yaitu hasil pembulatan dari 160/6) dan mean teoritisnya adalah µ = 120 (yaitu 40 * 3). Bila digolongkan ke dalam tiga kategori, maka ke enam satuan deviasi standard kita bagi ke dalam tiga bagian, yaitu:
i. X < (µ - 1,0 σ) rendah atau tidak mampu.
ii. (µ - 1,0 σ) ≤ X (µ + 1,0 σ) sedang atau cukup mampu.
iii.(µ + 1,0 σ) ≤ X tinggi atau mampu.
Sehingga dengan harga σ = 26 akan diperoleh
kategori-kategori sebagai berikut: i. X < 94 (yaitu (120 – (1,0 *
26))) rendah atau tidak mampu. ii. 94 ≤ X ≤ 146 (yaitu ((120 –
(1,0 * 26)) ≤ X ≤ (120 + (1,0 * 26)))) sedang atau mampu. iii. 146 ≤ X (yaitu (120 +(1,0 *
26))) tinggi atau mampu. Setelah ditetapkan norma seperti diatas, maka seseorang yang mendapat skor 151 didiagnosis memiliki kemampuan dan sebaliknya seseorang memiliki skor
80 didiagnosis tidak memiliki kemampuan atau tidak mampu.
Gambar 1 Document Flow Manual Proses
Penilaian Kelayakan Kredit
DFD
Gambar 2 Context Diagram Sistem Pendukung Keputusan Kelayakan
Kredit Dengan Metode Scoring System
Gambar 3 DFD level 0 Sistem Pendukung Keputusan Kelayakan Kredit Dengan
Metode Scoring System
HASIL DAN PEMBAHASAN
Proses evaluasi ini dilakukan dalam dua tahap. Tahap pertama adalah implentasi sistem dan tahap kedua adalah evaluasi terhadap kinerja sistem.
Implementasi Sistem
Implementasi adalah proses menerjemahkan dokumen hasil desain menjadi baris-perintah bahasa pemrograman komputer. Semakin baik hasil analisis dari desain yang dilakukan, maka proses ini akan lebih mudah dilakukan.
Untuk dapat mengimplementasikan metode scoring system dalam aplikasi ini, yang harus pertama kali dilakukan adalah menentukan nilai skala untuk penilaian. Perhitungan nilai skala dibagi menjadi 2 yaitu perhitungan skala kriteria yang menghasilkan nilai skala rendah, sedang, tinggi dan perhitungan nilai skala secara keseluruhan yang menghasilkan nilai sangat layak, layak, dan tidak layak. Gambar 4 dan menampilkan form kategorisasi kriteria dan Gambar 5 menampilkan form kategorisasi secara keseluruhan.
Lap Kelayakan Kredit
Lap Kelayakan Kredit Data Pengesahan kelayakan
Data Penilaian Kelayakan Lap maintenance Data Calon Peminjam
Lap Maintenance Data Dealer Rekanan Lap Maintenance Bad Debit
Data Dealer Rekanan Lap Maintenance Data Kriteria
Lap maintenance Data Item Lap maintenance Jawaban
Lap Maintenance Data Kodepos
Data Kodepos Data Jawaban
Data Bad Debit Data Item Data Kriteria Data Calon Peminjam
0 Sistem Pendukung Keputusan kelayakan Kredit
Dengan Metode Scoring System
+
Credit Comitee
Credit Analyst
[Lap Kelay ak an Kredit]
Membac a Data Bad Debit Membac a Kodepos Membac a Dealer Rek anan
Membac a Data Dis tribus i Normal
Membac a Data J awaban Membac a Data Item
Membac a Data Kriteria
Meny impan Data Dealer Rek anan Terupdate Meny impan Data Kodepos Terupdate Meny impan Data Bad Debit Terupdate Meny impan Data J awaban Terupdate Meny impan Data Item Terupdate Meny impan Data Kriteria Terupdate Meny impan Data Calon Peminjam Terupdate
[Lap maintenanc e Data Calon Peminjam]
Membac a Data Detil Penilaian Membac a Data Penilaian Membac a Data Calon Peminjam Membac a Data Kriteria Membac a Data Item Membac a Data J awaban Membac a Data Bad Debit Membac a Data Detil Penilaian
[Lap Maintenanc e Bad Debit] [Lap Maintenanc e Data Kodepos ] [Lap maintenanc e J awaban] [Lap maintenanc e Data Item] [Lap Maintenanc e Data Kriteria]
Mengubah Data Calon Peminjam
Mengubah Data Penilaian Membac a Data Calon Peminjam [Data Penges ahan k elay ak an]
[Data Penilaian Kelay ak an]
Membac a Data Penilaian Meny impan Data Penilaian Meny impan Data Detil Penilaian
Membac a Data Sk ala Kategori Kes eluruhan Membac a Data Sk ala Kategori Kriteria
Membac a Data Kriteria Membac a Data Calon Peminjam
Meny impan Data Sk ala Kategori Kriteria Meny impan Data Sk ala Kategori Kes eluruhan Membac a Data Dis tribus i Normal
Membac a Data jawaban Membac a Data Item
Membac a Data Kriteria
[Data Dealer Rek anan] [Data Kodepos ] [Data J awaban] [Data Bad Debit] [Data Item] [Data Kriteria]
Mengubah Data Dealer Rek anan Mengubah Data Kodepos Mengubah Data Bad Debit Mengubah Data J awaban Mengubah data Item Mengubah Data Kriteria Mengubah Data Calon Peminjam
Meny impan Data Dealer Rek anan Meny impan Data Kodepos Meny impan Data Bad Debit Mey impan Data J awaban Meny impan Data Item Meny impan Data Kriteria Meny impan Data Calon Peminjam
[Data Calon Peminjam] Credit Analy s t
1
Pros es Maintenanc e Data Calon peminjam Kriteria Item Bad Debit Kodepos Dealer
+ 1 CALON_PEMINJ AM 2 KRITERIA 3 ITEM 4 J AWABAN 5 BAD_DEBIT 6 KODEPOS 7DEALER_ REKANAN 2 Menentuk an Sk ala Prioritas
Menggunak an Kategori Kriteria J enjang Ordinal
+ 8 DISTRIBUSI_NORMAL 9 SKALA_KATEGORISASI_ 10 SKALA_KATEGORISA SI_KRITERIA 3 Pros es Menilai Kelay ak an Dengan Sc oring Sy s tem + 2 11 PENILAIAN 12DETIL_PENIL AIAN 4 Pros es Menges ahk an Kelay ak an Kredit Credit Analy s t Credit Analy s t Credit Analy s t Credit Analy s t Credit Analy s t Credit Credit Comitee 1CALON_PEMI NJ AM 5 Pros es Membuat Laporan 1CALON_PEMI NJ AM 2 KRITERIA 3 ITEM 4 J AWABAN 5 BAD_DEBIT 11 PENILAIAN Credit Comitee Credit Analy s t
Gambar 4 Form Data Skala Kategorisasi Kriteria
Gambar 5 Form Data Skala Kategorisasi Keseluruhan
Gambar 6 Form Laporan Skala Kategorisasi Kriteria
Gambar 7 Form Laporan Maintenance Skala Kategori Keseluruhan
Evaluasi Kinerja Sistem
Memastikan berjalannya setiap fungsi dalam aplikasi rancang bangun pendukung keputusan kelayakan pengajuan kredit sepeda motor menggunakan Scoring System ini dengan benar merupakan hal yang sangat penting. Maka dari itu uji coba sistem dilakukan terhadap aplikasi ini untuk melihat sejauh mana sistem ini berfungsi dengan baik.
Salah satu contoh langkah-langkah yang dilakukan untuk mendapatkan skala kategorisasi kriteria “capacity” (saifuddin,1999):
a. Jumlah item 5,
b. Xmin = banyaknya pertanyaan * nilai minimum
c. Xmax = banyaknya pertanyaan * nilai maksimum
5*5=25
d. Luas jarak sebaran = Xmax – Xmin 25-5=20
e. σ = luas jarak sebaran / 6 20/6=3.33
f. µ = banyaknya pertanyaan * banyak kategori 5*3=15 g. Zmin = (Xmin - µ ) / σ (1-15)/3.33=-3.00 h. Zmax = (Xmax - µ ) / σ (25-15)/3.33=3.00
i. Nilai Zmin = -3.00 maka nilai Pmin pada tabel distribusi adalah 0.0013
j. Nilai Zmax = -3.00 maka nilai Pmax pada tabel distribusi adalah 0.9987 k. X < (µ - (p * σ)) kategorinya rendah
atau tidak layak
5 < (15 - (0.0013 * 3.33))= 5<12 l. (µ - (p * σ)) ≤ X < (µ + (p * σ))
kategorinya sedang atau layak
(15 - (0.9987 * 3.33)) ≤ X < (15 + (0.9987 * 3.33))= 13≤ X <18
m. (µ + (p * σ)) ≤ X kategorinya tinggi atau sangat layak
(15 + (0.9987 * 3.33)) ≤ 25= 19≤25
Tabel 1 Hasil perhitungan Skala Kategorisasi per Kriteria
Kete rang an / krite ria CAP ACI TY CAP ITA L CON DITI ON COLL ATER AL CHAR ACTE R ZONA /ARE A Juml ah Item 5 1 3 1 1 1 Nilai Mini mal 5 1 3 1 1 1 Nilai Mak sima l 25 5 15 5 5 5 Luas Jarak Seba ran 20 4 12 4 4 4 Mea n Teor ities 15 5 9 5 5 3 Luas Stan dart Dev 3.3 3 0.6 7 2 0.67 0.67 0.67
Nilai Zmi n -3.0 0 -3.0 0 -3.0 0 -3.00 -3.00 -3.00 Nilai Pmin 0.0 013 0.0 01 3 0.0 013 0.00 13 0.00 13 0.00 13 Nilai Zma x 3.0 0 3.0 0 3.0 0 3.00 3.00 3.00 Nilai Pma x 0.9 987 0.9 98 7 0.9 987 0.99 87 0.99 87 0.99 87 Rang e Tida k Laya k 5 - 12 1 - 2 3 - 7 1 - 2 1 - 2 1 - 2 Rang e Laya k 13 - 18 3 - 4 8 - 11 3 - 4 3 - 4 3 - 4 Rang e Sang at Laya k 19 - 25 5 - 5 12 - 15 5 - 5 5 - 5 5
-Salah satu contoh langkah yang dilakukan untuk mendapatkan skala kategorisasi keseluruhan
Jumlah item 12,
a. Xmin = banyaknya pertanyaan * nilai minimum
12*1=12
b. Xmax = banyaknya pertanyaan * nilai maksimum
12*5=60
c. Luas jarak sebaran = Xmax – Xmin 60-12=48
d. σ = luas jarak sebaran / 6 48/6=8
e. µ = banyaknya pertanyaan * banyak kategori 12*3=36 f. Zmin = (Xmin - µ ) / σ (12-36)/8=-3 g. Zmax = (Xmax - µ ) / σ (60-36)/8=3
h. Nilai Zmin = -3 maka nilai Pmin pada tabel distribusi adalah 0.0013
i. Nilai Zmax = -3 maka nilai Pmax pada tabel distribusi adalah 0.9987
j. X < (µ - (p * σ)) kategorinya rendah atau tidak layak
12 < (36 - (0.0013 * 8))= 12<28 k. (µ - (p * σ)) ≤ X < (µ + (p * σ))
(36 - (0.9987 * 8)) ≤ X < (36 + (0.9987 * 8))= 29≤ X <44 (µ + (p * σ)) ≤ X kategorinya tinggi atau sangat layak
(36 + (0.9987 * 8)) ≤ 60= 45≤25
Tabel 2 Hasil perhitungan Skala Kategorisasi Keseluruhan Keterangan / kriteria Nilai
Jumlah Item 12
Nilai Minimal 12
Nilai Maksimal 60 Luas Jarak Sebaran 48 Mean Teorities 36 Luas Standart Dev 8
Nilai Zmin -3
Nilai Pmin 0.0013
Nilai Zmax 3
Nilai Pmax 0.9987 Range Tidak Layak 12 – 28 Range Layak 29 - 44 Range Sangat Layak 45 - 60
Simpulan
Dari penelitian yang telah dilakukan, dapat disimpulkan bahwa: 1. Aplikasi yang dibuat dapat mendukung
bagian credit comitee terutama dalam melakukan penilaian kelayakan kredit
dengan kriteria beserta bobot nilai yang telah ditentukan.
2. Aplikasi yang dibuat dapat memantau perkembangan penilaian kelayakan kredit dari awal pengajuan sampai selesai penilaian kelayakan.
3. Hasil Penilaian kelayakan kredit dapat digunakan untuk mengetahui para calon pemohon kredit mana yang layak diterima menjadi menjadi nasabah sesuai dengan kriteria PT. HD FINANCE.
SARAN
Beberapa saran yang bermanfaat bagi pengembangan penelitian ini selanjutnya antara lain:
1. Aplikasi dapat dibuat online sehingga dapat diakses oleh kantor cabang lain. Penelitian ini dapat dikembangkan dengan menambahkan perhitungan penilaian kelayakan kredit dengan metode lain agar dapat digunakan sebagai pembanding.
RUJUKAN
Anggayana, I Made, 2008. Sistem Pendukung Keputusan Kelayakan Kredit Modal Kerja UKM Dengan Metode Scoring System (studi kasus : BTDC Nusa Dua Bali),
Surabaya : STIKOM.
Daihaini, Dadan Umar, 2001,
Keputusan, PT. Elex Media Komputindo, Jakarta.
Herlambang, Soendoro, dan Haryanto Tanuwijaya, 2005, Sistem Informasi: Konsep, Teknologi, dan Manajemen, Graha Ilmu,
Yogyakarta.
Kendall K.E and Kendal J.E. 2002. System
analyst and Design, Rudger University School of Bussiness-Camden, Bussiness-Camden, New Jersey. Muljono, Teguh Pudjo, 1993. Manajemen
Perkreditan Bagi Bank Komersiil,
cetakan ketiga, BPFE, Yogyakarta
Saputra, Agung, 2002,
Sistem_Pendukung_Keputusan.pd f, -, -
Sutojo, Siswanto, 1995. Analisa Kredit
Bank Umum: Konsep dan Teknik,
Jakarta: Pustaka Binnaan Pressindo
Suryadi, Kadarsyah, dan M. Ali Ramdhani, 1998, Sistem Pendukung
Keputusan Suatu Wacana
Struktural Idealisasi dan
Implementasi Konsep
Pengambilan Keputusan, PT. Remaja Rosdakarya, Bandung. Suyatno, Thomas, 1990. Dasar-dasar
Perkreditan, PT Gramedia, Jakarta