Sistem Pengambilan Keputusan Pemberian Kredit Pemilikan Rumah Menerapkan WASPAS
Sitti Nur Alam*
Prodi Studi Sistem Informasi, Universitas Yapis, Papua, Indonesia Email:azkadzar@gmail.com
Email Koresponding: azkadzar@gmail.com
Submitted 05-12-2022; Accepted 30-12-2022; Published 30-12-2022 Abstrak
Sistem Pendukung Keputusan (SPK) adalah sistem informasi interaktif yang menyediakan informasi, model dan memanipulasi informasi, atau membantu seseorang membuat keputusan yang akurat dan tepat sasaran. Maka diperlukan sistem pendukung keputusan untuk menentukan kelayakan nasabah dalam mengambil pinjaman ekuitas rumah (HPR).
Dalam penelitian ini, Metode Penilaian Komprehensif atau disebut WASPAS digunakan untuk menentukan kelayakan calon pemegang hipotek. Beberapa kriteria digunakan untuk membuat keputusan, termasuk usia, pendapatan, hutang, pekerjaan, dan peringkat kredit.
Kata Kunci: SPK; Kredit Pemilikan Rumah; Metode WASPAS Abstrak
Decision Support System (DSS) is an interactive information system that provides information, models and manipulates information, or helps someone make accurate and targeted decisions. So a decision support system is needed to determine the eligibility of customers to take home equity loans (HPR). In this study, the Comprehensive Assessment Method or WASPAS is used to determine the eligibility of prospective mortgage holders. Several criteria are used to make decisions, including age, income, debt, occupation, and credit rating.
Keywords: SPK; Home Ownership Loans; WASPAS Method
1. PENDAHULUAN
Pada dasarnya, orang memiliki kebutuhan dasar seperti rumah. Rumah adalah tempat paling nyaman untuk keluarga, tempat berteduh dari terik matahari dan tempat berteduh dari hujan. Rumah tidak hanya berfungsi sebagai tempat berteduh, tetapi juga sebagai tempat berkumpulnya keluarga untuk saling terhubung. Saat ini, sedikit orang yang membeli rumah dengan pinjaman berjangka karena dapat dengan mudah dibeli dengan cara mencicil atau pinjaman. Banyak orang membutuhkan apartemen atau rumah, sehingga dunia perbankan telah mengembangkan program atau produk perbankan yang disebut KPR (Kredit Pemilikan Rumah).
Saat ini, sedikit orang yang membeli rumah dengan pinjaman berjangka karena dapat dengan mudah dibeli dengan cara mencicil atau pinjaman. Banyak orang membutuhkan apartemen atau rumah, sehingga dunia perbankan telah mengembangkan program atau produk perbankan yang disebut KPR (Kredit Pemilikan Rumah) [1], [2].
Saat ini sistem penentuan pemberian kredit masih dilakukan secara manual oleh pihak bank. Sehubungan dengan permasalahan di atas, maka bank perlu mengambil keputusan untuk mendukung bank dalam menentukan penawaran atau pembayaran kepada pihak yang berkepentingan sesuai dengan kriteria yang ditetapkan oleh bank. SPK adalah sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemrosesan data. Sistem ini digunakan untuk mendukung pengambilan keputusan dalam situasi semi terstruktur dan tidak terstruktur dimana tidak ada yang tahu persis bagaimana membuat keputusan [3], [4], [5]. Saat ini perkembangan metode yang digunakan dalam Sistem Pendukung Keputusan sangat pesat, dari metode sederhana hingga metode kompleks yang mampu mengambil keputusan terbaik dari beberapa alternatif input dan metode yang dapat seperti ELECTRO, TOPSIS, SAW, VIKOR, PSI seharusnya digunakan. .
Berdasarkan penelitian sebelumnya, Nur Suchi Atmavati menjelaskan bahwa penggunaan sistem KPR di PT.
Cabang Bank Sentral Tbk. Kedir sudah baik, dan pada saat penandatanganan perjanjian pinjaman, pelayanan pinjaman cabang berjalan dengan baik sesuai dengan tugas dan kewajibannya [1].
Selain itu, Mohammad Ihsan dalam Penelitiannya berjudul “Sistem Pendukung Keputusan Kredit Usaha Menggunakan Metode Penilaian Produk Terintegrasi (WASPAS)” menemukan bahwa keputusan yang dibuat dengan menggunakan komputer lebih efektif daripada tanpa komputer. , dan dengan demikian membantu untuk membuat keputusan [4].
Metode yang digunakan dalam penelitian ini adalah metode estimasi produk kumulatif Atau WASPAS yang merupakan gabungan dari metode WP dan SAW. Dengan menggunakan metode WASPAS ini dan menggunakan beberapa kriteria yang ada, membantu untuk menentukan kelayakan pemberian pinjaman ekuitas rumah kepada pelanggan [6].
2. METODOLOGI PENELITIAN
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) pertama kalinya diperkenalkan oleh Michael S.Scott Morton pada tahun 1970-an, yang kemudian dikenal dengan istilah Management Decision System Sistems. Sistem pendukung keputusan adalah sebuah proses dalam pengambilan keputusan. Sebuah sistem ini difokuskan pada suatu masalah tertentu yang semestinya harus dapat dipecahkan oleh manager dan dapat membantu manager dalam pengambilan keputusan. Dalam sebuah sistem pendukung keputusan terdapat unsur-unsur yang saling melengkapi dalam mencapai suatu tujuan dan sasaran, unsur tersebut disebut dengan subsistem [7], [8].
2.2 KPR
KPR adalah singkatan dari Kredit Pemilikan Rumah, yaitu produk pembiayaan untuk membeli rumah dengan skema pembiayaan sampai dengan 90% dari harga murah. Hingga saat ini KPR disediakan oleh perbankan, walaupun sudah ada perusahaan pembiayaan yang menyalurkan pembiayaan dari lembaga sekunder untuk pembiayaan perumahaan (housing financing) [9], [10].
Maksud dan tujuan pemberian layanan KPR adalah untuk membantu nasabah yang ingin memiliki rumah namun tidak memiliki banyak uang tunai. Tujuannya adalah untuk lebih mementingkan kebutuhan dasar, karena rumah adalah tempat tinggal dan kegiatan lainnya. KPR adalah sarana untuk mendapatkan pinjaman, terutama rumah [9], [11], [12], [3].
3.3 Metode WASPAS
Metode WASPAS merupakan kombinasi unik dari pendekatan MCDM yang terkenal, yaitu model penjumlahan terbobot (WSM) dan model produk tertimbang (WPM), yang pada awalnya memerlukan normalisasi linier elemen-elemen matriks keputusan menggunakan dua persamaan [12], [11]. Berikut merupakan langkah-langkah kerja dari metode WASPAS yaitu:
1. Membuat Matriks Keputusan
X = [
𝑥11 𝑥12 … 𝑥1𝑛 𝑥21 𝑥11 … 𝑥2𝑛
… … … …
𝑥𝑚1 𝑥𝑚1 … 𝑥𝑚𝑛
] (1)
Dimana m adalah jumlah alternatif kandidat , n adalah jumlah kriteria evaluasi dan xij adalah kinerja alternatif sehubungan dengan kriteria j.
2. Menormalisasikan matriks x Kriteria keuntungan:
𝑥𝑖𝑗 = 𝑥𝑖𝑗
𝑚𝑎𝑥𝑖 𝑥𝑖𝑗 (2)
kriteria biaya 𝑥𝑖𝑗 =𝑚𝑖𝑛𝑖 𝑥𝑖𝑗
𝑥𝑖𝑗 (3)
3. Menghitung Preferensi (Qi)
𝑄1= 0,5 ∑ 𝑥𝑖𝑗 𝑤𝑗+ 0,5 ∏𝑛 (𝑥𝑖𝑗) 𝑤𝑗 𝑗=1 𝑛
𝑗=1 (4)
Alternatif yang terbaik merupakan alternatif yang memiliki 𝑄𝑖 dengan nilai tertinggi.
3.4 Tahapan Penelitian
Dalam melakukan penelitian, penulis melakukan beberapa tahapan penelitian, yang diantaranya adalah.
a. Studi kepustakaan, penulis melakukan studi pustaka dengan menggunakan metode studi literatu
b. Analisa masalah, penulis menganalisa masalah yang terjadi pada saat pemberian kredit dan solusi untuk mengatasi masalah tersebut.
c. Menerapkan metode WASPAS saat mengambil keputusan untuk memecahkan masalah yang muncul, saat mengambil keputusan untuk menyelesaikan masalah yang muncul.
d. Kesimpulan, setelah melakukan penerapan metode WASPAS selanjutnya penulis menyimpulkan seluruh tahapan- tahapan yang sudah dibuat oleh penulis.
3. HASIL DAN PEMBAHASAN
Dalam penelitian ini, penulis menganalisis beberapa atribut atau kriteria penentuan penerimaan bantuan. Dalam menentukan kelayakan nasabah untuk menerima KPR secara efektif, maka dibutuhkan sebuah metode untuk dapat memperhitungkan tingkat kelayakan nasabah tersebut. Untuk mengatasi hal tersebut maka metode yang digunakan adalah metode WASPAS yang dapat memperhitungkan kelayakan tersebut berdasarka kriteria-kriteria yang terdapat dalam
peraturan. Dalam Menerapkan metode WASPAS untuk sebuah Sistem Pendukung Keputusan, diharapkan dapat membantu pihak bank dalam menentukan kelayakan nasabah untuk menerima KPR dengan efektif dan tepat.
Dibawah ini tabel atribut atau kriteria bobot yang akan digunakan Tabel 1. Kriteria pembobotan Kriteria Keterangan Bobot W
K1 Umur 0.6
K2 Penghasilan 0.6
K3 Banyak pinjaman 0.6
K4 Pekerjaan 0.4
K5 Status kredit 0.4
Pada tabel 1 terdapat 5 kriteria, untuk penjelasan nilai setiap kriteria dapat dilihat pada tabel 3 berikut ini.
Tabel 2. Keterangan nilai kriteria
Kriteria Nilai Range Jenis
Umur (K1) Baik 51 – 100 Benefit
Buruk 10 – 50 penghasilan(K2) Baik 60 – 100 Cost
Cukup 40 – 59
Banyak Pinjaman(K3) Sangat baik 91 – 100 Benefit
Baik 81 – 90
Cukup 71 – 80 Buruk 51 – 60 Sangat buruk 10 – 30 pekerjaan(K4) Baik 60 – 100 Cost
Cukup 40 – 59 Status kredit(K5) Baik 51 – 100 Cost
Buruk 10 – 50 Berdasarkan tabel 2, maka diperoleh data rating kecocokan.
Tabel 3. Nilai Alternatif Kriteria Alternative K1 K2 K3 K4 K5
A1 90 80 70 60 45 A2 80 70 60 50 40 A3 92 75 65 45 30 A4 81 72 60 55 45 A5 91 80 70 55 30
Setelah mengetahui nilai alternatif pada kriteria. Berikutnya merubah nilai kriteria menjadi matriks keputusan.
X = [
90 80 70 60 45 80 70 60 50 40 92 75 65 45 30 81 72 60 55 45 91 80 70 55 30]
Selanjutnya melakukan normalisasi dengan melakukan persamaan dibawah ini.
𝑥𝑖𝑗 = 𝑥𝑖𝑗
𝑚𝑎𝑥𝑖 𝑥𝑖𝑗 (benefit) 𝑥11=90
92= 0.978 𝑥21=80
92= 0.870 𝑥31=92
92= 1 𝑥41=81
92= 0.880 𝑥51=91
92= 0.989 𝑥𝑖𝑗 = min 𝑥𝑖𝑗
𝑥𝑖𝑗 ( cost)
𝑥12=80
70= 0.875 𝑥22=70
70= 1 𝑥32=75
70= 0.933 𝑥42=72
70= 0.972 𝑥52=80
70= 0.875 𝑥𝑖𝑗 = 𝑥𝑖𝑗
𝑚𝑎𝑥𝑖 𝑥𝑖𝑗 (benefit) 𝑥13=70
70= 1 𝑥23=60
70= 0.857 𝑥33=65
70=0.929 𝑥43=60
70= 0.857 𝑥53=70
70= 1 𝑥𝑖𝑗 = min 𝑥𝑖𝑗
𝑥𝑖𝑗 ( cost) 𝑥14=60
45= 0.500 𝑥24=50
45= 0.600 𝑥34=45
45= 0.667 𝑥44=55
45= 0.545 𝑥54=55
45= 0.545 𝑥𝑖𝑗 = min 𝑥𝑖𝑗
𝑥𝑖𝑗 ( cost) 𝑥15=45
30= 0.500 𝑥25=40
30= 0.600 𝑥35=30
30= 0.667 𝑥45=45
30= 0.545 𝑥55=30
30= 0.545
Berdasarkan perhitungan di atas, maka terbentuk matriks keputusan sebagai berikut.
[
0.978 0.875 1 0.500 0.667 0.870 1 0.857 0.600 0.750
1 0.933 0.929 0.667 1 0.880 0.972 0.857 0.545 0.667 0.989 0.875 1 0.545 1 ]
Langkah selanjutnya yaitu menghitung nilai preferensi (Q1) menggunakan persamaan dibawah ini.
𝑄1= 0.5 ∑ 𝑥𝑖𝑗 𝑤𝑗+ 0.5 ∏ (𝑥𝑖𝑗) 𝑤𝑗 𝑛
𝑗=1 𝑛
𝑗=1
𝑄1= 0.5 ∑(0.978 ∗ 0.6) + (0.875 ∗ 0.6) + (1 ∗ 0.6) + (0.500 ∗ 0.4) + (0.667 ∗ 0.4)
= 0.5 ∑(0.587 + 0.525 + 0.6 + 0.2 + 0.267)
= 0.5 ∑(2.18)
= 0.5 ∗ 2.18
= 1.090
= 0.5 ∏(0.978)0.6∗ (0.8750.6) ∗ (10.6) ∗ (0.5000.4) ∗ (0.6670.4)
= 0.5 ∏(0.987 ∗ 0.923 ∗ 1 ∗ 0.758 ∗ 0.850)
= 0.5 ∏(0.587)
= 0.5 ∗ 0.587
= 0.293
= 1.090 + 0.293
= 1.383
𝑄2= 0.5 ∑(0.870 ∗ 0.6) + (1 ∗ 0.6) + (0.857 ∗ 0.6) + (0.600 ∗ 0.4) + (0.750 ∗ 0.4)
= 0.5 ∑( 0.522 + 0.6 + 0.514 + 0.240 + 0.3)
= 0.5 ∑(2.176)
= 0.5 ∗ 2.176
= 1.088
= 0.5 ∏(0.870)0.6∗ (10.6) ∗ (0.8570.6) ∗ (0.6000.4) ∗ (0.7500.4)
= 0.5 ∏(0.920 ∗ 1 ∗ 0.912 ∗ 0.815 ∗ 0.891)
= 0.5 ∏(0.609)
= 0.5 ∗ 0.609
= 0.305
= 1.088 + 0.305
= 1.393
𝑄3= 0.5 ∑(1 ∗ 0.6) + (0.933 ∗ 0.6) + (0.929 ∗ 0.6) + (0.667 ∗ 0.4) + (1 ∗ 0.4)
= 0.5 ∑( 0.6 + 0.560 + 0.557 + 0.267 + 0.4)
= 0.5 ∑(2.384)
= 0.5 ∗ 2.384
= 1.192
= 0.5 ∏(10.6) ∗ (0.9330.6) ∗ (0.9290.6) ∗ (0.6670.4) ∗ (10.4)
= 0.5 ∏(1 + 0.959 + 0.957 + 0.850 + 1)
= 0.5 ∏(0.78)
= 0.5 ∗ 0.78
= 0.390
= 1.192 + 0.390
= 1.582
𝑄4= 0.5 ∑(0.880 ∗ 0.6) + (0.972 ∗ 0.6) + (0.857 ∗ 0.6) + (0.545 ∗ 0.4) + (0.667 ∗ 0.4)
= 0.5 ∑( 0.528 + 0.583 + 0.514 + 0.218 + 0.267)
= 0.5 ∑(2.111)
= 0.5 ∗ 2.111
= 1.055
= 0.5 ∏(0.8800.6) ∗ (0.9720.6) ∗ (0.8570.6) ∗ (0.5450.4) ∗ (0.6670.4)
= 0.5 ∏(0.926 + 0.983 + 0.912 + 0.785 + 0.850)
= 0.5 ∏(0.554)
= 0.5 ∗ 0.554
= 0.277
= 1.055 + 0.277
= 1.332
𝑄5= 0.5 ∑(0.989 ∗ 0.6) + (0.875 ∗ 0.6) + (1 ∗ 0.6) + (0.545 ∗ 0.4) + (1 ∗ 0.4)
= 0.5 ∑( 0.593 + 0.525 + 0.600 + 0.218 + 0.400)
= 0.5 ∑(2.337)
= 0.5 ∗ 2.337
= 1.168
= 0.5 ∏(0.9890.6) ∗ (0.8750.6) ∗ (10.6) ∗ (0.5450.4) ∗ (10.4)
= 0.5 ∏(0.993 + 0.923 + 1 + 0.785 + 1)
= 0.5 ∏(0.72)
= 0.5 ∗ 0.72
= 0.360
= 1.168 + 0.360
= 1.528
Maka menurut hasil perhitungan tingkat tinggi Nilai pada tabel di atas diolah dengan prosedur WASPAS untuk menghasilkan nilai rating sebagai berikut.
Tabel 4. Nilai Peringkat Alternatif Nilai Rangking
A3 1.582 1
A5 1.528 2
A2 1.393 3
A1 1.383 4
A4 1.332 5
4. KESIMPULAN
Kesimpulan berikut dapat ditarik dari pembahasan bab sebelumnya yang dimana Sistem Pendukung Keputusan kredit pemilikan rumah (KPR) dapat membantu bank untuk mengidentifikasi pelanggan yang akan menjadi penerima KPR dengan menggunakan hasil nilai akhir tertinggi. Keputusan yang diambil lebih efisien, karena dengan menggunakan Proses Sistem Pendukung Keputusan dengan WASPAS, pihak bank dapat menghitung kemungkinan diterima atau tidaknya sebagai nasabah penenerima KPR.
REFERENCES
[1] S. Barus, V. M. Sitorus, D. Napitupulu, M. Mesran, and S. Supiyandi, “Sistem Pendukung Keputusan Pengangkatan Guru Tetap Menerapkan Metode Weight Aggregated Sum Product Assesment (WASPAS),” J. Media Inform. Budidarma, vol. 2, no. 2, 2018.
[2] L. D. Jayanti, “Implementasi Metode Weighted Product Pada Sistem Pendukung Keputusan Pemberian Kredit Pada BPR BKK KARANGANYAR Kab. Pekalongan,” J. Tek. Inform. Univ. Dian Nuswantoro, 2014.
[3] M. Ickhsan, D. Anggraini, R. Haryono, S. H. Sahir, and R. Rohminatin, “Sistem Pendukung Keputusan Pemberian Kredit Usaha Rakyat Menggunakan Metode Weighted Aggregated Sum Product Assesment (WASPAS),” JURIKOM (Jurnal Ris. Komputer), vol. 5, no. 2, pp. 97–102, 2018.
[4] P. Fitriani and T. S. Alasi, Sistem Pendukung Keputusan dengan Metode WASPAS, COPRAS dan EDAS: Menentukan Judul Skripsi Mahasiswa. Yayasan Kita Menulis, 2020.
[5] S. Sugiarti, D. K. Nahulae, S. Syafrizal, T. E. Panggabean, and M. Sianturi, “Sistem Pendukung Keputusan Penentuan Kebijakan Strategi Promosi Kampus Dengan Metode Weighted Aggregated Sum Product Assesment (WASPAS),” JURIKOM (Jurnal Ris.
Komputer), vol. 5, no. 2, pp. 103–108, 2018.
[6] N. K. Sukerti, “Analisis perbandingan penerima bantuan kemiskinan dengan metode Weighted Product (WP) dan TOPSIS,”
Data Manaj. dan Teknol. Inf., vol. 17, no. 3, pp. 1–7, 2016.
[7] R. D. Arista, “Jurnal Informatika Ekonomi Bisnis MOORA sebagai Sistem Pendukung Keputusan dalam Mengukur Tingkat Kinerja Dosen,” vol. 2, 2020, doi: 10.37034/infeb.v2i4.52.
[8] E. D. S. Mulyani, “Analisis Perbandingan Sistem Pendukung Keputusan Menggunakan Metode SAW Dengan WP Dalam Pemberian Pinjaman,” Cogito Smart J., vol. 5, no. 2, pp. 239–251, 2019.
[9] G. A. Tumangkeng and N. Fatmasari, “Kualitas Produk, Suku Bunga dan Kualitas Pelayanan Pengaruhnya Terhadap Kepuasan Pelanggan KPR Bank BTN Cabang Manado,” Univ. Negeri Surabaya, vol. 1, no. 4, pp. 1–25, 2013.
[10] A. Widodo, W. Waridin, and J. M. Kodoatie, “Analisis pengaruh pengeluaran pemerintah di sektor pendidikan dan kesehatan terhadap pengentasan kemiskinan melalui peningkatan pembangunan manusia di Provinsi Jawa Tengah,” J. Din. Ekon.
Pembang., vol. 1, no. 1, pp. 25–42, 2011.
[11] S. R. Simbolon, B. Andika, and E. F. Ginting, “PENERAPAN METODE WEIGHTED AGGREGATED SUM PRODUCT ASSSESMENT (WASPAS) DALAM PEMBERIAN PINJAMAN UANG PADA CU MEDAN AMPLAS,” J. Cyber Tech, vol.
3, no. 6, pp. 1077–1092, 2020.
[12] M. R. DWITA, “Sistem Pendukung Keputusan Dalam Penentuan Kelayakan Pemberian Pinjaman Pada Nasabah PNM Mekaar Cabang Delitua Dengan Menggunakan Metode Weighted Aggregated Sum Product Assesment (WASPAS),” J. Cendikia Teknol.
Mulia, vol. 1, no. 1, 2021.