ANALISIS PEMBERIAN KREDIT MOBIL DENGAN

PENDEKATAN METODE FUZZY-MAMDANI (STUDI

KASUS : PT ASTRA CREDIT COMPANIES CABANG

DAIHATSU CIBUBUR)

Andrian YaminJurusan Akuntansi Universitas Gunadarma Depok

Jl. Margonda raya No.100email: andrianyamin@ymail.com

ABSTRAKTujuan dari penelitian ini adalah untuk mengetahui cara kerja metode fuzzy-mamdani

dalam menentukan diterima atau ditolaknya suatu pengajuan kredit mobil yang bergunasebagai salah satu alternatif perusahaan dalam menganailis suatu pengajuan kredit.

Data yang digunakan adalah data primer dari Perusahaan PT.ACC berupa data calondebitur yang belum diolah dan data sekunder yaitu data keputusan kredit tersebut. Metodepengambilan sampel yang digunakan adalah random sampling dengan tidakmemeperhatikan jenis sebanyak 20 sampel. Model analisis yang digunakan adalah Fuzzy-mamdani dengan bantuan software MATLAB R2007b.Berdasarkan hasil penelitian diperolehmenunjukan bahwa Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepatditerima atau ditolaknya suatu pengajuan kredit mobil. dan dari hasil penelitian ini terdapatbeberapa perbedaan keputusan antara keputusan yang dibuat perusahaan dan keputusandengan menggunakan metode fuzzy dan perusahaan dapat menghindari kredit yang riskanakan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E yang dianggap layakoleh perusahaan tetapi tidak layak apabila menggunakan Fuzzy mamdani sehingga dapatmengurangi resiko kerugian. dan berdasarkan fuzzy mamdani, pengajuan kredit atas namaNurikmah dan uki Irwansyah yang ditolak oleh perusahaan adalah layak untuk diterima,sehingga dapat menambah pemasukan perusahaan dan menambah keuntunganperusahaan.Kata Kunci : Ketidakpastian, Penentuan Kredit mobil, Logika fuzzy.

PendahuluanPerkembangan dan kemajuan zaman saat ini berdampak pada tingginya kebutuhan

manusia untuk melakukan mobilitas dalam aktifitasnya sehari-hari. Kendaraan sebagai alat

transportasi menjadi kebutuhan yang sulit diabaikan keberadaanya, karena sangat berperan

penting untuk memenuhi seluruh aktifitas dan mobilitas manusia sehari-hari. Kebutuhan

terhadap kendaraan ini khususnya kendaraan roda empat terkadang tidak dapat terpenuhi

karena faktor finasial dan tingginya harga yang harus dibayar untuk memilikinya.mengingat

harganya yang mahal maka akan kesulitan bagi sebagian orang untuk memilikinya

Karena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat

secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Companies sebagai

salah satu perusahaan pembiayaan tersebut hadir untuk menawarkan solusi bagaimana bisa

memiliki kendaraan tanpa harus membeli secara tunai, PT Astra Credit Companies adalah

suatu perusahaan yang tergabung dalam astra group yang memberikan kemudahan bagi calon

pelanggan untuk bisa memiliki kendaran khususnya mobil dengan cara pembelian kredit.

Namun untuk menyetujui suatu pengajuan kredit ada beberapa factor yang harus

diperhatikan oleh seorang credit analys sebagai dasar untuk jaminan bahwa seorang debitur

akan melunasi hutangya dengan baik. Seorang credit analys harus memperhatikan aspek 5C

yaitu collateral, capacity, capital, character, condition . Dengan memperhatikan factor factor

tersebut.

RumusanMasalah

Berdasarkan latar belakang masalah diatas dapat dirumusukan permasalahan sebagai berikut:

1. Apakah metode Fuzzy dapat menganalisa secara tepat diterima atau ditolaknya suatu

pengajuan kredit mobil?

Batasan Masalah

Untuk membatasi luasnya penjabaran dan pembahasan dalam penulisan skripsi ini

maka penulis menggunakan data pengajuan kredit mobil PT ACC yaitu 20 calon debitur yang

diambil secara acak sejak tahun 2010 sampai dengan tahun 2011.

Tujuan Penelitian

Adapun Tujuan Dari penulisan Skripsi ini Adalah :

Mengetahui cara kerja metode fuzzy-mamdani dalam menentukan diterima atau ditolaknya

suatu pengajuan kredit mobil.

Manfaat Penelitian

1. Manfaat Akademis

Adapun manfaat akademis penulisan ini adalah untuk menambah pengetahuan dan

wawasan,baik bagi penulis maupun bagi pembaca agar lebih memahami tentang

materi yang disajikan dan sampai sejauh mana penulis dapat menerapkan ilmu-ilmu

yang telah diperoleh didalam perkuliahan serta kemampuan penulis dalam

memecahkan masalah.

2. Manfaat Praktis

Hasil penulisan ini diharapkan dapat bermanfaat bagi perusahaan khususnya PT.

ACC. Yaitu dalam meganalisa suatu permohonan kredit dapat mengandalkan salah satu

alternatif lain yaitu pendekatan logika fuzzy

Dasar Teori

Logika Fuzzy

Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau

biasanya berada diluar model matematis dan bersifat inexact. Konsep ketidakpastian

inilah yang menjadi konsep dasar munculnya konsep logika fuzzy.

Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California

University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu

himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota

dan bukan anggota.

Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatuhimpunan A,

yang sering ditulis dengan µ A [x], memiliki 2 kemungkinan, yaitu (

Kusumadewi, 2003: 156 ) :

- Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.

- Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu

himpunan.

Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau

Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1.

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan

himpunanbilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke

kanan.Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif

(Kusumadewi, 2003: 159 ) .

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam

semestpembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy (Kusumadewi,

2001:12 ).

Fungsi keanggotaan (membership function) adalah suatu kurva yang mejukkan

pemetaan titik-titik input data kedalam nilai keanggotaan yang meminterval antara 0 sampai 1

Salah satu cara yang dapat digunakan untuk mendapatkannilai keanggotaan adalah dengan

melalui pendekatan fungsi. Ada beberapa fungsi bisa digunakan diantaranya :

1.representasi linear

2.representasi segitiga

3.representasi trapesium

4.representasi kurva bentuk bahu

5.representasi kurva S

6.representasi bentuk lonceng

Sistem Inferensi FuzzyMetode Mamdani

Metode mamdani sering juga dikenal dengan nama metode min–max. Metodini

diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapaoutput diperlukan 4

tahapan, diantaranya :

1. Pembentukan himpunan fuzzy

Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi

satu atau lebih himpunan fuzzy.

2. Aplikasi fungsi implikasi

Pada Metode Mamdani, fungsi implikasi yang digunakan adalah min.

3. Komposisi aturan

Metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu Metode

max (maximum). Secara umum dapat dituliskan :

µsf[Xi] = max (µsf [Xi], µkf [Xi])

Dengan :

µsf[Xi] = nilai keanggotaan solusi fuzzy sampai aturan ke i

µkf [Xi]) = nilai keanggotaan konsekuan fuzzy aturan ke i

4. Penegasan (defuzzy)

Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode

centroid. Dimana pada metode ini, solusi crisp diperoleh dengan cara mengambil

titik pusat daerah fuzzy. Secara umum dirumuskan (Bo Yuan, 1999) :

Ada dua keuntungan menggunakan metode centroid, yaitu (Kusumadewi, 2002):

1. Nilai defuzzyfikasi akan bergerak secara halus sehingga perubahan dari suatu

himpunan fuzzy juga akan berjalan dengan halus.

2. Lebih mudah dalam perhitungan.

Metode Penelitian

Identifikasi Data

Identifikasi data dilakukan dengan penentuan variabel yang diperlukan dalam

melakukan perhitungan dan analisis masalah.

Variabel - variabel yang digunakan dalam penelitian ini adalah variabel dependen

yaitu 20 data calon debitor yang diambil secara acak dan 9 variabel independen yaitu Jumlah

uang muka yang dibayarkan calon debitur, Kondisi tempat tinggal calon debitor, Jenis

pekerjaan/ profesi seorang calon debitor, Penghasilan perbulan seorang debitur, Penghasilan

tambahan seorang debitur, Jumlah taggungan yang ditanggung oleh calon debitor,

Perputaran kas seorang calon debitor, Karakter calon debitor, dan Keadaan global kondisi

ekonomi.

Pembentukan himpunan fuzzy

Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau

lebih himpunan fuzzy.

Aplikasi fungsi implikasi

Pada metode mamdani, fungsi implikasi yang digunakan untuk tiap – tiap aturan adalah

fungsi min.

Penegasan (defuzzy)

Proses penegasan (defuzzyfikasi) menggunakan bantuan software matlabR2007b

dengamenggunakan fasilitas yang disediakan pada toolbox fuzzy.

Pengumpulan dan Pengolahan Data

Pengumpulan Data

Dalam penulisan ini menggunakan data Primer dan sekunder. Data Primer berupa

data 20 orang calon debitur PT ACC yang diambil secara acak dalam periode September

2010 sampai juli 2011yang diberikan untuk keperluan penelitian ini. Sedangakan data

sekunder didapat melalui Studi pustaka

Untuk mencari perbedaan antara metode yang dipalai perusahaan dengan metode

fuzzy dibutuhkan data pengajuan dan keputusan Kredit perusahaan terhadap calon

debiturnya. Dapat dilihat pada tabel 1

no Calon debitur

DP

(jutaa

n)

Tempat

tinggalprofesi

Pengh

asilan

pokok

Pengh

asilan

tamba

han

Jml.

tang

gun

gan

Perputa

ran kasReputasi

Keadaan

globalKeputusan

1 Boih sustiawan 20 sederhana PNS 6.4 6 4 Kecil Baik Stabil Diterima

2 Putut wibisono 15 sederhana marinir 3.7 9 4 Sedang Baik Stabil Diterima3 Gugun gunadi 10 menengah karyawan 4 7 3 Besar Baik Stabil Diterima

4 Siti mardianti 18,5 Sederhana karyawan 1.3 2 4Sangat

besar Baik Stabil Diterima

5 Made sukarma 10 Sederhana direktur 11 0 4 Besar Baik Stabil Diterima6 Adhel cornelis 10 Mewah karyawan 26.5 0 3 Besar Baik Stabil Diterima7 Krisna pramono 10 Sederhana PNS 8.4 3.2 4 Sedang Baik Stabil Diterima8 Amdy rifanie 30 Sederhana TNI AU 4 0 4 Kecil Baik Stabil Diterima

9 Prana mangun 15 Menengah

Pemilik

perusahaa

n

35 0 3Sangat

besar Baik Stabil Diterima

10 Imron sobari 15 sederhana karyawan 4 5 4 Besar Baik Stabil Diterima11 Erwin ruhiyat 20 Kontrak karyawan 6 0 3 Sedang Buruk Stabil Diterima12 nurikmah 10 kontrak sederhana 17 0 2 Sedang Baik Stabil Ditolak13 Ferry E 15 kontrak karyawan 4 0 4 Kecil Baik Stabil Diterima14 Fauzi dinor 10 Menengah karyawan 16 0 3 Sedang Baik Stabil Diterima15 Zoelkifli anwar 10 Menengah karyawan 12 0 4 Sedang Baik Stabil diterima16 Lukman effendi 35 Mewah Pemilik 28 14 4 Sangat Baik Stabil Diterima

* DP, Penghasilan Tambahan dan Penghasilan pokok disajikan dalam jutaan Rupiah

Tabel 1.Data pengajuan dan keputusan kredit PT. ACC

perusahaa

n

besar

17 Robby H 10 Kontrak karyawan 4 0 4 Sedang Buruk Stabil Ditolak18 Uki irwansyah 15 Kontrak karyawan 2.5 8 4 sedang Baik Stabil Ditolak

19 Fachruddin 10 Menengah PNS 14 4 2Sangat

besar Baik Stabil Diterima

20 Rayanti 35 Mewah karyawan 7.5 13 2Sangat

besarBuruk Stabil Diterima

Pengolahan Data

Untuk membuat suatu fuzzy inference system yang didasari pada tabel1 diatas ,

langkah pertama adalah kita harus mengklasifikasikan atau membuat himpunan pada setiap

masing-masing varibel yang digunakan. ini juga yang membedakan antara metode

sebelumnya yaitu hanya membuat klasifikasi kelas pada beberapa varibel saja, sedangkan

pada metode fuzzy kita harus membuat himpunan pada setiap variabel

Berdasarkan hal tersebut kita harus menentukan nilai masing-masing varibel yang

berbentuk linguistik seperti pekerjaan, tempat tinggal, reputasi, kondisi ekonomi, perputaran

kas, dan approval kedalam bentuk numeric atau angka dalam tabel 2 berikut kita akan liat

penentuan nilai variabel- variabel tersebut

Input

Variabel Kelompok Himpunan Nilai

Pekerjaan

Karyawan 1

PNS/TNI/POLRI/Pendidik 2

Direktur 3

Pemilik perusahaan 4

tempat tinggal

Kontak/ menumpang 1

Sederhana 2

Menengah 3

mewah 5

reputasiBuruk 0

baik 1

Kondisi globalTidak stabil 0

stabil 1

Perputaran kas

kecil 1

sedang 2

Besar 3

Sangat besar 4

Output approvalreject 0

approve 1

Tabel 2 Penentuan nilai variabel

Langkah selanjutnya pada Tabel 3 dan 4, kita akan membuat penentuan varibel dan

semesta pembicaraan pada tabel 3 dan pembentukan himpunan fuzzy pada tabel 4 .

fungsi Variabel Semestapembicaraan keterangan

input

DP(x1) [10-30] Jumal DP Dalam bentuk

persentase

Tempat tinggal(x2) [1-4] Kondisi tempat tinggal

saat melakukan survey

Pekerjaan(x3) [1-4]

Jenis pekerjaan debitur

Penghasilan(x4) [1.3 – 35] Penghasilan er bulan

dalam jutaan rupiah

Penghasilantambahan

(X5)[2-14] Penghasilan tambahan

keluarga

Tanggungan(x6) [1-4] Tanggungan debitur,

anak kandung dll.

Perputaran kas(x7) [1-4]

dilihat dari buku

tabungan 3 bulan terakhir

Reputasi (x8) [0-1] Reputasiseorang debitur

Kondisi global(x9) [0-1]

mempengaruhikemampuan debitur

untuk melunasi hutang

output approval [0-1]

Hasil keputusan timanalis diterima atau

ditolak suatu pengajuankredit

Tabel 3. Penentuan variabel dan semesta pembicaraan

fungsi Variabel Semestapembicaraan keterangan

input

DP(x1) [10-30] Jumal DP Dalam bentuk

persentase

Tempat tinggal(x2) [1-4] Kondisi tempat tinggal

saat melakukan survey

Pekerjaan(x3) [1-4]

Jenis pekerjaan debitur

Penghasilan(x4) [1.3 – 35] Penghasilan er bulan

dalam jutaan rupiah

Penghasilantambahan(X5)

[2-14] Penghasilan tambahankeluarga

Tanggungan(x6) [1-4] Tanggungan debitur,

anak kandung dll.

Perputaran kas(x7) [1-4]

dilihat dari buku

tabungan 3 bulan terakhir

Reputasi (x8) [0-1] Reputasiseorang debitur

Kondisi global(x9) [0-1]

mempengaruhikemampuan debituruntuk melunasi hutang

output approval [0-1]

Hasil keputusan timanalis diterima atauditolak suatu pengajuankredit

Tabel 4. Himpunan Fuzzy

Langkah selanjutnya adalah membuat fungsi keanggotaan untuk tiap variabel,

yaitu Jumlah uang muka yang dibayarkan calon debitur, Kondisi tempat tinggal calon

debitor, Jenis pekerjaan/ profesi seorang calon debitor, Penghasilan perbulan seorang

debitur, Penghasilan tambahan seorang debitur, Jumlah taggungan yang ditanggung

oleh calon debitor, Perputaran kas seorang calon debitor, Karakter calon debitor, dan

Keadaan global kondisi ekonomi. Dan hasil keputusan kredit.

Gambar 1. Input variable jumlah DP

\

Gambar 2. Input variable Kondisi tempat tinggal

Gambar 3. Input variable jenis pekerjaan

Gambar 4. Input variable jenis penghasilan pokok

Gambar 5. Input variable jenis penghasilan lain

Gambar 6. Input variable jumlah tanggungan

Gambar 7. Input variable perputaran kas

Gambar 8. Input variable Reputasi

Gambar 9. Input variable keadaan global

Gambar 10. Output variable approval kredit

Setelah penentuan fungsi keanggotaan variable, maka dilakukan pembentukan aturan

logika fuzzy. Bedasarkan data-data yang ada, dapat dibentuk aturan-aturan sebagai berikut :

1. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis sedang) and (tanggungan is sedikit) and (perputaran kas is kecil) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)

2. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis besar) and (tanggungan is cukup) and (perputaran kas is sedang) and (reputasiis baik) and (keadaan global is stabil) then (approval is approve)

3. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)

4. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)

5. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)

6. if (DP is rendah) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and(penghasilan pokok is cukup besar) and (penghasilan lain is kecil) and (tanggunganis cukup) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)

7. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis kecil) and (tanggungan is sedikit) and (perputaran kas is sedang) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)

8. if (DP is Besar) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis kecil) and (tanggungan is sedikit) and (perputaran kas is kecil) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)

9. if (DP is rendah) and (tempat tinggal is menengah) 34 and (penghasilan pokok isbesar) and (penghasilan lain is kecil) and (tanggungan is cukup) and (perputarankas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then(approval is approve)

10. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is sedang) and (tanggungan issedikit) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)

11. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan iscukup) and (perputaran kas is sedang) and (reputasi is buruk) and (keadaan global isstabil) then (approval is reject)

12. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan ismenengah) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global isstabil) then (approval is reject)

13. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global isstabil) then (approval is reject)

14. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and(penghasilan pokok is cukup besar) and (penghasilan lain is kecil) and (tanggunganis cukup) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan globalis stabil) then (approval is approve)

15. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and(penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)

16. if (DP is Besar) and (tempat tinggal is mewah) 34 and (penghasilan pokok is cukupbesar) 54 and (tanggungan is sedikit) and (perputaran kas is sangat besar) and(reputasi is baik) and (keadaan global is stabil) then (approval is approve)

17. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sedang) and (reputasi is buruk) and (keadaan global isstabil) then (approval is reject)

18. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is besar) and (tanggungan issedikit) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)

19. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is cukup) and (penghasilan lain iskecil) and (tanggungan is menengah) and (perputaran kas is sangat besar) and(reputasi is baik) and (keadaan global is stabil) then (approval is approve)

20. if (DP is Besar) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) ) and (perputaran kas is sangat besar) and(tanggungan is menengah) and (perputaran kas is sangat besar) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)

21. if (DP is besar) and (tempat tinggal is mewah) and (pekerjaan is pemilik perusahaan)and (penghasilan pokok is besar) and (penghasilan lain is besar) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)

22. if (DP is sedang) and (tempat tinggal is mewah) and (pekerjaan is pemilikperusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and(tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik)and (keadaan global is stabil) then (approval is approve)

23. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is pemilikperusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and(tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik)and (keadaan global is stabil) then (approval is approve)

24. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)

25. if (DP is kecil) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)

26. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is besar) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)

27. if (DP is kecil) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)

28. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global istidak stabil) then (approval is reject)

29. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global isstabil) then (approval is reject)

30. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is besar) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)

komposisi aturan ini dibentuk pada fungsi rules editor fuzzy toolbox MATLAB 2007 :

Gambar 11.rules editor fuzzy toolbox

Untuk mengetahui keterkaitan antara variabel-variabel input dengan variabel-variabel

output, ditunjukkan dengan rule viewer seperti pada gambar 12 dibawah ini :

Gambar 12.rule viewer editor pada fuzzy toolbox

Setelah melaukan langkah-langkah diatas berarti kita sudah siap untuk

mengaplikasikan Fuzzy inference system (FIS) yang telah kita rancang dengan cara

memasukan nilai varibel input pada rules viewer pada masing-masing calon debitur untuk

mengetahui hasil yang diperoleh dengan menggunakan metode fuzzy.

Sebagai contoh kita ambil satu nama calon debitur yaitu Boih Setiawan dengan

variabel input : jumlah DP 20 % jenis pekerjaanPNS dibadan kepegawaian KASUBID

DIKLAT, Gaji pokok Rp. 6.400.000, dan penghasilan tambahan sebesar Rp.6000.000, dan

jumlah tanggungan 2 orang anak, mempunyai reputasi yag baik dan dalam kondisi global

yang stabil maka input yang kita masukan akan terlihat pada gambar 13 berikut :

Gambar 13.Input rule viewer editor pada fuzzy toolbaox

Variabel input dimasukan berurutan dari variabel pertama yaitu jumlah DP (x1)

sampai varibel terakhir yaitu kondisi global (x9).

Input pertama yaitu jumlah DP menunjukan nilai 20 yang berarti jumlah DP

calon debitur tersebut sebesar 20%, input kedua menunjukan nlai 2 yang berarti bahwa

kondisi tempat tinggal calon debitur tersebut masuk kedalam domain sederhana, input

ketiga menunjukan nilai 2 yang berarti jenis pekerjaan adalah

PNS/TNI/POLRI/PENDIDIK, input keempat menunjukan nilai 6.4 yang berarti bahwa

penghasilan pokok calon debitur tersebut sebesar RP 6.400.000, input kelima

menunjukan nilai 6 yang berarti penghasilan lain calin debitur tersebut sebesar

RP.6.000.000, input keenam menunjukan nilai 4 yang berarti tanggungan calon debitur

tersebut masuk kedalam domain ‘sedikit’. Input ketujuh menunjukan nilai 1 yang

berarti perputaran kas pada rekening calon debitur tersebut masuk dalam domain

‘kecil’. Input berikutnya menunjukan nilai 1 yang berarti bahwa reputasi calon debitur

tersebut ‘baik’, dan input terakhir yaitu varibael ‘kondisi global’ menunjukan nilai 1

yang berarti pada saat mengajukan kredit kondisi global berada dalam domain ‘stabil’.

Untuk melihat output yang dihasilkan dapat dijelaskan pada gambar 14 berikut

Gambar 14.output rule viewer editor pada fuzzy toolbox

Dari gambar diatas bisa kita lihat nilai dari variabel output ‘approval’ yang

berada disebelah kanan atas menunjukan nilai 0.812 ini berarti bahwa pengajuan kredit

tersebut diterima karena variabel input dianggap sudah memenuhi kriteria-kriteria yang

dibutuhkan.

Untuk membandingkan hasil yang diperoleh dengan pendekatan metode fuzzy

dan data yang diperoleh dari perusahaan. Penulis menguji satu persatu dari 20 calon

debitur yang mengajukan kredit kepada perusahaan dengan cara diatas.

Dan hasil dari masing- masing variable yang telah diuji dapat kita lihat pada Tabel 5

berikut :

no Calon debitur X1 X

2

X

3

X4 X5 X6 X7 X8 X9output

keputusan

1 Boih sustiawan 20 2 2 6.4 6 4 1 1 1 0,81 DITERIMA

2 Putut wibisono 15 2 2 3.7 9 4 2 1 1 0,86 DITERIMA

3 Gugun gunadi 10 3 1 4 7 3 3 1 1 0,77 DITERIMA

4 Siti mardianti 18,

5

2 1 1.3 2 4 4 1 10,81

DITERIMA

5 Made sukarma 10 2 3 11 0 4 3 1 1 0,89 DITERIMA

6 Adhel cornelis 10 4 1 26.

5

0 3 3 1 10,86

DITERIMA

7 Krisna pramono 10 2 2 6.4 3.2 4 2 1 1 0,48 DITOLAK

8 Amdy rifanie 30 2 2 4 0 4 1 1 1 0.89 DITERIMA

9 Prana mangun 15 3 4 35 0 3 4 1 1 0,92 DITERIMA

10 Imron sobari 15 2 1 4 5 4 3 1 1 0,77 DITERIMA

11 Erwin ruhiyat 20 1 1 6 0 3 2 0 1 0,44 DITOLAK

12 nurikmah 10 2 1 16 0 2 1 1 1 0,52 DITERIMA

13 Ferry E 10 1 1 4 0 4 1 1 1 0,44 DITOLAK

14 Fauzi Diterimainor 10 3 1 16 0 3 2 1 1 0,77 DITERIMA

15 Zoelkifli anwar 10 3 1 12 0 4 2 1 1 0,77 DITERIMA

16 Lukman effendi 35 4 4 28 14 4 4 1 1 0,96 DITERIMA

17 Robby H 10 1 1 4 0 4 2 0 1 0,44 DITOLAK

Tabel 5. hasil keputusan kredit menggunakan pendekatan metode fuzzy

18 Uki irwansyah 15 1 1 2.5 8 4 2 1 1 0,77 DITERIMA

19 Fachrudin 10 3 3 14 4 2 4 1 1 0,86 DITERIMA

20 Rayanti 35 4 1 7.5 13 2 4 1 1 0,92 DITERIMA

Perbandingan Keputusan Kredit Perusahaan dengan Hasil keputusan kredit

menggunakan Pendekatan Fuzzy Theory

Berdasarkan data yang didapat dari perusahaan dan Hasil dari data yang telah diolah

dengan menggunakan pendekatan Fuzzy Theory, terdapat beberapa perbedaan dalam hasil

keputusan kredit, perbedaan ini terjadi karena metode fuzzy yang lebih flexible dan

mentolelir segala varibel input yang ada, untuk lebih jelasnya kita perhatikan tabel 6 berikut :

noCalon

debitur

DP Tempat

tinggalprofesi

Penghasilan

pokok

Penghasilan

tambahan

Jml.

tanggungan

Perputaran

kas

Reputasi

Keadaan

global

Berdasark

an Metode

AQL

Berdasark

an Metode

Fuzzy-

Mamdani

1Boih

sustiawan20 sederhana PNS 6.4 6 4 Kecil Baik Stabil Diterima Diterima

2Putut

wibisono15 sederhana marinir 3.7 9 4 Sedang Baik Stabil Diterima Diterima

3Gugun

gunadi10 menengah karyawan 4 7 3 Besar Baik Stabil Diterima Diterima

4Siti

mardianti18,5 Sederhana karyawan 1.3 2 4

Sangat

besar Baik Stabil Diterima Diterima

5Made

sukarma10 Sederhana direktur 11 0 4 Besar Baik Stabil Diterima Diterima

6Adhel

cornelis10 Mewah karyawan 26.5 0 3 Besar Baik Stabil Diterima Diterima

7Krisna

pramono10 Sederhana PNS 8.4 3.2 4 Sedang Baik Stabil Diterima Ditolak

8Amdy

rifanie30 Sederhana TNI AU 4 0 4 Kecil Baik Stabil Diterima Diterima

9Prana

mangun15 Menengah

Pemilik

perusahaan35 0 3

Sangat

besar Baik Stabil Diterima Diterima

10 Imron 15 sederhana karyawan 4 5 4 Besar Baik Stabil Diterima diterima

Tabel 6 Perbandingan Hasil keputusan perusahaan dengan hasil menggunakan metode fuzzy

sobari

11Erwin

ruhiyat20 Kontrak karyawan 6 0 3 Sedang Buruk Stabil diterima ditolak

12 nurikmah 10 Sederhana karyawan 17 0 2 Kecil Baik Stabil Ditolak Diterima

13 Ferry E 15 kontrak karyawan 4 0 4 Kecil Baik Stabil Diterima ditolak

14Fauzi

dinor10 Menengah karyawan 16 0 3 Sedang Baik Stabil Diterima Diterima

15Zoelkifli

anwar10 Menengah karyawan 12 0 4 Sedang Baik Stabil diterima diterima

16Lukman

effendi35 Mewah

Pemilik

perusahaan28 14 4

Sangat

besarBaik Stabil Diterima Diterima

17 Robby H 10 Kontrak karyawan 4 0 4 Sedang Buruk Stabil ditolak ditolak

18Uki

irwansyah15 Kontrak karyawan 2.5 8 4 sedang Baik Stabil ditolak Diterima

19Fachruddi

n10 Menengah PNS 14 4 2

Sangat

besar Baik Stabil Diterima Diterima

20 Rayanti 35 Mewah karyawan 7.5 13 2Sangat

besarbaik Stabil Diterima Diterima

KESIMPULAN

Kesimpulan yang akan penulis sajikan ini adalah merupakan rangkuman dari keseluruhan isi,

sedangkan untuk penyajian saran-saran diarahkan pada masalah yang dianggap dapat memberikan

masukan untuk perkembangan perusahaan.

Adapun kesimpulannya adalah sebagai berikut :

1. Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepat diterima atau ditoklanya suatu

pengajuan kredit mobil. Dan dari hasil penelitian ini apabila perusahaan menerima kredit yang

riskan akan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E perusahaan akan

mengalami kerugian sebesar Rp.420.000.000 dengan asumsi harga 1 unit mobil sebesar

Rp.140.000.000, dan apabila perusahaan menolak pembelian mobil secara kredit yang dengan

metode fuzzy layak untuk dierima seperti Nurikmah dan uki Irwansyah, perusahaan akan

kehilangan Pendapatan sebesar Rp.280.000.000 dengan asumsi harga 1 unit mobil sebesar

Rp.140.000.000

SARAN

Berdasarkan analisis tersebut dapat dikemukakan beberapa saran-saran sebagai

berikut :

1. Perusahaan bisa menjadikan Metode Fuzzy-Mamdani sebagai salah satu alat analisis

alternatif yang digunakan perusahaan untuk menentukan diterima atau ditolaknya suatu

pengajuan kredit Agar mengurangi Kemungkinan Kredit macet yang mengakibatkan

kerugian dan agar perusahaan tidak kehilangan pemasukan yang dapat menambah

Keuntungan Perusahaan.

2. dalam penelitian berikutnya disarankan agar penulis melibatkan faktor constrain atau

pembatas seperti pembatasan pembelian mobil pick-up untuk kalangan pribadi dan batasan

umur dalam pengajuan kredit saat kredit dilunasi .

Daftar Pustaka

Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy (Menggunakan TOOLBOXMATLAB). Jogjakarta : Graha Ilmu

Kusumadewi, Sri. 2003. Artificial Intelegence (Teknik dan aplikasinya). Jogjakarta : GrahaIlmu

Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy (Menggunakan TOOLBOXMATLAB). Jogjakarta : Graha Ilmu

Kusumadewi dan Hari purnomo. 2010.Aplikasi Logika Fuzzy untuk pendukung Keputusan.Jogjakarta : Graha Ilmu

Naba, Agus. 2009. Belajar cepat Fuzzy Logic Menggunakan MATLAB.

Jakarta : Andi

http://www.wikipedia.com

http://www.Daihatsu.co.id

http://www.Astra.co.id

http://www.bi.go.id