sistem pendukung keputusan penyeleksian pemberian kredit
TRANSCRIPT
1
Sistem Pendukung Keputusan Penyeleksian Pemberian
Kredit Bagi Calon Nasabah dengan Metode
Simple Additive Weighting
(Studi Kasus : BPR DutaBhakti Insani Kunduran
Kab.Blora)
Artikel Ilmiah
Peneliti:
Puput Yunita Sari (682011038)
Yani Rahardja, S.E, M.M
Program Studi Sistem Informasi
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Januari 2017
2
3
4
5
6
7
1. Pendahuluan
Bank merupakan suatu lembaga keuangan yang mempunyai banyak
aktivitas dimana salah satunya adalah melayani kegiatan perkreditan. Demi
kelancaran kegiatan perkreditan antara pihak bank dengan nasabah, pihak bank
perlu menilai dan menentukan calon nasabah terlebih dahulu sebelum
memberikan keputusan untuk menerima atau menolak permintaan kreditnya.
Adanya kegiatan pengkreditan pada sebuah bank tentunya merupakan salah satu
keuntungan bagi pihak bank termasuk juga pada nasabah. Perlu adanya penilaian
bagi calon nasabah sebelum pihak bank memberi keputusan menerima atau
menolak permintaan calon nasabah, hal ini dilakukan mengingat resiko piutang
cukup besar.
Sistem Pengambilan Keputusan yang dilakukan pada BPR Insani
DutaBhakti saat ini yaitu masih secara manual, serta penilaian yang dilakukan tiap
petugas di lapangan tidak sesuai dengan ketentuan yang telah ditetapkan sehingga
membutuhkan waktu beberapa hari untuk menentukan kelayakan pemberian
kredit kepada nasabah. Penyebabnya adalah proses perhitungan untuk tiap kriteria
dikerjakan secara manual sebelum dianalisa oleh sistem. Sesuai dengan peraturan
yang sudah ditentukan oleh pihak bank untuk memperoleh pinjaman, dibutuhkan
kriteria-kriteria untuk menentukan siapa yang diutamakan untuk menerima
pinjaman. permasalahan yang ada, diperlukan sebuah sistem pendukung
keputusan guna membantu penentuan dalam menetapkan seseorang yang layak
menerima pinjaman. Para pengambil keputusan dalam menentukan kebijakan
secara tepat, efisien, dan efektif memerlukan suatu model Sistem Pendukung
Keputusan (SPK). SPK merupakan alat bantu pengolahan data disertai perangkat
lunaknya guna memperbesar kemampuan pembuat keputusan, meningkatkan
ketelitian, dan mempercepat proses.
Metode yang digunakan pada penelitian ini yaitu Simple Additive
Weighting (SAW). Penggunaaan metode ini dipilih karena mampu menentukan
nilai untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang
akan menyeleksi alternatif terbaik dari sejumlah alternatif, metode SAW juga
memberikan rekomendasi penerima pinjaman dari sejumlah alternatif calon
nasabah dengan memperhitungkan kelebihan dan kekurangan calon nasabah pada
setiap kriteria penilaian yang telah ditentukan. Metode SAW ini mengharuskan
pembuat keputusan menentukan nilai bagi setiap kriteria. Total nilai untuk
alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara ratting
(yang dapat dibandingkan lintas kriteria) dan nilai tiap kriteria. Penelitian ini akan
mengangkat suatu kasus yaitu mencari alternatif terbaik berdasarkan kriteria-
kriteria yang telah ditentukan. Proses seleksi menggunakan metode SAW akan
memberikan urutan alternatif calon nasabah yang layak memperoleh kredit
sebagai hasil akhirnya.
8
2. Tinjauan Pustaka
Penelitian tentang sistem pendukung keputusan yang berhubungan dengan
pemberian kredit diantaranya, yaitu penelitian yang membahas tentang
Perancangan Sistem Pendukung Keputusan Kelayakan Kredit CV untuk Calon
Nasabah (Studi Kasus pada BMT AL Mu’awanah Bringin Kab. Semarang), pada
penelitian ini dibahas tentang sistem pendukung keputusan untuk menentukan
calon nasabah yang layak memperoleh kredit dengan menggunakan metode
Analisa Multi Kriteria (AMK) sebagai metode penyelesaian masalahnya.
Penggunaan AMK dapat memecahkan masalah kompleks dengan jumlah kriteria
yang cukup banyak dan dapat memberikan keputusan bertingkat atau berturut-
turut. Kriteria yang digunakan dalam penelitian adalah kemampuan membayar
kembali, nilai agunan, jangka waktu, lama usaha, dan status rumah. Terhadap
penilaian dilakukan dengan pemberian skor tertentu terhadap data permohonan
kredit pada setiap kriteria. Skor yang diberikan mulai dari nilai 3 yang mempunyai
kriteria sangat baik, nilai 2 mempunyai kriteia baik, nilai 1 mempunyai kriteria
cukup, dan nilai 0 mempunyai kriteria buruk, hasil penelitian menunjukan dengan
adanya aplikasi sistem pendukung keputusan dalam kelayakan pemberian kredit
maka proses analisa data calon nasabah menjadi efektif dan efisien dan sistem
tersebut dapat memberikan keputusan serta solusi saran alternatif kepada
manajerial dalam penentuan pemberian kredit. [1]
Penelitian lainnya yang dilakukan tentang Sistem Pendukung Keputusan
Kelayakan Pemberian Kredit (Studi Kasus pada BKM Artha Kawula), pada
penelitian ini menggunakan Analitycal Hierarchy Process (AHP) untuk
membantu memutuskan nasabah mana yang akan dipilih. Kriteria yang digunakan
adalah harga barang (jaminan), kualitas barang (jaminan), jumlah pinjaman, gaji
nasabah, AHP digunakan sebagai perhitungan yang nantinya akan memberikan
gambaran yang jelas dan rasional kepada pengambil keputusan tentang keputusan
yang dihasilkan. Hasil pengujian aplikasi cukup baik, sesuai dengan data-data
yang berkaitan dengan permohonan kredit. Kesimpulannya sistem yang dihasilkan
dapat memberikan kemudahan bagi manajer dalam menilai kelayakan calon
kreditor dan aplikasi yang user friendly, dimana user hanya perlu memasukkan
data-data permohonan kredit kemudian sistem yang akan mengolah data-data
tersebut dan menghasilkan suatu keputusan dalam persetujuan pengajuan kredit.
[2]
Dibandingkan dengan dua penelitian sebelumnya yang membahas tentang
SPK kelayakan kredit. Penelitian ini membahas pembuatan aplikasi Sistem
Pendukung Keputusan Penyeleksian dengan menggunakan Hypertext Prepocessor
(PHP), yaitu bahasa pemrograman yang digunakan secara luas untuk penanganan
pembuatan dan pengembangan sebuah situs web dan bisa digunakan bersamaan
dengan HyperText Markup Language (HTML), PHP diciptakan oleh Rasmus
Lerdorf pertama kali tahun 1994, dan dipadukan dengan metode SAW. Output
yang dihasilkan berupa sebuah sistem yang akan menentukan layak atau tidak
layaknya calon nasabah memperoleh kredit.
9
Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System
(DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott
Morton dengan istilah Management Decision System. Memiliki pengertian suatu
sistem yang berbasis komputer yang ditujukan untuk membantu pengambil
keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan
berbagai persoalan yang tidak terstruktur. Tujuan sistem pendukung keputusan
dalam pengambilan keputusan bukan menggantikan manajer melainkan alat yang
mendukung manajer dalam mengambil keputusan. [3]
Decision Support System adalah sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini
digunakan untuk membantu pengambilan keputusan dalam situasi yang
semiterstruktur dan situasi yang tidak terstruktur, dimana tidak seorang pun tahu
secara pasti bagaimana keputusan seharusnya dibuat. [4]
Pengertian Kredit
Istilah kredit berasal dari bahasa Yunani “Credere” yang berarti
kepercayaan, atau “Credo” yang berarti saya percaya, karena itu dasar dari kata
kredit adalah kepercayaan bahwa seseorang atau penerima kredit akan memenuhi
segala sesuatu yang telah diperjanjikan terlebih dahulu pada masa yang akan
datang. Pengertian kredit dalam arti ekonomi adalah suatu penundaan
pembayaran, yaitu uang atau barang (prestasi) yang diterima sekarang akan
dikembalikan pada masa yang akan datang berikut tambahan suatu kontra prestasi.
Secara singkat kredit berarti “suatu pemberian prestasi oleh suatu pihak
kepada pihak lain dan prestasi itu akan dikembalikan lagi pada suatu masa tertentu
yang akan datang disertai dengan suatu kontra prestasi berupa bunga”. Menurut
undang-undang pokok Perbankan No.14 tahun 1967, kredit didefinisikan sebagai
penyediaan uang atau tagihan-tagihan yang dapat disamakan berdasarkan
persetujuan pinjam-meminjam antara bank dengan pihak lain. Berdasarkan
definisi kredit, maka pihak peminjam berkewajiban melunasi hutangnya setelah
jangka waktu tertentu dengan jumlah bunga yang telah ditentukan. [5]
Metode Simple Additive Weighting (SAW)
Metode Simple Additive Weighting sering juga dikenal istilah metode
penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut
(Fishburn,1967) (MacCrimmon, 1968). Metode SAW membutuhkan proses
normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada. [6]
Metode SAW ini mengharuskan pembuat keputusan menentukan bobot
bagi setiap atribut. Nilai total untuk alternatif diperoleh dengan menjumlahkan
seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan
tingkatan tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah
melewati proses normalisasi matriks sebelumnya.
10
Kelebihan Metode Simple Additive Weighting (SAW)
Kelebihan dari metode Simple Additive Weighting dibanding dengan
model pengambil keputusan lainnya terletak pada kemampuannya untuk
melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan
bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi
alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses
perangkingan setelah menentukan bobot untuk setiap atribut. [6]
Langkah- langkah penyelesaian SAW adalah: [6]
a. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu Ci.
b. Menentukan rating kecocokan setiap alternatif.
c. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut
(atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
d. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dan perkalian
matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar
yang dipilih sebagai alternatif yang terbaik (Ai) sebagai solusi.
Diberikan persamaan. sebagai berikut :
Dimana 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 berikut :
∑
Vi = nilai prefensi
wj = bobot rangking
rij = rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih
terpilih.[1]
Langkah-langkah Penggunaan Metode SAW adalah: [6]
a. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu C.
b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
c. Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
11
atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
d. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif terbaik (A) sebagai solusi.
3. Metode Penelitian Metode yang digunakan dalam perancangan aplikasi SPK ini adalah metode
prototyping. Prototyping merupakan proses yang digunakan dalam
pengembangan perangkat lunak. Hal tersebut dikarenakan prototype memberikan
keuntungan-keuntungan diantaranya dengan adanya komunikasi yang baik antara
user dengan sistem. Sistem dan user berperan aktif dalam pengembangan sistem,
penentuan kebutuhan dalam pengembangan sistem lebih mudah diwujudkan dan
mempersingkat waktu pengembangan sistem. Secara lengkap, alur model
prototying digambarkan seperti pada Gambar 1 [7]
Gambar 1 Bagan Prototype Model (Sommervile, 1995)
Keuntungan dari metode Prototype ini, yaitu prototype lebih
mengedepankan pada requirement sehingga mampu menghasilkan sistem yang
berkualitas dan sesuai dengan keinginan dari user. Berikut ini adalah penjelasan
dari bagan prototype :
Pengumpulan Kebutuhan, pada tahap ini dilakukan analisa seluruh
kebutuhan yang diperlukan dalam perancangan perangkat lunak yang diinginkan
oleh pengguna, meliputi analisa sistem, analisa kebutuhan bahasa pemrograman
dalam membangun aplikasi sistem. Dalam pengumpulan kebutuhan sistem,
dilakukan pendekatan melalui proses wawancara dengan narasumber Kepala
Bagian Kredit BPR DutaBhakti Insani yakni Bapak Panca. Hasil dari wawancara
berupa data yang digunakan untuk penentuan kriteria-kriteria yang digunakan
dalam pengambilan keputusan seperti pekerjaan, penghasilan, nilai jaminan,
jumlah tanggungan, dan status rumah.
Perancangan, pada tahap ini dilakukan pembuatan rancangan desain sistem
menggunakan Unified Modelling Language (UML). UML adalah notasi grafis
berupa metamodel, yang membantu pendeskripsian dan desain sistem perangkat
lunak, khususnya sistem yang dibangun menggunakan pemrograman berorientasi
objek, dengan UML masalah dapat didefinisikan dengan notasi grafis, sehingga
akan mempermudah pemahaman akan sebuah sistem yang kompleks. [7]
12
Diagram Use Case adalah teknik untuk merekam persyaratan fungsional sebuah
sistem. Use Case mendeskripsikan interaksi typical antara para pengguna sistem
dengan sistem itu sendiri, dengan memberi sebuah narasi tentang bagaimana
sistem tersebut digunakan.
Evaluasi prototype, tahap evaluasi akan melakukan pengujian dan
pengevaluasian terhadap sistem untuk mengetahui apakah sistem sudah benar -
benar sesuai dengan apa yang telah dirancang pada tahap sebelumnya, apakah
sistem tersebut berhasil menggunakan metode SAW dengan benar.
Berikut diagram Use Case untuk sistem penyeleksian pemberian kredit bagi
calon nasabah yang digambarkan pada Gambar 2
Gambar 2 Diagram Use Case
Pada Gambar 2 dapat diketahui admin melakukan login terlebih dahulu,
kemudian memasukkan data kriteria, memasukkan data subkriteria, memasukkan
data alternatif, memasukkan data bobot, memproses data. Setelah melakukan
input data yang sudah selesai diproses, admin memberikan laporan kepada kepala
bagian untuk melihat hasil laporan dimana hasil akhir ini akan membantu kepala
kredit dalam menentukan keputusan pemberian kredit kepada calon nasabah.
4. Hasil dan Pembahasan
Setelah melakukan tahap perancangan aplikasi, maka pada bab ini akan
membahas pemberian bobot pada tiap kriteria, hasil perhitungan manual
menggunakan rumus persamaan metode SAW, implementasi dari perancangan,
pengujian sistem, dan hasil penelitian.
Pemberian Bobot Kriteria
Langkah awal metode Simple Additive Weighting adalah pemberian bobot di
setiap kriteria nasabah kredit. Ada lima kriteria yang telah ditetapkan yaitu :
Tabel 1 Kriteria
Kode Kriteria Bobot
C1 Pekerjaan 20 %
C2 Penghasilan 25 %
C3 Nilai Jaminan 25 %
C4 Jumlah
Tanggungan 10 %
C5 Status Rumah 20 %
13
Dari kriteria pada tabel 1, dibuat suatu tingkatan kiteria berdasarkan
identitas nasabah yang telah ditentukan kedalam nilai. Selanjutnya pengambil
keputusan memberikan bobot untuk masing-masing kriteria sebagai W terlihat
pada tabel :
Tabel 2 Penentuan Nilai W
Setelah melakukan pemberian nilai bobot pada tiap kriteria, proses
selanjutnya yang dilakukan adalah rating kecocokan tiap kriteria. Berikut rating
kecocokan tiap kriteria :
1. Pekerjaan (C1)
Tabel 3 Kriteria Pekerjaan
Kriteria Kriteria Nasabah Nilai
Pekerjaan
Petani 1
Karyawan
Swasta 2
Pedagang 3
PNS 4
2. Penghasilan (C2)
Tabel 4 Kriteria Penghasilan
Kriteria Kriteria
Nasabah Nilai
Penghasilan
< 1,5 juta 1
1,5 - 3 juta 2
3 juta - 5 juta 3
> 5juta 4
3. Nilai Jaminan (C3) Tabel 5 Kriteria Pinjaman
Kriteria Kriteria Nasabah Nilai
Nilai
Jaminan
125 - 150 % dari pinjaman 1
151 - 175 % dari pinjaman 2
176- 200 % dari pinjaman 3
> 200 % dari pinjaman 4
Kriteria Bobot Range %
C1 20 0,2
C2 25 0,25
C3 25 0,25
C4 10 0,1
C5 20 0,2
14
4. Jumlah Tanggungan (C4)
Tabel 6 Kriteria Tanggungan
Kriteria Kriteria Nasabah Nilai
Jumlah
Tanggungan
(Anak&Istri)
< 3 Orang 1
4 - 6 Orang 2
7 - 9 Orang 3
< 10 Orang 4
5. Status Rumah (C5)
Tabel 7 Kriteria Status Rumah Kriteria Kriteria Nasabah Nilai
Status
Rumah
Kontrak 1
KPR 2
Milik Orang tua 3
Milik Sendiri 4
Penghitungan Manual
Penghitungan secara manual dilakukan dengan cara perhitungan
menggunakan rumus persamaan metode SAW yang telah dibahas pada bab
sebelumnya. Data calon nasabah yang akan dilakukan seleksi pemebrian kredit
dapat dilihat pada Tabel 8. Berdasarkan kriteria dan rating kecocokan setiap
alternatif pada setiap kriteria, ditentukan penjabaran alternatif setiap kriteria yang
dikonversikan dengan nilai. Berikut perhitungan berdasarkan contoh kasus :
Tabel 8 Alternatif
Berdasarkan data di atas, dibentuk matriks keputusan dengan label [X] yang
dikonversikan dengan nilai, seperti tabel berikut : Tabel 9 Rating Kecocokan
Semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan
(benefit). Pengambil keputusan memberi bobot preferensi sebagai berikut :
C1: 20%, C2: 25%, C3:25%, C4: 10%, C5: 20
W = (0,2, 0,25, 0,25, 0,1, 0,2)
Alternatif
Kriteria
Pekerjaan
Penghasilan
Nilai
Jaminan
Jumlah
Tanggungan
Status Rumah
Febri Petani 3 juta 125 % 0 Milik Sendiri
Mukminah Karyawan Swasta 2 juta 125 % 2 Orang tua
Suratno PNS 6 juta 250 % 4 Milik Sendiri
Yuli Pedagang 13 juta 200 % 4 Milik Sendiri
Alternatif
Kriteria
C1 C2 C3 C4 C5
A1 1 2 1 1 4
A2 2 2 1 1 3
A3 4 4 4 2 4
A4 3 4 3 2 4
15
Matriks keputusan dibuat dari tabel kecocokan sebagai berikut :
1 2 1 1 4
2 2 1 1 3
X 4 4 4 2 4
3 4 3 2 4
Pertama dilakukan normalisasi matriks X berdasarkan persamaan diatas : r11 = 1 = 1 = 0,25 r12 = 2 = 2 = 0,5
Max 1 2 4 3 4 Max 2 2 4 4 4
r21 = 2 = 2 = 0,5 r22 = 2 = 2 = 0,5
Max 1 2 4 3 4 Max 2 2 4 4 4
r31 = 4 = 4 = 1 r32 = 4 = 4 = 1
Max 1 2 4 3 4 Max 2 2 4 4 4
r41 = 3 = 3 = 0,75 r42 = 4 = 4 = 1
Max 1 2 4 3 4 Max 2 2 4 4 4
r13 = 1 = 1 = 0,25 r14 = 1 = 1 = 0,5
Max 1 1 4 3 4 Max 1 1 2 2 2
r23 = 1 = 1 = 0,25 r24 = 1 = 1 = 0,5
Max 1 1 4 3 4 Max 1 1 2 2 2
r33 = 4 = 4 = 1 r34 = 2 = 2 = 1
Max 1 1 4 3 4 Max 1 1 2 2 2
r43 = 3 = 3 = 0,75 r44 = 2 = 2 = 1
Max 1 1 4 3 4 Max 1 1 2 2 2
r15 = 4 = 4 = 1
Max 4 3 4 4 4
r25 = 3 = 3 = 0,75
Max 4 3 4 4 4
r35 = 4 = 4 = 1
Max 4 3 4 4 4
r45 = 4 = 4 = 1
Max 4 3 4 4 4
Sehingga diperoleh matriks ternormalisasi R sebagai berikut :
0,25 0,5 0,25 0,5 1
R 0,5 0,5 0,25 0,5 0,75
1 1 1 1 1
0,75 1 0,75 1 1
16
Proses perangkingan diperoleh berdasarkan persamaan diatas sebagai berikut :
V1 = (0,25)( 0,2) + (0,5)(0,25) + (0,25)(0,25) + (0,5)(0,1) + (1)(0,2) = 0,4875
V2 = (0,5)( 0,2) + (0,5)(0,25) + (0.25)(0,25) + (0,5)(0,1) + (0,75)(0,2) = 0,4875
V3 = (1)( 0,2) + (1)(0,25) + (1)(0,25) + (1)(0,1) + (1)(0,2) = 1
V4 = (0.75)( 0,2) + (1)(0,25) + (0,75)(0,25) + (1)(0,1) + (1)(0,2) = 0,8875
Maka dapat disimpulkan dari hasil perhitungan nilai tertingggi sampai
nilai terendah dari sistem pendukung keputusan penyeleksian pemberian
kredit bagi calon nasabah adalah V3,V4 merupakan nilai tertinggi, V1,V2
merupakan nilai terendah. Dalam kasus ini nilai kelayakannya adalah 0,59 - 1.
Jadi Suratno dan Yuli yang layak mendapatkan pinjaman, sedangkan Febri
dan Mukminah tidak layak mendapat pinjaman.
Impelementasi
Implementasi merupakan realisasi perancangan menjadi nyata, berikut
penjelasan hasil implementasi sistem berdasarkan rancangan sistem terlihat
pada gambar dibawah ini:
Gambar 3 Form Menu Utama
Gambar 3 terdapat tampilan form menu utama yaitu halaman pertama
yang muncul ketika sistem pertama kali dijalankan. Pada menu utama terdapat
halaman depan yang berisi sejarah berdirinya BPR DutaBhakti Insani.
Gambar 4 Login Administrator
17
Gambar 4 merupakan halaman login, untuk memulai menggunakan
aplikasi ini, hal pertama yang harus dilakukan adalah memasukan username
dan password terlebih dahulu. Hal ini dilakukan untuk menjaga keamanan dan
privasi data. Pada aplikasi ini, hanya admin yang dapat mengakses sistem
serta melihat isi data.
Gambar 5 Form Menu User
Gambar 5 merupakan tampilan form setelah login, maka akan muncul
menu user yang terdiri dari data kriteria, data subkriteria, data alternatif, hasil
akhir, ubah password dan logout.
Gambar 6 Form Data Kriteria
Gambar 6 menampilkan form data kriteria seperti pekerjaan,
penghasilan, nilai jaminan, jumlah tanggungan, status rumah. Pada data
krtiteria ini admin dapat melakukan input data kriteria baru, edit dan delete.
18
Gambar 7 Form Data Subkriteria
Gambar 7 merupakan form pilihan beberapa subkriteria seperti
subkriteria jumlah tanggungan, subkriteria nilai jaminan, subkriteria
pekerjaan, subkriteria penghasilan, dan subkriteria status rumah.
Gambar 8 Form Subkriteria Jumlah Tanggungan
Gambar 8 diketahui bahwa tampilan subkriteria berisi jumlah tanggungan
dimana pada subkriteria jumlah tanggungan dibedakan beberapa kisaran yaitu
lebih dari 10 orang, 9 sampai 7 orang, 6 sampai 4 orang, dan kurang dari 3 orang.
Selain dibedakaan dari jumlah tanggungan juga terdapat pemberian nilai dengan
ranking untuk membedakan jumlah tangunggan.
Gambar 9 Form Data Subkriteria Nilai Jaminan
19
Gambar 9 dapat diketahui bahwa tampilan subkriteria, berisi nilai jaminan
dimana pada subkriteria nilai jaminan dibedakan beberapa kisaran yaitu 120
sampai 150% dari pinjaman, 151 sampai 175% dari pinjaman, 175 sampai 200%
dari pinjaman, lebih dari 200 % dari pinjaman.
Gambar 10 Form Data Subkriteria Pekerjaan
Gambar 10, diketahui bahwa dalam form subkriteria pekerjaan
digolongkan dengan nilai pekerjaan dimana jenis pekerjaan yang diberi
penilaian angka yaitu petani dengan nilai 1, karyawan swasta nilai 2,
pedagang nilai 3, dan PNS diberi nilai 4.
Gambar 11 Form Data Subkriteria Penghasilan
Gambar 11 merupakan tampilan form subkriteria, berisi nilai penghasilan
dimana pada subkriteria penghasilan dibedakan beberapa kisaran yaitu lebih
kecil dari 1.500.000, 1.500.00 – 3.000.000, 3.000.000, lebih besar dari
5.000.000.
20
Gambar 12 Form Subkriteria Status Rumah
Gambar 12 merupakan tampilan form subkriteria, berisi nilai status
rumah dimana pada subkriteria status rumah dibedakan menjadi kontrak, KPR,
milik orang tua, dan milik sendiri.
Gambar 13 Form Data Alternatif
Gambar 13 merupakan tampilan form data alternatif yang berisi nama,
jenis kelamin, alamat, jumlah tanggungan, nilai jaminan, pekerjaan,
penghasilan, status rumah serta terdapat pilihan button simpan dan batal.
21
Gambar 14 Hasil Akhir
Gambar 14 merupakan tampilan hasil akhir atau proses perhitungan
yang telah dilakukan, diperoleh A3 memiliki nilai tertinggi yaitu 1 urutan
pertama, A4 memiliki nilai 0,8875 urutan kedua, A2 memiliki nilai 0,4875
urutan ketiga, dan A1 memilik nilai 0,4875 sebagai urutan terakhir.
Pengujian Sistem
Proses pengujian sistem adalah tahap dimana data – data yang ada
dimasukkan diuji bersamaan dengan komponen dari sistem yang dibangun
untuk mengetahui dan memastikan bahwa setiap komponen sistem telah
berfungsi sesuai dengan yang diharapakan. Metode yang digunakan dalam
proses pengujian sistem ini adalah metode BlacxBox. Pengujian BlacxBox
merupakan metode pengujian yang berfokus pada persyaratan fungsional
perangkat lunak yang dibuat. Adapun pengujian sistem dengan metode
BlacxBox akan dijelaskan pada Tabel 10
22
Pola
Pengujian
Validasi
Input
Data Input Klik Hasil Uji Status
Uji Login Username
dan Password
Username
dan
Password
Valid
Username
dan
Password
dikosongkan
OK Login
Berhasil
Login
Gagal
Diterima
Form Form Menu
User,
Data Kriteria,
Subkriteria,
Jumlah
Tanggungan,
Nilai
Jaminan,
Pekerjaan,
Penghasilan,
Status
Rumah, Data
Alternatif
Data Valid
Data Invalid
OK Data
berhasil
tersimpan
Pesan
lengkapi
data
Proses Hasil
Penilaian by
Nasabah,
Periode,
History
Nasabah
Data Valid Proses Tampil Diterima
Report Hasil
Penilaian by
Form Menu
User, Periode,
List Nasabah,
Data Valid Proses Tampil Diterima
Hapus Delete All
User,
Data Kriteria,
Subkriteria,
Jumlah
Tanggungan,
Nilai
Jaminan,
Pekerjaan,
Penghasilan,
Status
Rumah, Data
Alternatif
Menu Terhapus Diterima
Logout Menu Yes
No
Kembali
ke Menu
Login
Kembali
ke Menu
Utama
Diterima
23
Berdasarkan hasil pengujian BlacxBox yang telah dilakukan, maka dapat
disimpulkan bahwa sistem ini sudah berjalan secara fungsional dan dapat
menghasilkan output sesuai dengan yang diharapkan.
Hasil pengujian sistem dilakukan untuk memastikan bahwa sistem yang
dibangun telah memenuhi uji kriteria dengan penyesuaian terhadap peraturan
yang berlaku dan membuktikan bahwa setelah sistem diuji, diperoleh hasil
yang seimbang dengan penilaian yang sebelumnya dilakukan secara manual.
Hasil inilah yang kemudian dapat digunakan sebagai data pednukung bagi
pengambil keputusan untuk menentukan calon nasabah yang akan terpilih
untuk memperoleh kredit. Dengan demikian, pada dasarnya sistem telah
menjawab kebutuhan dengan hasil pengujian sistem yang diterima serta
dipandang layak untuk diterapkan sebagai sistem penyeleksian kredit untuk
proses pengambilan keputusan.
Berdasarkan hasil perhitungan manual dan pengujian sisten yang telah
dilakukan, dapat diketahui bahwa hasil perhitungan keduanya bernilai sama
dimana diperoleh alternatif A3 yaitu Suratno bernilai 1 sehingga dinyatakan
layak mendapat pinjaman.
5. Simpulan
Kesimpulan yang diperoleh dari penelitian ini dana pembahasan yang
telah dilakukan tentang aplikasi Sistem Pendukung Keputusan Penyeleksian
Pemberian Kredit bagi Calon Nasabah dengan Metode Simple Additive
Weighting pada BPR DutaBhakti Insani Kec Kunduran Kab. Blora
membutuhkan kriteria – kriteria penilaian kelayakan kredit yang dinilai
sesuai dengan teknik penilaian kredit pada BPR DutaBhakti Insani. Hasil dari
penilaian tiap kriteria dijadikan sebagai masukkan awal dalam membuat
matriks ternormalisasi yang merupakan matriks awal dalam perhitungan
metode SAW untuk mencari alternatif terbaik, yaitu calon nasabah yang
layak memperoleh kredit yang hasilnya dirangking dari nilai tertinggi hingga
nilai terendah.
Adapun saran yang perlu dipertimbangkan antara lain (1).
Pengambilan keputusan kelayakan pemberian kredit diharapkan lebih
dikembangkan kedepannya tidak hanya menggunakan metode Simple
Additive Weighting, serta dapat lebih dikembangkan tidak hanya pada
kelayakan pemberian kredit pinjaman saja. (2). Dalam menerapkan sistem
secara terkomputerisasi, sebaiknya dilakukan pelatihan bagi karyawan oleh
BPR DutaBhakti Insani Kec Kunduran Kab. Blora, hal ini untuk
meningkatkan kemampuan karyawan dalam mengikuti perkembangan
teknologi.
24
Daftar Pustaka
[1] Afifudin, 2010, Perancangan Sistem Pendukung Keputusan Kelayakan Kredit
Untuk Calon Nasabah (Studi Kasus pada BMT AL Mu’awanah Bringin Kab.
Semarang) dengan metode Analisa Multi Kriteria (AMK), Jurnal Program Studi
Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro,
Semarang, Indonesia.
[2] Kurniawan, 2010, Sistem Pendukung Keputusan Kelayakan Pemberian Kredit
(Studi Kasus pada BKM Artha Kawula) menggunakan metode Analytical
Hierarchy Process (AHP), Jurnal Program Studi Teknik Informatika, Fakultas
Teknologi Industri, Universitas Islam Indonesia, Yogyakarta, Indonesia.
[3] Suryadi, Kadarsah, Ali Ramdhani. 2002. Sistem Pendukung Keputusan.
Bandung: Remaja Rosdakarya.
[4] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta:
Penerbit Andi.
[5] Kasmir. 2006. Dasar-Dasar Perbankan . Jakarta: Raja Grafindo Persada.
[6] Kusumadewi, Sri, dkk. 2006. Fuzzy Multi Attribute Decison Making(Fuzzy-
MADM ) Edisi 1. Yogyakarta: Penerbit Graha Ilmu.
[7] I.Sommerville. 2003. Software Engineering (Rekayasa Perangkat Lunak)/Ian
Sommerville; alih bahasa, Dra Yuhilza Hanum M.Eng.; Hilarius Wibi Hardani.
Ed. 6. Jakarta: Erlangga.
[8] Munawar. 2005. Pemodelan Visual dengan UML. Yogyakarta: Graha Ilmu
[9] H.M, Jogiyanto. 2001. Analisis dan Desain Sistem Informasi. Yogyakarta:
Penerbit Andi.
[10] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta:
Penerbit Andi.
[11] Daihani, Dadan Umar. 2011. Komputerisasi Pengambilan Keputusan. Jakarta:
PT. Elex Media Komputindo.
[12] Turban, E, dkk. 2005. Decision Support Systems And Inteligence System.
Yogyakarta. Jilid 2: Penerbit Andi.
[13] Sakur, Stendy B. 2010. PHP 5 Pemograman Berorientasi Objek Konsep dan
Implementasi. Yogyakarta: Penerbit Andi.
[14] A. Suhendar dan H. Gunadi, 2002. Visual Modelling Menggunakan UML dan
Rational Rose. Informatika.
[15] A. Kadir. 2003. Pengenalan Sistem Informasi. Yogyakarta: Penerbit Andi.