SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOBIL DENGAN METODE SIMPLE ADDITIVE WEIGHT( SAW)
SNIPTEK 2014
ISBN: 978-602-72850-5 -7
AMIK BSI Pontianak
Yoki Firmansyah
AMIK BSI Pontianak
ABSTRAK - Kredit macet adalah keadaan dimana
konsumen kredit sudah tidak sanggup membayar sebagian atau seluruh kewajibannya kepada perusahaan seperti yang telah diperjanjikan. PT Olympindo Multifinace Pontianak merupakan perusahaan leasing yang memberikan jasa kredit pembelian mobil bekas dan dana pinjaman bagi pemohon kredit dan mengambil keuntungan dari pembayaran bunga kredit. Permasalahan yang terjadi pada perusahaan adalah memberikan kredit kepada konsumen yang tepat, yaitu konsumen yang memiliki character, capacity,capital,collateral dan condition.Bagaimana menghasilkan suatu sistem pendukung keputusan yang dapat digunakan untuk membantu credit Analyst dalam memproses terbobot, analis data konsumen. Simple Additive
Weight (SAW) biasa dikenal dengan metode
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOBIL DENGAN
METODE SIMPLE ADDITIVE WEIGHT( SAW)
Deasy PurwaningtiasSimple Additive Weight (SAW) ABSTRACT - Bad credit is a situation where the
consumer credit is unable to pay part or all of its obligations to the company as has been agreed. PT Olympindo Multifinace Pontianak is a leasing company that provides used car purchase credit services and loan funds for loan applicants and takes advantage of credit interest payments. The problem that occurs in the company is giving credit to the right consumer, that is consumer having character, capacity, capital, collateral and condition.Bagaimana produce a decision support system that can be used to assist credit analyst in processing weighted, consumer data analyst. Simple Additive Weight (SAW) is commonly known as the sum method where this method requires the process of normalizing the decision matrix (X) to a scale comparable to all existing alternative ratings. Keywords: Leasing, Decision Support System, Simple Additive Weight (SAW)
PENDAHULUAN Latar Belakang
Perusahaan Leasing adalah badan usaha di luar Bank dan Lembaga Keuangan Bukan Bank yang khusus didirikan untuk melakukan kegiatan usaha: Sewa Guna Usaha,Usaha Kartu Kredit dan atau Pembiayaan Konsumen. Kegiatan usaha perusahaan leasing di bidang pembiayaan konsumen, yaitu pembiayaan kredit mobil bagi konsumen yang tertera sesuai Peraturan Presiden Republik Indonesia Nomor 9 Tahun 2009 tentang Lembaga Pembiayaan, Pembiayaan Konsumen.
PT Olympindo Multifinace Pontianak merupakan perusahaan leasing yang memberikan jasa kredit pembelian mobil bekas dan dana pinjaman bagi pemohon kredit dan mengambil keuntungan dari pembayaran bunga kredit. Permasalahan yang terjadi pada perusahaan adalah kredit macet. Kredit macet adalah keadaan dimana konsumen kredit sudah tidak sanggup membayar sebagian atau seluruh kewajibannya kepada perusahaan seperti yang telah diperjanjikan. Ketidak mampuan dalam membayar pembiayaan tersrbut,menyebabkan kerugian pada perusahaan. Kerugian tersebut dapat menghambat perkembangan perusahaan dan mengganggu operasional perusahaan, sehingga perlu dilakukan penyeleksian pada tenaga kerja yang bertindak sebagai Credit Analyst dan pemohon kredit. Pada umumnya perusahaan leasing merekrut tenaga kerja di bagian Credit Analyst untuk melakukan analisis terhadap kemampuan membayar pemohon kredit dan survey lapangan. Banyaknya pemohon kredit yang mengajukan kredit dengan kondisi ekonomi yang berbeda-beda menuntut kejelian Credit Analyst dalam pengambilan keputusan. Dalam menentukan konsumen layak kredit, seorang Credit Analyst memperhatikan beberapa prinsip faktor-faktor yang ada. Adapun faktor-faktor yang dijadikan patokan dalam pengambilan keputusan oleh bagian Credit Analyst, yaitu :
1. Karakter dari si pemohon kredit 2.
Kemampuan membayar pemohon kredit 3. kondisi ekonomi pemohon kredit.
penjumlahan dimana metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternative yang ada. Kata Kunci: Leasing, Sistem Penunjang, Keputusan,
ISBN: 978-602-72850-5 -7 SNIPTEK 2014
Untuk mengunakan metode SAW diperlukan langkah-langkah sebagai berikut:[5]
∑
) merupakan penjumlahan dari perkalian matriks rating kinerja ternormalisasi R dengan vektor bobot W. nilai preferensi (V j) yang tertinggi dipih sebagai alternative terbaik sebagai solusi. V i =
j
), dan nilai prefensi (V
i
1. Hasil akhir diperoleh dari proses perangkingan nilai preferensi (V
Max xij jika j atribut benefit rij = Min Xij _________ jika j atribut cost(biaya) xij dimana : r ij = rating kinerja ternormalisasi maxsimum = nilai maksimum dalam setiap baris dan kolom. Minimum = nilai minimum dalam setiap kolom.
ij ____________________
Rumus dari metode SAW x
3. Membuat matriks keputusan berdasarkan criteria, kemudian melakukan normalisasi dengan matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternirmalisasi R
2. Menentukan rating kecocokan setiap alternative pada setiap criteria.
1. Menentukan kreteria yang dijadikan acuan pengambilan keputusan.
Metode SAW sering juga dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses Normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.[4].
Dapat disimpulkan bahwa kasus kredit macet yang menyebabkan kerugian pada perusahaan leasing dapat ditekan sekecil-kecilnya bergantung daripada kinerja dari Credit Analyst dalam proses penentuan konsumen kredit.Sehingga seorang Credit Analyst dituntut untuk bekerja cepat dan teliti dalam menganalisa data pemohon kredit yang masuk sehingga tidak menutup kemungkinan terjadi human error. Oleh karena itu, dalam upaya membantu Credit Analyst dalam kegiatan pengambilan keputusan konsumen layak kredit, diperlukan sebuah model sistem pendukung keputusan berbasis komputer yang dapat memberikan kemudahan dalam melakukan analisa data, perhitungan penilaian kriteria pemohon kredit sesuai faktor-faktor yang ada, serta membantu pengolahan data pemohon kredit menjadi informasi untuk mengambil keputusan dari masalah yang terjadi diatas
Metode SAWmerupakan metode MADM yang paling sederhana dan paling banyak digunakan. Metode ini juga metode yang paling mudah untuk diaplikasikan, karena mempunyai algoritma yang
BAHAN DAN METODE PENELITIAN Metode Simple Additive Weight (SAW)
5. menggunakan data eksternal dan internal 6. menggunakan metode what if analysis dan goal seeking. menggunakan beberapa metode kuantitatif
4. terdapat dua komponen utama, yaitu data dan model
3. dapat digunakan berulang kali dan bersifat konsisten
1. mendukung seluruh kegiatan organisasi 2. mendukung beberapa keputusan yang saling berinteraksi
Menurut Gory dan Scot Morton dalam Turban,etc(2005:19) mendefinisakan Sistem Pengambilan Keputusan adalah sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah- masalah tidak terstruktur. Pengambilan keputusaan merupakan system yang sangat diperlukan bagi seorang manager untuk mengambil keputusan yang tepat terhadap permasalahan yang dihadapi oleh perusahaan. Sistem pengambilan keputusan memiliki karakteristik dan kemampun adalah:[2]
Landasan Teori Sistem Pendukung Keputusan
Bagaimana menghasilkan suatu sistem pendukung keputusan yang dapat digunakan untuk membantu credit Analyst dalam memproses analis data konsumen berasarkan faktor diatas.
Permasalahan
metode penjumlahan terbobot, dimana metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternative yang ada.[1].
Simple Additive Weight (SAW) biasa dikenal dengan
=1
SNIPTEK 2014
Sangat baik
<15 % dari harga
5 16-20% dari harga
4 21-25% dari harga
3 26-30% dari harga
2 >31% dari harga
1 Tabel 4 kemampuan
Kriteria Kriteria Pemohon Nilai Bobot Capasity (Kemampuan)
5 Baik
1 Tabel 3.Uang Muka
4 Cukup
3 Kurang
2 Sangat kurang
1 Tabel 5 jaminan
Kriteria Kriteria Pemohon Nilai Bobot Colaterall (Jaminan)
BPKB Mobil
5 Sertifikat Tanah
Kriteria Kriteria Pemohon Nilai Bobot Capital (uang Muka)
2 Sangat kurang
ISBN: 978-602-72850-5 -7 HASIL DAN PEMBAHASAN Analisa Sistem Penentuan konsumen kredit pada PT.
5 C4 Colaterall
Olympindo Multifinance Pontianak, berdasarkan pada penilaian Credit Analyst, yaitu kepribadian pemohon kredit, kemampuan membayar pemohon kredit dan kondisi ekonomi pemohon kredit. Oleh pemberian kredit yang digunakan oleh bank, yaitu Character(kepribadian), Capital(uang muka), Capacity(kemampuan), Collateral (jaminan), dan Condition(kondisi). Dengan menambah Collateral dan Capital diharapkan dapat memperkuat keputusan yang diambil. prosedur pemberian kredit kepada pemohon(konsumen) digambarkan dibawah ini dengan menggunakan sequence diagram
Sumber : Hasil Penelitian Gambar 1. Sequence Diagram Analisa Sistem Pemberian Bobot Kriteria
Langkah awal yang dilakukan dalam metode SAW adalah memberikan bobot kirteria pemohon kredit.
Tabel 1 Pemberian nilai bobot
NamaKriteria Nilai bobot C1 Character
3 C2 Capital
4 C3 Capacity
2 C5 Condition
3 Kurang
1 Berdasarkan tabel nilai bobot dan kreteria diatas maka diperoleh nilai vector bobot W ={3,4,5,2,1}
Pemberian Nilai Crips pada Tiap Kriteria
Dari kriteria di atas, dibuat suatu tingkatan kiteria berdasarkan alternatif (pemohon kredit) yang telah ditentukan kedalam nilai crips. Rating kecocokan setiap alternatif pada setiap kriteria seperti tabel dibawah ini: Tabel 2. kepribadian
Kriteria Kriteria Pemohon Nilai bobot
Character (kepribadian)
Sangat baik
5 Baik
4 Cukup
4
ISBN: 978-602-72850-5 -7 SNIPTEK 2014
b. Alternatif A2 R21=
= 0,83 R25 =
5 5;1
= 0,571 R24 =
4 5;2
= 0,375 R23 =
3 3;5
= 0,5 R22 =
4 3;5
= 1
= 0,67
5 4;1
= 0,83 R15 =
5 5;1
= 0,83 R14 =
5 4;2
= 1,67 R13=
5 3;3
=0,8 R12 =
4 5;1
c. Alternatif A3 R31 =
a. Alternatif A1 11 =
0,80 1,677 0,833 0,50 0,375 0,571 0,33 0,375 0,222
Dengan berakhirnya penelitian ini maka kami selaku tim peneliti mengucapkan ungkapan terima
Dengan menggunakan metode SAW bobot nilai sangat berpengaruh didalam pengambilan keputusan oleh Credit Analist dalam memberikan persetujuan kelayakan kredit kendaraan mobil bekas
KESIMPULAN
89 V2=(3)(0,5)+(4)(0,375+(5)(0,572)+(2)(0,83)+(1)(0, 67)=8,2 V3=(3)(0,33)+(4)(0,375)+(5)(0,22)+(2)(0,1)+(1)(0, 11)=3,9 dari perhitungan diatas dapat disimpulkan bahwa V1 mewakili kredit lancar memiliki nilai bobot sebesar 15,89 dimana V2 merupakan mewakili pemohon kredit yang memiliki nilai bobot sebesar 8,9 dan V3 mewakili kredit macet dengan nilai bobot 3,9. Sehingga V2 sebagai pemohondapat dikatakan kredit lancar karena terletak diantara range 3,9 sd 15,89.
Terakhir menentukan nilai preverensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Penjumlahan hasil kali matriks ternomalisasi menghasilkan angka sebagai berikut: V1= (3)(0,8)+(4)(1,67)+(5)(0,83)+(2)(0,83)+(1)(1)=15,
1 0,67 0,11
011
0,83 0,83
=0,11 2. Melakukan proses penilaian dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W)
3 4;5
1 4;5
= 0,1 R35 =
1 5;5
= 0,22 R34 =
2 5;4
= 0,375 R33 =
3 3;5
= 0,33 R32 =
5 4;3
3. Melakukan normalisasi matriks pada X
Tabel 6 kondisi
5
5
5
1 C4
3
4
C3
1 C2 >31 % 21- 25% <15 %
3
C1
5
K. lancer Konsumen K.macet
Kriteria Alternatif
1 Pembandingan Alternatif Pada Setiap Kriteria Dari setiap kecocokan itu akan dilakukan perhitungan jumlah bobot pada alternative yang ada. Di bawah ini adlah tabel alternatife yang terdiri dari kredit lancer (A1), sample salah satu konsumen (A2) dan kredit tidak lancer (A3). Tabel 7 kriteria pemohon
3 Sangat kurang
4 Cukup
5 Baik
Sangat baik
Kriteria Kriteria Pemohon Nilai Bobot Condition (Kondisi)
4 C5
4
2. Matrix keputusan X
4
1. Vektor Bobot W ={3,4,5,2,1}
1 Langkah penyelesaian
1
2
3
3
4 A3(macet)
5
3
3 Diambil 2 kriteria untuk pembanding bagi pemohon yaitu kredit macet dan kredit lancar. Berdasarkan tabel data diatas,dapat dilihat tabel kecocokan antara kriteria dan alternative.
5 A2(pemohon) 4
5
5
5
5
A1(lancar)
C1 C2 C3 C4 C5
Criteria Alternatif
Tabel 8 status
UCAPAN TERIMA KASIH
SNIPTEK 2014
ISBN: 978-602-72850-5 -7
kasih yang sebesar besarnya kepada semua orang yang terlibat dalam penelitian ini,
DAFTAR REFERENSI
Turban, 2005, Decision, Support System dan Intellegent System jilid I, Andi Offset, Yogyakarta.
Sihombing O, Daniel, 2013, Perancangan Sistem Pendukung Keputusan Menggunakan Metode SAW Dalam Pemilihan Konsentrasi Tugas Akhir (Studi Kasus AMIK BSI Pontianak”), Jurnal Seminar Nasional Inovasi dan Teknologi(SNIT)
Oktaputra, Alif Wahyu, 2011, Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Motor Menggunakan Metode Simple Additive Weighting Pada Perusahaan Leasing HD Finance, Jurnal Dinus.
ISBN: 978-602-72850-5 -7 SNIPTEK 2014