BAB I PENDAHULUAN 1.1 Latar Belakang - RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH DENGAN METODE K-NEAREST NEIGHBOR (STUDI KASUS BANK JATIM CABANG Dr. SOETOMO SURABAYA Repository - UNAIR REPOSITORY

BAB I PENDAHULUAN Latar Belakang

1.1 Rumah telah menjadi kebutuhan pokok bagi masyarakat di Indonesia

  selain untuk pemenuhan kebutuhan sandang dan pangan. Untuk memenuhi kebutuhan sebuah rumah baru dibutuhkan dana yang sangat besar, tidak sedikit dari masyarakat Indonesia yang takut untuk membeli rumah dan lebih cenderung untuk menyewa atau mengontrak rumah dengan kondisi yang tidak sesuai dengan harapan mereka. Oleh karena itu, beberapa bank yang ada di Indonesia berlomba- lomba untuk turut serta dalam menyediakan berbagai layanan jasa perbankan seperti menyediakan kredit khususnya Kredit Pemilikan Rumah (KPR) dengan bunga dan cicilan yang rendah. Hal ini bertujuan agar keinginan masyarakat untuk mempunyai rumah yang sesuai dengan keinginan dapat segera terwujud, selain itu bank secara tidak langsung juga turut aktif memperlancar dan meningkatkan taraf hidup masyarakat Indonesia.

  Bank Pembangunan Daerah Jawa Timur, yang dikenal dengan sebutan Bank Jatim, pertama kali didirikan pada tanggal 17 Agustus 1961 di Surabaya.

  Pendirian Bank Pembangunan Daerah (BPD) ini sesuai dengan Undang-Undang No. 13 Tahun 1962 yang berisi "BPD adalah bank yang didirikan dengan tujuan khusus untuk menyediakan pembiayaan bagi pembangunan di daerah dalam rangka mendukung percepatan pembangunan nasional secara menyeluruh dan merata di semua daerah di seluruh Indonesia", dalam hal ini BPD Jawa Timur

  1 hanya melayani kebutuhan pembiayaan bagi masyarakat Jawa Timur. Bank Jatim mempunyai beragam produk pembiayaan kredit untuk para nasabahnya baik dari sektor Kredit Menengah dan Koperasi, Kredit Mikro, dan Kredit Argobisnis dan Ritel. Dalam sektor Kredit Argobisnis dan Ritel dibagi lagi menjadi beberapa produk diantaranya; Kredit Usaha Rakyat (KUR), Kredit Usaha Pembibitan Sapi (KUPS), Kredit Ketahanan Pangan dan Energi (KKP-E), Kredit Resi Gudang, KUMK SU-005/Kredit Investasi Pemerintah (KIP), Kredit Kepada Koperasi (KKOP), Kredit Sertifikasi Hak Atas Tanah, Kredit Dana Bergulir Pemprov Jatim, Kredit Pemilikan Rumah (KPR) umum, kredit Pemilikan Properti (KPP), Kredit Multiguna, Kredit Pundi Kencana, Kredit Linkage Program BPR, dan Kredit Mikro Langsung Berguna (Laguna).

  Sebelum memberikan layanan produk pembiayaan kredit kepada calon nasabah peminjam (debitur) Bank Jatim terlebih dahulu melakukan proses analisis kredit oleh bagian analis kredit kepada calon debitur dengan tujuan untuk mengetahui secara lengkap informasi riwayat calon debitur dan diharapkan kredit yang diberikan oleh Bank Jatim (kreditur) adalah kredit dengan kualitas yang bagus. Proses analisis ini menggunakan prinsip penilaian “5C” yaitu character, capital, capacity, conditions of economy, dan collateral, sehingga dapat ditentukan apakah permohonan kredit tersebut dapat diberikan atau tidak. Dalam perjanjian kredit juga tercakup hak dan kewajiban masing-masing pihak, termasuk jangka waktu dan bunga yang telah ditetapkan bersama sesuai dengan Undang- Undang Perbankan nomor 10 tahun 1998 adalah penyedian uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga.

  Selama ini pemberian KPR di Bank Jatim belum memiliki sistem yang dapat membantu dalam pengambil keputusan pemberian KPR secara terkomputerisasi, cepat, dan otomatis karena pihak analis kredit masih menggunakan analisis secara manual dan berdasarkan pengalaman yang telah dilalui sebelumnya. Dalam mengambil keputusan persetujuan KPR tentu mengandung suatu tingkat kerugian (resiko). Resiko ini dapat saja terjadi akibat suatu musibah yang tidak dapat dielakkan seperti rumah debitur terkena bencana alam atau kebakaran. Namun resiko yang paling fatal adalah akibat debitur yang mampu tetapi tidak mau membayar kewajibanya. Adanya resiko kerugian dimana debitur tidak sanggup lagi untuk membayar semua kewajibannya baik untuk sementara waktu atau selamanya. Hal ini harus cepat di antisipasi oleh dunia perbankan jika tidak, maka sudah dapat di pastikan bahwa kredit tersebut macet alias tidak terbayar lagi.

  Semakin besar kredit macet yang dihadapi suatu bank, maka makin menurun pula tingkat kesehatan bank tersebut atau menurunnya profitabilitas yang diharapkan dan makin besar pula jumlah dana cadangan yang harus disediakan oleh pihak bank untuk mengadakan dana cadangan tersebut. Dalam hal ini kondisi perputaran (sirkulasi) keuangan suatu penyedia jasa kredit harus dalam kondisi yang seimbang agar terhindar dari kredit macet.

  Menurut Permadi (1992), kemampuan mengambil keputusan yang cepat dan cermat akan menjadi kunci keberhasilan dalam persaingan global di waktu mendatang. Memiliki banyak informasi saja tidak akan cukup, bila tidak mampu meramunya secara cepat dan tepat menjadi alternatif-alternatif terbaik untuk pengambilan keputusan. Untuk membantu manusia, khususnya para pengambil keputusan dalam menentukan kebajikan, secara tepat, efisien dan efektif diperlukan suatu model pengambilan keputusan yang dikenal dengan sebutan Sistem Pendukung Keputusan.

  K-Nearest Neighbor (K-NN), adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokkan bobot dari sejumlah fitur yang ada (Kusrini, 2009). Misalkan diinginkan untuk mencari solusi terhadap pasien baru dengan menggunakan solusi pasien lama. Metode K-NN ini bertujuan mencari jarak terhadap tujuan data yang telah tersimpan sebelumnya, setelah didapatkan jaraknya kemudian tinggal mencari jarak terdekat untuk mencari tujuan data yang baru.

  Penelitian yang terkait dengan sistem pendukung keputusan menggunakan data mining adalah Leidiyana (2013) Penerapan Algoritma K-NN untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor, kemudian penelitian terkait lainnya adalah Podani (1999) Extending Gower's General Coefficient of Similarity to Ordinal Characters

  , dan yang terakhir adalah penelitian oleh Gower (1971) A General Coefficient of Similarity and Some of Its Properties . Dengan keadaan yang telah disebutkan sebelumnya, mendorong peneliti untuk merancang dan membangun sistem pendukung keputusan persetujuan pemberian kredit kepemilikan rumah dengan metode K-NN dengan studi kasus Bank Jatim cabang Dr. Soetomo Surabaya. diharapkan dengan menggunakan aplikasi ini dapat mengurangi rasa ketidakpastian dan bisa sebagai referensi tambahan dalam pengambilan keputusan yang terbaik bagi Bank Jatim, analis kredit, dan debitur dengan mempelajari dari data-data yang sudah ada.

  Rumusan Masalah

  1.2 Berdasarkan latar belakang, maka perumusan masalah yang akan diambil, adalah bagaimana membuat rancangan dan membangun sistem pendukung keputusan persetujuan KPR di Bank Jatim cabang Dr. Soetomo Surabaya dengan metode K-NN ?

  Tujuan

  1.3 Berdasarkan latar belakang penelitian dan rumusan masalah yang telah ditulis sebelumnya, maka tujuan dari penelitian ini adalah merancang dan membangun sistem pendukung keputusan persetujuan pemberian KPR di Bank Jatim cabang Dr. Soetomo Surabaya dengan metode K-NN.

  Manfaat

  1.4 Hasil penelitian diharapkan dapat memberikan manfaat sebagai berikut :

  1. Sebagai bahan acuan dan pertimbangan dalam menentukan calon debitur KPR dengan akurat dan cepat berdasarkan data debitur lama yang telah

terkumpul di Bank Jatim Cabang Dr. Soetomo Surabaya.

  2. Dapat memprediksi sejauh mana calon debitur KPR mampu dalam membayar kewajibannya, guna meminimalkan resiko kredit macet dikemudian hari dan diharapkan sistem pendukung keputusan ini dapat mengurangi rasa ketidakpastian yang dihadapi oleh analis kredit.

  3. Mengetahui kriteria-kriteria apa saja yang dipertimbangkan oleh bagian analis kredit dalam menganalisa permohonan kredit yang diajukan oleh calon debitur.

1.5 Batasan Masalah

  Batasan masalah yang akan dibahas pada penelitian ini, dibatasi pada :

1. Obyek penelitian dilakukan pada produk kredit dengan fokus utama pada produk KPR.

  2. Kriteria-kriteria yang akan dijadikan pertimbangan dalam persetujuan KPR terbatas pada data debitur yang telah diterima, baik data debitur yang bermasalah maupun yang tidak bermasalah dalam pembayaran kredit.

BAB II TINJAUAN PUSTAKA Pengertian Kredit

2.1 Menurut Firdaus (2008), istilah kredit sesungguhnya berasal dari bahasa latin credere yang berarti kepercayaan atau credo yang berarti saya percaya.

  Sedangkan di Indonesia pengertian kredit menurut pasal 1 angka 1 butir 11 Undang-Undang No. 10 tahun 1998 tentang Perbankan bahwa kredit adalah penyediaan uang dan tagihan yang dapat disamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dan pihak lain yang mewajibkan pihak lain yang mewajibkan pihak peminjam melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga.

  Dari penjelasan diatas dapat dijelaskan bahwa kredit adalah penyediaan uang atau tagihan yang nilainya diukur dengan uang, misalkan bank membiayai kredit untuk pembiayaan rumah atau mobil, kemudian berdasarkan persetujuan antara pihak bank (kreditur) dengan pihak peminjam (debitur) dengan suatu janji bahwa pembayarannya akan dilunasi oleh pihak debitur sesuai dengan jangka waktu yang disepakati beserta besaran bunga dan sanksi yang telah ditetapkan bersama.

2.1.1 Fungsi Kredit

  Menurut Suyatno (1992), fungsi kredit secara umum ialah pemenuhan jasa untuk melayani kebutuhan masyarakat (to serve the society) dalam rangka mendorong dan melancarkan perdagangan, mendorong dan melancarkan

  7 produksi, jasa-jasa dan bahkan konsumsi yang kesemuanya itu pada akhirnya ditujukan untuk menaikkan taraf hidup orang banyak. sedangkan bila dijabarkan secara lengkap fungsi kredit adalah sebagai berikut :

  1. Kredit pada hakikatnya dapat meningkatkan daya guna uang

  2. Kredit dapat meningkatkan peredaran dan lalu lintas uang

  3. Kredit dapat pula meningkatkan daya guna dan peredaran uang

  4. Kredit sebagai salah satu alat stabilitas ekonomi

  5. Kredit dapat meningkatkan kegairahan dalam berusaha

  6. Kredit dapat meningkatkan pemerataan pendapatan 7. Kredit sebagai alat untuk meningkatkan hubungan Internasional.

2.1.2 Azaz-Azaz atau Prinsip-Prinsip Pemberian Kredit

  Dalam memberikan kredit, bank atau lembaga perkreditan lainnya wajib mempunyai keyakinan serta kehati-hatian atas kemampuan dan kesanggupan debitur agar melunasi utangnya sesuai dengan yang diperjanjikan. Untuk memperoleh keyakinan tersebut, maka sebelum memberikan kredit, bank harus melakukan penilaian dengan seksama baik itu terhadap watak, kemampuan, maupun prospek usaha debitur.

  Penilaian yang dilakukan ini bertujuan untuk memperkecil kemungkinan penyimpangan kredit dari apa yang telah diperjanjikan, karena tidak kembalinya kredit oleh debitur berarti secara langsung mengancam kelangsungan hidup bagi bank itu sendiri. Hal ini dikarenakan penghasilan bank yang paling utama berasal dari bunga yang dikenakan terhadap kredit-kredit yang telah diberikannya. Mengingat sebagian besar dana kredit yang diberikan oleh pihak bank berasal dari dana simpanan masyarakat (giro, doposito, tabungan, dan lain-lain), maka sudah sewajarnya dalam pemberian kredit tersebut memerlukan perhitungan yang mendalam yang meliputi berbagai prinsip-prinsip, azaz-azaz atau persyaratan tertentu. Dibawah ini akan dijelaskan salah satu konsep azaz-azaz atau prinsip- prinsip 5C yang lebih lazim dan popular dikalangan bankir (Firdaus,2008), antara lain :

  1. Character (Watak atau Kepribadian) Bank sebagai pemberi kredit harus yakin bahwa calon debitur termasuk orang yang bertingkah laku baik, dalam arti selalu memegang teguh janjinya, selalu berusaha, dan bersedia melunasi hutang-hutangnya pada waktu yang telah ditetapkannya. Untuk nasabah baru bisa meminta info dari Bank Indonesia dan bank lain, sementara untuk nasabah lama bisa dilihat dengan kinerja (performance) kreditnya pada masa lalu apakah pengembaliannya lancar atau tidak.

  2. Capacity (Kemampuan / Kapasitas) Pihak bank harus mengetahui dengan pasti sampai dimana kemampuan menjalankan usaha calon peminjam. Kemampuan inilah yang menentukan besar kecilnya pendapatan atau penghasilan suatu perusahaan dimasa yang akan datang. Untuk mengetahuinya bank dapat memperolehnya dengan cara melihat dokumen-dokumen, berkas-berkas, dan catatan kredit yang sudah- sudah termasuk riwayat hidup dan pengalaman kerja calon debitur.

  3. Capital (Modal) Modal menyangkut berapa banyak dan bagaimana struktur modal yang telah dimiliki oleh calon debitur. Hal ini penting diketahui oleh bank untuk menilai tingkat Debt to Equity Ratio (DER) yang selanjutnya berkaitan dengan tingkat rentabilitas dan solvabilitas serta jangka waktu pembayarankembali kredit yang akan diterima. Bank dapat mengatahuinya dengan cara melihat laporan keuangan (neraca laba dan rugi).

  4. Condition (Kondisi Perekonomian) Bank harus mengetahui keadaan ekonomi pada saat tersebut yang berpengaruh dan berkaitan langsung dengan usaha calon debitur dan bagaimana prospek dimasa mendatang.

  5. Collateral (Jaminan atau Agunan) Agunan atau jaminan yaitu harta benda milik debitur atau pihak ke-3 yang diikat sebagai agunan andaikata terjadi ketidak mampuan debitur untuk menyelesaikan utangnya sesuai dengan perjanjian kredit. Dalam hal ini agunan mempunyai 2 fungsi yaitu sebagai pembayaran dengan jalan menguangkan atau menjual jaminan tersebut dan sebagai kreteria penentu jumlah kredit yang akan diberikan, dalam hal ini pihak bank tidak akan memberikan kredit lebih besar dari jumlah nilai pinjaman yang diberikan kecuali dalam hal khusus (kepercayaan bank dan pemerintah). Perlu diketahui bahwa tidak semua harta benda memenuhi syarat sebagai collateral

  , melainkan ada azaz-azaz tertentu yaitu MAST principles, yaitu :

  a) Marketability (pasar yang luas bagi jaminan yang bersangkutan)

  b) Ascertainability of value (mempunyai standar harga tertentu)

  c) Stability of value (hendaknya tidak menurun harganya)

d) Transferability (harta benda yang dijaminkan harus mudah dipindah tangankan baik secara yuridis / fisik).

2.1.3 Penggolongan Kolektabilitas Kredit

  Dalam kenyataan tidak semua kredit yang telah diberikan dalam keadaan lancar, sebagian ada yang kurang lancar bahkan sampai macet. Oleh karena itu diperlukan langkah-langkah untuk mengelompokkan kredit berdasarkan jenis kelancarannya. Hal ini sangat penting dilakukan demi terciptanya pengendalian kredit agar dapat berjalan dengan lancar. Baik buruknya status debitur dapat dilihat dengan berapa banyak jumlah kolektabilitas yang dimiliki. Kolektabilitas adalah suatu pembayaran pokok atau bunga pinjaman oleh nasabah. Berdasarkan Surat Edaran Bank Indonesia No. 7/3/DPNP tanggal 31 Januari 2005 perihal Penilaian Kualitas Aktiva Bank Umum, penggolongan kualitas kredit berdasarkan kemampuan membayar dapat dibedakan menjadi;

1) Kredit Lancar (L)

  a) Pembayaran pokok dan bunga tepat waktu, perkembangan rekening baik dan tidak ada tunggakan serta sesuai dengan persyaratan kredit;

b) Dokumentasi kredit lengkap; c) Tidak terdapat pelanggaran perjanjian kredit.

2) Kredit dalam Perhatian Khusus (DPK)

  a) Terdapat tunggakan pembayaran pokok dan atau bunga sampai dengan 90 (sembilan puluh) hari; b) Jarang mengalami cerukan;

  c) Dokumentasi kredit lengkap dan pengikatan agunan kuat;

d) Terdapat pelanggaran perjanjian kredit yang tidak prinsipil.

3) Kredit Kurang Lancar (KL)

  a) Terdapat tunggakan dalam pengembalian tunggakan beserta bunga telah melampaui 90 hari sampai 120 hari dari waktu yang telah disepakati dan terjadi mutasi masalah keuangan yang dialami debitur;

  b) Terdapat cerukan yang berulang kali khususnya untuk menutupi kerugian operasional dan kekurangan arus kas; c) Dokumentasi kredit kurang lengkap;

  d) Terdapat pelanggaran terhadap persyaratan pokok kredit yang cukup prinsipil.

4) Kredit Diragukan (D)

  a) Terdapat tunggakan dalam pengembalian tunggakan beserta bunga telah melampaui 120 hari sampai 180 hari dari waktu yang telah disepakati; b) Terjadi cerukan yang bersifat permanen khususnya untuk menutupi kerugian operasional dan kekurangan arus kas; c) Dokumentasi kredit tidak lengkap;

  d) Terdapat pelanggaran yang prinsipil terhadap persyaratan pokok dalam perjanjian kredit.

5) Kredit Macet (M)

  a) Terdapat tunggakan dalam pengembalian tunggakan beserta bunga telah melampaui 180 hari dari waktu yang telah disepakati; b) Tidak terdapat dokumentasi kredit;

  c) Pelanggaran yang sangat prinsipil terhadap persyaratan pokok dalam perjanjian kredit.

  Kredit akan digolongkan bermasalah (Non Performing Loan / NPL)

apabila telah masuk dalam kualitas kurang lancar, diragukan dan macet.

2.1.4 Analisis Perhitungan Plafond dan Angsuran KPR di Bank Jatim

  Analisis Perhitungan nilai plafond atau realisasi maksimal dan Angsuran maksimal KPR digunakan oleh pihak analis KPR untuk mengetahui besaran plafon maksimal dan angsuran KPR yang boleh diambil oleh calon debitur. Untuk menghitung besar nilai plafond atau realisasi maksimal KPR yang boleh diambil, dapat dihitung dengan Persamaan (2.1); (2.1) Sedangkan untuk menghitung besar angsuran maksimal KPR yang boleh diambil, dapat dihitung dengan Persamaan (2.2);

  (2.2) Untuk menghitung besar angsuran KPR dari realisasi atau besar pinjaman yang diinginkan, dapat dihitung dengan Persamaan (2.3); (2.3)

  Konsep Dasar Sistem Informasi

2.2 Konsep dasar sistem informasi menurut Muhyuzir (2001), sistem

  informasi adalah data yang dikumpulkan, dikelompokkan dan diolah sedemikian rupa sehingga menjadi sebuah satu kesatuan informasi yang saling terkait dan saling mendukung sehingga menjadi suatu informasi yang berharga bagi yang menerimanya. Menurut Kadir (2003) pada umumnya tujuan utama sistem informasi ada 3 macam, yaitu :

  1) Untuk mendukung fungsi kepengurusan manajemen 2) Untuk mendukung pengambilan keputusan manajemen 3) Untuk kegiatan operasi perusahaan Semakin berkembangnya sistem informasi yang digunakan maka semakin banyak jenis-jenis sistem informasi baru yang bermunculan, diantaranya:

a) Sistem Pemrosesan Transaksi (Transaction Processing System atau TPS) Berfungsi sebagai penghimpun dan peyimpan informasi transaksi bisnis.

  

b) Sistem Informasi Manajemen (Management Infromation System atau MIS)

Mengkonversi data yang berasal dari TPS menjadi informasi yang berguna untuk mengelola organisasi dan memantau kinerja biasanya menghasilkan laporan yang dibutuhkan oleh manajemen.

  c) Sistem Pendukung Keputusan (Decision Support System atau DSS) Pengembangan dari TPS dan MIS yang fokus membantu pengambilan keputusan dengan menyediakan informasi yang dibutuhkan oleh manajemen.

  d) Sistem Informasi Eksekutif (Executive Infromation System atau EIS) Menyediakan informasi yang mudah diakses dan bersifat interaktif, biasanya dalam bentuk grafik dengan data dari TPS dan MIS.

  e) Sistem Pakar (Expert System atau ES) Menyediakan pengetahuan pakar pada bidang tertentu untuk membantu dalam pemecahan masalah.

  f) Office Automation System (OAS) Sistem informasi yang menyediakan fasilitas untuk memproses informasi dalam suatu organisasi bisnis, contohnya Spreadsheet dan presentasi.

  Sistem Pendukung Keputusan

2.3 Pengertian Sistem Pendukung Keputusan (SPK) menurut Moore (1980),

  adalah sistem yang dapat dikembangkan, mampu mendukung analisis data dan pemodelan keputusan, berorientasi pada perencanaan masa mendatang, serta tidak bisa direncanakan interval (periode) waktu pemakaiannya. Pengambilan keputusan merupakan proses pemilihan alternatif tindakan untuk mencapai tujuan atau sasaran tertentu. Pengambilan keputusan dapat dilakukan dengan pendekatan sistematis terhadap permasalahan melalui proses pengumpulan data menjadi informasi serta ditambah dengan kriteria-kreteria yang perlu dipertimbangkan dalam pengambilan keputusan.

  Menurut Bonezek (1980), SPK terdiri dari 3 komponen yang saling berinteraksi antara satu dengan lainnya, yaitu :

  1. Language system, adalah suatu mekanisme untuk menjembatani (interface) pemakai dan komponen lainnya.

  2. Knowledge system, adalah repositori pengetahuan yang berhubungan dengan masalah tertentu baik berupa data maupun prosedur.

  3. Problem processing system, adalah sebagai penghubung kedua komponen lainnya, berisi satu atau beberapa kemampuan manipulasi atau menyediakan

masalah secara umum, yang diperlukan dalam pengambilan keputusan.

2.4 Data Mining

  Munculnya data mining sebenarnya mulai dikenal sejak tahun 1990, didasarkan pada jumlah data yang tersimpan dalam basis data semakin semakin besar. Di satu sisi terdapat sejumlah data dalam jumlah besar yang secara sistematis belum dieksplorasi dan disisi lain kekuatan teknik komputasi dan komputasi telah tumbuh secara terus menerus sehingga tekanan pada kebutuhan untuk membuka informasi yang tersembunyi dalam berbagai database menjadi meningkat.

  Menurut Turban (2005), data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dengan berbagai database yang besar.

  Data mining juga merupakan sebuah inti dari proses Knowledge

  Discovery in Database (KDD), meliputi dugaan algoritma yang mengeksplor data, membangun model dan menemukan pola yang belum diketahui. KDD bersifat otomatis, dapat didefinisikan sebagai pengorganisasian proses untuk pengidentifikasian yang benar, berguna dan penemuan pola dari kumpulan data yang besar dan kompleks (Maimon, 2010). Informasi yang dihasilkan dari penggunaan data mining ini dapat menjadi aset untuk meningkatkan daya saing suatu institusi atau lembaga.

2.4.1 Pengelompokan Data Mining

  Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu (Larose, 2005):

  1. Deskripsi Terkadang para peneliti dan analis secara sederhana ingin mencoba mencari cara untuk menggambarkan pola dan kecenderungan yang terdapat di dalam data.

  2. Estimasi Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih kearah numerik dari pada kearah kategori. Model dibangun menggunakan record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi. Selanjutnya, pada peninjauan berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi. Contoh estimasi dalam penelitian adalah estimasi nilai IPK mahasiswa program pasca sarjana dengan

melihat nilai IP mahasiswa tersebut ketika mengikuti kuliah sarjana.

  3. Prediksi Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada dimasa mendatang. Beberapa metode dan teknik yang digunakan dalam klasifikasi dan estimasi dapat pula digunakan (untuk keadaan yang tepat) untuk prediksi. Contoh prediksi dalam bisnis dan penelitian adalah prediksi harga beras dalam tiga bulan yang akan datang.

  4. Klasifikasi Dalam klasifikasi, terdapat target variabel kategori. Sebagai contoh, penggolongan pendapatan dapat dipisahkan dalam tiga kategori yaitu pendapatan tinggi, pendapatan sedang dan pendapatan rendah. Salah satu contoh lain klasifikasi dalam bisnis dan penelitian adalah memperkirakan apakah suatu pengajuan hipotek oleh nasabah merupakan suatu kredit yang baik atau buruk.

  5. Pengklusteran Pengklusteran merupakan pengelompokan record, pengamatan atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan. Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang lainnya dan memiliki ketidakmiripan dengan record-record dalam kluster lain.

  Perbedaan antara pengklusteran dengan klasifikasi yaitu tidak adanya variabel target dalam pengklusteran.

  6. Asosiasi Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja. Salah satu contoh lain klasifikasi dalam bisnis dan penelitian adalah menemukan barang dalam supermarket yang dibeli secara bersamaan dan barang yang tidak pernah dibeli secara bersamaan. Contoh penggunaan asosiasi dalam bisnis dan penelitian adalah menemukan barang dalam supermarket yang dibeli secara bersamaan dan barang yang tidak pernah dibeli secara bersamaan.

2.5 Metode K-NN

  Metode K-NN adalah salah satu metode berbasis NN yang paling tua dan populer. Klasifikasi NN ini didasarkan pada analogi pembelajaran, yaitu dengan membandingkan data testing dengan data training yang mirip (Han, 2006). metode K-NN ini berfungsi mencari ruang pola untuk tuple training K yang paling dekat dengan tuple yang belum diketahui.

  Data training atau data latih adalah data yang sudah diketahui sebelumnya untuk label kelas, dan digunakan untuk membangun model klasifikator, sementara data testing atau data uji adalah data yang belum diketahui

  (dianggap belum diketahui) label kelasnya untuk kemudian diprediksi kelasnya menggunakan model klasifikator yang sudah dibangun (Prasetyo, 2014).

  K-NN juga termasuk ke dalam kelompok instance based learning yaitu menyimpan semua data pembelajaran dan dapat disebut juga lazy learning. Selain itu K-NN juga termasuk jenis klasifikasi dengan katagori terpandu (supervised), dimana hasil dari query instance yang baru diklasifikasikan berdasarkan mayoritas kategori pada K-NN.

2.5.1 Algoritma K-NN

  Beberapa tahapan dalam menggunakan algortima K-NN adalah sebagai berikut (Yeni,2010) : 1) Tentukan parameter K; 2) Hitung jarak antara data yang akan dievaluasi dengan semua data pelatihan; 3) Urutkan jarak yang terbentuk dari yang terdekat; 4) Tentukan jarak terdekat sampai urutan K; 5) Pasangkan kelas yang bersesuaian; 6) Cari jumlah kelas dari tetangga yang terdekat dan tetapkan kelas tersebut sebagai kelas data yang akan dievaluasi. Misalnya ditetapkan nilai K = 5, maka ambil 5 jarak yang terdekat. Kemudian evaluasi data tersebut dengan melihat jumlah kelas yang paling mendominasi.

  Menurut Prasetyo (2014), dalam metode klasifikasi seperti K-NN dan metode clustering, biasanya menggunakan suatu pengukuran yang disebut kedekatan atau proximity. Dimana terdapat dua jenis kedekatan, yaitu kemiripan (similarity) atau ketidakmiripan (dissimilarity). Pengukuran kedekatan akan diukur berdasarkan jarak antara data yang pertama dengan data yang kedua, semakin dekat jarak kedua data maka semakin besar kemiripannya (semakin kecil ketidakmiripannya), dan semakin kecil kemiripannya (semakin besar ketidakmiripannya).

2.5.2 Penentuan nilai K pada metode K-NN

  Nilai K yang digunakan pada metode K-NN menyatakan jumlah tetangga terdekat yang dilibatkan dalam penentuan prediksi label kelas pada data uji, dari K tetangga terdekat yang terpilih kemudian dilakukan voting kelas dari K tetangga terdekat tersebut. Kelas dengan jumah suara tetangga terbanyaklah yang diberikan sebagai label kelas hasil prediksi pada data uji tersebut (Tan et al, 2005). Sebagai contoh gambaran tetangga terdekat dapat dilihat pada Gambar 2.1 dibawah ini, dimana data baru atau data testing digambarkan dengan simbol titik hitam dan data training dengan simbol “ o “ dan “ + ” sebagai kelompok :

  1 tetangga terdekat (1-NN) 3 tetangga terdekat (3-NN)

Gambar 2.1 Tetangga terdekat K-NN

  Pada Gambar 2.1 posisi data testing untuk (1-NN) terdapat hanya 1 tetangga terdekat yaitu kelompok “+”, jadi termasuk dalam kelompok “+”, sementara untuk posisi data testing untuk (3-NN) terdapat 3 tetangga terdekat yaitu kelompok “+” berjumlah 1 dan kelompok “o” berjumlah 2, jadi termasuk dalam kelompok

  “o” dikarenakan jumlah “o” lebih banyak dibandingkan jumlah “+”.

  Pada K-NN penentuan nilai K sangatlah penting. Jika nilai K terlalu kecil maka gangguan noise terhadap hasil sangat besar, jika nilai K terlalu besar maka akan sangat sulit menentukan mayoritas dalam mengelompokkan data terbaru (Larose,2005). Nilai K yang dipilih biasanya merupakan angka ganjil, agar terhindar dari munculnya nilai kedekatan atau jarak yang sama.

2.5.3 Similarity

  Dalam prakteknya, kadang ditemukan bahwa atribut yang digunakan dalam data tidak menggunakan tipe yang seragam, misalnya tidak selalu semua atribut bertipe numerik (interval atau rasio) ataupun bertipe kategori (nominal atau ordinal), kadang dataset menggunakan atribut berjenis campuran. Maka dari itu perhitungan yang cocok untuk tipe data campuran adalah dengan menggunakan similarity atau nilai kedekatan seperti yang dikemukakan oleh Gower (1971) dan disempurnakan perhitungannya kembali oleh Podani (1999), maka untuk menghitung nilai similarity antara 2 buah objek maka dapat digunakan Persamaan Similarity

  (2.4): (2.4) Dengan : w ijk = 0 , jika objek j dan k tidak dapat digabungkan untuk variabel i karena x ij atau x tidak diketahui. ik

a) Untuk variabel binary, dapat digunakan :

  w = 1 dan s = 0 jika x ≠ x ijk ijk ij ik w ijk = s ijk = 1 jika x ij = x ik = 1 atau x ij = x ik = 0, dan nol berganda (mutual absences ) yang disertakan. w ijk = s ijk = 0 jika x ij = x ik = 0 dan nol berganda (mutual absences) yang tidak disertakan dari perbandingan.

  b) Untuk variabel nominal, dapat digunakan : w ijk =1 jika x ij dan x ik diketahui. Kemudian lakukanlah, s = 0 jika x ≠ x ijk ij ik s = 1 jika x = x ijk ij ik

  c) Untuk variabel yang diukur dengan skala interval dan rasio, dapat digunakan : w = 1 jika x dan x keduanya diketahui, ijk ij ik

  Kemudian untuk menghitung nilai s ijk , digunakan : s ijk = 1 - { | x ij - x ik | / (range of variable i) (2.5)

d) Untuk variabel ordinal dapat digunakan (Podani, 1999) :

Tabel 2.1 Tabel data ordinal

  W ijk adalah sama dengan (c); seluruh x ij diganti dengan rank r ij menentukan objek secara keseluruhan (lihat Tabel 2.1. baris ke 3 dan 4). Kemudian, s ijk = 1, if r ij = r ik

  (2.6) selainnya, (2.7) Dengan :

  T adalah nomer dari objek yang mana sama dengan nilai rank untuk variabel i ij sebagai objek j (contoh pada Tabel 2.1, baris ke 5) T adalah nomer dari objek yang mana memiliki nilai rank maksimum, yaitu i, max max{r i }.

  T adalah nomer dari objek yang mana memiliki nilai rank minimum, yaitu i, min min{r }. i

2.5.4 Evaluasi Algoritma K-NN Menggunakan Cross Validation

  Cross validation atau K-fold cross validation dapat digunakan untuk menghitung tingkat akurasi klasifikasi dengan memperkirakan jumlah keseluruhan klasifikasi yang benar dari iterasi K, dibagi dengan jumlah total tuple dalam data awal. Selanjutnya untuk prediksi, perkiraan salah (error) dapat dihitung sebagai kerugian total dari iterasi K, dibagi dengan jumlah total tuple dalam data awal. Dalam proses cross validation ini, data akan dibagi dalam partisi K (fold) dengan ukuran yang sama D1, D2, D3 ... Dk, selanjutnya proses testing dan training dilakukan sebanyak K kali. Dalam iterasi ke-i partisi D i akan menjadi data testing dan sisanya akan menjadi data training (Han,2006). Untuk penggunaan jumlah fold terbaik untuk uji validitas, dianjurkan menggunakan 10- fold cross validation

  (Han,2006). Proses pembagian dataset kedalam 10 fold selengkapnya dapat dilihat pada Gambar 2.2 (Nugroho,2015).

  Gambar 2.2 Pembagian 43 dataset dengan 10-fold cross validation

  Dapat dilihat pada Gambar 2.3 yang berwarna putih merupakan data testing

  , kemudian sisanya merupakan data training, selanjutnya proses testing dan training dilakukan sebanyak K.

Gambar 2.3 Contoh proses 10-fold cross validation

2.6 Perancangan Sistem

  Menurut Scott (2001), desain sistem menentukan bagaimana suatu sistem akan menyelesaikan apa yang mesti diselesaikan, tahap ini menyangkut mengkonfigurasikan dari komponen-komponen perangkat lunak dan perangkat keras dari suatu sistem, sehingga setelah instalasi dari sistem akan benar-benar memuaskan rancang bangun yang telah ditetapkan pada akhir tahap analisis sistem.

2.6.1 Data Flow Diagram

   Data Flow Diagram (DFD) adalah sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output (Pressman, 2002). DFD mempunyai dua tujuan, diantaranya :

1. Menggambarkan fungsi-fungsi yang mentransformasikan data.

2. Memberikan indikasi mengenai bagaimana data ditransformasi pada saat data bergerak melalui sistem.

  Tingkatan pada DFD di mulai dari diagram konteks yang menjelaskan secara umum suatu sistem atau batasan sistem dari level 0 dikembangkan menjadi level

  1 sampai sistem tergambarkan secara rinci. Gambaran ini tidak tergantung pada perangkat keras, perangkat lunak, struktur data atau organisasi file.

  Komponen DFD Menurut Yourdon / De Marco, adalah : a) Terminator / Entitas luar.

Gambar 2.4 Komponen terminator

  Terminator mewakili entitas eksternal yang berkomunikasi dengan sistem yang sedang dikembangkan. Biasanya terminator dikenal dengan nama entitas luar (external entity). Terdapat dua jenis terminator, antara lain :

  1. Terminator Sumber (source) : merupakan terminator yang menjadi sumber.

  2. Terminator Tujuan (sink) : merupakan terminator yang menjadi tujuan data atau informasi sistem.

b) Proses

Gambar 2.5 Komponen proses

  Komponen proses menggambarkan bagian dari sistem yang mentransformasikan input menjadi output. Proses diberi nama untuk menjelaskan proses atau kegiatan apa yang sedang atau yang akan dilaksanakan. Pemberian nama proses dilakukan dengan menggunakan kata kerja transitif (kata kerja yang membutuhkan obyek).

  c) Alur data Gambar 2.6

  Komponen alur data Suatu data flow atau alur data digambarkan dengan anak panah, yang menunjukkan arah menuju ke dan keluar dari suatu proses. Alur data ini digunakan untuk menerangkan perpindahan data atau paket data informasi dari satu bagian sistem ke bagian lainnya.

  d) Data store Gambar 2.7

  Komponen data store Komponen ini digunakan untuk membuat model sekumpulan paket data dan diberi nama dengan kata benda jamak, misalnya Mahasiswa. Data store ini biasanya berkaitan dengan penyimpanan penyimpanan, seperti file atau database yang berkaitan dengan penyimpanan secara komputerisasi. Data store juga berkaitan dengan penyimpanan secara manual seperti buku alamat, file folder, dan agenda.

2.7 Database MySQL

  Pengertian MySQL menurut MySQL manual adalah sebuah open source software database

  Structure Query Language (SQL) yang menangani sistem manajemen database dan sistem manajemen database relational. MySQL dibuat oleh sebuah perusahaan asal Swedia yaitu MySQL AB. MySQL sendiri mempunyai fitur-fitur yang sangat mudah dipelajari bagi para penggunanya dan dikembangkan untuk menangani database yang besar dengan waktu yang lebih singkat. Kecepatan, konektivitas dan keamanannya yang lebih baik membuat MySQL sangat dibutuhkan untuk mengakses database di internet.

  MySQL menggunakan bahasa standar yaitu SQL sebagai bahasa interaktif dalam mengelola data. MySQL memiliki kinerja, kecepatan proses dan ketangguhan yang tidak kalah dibanding database-database besar lainnya yang komersil seperti ORACLE, Sybase, Unify dan sebagainya. MySQL dapat berjalan di atas banyak sistem operasi seperti Linux, Windows, Solaris, Free BSD, Mac OS X, dan lain sebagainya.

2.8 PHP

  PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun 1995. Pada waktu itu PHP bernama Form Interpreted (FI). Pada saat tersebut PHP adalah sekumpulan script yang digunakan untuk mengolah data form dari web. Saat ini, PHP sendiri merupakan kepanjangan “PHP: Hypertext Preprocessor” adalah sebuah bahasa script berjenis server side yang menyatu dengan Hyper Text Markup Language

  (HTML). Sintaks dan perintah-perintah yang dimasukkan akan sepenuhnya dijalankan dan dikerjakan oleh server dan disertai pada halaman HTML biasa. PHP bertujuan untuk membuat aplikasi-aplikasi yang dijalankan diatas teknologi web. Dalam hal ini, aplikasi pada umumnya akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan dan dikerjakan di web server.

BAB III METODE PENELITIAN Metode penelitian merupakan cara atau prosedur yang berisikan tahapan-

  tahapan yang jelas dan sistematis untuk menyelesaikan permasalahan yang sedang diteliti dengan landasan ilmiah. Dalam melakukan penelitian ini, penulis menggunakan metode sebagai berikut :

  Lokasi dan Waktu Penelitian 3.1.

  Tempat yang digunakan untuk melakukan penelitian ini adalah Bank Jatim Cabang Dr. Soetomo Surabaya yang beralamat di Jl. Prof. Mustopo 6-8, Surabaya. Penelitian dilakukan mulai pada tanggal 1 Desember 2014 sampai dengan tanggal 31 Desember 2014, dengan narasumber pakar yaitu seorang analis kredit bagian KPR.

  Objek Penelitian 3.2.

  Hal yang menjadi obyek penelitian ini adalah berfokus kepada produk KPR dan kriteria- kriteria yang akan dijadikan pertimbangan dalam persetujuan pemberian kredit oleh bagian analis kredit kepada calon debitur.

  Pengumpulan Data dan Informasi 3.3.

  Teknik pengumpulan data yang digunakan untuk membantu proses penelitian dilakukan dalam beberapa tahap, diantaranya :

3.3.1 Studi Literatur

  Metode ini dilakukan dengan mempelajari buku yang mendukung topik yang akan dibahas dalam penelitian ini. Sumber literatur yang dipergunakan di dalam penulisan skripsi ini adalah studi literatur hasil dari penelitian atau hasil

  28 penulisan karya ilmiah (jurnal) khususnya yang berkaitan dengan SPK, data mining , metode K-NN, dan kredit.

3.3.2 Wawancara

  Proses wawancara dilakukan dengan mengadakan tanya jawab dengan pihak pakar, dalam hal ini adalah seorang analis KPR dari Bank Jatim cabang Dr.

  Soetomo Surabaya. Pertanyaan-pertanyaan yang diajukan dalam proses wawancara ini memiliki tujuan utama yaitu mendapatkan informasi-informasi dan pengetahuan yang lebih mendetail terkait sistem yang telah digunakan dalam proses pengambilan keputusan oleh pihak analisis KPR Bank Jatim cabang Dr.

  Soetomo Surabaya.

  Informasi ini digunakan sebagai kriteria dan penilaian khusus dalam pengisian data pada SPK pemberian KPR yang akan dibuat sekaligus penulis dapat memperoleh pengetahuan khusus seperti prosedur pemberian kredit, produk

kredit, penggunaan istilah dan sebagainya yang berhubungan dengan kredit.

   Pengolahan Data dan Informasi 3.4.

  Sebelum data diolah, dilakukan terlebih dahulu teknik pengumpulan data yang digunakan untuk membantu proses penelitian, yaitu : 1) Mengambil data debitur KPR Bank Jatim cabang Dr. Soetomo Surabaya telah diterima baik yang tidak bermasalah maupun debitur yang bermasalah dalam pembayaran angsuran kredit dengan rentang periode selama 5 tahun yaitu periode 2008 - 2013, dengan jumlah 181 record.

  2) Mengambil persyaratan KPR yang akan diajukan oleh pihak debitur. Data yang telah terkumpul selanjutnya diolah untuk disesuaikan dengan masalah yang akan dibahas dalam skripsi ini. Pengolahan data dilakukan berdasarkan teori yang didapat dari berbagai sumber, baik secara langsung melalui wawancara dengan narasumber, juga melalui berbagai referensi seperti buku, jurnal, dan internet. Kegiatan pengolahan data yang dimaksud adalah : a) Menganalisis data debitur KPR Bank Jatim cabang Dr. Soetomo Surabaya baik yang tidak bermasalah maupun debitur yang bermasalah dalam pembayaran kredit di ketahui dengan banyaknya jumlah memo yang telah tercatat oleh sistem, kemudian dimasukkan sebagai data training dan di klasifikasikan sebagai debitur bermasalah atau tidak bermasalah, yang kemudian disimpan dalam database.

  b) Menganalisis kriteria-kriteria pengajuan KPR yang berpengaruh terhadap penentuan klasifikasi debitur yang nantinya akan dijadikan dasar dalam membangun model klasifikator pada SPK persetujuan pemberian KPR.

   Menyelesaikan Masalah dengan Metode K-NN 3.5.

  Menyelesaikan masalah dengan metode K-NN dapat dilakukan dengan beberapa langkah, seperti yang terlihat pada Gambar 3.1, diantaranya : 1) Dari dataset debitur lama yang telah tersimpan, kemudian digunakan sebagai data training, yaitu data yang sudah diketahui label kelasnya, dalam dataset ini terdapat atribut-atribut pendukung lain yang diperhitungkan dalam pengajuan KPR yang berfungsi dalam membangun model klasifikator. Kemudian kategorikan status debitur tersebut ke dalam 2 label yaitu label tidak bermasalah (collect 1 dan 2) dan label bermasalah (collect

  Mulai Input data testing calon debitur

  Menentukan nilai K Menghitung nilai

  Data Training kedekatan dengan debitur lama Similarity Urutkan hasil perhitungan jarak terbesar, sejumlah nilai k

  Pilih alternatif terbanyak Hasil keputusan calon debitur bermasalah / tidak berdasarkan data debitur lama

  Selesai

Gambar 3.1 Flowchart metode K-NN

  3, 4, dan 5) dan juga terdapat atribut-atribut pendukung lain dalam pengajuan KPR; 2) Input data testing calon debitur; 3) Tentukan nilai parameter K; 4) Hitung jarak kedekatan antara data testing dengan semua data training, menggunakan Persamaan Similarity (2.4);

  Sebelum masuk ke Persamaan (2.4), maka pertama kali yang dilakukan adalah menghitung nilai kedekatan sesuai dengan tipe data nya terlebih dahulu. Karena tipe datanya berbeda-beda, maka untuk tipe data interval digunakan Persamaan (c) untuk nilai w ijk dan Persamaan (2.5) untuk nilai s ijk , kemudian untuk tipe data ordinal dihitung menggunakan Persamaan (2.6) jika kedua objek sama dan Persamaan (2.7) jika kedua objek berbeda untuk nilai s ijk dan Persamaan (c) untuk nilai w ijk , dan yang terakhir untuk tipe data bertipe nominal dapat digunakan Persamaan (b).

  5) Urutkan jarak kedekatan yang terbentuk, mulai dari nilai yang terbesar; 6) Cari jumlah kelas dari tetangga yang terdekat dan tetapkan kelas tersebut sebagai kelas data yang akan dievaluasi, misalnya ditetapkan nilai K adalah 5, maka ambil 5 jarak yang terbesar. Kemudian ambil kelas yang paling mendominasi, jika terdapat 3 kelas yang mempunyai label tidak bermasalah dan terdapat 2 kelas yang mempunyai label bermasalah jadi dapat kita ambil kesimpulan bahwa kelas yang diuji tersebut termasuk ke dalam label kelas yang tidak bermasalah.

   Perancangan Sistem 3.6.

  Perancangan sistem dilakukan dengan menggunakan Microsoft Visio. Hal–hal yang perlu dibuat dalam perancangan sistem adalah menggunakan DFD. DFD adalah suatu diagram yang menggunakan notasi-notasi untuk menggambarkan arus data dari sistem, yang penggunaannya sangat membantu untuk memahami sistem secara logika, tersruktur dan jelas. Beberapa hal yang perlu dibuat dalam perancangan sistem antara lain :