Anda di halaman 1dari 33

Rancang Bangun Aplikasi Sistem Penentuan kelayakan Kredit

pada Bank BRI dengan Methode topsis

Nama :saprudin
1. .Latar Belakang
Sudah menjadi rahasia umum bahwa sektor usaha mikro, kecil, dan menengah
adalah penyelamat ekonomi negara yang sebenarnya. Saat terjadi krisis ekonomi dan
perusahaan kolaps, mereka mampu menggerakkan perekonomian bangsa. PT Bank
Rakyat Indonesia Tbk (BRI) mencatatkan kenaikan laba sepanjang 2012 sebesar 22,79
persen atau menjadi Rp 18,5 triliun. Kenaikan laba ini disebabkan karena kredit usaha,
mikro, dan kecil menengah (UMKM) yang melonjak.
Pemberian putusan kredit selama ini dilakukan oleh pejabat Pemutus Kredit
(Kaunit, AMBM, MBM dan Pinca), dan penilaian keputusan pemberian kreditpun
harus menunggu petunjuk mantri sebagai bahan pertimbangan dalam analisa kredit
sehingga kurang menjamin ke-objektifitasan pada putusan kredit yang diambil oleh
manajemen pengambil keputusan dan membutuhkan waktu yang cukup lama untuk
proses analisa kredit tersebut, dan bukan tidak mungkin terjadinya kecurangan ataupun
penilaian yang kurang tepat dari mantri tersebut.
Melihat permasalahan yang telah diuraikan di atas maka diperlukan suatu analisa
sistem penunjang keputusan

pemberian

kredit yang dapat digunakan sebagai

alternatife untuk dapat membantu dalam proses pengambilan keputusan layak atau
tidaknya calon debitur tersebut menerima pinjaman.
Beberapa penelitian Ssitem Penunjang Keputusan dengan kriteria 5C telah banyak
di lakukan, seperti diantaranya telah dilakukan diantaranya Rekayasa perangkat lunak
sistem pendukung keputusan pemberian kredit menggunakan metode AHP (Khristianto,
2011) dengan permasalahan yang dihadapi yaitu sulitnya menentukan keputusan
permohonan kredit yang diajukan nasabah dan

hasil dari penelitian tersebut adalah

dari sampel sebanyak 10 permohonan kredit 5 permohonan kredit yang diterima dan 5
permohonan kredit ditolak.

2. Identifikasi Masalah
Berdasarkan latar belakang masalah diatas maka dapat di identifikasikan masalah
sebagai
1.

berikut :

Penentuan putusan kredit bisnis mikro masih menggunakan penilaian secara


subjektif/manual sehingga kurang menjamin ke-objektifitasan pada putusan kredit
yang diambil oleh manajemen pengambil keputusan.

2.

Putusan kredit yang diberikan masih membutuhkan waktu yang lama karena harus
menunggu hasil analisa dari mantri sebagai bahan pertimbangan putusan kredit.

3.

Rumusan Masalah
Berdasarkan identifikasi masalah diatas maka dapat dirumuskan permasalahan
yang ada adalah:
1. Bagaimana menerapkan metode TOPSIS dalam sebuah sistem pendukung
keputusan sebagai alternatif untuk meminimalisir kecurangan dalam penentuan
putusan pemberian kredit bisnis mikro.
2. Bagaimana membuat sebuah sistem pendukung keputusan yang

dapat

menentukan putusan pemberian kredit yang lebih efisien.

4. Batasan Masalah
Untuk batasan permasalahan dalam penelitian ini adalah :
1. Penelitian dikhususkan hanya untuk menganalisa penerapan metode TOPSIS
dalam penentuan putusan pemberian kredit.
2. Dalam penelitian ini dilakukan simulasi dengan cara melakukan perhitungan
matematis

dengan

kriteria

kriteria

yang

telah

ditentukan

kriteria-kriteria yang digunakan dalam proses putusan kredit yaitu:


- Character (pribadi calon debitur)
- Capacity (kemampuan calon debitur dalam pengambilan kredit)
- Capital (dana yang dimiliki calon debitur)
- Collateral (jaminan)
- Condition of economy (keadaan eknomi calon debitur)

adapun

5. Keuntungan SPK
Dengan berbagai karakter khusus seperti dikemukakan di atas, system pendukung
keputusan dapat memberikan manfaat atau keuntungan bagi pemakainya. Keuntungan
yang dimaksud diantaranya meliputi:
a.

Sistem Pendukung Keputusan memperluas kemampuan pengambil


keputusan dalam memproses data/informasi bagi pemakainya.

b.

Sistem Pendukung Keputusan membantu pengambil keputusan dalam hal


penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama
berbagai masalah yang sangat kompleks dan tidak terstruktur.

c.

Sistem Pendukung Keputusan dapat menghasilkan solusi denagn lebih cepat


serta hasilnya dapat diandalkan.

6. Tahapan Pengambilan Keputusan


Sistem pendukung keputusan secara garis besar seorang pengambil keputusan
dalam melakukan pengambilan keputusan melewati beberapa alur/ proses seperti
ditunjukkan pada gambar 2-1 untuk mendapatkan keputusan yang terbaik.

Gambar Tahap pengambilan keputusan

Alur/proses pemilihan alternatif tindakan/keputusan biasanya terdiri dari


langkah-langkah berikut:
1. Tahap Inteligence Suatu tahap proses seseorang dalam rangka pengambil
keputusan untuk permasalahan yang dihadapi, terdiri dari aktivitas penelusuran,
pendeteksian serta proses pengenalan masalah. Data masukan diperoleh, diuji dalam
rangka mengidentifikasi masalah.
2. Tahap Design Tahap proses pengambil keputusan setelah tahap intellegence
meliputi proses untuk mengerti masalah, menurunkan solusi dan menguji kelayakan
solusi. Aktivitas yang biasanya dilakukan seperti menemukan, mengembangkan dan
menganalisa alternatif tindakan yang dapat dilakukan.
3. Tahap Choice Pada tahap ini dilakukan proses pemilihan diantara berbagai
alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian
diimplementasikan dalam proses pengambilan keputusan. (Paramadina, 2009)

7. TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)


TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang
pertama kali diperkenalkan oleh Yoon dan Hwang pada tahun 1981 (Kusumadewi,
2006). TOPSIS memberikan sebuah solusi dari sejumlah alternatif yang mungkin
dengan cara membandingkan setiap alternatif dengan alternatif terbaik dan alternatif
terburuk yang ada diantara alternatif-alternatif masalah. Metode ini menggunakan jarak
untuk melakukan perbandingan tersebut. TOPSIS telah digunakan dalam banyak
aplikasi termasuk keputusan investasi keuangan, perbandingan performansi dari
perusahaan, perbandingan performansi dalam suatu industri khusus, pemilihan sistem
operasi, evaluasi pelanggan, dan perancangan robot. TOPSIS menggunakan prinsip
bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif
dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan
menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif
dengan solusi optimal. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh
nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal
terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut.
TOPSIS mempertimbangkan kedua hal tersebut, jarak terhadap solusi ideal positif

dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relative terhadap
solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan
prioritas alternatif bisa dicapai. Metode ini banyak digunakan untuk menyelesaikan
pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan
mudah dipahami, komputasinya efisien,dan memiliki kemampuan mengukur kinerja
relatif dari alternatif-alternatif keputusan.

Secara umum tahapan dalam metode TOPSIS (Yunitarini, 2009) sebagai berikut:
a.

Menentukan matriks keputusan yang ternormalisasi


Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi
berdasarkan n kriteria. Matriks keputusan X dapat dilihat pada gambar 2.1.

Dimana
( i = 1, 2, 3, . . . , m ) adalah alternatif-alternatif yang mungkin,
( j =1, 2, 3, . . . , n ) adalah atribut dimana performansi alternatif diukur,
adalah performansi alternatif

dengan acuan atribut

Persamaan yang digunakan untuk mentransformasikan setiap elemen

r ij =

x ij
m
2
ij

dan xj = 1, 2, 3, . . . , n;
dengan i = 1, 2, 3, . . . , m;
i=1

dimana

adalah elemen dari matriks keputusan yang ternormalisai R,

adalah elemen dari matriks keputusan X.

b.

Menghitung matriks keputusan yang ternormalisasi terbobot.

adalah:

Dengan bobot

wj = ( w1 , w2 , w3 , . . . , wn ), dimana

kriteria ke- j dan

wj adalah bobot dari

, maka normalisasi bobot matriks V adalah:

dengan i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n.
dimana Vij adalah elemen dari matriks keputusan yang ternormalisai terbobot V,

Wj adalah bobot dari kriteria ke-j,


Rij adalah elemen dari matriks keputusan yang ternormalisai R.
c.

Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif.
Solusi ideal positif dinotasikan

, sedangkan solusi ideal negatif dinotasikan

, Berikut ini adalah persamaan dari

dan

1.
=

2.
=

J = { j = 1, 2, 3, . . . , n dan J merupakan himpunan kriteria keuntungan (benefit

criteria)}.
J = { j = 1, 2, 3, . . . , n dan J merupakan himpunan kriteria biaya (cost criteria)}.

d.

Menghitung jarak antara nilai setiap alternatif dengan matriks solusi ideal
positif dan matriks solusi ideal negatif.
adalah jarak alternatif dari solusi ideal positif didefinisikan sebagai:

adalah jarak alternatif dari solusi ideal negatif didefinisikan sebagai:

Dimana
adalah jarak alternatif ke-i dari solusi ideal positif,
adalah jarak alternatif ke-i dari solusi ideal negatif,
adalah elemen dari matriks keputusan yang ternormalisai terbobot V,
adalah elemen matriks solusi ideal positif,
adalah elemen matriks solusi ideal negatif

e.

Menghitung nilai preferensi untuk setiap alternatif.


Perhitungan nilai referenasi atau pencarian alternatif terbaik menggunakan
persamaan berikut:

Dimana:
adalah alternatif ke- I dari masing-masing alternatif yang ada
adalah jarak alternatif ke-i dari solusi ideal positif,
adalah jarak alternatif ke-i dari solusi ideal negatif,

8. Gambaran Sistem Berjalan


Pelaksanaan proses putusan kredit mikro dilaksanakan minimal oleh dua orang
pejabat kredit lini, yaitu pejabat pemrakarsa (Mantri) dan pejabat pemutus (KaUnit).
Setelah aplikasi pengajuan kredit diterima oleh mantri dari nasabah, mantri melakukan
pemeriksaan langsng atas semua data atau informasi awal dari calon debitur untuk
memastikan bahwa dokumen yang dipersyaratkan untuk mendukung putusan kredit
masih berlaku,sah dan lengkap. Kemudian mantri melakukan perhitungan secara
manual dan diserahkan hasil perhitungan tersebut kepada Pejabat Pemutus atau Kaunit
yang akan memberikan putusan kredit layak atau tidaknya nasabah tersebut menerima
kredit.

Pada system berjalan ini proses penilaian putusan kredit belum menggunakan
system dimana proses putusan pemberian kredit hanya dilakukan dengan perhitungan
yang dilakukan oleh mantri. Berikut ini adalah gambaran aktivitas dari proses yang
sudah berjalan.
9. Rancangan Sistem Usulan
1. Entity Relationship Diagram (ERD
ERD))
H itu n g

Bobot

KODE
NAMA
c1
c2
c3
c4
c5

Ada

Ada
1

K eputusan

1
M

Ada

*K O D E 1
NAMA
c1
c2
c3
c4
c5

C e ta k
1

Nilai Bobot

KODE
NAMA
c1
c2
c3
c4
c5
c1n
c2n
c3n
c4n
C5n
c1b
c2b
c3b
c4b
C5b
D_P lu s
D_M i n
V
KET

*i d _nilai
c1
c2
c3
c4
c5

Ada

Dapat

Normalisasi
KODE
NAMA
c1
c2
c3
c4
c5

Is i

2. LRS ( Logical Record Structure )

tblnormalisasi
KODE
NAMA
c1
c2
c3
c4
c5

tblkeputusan
*K O D E
NAMA
c1
c2
c3
c4
c5

tblbobot
KODE
NAMA
c1
c2
c3
c4
c5

3. Use Case Diagram Usulan

Q_C E T A K
KODE
NAMA
c1
c2
c3
c4
c5
c1n
c2n
c3n
c4n
C5n
c1b
c2b
c3b
c4b
C5b
D_P lu s
D_M i n
V
KET

tblnilaibobot
*i d _nilai
c1
c2
c3
c4
c5

Usecase diagram ini digunakan untuk menjelaskan apa yang akan


dilakukan oleh system dan actor-actor yang akan berhubungan dengan
proses-proses yang ada didalam system.

Deskripsi Use Case


a. Use Case

: Login

Actor

: Administrator

Deskripsi

:
Administrator dapat masuk ke sistem

b. Use Case

Actor
Deskripsi

: Input Tabel Keputusan


: Administrator
:
Administrator dapat menambahkan data tabel
keputusan.
Administrator

dapat

merubah

data

tabel

keputusan.
Administrator dapat menghapus data tabel
keputusan.
c. Use Case

Actor

: Input Nilai Bobot


: Administrator

Deskripsi

:
Administrator dapat memasukan nilai bobot.
Administrator dapat merubah nilai bobot.
Administrator dapat menghapus nilai bobot.

d. Use Case

Actor

: View Tabel Normalisasi


: Administrator

Deskripsi

:
Administrator

dapat

melihat

tabel

hasil

tabel

hasil

normalisasi.
e. Use Case

Actor

: View Tabel Ternormalisasi Berbobot


: Administrator

Deskripsi

:
Administrator

dapat

melihat

ternormalisasi berbobot.

f.

Use Case
Actor

: View Jarak Solusi Ideal Positif


: Administrator

Deskripsi

:
Administrator dapat melihat jarak solusi ideal
positif.

g.

Use Case
Actor
Deskripsi

: View Jarak Solusi Ideal Negatif

: Administrator
:
Administrator dapat melihat jarak solusi ideal
negatif.

h. Use Case

Actor
Deskripsi

: View Referensi Putusan Kredit


: Administrator
:
Administrator dapat melihat nilai referensi
putusan kredit.

4. Class Diagram

tblkeputusan

Q_C ETAK

tblnormalisasi

*K OD E
NAMA
c1
c2
c3
c4
c5

K OD E
NAMA
c1
c2
c3
c4
c5
c1n
c2n
c3n
c4n
C5n
c1b
c2b
c3b
c4b
C5b
D_P lus
D_M in
V
KET

K OD E
NAMA
c1
c2
c3
c4
c5

tblbobot
K OD E
NAMA
c1
c2
c3
c4
c5

tblnilaibobot
*i d _nilai
c1
c2
c3
c4
c5

5. Diagram Activity

S ta ff

A d m in
M u la i

D a ta ke p u tu sa n ca lo n kre d ito r

In p u t d a ta ke p u tu sa n

In p u t n ila i b o b o t

K lik p ro se s

No

Yes
Ta m p il ta b e l n o rm a lisa si

Ta m p il ta b e l te rn o rm a lisa si
b e rb o b o t

Ta m p il ja ra k so lu si id e a l
p o sitif

Ta m p il ja ra k so lu si id e a l
n e g a tif

Ta m p il re fe re n si p u tu sa n
kre d it

C e ta k

S e le sa i

6. Squence Diagram Login

A d m in

L o g in

Control login

A d m in

input password ( )

L o g in( )

Validasi( )

Menampilkan( )

7. Squence DiagramPutusan Kredit

A dm in

Form Putusan Kredit

Ctrl Putusan Kredit

Bobot

Keputusan Nilai bobot Normalisasi

Input keputusan( )

Input Keputusan( )

Input( )

Input Nilai Bobot( )


Input Nilai Bobot( )
Input( )

Proses( )
Proses( )
Get ( )
Display putusan kredit( )
Get( )

C etak( )
C etak( )
Get ( )
Get( )
Get( )
Get( )

B a ru( )
D elete ( )
D elete( )
D elete( )
D elete ( )
D elete ( )

8. Spesifikasi Basis Data


Spesifikasi basis data mengelompokan uraian rinci setiap file atau relasi yang
telah dikelompokan kedalam tabel relasi dan diuraikan sebagai berikut.

1) Nama Tabel

: tblkeputusan

Media

: Hardisk

Isi

: Data Nilai Keputusan

Primary Key : KODE


Panjang Record : 52 Byte
Struktur

No

Nama Field

Type

Size

Ket.

1.

KODE

Text

Kode Alternatif

2.

NAMA

Text

20

Nama Nasabah

3.

c1

Number

Kriteria 1

4.

c2

Number

Kriteria 2

5.

c3

Number

Kriteria 3

6.

c4

Number

Kriteria 4

7.

c5

Number

Kriteria 5

2) Nama Tabel

: tblnilaibobot

Media

: Hardisk

Isi

: Data Nilai Bobot

Primary Key : id_nilai


Panjang Record : 21 Byte
Struktur

No

Nama Field

Type

Size

Ket.

1.

id_nilai

Int

Id Nilai

3.

c1

Number

Kriteria Bobot1

4.

c2

Number

Kriteria Bobot 2

5.

c3

Number

Kriteria Bobot 3

6.

c4

Number

Kriteria Bobot 4

7.

c5

Number

Kriteria Bobot 5

3) Nama Tabel

: tblnormalisasi

Media

: Hardisk

Isi

: Data Nilai Normalisasi

Panjang Record : 52 Byte


Struktur

No

Nama Field

Type

Size

Ket.

1.

KODE

Text

Kode Alternatif

2.

NAMA

Text

20

Nama Nasabah

3.

c1

Number

Kriteria 1

4.

c2

Number

Kriteria 2

5.

c3

Number

Kriteria 3

6.

c4

Number

Kriteria 4

7.

c5

Number

Kriteria 5

4) Nama Tabel

: tblbobot

Media

: Hardisk

Isi

: Data Nilai Ternormalisasi Berbobot

Panjang Record : 52 Byte


Struktur

No

Nama Field

Type

Size

Ket.

1.

KODE

Text

Kode Alternatif

2.

NAMA

Text

20

Nama Nasabah

3.

c1

Number

Kriteria 1

4.

c2

Number

Kriteria 2

5.

c3

Number

Kriteria 3

6.

c4

Number

Kriteria 4

7.

c5

Number

Kriteria 5

9. Rancangan Kode
a.

Tabel keputusan
Tabel 3.5 Tabel keputusan
Nama Field

Type

Size

Ket.

KODE

Text

primary key

Contoh : A 1
Nomor Urut
Alternatif
b.

Tabel nilai bobot


Tabel 3.6 Tabel nilai bobot
Nama Field

Type

Size

Ket.

id_ilai

Int

primary key

Contoh : 1
Urutan otomatis komputerisasi

10. Rancangan Layout


1. Rancangan Layout Login
L o g in F o rm
P as s w ord

Ok

2. Rancangan Layout Putusan Kredit

Metode Topsis
Tabel Keputusan
>

Kode Nama C 1(Kapital) C2(Chapacity ) C3(Collateral) C4 (ConOfEc) C5(Character)

>

Nilai

Kode

Nilai

>

>

Kode

Tabel Normalisasi
C1(Kapital ) C2(Chapacity ) C3(Collateral) C4 (Condition Of Economy ) C5(Character)

>

>
C1 (Capital)C2(Chapacity ) C3(Collaral) C4(ConOfEc )C5(Character)

Nilai Bobot
Tabel Keputusan Ternormalisasi Berbobot
>

Kode Nama C 1(Kapital) C2(Chapacity ) C3(Collateral) C4 (ConOfEc) C5(Character)

>
>

>
>
>

>

Kode

Nilai

P roses

C etak

B aru

10. Implementasi
Tahap implementasi merupakan tahap penerapan sistem supaya dapat
dioperasikan. Pada tahap ini dijelaskan mengenai, implementasi perangkat lunak,
implementasi perangkat keras dan implementasi antar muka.
10.1. Implementasi Perangkat Lunak
Untuk mendukung sistem yang diusulkan berjalan dengan optimal,
dibutuhkan software pengolahan data, adapun perangkat lunak yang
digunakan untuk mendukung pembuatan program aplikasi ini adalah :

1. Windows XP
2. Microsoft Access
3. VB.NET
4. Crystall Report
10.2. Implementasi Perangkat Keras
Perangkat keras (hardware) yaitu peralatan dalam bentuk fisik yang
menjalankan komputer. Hardware digunakan sebagai media untuk
menjalankan perangkat lunak (software) dan peralatan ini berfungsi untuk
menjalankan instruksi-instruksi yang diberikan dan mengeluarkannya
dalam bentuk informasi yang digunakan oleh manusia untuk laporan,
adapun perangkat keras yang digunakan untuk mendukung menjalankan
program aplikasi ini adalah :

1. Processor Intel Core 2 Duo


2.Hardisk 80 GB
3. RAM 1024 MB
4. VGA 128 MB
5. Mouse, keyboard dan monitor

10.3. Implementasi Antar Muka


Berikut ini adalah implementasi dari setiap halaman pada sistem
aplikasi putusan penerimaan kredit.

1. Implementasi Antar Muka


Pada bagian ini akan diimplementasikan antar muka program yang
dibangun.

Gambar Menu Login User

Gambar Menu Utama

Gambar Menu Input Tabel Keputusan

Gambar Menu Input Nilai Bobot

Gambar Menu Tabel Keputusan

Gambar Report Putusan Kredit

11. Pembahasan
Eksperimen yang dilakukan dalam penelitian ini meliputi langkah langkah sebagai
berikut:
a. Menentukan Kriteria yang dijadikan bahan penilaian
1. C1 = Collateral (Jaminan)
2. C2 = Chapacity (Kemampuan/Pengeluaran)
3. C3 = Capital (Penghasilan)
4.

C4 = Condition Of Economy (Kondisi Ekonomi)

5. C5 = Character (Pribadi Calon Debitur )


b. Menentukan Alternatif yang diajukan
1. Alternatif pertama disimbolkan dengan A1
2. Alternatif pertama disimbolkan dengan A2
3. Alternatif pertama disimbolkan dengan A3
4. Alternatif pertama disimbolkan dengan A4
5. Alternatif pertama disimbolkan dengan A5
6. Alternatif pertama disimbolkan dengan A6

c. Menentukan bobot yang diberikan untuk masing-masing kriteria diberi


nilai 1-5 dengan ketentuan sebagai berikut:
1. Tidak Penting
2. Kurang Penting
3. Cukup Penting
4. Penting
5. Sangat Penting
Untuk menentukan nilai pada setiap ktiteria-kriteria yang sudah ditentukan pada table
maka penentuan pembobotan dibagi menjadi 0.25% untuk C1 (Collateral), 0.20% untuk
C2(Capital), 0.20% untuk C3(Chapacity), 0.15% untuk C4(Condition of economy),
0.15% untuk C5(Character)

diatas maka pengambil keputusan memberikan bobot (W) preferensi sebagai berikut:

C1= 0.25; C2= 0.20; C3= 0.20; C4= 0.15; C5= 0.15

Nilai W diatas adalah konversi presentase kedalam bilang dibawah 1 (satu) atau nilai
asli dari presentase tersebut.

a. Merancang Matriks ternormalisasi dengan menggunakan persamaan matematis


berikut ini:
r ij

ij

2
ij

i = 1

e. Merancang Matriks ternormalisasi terbobot dengan menggunakan persamaan


matematis berikut ini:

y ij = w i r ij
A

(
= (y

)
);

= y 1+ , y +2 , , y +n ;

, y 2 , , y

Dengan ketentuan:
y

+
j

max y ij ;
i
=
min y ij ;
i
min y ij ;
i
=
max y ij ;
i

jika

j adalah

atribut

keuntungan

jika

j adalah

atribut

biaya

jika j adalah

atribut

keuntungan

jika

atribut

biaya

j adalah

f.Menentukan jarak solusi ideal positif dan negative dengan persamaan berikut:
n

+
i

(y

+
i

ij

ij

j= 1

(y

j= 1

g. Menghitung nilai preferensi dengan persamaan berikut:

D
D

+
i

Untuk menganalisa dan mengetahui hasil penerapan metode TOPSIS untuk menentukan
putusan pemberian kredit dilakukan percobaan dengan menggunakan

Data Sampling
Alter
natif
A1
A2
A3
A4
A5
A6

C
1

C
2

Kriteria
C
3

4
3
2
5
4
4

3
3
2
4
3
4

3
4
5
2
2
3

C
4

C5

2
3
3
3
3
3

3
2
4
3
4
5

12. Matriks ternormalisasi


Untuk mencari matriks ternormalisasi, langkah yang lebih dulu dilakukan adalah
mencari nilai pangkat dari masing-masing nilai yang terdapat dalam tabel keputusan,
kemudian hasil pangkat untuk masing-masing kriteria dijumlahkan keseluruhan,
setelah mendapat kan akumulasi hasil pangkat selanjutnya adalah mencari nilai akar
pangkat dari nilai akumulasi tersebut dengan menggunakan persamaan seperti
dibawah ini:

AiCj2 = A1C12+ A2C12+ A3C12+ A4C12+ A5C12+ A6C12


AiCj2 = 42+32+22+52+42+42+
AiCj2 = 16 + 9 + 4 + 25 + 16 + 16
AiCj2 = 86
dst
Dan persamaan berikut untuk mencari nilai akar pangkat

AiCj2 = 86
AiCj2 = 9.2736
...dst
Hasil dari perhitungan dengan menggunakan persamaan diatas seperti ditunjukan
pada tabel 4.1

Tabel Keputusan

A1
A2
A3
A4
A5
A6

C
1
4
3
2
5
4
4
8
6

9.
2
7
3
6

C2
3
3
2
4
3
4

C3
3
4
5
2
2
3

C4
2
3
3
3
3
3

C
5
3
2
4
3
4
5

63

67

49

79

7.9
37
3

8.
18
54

8.
88
82

Setelah mendapatkan nilai akar dari masing masing kriteria maka proses
penghitungan nilai matriks ternormalisasi dapat dilakukan dengan menggunakan
persamaan sebagai berikut:

r ij =

x ij
m

x ij2

i=1

.dst

Hasil lengkap dari perhitungan matriks ternormalisasi seperti terlihat pada tabel

A1

A2

A3

A4

A5

A6

Matriks Ternormalisasi
C
C
C1
2
3
0.
0.
0.43
37
36
13
80
65
0.
0.
0.32
37
48
35
80
87
0.
0.
0.21
25
61
57
20
08
0.
0.
0.53
50
24
92
40
43
0.
0.
0.43
37
24
13
80
43
0.
0.
0.43
50
36
13
40
65

C
4
0.
28
57
0.
42
86
0.
42
86
0.
42
86
0.
42
86
0.
42
86

C
5
0.
33
75
0.
22
50
0.
45
00
0.
33
75
0.
45
00
0.
56
25

13. Matriks Ternormalisasi Terbobot


Setelah mendapatkan nilai matriks ternormalisasi, langkah selanjutnya adalah
menghitung nilai matriks ternormalisasi terbobot dengan menggunakan persamaan
sebagai berikut:

Dimana pada bab sebelumnya dijelaskan bahwa bobot yang diberikan untuk
masing-masing kriteria adalah sebagai berikut:
W1= 25 % = 0.25
W2= 20 % = 0.20
W3= 20 % = 0.20
W4= 20 % = 0.20
W5= 15 % = 0.15
Dan jika dilakukan perhitungan untuk mencari nilai matriks ternormalisasi terbobot
maka hasilnya adalah sebagai berikut:
A1C1 = W1*RA1C1
A1C1 = 0.25*0.4313
A1C1 = 0.1078

A2C1 = W1*RA2C1
A2C1 = 0.25*0.3234
A2C1 = 0.0809
A1C2 = W2*RA1C2
A1C2 = 0.20*0.3779
A1C2 = 0.0756
dst

Hasil perhitungan matriks normalisasi terbobot seperti terlihat pada table 4.3

A1

A2

A3

A4

A5

A6

Matriks Ternormalisasi Terbobot


C
C
C
C1
2
3
4
0.
0.
0.
0.10
07
07
05
78
56
33
71
0.
0.
0.
0.08
07
09
08
09
56
77
57
0.
0.
0.
0.05
05
12
08
39
04
22
57
0.
0.
0.
0.13
10
04
08
48
08
89
57
0.
0.
0.
0.10
07
04
08
78
56
89
57
0.
0.
0.
0.10
10
07
08
78
08
33
57

C
5
0.
05
06
0.
03
38
0.
06
75
0.
05
06
0.
06
75
0.
08
44

Dengan nilai A+ atau matriks solusi ideal positif untuk hasil tersebut adalah
seperti pada tabel 4.4

A+

Matriks solusi ideal positif


C1
C
C
2
3
0.13
0.
0.
48
10
12
08
22

C
4
0.
08
57

C
5
0.
08
44

Dimana A+ merupakan nilai terbesar dari A1 s/d A6 untuk masing-masing kriteria


dan didapat dengan menggunakan ketentuan sebagai berikut:

Kemudian untuk nilai A- atau matriks solusi ideal negative untuk hasil pada tabel 3.5
adalah seperti pada tabel 3.6

A-

Matriks solusi ideal negatif


C
C
C1
2
3
0.
0.
0.05
05
04
39
04
89

C
4
0.
05
71

C
5
0.
03
38

Dimana A- merupakan nilai terkecil dari A1 s/d A6 untuk masing-masing kriteria


dan didapat dengan menggunakan ketentuan sebagai berikut:

14. Jarak Solusi Ideal Positif dan Negatif


Proses selanjutnya adalah menghitung jarak solusi ideal positif dan negatif dengan
mengacu pada nilai matriks A+ dan A-, dengan menggunakan persamaan sebagai
berikut:

Dimana yi+ merupakan nilai yang berasal dari Ai+, dan

Dimana yi- merupakan nilai yang berasal dari Ai+ ( 0.0843- 0.0506)

+(0.0506 0.0338)

dst
Hasil lengkap dari perhitungan jarak solusi ideal positif ditunjukan pada tabel 4.6

Jarak solusi ideal positif


0.07
D1+
55
0.08
D2+
19
0.09
D3+
68
0.08
D4+
07
0.08
D5+
38
0.05
D6+
58

Jarak solusi ideal negatif


0.
D
06
165
0.
D
06
276
0.
D
08
356
0.
D
10
409
0.
D
07
541
0.
D
09
671

15. Nilai Preferensi


Proses terkahir dari penerapan metode TOPSIS adalah perhitungan nilai preferensi
dengan menggunakan persamaan sebagai berikut:

V1 =

0.463

V2 = 0.4522
..dst, dengan hasil lengkap seperti pada tabel
4.8
Hasil preferensi
0.46
V1
83
0.45
V2
22
0.46
V3
94
0.55
V4
56
0.46
V5
95
0.63
V6
49

16. Kesimpulan

Berdasarkan hasil dari perhitungan Metode TOPSIS diatas maka bisa


disimpulkan bahwa aternative terbaik adalah A6 dengan skor 0,6349 .Dari tabel
diatas maka bisa ditetapkan bahwa A6 berhak mendapatkan kredit mikro.
Berdasarkan hasil penelitian ini penerapan metode TOPSIS untuk penentuan
putusan kredit bisnis mikro dengan menggunakan data sampling alternatif sebanyak
6 alternatif dan kriteria sebanyak lima kriteria terbukti bahwa metode TOPSIS

dapat digunakan untuk menentukan putusan pemberian kredit.Pada alternatif


pertama dengan nilai C1= 4, C2= 3, C3= 3, C4= 2, C5=3 menghasilkan nilai
preferensi sebesar 0,4682, kemudian alternatif kedua dengan nilai C1= 3, C2= 3,
C3= 4, C4= 3, C5=2 menghasilkan nilai preferensi sebesar 0.4522, Pada alternatif
keenam dengan nilai C1= 4, C2= 4, C3= 3, C4= 3, C5=5 menghasilkan nilai
preferensi sebesar 0,6349, nilai preferensi tersebut dianggap valid karena sesuai
dengan ketentuan bahwa nilai preferensi untuk meode TOPSIS mempunyai batasan
dengan nilai tertinggi sebesar 1. Dengan demikian penggunaan metode TOPSIS
untuk penentuan putusan kredit bisnis mikro dapat dijadikan salah satu sumber
acuan bagi pihak manajemen dalam hal pengambilan putusan pemberian kredit.

17. Saran
Untuk lebih meningkatkan hasil dari penelitian ini, beberapa saran dapat
diajukan seperti:
a. Penambahan kriteria untuk lebih meningkatkan tingkat preferensi yang
dihasilkan sehingga penilaian dapat lebih objektif.
b. Pengembangan aplikasi dengan pengolahan data yang lebih baik.