maka
secara matematis himpunan fuzzy
{(
()) }
dengan
(1)
() {
(2)
Fungsi segitiga direpresentasikan seperti pada Gambar 2 dengan rumus fungsinya
dinyatakan sebagai persamaan (3). Fungsi keanggotaan fuzzy ini merupakan gabungan
dari fungsi keanggotaan linear naik dan fungsi keanggotaan linear turun.
Gambar 2. Representasi Fungsi Keanggotaan Fuzzy Segitiga.
0 ; x < a atau x >c
(x) =
; a x b (3)
; b x c
Operasi Himpunan Fuzzy
Terdapat tiga operasi dasar untuk mengkombinasikan dan memodifikasi beberapa
himpunan fuzzy yang dikemukakan oleh Zadeh. Operasi tersebut adalah komplemen pada
5
suatu himpunan fuzzy serta gabungan dan irisan pada himpunan-himpunan fuzzy
(Wang,1997).
Operasi komplemen pada suatu himpunan fuzzy
()
() (4)
Operasi gabungan antara dua himpunan fuzzy
yang ditulis
() [
()
()] (5)
Operasi irisan antara dua himpunan fuzzy
yang ditulis
() [
()
()] (6)
Sistem Inferensi Fuzzy Sugeno
Sistem Inferensi Fuzzy dapat dilakukan dengan tiga metode yaitu metode
Tsukomoto, metode Mamdani dan metode Sugeno. Dalam penelitian ini metode yang
digunakan adalah metode Sugeno. Untuk mendapatkan output menggunakan metode
Sugeno ini diperlukan 4 tahapan, yaitu
a. Pembentukan himpunan fuzzy
Pada metode Sugeno, berdasarkan variabel input maupun variabel output dibagi
menjadi satu atau lebih himpunan fuzzy yang bersesuaian .
b. Pembentukan fungsi implikasi
Pada metode Sugeno, Fungsi implikasi yang digunakan adalah min
(Kusumadewi,2003).
c. Komposisi aturan fuzzy untuk inferensi
Aturan inferensi pada metode Sugeno adalah metode Max, yaitu solusi himpunan
fuzzy diperoleh dengan mengambil nilai maksimum aturan, kemudian
menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke
output dengan menggunakan operator union. Jika semua proposisi telah
dievaluasi maka output akan berisi suatu himpunan fuzzy. Secara umum :
sf
[x
i
] max (
sf
[x
i
],
sk
[x
i
]) (7)
dengan :
sf
[x
i
] = nilai keanggotaan solusi fuzzy sampai aturan ke-I,
6
sk
[x
i
] = nilai keanggotaan konsekuen fuzzy pada aturan ke-i.
d. Defuzzifikasi
Input dari defuzzifikasi adalah suatu himpunan Fuzzy yang diperoleh dari langkah
sebelumnya, sedangkan output yang dihasilkan merupakan suatu bilangan pada
domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam
range tertentu, maka harus dapat diambil suatu nilai crip tertentu sebagai output.
Di sini nilai yang diambil ada 2 yaitu 1 atau 0, dengan 1 untuk keputusan diterima
dan 0 untuk keputusan ditolak.
B. Metode Penelitian
Data yang diteliti dalam pembuatan tugas akhir ini adalah data sekunder kredit
mobil di BPR.Kandi Madu Arta cabang Salatiga tahun 2012, dengan sampel sebanyak 15
calon debitur. Data disajikan pada Tabel 1.
Tabel 1. Data calon debitur
No
Calon
Debitur
UM
Tempat
Tinggal
Penghasilan
Pokok
Penghasilan
Tambahan
Jumlah
Tanggungan
Perputaran Kas Reputasi
Keadaan
Global
Keputusan
1 A 20 Sederhana 6.4 6 4 Kecil Baik Stabil Diterima
2 B 10 Menengah 4 7 3 Besar Baik Stabil Diterima
3 C 15 Sederhana 3.7 9 4 Kecil Baik Stabil Diterima
4 D 10 Sederhana 17 0 2 Sedang Baik Stabil Ditolak
5 E 10 Menengah 16 0 3 Sedang Buruk Stabil Diterima
6 F 15 Kontrak 14 4 4 Kecil Baik Stabil Ditolak
7 G 18.5 Menengah 30 2 3 Sangat Besar Baik Stabil Diterima
8 H 25 Mewah 15 3.2 4 Kecil Baik Stabil Diterima
9 I 10 Sederhana 4 0 4 Sedang Baik Stabil Diterima
10 J 15 Menengah 25 0 3 Besar Baik Stabil Diterima
11 K 10 Sederhana 11 0 4 Besar Baik Stabil Diterima
12 L 19 Sederhana 1.5 2 4 Sangat Besar Baik Stabil Diterima
13 M 13 Menengah 10 9 3 Besar Baik Stabil Diterima
14 N 18 Sederhana 3.8 9 4 Sedang Baik Stabil Diterima
15 O 10 Kontrak 3.5 0 4 Sedang Buruk Stabil Ditolak
Dari data tersebut maka data yang akan dijadikan sebagai input atau kriteria
adalah calon debitur, uang muka, penghasilan pokok, penghasilan tambahan, jumlah
tanggungan, perputaran kas, reputasi, dan kondisi global. Sedangkan untuk output-nya
adalah keputusan kredit. Pembentukan himpunan fuzzy dan proses pembentukan
keputusan dilakukan dengan menggunakan alat bantu Toolbox Matlab R2009a.
7
Langkah 1. Membuat fungsi keanggotaan untuk tiap variabel , yaitu jumlah uang muka
yang dibayarkan oleh calon debitur, kondisi tempat tinggal calon debitur, penghasilan
perbulan seorang calon debitur, penghasilan tambahan seorang calon debitur, jumlah
tanggungan yang ditanggung oleh calon debitur, perputaran kas seorang calon debitur,
karakter calon debitur, dan keadaan global kondisi ekonomi calon debitur.
Tabel 2. Variabel Fuzzy
Fungsi Variabel Domain Keterangan
Input
UM [10,25] Jurnal UM dalam bentuk Persentase
Tempat Tinggal [1,4] kondisi tempat tinggal saat melakukan survey
Penghasil [1.5,30] penghasilan per bulan dalam jutaan rupiah
Penghasilan Tambahan [0,9]
Penghasilan tambahan keluarga dalam jutaan
rupiah
Tanggunan [1,4] Tanggungan calon debitur, anak kandung dll.
Perputaran Kas [1,4] Dilihat dari buku tabungan 3 bulan terakir
Reputasi [0,1] Reputasi seorang calon debitur
Kondisi Global [0,1]
mempengaruhi kemampuan debitur untuk
melunasi hutang
Output Keputusan [0,1]
Hasil keputusan tim analis diterima atau ditolak
suatu pengajuan kredit
Tabel 3. Variabel dan Himpunan fuzzy yang dibentuk
Variabel Variabel Nama Himpunan fuzzy Domain
UM (x
1
) Rendah [5,17.5]
Sedang [10,20]
Tinggi [17.5,25]
Tempat Tinggal (x
2
) Kontrak [-1,2]
Sederhana [1,3]
Menengah [2,4]
Mewah [3,5]
Penghasil (x
3
) Rendah [0,12.5]
Sedang [5,27.5]
Tinggi [17.5,32.5]
Penghasilan Tambahan (x
4
) Rendah [0,5]
Sedang [3,8]
8
Tinggi [6,9]
Tanggunan (x
5
) Sedikit [0,2]
Sedang [1,3]
Banyak [2,4]
Perputaran Kas (x
6
) Kecil [0,2]
Sedang [1,3]
Besar [2,4]
Sangat besar [3,5]
Reputasi (x
7
) Buruk [0,0.5]
Baik [0.5,1]
Kondisi Global (x
8
) Tidak stabil [0,0.5]
Stabil [0.5,1]
Keputusan (x
9
) Ditolak 0
Diterima 1
Langkah 2. Diolah menggunakan metode fuzzy-Sugeno dengan menggunakan Matlab.
Gambar 1. Grafik fungsi keanggotaan UM Gambar 2. Grafik fungsi keanggotaan
Dengan himpunan fuzzy rendah, sedang Tempat Tinggal dengan himpunan
dan tinggi fuzzy kontrak, sederhana, menengah,
dan mewah
Langkah selanjutnya adalah pembentukan aturan dan fungsi implikasi.
Pembentukan aturan dalam penelitian ini berdasarkan data calon debitur sehingga dapat
diperoleh fungsi implikasi dan aturan sebagai berikut (beberapa contoh):
3. Jika ( UM adalah Sedang ) dan ( Tempat _Tinggal adalah Sederhana ) dan (
Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah Sedang )
dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas adalah Kecil ) dan (
Reputasi adalah Baik ) dan ( Kondisi_Global adalah Stabil ) maka ( Keputusan
adalah diterima )
4. Jika ( UM adalah Rendah) dan ( Tempat _Tinggal adalah Sederhana ) dan (
Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah Sedang )
9
dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas adalah Sedang) dan
( Reputasi adalah Baik ) dan ( Kondisi_Global adalah Stabil ) maka ( Keputusan
adalah Diterima )
Gambar 3. Penegasan (Defuzzyfikasi) Dengan MATLAB
Langkah 3. Menganalisis hasil keluaran program.
Tabel 4. Hasil keluaran metode Sugeno
Calon
Debitur
X1 X2 X3 X4 X5 X6 X7 X8
Output
Mamdani
Output
Sugeno
Keputusan
bank
Keputusan
Sugeno
A 20 3 6.4 6 3 1 1 1 0,81 1 Diterima Diterima
B 10 3 4 7 2 3 1 1 0,77 1 Diterima Diterima
C 15 1 3.7 9 3 1 1 1 0,86 1 Diterima Diterima
D 10 1 17 0 1 2 1 1 0,44 0 Ditolak Ditolak
E 10 1 16 0 2 2 0 1 0,77 1 Diterima Diterima
F 15 3 14 4 4 4 1 1 0,86 0 Ditolak Ditolak
G 18,5 2 30 2 1 4 1 1 0.81 1 Diterima Diterima
H 25 4 15 3.2 4 4 1 1 0,96 1 Diterima Diterima
I 10 1 4 0 3 2 1 1 0,44 0 Diterima Ditolak
J 15 3 25 0 2 3 1 1 0,92 1 Diterima Diterima
K 10 2 11 0 1 3 1 1 0,52 1 Diterima Diterima
L 19 2 1.5 2 1 4 1 1 0,82 1 Diterima Diterima
M 13 3 10 9 2 3 1 1 0,92 1 Diterima Diterima
N 18 2 3.8 9 1 2 1 1 0,81 1 Diterima Diterima
O 10 1 3.5 0 1 2 0 1 0,42 0 Ditolak Ditolak
10
Berdasarkan keluaran program, hasil keputusan yang berbeda ditunjukkan pada
calon debitur ke-I. Hal ini dapat dijadikan pertimbangan oleh pihak bank dalam
mengambil keputusan kredit bagi calon debitur agar bank tidak mengalami kerugian
karena adanya calon debitur yang rawan kredit macet.
C. Hasil dan Pembahasan (Kajian konseptual menyesuaikan)
Tabel 3. Perbandingan Keputusan Bank, dengan Metode Mamdani dan Metode Sugeno
Dari hasil di atas dapat disimpulkan untuk metode yang lebih cocok digunakan
dalam analisis kredit adalah metode Mamdani karena metode ini memberikan
keluaran yang tepat, yaitu mendapat nilai keanggotaan berapakah dari seorang calon
debitur.
D. Penutup
Kesimpulan
Pendekatan metode Fuzzy Sugeno dapat menganalisis secara tegas diterima atau
ditolaknya suatu pengajuan kredit mobil. Dari hasil penelitian ini apabila Bank
memberikan kredit yang beresiko macet seperti calon debitur ke-I, Bank ada peluang
mengalami kerugian Rp. 140.000.000,00 dengan asumsi harga 1 unit mobil Rp.
140.000.000,00
Calon
Debitur
Keputusan
Bank
Keputusan
Mamdani
Keputusan
Sugeno
A Diterima Diterima Diterima
B Diterima Diterima Diterima
C Diterima Diterima Diterima
D Ditolak Ditolak Ditolak
E Diterima Diterima Diterima
F Ditolak Diterima Ditolak
G Diterima Diterima Diterima
H Diterima Diterima Diterima
I Diterima Ditolak Ditolak
J Diterima Diterima Diterima
K Diterima Diterima Diterima
L Diterima Diterima Diterima
M Diterima Diterima Diterima
N Diterima Diterima Diterima
O Ditolak Ditolak Ditolak
11
Berdasarkan analisis tersebut dapat dikemukakan saran sebagai berikut:
Bank dapat menjadikan Metode Fuzzy Sugeno sebagai satu alat analisis alternatif yang
digunakan Bank untuk menentukan diterima atau ditolaknya suatu pengajuan kredit agar
mengurangi kemungkinan kredit macet yang mengakibatkan kerugian dan agar Bank
tidak kehilangan pemasukan yang dapat menambah keuntungan perusahaan.
DAFTAR PUSTAKA
Christian, Andika Adi. 2007. Pelaksanaan Analisis Pemberian Kredit di PT.BPR
Ambarawa kab.Semarang. Skripsi. Manajemen. Universitas Kristen Satya
Wacana, Salatiga.
Hidayati, Ery. 2003. Sistem Pendukung Keputusan Logika Analisa Kelayakan Kredit.
Skripsi. Akutansi. Universitas.Mercubuana, Jakarta.
Kusumadewi, Sri. 2003. Analisa & Desain Sistem Fuzzy ( Menggunakan TOOLBOX
MATLAB ). Jogjakarta : Graha Ilmu.
Kusumadewi dan Hari purnomo. 2010. Aplikasi Logika Fuzzy untuk pendukung
keputusan. Jogjakarta : Graha Ilmu.
Mulyono, Sri Gitardo. 1987. Pengantar I lmu Ekonomi Makro. Jogjakarta : Liberty
Ruan, Da. 1995. Fuzzy Set Theory and Advanced Mathematical Applications. Boston:
Kluwer Academic Publisher.
Subekti, Sri Ayu. Linawati, Lilik. & Setiawan. 2013. Penggunaan Metode Fuzzy
Mamdani untuk Membuat Keputusan dalam Analisis Kredit. Seminar Nasional
Matematika dan Pendidikan Matematika. Yogyakarta : Universitas Negeri
Yogyakarta.
Susilo, Frans. 2003. Penghantar Himpunan & Logika Kabur Serta Aplikasinya.
Universitas Sanata Dharma. Yogyakarta.
Wulandari, Yogawati. 2011. Aplikasi Metode Mamdani dalam Penentuan Status Gizi
Dengan Indeks Massa Tubuh (IMT) Menggunakan Logika Fuzzy. Skripsi.
Universitas Negeri Yogyakarta.
Zadeh, L.A 1995. Fuzzy Logic Toolbox for Use with MATLAB. Berkeley, CA : The
Math Works,Inc.
8
PENUTUP
Kesimpulan
Berdasarkan kedua makalah dapat disimpulkan :
Untuk metode yang lebih cocok digunakan dalam analisis kredit adalah metode
Mamdani.
Saran
Berdasarkan kedua makalah yang telah dikaji, saran yang dapat diberikan adalah :
1. Untuk pengkajian lebih lanjut dapat dilakukan dengan metode inferensi lainnya
yaitu Tsukomoto.
2. Saran untuk bank, menggunakan metode Mamdani sebagai metode alternatif
untuk analisis kredit.
UCAPAN TERIMA KASIH
Penulis menyadari bahwa banyak pihak yang telah mendukung dan membantu,
sehingga penyusunan skripsi ini dapat berjalan dengan lancar. Oleh karena itu, pada
kesempatan ini penulis mengucapkan terima kasih atas segala doa, nasihat, bimbingan
dan dorongan baik materi maupun spiritual kepada :
1. Dr. Bambang Susanto selaku Ketua Program Studi Matematika.
2. Dra. Lilik Linawati, M.Kom selaku pembimbing utama yang dengan sabar
membimbing, mengarahkan dan memberikan motivasi kepada penulis
selama proses penulisan skripsi ini sehingga laporan skripsi ini dapat
diselesaikan dengan baik.
3. Dr. Adi Setiawan, selaku pembimbing pendamping yang memberikan saran,
membimbing, dan mengarahkan penulis sehingga laporan skripsi ini dapat
diselesaikan dengan baik.
4. Dosen pengajar, Dr. Bambang Susanto, Dra. Lilik Linawati, M.Kom, Dr.
Adi Setiawan, M.Sc, Tundjung Mahatma,S.Pd, M.Kom, Dr. Hanna Arini
Parhusip, M.Sc yang telah memberikan ilmu pengetahuan kepada penulis
selama studi di FSM UKSW.
5. Staf TU FSM, Pak Edy, Mbak Eny, dan Mas Basuki yang telah banyak
memberikan bantuan kepada penulis.
6. Bapak dan Ibuku tercinta terima kasih atas semua doa-doanya,terima kasih
telah memberi dorongan, memberi semangat, selalu memotivasi saya sampai
Skripsi ini boleh selesai dengan sempurna.
7. Cahyo, Ia serta seluruh keluarga besar yang telah memberikan doa dan
dorongan kepada penulis sehingga dapat menyelesaikan penulisan skripsi ini
dengan baik.
8. Yang terkasih Natanael Noviyanto yang selalu mendukung untuk pembuatan
Skripsi ini.
9. Sahabat-sahabat terkasih Dewi Rimba, Ruth K, Bungkus F, Yang selalu
memberikan semangat, motivasi, doa kepada penulis.
10. Teman-teman Progdi Matematika Angkatan 2010, Nova, Leny, Ane, Vero,
Vina, Mince, Deny, terima kasih atas bantuan dan kebersamaan kalian
selama ini.
11. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang juga
mendukung penulis selama penulisan skripsi ini.
Penulis menyadari sepenuhnya bahwa dalam penulisan skripsi ini masih terdapat
banyak kekurangan dan jauh dari kesempurnaan. Oleh karena itu, penulis sangat
mengharapkan segala saran dan nasihat dari pembaca. Harapan penulis, semoga skripsi
ini bermanfaat bagi semua pihak.
Salatiga, 29 Januari 2014
Penulis