Implementasi Logika Fuzzy Metode Tsukamoto Dalam Penentuan
Kelayakan Pemberian Kredit Mobil
(Studi Kasus : PT.OTO Multiartha)
Hengky
Prodi Teknik Informatika, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tanjungpura
Hengky.jurnal@gmail.com
Eligibility The selection process of credit is
usually uses by Branch Manager and Regional
Manager PT.OTO Multiartha Pontianak still
manually so that the client needs to consider
whether or not feasible given the financing or
credit. Therefore built a Decision Support
System (DSS) to solve the problem. The
method used in this system is a Fuzzy Logic
with method of Tsukamoto. System built to
make the process of selecting provision of
financing or credit based on criteria set such as
character, income, expulsion and down
payment who is set by the Branch Manager
and Regional Manager PT.OTO Multiartha
Pontianak. Criteria on the system used as the
basis for survey activities, each of which is
given the weight of each criterion then be
calculated with the method of Tsukamoto
From Fuzzy Logic to get the end result that
determine the feasibility of a prospective
customer/debitur financing funding recipients.
Systems designed, tested using percentage of
final state. Results of tests performed to
comparison final state eligibility of selecting
the system is same or not with final state
eligibility from PT.OTO Multiartha.. In
addition the system is built to add new criteria
and their detailed criteria that can be used for
a longer time.
Keywords- Feasibility Financing Credit,
Examination Result, Criteria, Fuzzy
Logic, Method Tsukamoto, Decision
Support System.
1. Pendahuluan
Pertumbuhan industri otomotif di
Indonesia tahun 2014 mengalami peningkatan
diatas 7%. Penjualan mobil diperkirakan 1,3 juta
hingga 1,4 juta unit meningkat dari periode
sebelumnya yaitu pada periode Januari-
November 2013 yang hanya sebesar 1,132 juta
unit.
PT. Oto MultiArtha adalah perusahaan
pembiayaan kredit mobil terbesar di Indonesia.
Dalam pemberian kredit mobil kepada
pelanggan, perusahaan menetapkan standar untuk
menerima atau menolak resiko kredit dengan
menggunakan syarat Five C; bagaimana karakter
pelanggan (Character), Kapasitas melunasi
kredit (Capacity), kemampuan modal yang
dimiliki pelanggan (Capital), jaminan yang
dimiliki pelanggan untuk menanggung resiko
kredit (collateral) dan kondisi keuangan
pelanggan (Condition) serta One P yaitu
kegunaan pembelian mobil ditujukan atau
dipergunakan untuk tujuan apa.
Penilaian kelayakan kredit yang
dilakukan perusahaan masih menggunakan cara
manual dan database yang digunakan masih
dalam bentuk kertas, sehingga membutuhkan
waktu yang lama untuk pengolahan dan kendala
terbesar adalah kesulitan dalam penyimpanan
atau pencarian arsip yang telah tersimpan jika
akan dicocokkan dengan informasi/pedoman
yang baru diperoleh, serta masalah pembuatan
laporan yang terlambat terkadang juga
menghambat penyampaian informasi kepada
pimpinan perusahaan. Untuk penyajian sistem
pendukung pengambilan keputusan pemberian
kredit mobil akan dilakukan dengan bantuan
teknologi komputer. Pengembangan sistem
informasi berbasis komputer merupakan bagian
dari pengembangan sistem (system development).
Pengembangan sistem dapat berarti membangun
suatu sistem yang baru untuk menggantikan
sistem yang lama secara keseluruhan atau
memperbaiki sistem yang telah ada.
Sistem Pendukung Keputusan yang akan
dibuat menggunakan logika fuzzy yang dapat
memetakan suatu input ke dalam suatu output.
Dengan kata lain logika fuzzy memiliki toleransi
terhadap data-data yang tersedia. Metode fuzzy
yang dipakai untuk mendukung pembuatan
sistem pengambilan keputusan ini adalah metode
tsukamoto. Metode tsukamoto merupakan
perluasan dari penalaran monoton, pada metode
tsukamoto, setiap konsekuen pada aturan yang
berbentuk IF-THEN harus direpresentasikan
dengan suatu himpunan fuzzy dengan fungsi
keanggotaannya yang monoton. Sebagai
hasilnya, output hasil inferensi dari tiap-tiap
aturan diberikan secara tegas (crisp) berdasarkan
α-predikat (fire strenght). Hasil akhirnya
diperoleh dengan menggunakan rata-rata
terbobot.
Untuk mengetahui tingkat keberhasilan
pengambilan keputusan dengan menggunakan
logika fuzzy maka harus dibutuhkan batasan
himpunan pada tiap-tiap himpunan fuzzy yang
berfungsi sebagai parameter (Kusumadewi,Sri,
2008). Dengan menggunakan metode tsukamoto
tanpa mengabaikan kriteria yang ada dapat
mendukung pengambilan keputusan dari suatu
pemetaan masalah (Rakhmat, 2009).
2. Teori Dasar
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK)
diungkapkan pada awal tahun 1970-an oleh
Michael S. Scott Morton dengan istilah
Management Decision System. Sistem tersebut
adalah suatu sistem yang berbasis komputer yang
ditujukan untuk membantu pengambil keputusan
dengan memanfaatkan data dan model tertentu
untuk memecahkan berbagai persoalan yang
tidak terstruktur. SPK sebagai sistem informasi
berbasis komputer yang adaptif, interaktif,
fleksibel, yang secara khusus dikembangkan
untuk mendukung solusi dari pemasalahan
manajemen yang tidak terstruktur untuk
meningkatkan kualitas pengambilan keputusan
(Khoirudin, 2008)
Selain itu pula SPK atau juga dikenal dengan
Decision Support System (DSS) didefinisikan
sebagai sekumpulan prosedur berbasis model
untuk data pemrosesan dan penilaian guna
membantu para manager mengambil keputusan.
DSS harus sederhana, cepat, mudah dikontrol,
adaptif, lengkap dengan isu-isu penting dan
mudah berkomunikasi.
Proses pengambilan keputusan
melibatkan tiga tahap utama yaitu Tahap
Intelegensi (Intelligence Phase), Tahap
Perencanaan (Design Phase), Tahap Pilihan
(choice phase) dan Tahap Implementasi
(Implementation). Seperti tampak pada Gambar
tahap-tahap dalam proses pengambilan
keputusan.
Gambar 1. Tahapan Pengambilan Keputusan
Sumber : Decision Support Systems and Expert
Systems and Intelligent Systems, 6th Edition,
Prentice Hall Internasional, Inc., New Jersey
(Turban, 2001)
1. Tahap Intelegensi (Intelligence Phase)
Merupakan tahap pendefinisian masalah serta
identifikasi informasi yang dibutuhkan yang
berkaitan dengan persoalan yang dihadapi serta
keputusan yang akan diambil, tentunya persoalan
yang dihadapi harus dirumuskan terlebih dahulu
secara jelas.
2. Tahap Perancangan (Design Phase)
Merupakan tahap analisa dalam kaitan mencari
atau merumuskan alternatif-alternatif pemecahan
masalah. Setelah permasalahan dirumuskan
dengan baik, maka tahap berikutnya adalah
merancang atau membangun model pemecahan
masalahnya dan menyusun berbagai alternatif
pemecahan masalah.
3. Tahap Pilihan (Choice Phase)
Pada tahap ini dilakukan proses pemilihan
diantara berbagai alternatif tindakan yang
mungkin dijalankan. Hasil pemilihan tersebut
kemudian diimplementasikan dalam proses
pengambilan keputusan.
4. Tahap Implementasi (Implementation)
Merupakan tahap solusi dengan menarik
keputusan dalam kaitannya masalah yang terjadi.
2.2 Fuzzy
Logika fuzzy merupakan salah satu
komponen pembentuk soft computing. Logika
fuzzy pertama kali diperkenalkan oleh Prof. Lotfi
A. Zadeh pada tahun 1965. Dasar logika fuzzy
adalah teori himpunan fuzzy. Pada teori
himpunan fuzzy, peranan derajat keanggotaan
sebagai penentu keberadaan elemen dalam suatu
himpunan sangat penting. Nilai keanggotaan atau
membership function menjadi ciri utama dari
penalaran dengan logika fuzzy tersebut. Teori
himpunan fuzzy merupakan kerangka matematis Ke-dua, merupakan kebalikan yang pertama.
untuk merepresentasikan ketidakpastian, Garis lurus dimulai dari nilai domain dengan
ketidakjelasan, ketidaktepatan, kekurangan derajat keanggotaan tertinggi pada sisi kiri,
informasi dan kebenaran parsial (Kusumadewi, kemudian bergerak menurun ke nilai domain
2006). Dengan fuzzy proses penentuan nilai yang memiliki derajat keanggotaan lebih rendah
suatu kriteria yang subjektif akan memberikan seperti terlihat pada Gambar dibawah ini.
hasil yang sangat baik. Penentuan nilai diperoleh
dengan membuat fungsi keanggotaan terlebih
dahulu.

2.3 Fungsi Keanggotaan

Fungsi keanggotaan (membership
function) adalah suatu kurva yang menunjukan
pemetaan titik-titik input data ke dalam nilai
keanggotaan. Salah satu cara yang dapat
digunakan untuk mendapatkan nilai keanggotaan
adalah dengan melalui pendekatan fungsi Gambar 3. Penurunan Himpunan Fuzzy Linear
(Kusumadewi,2006). Ada beberapa fungsi yang Sumber:. Logika Fuzzy.Yogyakarta: Graha Ilmu
bisa digunakan. (Kusumadewi, S. 2006)
1. Linear
Pada representasi linear, pemetaan input
ke derajat keanggotaannya digambarkan sebagai Fungsi keanggotaan :
suatu garis lurus. Bentuk ini paling sederhana
dan menjadi pilihan yang baik untuk mendekati (b-x)/(b-a); a≤ x ≤ b
suatu konsep yang kurang jelas. Ada 2 keadaan
himpunan fuzzy yang linear . Pertama, kenaikkan 0; x≥ b
µ (x)=
himpunan dimulai pada nilai domain yang
memiliki derajat keanggotaan nol (0) bergerak ke
kanan menuju nilai domain yang memiliki derajat
keanggotaan lebih tinggi seperti terlihat pada
Gambar dibawah ini. 2. Kurva segitiga
Pada dasarnya merupakan gabungan
antara 2 garis (representasi linear) seperti terlihat
pada Gambar dibawah ini.

Gambar 2. Kenaikan Himpunan Fuzzy Linear

Sumber:. Logika Fuzzy.Yogyakarta: Graha Ilmu
(Kusumadewi, S. 2006)

Gambar 4. Himpunan Fuzzy Segitiga

Fungsi keanggotaan : Sumber:. Logika Fuzzy.Yogyakarta: Graha Ilmu
0 ; x ≤a
≤a (Kusumadewi, S. 2006)

(x-a)/(b-a) ;a ≤ x ≤ b
µ (x)=
1 ; x≥ b
Fungsi keanggotaan :

0; x ≤ a / x ≥ c Alur jalannya aplikasi dijelaskan sebagai

berikut.
(x-a)/(b-a); a≤ x ≤ b - Staf / Operator akan menginputkan data-
µ (x)= data debitur melalui menu tambah calon
(b-x)/(c-b); b≤ x ≤c debitur.
- Selanjutnya data akan disimpan di
database.
- Jika survey lapangan dan isian form
2.4 Metode Tsukamoto survey sesuai maka staf akan
Metode tsukamoto merupakan perluasan meninputkan data survey kedalam
dari penalaran monoton, pada metode tsukamoto, sistem.
setiap konsekuen pada aturan yang berbentuk IF- - Selanjutnya data-data survey tersebut
Then harus direpresentasikan dengan suatu akan disimpan juga di database dan
himpunan fuzzy dengan fungsi keanggotaannya dihitung kelayakannya dengan
yang monoton. Sebagai hasilnya, output hasil perhitungan tsukamoto
inferensi dari tiap-tiap aturan diberikan secara - Hasil kelayakan akan didapatkan dari
tegas (crisp) berdasarkan α-predikat (fire perhitungan apakah kelayakan itu layak,
strenght). Hasil akhirnya diperoleh dengan pertimbangan ataupun tidak layak.
menggunakan rata-rata terbobot
(Kusumadewi,2006).
3.2 Arsitektur Sistem
Misalkan ada 2 variabel input, Var-1 (x) Arsitektur Sistem digambarkan sebagai
dan Var-2 (y), serta 1 variabel output, Var-3 (z), berikut :
dimana Var-1 terbagi atas 2 himpunan yaitu A1
dan A2 terbagi atas 2 himpunan B1 dan B2, Var-3
juga terbagi atas 2 himpunan yaitu C1 dan C2 (C1
dan C2 harus monoton). Ada aturan yang
digunakan, yaitu:

[R1] IF (x is A1) and (y is B2) THEN (z is C1)

[R1] IF (x is A2) and (y is B1) THEN (z is C2)

- Calon debitur yang akan mengajukan

3. Perancangan kredit akan mengisi data identitas calon
3.1 Flowchart debitur yang akan diinputkan oleh
Flowchart dari keseluruhan proses staf/operator nantinya.
aplikasi adalah sebagai berikut : - Selanjutnya calon debitur akan mengisi
data survey kredit dimana form survey
tersebut berasal dari Branch
Manager/Kepala Cabang.
- Data survey kredit debitur akan diproses
Branch Manager untuk selanjutnya
ditindaklanjuti kepada surveyor untuk
menganalisa survey lapangan apakah
data sesuai dan valid sesuai data yang
tertera di form survey.
- Jika data sesuai maka staf akan
menginputkan data survey yang diisi
oleh debitur tersebut.
- Data debitur akan disimpan di database
dan dihitung oleh sistem dengan
kelayakan kredit yang diberikan apakah
layak, pertimbangan / tidak layak.
- Branch Manager dan Regional manager
akan mendapat print out laporan bulanan
 atau laporan per debitur hasil kelayakan 4.3 Fungsi Keanggotaan Uang Muka
dan data-data debitur. No Kategori Jumlah Uang
- Jika kelayakan dalam sistem adalah
pertimbangan, hak selanjutnya diberikan Muka
kepada Regional Manager apakah akan
diubah status kelayakannya menjadi
layak atau tidak layak. 1 Banyak ≥ 40 Juta
- Hak akses Regional Manager dimana
dapat mengubah / menambah kriteria 2 Sedang 25 Juta – 55 Juta
yang dipakai saat ini oleh sistem,
menambahkan/aktivasi staf atau
mengubah nilai parameter pengukuran 3 Sedikit ≤ 40 Juta
untuk dipakai kedepannya.

4. Fungsi Keanggotaan Aplikasi

4.1 Fungsi Keanggotaan Karakter
No Kategori Penilaian Karakter

1 Baik ≥ 50

2 Cukup 10 - 90
4.4 Fungsi Keanggotaan Pendapatan
3 Buruk ≤ 50 No Kategori Jumlah Pendapatan

1 Banyak ≥ 8.250.000
buruk cukup baik

2 Sedang 4.500.000 – 12.000.000

1

Kurva karakter 3 Sedikit ≤ 8.250.000

0

10 50 90

sedikit sedang banyak

1

4.2 Fungsi Keanggotaan Pengeluaran

No Kategori Jumlah Pengeluaran
Kurva Pendapatan

1 Banyak ≥ 5.000.000 4.500.000 8.250.000 12.000.000

2 Sedang 2.000.000 - 8.000.000 5. Aplikasi

Pembuatan aplikasi dilakukan
menggunakan laptop dengan operating system
3 Sedikit ≤ 5.000.000
Windows 7 Ultimate. Bahasa pemrograman yang
digunakan adalah PHP, Javascript dan CSS yang
dijalankan melalui WampServer Version 2.1.
Penerapan metode fuzzy tsukamoto dilakukan
sedikit sedang banyak
1 dalam perhitungan.php yang meliputi 4 kriteria,
fungsi keanggotaan dan parameter dan setiap sub-
sub kriteria atau detail dari per kriteria tersebut..
Kurva pengeluaran

Perhitungan dihibungkan dengan hasil

0 perhitungan, hasil spk yang diurutkan per id
2.000.000 5.000.000 8.000.000
nasabah dengan kunci id nasabah yaitu nama dan
nomor ktp.
Tampilan aplikasi yang dibuat adalah sebagai [2] Kusumadewi, S. 2006. Logika
berikut : Fuzzy.Yogyakarta: Graha Ilmu.
[3] Rahkmat Wahyu, W., dan Lisa Afrianti.
2009. Aplikasi Fuzzy Inference System
(FIS) Metode Tsukamoto Pada Simulasi
Traffic Light Menggunakan Java.
Jurusan Teknik Informatika, Fakultas
Teknologi Industri, Universitas Islam
Indonesia.
[4] Turban, E. dkk. 2005. Decision Support
Systems and Intelligent Systems.
Yogyakarta: Andi.

[18] Biografi
Hengky lahir di Pontianak, 21 April
1992. Ia menerima gelar ST dari
Fakultas Teknik Universitas
Tanjungpura pada tahun 2014.

6. Kesimpulan
Berdasarkan hasil analisis dan pengujian
terhadap aplikasi pendukung keputusan
pemberian kelayakan kredit mobil PT.OTO
Multiartha maka dapat disimpulkan bahwa :
1. Sistem yang di bangun menampilkan
informasi layak atau tidaknya nasabah /
debitur diberi kredit mobil
2. Penggunaan Logika Fuzzy metode
Tsukamoto dalam sistem pendukung
keputusan memberikan nilai akhir
dimana perubahan selisih angka sekecil
apapun nilai survei akan mempengaruhi
nilai akhir dari perhitungan.
3. Sistem yang dibuat dapat mengetahui
debitur / nasabah yang pernah
mengajukan permohonan kredit mobil.
4. Sistem pengambilan keputusan
penentuan kelayakan kredit mobil yang
di bangun dapat mengantisipasi
perubahan nilai survei dan penambahan
kriteria.
5. Hasil kelayakan sistem dan perhitungan
manual oleh PT.OTO menunjukkan
hasil validitas 67%. Hal ini dikarenakan
faktor naluri manusia, fungsi
keanggotaan dan angka yang monoton,
analisa, serta pengalaman manusia dan
faktor perbedaan cara hitung yang
dipakai.

7. Referensi
[1] Khoirudin dan Arwan, A. 2008. Sistem
Pendukung Keputusan Penentuan
Kelayakan Calon Rintisan Sekolah
Bertaraf Internasional Dengan Metode
Fuzzy Associative Memory. Jurusan
Teknik Informatika, Fakultas Teknologi
Industri, Universitas Islam Indonesia