ANALISIS PERBANDINGAN MENGGUNAKAN METODE

AHP, TOPSIS, DAN SAW DALAM STUDI KASUS SISTEM

PENDUKUNG KEPUTUSAN PEMINJAM YANG LAYAK
BAGI LEMBAGA KEUANGAN

Nama :Wakhidatun Praptiwi

Nim :16101001
Tugas : Sistem Penunjang Keputusan(studi
kasus)
Dosen :furqon mauladani S.Kom.,M.MT.

Sekolah Tinggi Manajemen Informatika dan Komputer

Swadharma
2019

1
Kata pengantar

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-

Nya sehingga makalah ini dapat tersusun hingga selesai . Tidak lupa kami

juga mengucapkan banyak terimakasih atas bantuan dari pihak yang ada

yang bekerja sama dengan memberikan sumbangan baik materi maupun

pikirannya dalam menyelesaikan tugas ini .

Dan harapan kami semoga makalah ini dapat menambah

pengetahuan dan pengalaman bagi para pembaca, Untuk ke depannya

dapat memperbaiki bentuk maupun menambah isi makalah agar menjadi

lebih baik lagi.

Karena keterbatasan pengetahuan maupun pengalaman kami,

Kami yakin masih banyak kekurangan dalam makalah ini, Oleh karena

itu kami sangat mengharapkan saran dan kritik yang membangun dari

pembaca demi kesempurnaan makalah ini.

2
 Daftar isi

Halaman Judul
i

Kata pengantar
ii

Daftar Isi
iii

BAB I PENDAHULU
1

1.1.
Latar Belakang
2
1.2.
Rumusan masalah
2
1.3.
Tujuan penelitian
2
1.4.
Manfaat penelitian
2

BAB II PEMBAHASAN
3

2.1.
Metode AHP2
a) Perhitungan Faktor Pembobotan Hararki semua criteria

3
b) Perhitungan Faktor Evaluasi untuk Kriteria Character

6
c) Perhitungan Faktor Evaluasi untuk Kriteria Capital

8
d) Perhitungan Faktor Evaluasi untuk Kriteria Capacity

11

3
 e) Perhitungan Faktor Evaluasi untuk Kriteria Collateral

13
f) Perhitungan Faktor Evaluasi Untuk Kriteria Condition of
Economy

16
g) Perhitungan total Rangking/Prioritas Global

19
h) Total Ranking

20

2.2.
Metode TOPSIS
21
2.3.
Metode SAW
26
2.4.
Analisis Pertandingan
28
a) Eulidean Distance

28
b) Perhitungan Proses Perhitungan

29

BAB III KESIMPULAN

31

3.1.
Kesimpulan

31
3.2.
Saran

31

DAFTAR PUSTAKA
32

4
5
 BAB I

PENDAHULU

1.1. Latar Belakang

Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis

komputer interaktif yang membantu pengambil keputusan memanfaatkan
data dan model untuk menyelesaikan suatu masalah. Dengan banyaknya
kriteria yang harus di penuhi oleh nasabah, diperlukan suatu metode
pengambilan keputusan dari Multi Criteria Decision Making (MCDM)
untuk menyeleksi pengajuan pinjaman modal kepada masyarakat dalam
hal ini nasabah berdasarkan kriteria-kriteria kebijakan kredit yang telah
ditetapkan agar diperoleh prioritas nasabah yang akan diberikan pinjaman
dana. Hal ini dilakukan agar resiko kredit macet dapat diminimalkan
sehingga antara kedua belah pihak saling diuntungkan. Pengambilan
keputusan terjadi karena banyaknya alternatif pilihan atau tindakan
sehingga manusia dipaksa untuk memilih salah satu diantara alternatif
tersebut yang merupakan hasil keputusan terbaik. Sistem pendukung
keputusan dapat memberikan solusi dari suatu situasi yang kompleks
dengan memberikan bobot terhadap kriteria. Di dalam SPK terdapat
beberapa metode untuk mendukung pengambilan keputusan, diantaranya
Analitical Hierarchy Process (AHP), Technique For Order Preference by
Similarity to Ideal Solution (TOPSIS) dan Simple Additive Weighting
(SAW).Analitical Hierarchy Process (AHP) adalah metode dalam sistem
pengambilan keputusan yang menggunakan beberapa variabel dengan
proses analisis bertingkat. Analisis dilakukan dengan memberi nilai
prioritas dari tiap-tiap variabel, kemudian melakukan perbandingan
berpasangan dari variabel-variabel dan alternatif-alternatif yang ada.
Penelitian terkait yang menggunakan metode AHP sebagai alat bantunya
yaitu penelitian yang telah dilakukan oleh Maharrani mengenai seleksi
penerimaan karyawan.Technique For Order Preference by Similarity to
Ideal Solution (TOPSIS) adalah metode yang didasarkan pada konsep

1
 dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak
terpendek dari solusi ideal positif, namun juga memiliki

Jarak terpanjang dari solusi ideal negatif. Penelitian terkait yang

menggunakan TOPSIS sebagai model pendukung keputusannya yakni
yang dilakukan oleh Khosravi dalam pemilihan sistem penggilingan padi.

Simple Additive Weighting (SAW) Metode SAW adalah metode

penjumlahan terbobot. Konsep dasar dari metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua
atribut. Metode SAW membutuhkan proses normalisasi matrik keputusan
(X) ke skala yang dapat diperbandingkan dengan semua rating alternative
yang ada.

Dalam analisis perbandingannya, penulis akan membandingkan

dengan Euclidean Distance. Tujuan diterapkannya Euclidean Distance
yaitu melihat seberapa jauh jarak perbedaan tersebut.

1.2. Rumusan Masalah

Permasalahan yang akan dibahas dalam penelitian tugas akhir ini

adalah bagaimana menganalisis perbandingan menggunakan metode
AHP, TOPSIS, dan SAW dalam studi kasus sistem pendukung
keputusan peminjam yang layak bagi lembaga keuangan.

1.3. Tujuan Masalah

Tujuan dari penelitian ini adalah memberi gambaran
perbandingan metode AHP,TOPSIS, dan SAW untuk
mendapatkan hasil yang optimal dalam penentuan sistem
pendukung keputusan peminjam yang layak.

1.4. Manfaat Penelitian

Manfaat dari penelitian ini adalah:

2
 1. Sebagai bahan pertimbangan bagi lembaga keuangan dalam
penentuan sistem pendukung keputusan peminjam yang
layak.

2. Memberikan informasi dan menambah pengetahuan pembaca

mengenai penentuan sistem pendukung keputusan peminjam
yang layak

BAB II
PEMBAHASAN

2.1. Metode AHP

a) Perhitungan Faktor Pembobotan Hirarki Untuk

Semua Kriteria

Untuk menghitung nilai pembobotan kriteria dilakukan langkah-

langkah sebagai berikut:

1. Mengumpulkan data kriteria calon penerima pinjaman modal

usaha dengan analisis menggunakan preferensi ahli sesuai
dengan langkah metode AHP yakni membandingkan secara
berpasangan tiap kriteria untuk mendapat hasil pembobotan
hirarki semua kriteria seperti pada tabel dibawah ini:

Tabel Pembobotan Hirarki untuk Semua Kriteria

Criteria Character Capital Capacity Collateral Condition

of Economy

3
 Character 1 2 3 4 1/3
Capital 1/2 1 2 3 1/4
Capacity 1/3 1/2 1 3 1/5
Collateral 1/4 1/3 1/3 1 1/7
Condition of 3 4 5 7 1
Economy
(sumber :Yulia Arvita, Vol 11 No 1, April 2017)

Tabel diatas dapat disajikan dalam matriks perbandingan berpasangan atau

pairwise comaparison matrix sebagai berikut ini :

1
1 2 3 4
3
1 1
1 2 3
2 4
=1 1 1

3 2 1 3 5
1 1 1 1

4 3 3 1 7
]
[3 4 5 7 1

Tabel Penjumlahan Pembobotan Hirarki untuk Semua Kriteria yang

Disederhanakan

Criteria Character Capital Capacity Collateral Condition of

Economy

4
 Character 1 2 3 4 1/3
Capital ½ 1 2 3 1/4
Capacity 1/3 1/2 1 3 1/5
Collateral ¼ 1/3 1/3 1 1/7
Condition 3 4 5 7 1
Of
Economy
Σ 5,083 7,833 11,333 18,000 1,926

Table Hasil Pembobotan Hirarki untuk Semua Kriteria yang

Dinormalkan
Criteria Character Capital Capacity Collateral Condition Eigen
of Vector
Economy

Character 0,197 0,255 0,265 0,222 0,173 0,222

Capital 0,098 0,128 0,177 0,167 0,130 0,140
Capacity 0,065 0,064 0,088 0,167 0,104 0,097
Collateral 0,050 0,043 0,030 0,055 0,074 0,050
Condition 0,590 0,511 0,441 0,389 0,519 0,490
Of
Economy

2. Menghitung eigen value maksimum (λ maksimum) yang di

dapat dengan menjumlahkan hasil perkalian jumlah kolom
dengan eigen vector.
= {(5,08330,2224) +
(7,8330,14)+(11,333 0,0976) + (18
0,0504)

+ (1,926 0,49)} = 5,184

Menghitung nilai indeks konsistensi. Karena matriks berordo 5

(yakni terdiri dari 5 kriteria), maka nilai indeks konsistensi yang
diperoleh adalah :
−
5,184 − 5
= = = 0,046
−1 5–1
Untuk = 5 maka= 1,12 (Tabel 2.3) maka :
0046

5
= = 1,12 = 0,04107 < 0,1000

Karena < 0,1000 maka hasil perhitungan kriteria

adalah konsisten. Dari hasil perhitungan pada tabel 4.3
menunjukkan bahwa: kriteria Condition of Economy
merupakan kriteria yang paling penting dalam proses
seleksi nasabah yang akan menerima pinjaman modal
dengan bobot 0,490 atau 49%, selanjutnya adalah
kriteria Character dengan bobot 0,2224 atau 22,24%,
kemudian kriteria Capital dengan bobot 0,14 atau 14%,
selanjutnya kriteria Capacity dengan bobot 0,0976 atau
9,76% dan terakhir kriteria Collateral dengan bobot
0,0504 atau 5,04%.

b). Perhitungan Faktor Evaluasi Untuk Kriteria

Character

Untuk menghitung faktor evaluasi pada kriteria Character dilakukan

langkah-langkah sebagai berikut:

6
1. Menganalisis data calon kandidat penerima pinjaman modal
dengan menggunakan perbandingan berpasangan.

Tabel Faktor Evaluasi untuk Kriteria Character

Tabel Faktor Evaluasi untuk Kriteria Character yang

Dinormalkan

Character NASABAH Eigen

1 2 3 4 5 Vector
N 1 0,2 0,2 0,2 0,2 0,2 0,2

7
 A 2 0,2 0,2 0,2 0,2 0,2 0,2
S 3 0,2 0,2 0,2 0,2 0,2 0,2
A 4 0,2 0,2 0,2 0,2 0,2 0,2

B 5 0,2 0,2 0,2 0,2 0,2 0,2

A Σ 0,2 0,2 0,2 0,2 0,2 0,2

H

3. Menghitung eigen value maksimum (λ maksimum) yang di

dapat dengan menjumlahkan hasil perkalian jumlah kolom
dengan eigen vector.
= (5*0,2) + (5*0,2) + (5*0,2) + (5*0,2) +
(5*0,2) = 5

4. Menghitung nilai indeks konsistensi. Karena matriks berordo 5

(yakni terdiri dari 5 nasabah), maka nilai indeks konsistensi
yang diperoleh adalah :
5−
−
5
= =5 − = 0
−1 1
Untuk = 5 maka = 1,12 (Tabel 2.3) maka :
0
= = 1,12 = 0 < 0,1000

Karena CR < 0,100 maka hasil perhitungan kriteria

Character adalah konsisten.Dari hasil perhitungan diatas
diketahui bahwa urutan prioritas untuk kriteria Character
pada masing-masing calon nasabah adalah sama yaitu 0,2
atau 20% karena di asumsikan bahwa calon nasabah
merupakan nasabah yang baru pertama kali mengajukan
pinjaman modal.

8
 c). Perhitungan Faktor Evaluasi Untuk Kriteria
Capital

Untuk menghitung faktor evaluasi pada kriteria Capital dilakukan

langkah-langkah sebagai berikut:

1. Menganalisis data calon kandidat penerima pinjaman modal

dengan menggunakan perbandingan berpasangan.

Tabel Faktor Evaluasi untuk Kriteria Capital

Capital NASABAH

1 2 3 4 5

N 1 1 4 3 3 2

A
2 1/4 1 3 3 2
S

A 3 1/3 1/3 1 2 1/3

B
A 4 1/3 1/3 1/2 1 1/3

H
5 1/2 1/2 3 3 1

2. Menyederhanakan evaluasi dengan menjumlahkan nilai pada

masing-masing kolom. Dengan perhitungan sebagai berikut :

5
= ∑ [ , ], = 1,2,3,
… ,5
=1

9
 Tabel Faktor Evaluasi untuk Kriteria Capacity yang
Disederhanakan
Capacity NASABAH

1 2 3 4 5

N 1 1 4 3 3 2

A
2 ¼ 1 3 3 2
S

A 3 1/3 1/3 1 2 1/3

B
A 4 1/3 1/3 1/2 1 1/3

H
5 ½ 1/2 3 3 1

Σ 2,4166 6,1666 10,5 12 5,6666

3. Menormalkan evaluasi dengan membagi nilai masing-

masing sel dengan jumlah masing-masing kolomnya.
Maka, akan diperoleh bobot relatif yang dinormalkan.
Nilai eigen vector dihasilkan dari rata-rata bobot relatif
untuk setiap baris.

10
Capaci
ty NASABAH Eigen

Vector
1 2 3 4 5

N 1 0,413 0,648 0,285 0,25 0,352 0,3902

A
S 2 0,103 0,162 0,285 0,25 0,352 0,2308
A
B 3 0,137 0,054 0,095 0,166 0,058 0,1025
A
H 4 0,137 0,054 0,047 0,083 0,058 0,0763

5 0,206 0,081 0,285 0,25 0,176 0,2000

Tabel Faktor

4. Menghitung eigen value maksimum (λ maksimum) yang di dapat

dengan menjumlahkan hasil perkalian jumlah kolom dengan
eigen vector.
= (2,4166 0,3902) + (6,1666
0,2308) + (10,5
0,1025)
+ (12 0,0763) + (5,666 0,2) =
5,3790

5. Menghitung nilai indeks konsistensi. Karena matriks berordo 5

(yakni terdiri dari 5 nasabah), maka nilai indeks konsistensi yang
diperoleh adalah :

−
5,3790 − 5

= −1 = 5–1 = 0,09475

11
 Untuk= 5 maka= 1,12 (Tabel 2.3) maka :

0,0945
= = 1,12 = 0 < 0,1000

Karena CR < 0,100 maka hasil perhitungan kriteria

Capital adalah konsisten.

d).Perhitungan Faktor Evaluasi Untuk Kriteria Capacity

Untuk menghitung faktor evaluasi pada kriteria Capacity dilakukan

langkah-langkah sebagai berikut:

1. Menganalisis data calon kandidat penerima pinjaman modal

dengan menggunakan perbandingan berpasangaN.

12
 Tabel Faktor Evaluasi untuk Kriteria Capacity yang
Disederhanakan

Capacity NASABAH

1 2 3 4 5

N 1 1 4 3 2 2

A
2 1/4 1 3 2 2
S

A 3 1/3 1/3 1 1/3 1/3

B
A 4 1/2 1/2 3 1 2

H
5 1/2 1/2 3 1/2 1

2. Menyederhanakan evaluasi dengan menjumlahkan nilai pada

masing-masing kolom. Dengan perhitungan sebagai berikut :

5= ∑ [ , ], = 1,2,3, …
,5
=1

13
 Table Faktor Evaluasi untuk Kriteria Capacity yang
Disederhanakan

Capacity NASABAH

1 2 3 4 5

N 1 1 4 3 2 2

A
2 1/4 1 3 2 2
S

A 3 1/3 1/3 1 1/3 1/3

B
A 4 1/2 1/2 3 1 2

H
5 1/2 1/2 3 1/2 1

Σ 2,5833 6,3333 13 5,8333 7,3333

3. Menormalkan evaluasi dengan membagi nilai masing-

masing sel dengan jumlah masing-masing kolomnya.
Maka, akan diperoleh bobot relatif yang dinormalkan.
Nilai eigen vector dihasilkan dari rata-rata bobot relatif
untuk setiap baris.

Table Faktor Evaluasi untuk Kriteria Capacity yang

Dinormalkan

Capacity NASABAH Eigen

Vector
1 2 3 4 5

N 1 0,387 0,631 0,230 0,342 0,272 0,3730

A
S 2 0,096 0,157 0,230 0,342 0,272 0,2202
A

14
 B 3 0,129 0,052 0,076 0,057 0,045 0,0722
A
H 4 0,193 0,078 0,230 0,171 0,272 0,1895

5 0,193 0,078 0,230 0,085 0,136 0,1451

4. Menghitung eigen value maksimum (λ maksimum) yang di dapat

dengan menjumlahkan hasil perkalian jumlah kolom dengan
eigen vector.
= (2,5833 0,3730) + (6,333
0,2202) + (13
0,0722)
+ (5,8333 0,1895) + (7,333
0,1451) = 5,3790

5. Menghitung nilai indeks konsistensi. Karena matriks berordo 5

(yakni terdiri dari 5 nasabah), maka nilai indeks konsistensi yang
diperoleh adalah :
5,
3 =
7
9 0,
0 09
−
−
5 47
= =5 5
−
−1 1
Untuk = 5 maka = 1,12 (Tabel 2.3) maka :
= = 0,0945 = 0 <

15
 1,12 0,1000

Karena CR < 0,100 maka hasil perhitungan kriteria Capacity

adalah konsisten.

e). Perhitungan Faktor Evaluasi Untuk Kriteria Collateral

1. Untuk menghitung faktor evaluasi pada kriteria Collateral

dilakukan langkah-langkah sebagai berikut: Menganalisis data
calon kandidat penerima pinjaman modal dengan menggunakan
perbandingan berpasangan.

Tabel Faktor Evaluasi untuk Kriteria Collateral

Collateral NASABAH

1 2 3 4 5

N 1 1 3 5 3 2

A
2 1/3 1 3 4 2
S

A 3 1/2 1/3 1 1/3 1/3

B
A 4 1/3 1/4 3 1 2

H
5 1/3 1/2 3 1/2 1

2.Menyederhanakan evaluasi dengan menjumlahkan nilai pada

masing-masing kolom. Dengan perhitungan sebagai berikut :

16
 = ∑ [ , ], = 1,2,3,
… ,5
=1
Tabel Faktor Evaluasi untuk Kriteria Collateral yang
Disederhanakan

Collateral NASABAH

1 2 3 4 5

N 1 1 3 5 3 2

A
2 1/3 1 3 4 2
S

A 3 1/2 1/3 1 1/3 1/3

B
A 4 1/3 1/4 3 1 2

H
5 1/3 1/2 3 1/2 1

Σ 2,1999 5,083 15 8,833 8,833

3. Menormalkan evaluasi dengan membagi nilai masing-

masing sel dengan jumlah masing-masing kolomnya.
Maka, akan diperoleh bobot relatif yang dinormalkan.
Nilai eigen vector dihasilkan dari rata-rata bobot relatif
untuk setiap baris.

Tabel Faktor Evaluasi untuk Kriteria Collateral yang

Dinormalkan

Collateral NASABAH Eigen

Vector
1 2 3 4 5

17
 N 1 0,454 0,590 0,333 0,339 0,360 0,4155
A
S 2 0,151 0,196 0,2 0,452 0,240 0,2482
A
B 3 0,090 0,065 0,066 0,037 0,039 0,0602
A
H 4 0,151 0,049 0,2 0,113 0,240 0,1508

5 0,151 0,098 0,2 0,056 0,120 0,1253

4. Menghitung eigen value maksimum (λ maksimum) yang di dapat

dengan menjumlahkan hasil perkalian jumlah kolom dengan
eigen vector.
= (2,1999 0,4155) + (5,0833 0,2482) +
(15 0,0602)
(8,8333 0,1508) + (8,333 0,1253) =
5,3695

5. Menghitung nilai indeks konsistensi. Karena matriks berordo 5

(yakni terdiri dari 5 nasabah), maka nilai indeks konsistensi yang
diperoleh adalah :
−
5,3695 −5
= = 5–1 = 0,0923
−1

Untuk = 5 maka = 1,12 (Tabel 2.3)

maka :

0,0923

= = 1,12 = 0,0825
< 0,1000

Karena CR < 0,100 maka hasil perhitungan kriteria Collateral adalah konsisten.

18
f). Perhitungan Faktor Evaluasi Untuk Kriteria Condition of
Economy
Untuk menghitung faktor evaluasi pada kriteria Condition of
Economy dilakukan langkah-langkah sebagai berikut:

1. Menganalisis data calon kandidat penerima pinjaman modal

dengan menggunakan perbandingan berpasangan.

Tabel Faktor Evaluasi untuk Kriteria Condition of

Economy

Condition of NASABAH

Economy
1 2 3 4 5

N 1 1 3 3 3 2

A
2 1/3 1 2 2 1/3
S

A 3 1/3 1/2 1 2 1/3

B
A 4 1/3 1/2 1/2 1 1/3

H
5 1/2 3 3 3 1

2. Menyederhanakan evaluasi dengan menjumlahkan nilai pada

masing-masing kolom. Dengan perhitungan sebagai berikut :

5
= ∑ [ , ], = 1,2,3,
… ,5
=1

19
 Tabel Faktor Evaluasi untuk Kriteria Condition of Economy yang
Disederhanakan

Condition of NASABAH

Economy
1 2 3 4 5

N 1 1 3 3 3 2

A
2 1/3 1 2 2 1/3
S

A 3 1/3 1/2 1 2 1/3

B
A 4 1/3 1/2 1/2 1 1/3

H
5 1/2 3 3 3 1

Σ 2,4999 8 9,5 11 3,999

3. Menormalkan evaluasi dengan membagi nilai masing-

masing sel dengan jumlah masing-masing kolomnya.
Maka, akan diperoleh bobot relatif yang dinormalkan.
Nilai eigen vector dihasilkan dari rata-rata bobot relatif
untuk setiap baris.

20
 Tabel Faktor Evaluasi untuk Kriteria Condition of Economy
yang Dinormalkan

Condition NASABAH Eigen

of Economy Vector
1 2 3 4 5

N 1 0,400 0,375 0,315 0,272 0,500 0,3727

A
S 2 0,133 0,125 0,210 0,181 0,083 0,1468
A
B 3 0,133 0,062 0,105 0,181 0,083 0,1132
A
H 4 0,133 0,062 0,052 0,090 0,083 0,0845

5 0,200 0,375 0,315 0,272 0,250 0,2827

4. Menghitung eigen value maksimum (λ maksimum) yang di dapat

dengan menjumlahkan hasil perkalian jumlah kolom dengan
eigen vector.

21
 = (2,4999 0,3727) + (8 0,1468)
+ (9,5 0,1132)
+ (11 0,0845) + (3,999
0,2827) = 5,2422

5. Menghitung nilai indeks konsistensi. Karena matriks berordo 5

(yakni terdiri dari 5 nasabah), maka nilai indeks konsistensi yang
diperoleh adalah :
5,2422 −
−
5 =
= = 0,06055

−1 5−1
Untuk = 5 maka = 1,12 (Tabel 2.3) maka :

0,0605
= = 1,12 = 0,050 < 0,1000

Karena CR < 0,100 maka hasil perhitungan kriteria Condition of

Economy adalah konsisten.

g). Perhitungan Total Rangking/Prioritas Global

Dari seluruh evaluasi yang dilakukan terhadap ke-5 kriteria

yakni Character, Capital, Capacity, Collateral dan Condition of
Economy. Langkah selanjutnya yaitu mengalikan dengan vektor
prioritas yang di dapat dari eigen vector tiap kriteria untuk
memperoleh prioritas global.

Dengan demikian, diperoleh tabel hubungan antara kriteria dan

alternatif.

22
Tabel Hubungan Antara Kriteria dan Alternatif

23
Hubungan antara kriteria dan alternatif dapat disajikan dalam
bentuk matriks yakni:

0,372

0,2 0,3902 0,3730 0,4155 7

0,146
0,2 0,2308 0,2202 0,2482 8
0,113
= 0,2 0,1025 0,0722 0,0602 2
0,084
0,2 0,0763 0,1895 0,1508 5
0,282
[0,2 0,2 0,1451 0,1253 7]

h).Total Rangking

Untuk mencari total ranking masing-masing alternatif dari

proses seleksi adalah dengan cara mengalikan keseluruhan
faktor evaluasi masing-masing alternatif Untuk mencari total
ranking masing-masing alternatif dari proses seleksi adalah
dengan cara mengalikan keseluruhan faktor evaluasi masing-
masing alternative.

Sehingga dapat digambarkan dalam bentuk perkalian matriks

yaitu sebagai berikut:

24
 =

0,2 0,3902 0,3730 0,4155

0,3727 0,222 0,339
0,2 0,2308 0,2202 0,2482
0,1468 0,140 0,182
0,2 0,1025 0,0722 0,0602
0,1132 0,097 = 0,124
0,2 0,0763 0,1895 0,1508
0,0845 0,050 0,123
[0, 0,2827 [0,490 [0,23
2 0,2 0,1451 0,1253 ] ] 1]

Keterangan :

= Faktor Evaluasi masing-masing Alternatif

= Eigen Vector perbandingan setiap kriteria

= Prioritas global atau ranking

Berdasarkan hasil perkalian matriks diatas, diperoleh

bobot dari masing-masing alternatif dalam hal ini yaitu calon
nasabah adalah:

Nasabah 1 = 0,339 Nasabah 2 = 0,182 Nasabah 3 = 0,124

Nasabah 4 = 0,123 Nasabah 5 = 0,231

Sehingga diperoleh proritas ranking dari masing-masing

calon penerima pinjaman modal yaitu sebagai berikut:

Peringkat 1: Calon Nasabah 1

Peringkat 2: Calon Nasabah 5

Peringkat 3: Calon Nasabah 2

Peringkat 4: Calon Nasabah 3

Peringkat 5: Calon Nasabah 4

Dari hasil analisis, diperoleh prioritas utama dalam proses seleksi

penerimaan pinjaman modal adalah dilihat dari Condition of
Economy dari calon nasabah tersebut. Kriteria Conditionof
Economy merupakan kriteria yang paling penting dalam proses
seleksi nasabah yang akan menerima pinjaman modal dengan

25
bobot 0,490 atau 49%, selanjutnya adalah kriteria Character
dengan bobot 0,2224 atau 22,24%, kemudian kriteria Capital
dengan bobot 0,14 atau 14%, selanjutnya kriteria Capacity
dengan bobot 0,0976 atau 9,76% dan terakhir kriteria Collateral
dengan bobot 0,0504 atau 5,04%.

Dengan mempertimbangkan seluruh kriteria, maka calon

nasabah 1 yang memiliki potensi terbesar mendapatkan pinjaman
modal dengan nilai bobot 0,339 atau 33,9% , selanjutnya calon
nasabah 5 dengan bobot 0,231 atau 23,1 %, calon nasabah 2
menempati peringkat ke 3 dengan bobot 0,182 atau 18,2 %,
peringkat ke 4 di isi oleh calon nasabah ke 3 dengan bobot 0,124
atau 12,4% dan posisi terakhir di tempati oleh calon nasabah 4
dengan bobot 0,123 atau 12,3%. Sehingga dapat dikatakan bahwa
kriteria-kriteria dalam penelitian ini bersifat deterministik.
Kelebihan menggunakan metode AHP dalam penelitian ini
adalah dapat memaksimalkan pemilihan prioritas nasabah yang
mendapat pinjaman modal dengan kriteria-kriteria yang
multivariabel atau multifaktor.

2.2. Metode TOPSIS

Untuk menggunakan metode TOPSIS dilakukan langkah-

langkah sebagai berikut:
1. Mendefinisikan masalah dan menentukan solusi dengan cara
mengumpulkan data hubungan antara alternatif dan kriteria
calon penerima pinjaman modal usaha seperti pada tabel
dibawah ini :

Tabel Hubungan Antara Kriteria dan Alternatif pada

Metode TOPSIS

TOPSIS Character Capital Capacity Collateral Condition

of Economy
N 1 0,2 0,3902 0,3730 0,4155 0,3727

A
2 0,2 0,2308 0,2202 0,2482 0,1468
S
A 3 0,2 0,1025 0,0722 0,0602 0,1132
B 4 0,2 0,0763 0,1895 0,1508 0,0845
A
5 0,2 0,2 0,1451 0,1253 0,2827

26
 H

Hubungan antara kriteria dan alternatif dapat disajikan dalam

bentuk matriks yakni:

0,372

0,2 0,3902 0,3730 0,4155 7

0,146
0,2 0,2308 0,2202 0,2482 8
0,113
= 0,2 0,1025 0,0722 0,0602 2
0,084
0,2 0,0763 0,1895 0,1508 5
0,282
[0,2 0,2 0,1451 0,1253 7]

Dimana :

A= Matriks hubungan antara kriteria dan alternatif

2. Membuat matriks keputusan yang merupakan hasil dari

normalisasi matriks keputusan R dengan metode Euclidean
length of a vector.
Contoh :

27
 11

11 =
√∑ ( )2
1
=1 1
0,2 0,2 =
11 = = 0,447
√(0,2)2 + (0,2)2 + (0,2)2 + (0,2)2 +
0,44
(0,2)2 7

dan seterusnya.

Sehingga hasilnya dapat dilihat pada matriks berikut :

0,447 0,765 0,747 0,788
0,7290,447 0,453
0,442 0,471 0,287 = 0,447
0,200 0,145 0,114 0,222
0,447 0,150 0,380 0,286
0,165 [0,447 0,392 0,291
0,238 0,553]

3. Membuat matriks keputusan normalisasi yang berbobot.

Dimana bobot yang

diperoleh adalah sebagai berikut :

= [0,222 0,140 0,097 0,050 0,490]

Contoh :
=
11 111

11 = (0,222) (0,447) = 0,099

dan seterusnya.
Sehingga hasilnya dapat dilihat pada matriks berikut :
0,099 0,107 0,073 0,039
0,3570,099 0,064
0,043 0,024 0,141 = 0,099
0,028 0,014 0,006 0,109
0,099 0,021 0,037 0,014
0,081 [0,099 0,055 0,282
0,012 0,271]

28
4. Membuat matriks dari solusi ideal positif.
0,099
0,107
+
= 0,282
0,039
[0,357]
5. Membuat matriks dari solusi ideal negatif.
0,099
0,021
−
= 0,014
0,006
[0,081]

6. Menentukan jarak antara nilai setiap alternatif dengan matriks

solusi ideal positif dan matriks solusi ideal negatif.

a. Jarak untuk solusi ideal positif diperoleh dengan

perhitungan sebagai berikut:
+ +
=√∑( − )2
=1
Contoh :

(0,099 − 0,099)22 + (0,107 −

1+ = √
2
0,107) + (0,073 − 0,282) + (0,039 −
0,039)2 + (0,357 − 0,357)2
= 0,00218405

dan seterusnya.

Sehingga hasilnya dapat dilihat pada matriks berikut :

0,00218405
0,0529255

29
 +
=

0,070329
0,072111
[ 0,0054145 ]

b. Jarak untuk solusi ideal negatif diperoleh dengan

perhitungan sebagai berikut:
− − 2
= √∑( − )
=1

Contoh :

2
− =√(0,099 − 0,099)
2
+ (0,107 − 0,021)2 +
(0,073 − 0,014) +
1
(0,039 − 0,006)2 +
(0,357 − 0,081)2

= 0,044071

dan seterusnya.

Sehingga hasilnya dapat dilihat pada matriks berikut :

0,044071
0,003307
−
= 0,0004165
0,0002965
[ 0,054558 ]

30
7. Menentukan nilai preferensi untuk setiap alternative
−

− +
= +

Contoh :
−
0,044071
1
0,0440 + =
1 = −
+ +
= 71 0,00218405 0,95278
1 1

dan seterusnya.

Sehingga hasilnya dapat dilihat pada matriks berikut :

0,95278
0,05880941
= 0,0058873
0,00409488
[ 0,909717 ]

Maka diperoleh proritas ranking dari masing-masing calon

penerima pinjaman modal yaitu sebagai berikut:

Peringkat 1: Calon Nasabah 1

Peringkat 2: Calon Nasabah 5

Peringkat 3: Calon Nasabah 2

Peringkat 4: Calon Nasabah 3

Peringkat 5: Calon Nasabah 4

31
 2.3. Metode SAW

Untuk menggunakan metode TOPSIS dilakukan langkah-

langkah sebagai berikut:

1. Mendefinisikan masalah dan menentukan solusi dengan cara

mengumpulkan data hubungan antara alternatif dan kriteria
calon penerima pinjaman modal usaha seperti pada tabel
dibawah ini :

Tabel Hubungan Antara Kriteria dan Alternatif pada

Metode SAW

SAW Character Capital Capacity Collateral Condition

of Economy
N 1 0,2 0,3902 0,3730 0,4155 0,3727

A
2 0,2 0,2308 0,2202 0,2482 0,1468
S
A 3 0,2 0,1025 0,0722 0,0602 0,1132
B 4 0,2 0,0763 0,1895 0,1508 0,0845
A

32
 H 5 0,2 0,2 0,1451 0,1253 0,2827

Hubungan antara kriteria dan alternatif dapat disajikan dalam

bentuk matriks yakni:

0,372

0,2 0,3902 0,3730 0,4155 7

0,146
0,2 0,2308 0,2202 0,2482 8
0,113
= 0,2 0,1025 0,0722 0,0602 2
0,084
0,2 0,0763 0,1895 0,1508 5
0,282
[0,2 0,2 0,1451 0,1253 7]

Dimana :

A= Matriks hubungan antara kriteria dan alternatif

2. Melakukan normalisasi matriks berdasarkan persamaan yang

disesuaikan dengan kriteria sehingga diperoleh matriks
ternormalisasi R. Pada kasus ini hanya digunakan
perhitungan yang Max saja dikarnakan atribut yang dimiliki
adalah atribut benefi.
Contoh :
11 0,2

33
 = = =1
3.

Sehingga hasilnya dapat dilihat pada matriks berikut :

1 1 1 1 1
1 0,591 0,590 0,597 0,394
= 1 0,262 0,193 0,145 0,304
1 0,196 0,508 0,363 0,227
0,749
[1 0,512 0,390 0,302 ]

3. Hasil akhir diperoleh dari proses perankingan yaitu

penjumlahan dari perkalian matriks ternormalisasi R dengan
vektor bobot sehingga diperoleh nilai terbesar yang dipilih
sebagai alternatif terbaik sebagai solusi

Bobot yang diperoleh adalah sebagai berikut :

= [0,222 0,140 0,097 0,050 0,490]

Maka hasil perangkingan dapat diperoleh dengan

cara sebagai berikut :
= ∑ =1

Contoh :

1 = (1 0,222) + (1 0,140) + (1 0,097) + (1 0,050) +

(1 0,490) = 0,999

dan seterusnya.

Sehingga hasilnya dapat dilihat pada matriks berikut :

0,999
0,585
= 0,434
0,674

34
 [0,719]

Maka diperoleh proritas ranking dari masing-masing calon

penerima pinjaman modal yaitu sebagai berikut:

Peringkat 1: Calon Nasabah 1

Peringkat 2: Calon Nasabah 5

Peringkat 3: Calon Nasabah 4

Peringkat 4: Calon Nasabah 2

Peringkat 5: Calon Nasabah 3

2.4. Analisis Perbandingan

a) Euclidean Distance
Analisis perbandingan menggunkan metode Euclidean
Distance untuk melihat metode mana yang paling optimal
ditinjau dari rata-rata prioritas rangking pada ketiga metode
seperti pada table dibawah ini :

Tabel Analisis Euclidean Distance

NASABAH AHP TOPSIS SAW

1 0,339 0,953 0,999

2 0,182 0,059 0,585

3 0,124 0,006 0,434

4 0,123 0,004 0,674

5 0,231 0,910 0,719

RATA-RATA 0,1998 0,3864 0,6822

35
Berdasarkan hasil rata-rata dari ketiga metode yang digunakan
dapat diakatakan bahwa metode AHP merupakan metode yang
paling baik dikarnakan memiliki nilai yang mendekati nol.

b) Perbandingan Proses Perhitungan

Selain analisis perbandingan menggunakan Euclidean

Distance digunakan juga analisis perbandingan proses perhitungan
seperti pada tabel dibawah ini :

Tabel Perbandingan Hasil Perhitungan

NASABAH KEPUTUSAN
AHP TOPSIS SAW
1 1 1 1
2 3 3 4
3 4 4 5
4 5 5 3
5 2 2 2

36
 Tabel Perbandingan Proses Perhitungan

NO Perihal Metode AHP Metode TOPSIS Metode SAW

1 Kecepatan 8 Tahap 7 Tahap 3 Tahap

proses
perhitungan
2 Kematangan • Pairwise • Menentukan Normalisasi
pengolahana Comparison jarak antara Nilai
data • Uji nilai setiap
konsistensi alternatif
• Normalisasi dengan
nilai matriks
solusi ideal
positif dan
matriks
solusi ideal
negatif
• Normalisasi
nilai
3 Kemudahan Rumus perhitungan Rumus perhitungan Rumus
dalam banyak dan sukar banyak tetapi perhitungan
pemahaman dipahami mudah dipahami simple dan
proses sedikit serta
perhitungan mudah
dipahami
4 Pengaruh Banyak sedikitnya Lumayan Tidak terlalu
jumlah kriteria sangatlah berpengaruh dalam berpengaruh
kriteria berpengaruh dalam metode TOPSIS, karena dalam
dalam metode AHP, dikarnakan nilai proses
proses karena nilai dari dari jumlah kriteria perhitungaan
perhitungan jumlah kriteria (n), digunakan untuk metode SAW
digunakan untuk menghitung solusi tidak ada
menghitung bobot ideal positif dan tahapan uji
kriteria serta solusi ideal negatif konsistensi

37
digunakan untuk
menguji
konsistensi hirarki

38
 BAB III
KESIMPULAN

3.1. Kesimpulan

Dari hasil pembahasan pada bab sebelumnya, maka dapat diperoleh bahwa berdasarkan
kategori kriteria, pemilihan proses seleksi pinjaman modal usaha bagi nasabah dapat
dilihat dari Condition of Economy, Character, Capital, Capacity, dan Collateral dari setiap
calon nasabah yang mengajukan peminjaman.

Analisis perbandingan menggunakan Euclidean Distance mendapatkan hasil

bahwa metode AHP merupakan metode yang paling baik dalam pemilihan proses seleksi
pinjaman modal usaha bagi nasabah dibandingkan dengan metode TOPSIS dan metode
SAW.

Berdasarkan alternatif pilihan dari ke-5 calon nasabah yang mengajukan pinjaman,
maka dapat diperoleh nasabah yang memiliki prioritas tertinggi lah yang akan
mendapatkan pinjaman. Meskipun demikian, untuk mendapatkan hasil yang
representative, maka perlu ditambahkan kriteria-kriteria penilaian lainnya seperti hasil
pengecekan status nasabah dari BI Checking, Omzet, Modal yang dibutuhkan, Stabilitas
Usaha dan Jaminan

3.2. Saran

1. Melihat hasil akan analisis pada masing-masing metode, disarankan

kepada lembaga penyalur dana yang mensejahterakan masyarakat (bank,
koperasi, ukm) untuk meningkatkan proses seleksi yang transparan dan
dapat dipahami oleh masyarakat di kalangan manasaja guna penerimaan
modal pinjaman dapat tepat sasaran.

2. Dalam keputusan pemilihan calon nasabah penerima pinjaman modal, sebaiknya di

kaji mendalam setiap kriteria tersebut.

3. Untuk penelitian selanjutnya, sebaiknya mempertimbangkan pengecekan status

nasabah terdahulu dengan pengecekan di BI Checking.
 DAFTAR PUSTAKA

Afshari et al. 2010. Simple Additive Weighting approach to

Personnel Selection problem.

Cabala, Pawel. 2010. Using The Analytic Hierarchy Process In

Evaluating Decision Alternatives. Operation Research and Decision. 1: 5-
23

Eko Darmanto, Noor Latifah, Nanik Susanti. 2014 .Penerapan Metode AHP
(Analythic Hierarchy Process) Untuk Menentukan Kualitas Gula Tumbu

Erna Ningsih, Dedih, Supriyadi. 2017. Sistem Pendukung Keputusan

Menentukan Peluang Usaha Makanan Yang Tepat Menggunakan Weighted
Product (Wp) Berbasis Web.

Gwo-Hshiung Tzeng. 2011. Multiple Attribute Decision Making : Methods

and Application.

Iryanto. 2008. Eksposisi Analytical Hierarchy Process Dalam Riset

Operasi : Cara Efektif Pengambilan Keputusan. Universitas Sumatera Utara

J. Aronson and E. 2005. Turban, Decision Support Systems and Intelligent

Systems.

Khosravi, J., Mohammad A.A., Mohammad R.A., & Mir Hosein

Peyman. 2011. Application of Multiple Criteria Decision Making System
Compensatory (TOPSIS) in Selecting of Rice Milling System. World
Applied Iran Sciences Journal. Vol.13 (11) pp:2306-2311

Kusumadewi, et al. 2006. Fuzzy Multi-Attribute Decision Making.

Yogyakarta. Graha Ilmu. Hal 361

Liza Yulianti , Herlina Latipa Sari , B. Herawan Hayadi. Jurnal Media

Infotama Vol.8 No.2 September 2012. Sistem Pendukung Keputusan. ISSN : 1858
- 2680 Sistem Pendukung Keputusan Peserta KB Teladan Di BKKBN Bengkulu
Menggunakan Pemrograman Visual Basic 6.0