ANALISIS PEMBERIAN KREDIT MOBIL DENGAN
PENDEKATAN METODE FUZZY-MAMDANI (STUDI
KASUS : PT ASTRA CREDIT COMPANIES CABANG
DAIHATSU CIBUBUR)
Andrian YaminJurusan Akuntansi Universitas Gunadarma Depok
Jl. Margonda raya No.100email: [email protected]
ABSTRAKTujuan dari penelitian ini adalah untuk mengetahui cara kerja metode fuzzy-mamdani
dalam menentukan diterima atau ditolaknya suatu pengajuan kredit mobil yang bergunasebagai salah satu alternatif perusahaan dalam menganailis suatu pengajuan kredit.
Data yang digunakan adalah data primer dari Perusahaan PT.ACC berupa data calondebitur yang belum diolah dan data sekunder yaitu data keputusan kredit tersebut. Metodepengambilan sampel yang digunakan adalah random sampling dengan tidakmemeperhatikan jenis sebanyak 20 sampel. Model analisis yang digunakan adalah Fuzzy-mamdani dengan bantuan software MATLAB R2007b.Berdasarkan hasil penelitian diperolehmenunjukan bahwa Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepatditerima atau ditolaknya suatu pengajuan kredit mobil. dan dari hasil penelitian ini terdapatbeberapa perbedaan keputusan antara keputusan yang dibuat perusahaan dan keputusandengan menggunakan metode fuzzy dan perusahaan dapat menghindari kredit yang riskanakan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E yang dianggap layakoleh perusahaan tetapi tidak layak apabila menggunakan Fuzzy mamdani sehingga dapatmengurangi resiko kerugian. dan berdasarkan fuzzy mamdani, pengajuan kredit atas namaNurikmah dan uki Irwansyah yang ditolak oleh perusahaan adalah layak untuk diterima,sehingga dapat menambah pemasukan perusahaan dan menambah keuntunganperusahaan.Kata Kunci : Ketidakpastian, Penentuan Kredit mobil, Logika fuzzy.
PendahuluanPerkembangan dan kemajuan zaman saat ini berdampak pada tingginya kebutuhan
manusia untuk melakukan mobilitas dalam aktifitasnya sehari-hari. Kendaraan sebagai alat
transportasi menjadi kebutuhan yang sulit diabaikan keberadaanya, karena sangat berperan
penting untuk memenuhi seluruh aktifitas dan mobilitas manusia sehari-hari. Kebutuhan
terhadap kendaraan ini khususnya kendaraan roda empat terkadang tidak dapat terpenuhi
karena faktor finasial dan tingginya harga yang harus dibayar untuk memilikinya.mengingat
harganya yang mahal maka akan kesulitan bagi sebagian orang untuk memilikinya
Karena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat
secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Companies sebagai
salah satu perusahaan pembiayaan tersebut hadir untuk menawarkan solusi bagaimana bisa
memiliki kendaraan tanpa harus membeli secara tunai, PT Astra Credit Companies adalah
suatu perusahaan yang tergabung dalam astra group yang memberikan kemudahan bagi calon
pelanggan untuk bisa memiliki kendaran khususnya mobil dengan cara pembelian kredit.
Namun untuk menyetujui suatu pengajuan kredit ada beberapa factor yang harus
diperhatikan oleh seorang credit analys sebagai dasar untuk jaminan bahwa seorang debitur
akan melunasi hutangya dengan baik. Seorang credit analys harus memperhatikan aspek 5C
yaitu collateral, capacity, capital, character, condition . Dengan memperhatikan factor factor
tersebut.
RumusanMasalah
Berdasarkan latar belakang masalah diatas dapat dirumusukan permasalahan sebagai berikut:
1. Apakah metode Fuzzy dapat menganalisa secara tepat diterima atau ditolaknya suatu
pengajuan kredit mobil?
Batasan Masalah
Untuk membatasi luasnya penjabaran dan pembahasan dalam penulisan skripsi ini
maka penulis menggunakan data pengajuan kredit mobil PT ACC yaitu 20 calon debitur yang
diambil secara acak sejak tahun 2010 sampai dengan tahun 2011.
Tujuan Penelitian
Adapun Tujuan Dari penulisan Skripsi ini Adalah :
Mengetahui cara kerja metode fuzzy-mamdani dalam menentukan diterima atau ditolaknya
suatu pengajuan kredit mobil.
Manfaat Penelitian
1. Manfaat Akademis
Adapun manfaat akademis penulisan ini adalah untuk menambah pengetahuan dan
wawasan,baik bagi penulis maupun bagi pembaca agar lebih memahami tentang
materi yang disajikan dan sampai sejauh mana penulis dapat menerapkan ilmu-ilmu
yang telah diperoleh didalam perkuliahan serta kemampuan penulis dalam
memecahkan masalah.
2. Manfaat Praktis
Hasil penulisan ini diharapkan dapat bermanfaat bagi perusahaan khususnya PT.
ACC. Yaitu dalam meganalisa suatu permohonan kredit dapat mengandalkan salah satu
alternatif lain yaitu pendekatan logika fuzzy
Dasar Teori
Logika Fuzzy
Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau
biasanya berada diluar model matematis dan bersifat inexact. Konsep ketidakpastian
inilah yang menjadi konsep dasar munculnya konsep logika fuzzy.
Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California
University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu
himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota
dan bukan anggota.
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatuhimpunan A,
yang sering ditulis dengan µ A [x], memiliki 2 kemungkinan, yaitu (
Kusumadewi, 2003: 156 ) :
- Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.
- Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan.
Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau
Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1.
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunanbilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke
kanan.Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif
(Kusumadewi, 2003: 159 ) .
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam
semestpembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy (Kusumadewi,
2001:12 ).
Fungsi keanggotaan (membership function) adalah suatu kurva yang mejukkan
pemetaan titik-titik input data kedalam nilai keanggotaan yang meminterval antara 0 sampai 1
Salah satu cara yang dapat digunakan untuk mendapatkannilai keanggotaan adalah dengan
melalui pendekatan fungsi. Ada beberapa fungsi bisa digunakan diantaranya :
1.representasi linear
2.representasi segitiga
3.representasi trapesium
4.representasi kurva bentuk bahu
5.representasi kurva S
6.representasi bentuk lonceng
Sistem Inferensi FuzzyMetode Mamdani
Metode mamdani sering juga dikenal dengan nama metode min–max. Metodini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapaoutput diperlukan 4
tahapan, diantaranya :
1. Pembentukan himpunan fuzzy
Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi
satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah min.
3. Komposisi aturan
Metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu Metode
max (maximum). Secara umum dapat dituliskan :
µsf[Xi] = max (µsf [Xi], µkf [Xi])
Dengan :
µsf[Xi] = nilai keanggotaan solusi fuzzy sampai aturan ke i
µkf [Xi]) = nilai keanggotaan konsekuan fuzzy aturan ke i
4. Penegasan (defuzzy)
Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode
centroid. Dimana pada metode ini, solusi crisp diperoleh dengan cara mengambil
titik pusat daerah fuzzy. Secara umum dirumuskan (Bo Yuan, 1999) :
Ada dua keuntungan menggunakan metode centroid, yaitu (Kusumadewi, 2002):
1. Nilai defuzzyfikasi akan bergerak secara halus sehingga perubahan dari suatu
himpunan fuzzy juga akan berjalan dengan halus.
2. Lebih mudah dalam perhitungan.
Metode Penelitian
Identifikasi Data
Identifikasi data dilakukan dengan penentuan variabel yang diperlukan dalam
melakukan perhitungan dan analisis masalah.
Variabel - variabel yang digunakan dalam penelitian ini adalah variabel dependen
yaitu 20 data calon debitor yang diambil secara acak dan 9 variabel independen yaitu Jumlah
uang muka yang dibayarkan calon debitur, Kondisi tempat tinggal calon debitor, Jenis
pekerjaan/ profesi seorang calon debitor, Penghasilan perbulan seorang debitur, Penghasilan
tambahan seorang debitur, Jumlah taggungan yang ditanggung oleh calon debitor,
Perputaran kas seorang calon debitor, Karakter calon debitor, dan Keadaan global kondisi
ekonomi.
Pembentukan himpunan fuzzy
Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau
lebih himpunan fuzzy.
Aplikasi fungsi implikasi
Pada metode mamdani, fungsi implikasi yang digunakan untuk tiap – tiap aturan adalah
fungsi min.
Penegasan (defuzzy)
Proses penegasan (defuzzyfikasi) menggunakan bantuan software matlabR2007b
dengamenggunakan fasilitas yang disediakan pada toolbox fuzzy.
Pengumpulan dan Pengolahan Data
Pengumpulan Data
Dalam penulisan ini menggunakan data Primer dan sekunder. Data Primer berupa
data 20 orang calon debitur PT ACC yang diambil secara acak dalam periode September
2010 sampai juli 2011yang diberikan untuk keperluan penelitian ini. Sedangakan data
sekunder didapat melalui Studi pustaka
Untuk mencari perbedaan antara metode yang dipalai perusahaan dengan metode
fuzzy dibutuhkan data pengajuan dan keputusan Kredit perusahaan terhadap calon
debiturnya. Dapat dilihat pada tabel 1
no Calon debitur
DP
(jutaa
n)
Tempat
tinggalprofesi
Pengh
asilan
pokok
Pengh
asilan
tamba
han
Jml.
tang
gun
gan
Perputa
ran kasReputasi
Keadaan
globalKeputusan
1 Boih sustiawan 20 sederhana PNS 6.4 6 4 Kecil Baik Stabil Diterima
2 Putut wibisono 15 sederhana marinir 3.7 9 4 Sedang Baik Stabil Diterima3 Gugun gunadi 10 menengah karyawan 4 7 3 Besar Baik Stabil Diterima
4 Siti mardianti 18,5 Sederhana karyawan 1.3 2 4Sangat
besar Baik Stabil Diterima
5 Made sukarma 10 Sederhana direktur 11 0 4 Besar Baik Stabil Diterima6 Adhel cornelis 10 Mewah karyawan 26.5 0 3 Besar Baik Stabil Diterima7 Krisna pramono 10 Sederhana PNS 8.4 3.2 4 Sedang Baik Stabil Diterima8 Amdy rifanie 30 Sederhana TNI AU 4 0 4 Kecil Baik Stabil Diterima
9 Prana mangun 15 Menengah
Pemilik
perusahaa
n
35 0 3Sangat
besar Baik Stabil Diterima
10 Imron sobari 15 sederhana karyawan 4 5 4 Besar Baik Stabil Diterima11 Erwin ruhiyat 20 Kontrak karyawan 6 0 3 Sedang Buruk Stabil Diterima12 nurikmah 10 kontrak sederhana 17 0 2 Sedang Baik Stabil Ditolak13 Ferry E 15 kontrak karyawan 4 0 4 Kecil Baik Stabil Diterima14 Fauzi dinor 10 Menengah karyawan 16 0 3 Sedang Baik Stabil Diterima15 Zoelkifli anwar 10 Menengah karyawan 12 0 4 Sedang Baik Stabil diterima16 Lukman effendi 35 Mewah Pemilik 28 14 4 Sangat Baik Stabil Diterima
* DP, Penghasilan Tambahan dan Penghasilan pokok disajikan dalam jutaan Rupiah
Tabel 1.Data pengajuan dan keputusan kredit PT. ACC
perusahaa
n
besar
17 Robby H 10 Kontrak karyawan 4 0 4 Sedang Buruk Stabil Ditolak18 Uki irwansyah 15 Kontrak karyawan 2.5 8 4 sedang Baik Stabil Ditolak
19 Fachruddin 10 Menengah PNS 14 4 2Sangat
besar Baik Stabil Diterima
20 Rayanti 35 Mewah karyawan 7.5 13 2Sangat
besarBuruk Stabil Diterima
Pengolahan Data
Untuk membuat suatu fuzzy inference system yang didasari pada tabel1 diatas ,
langkah pertama adalah kita harus mengklasifikasikan atau membuat himpunan pada setiap
masing-masing varibel yang digunakan. ini juga yang membedakan antara metode
sebelumnya yaitu hanya membuat klasifikasi kelas pada beberapa varibel saja, sedangkan
pada metode fuzzy kita harus membuat himpunan pada setiap variabel
Berdasarkan hal tersebut kita harus menentukan nilai masing-masing varibel yang
berbentuk linguistik seperti pekerjaan, tempat tinggal, reputasi, kondisi ekonomi, perputaran
kas, dan approval kedalam bentuk numeric atau angka dalam tabel 2 berikut kita akan liat
penentuan nilai variabel- variabel tersebut
Input
Variabel Kelompok Himpunan Nilai
Pekerjaan
Karyawan 1
PNS/TNI/POLRI/Pendidik 2
Direktur 3
Pemilik perusahaan 4
tempat tinggal
Kontak/ menumpang 1
Sederhana 2
Menengah 3
mewah 5
reputasiBuruk 0
baik 1
Kondisi globalTidak stabil 0
stabil 1
Perputaran kas
kecil 1
sedang 2
Besar 3
Sangat besar 4
Output approvalreject 0
approve 1
Tabel 2 Penentuan nilai variabel
Langkah selanjutnya pada Tabel 3 dan 4, kita akan membuat penentuan varibel dan
semesta pembicaraan pada tabel 3 dan pembentukan himpunan fuzzy pada tabel 4 .
fungsi Variabel Semestapembicaraan keterangan
input
DP(x1) [10-30] Jumal DP Dalam bentuk
persentase
Tempat tinggal(x2) [1-4] Kondisi tempat tinggal
saat melakukan survey
Pekerjaan(x3) [1-4]
Jenis pekerjaan debitur
Penghasilan(x4) [1.3 – 35] Penghasilan er bulan
dalam jutaan rupiah
Penghasilantambahan
(X5)[2-14] Penghasilan tambahan
keluarga
Tanggungan(x6) [1-4] Tanggungan debitur,
anak kandung dll.
Perputaran kas(x7) [1-4]
dilihat dari buku
tabungan 3 bulan terakhir
Reputasi (x8) [0-1] Reputasiseorang debitur
Kondisi global(x9) [0-1]
mempengaruhikemampuan debitur
untuk melunasi hutang
output approval [0-1]
Hasil keputusan timanalis diterima atau
ditolak suatu pengajuankredit
Tabel 3. Penentuan variabel dan semesta pembicaraan
fungsi Variabel Semestapembicaraan keterangan
input
DP(x1) [10-30] Jumal DP Dalam bentuk
persentase
Tempat tinggal(x2) [1-4] Kondisi tempat tinggal
saat melakukan survey
Pekerjaan(x3) [1-4]
Jenis pekerjaan debitur
Penghasilan(x4) [1.3 – 35] Penghasilan er bulan
dalam jutaan rupiah
Penghasilantambahan(X5)
[2-14] Penghasilan tambahankeluarga
Tanggungan(x6) [1-4] Tanggungan debitur,
anak kandung dll.
Perputaran kas(x7) [1-4]
dilihat dari buku
tabungan 3 bulan terakhir
Reputasi (x8) [0-1] Reputasiseorang debitur
Kondisi global(x9) [0-1]
mempengaruhikemampuan debituruntuk melunasi hutang
output approval [0-1]
Hasil keputusan timanalis diterima atauditolak suatu pengajuankredit
Tabel 4. Himpunan Fuzzy
Langkah selanjutnya adalah membuat fungsi keanggotaan untuk tiap variabel,
yaitu Jumlah uang muka yang dibayarkan calon debitur, Kondisi tempat tinggal calon
debitor, Jenis pekerjaan/ profesi seorang calon debitor, Penghasilan perbulan seorang
debitur, Penghasilan tambahan seorang debitur, Jumlah taggungan yang ditanggung
oleh calon debitor, Perputaran kas seorang calon debitor, Karakter calon debitor, dan
Keadaan global kondisi ekonomi. Dan hasil keputusan kredit.
Gambar 1. Input variable jumlah DP
\
Gambar 2. Input variable Kondisi tempat tinggal
Gambar 3. Input variable jenis pekerjaan
Gambar 4. Input variable jenis penghasilan pokok
Gambar 5. Input variable jenis penghasilan lain
Gambar 6. Input variable jumlah tanggungan
Gambar 7. Input variable perputaran kas
Gambar 8. Input variable Reputasi
Gambar 9. Input variable keadaan global
Gambar 10. Output variable approval kredit
Setelah penentuan fungsi keanggotaan variable, maka dilakukan pembentukan aturan
logika fuzzy. Bedasarkan data-data yang ada, dapat dibentuk aturan-aturan sebagai berikut :
1. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis sedang) and (tanggungan is sedikit) and (perputaran kas is kecil) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)
2. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis besar) and (tanggungan is cukup) and (perputaran kas is sedang) and (reputasiis baik) and (keadaan global is stabil) then (approval is approve)
3. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)
4. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)
5. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)
6. if (DP is rendah) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and(penghasilan pokok is cukup besar) and (penghasilan lain is kecil) and (tanggunganis cukup) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)
7. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis kecil) and (tanggungan is sedikit) and (perputaran kas is sedang) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)
8. if (DP is Besar) and (tempat tinggal is sederhana) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lainis kecil) and (tanggungan is sedikit) and (perputaran kas is kecil) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)
9. if (DP is rendah) and (tempat tinggal is menengah) 34 and (penghasilan pokok isbesar) and (penghasilan lain is kecil) and (tanggungan is cukup) and (perputarankas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then(approval is approve)
10. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is sedang) and (tanggungan issedikit) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)
11. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan iscukup) and (perputaran kas is sedang) and (reputasi is buruk) and (keadaan global isstabil) then (approval is reject)
12. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan ismenengah) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global isstabil) then (approval is reject)
13. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global isstabil) then (approval is reject)
14. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and(penghasilan pokok is cukup besar) and (penghasilan lain is kecil) and (tanggunganis cukup) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan globalis stabil) then (approval is approve)
15. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and(penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)
16. if (DP is Besar) and (tempat tinggal is mewah) 34 and (penghasilan pokok is cukupbesar) 54 and (tanggungan is sedikit) and (perputaran kas is sangat besar) and(reputasi is baik) and (keadaan global is stabil) then (approval is approve)
17. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan issedikit) and (perputaran kas is sedang) and (reputasi is buruk) and (keadaan global isstabil) then (approval is reject)
18. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) and (penghasilan lain is besar) and (tanggungan issedikit) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global isstabil) then (approval is approve)
19. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan isPNS/TNI/PORLI/Pendidik) and (penghasilan pokok is cukup) and (penghasilan lain iskecil) and (tanggungan is menengah) and (perputaran kas is sangat besar) and(reputasi is baik) and (keadaan global is stabil) then (approval is approve)
20. if (DP is Besar) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and(penghasilan pokok is rendah) ) and (perputaran kas is sangat besar) and(tanggungan is menengah) and (perputaran kas is sangat besar) and (reputasi isbaik) and (keadaan global is stabil) then (approval is approve)
21. if (DP is besar) and (tempat tinggal is mewah) and (pekerjaan is pemilik perusahaan)and (penghasilan pokok is besar) and (penghasilan lain is besar) and (tanggungan issedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaanglobal is stabil) then (approval is approve)
22. if (DP is sedang) and (tempat tinggal is mewah) and (pekerjaan is pemilikperusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and(tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik)and (keadaan global is stabil) then (approval is approve)
23. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is pemilikperusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and(tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik)and (keadaan global is stabil) then (approval is approve)
24. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)
25. if (DP is kecil) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)
26. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is besar) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)
27. if (DP is kecil) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)
28. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global istidak stabil) then (approval is reject)
29. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global isstabil) then (approval is reject)
30. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and(penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan isbanyak) and (perputaran kas is besar) and (reputasi is buruk) and (keadaan global istidak stabil) then (approval is reject)
komposisi aturan ini dibentuk pada fungsi rules editor fuzzy toolbox MATLAB 2007 :
Gambar 11.rules editor fuzzy toolbox
Untuk mengetahui keterkaitan antara variabel-variabel input dengan variabel-variabel
output, ditunjukkan dengan rule viewer seperti pada gambar 12 dibawah ini :
Gambar 12.rule viewer editor pada fuzzy toolbox
Setelah melaukan langkah-langkah diatas berarti kita sudah siap untuk
mengaplikasikan Fuzzy inference system (FIS) yang telah kita rancang dengan cara
memasukan nilai varibel input pada rules viewer pada masing-masing calon debitur untuk
mengetahui hasil yang diperoleh dengan menggunakan metode fuzzy.
Sebagai contoh kita ambil satu nama calon debitur yaitu Boih Setiawan dengan
variabel input : jumlah DP 20 % jenis pekerjaanPNS dibadan kepegawaian KASUBID
DIKLAT, Gaji pokok Rp. 6.400.000, dan penghasilan tambahan sebesar Rp.6000.000, dan
jumlah tanggungan 2 orang anak, mempunyai reputasi yag baik dan dalam kondisi global
yang stabil maka input yang kita masukan akan terlihat pada gambar 13 berikut :
Gambar 13.Input rule viewer editor pada fuzzy toolbaox
Variabel input dimasukan berurutan dari variabel pertama yaitu jumlah DP (x1)
sampai varibel terakhir yaitu kondisi global (x9).
Input pertama yaitu jumlah DP menunjukan nilai 20 yang berarti jumlah DP
calon debitur tersebut sebesar 20%, input kedua menunjukan nlai 2 yang berarti bahwa
kondisi tempat tinggal calon debitur tersebut masuk kedalam domain sederhana, input
ketiga menunjukan nilai 2 yang berarti jenis pekerjaan adalah
PNS/TNI/POLRI/PENDIDIK, input keempat menunjukan nilai 6.4 yang berarti bahwa
penghasilan pokok calon debitur tersebut sebesar RP 6.400.000, input kelima
menunjukan nilai 6 yang berarti penghasilan lain calin debitur tersebut sebesar
RP.6.000.000, input keenam menunjukan nilai 4 yang berarti tanggungan calon debitur
tersebut masuk kedalam domain ‘sedikit’. Input ketujuh menunjukan nilai 1 yang
berarti perputaran kas pada rekening calon debitur tersebut masuk dalam domain
‘kecil’. Input berikutnya menunjukan nilai 1 yang berarti bahwa reputasi calon debitur
tersebut ‘baik’, dan input terakhir yaitu varibael ‘kondisi global’ menunjukan nilai 1
yang berarti pada saat mengajukan kredit kondisi global berada dalam domain ‘stabil’.
Untuk melihat output yang dihasilkan dapat dijelaskan pada gambar 14 berikut
Gambar 14.output rule viewer editor pada fuzzy toolbox
Dari gambar diatas bisa kita lihat nilai dari variabel output ‘approval’ yang
berada disebelah kanan atas menunjukan nilai 0.812 ini berarti bahwa pengajuan kredit
tersebut diterima karena variabel input dianggap sudah memenuhi kriteria-kriteria yang
dibutuhkan.
Untuk membandingkan hasil yang diperoleh dengan pendekatan metode fuzzy
dan data yang diperoleh dari perusahaan. Penulis menguji satu persatu dari 20 calon
debitur yang mengajukan kredit kepada perusahaan dengan cara diatas.
Dan hasil dari masing- masing variable yang telah diuji dapat kita lihat pada Tabel 5
berikut :
no Calon debitur X1 X
2
X
3
X4 X5 X6 X7 X8 X9output
keputusan
1 Boih sustiawan 20 2 2 6.4 6 4 1 1 1 0,81 DITERIMA
2 Putut wibisono 15 2 2 3.7 9 4 2 1 1 0,86 DITERIMA
3 Gugun gunadi 10 3 1 4 7 3 3 1 1 0,77 DITERIMA
4 Siti mardianti 18,
5
2 1 1.3 2 4 4 1 10,81
DITERIMA
5 Made sukarma 10 2 3 11 0 4 3 1 1 0,89 DITERIMA
6 Adhel cornelis 10 4 1 26.
5
0 3 3 1 10,86
DITERIMA
7 Krisna pramono 10 2 2 6.4 3.2 4 2 1 1 0,48 DITOLAK
8 Amdy rifanie 30 2 2 4 0 4 1 1 1 0.89 DITERIMA
9 Prana mangun 15 3 4 35 0 3 4 1 1 0,92 DITERIMA
10 Imron sobari 15 2 1 4 5 4 3 1 1 0,77 DITERIMA
11 Erwin ruhiyat 20 1 1 6 0 3 2 0 1 0,44 DITOLAK
12 nurikmah 10 2 1 16 0 2 1 1 1 0,52 DITERIMA
13 Ferry E 10 1 1 4 0 4 1 1 1 0,44 DITOLAK
14 Fauzi Diterimainor 10 3 1 16 0 3 2 1 1 0,77 DITERIMA
15 Zoelkifli anwar 10 3 1 12 0 4 2 1 1 0,77 DITERIMA
16 Lukman effendi 35 4 4 28 14 4 4 1 1 0,96 DITERIMA
17 Robby H 10 1 1 4 0 4 2 0 1 0,44 DITOLAK
Tabel 5. hasil keputusan kredit menggunakan pendekatan metode fuzzy
18 Uki irwansyah 15 1 1 2.5 8 4 2 1 1 0,77 DITERIMA
19 Fachrudin 10 3 3 14 4 2 4 1 1 0,86 DITERIMA
20 Rayanti 35 4 1 7.5 13 2 4 1 1 0,92 DITERIMA
Perbandingan Keputusan Kredit Perusahaan dengan Hasil keputusan kredit
menggunakan Pendekatan Fuzzy Theory
Berdasarkan data yang didapat dari perusahaan dan Hasil dari data yang telah diolah
dengan menggunakan pendekatan Fuzzy Theory, terdapat beberapa perbedaan dalam hasil
keputusan kredit, perbedaan ini terjadi karena metode fuzzy yang lebih flexible dan
mentolelir segala varibel input yang ada, untuk lebih jelasnya kita perhatikan tabel 6 berikut :
noCalon
debitur
DP Tempat
tinggalprofesi
Penghasilan
pokok
Penghasilan
tambahan
Jml.
tanggungan
Perputaran
kas
Reputasi
Keadaan
global
Berdasark
an Metode
AQL
Berdasark
an Metode
Fuzzy-
Mamdani
1Boih
sustiawan20 sederhana PNS 6.4 6 4 Kecil Baik Stabil Diterima Diterima
2Putut
wibisono15 sederhana marinir 3.7 9 4 Sedang Baik Stabil Diterima Diterima
3Gugun
gunadi10 menengah karyawan 4 7 3 Besar Baik Stabil Diterima Diterima
4Siti
mardianti18,5 Sederhana karyawan 1.3 2 4
Sangat
besar Baik Stabil Diterima Diterima
5Made
sukarma10 Sederhana direktur 11 0 4 Besar Baik Stabil Diterima Diterima
6Adhel
cornelis10 Mewah karyawan 26.5 0 3 Besar Baik Stabil Diterima Diterima
7Krisna
pramono10 Sederhana PNS 8.4 3.2 4 Sedang Baik Stabil Diterima Ditolak
8Amdy
rifanie30 Sederhana TNI AU 4 0 4 Kecil Baik Stabil Diterima Diterima
9Prana
mangun15 Menengah
Pemilik
perusahaan35 0 3
Sangat
besar Baik Stabil Diterima Diterima
10 Imron 15 sederhana karyawan 4 5 4 Besar Baik Stabil Diterima diterima
Tabel 6 Perbandingan Hasil keputusan perusahaan dengan hasil menggunakan metode fuzzy
sobari
11Erwin
ruhiyat20 Kontrak karyawan 6 0 3 Sedang Buruk Stabil diterima ditolak
12 nurikmah 10 Sederhana karyawan 17 0 2 Kecil Baik Stabil Ditolak Diterima
13 Ferry E 15 kontrak karyawan 4 0 4 Kecil Baik Stabil Diterima ditolak
14Fauzi
dinor10 Menengah karyawan 16 0 3 Sedang Baik Stabil Diterima Diterima
15Zoelkifli
anwar10 Menengah karyawan 12 0 4 Sedang Baik Stabil diterima diterima
16Lukman
effendi35 Mewah
Pemilik
perusahaan28 14 4
Sangat
besarBaik Stabil Diterima Diterima
17 Robby H 10 Kontrak karyawan 4 0 4 Sedang Buruk Stabil ditolak ditolak
18Uki
irwansyah15 Kontrak karyawan 2.5 8 4 sedang Baik Stabil ditolak Diterima
19Fachruddi
n10 Menengah PNS 14 4 2
Sangat
besar Baik Stabil Diterima Diterima
20 Rayanti 35 Mewah karyawan 7.5 13 2Sangat
besarbaik Stabil Diterima Diterima
KESIMPULAN
Kesimpulan yang akan penulis sajikan ini adalah merupakan rangkuman dari keseluruhan isi,
sedangkan untuk penyajian saran-saran diarahkan pada masalah yang dianggap dapat memberikan
masukan untuk perkembangan perusahaan.
Adapun kesimpulannya adalah sebagai berikut :
1. Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepat diterima atau ditoklanya suatu
pengajuan kredit mobil. Dan dari hasil penelitian ini apabila perusahaan menerima kredit yang
riskan akan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E perusahaan akan
mengalami kerugian sebesar Rp.420.000.000 dengan asumsi harga 1 unit mobil sebesar
Rp.140.000.000, dan apabila perusahaan menolak pembelian mobil secara kredit yang dengan
metode fuzzy layak untuk dierima seperti Nurikmah dan uki Irwansyah, perusahaan akan
kehilangan Pendapatan sebesar Rp.280.000.000 dengan asumsi harga 1 unit mobil sebesar
Rp.140.000.000
SARAN
Berdasarkan analisis tersebut dapat dikemukakan beberapa saran-saran sebagai
berikut :
1. Perusahaan bisa menjadikan Metode Fuzzy-Mamdani sebagai salah satu alat analisis
alternatif yang digunakan perusahaan untuk menentukan diterima atau ditolaknya suatu
pengajuan kredit Agar mengurangi Kemungkinan Kredit macet yang mengakibatkan
kerugian dan agar perusahaan tidak kehilangan pemasukan yang dapat menambah
Keuntungan Perusahaan.
2. dalam penelitian berikutnya disarankan agar penulis melibatkan faktor constrain atau
pembatas seperti pembatasan pembelian mobil pick-up untuk kalangan pribadi dan batasan
umur dalam pengajuan kredit saat kredit dilunasi .
Daftar Pustaka
Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy (Menggunakan TOOLBOXMATLAB). Jogjakarta : Graha Ilmu
Kusumadewi, Sri. 2003. Artificial Intelegence (Teknik dan aplikasinya). Jogjakarta : GrahaIlmu
Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy (Menggunakan TOOLBOXMATLAB). Jogjakarta : Graha Ilmu
Kusumadewi dan Hari purnomo. 2010.Aplikasi Logika Fuzzy untuk pendukung Keputusan.Jogjakarta : Graha Ilmu
Naba, Agus. 2009. Belajar cepat Fuzzy Logic Menggunakan MATLAB.
Jakarta : Andi
http://www.wikipedia.com
http://www.Daihatsu.co.id
http://www.Astra.co.id
http://www.bi.go.id