, Capacity fuzzy - repository.uksw.edu · meminjam uang untuk membeli suatu barang dan membayarnya...

PENDAHULUAN

Bank adalah sebuah lembaga keuangan dan badan usaha yang

menghimpun dana dari masyarakat dalam bentuk simpanan dan selanjutnya

menyalurkan kepada masyarakat dalam bentuk kredit. Kredit merupakan salah

satu fasilitas keuangan yang memungkinkan seseorang atau badan usaha

meminjam uang untuk membeli suatu barang dan membayarnya kembali dalam

jangka waktu yang ditentukan.

Permasalahan yang dihadapi dalam perkreditan yaitu menentukan

keputusan pemberian kredit kepada seorang calon debitur, sedangkan

permasalahan yang lain adalah tidak semua pengembalian kredit oleh debitur

dapat berjalan lancar atau sering kali disebut kredit macet. Faktor penyebab kredit

macet antara lain adalah kesalahan penilaian dalam membuat keputusan kredit

atau data yang diberikan calon debitur bukan data sebenarnya.

Untuk menyetujui suatu pengajuan kredit ada beberapa faktor yang harus

diperhatikan oleh seorang analisis kredit sebagai dasar untuk jaminan bahwa

seorang debitur akan melunasi hutangnya dengan baik, yaitu 5C : Collaterall

(agunan), Capacity (kemampuan membayar kewajiban), Capital (modal),

Character (karakter), dan Condition (kondisi ekonomi). Hasil penilaian terhadap

kelima syarat tersebut dinyatakan sebagai data kualitatif (Kamsir, 2000:34).

Penelitian terhadap data kualitatif ini menyebabkan adanya faktor subyektivitas

dalam menentukan keputusan. Untuk menghindari hal tersebut, dalam penelitian

ini dikaji cara menganalisis kredit menggunakan metode fuzzy Mamdani dan

Sugeno untuk menentukan keputusan kredit yang didasarkan pada data kualitatif.

2

Rumusan Masalah

Dari latar belakang di atas, dapat disusun rumusan masalah sebagai berikut :

Bagaimana cara pengambilan keputusan kredit dalam permasalahan pemberian kredit

yang berdasarkan data kualitatif?

Tujuan

Menentukan keputusan pemberian kredit untuk pembelian suatu barang pada

calon debitur di suatu lembaga keuangan perkreditan menggunakan metode fuzzy

Mamdani dan Sugeno.

Batasan Masalah

Untuk membatasi luasnya penjabaran dan pembahasan dalam penulisan skripsi

ini maka penulis menggunakan data pengajuan kredit mobil PT. BPR Kandimadu Arta

cabang Salatiga yaitu dari 15 calon debitur yang diambil pada tahun 2012.

3

Untuk menyelesaikan yang sudah dirumuskan di depan disusun makalah berikut :

Makalah I.

Judul : Penggunaan Metode Fuzzy Mamdani untuk Membuat

Keputusan dalam Analisis Kredit

Publikasi : Seminar Nasional Matematika dan Pendidikan Matematika

2013 yang diselenggarakan oleh FMIPA UNY tanggal 9

November 2013

Makalah II.

Judul : Penggunaan Metode Fuzzy Sugeno untuk Pengambilan

Keputusan dalam Analisis Kredit

Publikasi : Ujian Skripsi di UKSW tanggal 29 Januari 2014

4

MAKALAH I

PROSIDING ISBN : 978–979–16353–9–4

Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema ” PPeenngguuaattaann PPeerraann MMaatteemmaattiikkaa ddaann PPeennddiiddiikkaann

MMaatteemmaattiikkaa uunnttuukk IInnddoonneessiiaa yyaanngg LLeebbiihh BBaaiikk"" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

PENGGUNAAN METODE FUZZY MAMDANI UNTUK

MEMBUAT KEPUTUSAN DALAM ANALISIS KREDIT

1Sri Ayu Subekti,

2Lilik Linawati,

3Adi Setiawan

1Mahasiswa Program Studi Matematika UKSW, Salatiga, 50711

2,3Dosen Program Studi Matematika UKSW, Salatiga, 50711

[email protected],

[email protected],

[email protected]

Abstrak

Paper ini berisi tentang mengetahui keputusan kredit dalam analisa kredit dengan metode Fuzzy-

Mamdani dalam menentukan diterima atau ditolak suatu pengajuan kredit mobil yang berguna

sebagai salah satu alternatif perusahaan dalam menganalis suatu pengajuan kredit. Data yang

diambil adalah data sekunder dari PT.BPR Kandimadu Arta berupa data calon debitur dengan

sampel 15. Model analis yang digunakan adalah Fuzzy-Mamdani. Berdasarkan hasil penelitian

diperoleh bahwa Pendekatan Metode Fuzzy-Mamdani dapat menganalisa diterima atau ditolak

suatu pengajuan kredit mobil. dan dari hasil penelitian ini terdapat beberapa perbedaan keputusan

antara keputusan yang dibuat bank dan keputusan dengan menggunakan metode Fuzzy. Sehingga

bank dapat menghindari kredit yang riskan akan terlunasi seperti calon debitur I yang dianggap

layak oleh perusahaan tetapi tidak layak apabila menggunakan Fuzzy-Mamdani sehingga dapat

mengurangi resiko kerugian. dan berdasarkan Fuzzy-Mamdani, pengajuan kredit atas nama F yang

ditolak oleh perusahaan adalah layak untuk diterima, sehingga dapat menambah pemasukan

perusahaan dan menambah keuntungan

Kata kunci: Ketidak pastian, Penentuan Kredit mobil, Logika fuzzy

A. Pendahuluan Bank adalah sebuah lembaga keuangan dan badan usaha yang menghimpun dana dari

masyarakat dalam bentuk simpanan dan selanjutnya menyalurkan kepada masyarakat dalam

bentuk kredit. Kredit merupakan suatu fasilitas keuangan yang memungkinkan seseorang atau

badan usaha meminjam uang untuk membeli suatu barang dan membayarnya kembali dalam

jangka waktu yang ditentukan. Ada beberapa jenis kredit antara lain dilihat dari segi tujuannya,

terdapat kredit konsumtif dan kredit produktif. (Wikipedia, 2013).

Permasalahan yang dihadapi Bank dalam perkreditan yaitu dalam menentukan keputusan

pemberian kredit pada seorang calon debitur, selain itu bahwa tidak semua pemberian kredit yang

diberikan dapat berjalan dengan lancar atau sering laki disebut kredit macet. Salah satu faktor

penyebab kredit macet adanya kesalahan penilaian dalam membuat keputusan kredit atau data

yang diberikan calon debitur bukan data sebenarnya.

Keberhasilan kredit suatu Bank salah satunya dapat diukur dari kelancaran pengembalian

kredit. Kelancaran ini dipengaruhi oleh ketepatan dalam penyeleksian kelayakan nasabah untuk

memperoleh kredit sesuai dengan jumlah dan waktu yang telah disepakati.

Namun untuk menyetujui suatu pengajuan kredit ada beberapa faktor yang harus

diperhatikan oleh seorang analisis kredit sebagai dasar untuk jaminan bahwa seorang debitur akan

mailto:[email protected]



PROSIDING ISBN : 978–979–16353–9–4



melunasi hutangnya dengan baik, yaitu 5C : Collaterall (angunan), Capacity (kemampuan

membayar kewajiban), Capital (modal), Character (karakter), dan Condition (kondisi ekonomi)

yang merupakan data kualitatif. (Kamsir, 2000:34) Data kualitatif ini menyebabkan adanya faktor

subyektivitas dalam menentukan keputusan. Untuk menghindari hal tersebut, akan dilakukan

penelitian untuk menentukan keputusan yang dapat membantu suatu Bank dalam keputusan

pemberian kredit dengan menggunakan metode fuzzy Mamdani, digunakannya metode ini karena

data yang ada merupakan data kualitatif yang jika difuzzykan akan menjadi data kuantitatif dan

setiap aturan berbentuk “sebab-akibat”.

Untuk membatasi luasnya penjabaran dan pembahasan dalam penelitian ini maka kajiaan

yang dilakukan didasarkan data pengajuan kredit mobil pada PT.BPR Kandimadu Arta cabang

Salatiga sejak tahun 2012.

Tujuan dari penelitian ini adalah menentukan keputusan pemberian kredit untuk

pembelian suatu barang pada lembaga keuangan kepada calon debitur dengan menggunakan

metode fuzzy mamdani.

DASAR TEORI

Kredit

Dana F. Kelleman dalam Mulyono (1987:9) menyatakan bahwa kredit

mempunyai dimensi yang beraneka ragam. Dimulai dari kata “kredit” yang

berasal dari bahasa Yunani “credere” yang berarti “kepercayaan” atau bahasa

latin”creditumi” yang berarti “kepercayaan dalam kebenaran”. Maksud

pengertian ini adalah apabila seseorang memperoleh kredit, bererti dia mendapat

kepercayaan dari pihak yang memberikan kredit (meminjamkan uang). Sedangkan

bagi pihak yang memberikan kredit, artinya memberikan kepercayaan kepada

seseorang dengan asumsi uang yang dipinjamkan akan kembali.

Kredit adalah kemampuan untuk melaksanakan suatu pembelian atau pengadakan

suatu pinjaman dengan suatu janji pembayarannya akan dilakukan atau

ditangguhkan pada suatu jangka waktu yang disepakati (Erik L. Kohler dalam

Mulyono, 1987:9) .

Dari pengertian kredit tersebut dapat disimpulakan bahwa kredit adalah suatu

pemberian pinjaman dalam bentuk uang / yang dipersamakan dengan itu dengan

pihak lain dengan pembayaran pengembalian secara mengangsur dengan jangka

waktu tertentu.

Logika Fuzzy

PROSIDING ISBN : 978–979–16353–9–4



Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada

diluar model matematis dan bersifat inexact. Konsop ketidak pastian 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 , yaitu himpunan yang membagi

sekelompok individu kedalam dua kategori, yaitu anggota dan bukan anggota.

Pada himpunan tegas (crips), nilai keanggoan suatu item x dalam suatu himpunan A, yang

sering ditulis denga [ ] 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 keanggotan ada 2 kemungkinan, yaitu 0 atau

sedangkan

Pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1.

Semesta pembicaraan adalah keseluruhan nilai yang diperoleh untuk

dioperasikan dalam suatu variable fuzzy. Semesta pembicaraan merupakan suatu

himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari

kiri ke kanan. Nilai semestapembicaraan dapat berubah bilangan positif maupun

negative (Kusumadewi, 2003: 159).

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam

semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy

(Kusumadewi, 2003:12)

Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan

pemetaan titik-titik input data kedalam nilai keanggotaan yang menginterval

antara 0 sampai 1 salah satu cra yang dapat digunakan untuk mendapatkan nilai

keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang

dapat digunakan, diantaranya :

1. Representasi linear

2. Representasi segitiga

3. Representasi trapezium

PROSIDING ISBN : 978–979–16353–9–4



4. Representasi kurva bentuk baku

5. Representasi kurva S

6. Representasi bentuk lonceng

Tahap-tahap yang dilakukan dalam penelitian ini adalah identifikasi

masalah, studi literatur dan pengumpulan data, penentuan variabel dan analisa

keluaran program. Pada tahap identifikasi masalah, permasalahan yang dibahas

dalam usulan penelitian ini adalah menentukan seorang calon debitur layak atau

tidak mendapatkan kredit menggunakan metode Fuzzy Mamdani berdasarkan data

yang ada.

Pada tahap studi literatur dan pengumpulan data digunakan data sekunder

dari BPR dan studi literatur. Studi ini berkaitan dengan hal-hal yang berkaitan

dengan Fuzzy Mamdani. Pembelajaran ini didapat baik dari buku-buku literatur,

jurnal, paper, maupun beberapa artikel diinternet.

Pada tahap selanjutnya merupakan proses penentuan calon debitur apakah

diterima atau tidak dalam pengajuan kreditnya yang akan diselesaikan

menggunakan software MATLAB. Langkah-langkahnya dalam memberi

keputusan menggunakan Fuzzy Mamdani, yaitu

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini

diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.Untuk mendapatkan output, diperlukan 4

tahapan:

a. Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah yang pertama adalah

menentukan variable fuzzy dan himpunan fuzzinya. Kemudian tentukan derajat kesepadanan

(degree of match) antara data masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan

untuk setiap variabel masukan sistem dari setiap aturan fuzzy. Pada metode mamdani, baik

variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

b. Aplikasi fungsi implikasi pada metode mamdani. Fungsi implikasi yang digunakan adalah

min. Lakukan implikasi fuzzy berdasar pada kuat penyulutan dan himpunan fuzzy terdefinisi

untuk setiap variabel keluaran di dalam bagian konsekuensi dari setiap aturan. Hasil implikasi

fuzzy dari setiap aturan ini kemudian digabungkan untuk menghasilkan keluaran infrensi fuzzy.

(Kusumadewi,2003).

PROSIDING ISBN : 978–979–16353–9–4



c. Komposisi Aturan. Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa

aturan, maka infrensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang

digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR.

Secara umum Metode max (maximum) dapat dituliskan :

µsf[Xi] = max ( µsf [Xi], µsf [Xi] ) (1)

dengan :

µsf[Xi] = nilai keanggotaan solusi fuzzy sampai aturan ke i

µkf [Xi]) = nilai keanggotaan konsekuan fuzzy aturan ke i.

d. Penegasan (defuzzy). Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang

diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan

suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy

dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu sebagai output.

Defuzzyfikasi pada metode mamdani untuk semesta diskrit menggunakan persamaan

z = ∑ zj µ(zj)/∑ µ(zj) (2)

B. Metode Penelitian

Data yang diteliti dalam pembuatan tugas akhir ini adalah data kredit

mobil di BPR.Kandi Madu Arta cabang Salatiga, data tahun 2012.

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 Diterima

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

Penentuan Keputusan

PROSIDING ISBN : 978–979–16353–9–4



Penentuan keputusan mempunyai input berupa perkiraan keputusan yang

diterima calon debitur yang akan diselesaikan menggunakan software MATLAB.

Pembentukan himpunan fuzzy merupakan langkah pertama yang dilakukan saat

menggunakan metode Mamdani. Himpunan fuzzy dapat dilihat pada tabel 2 dan

tabel 3, aplikasi himpunan fuzzy dan fungsi keanggotaan pada software MATLAB

dapat dilihat pada Gambar 1, Gambar 2, Gambar 3, Gambar 4, Gambar 5, Gambar

6, Gambar 7, Gambar 8.

Tahap 1. Untuk membuat suatu Fuzzy Inference system yang didasarkan pada

tabel 1 di atas, langkah pertama kita harus membuat himpunan pada setiap

masing-masing variabel yang digunakan. Berdasarkan hal tersebut kita harus

menentukan nilai masing-masing variabel yang berbentuk linguistik seperti

tempat tinggal, reputasi, kondisi global, perputaran kas dan keputusan kedalam

bentuk numeric atau angka dalam tabel 2 berikut

Tabel 2. Penentuan nilai variabel.

Tahap 2. Membuat fungsi keanggotaan untuk tiap variable , 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

Variabel Kelompok Himpunan Nilai

Input

Tempat Tinggal

Kontrak/menumpang 1

Sederhana 2

Menengah 3

Mewah 4

Reputasi Buruk 0

Baik 1

Kondisi Global Tidak stabil 0

Stabil 1

Perputaran Kas

Kecil 1

Sedang 2

Besar 3

Sangat Besar 4

Output Keputusan Ditolak 0

Diterima 1

PROSIDING ISBN : 978–979–16353–9–4



oleh calon debitur, perputaran kas seorang calon debitur, karakter calon debitur, dan keadaan

global kondisi ekonomi calon debitur.

Tabel 3. Himpunan Fuzzy

Fungsi Variabel Domain Keterangan

Input UM (x1) [10,25] Jurnal UM dalam bentuk Persentase

Tempat Tinggal (x2) [1,4] kondisi tempat tinggal saat melakukan survey

Penghasil (x3) [1.5,30] penghasilan per bulan dalam jutaan rupiah

Penghasilan Tambahan (x4) [0,9] Penghasilan tambahan keluarga dalam jutaan

rupiah

Tanggunan (x5) [1,4] Tanggungan calon debitur, anak kandung dll.

Perputaran Kas (x6) [1,4] Dilihat dari buku tabungan 3 bulan terakir

Reputasi (x7) [0,1] Reputasi seorang calon debitur

Kondisi Global (x8) [0,1] mempengaruhi kemampuan debitur untuk

melunasi hutang

Output Keputusan [0,1] Hasil keputusan tim analis diterima atau ditolak

suatu pengajuan kredit

Tahap 3. Diolah menggunakan metode fuzzy-mamdani 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

PROSIDING ISBN : 978–979–16353–9–4



Gambar 3. Grafik fungsi keanggotaan Gambar 4.Grafik fungsi keanggotaan Penghasilan

Pokok Dengan himpunan Penghasilan Tambahan Dengan fuzzy rendah, sedang

dan tinggi himpunan fuzzy rendah, sedang dan tinggi

Gambar 5. Grafik fungsi keanggotan Gambar 6. Grafik fungsi keanggotaan

Jumlah Tangguan dengan himpunan Perputaran Kas dengan himpunan fuzzy

Fuzzy banyak, sedang dan sedikit kecil, sedang, besar, dan sangat besar

Gmbar 7. Grafik fungsi keanggotaan Gambar 8. Grafik fungsi keanggotaan

Reputasi dengan himpunan fuzzy Kondisi Global dengan himpunan fuzzy

Buruk dan baik tidak stabil dan stabil

Gambar 9. Grafik fungsi keanggotaan

Kesimpulan dengan himpunan fuzzy

diterima dan ditolak

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):

PROSIDING ISBN : 978–979–16353–9–4



1. 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 )

2. Jika ( UM adalah Rendah) dan ( Tempat _Tinggal adalah Sederhana ) dan (

Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah

Sedang ) dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas

adalah Sedang) dan ( Reputasi adalah Baik ) dan ( Kondisi_Global adalah

Stabil ) maka ( Keputusan adalah Diterima )

Gambar 10. Aturan (Rule) dan Fungsi Implikas

PROSIDING ISBN : 978–979–16353–9–4



Gambar 11. Penegasan (Deffuzyfikasi) Dengan MATLAB

Tahap 4. Menganalisa hasil keluaran program.

Tahap 5. Membuat kesimpulan berdasarkan hasil keluaran program.

C. Hasil dan Pembahasan (Kajian konseptual menyesuaikan)

Tabel 4. Hasil perbandingan penarikan keputusan Bank dan Metode Fuzzy

Mamdani

Calon

Debitur X1 X2 X3 X4 X5 X6 X7 X8 Output

Keputusan

bank

Keputusan

penelitian

A 20 3 6.4 6 3 1 1 1 0,81 Diterima Diterima

B 10 3 4 7 2 3 1 1 0,77 Diterima Diterima

C 15 1 3.7 9 3 1 1 1 0,86 Diterima Diterima

D 10 1 17 0 1 2 1 1 0,44 Ditolak Ditolak

E 10 1 16 0 2 2 0 1 0,77 Diterima Diterima

F 15 3 14 4 4 4 1 1 0,86 Ditolak Diterima

G 18,5 2 30 2 1 4 1 1 0.81 Diterima Diterima

H 25 4 15 3.2 4 4 1 1 0,96 Diterima Diterima

I 10 1 4 0 3 2 1 1 0,44 Diterima Ditolak

PROSIDING ISBN : 978–979–16353–9–4



D. Penutup

Kesimpulan

Pendekatan metode Fuzzy Mamdani dapat menganalisa secara tepat

diterima atau ditolaknya suatu pengajuan kredit mobil. Dan dari hasil penelitian

ini apabila perusahaan menerima kredit yang riskan akan terlunasi seperti calon

debitur I Perusahaan akan mengalami kerugian, dan apabila perusahaan menolak

pembelian mobil secara kredit yang dengan metode Fuzzy Mamdani layak untuk

diterima seperti calon debitur F maka perusahaan akan kehilangan pendapatan.

Berdasarkan analisis tersebut dapat dikemukakan saran sebagai berikut:

Perusahan dapat menjadikan Metode Fuzzy Mamdani sebagai 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.

DAFTAR PUSTAKA

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.

Christian, Andika Adi -Pelaksanaan Analisis Pemberian Kredit di PT.BPR Ambarawa

kab.Semarang. Skripsi. Manajemen. Universitas Kristen Satya Wacana, Salatiga.

Hidayati, Ery - Sistem Pendukung Keputusan Logika Analisa Kelayakan Kredit. Skripsi.

J 15 3 25 0 2 3 1 1 0,92 Diterima Diterima

K 10 2 11 0 1 3 1 1 0,52 Diterima Diterima

L 19 2 1.5 2 1 4 1 1 0,82 Diterima Diterima

M 13 3 10 9 2 3 1 1 0,92 Diterima Diterima

N 18 2 3.8 9 1 2 1 1 0,81 Diterima Diterima

O 10 1 3.5 0 1 2 0 1 0,42 Ditolak Ditolak

PROSIDING ISBN : 978–979–16353–9–4



Akutansi. Universitas.Mercubuana, Jakarta.

Susilo, Frans -Penghantar Himpunan & Logika Kabur Serta Aplikasinya. Skripsi. Universitas

Sanata Dharma. Jogjakarta

Hidayati, Nuril. 2009. Aplikasi Teori Permainan Fuzzy dalam Strategi Pemasaran (Studi

kasus : Produk Kosmetik bedak “Sariayu” di ITS Surabaya). Tugas akhir program

sarjana, Institut Teknologi Sepuluh Nopember Surabaya.

Ruan, Da. 1995. Fuzzy Set Theory and Advanced Mathematical Applications. Boston: Kluwer

Academic Publisher.

Sasongko, P.S. 2007. Logika Fuzzy. <URL : http://logikafuzzy.blogspot.com/>. (diakses tanggal

13 September 2013).

Zadeh, L.A 1995. Fuzzy Logic Toolbox for Use with MATLAB. Berkeley, CA : The Math

Works,Inc.

Mulyono, Sri Gitardo. 1987. Pengantar Ilmu Ekonomi Makro. Jogjakarta : Liberty

http://logikafuzzy.blogspot.com/

MAKALAH II

PENGGUNAAN METODE FUZZY SUGENO UNTUK MEMBUAT

KEPUTUSAN DALAM ANALISIS KREDIT

1Sri Ayu Subekti,

2Lilik Linawati,

3Adi Setiawan

1Mahasiswa Program Studi Matematika UKSW, Salatiga, 50711

2,3Dosen Program Studi Matematika UKSW, Salatiga, 50711

1

[email protected], [email protected],

[email protected]

Abstrak

Makalah ini mengkaji bagaimana keputusan kredit ditentukan dalam suatu

analisis kredit menggunakan metode Fuzzy Sugeno. Data yang dianalisis

berdasarkan data sekunder dari PT. BPR Kandimadu Arta Salatiga berupa

data sampel calon debitur kredit mobil sebanyak 15 orang. Berdasarkan

hasil penelitian ini diperoleh bahwa pendekatan metode Fuzzy Sugeno

dapat digunakan untuk menentukan diterima atau ditolaknya suatu

pengajuan kredit mobil berdasarkan kriteria yang ditentukan perusahaan.

Terdapat beberapa perbedaan antara keputusan yang dibuat oleh bank dan

keputusan yang menggunakan metode Fuzzy Sugeno. Dalam hal ini bank

dapat menghindari kredit yang beresiko tidak terlunasi seperti calon

dibitur ke-I yang dianggap layak oleh perusahaan, tetapi tidak layak

berdasarkan hasil metode Fuzzy Sugeno.

Kata kunci: Keputusan, Analisis Kredit, Fuzzy Sugeno

A. Pendahuluan

Kredit merupakan suatu fasilitas keuangan yang memungkinkan seseorang atau

badan usaha untuk meminjam uang digunakan membeli produk dan membayarnya

dengan cara berkala dalam jangka waktu yang ditentukan. UU No. 10 tahun 1998

menyebutkan bahwa kredit adalah penyediaan uang atau tagihan yang dapat

dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam

antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi

utangnya setelah jangka watu tertentu dengan pemberian bunga.

Permasalahan yang dihadapi dalam perkreditan yaitu dalam menentukan

keputusan pemberian kredit kepada seorang calon debitur, permasalahan yang lain adalah

tidak semua pemberian kredit yang diberikan dapat berjalan lancar atau sering kali

disebut kredit macet. Faktor penyebab kredit macet adalah kesalahan penilaian dalam

membuat keputusan kredit atau data yang diberikan calon debitur bukan data sebenarnya.

Untuk menyetujui suatu pengajuan kredit ada beberapa faktor yang harus

diperhatikan oleh seorang analisis kredit sebagai dasar untuk jaminan bahwa seorang

debitur akan melunasi hutangnya dengan baik, yaitu 5C : Collaterall (angunan), Capacity




2

(kemampuan membayar kewajiban), Capital (modal), Character (karakter), dan

Condition (kondisi ekonomi). Hasil penilaian terhadap kelima syarat tersebut dinyatakan

sebagai data kualitatif (Kamsir, 2000:34). Penelitian terhadap data kualitatif ini

menyebabkan adanya faktor subyektivitas dalam menentukan keputusan. Untuk

menghindari hal tersebut, dalam penelitian ini dikaji cara menganalisis kredit

menggunakan metode fuzzy sugeno untuk menentukan keputusan kredit yang didasarkan

data kualitatif. Analisis kredit serupa pernah dilakukan dengan menggunakan metode

fuzzy Mamdani pada data yang sama diperoleh terdapat 2 perbedaan keputusan dengan

keputuan Bank (Subekti dkk, 2013). Tujuan dari penelitian ini adalah menerapkan

metode fuzzy Sugeno dalam analisis penentuan keputusan pemberian kredit kepada calon

debitur.

DASAR TEORI

KREDIT

Kelleman menyatakan bahwa kredit mempunyai dimensi yang beraneka ragam. Dimulai

dari kata “kredit” yang berasal dari bahasa Yunani “credere” yang berarti “kepercayaan”

atau bahasa latin”creditumi” yang berarti “kepercayaan dalam kebenaran”. Maksud

pengertian ini adalah apabila seseorang memperoleh kredit, bererti dia mendapat

kepercayaan dari pihak yang memberikan kredit (meminjamkan uang). Sedangkan bagi

pihak yang memberikan kredit, artinya memberikan kepercayaan kepada seseorang

dengan asumsi uang yang dipinjamkan akan kembali. Menurut Kolher “kredit” adalah

kemampuan untuk melaksanakan suatu pembelian atau pengadakan suatu pinjaman

dengan suatu janji pembayarannya akan dilakukan atau ditangguhkan pada suatu jangka

waktu yang disepakati (Mulyono, 1987:9). Dari pengertian kredit tersebut dapat

disimpulkan bahwa kredit adalah suatu pemberian pinjaman dalam bentuk uang / yang

dipersamakan dengan itu kepada pihak lain yang pembayaran pengembaliannya

dilakukan secara mengangsur dalam jangka waktu tertentu.

Himpunan Fuzzy

Himpunan didefinisikan sebagai kumpulan obyek-obyek yang terdefinisi secara

tegas apakah suatu obyek adalah anggota himpunan itu atau tidak. Dengan perkataan lain

terdapat batas yang tegas antara unsur-unsur yang tidak merupakan anggota dari suatu

himpunan. Tetapi dalam kenyataannya tidak semua himpunan yang kita jumpai dalam

kehidupan sehari-hari terdefinisi secara demikian. Untuk mengatasi permasalahan

3

himpunan dengan batas yang tidak tegas itu, Zadeh mengaitkan himpunan semacam itu

dengan suatu fungsi yang menyatakan derajat kesesuaian unsur-unsur dalam domainnya

dengan konsep yang merupakan syarat keanggotaan himpunan tersebut. Dengan demikian

setiap unsur dalam semesta wacananya mempunyai derajat keanggotaan tertentu dalam

himpunan tersebut. Derajat keanggotaannya dinyatakan dengan suatu bilangan real dalam

selang tertutup [0,1]. Dengan perkataan lain, fungsi kenggotaan dari suatu himpuna Fuzzy

A dalam semesta X adalah memetakan X dari A ke selang [0,1]. Nilai fungsi A( )

menyatakan derajat keanggotaan unsur Dalam himpunan kabur A. Nilai fungsi

sama dengan 1 menyatakan keanggotaan penuh, dan nilai fungsi sama dengan 0

menyatakan sama sekali bukan anggota himpun kabur tersebut. Maka himpunan tegas

juga dapat dipandang sebagai kejadian khusus dari himpunan fuzzy, yaitu himpunan fuzzy

yang fungsi keanggotaannya hanya bernilai 0 atau 1 saja. Jadi fungsi keanggotaan dari

himpunan tegas A dalam semesta adalah pemetaan dari kehimpunan {0,1}.

Ada beberapa hal yang perlu diketahui dalam memahami sistem Fuzzy, yaitu:

a.Variabel Fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem Fuzzy.

Contoh: umur, temperatur, permintaan,dsb.

b.Himpunan Fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan

tertentu dalam suatu variabel Fuzzy.

Misalkan dimiliki himpunan A yang dikaitkan dengan himpunan fuzzy maka

secara matematis himpunan fuzzy dalam semesta X dapat dinyatakan sebagai himpunan

pasangan terurut yang didefinisikan oleh :

{( ( )) }

dengan ( ) adalah fungsi keanggotaan yang memetakan x anggota himpunan

semesta X ke selang tertutup [0,1]. Nilai ( ) adalah nilai fungsi keanggotaan dari x,

yang disebut juga sebagai derajat keanggotaan (Susilo, 2003).

Terdapat beberapa fungsi keanggotaan dalam himpunan fuzzy, di antaranya

adalah: fungsi keanggotaan linear seperti direpresentasikan pada Gambar 1. dan fungsi

keanggotaan segitiga seperti direpresentasikan pada Gambar 2. (Kusumadewi, 2004).

Gambar 1.(a) merepresentasikan fungsi keanggotaan fuzzy linear naik dan Gambar 1.(b)

menyatakan fungsi keanggotaan linear turun.

4

(a) (b)

Gambar 1. Representasi Fungsi Keanggotaan Fuzzy Linear.

Rumus fungsi keanggotaan linear naik dinyatakan seperti pada persamaan (1),

sedangkan fungsi keanggotaan linear turun dinyatakan seperti pada persamaan (2).

( ) {

(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

µ(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 , hasilnya dinyatakan sebagai

himpunan fuzzy dengan fungsi keanggotaan seperti persamaan (4)

( ) ( ) (4)

Operasi gabungan antara dua himpunan fuzzy dan himpunan fuzzy yang ditulis

dengan fungsi keanggotaan seperti persamaan (5)

( ) [ ( ) ( )] (5)

Operasi irisan antara dua himpunan fuzzy dan himpunan fuzzy yang ditulis

dengan fungsi keanggotaan seperti persamaan (6)

( ) [ ( ) ( )] (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 :

µsf[xi] ← max (µsf[xi], µsk[xi]) (7)

dengan :

µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-I,

6

µsk[xi] = 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 (x1) Rendah [5,17.5]

Sedang [10,20]

Tinggi [17.5,25]

Tempat Tinggal (x2) Kontrak [-1,2]

Sederhana [1,3]

Menengah [2,4]

Mewah [3,5]

Penghasil (x3) Rendah [0,12.5]

Sedang [5,27.5]

Tinggi [17.5,32.5]

Penghasilan Tambahan (x4) Rendah [0,5]

Sedang [3,8]

8

Tinggi [6,9]

Tanggunan (x5) Sedikit [0,2]

Sedang [1,3]

Banyak [2,4]

Perputaran Kas (x6) Kecil [0,2]

Sedang [1,3]

Besar [2,4]

Sangat besar [3,5]

Reputasi (x7) Buruk [0,0.5]

Baik [0.5,1]

Kondisi Global (x8) Tidak stabil [0,0.5]

Stabil [0.5,1]

Keputusan (x9) 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 Ilmu 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

, Capacity fuzzy - repository.uksw.edu · meminjam uang untuk membeli suatu barang dan membayarnya...

Documents

Transcript of , Capacity fuzzy - repository.uksw.edu · meminjam uang untuk membeli suatu barang dan membayarnya...