07410100289sistem Pendukung Keputusan Pemberian Beasiswa Menggunakan Metode Simple
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN …digilib.unila.ac.id/26349/3/SKRIPSI TANPA BAB...
Transcript of SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN …digilib.unila.ac.id/26349/3/SKRIPSI TANPA BAB...
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT
MOTOR MENGGUNAKAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW) PADA FIFGROUP
CABANG BANDARLAMPUNG
(Skripsi)
OLEH:
KHANZA PUSPA NINGRUM
1317051034
JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
2017
ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOTOR
MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
PADA FIFGROUP CABANG BANDARLAMPUNG
OLEH
KHANZA PUSPA NINGRUM
Federal International Finance Group (FIFGROUP) merupakan perusahaan
pembiayaan untuk pengadaan kebutuhan konsumen dengan sistem pembayaran
angsuran secara berkala (kredit). Pemberian kredit mengandung resiko yang tinggi
dan berpengaruh terhadap laju perkembangan perusahaan apabila terjadi
kemacetan pada kredit konsumen. Menentuan konsumen yang layak diberikan
kredit bukanlah hal yang mudah. Perusahaan membutuhkan Sistem Pendukung
Keputusan (SPK) yang dapat membantu decision maker dalam mengetahui
rekomendasi kelayakan konsumen diberikan kredit. Metode perhitungan
pengambilan keputusan yang digunakan pada penelitian ini adalah Simple
Additive Weighting (SAW) dengan 5 kriteria yaitu Character, Capacity,
Collateral, Condition dan Capital. Sistem dibangun menggunakan bahasa
pemrograman Hypertext Preprocessor (PHP) berbasis web. Hasil pengujian
sistem menggunakan Black Box yang dilakukan dengan menggunakan 100 data
konsumen menunjukkan bahwa sistem dapat berfungsi sesuai dengan kebutuhan
pengguna. Berdasarkan uji keakuratan hasil keputusan, sistem dinyatakan 100%
telah sesuai dengan kriteria pemilihan konsumen yang berhak mendapatkan kredit
pada FIFGROUP Cabang Bandarlampung.
Kata kunci: Black Box, Kredit, SPK, Simple Additive Weighting (SAW), Web.
ABSTRACT
DECISION SUPPORT SYSTEM OF CREDIT MOTOR USING SIMPLE
ADDITIVE WEIGHTING (SAW) METHOD AT FIFGROUP BRANCH OF
BANDARLAMPUNG
BY
KHANZA PUSPA NINGRUM
Federal International Finance Group (FIFGROUP) is a finance company for the
procurement needs of consumers with periodic installment payment system
(credit). Giving credit contains high risks and affects the pace of development of
the company if there is congestion on consumer credit. To determine that the
consumers are feasible to be given the credit is not easy. Company needs Decision
Support System (DSS) that can help the decision maker to know about the
recommendation if the consumer is feasible to give credit. The decision-making
calculation method is Simple Additive Weighting (SAW) with five criteria:
Character, Capacity, Collateral, Conditions, and Capital. The system is a web
based application that is built with PHP language. The test results using the Black
Box which is done by using the data of 100 consumers shows that the system can
function according to user requirements. Based on the accuracy of the test results,
the system 100% compliance with selection criteria those consumers are entitled
to a credit on FIFGROUP Branch of Bandarlampung.
Keywords: Black Box, Credit, DSS, Web, Simple Additive Weighting (SAW).
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT
MOTOR MENGGUNAKAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW) PADA FIFGROUP CABANG
BANDARLAMPUNG
Oleh
KHANZA PUSPA NINGRUM
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar
SARJANA KOMPUTER
pada
Jurusan Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
2017
PERNYATAAN
Saya yang bertanda tangan di bawah ini, menyatakan bahwa skripsi saya yang
berjudul “Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan
Metode Simple Additive Weighting (SAW) pada FIFGROUP Cabang
Bandarlampung” merupakan karya saya sendiri dan bukan hasil karya orang lain.
Semua tulisan yang tertuang di skripsi ini telah mengikuti kaidah penulisan karya
ilmiah Universitas Lampung. Apabila di kemudian hari terbukti bahwa skripsi
saya merupakan hasil penjiplakan atau dibuat orang lain, maka saya bersedia
menerima sanksi.
Bandar Lampung, 6 April 2017
Khanza Puspa Ningrum
NPM. 1317051034
RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 30 Juni 1995 di Bandar
Lampung, sebagai anak ketiga dari tiga bersaudara
dengan Ayah bernama Dedi Junaedi dan Ibu bernama
Salbiah.
Penulis menyelesaikan pendidikan formal pertama kali
di Taman Kanak-kanak „Aisyiyah Bustanul Athfal
Pringsewu dan selesai pada tahun 2001. Pendidikan Dasar di SD Negeri 1 Gotong
Royong Bandarlampung dan selesai pada tahun 2007. Pendidikan menengah
pertama di SMP Negeri 23 Bandarlampung dan selesai pada tahun 2010,
kemudian melanjutkan pendidikan menengah atas di SMA Negeri 3
Bandarlampung yang diselesaikan penulis pada tahun 2013.
Pada tahun 2013, penulis terdaftar sebagai mahasiswi Jurusan Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui
jalur SNMPTN Undangan. Pada bulan Januari – Maret 2016, penulis melakukan
Kuliah Kerja Nyata (KKN) selama 60 hari di Desa Kahuripan Dalam Kecamatan
Menggala Timur Kabupaten Tulang Bawang. Kemudian, pada bulan Juli 2016
penulis melakukan kerja praktik di Kompas TV Lampung selama 40 hari.
Selama menjadi mahasiswa, penulis aktif dalam Organisasi Himpunan Mahasiswa
Jurusan Ilmu Komputer (Himakom) Universitas Lampung dengan menjabat
sebagai Anggota Bidang Internal pada tahun 2013-2014, Sekretaris Bidang Media
Informasi pada tahun 2014-2015.
PERSEMBAHAN
Puji dan syukur saya panjatkan kepada Allah SWT atas segala berkah-Nya
sehingga skripsi ini dapat terselesaikan.
Teruntuk Ibu Ayahku yang sangat kusayang dan kucintai, kupersembahkan
skripsi ini.
Terimakasih untuk semua pengorbanan, kasih sayang, perhatian, usaha,
dukungan moril maupun materi, motivasi, serta doa-doa yang tiada henti demi
kesuksesanku..
Kakak-kakakku dan keluarga besar yang telah memberikan apresiasi.
Keluarga Ilmu Komputer 2013
Serta Almamater tercinta,
Universitas Lampung.
Motto
“Maka sesungguhnya bersama kesulitan ada kemudahan. Sesungguhnya bersama
kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari sesuatu
urusan), tetaplah bekerja keras (untuk urusan yang lain). Dan hanya kepada
Tuhanmulah engkau berharap.”
(Q.S.Al-Insyirah:6-8)
“Jika belum bisa menjadi orang yang pintar dan cerdas, jadilah orang yang rajin
dan pekerja keras. Sebab orang yang pintar sering dikalahkan oleh mereka yang
rajin dan orang yang cerdas sering dikalahkan oleh mereka yang pekerja keras.”
(Firman Nofeki)
SANWACANA
Assalamualaikum wr, wb.
Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat,
hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan
penulisan skripsi yang berjudul “Sistem Pendukung Keputusan Pemberian Kredit
Motor Menggunakan Metode Simple Additive Weighting (SAW) pada FIFGROUP
Cabang Bandarlampung” dengan baik.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan
berperan besar dalam menyusun skripsi ini, antara lain :
1. Kedua orangtua tercinta, Bapak Dedi Junaedi dan Ibu Salbiah, Kakak-
kakakku tercinta Muhammad Gesandika dan Muhammad Bayu Dwi Putra
yang telah memberikan doa, kasih sayang, dukungan dan semangat yang
tak terhingga serta memfasilitasi kebutuhan untuk menyelesaikan skripsi
ini.
2. Bapak Tristiyanto, S.Kom., M.I.S., Ph.D. sebagai pembimbing, yang telah
membimbing penulis, memberikan ide, kritik serta saran sehingga
penulisan skripsi ini dapat diselesaikan.
3. Bapak Rico Andrian, S.Si.,M.Kom. sebagai pembahas I dan pembimbing
akademik yang telah membimbing, memotivasi serta memberikan ide,
kritik dan saran selama masa perkuliahan dan penyusunan skripsi sehingga
penulis dapat menyelesaikan skripsi ini.
4. Bapak Ketua Jurusan Ilmu Komputer, Bapak Dr. Ir. Kurnia Muludi
M.S.Sc. sebagai pembahas II yang telah banyak memberikan ide, kritik
serta saran sehingga penulis dapat menyelesaikan skripsi ini.
5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. sebagai Dekan FMIPA
Universitas Lampung.
6. Bapak Didik Kurniawan, S.Si., M.T. sebagai Sekretaris Jurusan Ilmu
Komputer FMIPA Universitas Lampung yang telah banyak membantu
penulis selama perkuliahan.
7. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan
ilmu dan pengalaman hidup selama penulis menjadi mahasiswa.
8. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan
administrasi penulis di Jurusan Ilmu Komputer.
9. Bapak Bastian VP, Bapak Tantri, dan Bapak Wira Hadi sebagai Pihak
FIFGROUP Cabang Bandarlampung yang telah mengizinkan dan
membantu penulis melakukan penelitian.
10. Kakak-kakak terbaik Ahmad Akbar, Siti Indah Disatya dan Tiara Rifanny
yang selalu setia menemani dan direpotkan terutama dimasa perkuliahan
dan penyusunan skripsi ini.
11. Sahabat Pengajian tercinta Dhona, Eka, Ndin, Nona dan Renzy yang tak
pernah henti menemani, memberikan dorongan dan menghibur penulis
dalam kondisi apapun.
12. Sahabat Artis Desy Mecca dan Selina Tingting yang selalu memberikan
kegembiraan dikala penulis merasa jenuh dalam penyusunan skripsi ini.
13. Keluarga Kapak Alika, Dyah Ayu, Ece, Shafina, Ully, Adly, Apriansyah,
Hafizh, Randika, Reza dan Tegar yang selalu membantu penulis,
memberikan dukungan, hiburan, dan do‟a sehingga penulis dapat melewati
tahap perkuliahan dan menyelesaikan skripsi.
14. Keluarga Ilmu Komputer 2013 yang tidak bisa disebutkan satu per satu,
terima kasih atas kebersamaannya selama ini.
15. Mas Nurkholis yang telah membukakan MIPA Terpadu dan ruang baca
serta menyiapkan ruang seminar.
16. Almamater tercinta, Universitas Lampung.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, akan tetapi
sedikit harapan semoga skripsi ini bermanfaat bagi perkembangan ilmu
pengetahuan terutama bagi teman-teman Ilmu Komputer.
Bandarlampung, 7 April 2017
Khanza Puspa Ningrum
DAFTAR ISI
Halaman
DAFTAR ISI ......................................................................................................... xv
DAFTAR GAMBAR .......................................................................................... xvii
DAFTAR TABEL ................................................................................................. xx
DAFTAR KODE .................................................................................................. xxi
BAB I PENDAHULUAN
1.1 Latar Belakang ............................................................................................. 1
1.2 Rumusan Masalah ........................................................................................ 4
1.3 Batasan Masalah........................................................................................... 4
1.4 Tujuan Penelitian ......................................................................................... 4
1.5 Manfaat Penelitian ....................................................................................... 5
1.5.1 Manfaat Praktis ................................................................................. 5
1.5.1 Manfaat Akademis ............................................................................ 5
BAB II TINJAUAN PUSTAKA
2.1 Pengertian Sistem Pendukung Keputusan ......................................................... 6
2.2 Karakteristik, Tujuan dan Kemampuan Sistem Pendukung Keputusan ...... 7
2.3 Komponen-komponen Sistem Pendukung Keputusan ................................. 9
2.4 Tahapan Proses Pengambilan Keputusan .................................................. 11
2.5 Tujuan Sistem Pendukung Keputusan ....................................................... 12
2.6 Pengertian Kredit ....................................................................................... 13
2.7 Unsur-unsur Kredit..................................................................................... 13
2.8 Simple Additive Weighting Method ............................................................ 14
2.9 Korelasi ...................................................................................................... 16
2.10 Metode Pengembangan Sistem .................................................................. 17
2.11 Data Flow Diagram ................................................................................... 19
2.12 Entity Relationship Diagram...................................................................... 21
2.13 Pengujian Black Box .................................................................................. 22
2.14 Penelitian Terkait ....................................................................................... 23
BAB III METODOLOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian .................................................................... 27
3.2 Perangkat Penelitian ................................................................................... 27
3.3 Metodologi Penelitian ................................................................................ 28
3.3.1 Diagram Alir Penelitian .................................................................. 28
3.3.2 Metode Pengembangan Sistem ....................................................... 32
BAB IV HASIL DAN PEMBAHASAN
4.1 Hasil ........................................................................................................... 64
4.1.1 Implementasi Sistem ....................................................................... 64
4.1.2 Pengujian ....................................................................................... 100
4.2 Pembahasan .............................................................................................. 105
BAB V SIMPULAN DAN SARAN
5.1 Simpulan .................................................................................................. 108
5.2 Saran ......................................................................................................... 109
DAFTAR PUSTAKA
LAMPIRAN
DAFTAR GAMBAR
Gambar Halaman
2.1 Gambar Skematik SPK .............................................................................. 10
2.2 Gambar Penggolongan Uji Korelasi ......................................................... 16
2.3 Gambar Tahapan Metode Waterfall .......................................................... 17
3.1 Gambar Diagram Alir Metodologi Penelitian ............................................ 28
3.2 Gambar Tahapan Metode Waterfall ........................................................... 32
3.3 Gambar DFD Level 0 SPK ........................................................................ 39
3.4 Gambar DFD Level 1 SPK ........................................................................ 41
3.5 Gambar DFD Level 2 Proses 1 Melakukan Login .................................... 42
3.6 Gambar DFD Level 2 Proses 2 Mengelola Data Kriteria ......................... 43
3.7 Gambar DFD Level 2 Proses 3 Mengelola Data Nilai Kriteria ................. 43
3.8 Gambar DFD Level 2 Proses 4 Mengelola Data Konsumen .................... 44
3.9 Gambar DFD Level 2 Proses 5 Mengelola Data Nilai Konsumen ........... 45
3.10 Gambar DFD Level 2 Proses 6 Melakukan Perhitungan dan Analisa ...... 45
3.11 Gambar DFD Level 2 Proses 7 Mengubah Password .............................. 46
3.12 Gambar DFD Level 2 Proses 8 Mengambil Data History ......................... 47
3.13 Gambar Entity Relationship Diagram ....................................................... 48
3.14 Gambar Halaman Login SPK .................................................................... 51
3.15 Gambar Halaman Utama Admin ................................................................ 52
3.16 Gambar Halaman submenu Kriteria .......................................................... 52
3.17 Gambar Halaman submenu Subkriteria ..................................................... 53
3.18 Gambar Halaman submenu Konsumen ...................................................... 53
3.19 Gambar Halaman submenu Nilai Konsumen ............................................ 54
3.20 Gambar Halaman Data Motor ................................................................... 54
3.21 Gambar Halaman submenu Perhitungan ................................................... 55
3.22 Gambar Halaman submenu Hasil Analisa ................................................ 56
3.23 Gambar Halaman History ......................................................................... 56
3.24 Gambar Halaman Menu Edit Password .................................................... 57
3.25 Gambar Halaman Utama Verifier ............................................................. 57
3.26 Gambar Halaman Submenu Konsumen .................................................... 58
3.27 Gambar Halaman Submenu Nilai Konsumen ........................................... 58
3.28 Gambar Form Tambah Data Konsumen ................................................... 59
3.29 Gambar Halaman Utama Kepala .............................................................. 60
3.30 Gambar Halaman submenu Hasil Analisa SPK ........................................ 60
3.31 Gambar Halaman submenu Perhitungan SPK .......................................... 61
3.32 Gambar Halaman submenu History SPK .................................................. 61
4.1 Gambar User Interface Halaman login ..................................................... 65
4.2 Gambar Halaman Utama Admin ............................................................... 67
4.3 Gambar Halaman Submenu Kriteria ......................................................... 69
4.4 Gambar Halaman Submenu Subkriteria .................................................... 71
4.5 Gambar Halaman Submenu Konsumen .................................................... 72
4.6 Gambar Halaman Submenu Nilai Konsumen ........................................... 73
4.7 Gambar Halaman Data Motor ................................................................... 75
4.8 Gambar Halaman Perhitungan Admin ...................................................... 76
4.9 Gambar Halaman Hasil Analisa Admin .................................................... 79
4.10 Gambar Halaman History Admin ............................................................. 83
4.11 Gambar Halaman Utama Verifier ............................................................. 85
4.12 Gambar Halaman Submenu Konsumen .................................................... 86
4.13 Gambar Halaman Form Tambah Data Konsumen .................................... 88
4.14 Gambar Halaman Submenu Nilai Konsumen ........................................... 89
4.15 Gambar Halaman Menu Kepala ................................................................ 90
4.16 Gambar Halaman Perhitungan Kepala ...................................................... 91
4.17 Gambar Halaman Hasil Analisa Kepala ................................................... 94
4.18 Gambar Halaman History Kepala ............................................................. 96
4.19 Gambar Halaman Edit Password .............................................................. 98
DAFTAR TABEL
Tabel Halaman
2.1 Tabel Koefisien Korelasi............................................................................ 16
2.2 Tabel Penomoran Level Pada DFD............................................................ 20
2.3 Tabel Simbol-simbol Pada DFD ................................................................ 20
3.1 Tabel Parameter Penilaian Kriteria C1 ...................................................... 34
3.2 Tabel Nilai untuk Bobot Kriteria C2 .......................................................... 35
3.3 Tabel Nilai untuk Bobot Kriteria C3 .......................................................... 35
3.4 Tabel Nilai untuk Bobot Kriteria C4 .......................................................... 35
3.5 Tabel Nilai untuk Bobot Kriteria C5 .......................................................... 36
3.6 Tabel Contoh Nilai Alternatif ................................................................... 36
3.7 Tabel Angka Crisp Alternatif .................................................................... 37
3.8 Tabel Contoh Nilai Hasil Normalisasi Alternatif ...................................... 37
3.9 Tabel Contoh Struktur Tabel Login ........................................................... 48
3.10 Tabel Contoh Struktur Tabel Kriteria ....................................................... 49
3.11 Tabel Contoh Struktur Tabel Subkriteria .................................................. 49
3.12 Tabel Contoh Struktur Tabel Data Konsumen .......................................... 49
3.13 Tabel Contoh Struktur Tabel Data Motor ................................................. 50
4.1 Tabel Pengujian Admin ........................................................................... 101
4.2 Tabel Pengujian Verifier ......................................................................... 102
4.3 Tabel Pengujian Kepala .......................................................................... 104
DAFTAR KODE
Kode Halaman
4.1 Potongan Kode Program Tampilan Halaman Login ................................. 66
4.2 Potongan Kode Program Tampilan Halaman Utama Admin .................... 68
4.3 Potongan Kode Program Tampilan Halaman Submenu Kriteria .............. 69
4.4 Potongan Kode Program Pengecekkan Jumlah Bobot Kriteria ................ 70
4.5 Potongan Kode Program Tampilan Submenu Subkriteria ........................ 71
4.6 Potongan Kode Program Tampilan Submenu Konsumen ........................ 73
4.7 Potongan Kode Program Tampilan Submenu Nilai Konsumen ............... 74
4.8 Potongan Kode Program Tampilan Halaman Data Motor ........................ 75
4.9 Potongan Kode Program Tampilan Halaman Perhitungan Admin ........... 77
4.10 Potongan Kode Program Tampilan Halaman Perhitungan Admin Membuat
Variabel Alternatif .................................................................................... 78
4.11 Potongan Kode Program Normalisasi Alternatif ...................................... 78
4.12 Potongan Kode Program Menghitung Nilai Total .................................... 79
4.13 Potongan Kode Program Tampilan Halaman Hasil Analisa ..................... 79
4.14 Potongan Kode Program Pembuatan Variabel Minimum dan Maksimum
Pada Tampilan Halaman Hasil Analisa .................................................... 80
4.15 Potongan Kode Program Mencari Nilai Total Minimum dan Maksimum
Pada Tampilan Halaman Hasil Analisa .................................................... 81
4.16 Potongan Kode Program Mencari Nilai Total dan Status Layak Pada
Tampilan Halaman Hasil Analisa ............................................................. 82
4.17 Potongan Kode Program History Admin .................................................. 83
4.18 Potongan Kode Program Tampilan Halaman Utama Verifier .................. 85
4.19 Potongan Kode Program Tampilan Halaman Submenu Konsumen ......... 87
4.20 Potongan Kode Program Tampilan Halaman Form Tambah Data
Konsumen ................................................................................................. 88
4.21 Potongan Kode Program Tampilan Halaman Nilai Konsumen ................ 89
4.22 Potongan Kode Program Tampilan Halaman Utama Kepala ................... 90
4.23 Potongan Kode Program Tampilan Halaman SPK Kepala ....................... 92
4.24 Potongan Kode Program Normalisasi Alternatif dan Mencari Nilai Total
Pada Halaman SPK Kepala ....................................................................... 94
4.25 Potongan Kode Program Hasil Analisa Kepala ........................................ 95
4.26 Potongan Kode Program Tampilan Halaman History Kepala .................. 96
4.27 Potongan Kode Program Tampilan Halaman Edit Password ................... 98
4.28 Potongan Kode Program Submit Pada Halaman Edit Password .............. 99
4.29 Potongan Kode Program Pengecekkan Username dan Password .......... 100
BAB I
PENDAHULUAN
1.1 Latar Belakang
Federal International Finance Group (FIFGROUP) adalah anak perusahaan PT.
Astra International Tbk yang merupakan perusahaan pembiayaan konsumen
(consumers finance company). FIFGROUP yaitu badan usaha yang melakukan
pembiayaan pengadaan barang untuk kebutuhan konsumen dengan sistem
pembayaran angsuran secara berkala. Perusahaan ini telah menetapkan kebijakan
dalam pemberian kredit antara lain menetapkan standard untuk menerima atau
menolak resiko kredit, yaitu menentukan siapa yang berhak menerima kredit yang
telah memenuhi syarat Five C, bagaimana karakter nasabah (Character), kapasitas
melunasi kredit (Capacity), kemampuan modal yang dimiliki nasabah (Capital),
jaminan yang dimiliki nasabah untuk menanggung resiko kredit (Collateral) dan
kondisi keuangan nasabah (Condition).
Namun, untuk memilih konsumen yang layak mendapatkan kredit tersebut harus
dilakukan secara tepat untuk menghindari kemacetan kredit konsumen yang dapat
menimbulkan kerugian bagi perusahaan (Suhari dkk., 2009). Kerugian ini dapat
manghambat laju perkembangan perusahaan, sehingga perlu dilakukan seleksi
yang didasarkan pada analisis data pemohon kredit (Firmandoyo, 2014). Oleh
karena itu,
2
dalam upaya membantu menganalisis pengambilan keputusan konsumen layak
kredit, diperlukan sebuah model sistem pendukung keputusan terkomputerisasi
yang dapat memberikan kemudahan dalam menganalisis data yang multi-kriteria.
Sistem Pendukung Keputusan (SPK) merupakan salah satu solusi perusahaan
yang membantu melakukan pengambilan keputusan konsumen layak kredit.
Sistem pendukung keputusan memanfaatkan data, model, serta memberikan
antarmuka pengguna yang mudah dan dapat menggabungkan pemikiran dalam
pengambilan keputusan. Pembuatan SPK ini diharapkan akan menyelesaikan
permasalahan yang tidak terstruktur. Untuk merancang suatu sistem pendukung
keputusan, dibutuhkan suatu metode perhitungan yang digunakan untuk
menyelesaikan permasalahan dengan multi-kriteria. Salah satu metode
perhitungan yang digunakan adalah Simple Additive Weighting (SAW). Konsep
dasar dari metode SAW adalah mencari bobot terakhir dari bentuk hasil penilaian
setiap alternatif dari semua atribut.
Pada penelitian yang dilakukan oleh Fandrias Befyga Fitroh (2013) mengenai
SPK Pemberian Kredit Pada Koperasi Simpan Pinjam Kharisma Kota Kendal,
digunakan metode SAW (Simple Additive Weighting) dalam merancang sistem
tersebut. Pada penelitian tersebut terdapat 5 kriteria yang menjadi dasar
pengambilan keputusan antara lain jaminan, pinjaman, angsuran, jangka waktu,
usia. Adapun hasil akhir dalam penelitian ini adalah hasil prioritas global kriteria
nasabah, yang diurutkan dari yang tertinggi hingga terendah, sehingga pihak
3
Koperasi dapat dengan mudah mengambil keputusan dengan melihat hasil
tersebut.
Sedangkan pada penelitian yang dilakukan oleh Teuku Mufizar, Dede Syahrul
Anwar, dan Epa Aprianis (2013) mengenai SPK Pemilihan Jurusan di SMA N 6
Tasikmalaya, digunakan pula metode SAW (Simple Additive Weigthing) dalam
merancang sistem tersebut. Pada penelitian tersebut terdapat 10 kriteria dan 5
alternatif. Sistem pendukung keputusan yang dirancang ini berbasis desktop.
Hasil akhir dari penelitian ini didapatkan bahwa sistem pendukung keputusan
dengan metode SAW ini menghasilkan keputusan berupa rekomendasi jurusan
yang terpilih untuk siswa dan sistem ini mampu mengatasi permasalahan dalam
proses pemilihan jurusan di SMA 6 Tasikmalaya.
Selain itu, penelitian yang dilakukan oleh Ignatius Joko Dewanto dan MF. Arrozi
(2016) yang berjudul Membangun Sistem Penunjang Keputusan Penentu Investasi
Saham juga menggunakan metode SAW (Simple Additive Weighting) dalam
merancang sistem tersebut. Berdasarkan penyusunan kriteria pada penelitian ini
ditentukan pilihan investasi evaluasi multifaktorial untuk kedua fundamental,
teknis, makro dan mikro. Hasil akhir pada penelitian ini yaitu sistem pendukung
keputusan dengan metode SAW ini dapat membantu manajer dalam menentukan
saham mana yang paling optimal dalam menentukan investasi.
Berdasarkan latar belakang di atas maka dalam penelitian ini perlu dibangun suatu
Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode
4
Simple Additive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
untuk membantu perusahaan dalam melakukan pengambilan keputusan konsumen
layak kredit.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan, didapatkan masalah pokok
yang memerlukan penyelesaian dan menjadi dasar dalam pengerjaan skripsi ini
yaitu “Bagaimana merancang dan membangun suatu Sistem Pendukung
Keputusan (SPK) yang mampu mendukung keputusan pemberian kredit motor
bagi calon konsumen dengan menggunakan metode Simple Additive Weighting
(SAW)”.
1.3 Batasan Masalah
Dalam perancangan Sistem Pendukung Keputusan Pemberian Kredit Motor
Menggunakan Metode Simple Additive Weighting (SAW) Pada FIFGROUP
Cabang Bandarlampung ini diberikan batasan masalah sebagai berikut :
1. Sistem ini dibangun sebagai alat bantu bagi pihak FIFGROUP dalam
menentukan siapa yang layak menerima kredit, berdasarkan kriteria yang
ditentukan oleh pihak FIFGROUP. Namun keputusan akhir tetap berada di
pihak FIFGROUP.
2. Sistem Pendukung Keputusan ini dibangun berbasis web.
3. Sistem Pendukung Keputusan ini dibangun hanya untuk membantu
penentuan penerima kredit motor saja.
5
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk merancang dan membangun suatu Sistem
Pendukung Keputusan dengan menggunakan metode Simple Additive Weighting
(SAW) yang dapat membantu FIFGROUP Cabang Bandarlampung dalam
menentukan layak atau tidak konsumen diberikan kredit.
1.5 Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah sebagai berikut :
1.5.1 Manfaat Praktis
Manfaat praktis dari penelitian ini yaitu sistem ini dapat membantu
perusahaan dalam menentukan pemberian kredit kepada konsumen.
1.5.2 Manfaat Akademis
1. Hasil penelitian dapat menambah pengetahuan baru bagi penulis.
2. Mengembangkan dan mengaplikasikan ilmu yang telah didapat dimasa
kuliah.
3. Dapat dijadikan acuan terhadap pembuatan atau pengembangan sistem
pada penelitian yang sama.
6
BAB II
TINJAUAN PUSTAKA
2.1 Pengertian Sistem Pendukung Keputusan
Sistem pendukung keputusan ialah proses pengambilan keputusan dibantu
menggunakan komputer untuk membantu pengambil keputusan dengan
menggunakan beberapa data dan model tertentu untuk menyelesaikan beberapa
masalah yang tidak terstruktur (Kusumadewi, 2010). Keberadaan SPK pada
perusahaan atau organisasi bukan untuk menggantikan tugas-tugas pengambil
keputusan, tetapi merupakan sarana yang membantu bagi mereka dalam
pengambilan keputusan. Dengan menggunakan data-data yang diolah menjadi
informasi untuk mengambil keputusan dari masalah-masalah semi-terstruktur.
Dalam implementasi SPK, hasil dari keputusan-keputusan dari sistem bukanlah
hal yang menjadi patokan, pengambilan keputusan tetap berada pada pengambil
keputusan. Sistem hanya menghasilkan keluaran yang mengkalkulasi data-data
sebagaimana pertimbangan seorang pengambil keputusan. Sehingga kerja
pengambil keputusan dalam mempertimbangkan keputusan dapat dimudahkan
(Wibowo, 2011).
Sistem Pendukung Keputusan dirancang untuk mendukung seluruh tahap
pengambilan keputusan mulai dari mengidentifikasikan masalah, memilih data
yang relevan, dan menentukan pendekatan yang digunakan dalam
proses
7
pengambilan keputusan sampai mengevaluasi pemilihan alternatif-alternatif yang
ada (Kusrini, 2007).
2.2 Karakteristik, Tujuan dan Kemampuan Sistem Pendukung Keputusan
Menurut Turban, dkk DSS diharapkan memiliki beberapa karakteristik sebagai
berikut;
a. Dukungan untuk pengambil keputusan, terutama pada situasi
semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia
dan informasi terkomputerisasi.
b. Dukungan untuk semu level manajerial, dan eksekutif puncak sampai
manajer ini.
c. Dukungan untuk individu dan kelompok.
d. Dukungan untuk keputusan independen dan atau sekuensial.
e. Dukungan disemua fase proses pengambilan keputusan: inteligensi,
desain, pilihan dan implementasi.
f. Dukungan diberbagai proses dan gaya pengambilan keputusan.
g. Adaptivitas sepanjang waktu. Pengambilan keputusan seharusnya reaktif,
dapat menghadapi perubahan kondisi secara cepat, dan dapat
mengadaptasikan DSS untuk itu pengguna dapat menambahkan,
menghapus, menggabungkan, mengubah, atau menyusun kembali elemen-
elemen dasar.
h. Pengguna merasa seperti di rumah.
8
i. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi,
timelines, kualitas) ketimbang pada efisiensinya (biaya pengambilan
keputusan.
j. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses
pengambilan keputusan dalam memecahkan suatu masalah.
k. Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem
sederhana. Sistem yang lebih besar dapat dibangun dengan bantuan ahli
sistem informasi.
l. Biasanya model-model untuk menganalisa situasi pengambilan keputusan.
Kapabilitas pemodelan memungkinkan eksperimen dengan berbagai
strategi yang berbeda di bawah konfigurasi yang berbeda.
Karakteristik dari DSS tersebut membolehkan para pengambil keputusan untuk
membuat keputusan yang lebih baik dan lebih konsisten pada satu cara yang
dibatasi waktu.
Tujuan dari sistem pendukung keputusan yaitu (Turban dkk, 2005) :
1. Mencoba menerapkan konsep sistem pendukung keputusan dalam rangka
membantu proses pengambilan keputusan.
2. Untuk membantu dalam mengantisipasi perubahan yang mungkin terjadi
pada setiap pelaksanaan program kegiatan.
Adapun kemampuan dari penggunaan sistem pendukung keputusan ialah (Kosasi,
2002) :
1. Menunjang pembuatan keputusan manajemen dalam menangani masalah
semi terstruktur dan tidak terstruktur
9
2. Membantu manajer pada berbagai tingkatan manajemen, mulai dari
manajemen tingkat puncak sampai manajemen tingkat bawah.
3. Menunjang pembuatan keputusan secara kelompok dan perorangan.
4. Menunjang pembuatan keputusan yang saling bergantungan dan berurutan.
5. Menunjang tahap – tahap pembuatan keputusan antara lain intelligence,
design, choice dan implementation.
6. Menunjang berbagai bentuk proses pembuatan keputusan dan jenis
keputusan.
7. Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel.
8. Kemudahan melakukan interaksi sistem.
9. Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi.
10. Kemampuan pemodelan dan analisis dalam pembuatan keputusan
11. Kemudahan melakukan pengaksesan berbagai sumber dan format data.
2.3 Komponen-komponen Sistem Pendukung Keputusan
Sistem Pendukung Keputusan terdiri dari empat subsistem yaitu (Turban dkk,
2005):
1. Subsistem manajemen data
Subsistem manajemen data memasukkan satu database yang berisi data
yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut
sistem manajemen database (DBMS). Subsistem manajemen data dapat
diinterkoneksikan dengan data warehouse perusahaan, suatu repository
untuk data perusahaan yang relevan untuk pengambilan keputusan.
10
2. Subsistem manajemen model
Merupakan paket perangkat lunak yang memasukkan model keuangan,
statistik, ilmu manajemen, atau model kuantitatif lainnya yang
memberikan kapabilitas analitik dan manajemen perangkat lunak yang
tepat.
3. Subsistem antarmuka pengguna
Pengguna berkomunikasi dengan dan memerintahkan DSS melalui
subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem.
Para peneliti menegaskan bahwa beberapa kontribusi unik dari DSS
berasal dari interaksi yang intensif antara komputer dan pembuat
keputusan.
4. Subsistem manajemen berbasis – pengetahuan
Subsistem ini dapat mendukung semua subsistem lain atau bertindak
sebagai suatu komponen independen. Ia memberikan inteligensi untuk
memperbesar pengetahuan si pengambil keputusan.
Gambar 2.1 Skematik SPK (Turban dkk., 2005)
11
2.4 Tahapan Proses Pengambilan Keputusan
Tiga tahapan dalam proses pengambilan keputusan yaitu (Rosnani, 2014) :
1. Tahap Intellegence, adalah tahap proses pengenalan persoalan melalui
penyelidikan lingkungan untuk mengetahui ada atau tidaknya masalah.
Kesimpulan dari penyelidikan diperoleh dari pengolahan data dengan
metode yang telah ditetapkan sebelumnya atau dengan metode khusus.
Aliran informasi bergerak dari tingkatan manajemen terendah menuju
tingkatan manajemen tertinggi
2. Tahap Design, merupakan tahap mencari, analisis serta perumusan
alternative tindakan yang akan diambil. Pada tahap design ini, sistem
informasi harus mampu membuat keputusan – keputusan.
3. Tahap Choice, merupakan tahap memilih suatu tindakan yang paling tepat
dari beberapa alternatif yang telah dirumuskan. Langkah selanjutnya
adalah pelaksanaan alternatif terpilih. Bila suatu alternatif telah
dilaksanakan, fungsi informasi berubah menjadi pengumpul data untuk
selanjutnya, merupakan umpan balik.
Sedangkan menurut Kusrini, dalam mengambil keputusan dilakukan langkah-
langkah sebagai berikut (Kusrini, 2007).
1. Identifikasi masalah.
2. Pemilihan metode pemecahan masalah.
3. Pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan
tersebut.
4. Mengimplementasikan model tersebut.
12
5. Mengevaluasi sisi positif dari setiap alternatif yang ada.
6. Melaksanakan solusi terpilih
2.5 Tujuan Sistem Pendukung Keputusan
Sistem pendukung keputusan pada hakekatnya memiliki beberapa tujuan, yaitu
(Kusrini, 2007).
1. Membantu manajer dalam pengambilan keputusan atas masalah semi
terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya
dimaksudkan untuk.
3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada
perbaikan efisiensinya.
4. Kecepatan komputasi. Komputer memungkinkan para pengambil
keputusan untuk melakukan banyak komputasi secara cepat dengan biaya
yang rendah.
5. Peningkatan produktivitas. Membangun satu kelompok pengambilan
keputusan, terutama para pakar bisa sangat mahal.
6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang
dibuat.
7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan,
tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi
sulit.
8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
13
2.6 Pengertian Kredit
Istilah kredit berasal dari bahasa Yunani “Credere” yang berarti kepercayaan,
atau “Credo” yang berarti saya percaya, karena itu dasar dari kata kredit
adalah kepercayaan bahwa seseorang atau penerima kredit akan memenuhi
segala sesuatu yang telah diperjanjikan terlebih dahulu pada masa yang akan
datang. Pengertian kredit dalam arti ekonomi adalah suatu penundaan
pembayaran, yaitu uang atau barang (prestasi) yang diterima sekarang akan
dikembalikan pada masa yang akan datang berikut tambahan suatu kontra
prestasi (Supriyono, 2012).
Secara singkat kredit berarti “suatu pemberian prestasi oleh suatu pihak ke
pihak lain dan prestasi itu akan dikembalikan lagi pada suatu masa tertentu
yang akan datang disertai dengan suatu kontra prestasi berupa bunga”.
Menurut undang-undang pokok Perbankan No. 14 tahun 1967, Kredit
didefinisikan sebagai “penyediaan uang atau tagihan-tagihan yang dapat
disamakan, dengan itu berdasarkan persetujuan pinjam-meminjam antara bank
dengan pihak lain. Berdasarkan definisi kredit, maka pihak meminjam
berkewajiban melunasi hutangnya setelah jangka waktu tertentu dengan jumah
bunga yang telah ditentukan (Supriyono, 2012).
2.7 Unsur-unsur Kredit
Pada dasarnya pemberian kredit didasarkan atas kepercayaan, yang berarti
bahwa pemberian kepercayaan oleh bank sebagai pemberi kredit, dimana
prestasi yang diberikan benar-benar sudah diyakini akan dapat dibayar
14
kembali dengan penerima kredit sesuai dengan syarat-syarat yang telah
disetujui bersama. Berdasarkan hal-hal tersebut dapat ditarik kesimpulan
bahwa unsur-unsur yang terdapat pada pemberian kredit adalah:
a. Kepercayaan, yaitu keyakinan si pemberi kredit (bank) bahwa prestasi
(uang) yang diberikan akan benar-benar kembali dari si penerima kredit
pada suatu masa yang akan datang.
b. Waktu. Yaitu jangka waktu antara saat pemberian prestas dengan saat
pengembaliannya. Dalam unsur waktu ini terkandung pengertian tentang
nilai agio yaitu nilai uang sekarang lebih berharga daripada nilai uang di
masa yang akan datang, sehingga dalam hal ini perlu adanya kontra
prestasi yang harus berupa uang.
c. Resiko, yaitu resiko yang dapat timbul pada saat pemberian kredit. Untuk
menghindari resiko, maka sebelum kredit diberikan harus dilakukan
penilaian secara cermat dan dilindungi oleh agunan atau jaminan kredit
sebagai benteng terakhir dalam pengaman kredit. Penilaian didasarkan atas
benafiditas calon penerima kredit sehingga dapat ditentukan sampai sejauh
mana calon penerima kredit dapat dipercaya oleh bank.
d. Prestasi, dalan hubungannyadengan pemberian kredit yang dimaksud
prestasi adalah uang (Supriyono, 2012).
2.8 Simple Additive Weighting Method
Dijelaskan oleh Kusumadewi bahwa metode Simple Additive Weighting (SAW)
sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar
metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap
15
alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi
matrix keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua
rating alternatif yang ada (Kusumadewi dkk., 2006).
Jika j adalah atribut keuntungan (benefit)
Jika j adalah atribut biaya (cost)
Dimana rij adalah rating kinerja ternomalisasi dari alternatif Ai pada atribut Cj; i=
1,2,…,m dan j= 1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan
sebagai berikut.
Vi = ∑
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih
(Kusumadewi dkk., 2006).
Adapun langkah-langkah dalam metode SAW adalah sebagai berikut (Prayoko,
2013):
a. Membentuk matriks dari setiap nilai kriteria.
b. Menormalisasikan nilai input dari kriteria tersebut.
c. Memberi nilai pembobotan pada setiap kriteria.
1. Keuntungan (Benefit).
2. Biaya (Cost).
d. Menentukan Perangkingan.
𝑟𝑖𝑗 (2,1)
(2,2)
16
2.9 Korelasi
Korelasi adalah salah satu statistik inferensi yang akan menguji apakah dua
variabel atau lebih mempunyai hubungan atau tidak (Sujarweni dkk., 2011).
Terdapat tiga penggolongan berdasarkan jenis data berdasarkan uji korelasi yaitu
sebagai berikut.
Gambar 2.2 Penggolongan Uji Korelasi (Sujarweni dkk., 2011)
Pada penelitian ini dilakukan uji korelasi dengan menggunakan Uji Product
Moment Pearson untuk mengetahui hubungan pada setiap kriteria. Untuk mencari
nilai korelasi digunakan rumus yaitu:
= ∑
√∑
(2.3)
Keterangan:
= korelasi antara variabel x dan y
= ( - ̅)
= ( - ̅)
Setelah mendapatkan nilai r maka dapat ditentukan koefisien korelasi dari nilai r
yaitu dengan ketentuan di bawah ini (Anwar, 2015).
Tabel 2.1 Koefisien Korelasi
0 – 0.199 Sangat rendah
0.2 – 0.399 Rendah
0.4 – 0.599 Sedang
17
0.6 – 0.799 Kuat
0.8- 1 Sangat kuat
Melihat nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur
suatu hubungan antar kriteria tersebut. Nilai yang digunakan tersebut berskala
interval atau rasio. Nilai korelasi (r) adalah 0 sampai 1, semakin mendekati 1
hubungan yang terjadi semakin kuat. Sebaliknya, nilai semakin mendekati 0 maka
hubungan yang terjadi semakin lemah.
2.10 Metode Pengembangan Sistem
Perancangan sebuah aplikasi atau sistem, memerlukan metode-metode atau
langkah-langkah dalam pembangunan atau pengembangan sistem. Metode
waterfall menurut Jogiyanto (2010) merupakan metode pengembangan perangkat
lunak yang secara umum dilakukan oleh para peneliti sistem, dengan melalui
beberapa tahapan penelitian yaitu:
Gambar 2.3 Tahapan Metode Waterfall (Jogiyanto, 2010)
1. Analysis
Tahap ini merupakan tahap dalam mencari informasi sebanyak-banyaknya
mengenai sistem yang diteliti dengan melakukan metode-metode
pengumpulan data sehingga ditemukan kelebihan dan kekurangan sistem
18
serta user requirement. Tahap ini juga dilakukan untuk mencari pemecah
masalah dan menganalisa bagaimana sistem akan dibangun untuk
memecahkan masalah pada sistem sebelumnya.
2. Design
Tahap ini merupakan tahapan perancangan sistem yang didalamnya
dilakukan pemodelan sistem. Desain sistem menggunakan Data Flow
Diagram dan Entity Relationship Diagram.
3. Coding
Tahap ini merupakan tahapan dalam pengimplementasian sistem yang
sudah dirancang dan dilakukan pengujian secara unit, agar dapat
mengetahui kesalahan-kesalahan yang terdapat dalam sistem dan segera
dilakukan perbaikan.
4. Testing
Tahap ini merupakan tahap pengujian sistem secara keseluruhan. Tahap ini
sistem yang akan dikembangkan menggunakan teknik pengujian black
box. Black-box testing adalah metode pengujian dimana penilaian terhadap
sebuah aplikasi bukan terletak pada spesikasi logika/fungsi aplikasi
tersebut, tapi input dan output. Dengan berbagai input yang diberikan akan
dievaluasi apakah sesuatu sistem/aplikasi dapat memberikan
output/keluaran yang sesuai dengan harapan penguji. Teknik yang
digunakan dalam pengujian ini adalah dengan teknik Equivalence
Partitioning. Equivalence Partitioning membagi domain input dari suatu
program kedalam kelas–kelas data sehingga test case dapat diperoleh.
Hasil evaluasi sistem disajikan dalam bentuk tabel.
19
5. Maintenance
Tahap ini merupakan tahapan penggunaan sistem oleh user yang
didalamnya harus ada pemeliharaan sistem untuk menjaga proses
operasional sistem dan memungkinkan untuk dilakukan pengembangan
sistem di kemudian hari (Jogiyanto, 2012)
2.11 Data Flow Diagram
Data Flow Diagram (DFD) merupakan model dari sitem untuk menggambarkan
pembagian sistem ke modul yang lebih kecil. Salah satu keuntungan
menggunakan Diagram alir data adalah memudahkan pemakai atau user yang
kurang menguasai bidang komputer untuk mengerti sistem yang dikerjakan
(Ladjamudin, 2013).
Al Bahra Bin Ladjamudin juga menjelaskan untuk memudahkan analisa dimulai
dengan diagram-diagram sebagai berikut (Ladjamudin, 2013).
a. Diagram konteks
Diagram konteks adalah diagram yang terdiri dari suatu proses dan
menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan
level tertinggi dari DFD yang menggambarkan seluruh input ke sistem
atau output dari sistem.
b. Diagram Nol
Diagram nol adalah diagram yang menggambarkan proses dari data flow
diagram. Diagram nol memberikan gambaran secara menyeluruh
mengenai sistem yang ditangani, menunjukan tentang fungsi-fungsi utama
atau proses yang ada, aliran data dan eksternal entity.
20
c. Diagram rinci
Diagram rinci adalah diagram yang menguraikan proses apa yang ada
dalam diagram nol atau diagram level atasnya.
d. Penomoran level pada DFD
Tabel 2.2 Penomoran Level pada DFD (Ladjamudin, 2013)
Nama Level Nama Diagram Nomor Proses
0 Context
1 Diagram 0 1.0,2.0,3.0 ….
2 Diagram 1.0 1.1,1.2,1.3 ….
2 Diagram 2.0 2.1,2.2,2.3 ….
2 Diagram 3.0 3.1,3.2,3.3 ….
3 Diagram 1.1 1.1.1,1.1.2 ….
3 Diagram 1.2 1.2.1,1.2.2 ….
3 Diagram 1.3 1.3.1,1.3.2 ….
Dst.
e. Simbol-simbol
Tabel 2.3 Simbol-Simbol pada DFD (Ladjamudin, 2013)
Elemen
DFD
Simbol Gene
And Sarson
Simbol De Marco
and Jourdan Fungsi
Proses
Menunjukkan
pemrosesan
data/informasi yang
terjadi di dalam sistem
Data Flow
Menunjukkan arah
aliran dokumen antar
bagian yang terkait
pada suatu sistem
Nama Proses Nama
Proses
Nama Nama
21
Data Store Tempat menyimpan
dokumen arsip
Entitas
Menunjukkan entitas
atau bagian yang
terlibat yang
melakukan proses
2.12 Entity Relationship Diagram
Entity Relationship Diagram (ERD) adalah suatu model jaringan yang
menggunakan susunan data yang disimpan dalam sistem secara abstrak. ERD
berbeda dengan DFD yang merupakan suatu jaringan fungsi yang akan
dilaksanakan oleh sistem, sedangkan ERD merupakan model jaringan data yang
menekankan pada struktur-struktur dan relationship data (Ladjamudin, 2013).
Al Bahra Bin Ladjamudin pada tahun 2013 menjelaskan elemen-elemen ERD
sebagai berikut (Ladjamudin, 2013).
a. Entity
Pada ERD, entity digambarkan dengan sebuah bentuk persegi panjang.
Entity adalah sesuatu apa saja yang ada di dalam sistem, nyata maupun
abstrak dimana data tersimpan atau dimana terdapat data. Entity diberi
nama kata benda dan dapat dikelompokan dalam 4 jenis nama yaitu:
orang, benda, lokasi, dan kejadian.
b. Relationship
Pada ERD, relationship digambarkan dengan sebuah bentuk belah ketupat.
Pada umumnya relationship diberi nama kata kerja dasar, sehingga
memudahkan untuk melakukan pembacaan relasinya.
22
c. Relationship Degree
Relationship degree atau derajat relationship adalah jumlah entitas yang
berpartisipasi dalam suatu relationship. Derajat relationship yang sering
dipakai dalam ERD adalah Unary Relationship, Binary Relationship, dan
Ternary Relationship.
d. Attribute Value
Attribute value atau nilai atribut adalah suatu occurrence tenrtentu dari
sebuah atribut didalam suatu entity dan relationship.
e. Cardinality
Kardinalitas relasi menunjukan jumlah maksimum tipel yang dapat
berelasi dengan entitas pada entitas lain. Terdapat 3 macan kardinalitas
relasi yaitu: One to One, One to Many atau Many to One, dan Many to
Many.
2.13 Pengujian Black Box
Pengujian menggunakan sekumpulan aktifitas validasi, dengan pendekatan black
box testing. Menurut Shalahuddin dan Rosa (2011), black box testing adalah
menguji perangkat lunak dari segi spesifikasi fungsional tanpa menguji desain dan
kode program. Pengujian dimaksudkan untuk mengetahui apakah fungsi-fungsi,
masukan, dan keluaran dari perangkat lunak sesuai dengan spesifikasi yang
dibutuhkan. Pengujian kotak hitam dilakukan dengan membuat kasus uji yang
bersifat mencoba semua fungsi dengan memakai perangkat lunak apakah sesuai
dengan spesifikasi yang dibutuhkan. Kasus uji yang dibuat untuk melakukan
black box testing harus dibuat dengan kasus benar dan kasus salah.
23
Menurut Pressman (2007), black box testing juga disebut pengujian tingkah laku,
memusat pada kebutuhan fungsional perangkat lunak. Teknik pengujian black
box memungkinkan memperoleh serangkaian kondisi masukan yang sepenuhnya
menggunakan semua persyaratan fungsional untuk suatu program. Beberapa jenis
kesalahan yang dapat diidentifikasi adalah fungsi tidak benar atau hilang,
kesalahan antar muka, kesalahan pada struktur data (pengaksesan basis data),
kesalahan performasi, kesalahan inisialisasi dan akhir program.
Salah satu metode black box testing yaitu Equivalence Partioning. Equivalence
Partioning merupakan metode black box testing yang membagi domain masukan
dari program kedalam kelas-kelas sehingga test case dapat diperoleh. Equivalence
Partitioning berusaha untuk mendefinisikan kasus uji yang menemukan sejumlah
jenis kesalahan, dan mengurangi jumlah kasus uji yang harus dibuat. Kasus uji
yang didesain untuk Equivalence Partitioning berdasarkan pada evaluasi dari
kelas ekuivalensi untuk kondisi masukan yang menggambarkan kumpulan
keadaan yang valid atau tidak. Kondisi masukan dapat berupa spesifikasi nilai
numerik, kisaran nilai, kumpulan nilai yang berhubungan atau kondisi Boolean
(Pressman, 2007).
2.14 Penelitian Terkait
Hasil penelitian yang relevan dengan penelitian ini adalah:
1. Sistem Pendukung Keputusan Pemberian Kredit Rumah Menggunakan
Analytical Hierarchy Process Berbasis Web oleh Danny Widjaja,
Krestrilia Rega Prilianti, Hendry Setiawan, Jurusan Teknik Informatika,
24
Universitas Ma Chung, Malang tahun 2014. Penelitian tersebut dilakukan
untuk membuat suatu Sistem Pendukung Keputusan dengan
mengimplementasikan Metode Analytical Hierarchy Process yang dapat
membantu perusahaan dalam menentukan layak atau tidaknya pemberian
kredit kepada nasabah (Widjaja dkk., 2014).
2. Sistem Pendukung Keputusan Pemilihan Sekolah Menggunakan Metode
SAW (Simple Additive Weighting) oleh Firdausa, Aji Prasetya Wibawa,
dan Utomo Pujianto Jurusan Pendidikan Tekni Informatika, Universitas
Negeri Malang tahun 2016. Kriteria-kriteria yang dibutuhkan dalam
pengembilan keputusan yaitu biaya perbulan, biaya uang gedung, status
akreditasi sekolah, dan rerata nilai Ujian Akhir Nasional. Dengan
dibangunnya SPK ini dapat mempermudah masyarakat dalam memilih
sekolah yang sesuai dan Metode SAW ini dinyatakan mampu menangani
masalah pengambilan keputusan pemilihan sekolah (Firdausa dkk., 2016).
3. Sistem Pendukung Keputusan Kredit Usaha Rakyat PT. Bank Rakyat
Indonesia Unit Kaliangkrik Magelang oleh Agung Nugroho, Kusrini, M.
Rudyanto Arief, Jurusan Teknik Informatika, STMIK AMIKOM
Yogyakarta tahun 2015. Penelitian tersebut dilaksanakan dengan
melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang
jaraknya paling dekat dengan objek tersebut dan memberikan solusi
nasabah yang layak menerima KUR berdasarkan masukan dari user
dengan menggunakan metode K-Nearest neighbors (KNN). Data-data
transaksi pembayaran nasabah lama akan dijadikan sebagai data training
dimana sebelumnya akan ditentukan kelasnya terlebih dahulu. Penentuan
25
kelas dilakukan dengan proses klasifikasi data berdasarkan kategori status
nasabah sesuai jumlah tunggakan pembayaran kreditnya. Dari hasil
perhitungan kemiripan kasus antara data calon nasabah baru dengan
nasabah lama atau data training menggunakan algoritma K-Nearest
Neighbor, hasil dengan nilai tertinggi akan dijadikan acuan seorang
decision maker dalam mengambil keputusan.
4. Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan
Metode Simple Additive Weighting di Lingkungan Universitas Lampung
oleh Didik Kurniawan, Wamiliana dan Rizqi Chandra Aditya, Jurusan
Ilmu Komputer dan Jurusan Matematika, Universitas Lampung tahun
2015. Pada penelitian ini digunakan penyelesaian masalah Multiple
Attribute Decision Making (MADM) dengan metode Simple Additive
Weighting (SAW) dengan 11 kriteria. Metode ini dipilih karena dapat
menentukan nilai bobot dari setiap kriteria, yang kemudian dilakukan
proses perangkingan untuk menentukan alternatif terbaik dari sejumlah
alternatif. Hasil penelitian yaitu sistem dapat membantu menyelesaikan
permasalahan penentuan dosen berprestasi yang berlangsung lebih cepat
dan tepat serta meminimalisir terjadinya penilaian bersifat subyektif dan
tidak relevan.
5. Penerapan Sistem Informasi Geografis Untuk Pendukung Keputusan
Penempatan Cabang PT. Tunas Dwipa Matra Di Bandarlampung
Menggunakan Metode Simple Additive Weighting (SAW) oleh Anie Rose,
Astria Hijriani dan Claudya Cindy Owen, Universitas Lampung 2016.
Penelitian ini menggunakan metode perhitungan Simple Additive
26
Weighting (SAW) dengan 7 kriteria dalam menentukan penempatan kantor
cabang PT. Tunas Dwipa Matra Bandarlampung dan Sistem Informasi
Geografis dalam membantu mempresentasikan informasi hasil dari
pengolahan data oleh SPK. Hasil Penelitian menunjukkan bahwa sistem
dapat berfungsi sesuai dengan kebutuhan pengguna berdasarkan kriteria
pemilihan rekomendasi cabang baru dari PT. Tunas Dwipa Matra.
27
BAB III
METODOLOGI PENELITAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilakukan di Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Lampung dan Kantor Federal International Finance Group
(FIFGROUP) Cabang Bandarlampung Jalan Teuku Umar No.67 Kedaton, Bandar
Lampung. Penelitian ini dilaksanakan mulai bulan Oktober 2016 sampai dengan
selesai.
3.2 Perangkat Penelitian
Perangkat lunak yang digunakan adalah :
a. Sistem Operasi Windows 8.1 Pro 32 bit
b. Adobe Photoshop CS3
c. Notepad++ versi 6.8.8
d. XAMPP versi 3.1.0
e. ClickCharts
f. Browser Google Chrome
28
3.3 Metodologi Penelitian
3.3.1 Diagram Alir Penelitian
Penelitian ini dilakukan berdasarkan diagram alir metodologi penelitian yang
terdapat pada Gambar 3.1.
Gambar 3.1 Diagram Alir Metodologi Penelitian
29
Penjelasan dari diagram alir metodologi penelitian pada Gambar 3.1 adalah
sebagai berikut.
A. Langkah I
1. Pengumpulan Data Awal
Tahapan pertama yang dilakukan pada langkah I ini adalah melakukan
pengumpulan data awal. Tahapan ini merupakan tahapan dasar dalam
penelitian ini yaitu untuk melakukan survey terlebih dahulu mengenai
perusahaan khususnya tentang proses bisnis yang ada di perusahaan.
2. Identifikasi Masalah
Tahapan kedua yang dilakukan pada langkah I ini adalah identifikasi
masalah. Tujuan dari tahap identifikasi masalah ini yaitu untuk
mengidentifikasi dan menganalisa permasalahan-permasalahan yang
akan diteliti. Hasil dari tahapan ini yaitu adanya rumusan masalah,
batasan masalah, tujuan penelitian, dan manfaat penelitian. Rumusan
masalah merupakan kalimat pertanyaan yang digunakan untuk
mengarahkan penelitian tersebut menuju suatu permasalahan atau isu
tertentu. Batasan masalah pada penelitian ini digunakan untuk dapat
membatasi ruang lingkup yang dibahas pada penelitian. Tujuan
penelitian merupakan hal utama yang akan dicapai pada penelitian.
Sedangkan manfaat penelitian disini digunakan untuk menguraikan
manfaat dari Sistem Pendukung Keputusan Pemberian Kredit Motor
menggunakan metode Simple Additive Weighting (SAW) Pada
FIFGROUP Cabang Bandarlampung yang dibangun.
30
3. Studi Literatur
Tahapan ketiga yang dilakukan pada langkah I ini adalah studi
literatur. Studi literatur merupakan kegiatan mencari referensi teori
yang relevan secara literatur serta menganalisis dokumen-dokumen
yang berhubungan dengan kasus atau permasalahan yang akan diteliti.
Dokumen-dokumen tersebut bisa berupa teori dan bisa pula berupa
hasil penelitian yang sebelumnya telah dilakukan berdasarkan masalah
yang akan diteliti.
B. Langkah II
4. Analysis
Tahapan pertama yang dilakukan pada langkah kedua yaitu analisis
yang meliputi pengumpulan data lanjutan melalui wawancara.
Wawancara dilakukan dengan melakukan dialog dengan narasumber
untuk memperoleh informasi yang dibutuhkan. Infromasi yang
diperoleh adalah data-data kriteria yang menjadi penentu kelayakan
pemberian kredit kepada konsumen pada sistem. Pengumpulan data
juga dilakukan di Kantor FIFGROUP Cabang Bandarlampung dan Pos
FIFGROUP Jatiagung.
5. Design
Tahapan kedua pada langkah kedua adalah tahap desain. Pada tahap ini
dilakukan desain Data Flow Diagram (DFD) untuk menunjukkan
keseluruhan sistem dimana semua external entity langsung
dihubungkan dengan satu proses utama pada sistem tersebut untuk
31
mengetahui alur data pada setiap proses ke setiap entitas dan Entity
Relationship Diagram (ERD) untuk mengetahui hubungan antar
entitas. Tahapan dilanjutkan dengan perancangan antarmuka sistem.
Perancangan antarmuka ini dilakukan untuk merancang tata letak
sistem sesuai dengan analisis kebutuhan sistem.
6. Coding Program
Tahapan ketiga pada langkah kedua ini adalah tahap coding program
yang dimulai dengan pembuatan database. Kemudian dilanjutkan
dengan pembuatan program berbasis web. Pada program berbasis web
ini yang akan dibangun yaitu Sistem Pendukung Keputusan (SPK).
7. Testing
Tahapan keempat pada langkah kedua ini adalah pengujian. Pada
penelitian ini pengujian dilakukan dengan menggunakan pengujian
black box yang bertujuan untuk mengetahui fungsionalitas sistem yang
dibangun. Apabila ditemukan kesalahan, maka proses kembali pada
tahap coding program untuk memperbaiki kesalahan yang ditemukan.
Apabila tidak ditemukan kesalahan, maka proses dilanjutkan ke tahap
selanjutnya.
C. Langkah III
8. Analisis Hasil Penelitian
Tahap terakhir adalah tahap analisis hasil penelitian. Pada tahap ini
dilakukan analisis keseluruhan dari proses penelitian yang telah
dilakukan, apakah hasil penelitian dapat mengatasi permasalah yang
32
diuraikan pada tahapan awal dan apakah hasil penelitian telah sesuai
dengan tujuan penelitian.
3.3.2 Metode Pengembangan Sistem
Penelitian ini dilakukan berdasarkan metode pengembangan sistem yang dipilih
yaitu Waterfall. Tahap-tahap pada metode waterfall adalah analysis, design,
coding, testing dan maintenance seperti yang terdapat pada Gambar 3.2.
Gambar 3.2 Tahapan Metode Waterfall (Jogiyanto, 2010)
1. Analysis
Tahap ini merupakan tahap awal yaitu mencari informasi sebanyak-
banyaknya mengenai sistem yang akan dibangun dengan melakukan
metode-metode pengumpulan data sehingga ditemukan kelebihan dan
kekurangan sistem serta user requirement. Tahap ini juga dilakukan untuk
mencari pemecah permasalahan bagi perusahaan untuk menentukan
konsumen yang layak diberikan kredit motor. Dengan masalah tersebut
maka dibangun Sistem Pendukung Keputusan Pemberian Kredit Motor
Menggunakan Metode Simple Additive Weighting (SAW) Pada
33
FIFGROUP Cabang Bandarlampung. Terdapat analisis kebutuhan yang
digunakan dalam pengembangan sistem ini yaitu:
a. Dalam membangun sebuah SPK menggunakan metode SAW
dibutuhkan informasi berupa data-data yang dibutuhkan untuk
melakukan kredit motor yang menjadi objek alternatif pada SPK.
b. Selain data-data setiap jenis kredit motor, pada SPK yang
menggunakan metode SAW juga dibutuhkan input berupa kriteria dan
bobot kriteria yang digunakan untuk melakukan penentuan kelayakan
pemberian kredit kepada konsumen.
c. Dalam membangun sebuah SPK dibutuhkan pengolahan data secara
manual menggunakan metode Simple Additive Weighting (SAW).
Terdapat 5 variabel kriteria penentu pemberian kredit motor pada
kantor FIFGROUP Cabang Bandarlampung yang diperoleh dari hasil
wawancara dengan Kepala Pos dan Credit Analys FIF Jati Agung yaitu
Character (karakter), Capacity (kapasitas), Collateral (jaminan),
Condition (kondisi) dan Capital (modal). Adapun pembobotan pada
masing-masing 5 variabel kriteria tersebut antara lain:
1. Character (C1) = 25%
2. Capacity (C2) = 35%
3. Collateral (C3) = 10%
4. Condition (C4) = 20%
5. Capital (C5) =10%
Format prefensi pada Sistem Pendukung Keputusan ini adalah sebagai
berikut:
34
a. C1 yaitu Character. Ada beberapa parameter yang digunakan
untuk melakukan penilaian karakter konsumen. Parameter
penilaian tersebut ditampilkan pada Tabel 3.1.
Tabel 3.1 Parameter Penilaian Kriteria C1
Parameter Penilaian
Konsumen Baik
Tidak
Baik
Hasil
Verifikasi
Sifat ketika di interview 10 5
Penyampaian Konsumen 10 5
Hasil Verifikasi Lingkungan 10 5
Score meter 30 15 C1
Kemudian, hasil score meter tersebut akan menjadi nilai C1
konsumen yang didapatkan dari hasil verifikasi ketika survey.
b. C2 yaitu Capacity. Kapasitas konsumen ditentukan oleh
Installment Income Ratio (IIR). Installment Income Ratio (IIR)
adalah perbandingan antara total angsuran perbulan dibandingkan
dengan penghasilan bersih konsumen. Besar persentase IIR pada
FIFGROUP yaitu 40%. Sehingga, besar IIR konsumen tidak boleh
melebihi angka 40%. Rumus IIR ditampilkan pada persamaan 3.1.
IIR =
× 100% (3.1)
Contoh:
Pendapatan konsumen = 2.000.000
Pendapatan pasangan = 500.000
Pengeluaran/tanggungan = 600.000
Angsuran perbulan = 670.000
Maka,
35
IIR =
( ) × 100%
=
( ) × 100%
=
× 100%
= 35%
Jadi, IIR dari konsumen tersebut tergolong baik karena persentase
IIR tidak melebihi 40%. Kemudian, nilai IIR tersebut akan menjadi
parameter pada untuk penilaian C2 yang ditampilkan seperti pada
Tabel 3.2.
Tabel 3.2 Nilai untuk Bobot Kriteria C2
Capacity Nilai
IIR >40% 3
1% =< IIR <=40% 7
c. C3 yaitu Collateral. Collateral atau jaminan konsumen dilihat dari
keadaan rumah konsumen yang penilaiannya ditampilkan seperti
pada Tabel 3.3.
Tabel 3.3 Nilai untuk Bobot Kriteria C3
Collateral Nilai
Mengontrak 3
Rumah sendiri 7
d. C4 yaitu Condition. Condition yaitu keadaan usaha yang dimiliki
oleh konsumen. Penilaian dari keadaan usaha ditampilkan seperti
pada Tabel 3.4.
Tabel 3.4 Nilai untuk Bobot Kriteria C4
Condition Nilai
Tidak Ada 2
Sepi 3
Ramai 5
36
e. C5 yaitu Capital. Capital atau modal konsumen diihat dari
besarnya jumlah modal yang dikeluarkan pada usaha yang dimiliki
konsumen yang penilaiannya ditampilkan seperti pada Tabel 3.5.
Tabel 3.5 Nilai untuk Bobot Kriteria C5
Capital Nilai
0 < Value <=
100.000 2
100.000 < value
<= 5 juta 3
Value > 5 juta 5
Misalkan terdapat 5 alternatif yaitu A1, A2, A3, A4 dan A5. Tabel 3.6
adalah nilai dari setiap alternative.
Tabel 3.6 Contoh Nilai Alternatif
No. Alternatif C1 C2 C3 C4 C5
Minimal 25 40% Mengontrak Tidak ada 0
1. A1 15 70% Mengontrak Sepi 4 juta
2. A2 25 12% Rumah
sendiri Ramai 2 juta
3. A3 20 10% Rumah
sendiri Ramai 27 juta
4. A4 30 5% Rumah
sendiri Ramai 4 juta
5. A5 25 55% Mengontrak Sepi 3 juta
Maksimal 30 1% Rumah
sendiri Ramai 30 juta
Setelah itu nilai dari setiap alternatif diubah menjadi angka crips dalam
matriks yang diterapkan pada tabel 3.7.
37
Tabel 3.7 Angka Crisp Alternatif
No. Alternatif C1 C2 C3 C4 C5
Minimal 25 7 3 2 2
1. A1 15 3 3 3 3
2. A2 25 7 7 5 3
3. A3 20 7 7 5 5
4. A4 30 7 7 5 3
5. A5 25 3 3 3 3
Maksimal 30 7 7 5 5
Kemudian, nilai pada matriks tersebut akan diubah dengan menggunakan
rumus metode Simple Additive Weighting (SAW) pada persamaan 2.1.
Tabel 3.8 merupakan matriks hasil normalisasi metode Simple Additive
Weighting (SAW).
Tabel 3.8 Contoh Nilai Hasil Normalisasi Alternatif
No. Alternatif C1 C2 C3 C4 C5
Minimal 0.833 1 0.429 0.4 0.4
1. A1 0.5 0.429 0.429 0.6 0.6
2. A2 0.833 1 1 1 0.6
3. A3 0.667 1 1 1 1
4. A4 1 1 1 1 0.6
5. A5 0.833 0.429 0.429 0.6 0.6
Maksimal 1 1 1 1 1
Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria
merupakan nilai kecocokan (nilai terbaik adalah nilai terbesar) maka
semua kriteria yang diasumsikan merupakan jenis kriteria keuntungan
(benefit).
38
Selanjutnya digunakan persamaan 2.2 untuk melakukan perhitungan
perankingan.
Nilai minimal=(0.25)(0.833)+(0.35)(1)+(0.1)(0.429)+(0.2)(0.4)+(0.1)(0.4)
= 0.72115
V1 = (0.25)(0.5)+(0.35)(0.429)+(0.1)(0.429)+(0.2)(0.6)+(0.1)(0.6) = 0.498
V2 = (0.25)(0.833)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(0.6)=0.91825
V3 = (0.25)(0.667)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(1)=0.91675
V4 = (0.25)(1)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(0.6)=0.96
V5=(0.25)(0.833)+(0.35)(0.429)+(0.1)(0.429)+(0.2)(0.6)+(0.1)(0.6)=0.581
Nilai maksimal = (0.25)(1)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(1)= 1
Berdasarkan perhitungan di atas maka diperoleh hasil perankingan di
bawah ini:
1. V4 = A4= 0.96
2. V2 = A2 = 0.91825
3. V3 = A3 = 0.91675
4. V5 = A5 = 0.581
5. V1 = A1 = 0.498
Layak atau tidak layaknya konsumen diberikan kredit motor yaitu
berdasarkan perankingan dengan nilai yang melebihi batas nilai minimal
yaitu 0.7332. Dengan kata lain alternatif A2, A4 dan A3 akan terpilih
sebagai konsumen yang berhak mendapatkan kredit motor.
2. Design
39
Tahap desain merupakan tahapan perancangan sistem yang didalamnya
dilakukan pemodelan sistem. Desain sistem ini dibuat guna mempermudah
tahap selanjutnya yaitu penulisan kode program. Adapun penjelasan dari
tahap desain sistem disajikan dalam bentuk data flow diagram dan entity
relationship diagram serta rancangan antarmuka bagi pengguna.
a. Data Flow Diagram
Gambar 3.3 adalah Diagram Context/ DFD level 0 dari Sistem
Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode
Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang
Bandarlampung.
Gambar 3.3 DFD Level 0 SPK
Diagram level 0 pada Gambar 3.3 menjelaskan aliran data yang
dilakukan oleh 3 level user yaitu Admin, Kepala dan Verifier. Aliran
data dari admin ke sistem adalah data login, data kriteria, data
subkriteria, data konsumen, data nilai konsumen dan data motor.
Sedangkan aliran data dari sistem ke admin adalah data kriteria, data
subkriteria, data konsumen, data nilai konsumen, data motor, informasi
40
hasil analisa yang didapatkan dari perhitungan sistem antara data sub
kriteria dan data nilai konsumen serta informasi data history. Aliran
data dari Kepala ke sistem adalah data login. Sedangkan aliran data
dari sistem ke Kepala adalah informasi hasil analisa dan informasi data
history. Kemudian, aliran data dari Verifier ke sistem yaitu data login
dan data konsumen. Sedangkan aliran data dari sistem ke Verifier
adalah data konsumen.
Gambar 3.4 adalah DFD level 1 dari Sistem Pendukung Keputusan
Pemberian Kredit Motor Menggunakan Metode Simple Addittive
Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung.
Penjelasan Gambar 3.4 yaitu sebagai berikut.
1. Admin dapat melakukan login untuk melakukan pengelolaan pada
data kriteria, data subkriteria, data konsumen, data nilai konsumen
dan data motor. Setelah itu, admin dapat melihat informasi hasil
analisa yang didapatkan dari perhitungan antara data nilai
konsumen dan data subkriteria yang diproses oleh sistem.
Kemudian, admin juga dapat melihat informasi data history dan
dapat mengubah password login.
2. Verifier dapat melakukan login untuk melakukan pengelolaan data
konsumen dan data nilai konsumen.
3. Kepala dapat melakukan login untuk melihat informasi hasil
analisa dan informasi data history.
42
Gambar 3.5 adalah DFD level 2 proses 1 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu melakukan login.
Gambar 3.5 DFD Level 2 Proses 1 Melakukan Login
Penjelasan dari Gambar 3.5 yaitu Admin, Kepala dan Verifier dapat
melakukan login yaitu dengan memasukkan username dan password.
Kemudian username dan password tersebut akan diproses untuk
divalidasi. Jika proses login berhasil maka akan melanjutkan ke proses
selanjutnya yaitu menampilkan halaman utama masing-masing user.
Gambar 3.6 adalah DFD level 2 proses 2 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu mengelola data kriteria.
43
Gambar 3.6 DFD Level 2 Proses 2 Mengelola Data Kriteria
Penjelasan dari Gambar 3.6 yaitu admin dapat melihat data kriteria
yang ditampilkan oleh database. Selain itu, admin juga dapat
mengubah data kriteria.
Gambar 3.7 adalah DFD level 2 proses 3 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu mengelola data subkriteria.
Gambar 3.7 DFD Level 2 Proses 3 Mengelola Data Nilai Kriteria
Penjelasan dari Gambar 3.7 yaitu admin dapat melihat data subkriteria
yang ditampilkan oleh database. Selain itu, admin juga dapat
mengubah data subkriteria.
Gambar 3.8 adalah DFD level 2 proses 4 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
44
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu mengelola data konsumen.
.
Gambar 3.8 DFD Level 2 Proses 4 Mengelola Data Konsumen
Penjelasan dari Gambar 3.8 yaitu admin dapat melihat data konsumen
yang ditampilkan oleh database. Kemudian, Verifier dapat melihat,
menambah, mengubah serta menghapus data konsumen.
Gambar 3.9 adalah DFD level 2 proses 5 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu mengelola data nilai konsumen.
45
Gambar 3.9 DFD Level 2 Proses 5 Mengelola Data Nilai Konsumen
Penjelasan dari Gambar 3.9 yaitu Admin dan Verifier dapat melihat
data nilai konsumen berdasarkan setiap kriteria dan kemudian
ditampilkan oleh database.
Gambar 3.10 adalah DFD level 2 proses 6 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu melakukan perhitungan dan analisa.
Gambar 3.10 DFD Level 2 Proses 6 Melakukan Perhitungan dan analisa
46
Penjelasan dari Gambar 3.10 yaitu Admin dan Kepala menjalankan
fungsi analisa kemudian fungsi tersebut akan berlanjut ke proses
perhitungan. Proses perhitungan disini mengambil data subkriteria dan
data nilai konsumen dari database untuk kemudian dilakukan
perhitungan dengan menggunakan metode Simple Adittive Weighting
(SAW). Proses tersebut akan memberikan hasil analisis yang bisa
dicetak oleh admin.
Gambar 3.11 adalah DFD level 2 proses 7 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu mengubah password.
Gambar 3.11 DFD Level 2 Proses 7 Mengubah Password
Penjelasan dari Gambar 3.11 yaitu Admin, Verifier dan Kepala dapat
menjalankan fungsi ubah password dengan memasukkan data
password yang sebelumnya. Kemudian, password lama tersebut akan
divalidasi, jika validasi telah selesai maka akan diproses penggantian
password baru.
47
Gambar 3.12 adalah DFD level 2 proses 8 dari Sistem Pendukung
Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung
yaitu mengambil data history.
Gambar 3.12 DFD Level 2 Proses 8 Mengambil Data History
Penjelasan dari Gambar 3.12 yaitu Admin dan Kepala dapat
menjalankan mengambil data history yang didapatkan dari data
konsumen.
b. Entity Relationship Diagram
Hubungan antar entitas data pada sistem ini dapat dilihat pada Gambar
3.13. Pada Sistem Pendukung Keputusan Pemberian Kredit Motor
Menggunakan Metode Simple Additive Weighting (SAW) ini terdapat
6 entitas yaitu tabel login, tabel data_konsumen, tabel kriteria, tabel
subkriteria dan tabel Data Motor Entitas digambarkan dengan bentuk
persegi panjang. Masing-masing entitas memiliki atribut yang
48
digambarkan dengan bentuk elips. Atribut key dicirikan dengan adanya
garis bawah pada nama atribut.
Gambar 3.13 Entity Relationship Diagram
Berikut ini adalah contoh struktur tabel yang ada pada gambar 3.13.
1. Tabel login
Tabel ini digunakan untuk melakukan login pada sistem.
Tabel 3.9 Contoh Struktur Tabel Login
No. Atribut Type Length Keterangan
1 username Varchar 10 primarry
2 password varchar 10
3 level Enum
‘admin’,
’verifier’,’kepala’
49
2. Tabel kriteria
Tabel ini digunakan untuk menyimpan data kriteria beserta
bobotnya (persentase).
Tabel 3.10 Contoh Struktur Tabel Kriteria
No. Atribut Type Length Keterangan
1 id_kriteria Char 2 primarry
2 nama_kriteria Varchar 15
3 Persentase Int 15
3. Tabel subkriteria
Tabel ini digunakan untuk menyimpan data subkriteria masing-
masing kriteria beserta nilai nya.
Tabel 3.11 Contoh Struktur Tabel Subkriteria
No. Atribut Type Length Keterangan
1 id_subkriteria Char 3 primarry
2 id_kriteria Char 2 primarry
3 nama_subkriteria Varchar 25
4 Nilai Tinyint 4
4. Tabel data_konsumen
Tabel ini digunakan untuk menyimpan data konsumen yang
diinputkan pada sistem.
Tabel 3.12 Contoh Struktur Tabel Data Konsumen
No Atribut Type Length Keterangan
1 id_konsumen Int 11 primarry
2 Nama Varchar 30
3 Alamat Mediumtext
4 persyaratan_bk Tinyint 1
5 persyaratan_kk Tinyint 1
6 persyaratan_ktp Tinyint 1
7 dok_pbb Tinyint 1
8 dok_reklistrik Tinyint 1
9 dok_others Tinyint 1
50
10 Foto1 Varchar 255
11 foto2 Varchar 255
12 foto3 Varchar 255
13 Pendapatan_konsu
men
Decimal 10,0
14 Pendapatan_pasan
gan
Decimal 10,0
15 Pengeluaran Decimal 10,0
16 Tenor Tinyint 4
17 Angsuran Decimal 10,0
18 Inc_bersih Decimal 10,0
19 Hsl_iir Float
20 Tmpt_tgl Tinyint 4
21 Jns_usaha Varchar 60
22 Kondisi_usaha Tinyint 4
23 Modal_usaha Tinyint 4
24 Hsl_saving Decimal 10,0
25 C1 Int 11
26 C2 Int 11
27 C3 Int 11
28 C4 Int 11
29 C5 Int 11
30 Tgl_feriv Datetime
31 Status_accept Tinyint 4
32 Tgl_accept Datetime
33 Tgl_reject Datetime
5. Tabel data_motor
Tabel ini digunakan untuk menyimpan data motor yang
dimasukkan oleh admin.
Tabel 3.13 Contoh Struktur Tabel Data Motor
No. Atribut Type Length Keterangan
1 id_motor Int 11 primarry
2 Nama_motor Varchar 60
3 Jenis_motor Enum ‘matic’,’sport’,
’premium’,
’bebek’
4 Harga_motor Decimal 10,0
51
c. Design User Interface
Design User Interface pada Sistem Pendukung Keputusan Pemberian
Kredit Motor Menggunakan Metode Simple Addittive Weighting
(SAW) Pada FIFGROUP Cabang Bandarlampung dibagi menjadi 3
bagian berdasarkan penggunanya yaitu tampilan untuk admin (Credit
Analys), Verifier dan Kepala.
1. Halaman Login
Gambar 3.14 adalah rancangan user interface untuk Halaman
Login Sistem Pendukung Keputusan Pemberian Kredit
Menggunakan Metode Simple Additive Weighting (SAW) Pada
FIFGROUP Cabang Bandarlampung.
Gambar 3.14 Halaman Login SPK
2. Tampilan Admin (Credit Analys)
a. Halaman Utama Admin
Setelah Admin melakukan login maka sistem akan masuk ke
halaman utama Admin. Desain halaman Utama Admin
ditampilkan pada Gambar 3.15.
52
Gambar 3.15 Halaman Utama Admin
b. Halaman Menu Kriteria
Pada menu Kriteria terdapat 2 submenu yaitu Kriteria dan
Subkriteria. Submenu Kriteria menampilkan tentang kriteria-
kriteria yang digunakan, atribut setiap kriteria, dan bobot tiap
kriteria untuk melakukan penentuan pemberian kredit kepada
konsumen. Desain halaman Kriteria ditampilkan pada Gambar
3.16 dan Gambar 3.17.
Gambar 3.16 Halaman submenu Kriteria
53
Gambar 3.17 Halaman submenu Subkriteria
c. Halaman Menu Konsumen
Pada menu Konsumen terdapat 2 submenu yaitu Konsumen
dan Nilai Konsumen. Submenu Konsumen menampilkan Nama
konsumen yang akan mengajukan kredit ke FIFGROUP
Cabang Bandarlampung. Sedangkan submenu nilai konsumen
berisi nilai-nilai kriteria konsumen dari setiap kriteria. Desain
halaman Konsumen ditampilkan pada Gambar 3.18 dan
Gambar 3.19.
54
Gambar 3.18 Halaman submenu Konsumen
Gambar 3.19 Halaman submenu Nilai Konsumen
d. Halaman Data Motor
Pada halaman data motor, admin dapat menambahkan dan
menampilkan jenis motor yang dikreditkan oleh FIFGROUP
Cabang Bandar Lampung. Desain halaman data motor
ditampilkan pada Gambar 3.20.
Gambar 3.20 Halaman Data Motor
e. Halaman Menu SPK
55
Pada menu SPK juga terdapat 3 submenu yaitu Perhitungan,
Hasil Analisa dan History. Submenu Perhitungan menampilkan
proses perhitungan konsumen berdasarkan nilai kiteria dan
nilai konsumen yang telah dimasukkan. Perhitungan yang
ditampilkan disini menggunakan Metode Simple Addittive
Weighting (SAW) mulai dari Hasil Analisa, Normalisasi serta
Perangkingan. Submenu Hasil Analisa menampilkan hasil dari
perhitungan tadi dan pada submenu inilah akan ditampilkan
keputusan apakah konsumen tersebut layak diberikan kredit
motor atau tidak. Sedangkan Submenu History berisi nama-
nama Konsumen yang telah diterima/ditolak. Desain halaman
SPK ditampilkan pada Gambar 3.21 dan Gambar 3.22.
56
Gambar 3.21 Halaman submenu Perhitungan
Gambar 3.22 Halaman submenu Hasil Analisa
f. Halaman History Penerimaan
Pada halaman ini berisi informasi mengenai nama-nama
konsumen yang telah diterima/ditolak berdasarkan waktunya.
Desain halaman History ditampilkan pada Gambar 3.23.
Gambar 3.23 Halaman History
g. Halaman Menu Edit Password
57
Pada halaman ini Admin dapat mengubah password login
dengan memasukkan password lama yang akan divalidasi
terlebih dahulu oleh sistem lalu memasukkan password baru.
Halaman Menu Edit Password ditampilkan pada Gambar 3.24.
Gambar 3.24 Halaman Menu Edit Password
3. Tampilan Verifier
a. Halaman Utama Verifier
Gambar 3.25 adalah rancangan antarmuka untuk halaman
utama Verifier.
Gambar 3.25 Halaman Utama Verifier
b. Halaman Menu Konsumen
58
Pada halaman ini terdapat 2 submenu yaitu konsumen dan nilai
konsumen. Pada submenu konsumen, Verifier dapat
menambahkan, mengubah serta menghapus data konsumen.
Sedangkan pada submenu nilai konsumen akan ditampilkan
nilai konsumen berdasarkan data yang telah disimpan pada
submenu konsumen. Gambar 3.26, Gambar 3.27, dan Gambar
3.28 adalah rancangan antarmuka untuk halaman menu
konsumen.
Gambar 3.26 Halaman Submenu Konsumen
Gambar 3.27 Halaman Submenu Nilai Konsumen
59
Gambar 3.28 Form Tambah Data Konsumen
4. Tampilan Kepala
a. Halaman Utama Kepala
Gambar 3.29 adalah rancangan antarmuka untuk halaman
utama Kepala.
60
Gambar 3.29 Halaman Utama Kepala
b. Halaman SPK Kepala
Pada halaman SPK Kepala terdapat 3 submenu yaitu
Perhitungan, Hasil Analisa dan History. Gambar 3.30, Gambar
3.31 dan Gambar 3.32 adalah rancangan antarmuka untuk
halaman SPK Kepala.
Gambar 3.30 Halaman submenu Hasil Analisa SPK
62
3. Coding
Tahap coding ini merupakan tahapan dalam pengimplementasian desain
yang sudah dirancang ke dalam bahasa yang dapat dikenali oleh komputer.
Dilakukan oleh programmer yang akan menerjemahkan transaksi yang
diminta oleh user. Tahapan ini lah yang merupakan tahapan secara nyata
dalam mengerjakan suatu sistem. Dalam artian penggunaan komputer akan
dimaksimalkan dalam tahapan ini.
4. Testing
Setelah pengkodean selesai maka akan dilakukan testing terhadap sistem
yang telah dibuat secara keseluruhan. Tujuan testing adalah menemukan
kesalahan-kesalahan terhadap sistem tersebut dan kemudian bisa
diperbaiki. Sistem dikembangkan dengan menggunakan teknik pengujian
black box dengan metode Equivalence Partitioning. EP akan membagi
domain masukan dari program ke dalam kelas-kelas sehingga test case
dapat diperoleh. Pengujian EP berusaha untuk mendefinisikan kasus uji
yang menemukan sejumlah jenis kesalahan, dan mengurangi jumlah kasus
uji yang harus dibuat. Pengujian EP dapat digunakan untuk mencari
kesalahan pada fungsi, dapat mengetahui kesalahan pada interface dan
kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap
nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas
equivalence untuk kondisi input yang menggambarkan kumpulan keadaan
yang valid atau tidak.
63
5. Maintenance
Penerapan dalam penelitian ini yaitu sistem pendukung keputusan
pemberian kredit dengan metode Simple Additive Weighting (SAW) dalam
bentuk method pada kode-kode program berbasis web. Pemeliharaan
dimaksudkan apabila terdapat perubahan tersebut bisa karena mengalami
kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan
(periperal atau sistem operasi baru) atau karena membutuhkan
perkembangan fungsional.
108
BAB V
SIMPULAN DAN SARAN
5.1 Simpulan
Dari hasil penelitian yang dilakukan, penulis dapat mengambil simpulan sebagai
berikut.
1. Telah berhasil dibangun suatu Sistem Pendukung Keputusan Pemberian
Kredit dengan menggunakan metode Simple Additive Weighting (SAW)
untuk membantu FIFGROUP Cabang Bandar Lampung dalam
menentukan konsumen yang berhak mendapatkan kredit dalam bentuk
layak dan tidak layaknya konsumen berbasis web.
2. Tampilan sistem untuk Admin terdapat menu Kriteria, Konsumen, Data
Motor, SPK dan Edit Password. Tampilan sistem untuk Verifier terdapat
menu Konsumen dan Edit Password. Sedangkan tampilan sistem untuk
Kepala terdapat menu SPK yang terdapat fungsi untuk melakukan
tindakan approve dan reject konsumen.
3. Dari hasil data pengujian Black Box yang dilakukan oleh 3 staff dari
FIFGROUP, Sistem Pendukung Keputusan dapat berfungsi sesuai
kebutuhan pengguna. Selain itu, berdasarkan uji keakuratan hasil
keputusan, sistem dinyatakan telah sesuai dengan kriteria pemilihan
konsumen yang berhak mendapatkan kredit pada FIFGROUP Cabang
Bandar Lampung.
109
4. Setelah dilakukan uji korelasi, kriteria 2 dan 3 yaitu Capacity dan
Collateral memiliki hubungan yang kuat jika dibandingkan dengan kriteria
lain walaupun secara persentase kriteria 1 dan 2 yaitu Character dan
Capacity memiliki persentase yang lebih besar.
5.2 Saran
Berdasarkan perancangan dan hasil implementasi program yang dilakukan, maka
terdapat saran yang perlu diperhatikan dalam mengembangkan sistem ini yaitu
sebagai berikut.
1. Sistem ini masih terbatas maka perlu ditambahkan dan dikembangkan
fungsi untuk menambahkan kriteria pemberian kredit.
2. Sistem Pendukung Keputusan pada bagian Verifier dapat dikembangkan
dengan menggunakan Android.
3. Sistem dapat dikembangkan agar dapat melihat atau mencari pola
karakteristik konsumen yang macet, sehingga dapat memperkecil tingkat
kesalahan prediksi kelayakan konsumen pada sistem untuk kedepannya.
DAFTAR PUSTAKA
Anwar, Hensor. 2015. Kedudukan Analisis Korelasi dalam Menguji Hubungan
Antar Variabel Penelitian. Jurnal Manajemen Pendidikan Islam, IAIN
Sultan Amai Gorontalo, Vol. 3, No. 2.
Dewanto, Ignatius Joko dan MF. Arrozi. 2016. Membangun Sistem Penunjang
Keputusan Untuk Investasi Saham Dengan Metode SAW. Jurnal Magister
Teknik Informatika, STMIK Raharja.
Firdausa, Aji Prasetya Wibawa, dan Utomo Pujianto. 2016. Sistem Pendukung
Keputusan Pemilihan Sekolah Menggunakan Metode SAW (Simple
Additive Weighting). Jurnal Pendidikan Teknik Informatika , Universitas
Negeri Malang, ISSN: 2303-3805.
Firmandoyo, Aditya. 2014. Sistem Pendukung Keputusan Pemberian Kredit
Mobil Pada CV. Family Mobil Semarang Menggunakan Metode
Analithical Hierarchi Process (AHP). Jurnal Sistem Informasi, Ilmu
Komputer, UDINUS Semarang.
Fitroh, Fandrias Befyga. 2013. Sistem Pendukung Keputusan Pemberian Kredit
Dengan Metode Simple Additive Weighting (SAW) Pada Koperasi
Simpan Pinjam Kharisma Kota Kendal. Jurnal Teknik Informatika,
Universitas Dian Nuswontoro, Semarang.
Jogiyanto. 2010. Analisis dan Desain Sistem Informasi, Edisi IV. ANDI,
Yogyakarta.
Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. ANDI,
Yogyakarta.
Kosasi, Sandy. 2002. Konsep dan Kerangka Pemodelan Sistem Penunjang
Keputusan Berbasis Teknologi Informasi. Pontianak: Sekolah Tinggi
Manajemen Informatika dan Komputer.
Kurniawan, Didik, Wamiliana dan Rizqi Chandra Aditya. 2015. Sistem
Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan
Metode Simple Additive Weighting di Lingkungan Universitas Lampung.
Jurnal Komputasi, Universitas Lampung, Vol. 3, No. 2.
Kusumadewi, Sri dan Hari Purnomo. 2010. Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Graha Ilmu, Yogyakarta.
Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dan Retantyo Wardoyo. 2006. Fuzzy
Multi-Attribute Decision Making (Fuzzy MADM). Graha Ilmu,
Yogyakarta.
Ladjamudin, Al Bahra Bin. 2013. Analisis dan Desain Sistem Informasi. Graha
Ilmu, Yogyakarta.
Mufizar, Teuku, Dede Syahrul Anwar, dan Epa Aprianis. 2013. SPK Pemilihan
Jurusan di SMA N 6 Tasikmalaya menggunakan Metode SAW (Simple
Additive Weigthing). Jurnal Komputerisasi Akuntansi, STMIK
Tasikmalaya, Vol. 5, No. 1.
Nugroho, Agung, Kusrini, dan M. Rudyanto Arief. Sistem Pendukung Keputusan
Kredit Usaha Rakyat PT. Bank Rakyat Indonesia Unit Kaliangkrik
Magelang. Jurnal Magister Teknik Informatika STMIK AMIKOM
Yogyakarta, Vol. 2, No.1, ISSN: 2354-5771.
Prayoko, Mhd Riki. 2013. Sistem Pendukung Keputusan Penentuan Jurusan Pada
Sekolah Menengah Atas SMA Setia Budi Abadi Perbaungan Dengan
Menggunakan Metode Simple Additive Weighting (SAW). Jurnal Ilmiah
Teknik Informatika STMIK Budi Darma Vol. V, No. 2, ISSN: 2301-9425.
Pressman, Roger S. 2007. Rekayasa Perangkat Lunak: Pendekatan Praktisi
(BukuII). Diterjemahkan oleh: Harnaningrum LN, Andi, Yogyakarta.
Rosa dan M. Shalahuddin. 2011. Modul Pembelajaran Rekayasa Perangkat
Lunak. MODULA, Bandung.
Rose, Anie, Astria Hijriani dan Claudya Cindy Owen. 2016. Penerapan Sistem
Informasi Geografis Untuk Pendukung Keputusan Penempatan Cabang
PT. Tunas Dwipa Matra Di Bandarlampung Menggunakan Metode Simple
Additive Weighting (SAW), Ilmu Komputer, Universitas Lampung.
Rosnani. 2014. Sistem Pendukung Keputusan Penilaian Kinerja Untuk Memilih
Dosen Berprestasi Menggunakan Metode AHP. Jurnal STMIK Makasar,
Vol. 7, No.2.
Suhari, Yohanes, Muji Sukur, dan Sri Eniyati. 2009. Sistem Pendukung
Keputusan Pemberian Kredit Pada PT. BPR Artamanunggal Abadi
Mranggen. Jurnal Teknologi Informasi , Universitas Stikubank Semarang,
Vol. 1, No. 1 ISSN: 2085-3343.
Sujarweni, Wiratna dan Poli Endrayanto. 2011. Statistika Untuk Penelitian. Graha
Ilmu, Yogyakarta.
Supriyono, Maryanto. 2012. Buku Pintar Perbankan. ANDI, Yogyakarta.
Turban, Efraim, Jay E. Aronson, dan Ting –Peng Liang. 2005. Decision Support
System and Intelligent System. ANDI, Yogyakarta.
Wibowo, Henry. 2011. Sistem Pendukung Keputusan Untuk Menentukan
Penerimaan Beasiswa bank BRI Menggunakan FMADM (Studi
Kasus:Mahasiswa Fakultas Teknologi Industri Universitas Islam
Indonesia).
Widjaja, Danny, Krestrilia Rega Prilianti, dan Hendry Setiawan. 2014. Sistem
Pendukung Keputusan Pemberian Kredit Rumah Menggunakan Analytical
Hierarchy Process Berbasis Web. Jurnal Ilmiah Teknik Informatika,
Universitas Ma Chung, Malang Vol. 1, No.1.