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


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


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


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



4.7 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


4.13 Gambar Halaman Form Tambah Data Konsumen .................................... 88


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




3.6 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.


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.


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.


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


4. A4 30 5% Rumah


5. A5 25 55% Mengontrak Sepi 3 juta

Maksimal 30 1% Rumah


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


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


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.

41

Gambar 3.4 DFD Level 1 SPK

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.




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.




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.



44


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.




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.




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.




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




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


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


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


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

61

Gambar 3.31 Halaman submenu Perhitungan SPK

Gambar 3.32 Halaman submenu History 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.

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN …digilib.unila.ac.id/26349/3/SKRIPSI TANPA BAB...

Documents

Transcript of SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN …digilib.unila.ac.id/26349/3/SKRIPSI TANPA BAB...