PENENTUAN KELAYAKAN PEMBERIAN KREDIT PADA BANK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Transkripsi

1 Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 336~ PENENTUAN KELAYAKAN PEMBERIAN KREDIT PADA BANK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Aji Saepudin 1, Wahyudin 2 1 STMIK Nusa Mandiri Jakarta djie.dot@gmail.com 2 ASM BSI Jakarta Wahyudin.whd@bsi.ac.id Abstrak Manfaat pemberian kredit pinjaman oleh pihak perbankan kepada nasabah atau debitur merupakan langkah bank untuk memperoleh pendapatan berupa bunga yang diterima dari debitur, sehingga rentabilitas bank akan naik dan perolehan laba bank semakin meningkat. Tetapi di sisi lain kredit akan menjadi masalah ketika debitur tidak dapat membayar hutangnya (kredit macet), yang akan berimbas kepada kinerja bank tersebut. Untuk itu diperlukan sebuah metode sistem pendukung keputusan yang dapat menentukan penilaian kelayakan kredit terhadap debitur dalam membayar hutangnya. Penelitian ini bertujuan membantu mempermudah dalam mengambil suatu keputusan pemberian kredit dengan menghasilkan sebuah sistem penentuan kelayakan pemberian kredit pada Bank Danamon Cabang Muara Karang Jakarta dengan menggunakan metode Simple Additive Weighting (SAW). Perbandingan dengan penelitian sebelumnya, penelitian ini menggunakan konsep 5C plus Hasil pengecekan Bank Indonesia. Sehingga dapat diimplementasikan tidak hanya untuk Bank Danamon cabang Muara Karang Jakarta tapi juga untuk diimplementasikan di bank seluruh Indonesia. Manfaat penelitian ini menghasilkan sebuah metode yang lebih valid dalam menentukan pemberian kredit kepada nasabah. Agar tidak terjadi permasalahan dalam pembayaran kredit kedepannya. Keywords: Sistem Pendukung Keputusan, Pinjaman, Kredit, Simple Additive Weighting (SAW) 1. Pendahuluan Bank memiliki peranan penting dalam menggerakan roda perekonomian masyarakat umumnya negara berkembang, sumber pembiayaan dunia usaha di Indonesia masih di dominasi oleh penyaluran kredit perbankan yang diharapkan dapat mendorong pertumbuhan ekonomi. Sementara itu bagi para direksi dan manager bank masalah pemberian kredit ini adalah masalah unik disatu pihak bank sesuai dengan fungsi utamanya dan berdasarkan kenyataan bahwa pemberian kredit atau penempatan dana dalam fasilitas kredit adalah usaha yang paling besar memberikan pendapatan, namun dilain pihak hal itu mengandung banyak resiko dilema ini muncul karena pemberian kredit adalah berdasarkan suatu perhitungan akan sesuatu hasil dimasa depan. Karena ini sifatnya perhitungan kedepan yang kejadiannya sering berada diluar kemampuan pengendalian para pejabat bank maka resiko itu akan selalu ada. Tidak ada fasilitas kredit yang bagaimanapun baiknya analisa telah dilakukan yang tanpa resiko. (Suhardi, 2006) Kredit yang disalurkan kepada debitur oleh pihak bank harus dipastikan terlebih dahulu, apakah debitur mampu mengembalikan kewajibannya sesuai dengan kesepakatan perjanjian yang telah disepakati. Ada beberapa cara dapat dilakukan oleh pihak bank untuk memperoleh informasi tentang debitur antara lain dengan cara analisis terhadap debitur. Analisis ini wajib dilakukan karena hal ini merupakan sebagai bahan pertimbangan untuk mengambil keputusan pemberian kredit (Saputro, M. I., & Mardiana, T. 2015). Jika dalam memberikan kredit, pihak bank tidak memperhatikan kebijakan dan prosedur yang ada akan menimbulkan penyimpangan-penyimpangan yang lain seperti kredit macet. Hal yang paling penting dalam pemberian kredit adalah pengecekan diawal dari setiap permohonan kredit yang Diterima 27 Januari 2017; Revisi 17 Februari 2017; Disetujui 15 Maret, 2017

2 diduga akan bermasalah, sehingga kredit bisa diselamatkan dan terhindar dari kredit macet. Bank Danamon merupakan salah satu institusi keuangan terbesar di Indonesia yang berfokus untuk merealisasikan visinya : Kita peduli dan membantu jutaan orang untuk mencapai kesejahteraan. Salah satu cara untuk mensukseskan visi tersebut yaitu dengan menyalurkan dana kredit. Pada saat pengevaluasian permintaan kredit (misalnya kredit untuk sebuah perusahaan), seorang analisis kredit harus meneliti dan melakukan penilaian melalui suatu prosedur terhadap kondisi perusahaan calon debitur yang diperkirakan dapat mempengaruhi kemampuan mereka dalam memenuhi kewajiban kepada bank, salah satu tahapan dalam pengevaluasian dan penilaian tersebut adalah dengan melakukan pengklasifikasian nasabah berdasarkan kriteria-kriteria tertentu yang menjadi standar di setiap Bank. (Navia, 2015) 2. Metode Penelitian A. Observasi Pada tahap ini adalah melakukan pengamatan secara langsung dengan mengumpulkan data-data kredit nasabah berupa data nasabah dan data-data yang berkaitan dengan kredit. B. Wawancara Dalam tahapan ini melakukan wawancara kepada beberapa pihak yang terkait dalam hal ini berupa pegawai Bank Danamon Cab Jakarta Muara Karang yaitu Ibu Irene Sudjoko selaku Branch Manager (BM), Marketing dan Bagian Taksasi di Bank Danamon Indonesia Jakarta Muara Karang. Wawancara mengenai data kredit nasabah seperti pendapatan, pinjaman, angsuran, waktu dan kategori. C. Studi Pustaka Tahap ini merupakan landasan awal pada penelitian ini. Dari studi pustaka ini didapatkan banyak referensi dari data primer maupun data sekunder, yang didapat dari sumber buku-buku maupun internet. D. Kajian Literatur Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. (Kusumadewi, 2014) Simple Additive Weighting (SAW) Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan dari rating kinerja pada setiap alternatif dari semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) kesuatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. (Yusup, 2015) Langkah penyelesaian SAW sebagai berikut: Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 1. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 2. Membuat matriks keputusan berdasarkan Ci, kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 3. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. Formula untuk melakukan normalisasi tersebut adalah : { Jika j adalah atribut keuntungan (benefit) Jika j adalah attribute biaya (cost) Dimana r ij adalah rating kinerja ternormalisasi dari alternatif A i pada atribut C j : i = 1, 2,, m dan j = 1, 2,, n. Nilai preferensi untuk setiap alternatif (V i ) diberikan sebagai berikut: KNiST, 30 Maret

3 = Vi = nilai prefensi Wj = bobot rangking rij = rating kinerja ternormalisasi Nilai V i lebih besar mengindikasikan bahwa alternatif A i lebih terpilih. E. Kerangka Pemikiran Gambar 1. Kerangka pemikiran penelitian 3. Pembahasan 3.1 Analisa Analisis sistem adalah menguraikan atau menjelaskan sistem pengolahan data ke dalam komponen-komponen yang lebih kecil untuk memudahkan dalam perancangan nanti. Analisis ini diperlukan dalam penggambaran sistem yang sedang berjalan dan untuk mempelajari sistem yang ada. Dan untuk mempelajari sistem yang ada maka dilakukan penelitian pada objek yang bersangkutan sehingga selanjutnya dapat diketahui apakah sistem yang digunakan sudah baik atau masih memerlukan perbaikan. 3.2 Pemberian Bobot pemberian kredit terbagi atas enam kondisi dimana masing-masing kondisi terbagi atas beberapa dimensi dengan indikatorindikator tertentu pada setiap dimensi. Dalam penentuan pemberian kredit dapat ditentukan berdasarkan dari kelompok, klasifikasi, dan skor sesuai dengan kondisi calon debitur yang mengajukan kredit berdasarkan indikatorindikator yang dimiliki. Pemberian skor beraneka ragam tergantung banyaknya pilihan setiap pertanyaan. Berikut kriteria-kriteria pemberian kredit. Dari kriteria di atas, dibuat suatu tingkatan kiteria berdasarkan alternatif (nasabah) yang telah ditentukan kedalam nilai. Rating kecocokan setiap alternatif pada setiap kriteria sebagai berikut: Tabel 1. C1 Character 10% C2 Capacity 15% C3 Capital 15% C4 Collateral 20% C5 Condition of Economy 15% C6 Hasil BI Checking 25% A. Character Penilaian kriteria Character /watak terdiri dari data tentang kepribadian dari calon nasabah seperti sifat-sifat pribadi, kebiasaan seharihari, cara hidup, kondisi dan latar belakang keluarga maupun kesukaannya. Apabila keseluruhan indikator telah memenuhi syarat maka akan mendapatkan poin yang maksimal. Indikator yang dinilai antara lain : a. Dapat bersikap kooperatif b. Kondisi ekonomi baik c. Dapat menepati janji Bagaimana penilaian warga sekitar Tabel 2. Character Sangat Baik 4 Baik 3 Character Cukup 2 (Sifat) Buruk 1 Sangat Buruk 0 B. Capacity penerimaan kredit berdasarkan kategori capacity adalah : Kode Capacity (Lama Usaha) Tabel 3. Capacity Bobot (%) Lama usaha >= 5 tahun 4 Lama usaha >= 4 tahun 3 Lama usaha >= 3 tahun 2 Lama usaha >= 2 tahun 1 Lama usaha < 2 tahun 0 C. Capital penerimaan kredit berdasarkan kategori capital adalah : KNiST, 30 Maret

4 Tabel 4. Capital Capital > 30% 4 (Jumlah <= 30% 3 Modal Usaha <= 20% 2 Selain <= 10% 1 Pinjaman) 0% 0 D. Collateral penerimaan kredit berdasarkan kategori collateral adalah : Tabel 5. Collateral <80% Dari Nilai 4 Collateral (Besar Pinjaman = Nilai ) >=80% Dari Nilai >=100% Dari Nilai >=110% Dari Nilai >130% Dari Nilai E. Condition of Economy F. Hasil BI Checking penerimaan kredit berdasarkan kategori Hasil BI Checking adalah : Tabel 7. Hasil BI Checking Lancar 4 Dalam perhatian Hasil BI khusus 3 Checking Diragukan 2 Kurang lancar 1 Macet 0 Berdasarkan hasil analisis data kriteria nasabah dan rating kecocokan setiap alternatif pada setiap kriteria yang telah di tentukan, selanjutnya penjabaran alternatif setiap kriteria yang telah di konversikan dengan nilai. Berikut perhitungan berdasarkan kasus yang terjadi di Bank Danamon Cabang Muara Karang dengan data ada 5 calon debitur dari total 5 calon debitur yang mengajukan kredit di Bank Danamon Cabang Muara Karang pada bulan Mei-Juni Tabel 6. Condition of Economy Kode Bobot (%) Sangat Tidak Condition Berpengaruh 4 of Tidak Berpengaruh 3 Economy Kadang-kadang 2 Berpengaruh 1 Sangat Berpengaruh 0 Tabel 8. Alternatif alternatif Condition Of Hasil BI Character Capacity Capital Collaterall Economy Chechking TB Merki S Baik 4 T 20% 100% Toko Bangunan Lancar PT PSP S Baik 3 T 30% 60% Garmen Diragukan PT Tyrex S Baik 1 T 50% 80% Percetakan K_Lancar PT Radian S Baik 2 T 25% 130% Percetakan DPK CV Wijaya S Baik 2 T 15% 115% Plastik Lancar Berdasarkan data di atas, dibentuk matriks keputusan dengan tabel yang dikonversikan dengan nilai, seperti tabel berikut : Alterna tif Tabel 9. Rating Kecocokan C1 C2 C3 C4 C5 C6 A A A A A Karena dari masing-masing nilai yang diberikan pada masing-masing alternatif disetiap kriteria merupakan nilai kecocokan (nilai >= 60 berarti kredit dapat diterima dan jika nilai < 60 berarti kredit akan ditolak), maka semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan. Matriks keputusan dibentuk dari tabel kecocokan sebagai berikut : { } KNiST, 30 Maret

5 X Setelah dilakukan normalisasi matriks X berdasarkan persamaan diatas, kita ingat kembali untuk kriteria Benefitnya (Keuntungan) yaitu (C1, C2, C3 dan C6). Untuk normalisasi nilai, jika faktor Benefit (Keuntungan) digunakan rumusan : R ii = ( X ij / max{x ij }) Dari kolom C1 nilai maksimalnya adalah 4, maka tiap baris dari kolom C1 dibagi oleh nilai maksimal kolom C1. R11 = 4 / 4 = 1 R21 = 4 / 4 = 1 R31 = 4 / 4 = 1 R41 = 4 / 4 = 1 R51 = 4 / 4 = 1 Dari kolom C2 nilai maksimalnya adalah 3, maka tiap baris dari kolom C2 dibagi oleh nilai maksimal kolom C2. R12 = 3 / 3 = 1 R22 = 2 / 3 = 0.66 R32 = 1 / 3 = 0.33 R42 = 1 / 3 = 0.33 R52 = 1 / 3 = 0.33 Dari kolom C3 nilai maksimalnya adalah 4, maka tiap baris dari kolom C3 dibagi oleh nilai maksimal kolom C3. R13 = 2 / 4 = 0.50 R23 = 3 / 4 = 0.75 R33 = 4 / 4 = 1 R43 = 3 / 4 = 0.75 R53 = 2 / 4 = 0.50 Dari kolom C6 nilai maksimalnya adalah 4, maka tiap baris dari kolom C6 dibagi oleh nilai maksimal kolom C6. R16 = 4 / 4 = 1 R26 = 2 / 4 = 0.50 R36 = 1 / 4 = 0.25 R46 = 3 / 4 = 0.75 R56 = 4 / 4 = 1 Untuk Normalisasi nilai, jika faktor kriteria Cost digunakan rumus : R ii = (min{x ij } /X ij ) Dari kolom C4, nilai minimalnya adalah 1, maka tiap baris kolom C4 menjadi penyebut dari nilai maksimal kolom C4 R14 = 1 / 2 = 0.50 R24 = 1 /4 = 0.25 R34 = 1 /3 = 0.33 R44 = 1 / 0 = 1 R54 = 1 / 1 = 1 Dari kolom C5, nilai minimalnya adalah 3, maka tiap baris kolom C5 menjadi penyebut dari nilai maksimal kolom C5 R15 = 3 / 3 = 1 R25 = 3 / 4 = 0.75 R35 = 3 / 4 = 0.75 R45 = 3 / 4 = 0.75 R55 = 3 / 4 = 0.75 Masukan semua hasil penghitungan tersebut kedalam tabel yang kali ini disebut tabel faktor ternormalisasi Tabel 1.0 Faktor Ternormalisasi Proses perankingan diperoleh persamaan sebagai berikut: A1 = (1 * 10) + (1 * 15) + (0.50 * 15) + (1 * 20) + (0.50 * 15) + (1 * 25) A1 = 85 A2 = (1 * 10) + (0.66 * 15) + (0.75 * 15) + (0.50 * 20) + (0.25 * 15) + (0.75 * 25) A2 = A3 = (1 * 10) + (0.33 * 15) + (1 * 15) + (0.25 * 20) + (0.33 * 15) + (0.75 * 25) A3 = A4 = (1 * 10) + (0.33 * 15) + (0.75 * 15) + (0.75 * 20) + (1 * 15) + (0.75* 25) A4 = A5 = (1 * 10) + (0.33 * 15) + (0.50 * 15) + (1 * 20) + (1 * 15) + (0.75 * 25) A5 = Dari hasil nilai akhir maka didapatkan nilai sebagai berikut. A1 = 85 A2 = A3 = A4 = A5 = Jadi nilai A1, A2, A4, A5 dan A6 diatas bobot yang telah ditentukan yaitu >=60 layak untuk mendapatkan kredit sedangkan nilai A3 KNiST, 30 Maret

6 dengan nilai dibawah bobot yang telah ditentukan yaitu < 60 tidak layak untuk mendapatkan kredit. Dengan hasil di atas maka terdapat perbandingan antara metode yang dilakukan oleh pihak Bank Danamon yang dilakukan saat ini dengan metode Simple Additive Weighting (SAW) dimana metode yang dilakukan oleh pihak Bank Danamon Cabang Muara Karang menyatakan bahwa semua Calon Debitur berhak dan layak mendapatkan kredit sedangkan menggunakan metode SAW tidak semua calon debitur layak dapat kredit. Berikut perbandingannya : Tabel 11 Metode Perbandingan Nasabah Metode Yang Di Gunakan Bank Danamon SAW A1 Layak Layak A2 Layak Layak A3 Layak Tidak Layak A4 Layak Layak A5 Layak Layak Manfaat penelitian ini menghasilkan sebuah metode menentukan kelayakan pemberian kredit yang lebih akurat dari metode sebelumnya sehingga pihak bank terhindar dari kesalahan dalam mengambil keputusan. 4. Simpulan Dari hasil pengujian sistem yang telah dilakukan, maka dapat diambil beberapa kesimpulan diantaranya sebagai berikut : Metode Simple Additive Weighting (SAW) dapat digunakan untuk menyelesaikan permasalahan dalam Menenentukan Kelayakan Pemberian Kredit Pada Bank dengan hasil yang lebih baik dari metode sebelumnya. Pengurutan hasil akhir dari sistem dari nilai tertinggi hingga nilai terendah dapat memudahkan pihak Bank dalam membaca nilai nasabah yang dihasilkan sehingga pihak Bank terhindar dari adanya kredit macet. Untuk penelitian yang lebih lanjut perlu ditambahkan dengan kriteria-kriteria yang lain atau mengkombinasi dengan metode yang lain dalam menentukan kelayakan kredit sehingga menghasilkan hasil yang lebih baik lagi. Referensi Fahrizal B, A. I. (2013). Sistem pendukung keputusan untuk kredit pemilikan rumah Bank UOB menggunakan Metode Simple additive Weighting. Jurnal informatika Mulawarman, Kusumadewi, S. H. (2014). Fuzzy Multi Atrribute Decisioan Making(Fuzzy MADM). Yogyakarta: Graha Ilmu. Kusumadewi, S. P. (2010). Aplikasi Logika Fuzzy untuk pendukung keputusan. Yogyakarta: Graha Ilmu. Navia, L. R. (2015). Klasifikasi Nasabah menggunakan algoritma C45 sebagai dasar pemberian kredit. Jurnal Komtekinfo, Saputro, M. I., & Mardiana, T. (2015). AGEN CERDAS UNTUK PENENTUAN KELAYAKAN PEMBERIAN KREDIT KOPERASI SIMPAN PINJAM. Jurnal Teknik Komputer AMIK BSI, 1(2), Suhardi, G. (2006). Resiko dalam pemberian kredit perbankan. Jurnal Hukum Projustitia, Taswan. (2010). Manajemen perbankan Konsep Tehnik dan aplikasi. Yogyakarta: UPP STIM YKPN Yogyakarta. Yusup, M. (2015). Sistem Pendukung Keputusan Kelayakan Pemberian Kredit pada Nasabah dengan Metode Simple Additive Weighting. Jurnal Pelita Informatika Budi Darma, Zein, H. (2014). Aplikasi sistem pendukung keputusan pemberian kredit usaha rakyat menggunakan metode simple additive weighting. Jurnal Pelita Informatika Budi Darma, KNiST, 30 Maret