SISTEM PENDUKUNG KEPUTUSAN ANALISIS KELAYAKAN PEMOHON PINJAMAN MODAL SYARIAH MENGGUNAKAN KOMBINASI METODE SAW DAN TOPSIS

Transkripsi

1 Sstem Pendukung Keputusan Analss Kelayakan Pemohon Pnjaman Modal Syarah (Ardhanyat, Alf Gbran) SISTEM PENDUKUNG KEPUTUSAN ANALISIS KELAYAKAN PEMOHON PINJAMAN MODAL SYARIAH MENGGUNAKAN KOMBINASI METODE SAW DAN TOPSIS Ardhanyat Arfn 1, Alf Gbran Syarvan 2 Jurusan Teknk Informatka, Fakultas Teknolog Industr, Unverstas Islam Indonesa 1,2) Jl. Kalurang Km.14,5 Sleman, Yogyakarta E-Mal : 1 ABSTRACT Demand for Islamc busness captal loan by UMKM especally n BMT, has ncreased. On the other hand there are facts of nonperformng loans that harm the BMT. A rgorous selecton of MSMEs s requred to apply for loans. Durng ths tme, the selecton process s done by analyzng applcant data manually and based on the ntuton of credt analyst. And to provde accurate selecton results are not enough human ntuton alone, especally f faced wth a large number of applcants. The soluton s to use Decson Support System approach (SPK) whch wll gve consderaton of computer technology-asssted decson by processng data applcant and analyze ts feasblty. SPK combnes two methods of MCDM namely Smple Addctve Weghtng Method (SAW) and Technque for Order Preference by Smlarty to Ideal Soluton (TOPSIS). Assessment crtera used are 13 crtera / sub crtera: character, responsblty, personal habts, honesty, level of relgosty, busness management, busness equpment, human resources, busness locaton and monthly ncome. The results obtaned are selected 2 SMEs who are elgble to receve shara captal credt credt BMT from 25 sample data, the loan applcant's feasblty analyss s presented wth a rankng format. The fnal decson s decded by the BMT as the decson maker. Based on the test results, the accuracy of the SPK n gvng recommendaton of busness loan grantee s 76%. Keywords : MSMEs, Feasblty Analyss of Busness Loan Grantee, SAW, TOPSIS, Decson Support System (SPK). 1. PENDAHULUAN Pertumbuhan Usaha Mkro, Kecl dan Menengah (UMKM) d Indonesa berkembang pesat 5 tahun terakhr n dan member sumbangsf postf bag produk domestk bruto (PDB) serta penyerapan tenaga kerja (Kementeran Perndustran, 2016). UMKM memerlukan modal usaha untuk menggerakkan kegatan bsnsnya. Berbaga lembaga menawarkan kredt bag UMKM mula dar bank maupun lembaga non-bank. Namun sstem bunga yang dterapkan oleh lembaga keuangan konvensonal menjad beban bag pelaku bsns. Pelaku UMKM beralh kepada kredt modal usaha tanpa bunga yang dtawarkan oleh lembaga keuangan berbass syarah skala besar maupun kecl sepert Batul Maal wa Tamwl (BMT). Produk pembyaan BMT memlk peran terhadap perkembangan usaha dan penngkatan kesejahteraan pengusaha kecl (Prastawat & Darma, 2016). Sehngga, permntaan pnjaman modal usaha khususnya d BMT, mengalam kenakan. Dss lan terdapat fakta kredt - kredt bermasalah dar debtur yang mangkr mengembalkan modal sehngga mengganggu srkulas keuangan d lembaga keuangan tersebut (Normawat, 2016). Langkah antspasnya yakn dengan melakukan seleks yang ketat terhadap UMKM yang akan mengajukan pnjaman. Selama n, proses seleks dlakukan dengan menganalss data - data pemohon. Namun proses analss tersebut hanya berdasarkan ntus dar anals kredt dengan mengacu pada 5 krtera atau 5C s yakn character, captal, capacty, 81

2 Teknon Vol. 23 No. 2 Jun 2017 : condton dan collateral (Saunders & Allen, 2002) kemudan hasl analssnya dberkan kepada pengambl kebjakan d lngkungan BMT. Padahal untuk memberkan hasl seleks yang akurat tdak cukup ntus manusa saja, apalag jka dhadapkan pada pemohon yang berjumlah banyak. Oleh karena tu, dperlukan suatu pendekatan untuk mendukung atau menngkatkan pengamblan keputusan, pendekatan n dnamakan sebaga Sstem Pendukung Keputusan (SPK) (Turban, 2005), dalam konteks pemberan pnjaman modal syarah kepada pemohon. Pendekatan SPK akan memberkan pertmbangan keputusan berbantuan teknolog komputer dengan cara mengolah data - data pemohon serta menganalss kelayakannya. SPK menerapkan model pengamblan keputusan tertentu. Terdapat beberapa model keputusan yang telah dgunakan dalam peneltan terdahulu pada doman masalah penyeleksan penerma pnjaman kredt, sepert menggunakan metode Mult Factor Evaluaton Process (MFEP) (Haryanto, 2013) Logka Fuzzy (Pusptarn, 2015) dan Credt Scorng (Khusumawardan, Satswaty & Ramadhan, 2016). Makalah n mengajukan metode kombnas Smple Addtve Weghtng (SAW) dan Technque for Order Preference by Smlarty to Ideal Soluton (TOPSIS). Keduanya merupakan model keputusan Multple Crtera Decson Makng (MCDM) (Hamd dan Eldn, 2012). Dalam masalah penyeleksan kelayakan pemohon pnjaman modal memlk crr - cr khas masalah MCDM, yatu masalah tersebut memlk banyak krtera penlaan dan alternatf (pemohon) yang dberkan secara eksplst. Makalah n bertujuan untuk memaparkan penerapan metode kombnas SAW dan TOPSIS untuk analss kelayakan pemohon pnjaman modal syarah pada BMT dalam suatu Sstem Pendukung Keputusan. 2. METODE PENELITIAN Langkah - langkah peneltan yang dlakukan yakn dtunjukkan oleh gambar Identfkas Masalah Persoalan yang dhadap adalah bagamana memlh pemohon UMKM yang layak untuk menerma pnjaman modal usaha. Keputusan yang akan dambl adalah mendapatkan UMKM yang layak untuk dberkan pnjaman modal usaha. Pengambl keputusan adalah phak BMT sebaga kredtur. Stud kasus dlakukan terhadap BMT Agawe Makmur, Sleman, Yogyakarta. Teknk pengumpulan data yang dgunakan adalah stud lteratur dan wawancara. Teor - teor yang dkaj melput teor - teor SAW dan TOPSIS. Gambar 1. Bagan Langkah Peneltan. 82

3 Sstem Pendukung Keputusan Analss Kelayakan Pemohon Pnjaman Modal Syarah (Ardhanyat, Alf Gbran) Smple Addctve Weghtng Method (SAW) Konsep dasar metode Smple Addtve Weghtng (SAW) yatu mencar penjumlahan terbobot dar ratng knerja pada setap alternatf pada semua krtera. Metode SAW membutuhkan proses normalsas matrks keputusan (X) ke suatu skala yang ddapat dperbandngkan dengan semua ratng alternatf yang ada (Kusumadew, Hartat, Harjoko, Wardoyo, 2006). Matrks keputusan ternormalsas metode SAW yatu : xj, jka jadalah krterabeneft Maks_ xj r j...(1) Mn_ xj, jka jadalah krteracost xj Notas r j merupakan ratng knerja ternormalsas dar alternatf A pada atrbut pada atrbut C j : = 1,2.,m dan j = 1,2,n. Nla preferens untuk setap alternatf (V) dberkan rumus (2). n v w r...(2) j1 j j Notas W j adalah nla bobot rangkng (dar setap krtera). Nla V yang lebh besar mengndkaskan bahwa alternatf A lebh terplh Technque For Order Preference By Smlarty To Ideal Soluton (TOPSIS) Beberapa langkah yang dlakukan untuk menyelesakan permasalahan MADM dengan metode TOPSIS yatu (Kusumadew, Hartat, Harjoko, Wardoyo, 2006) : 1. Membuat matrks keputusan yang ternormalsas (r j). xj r, 1,2,...,m; j 1,2,...,n...(3) j m 1 x 2 j 2. Membuat matrks keputusan yang ternormalsas terbobot. Ratng bobot ternormalsas (y j ) adalah : y w r ; 1,2,..., m; j 1,2,..., n...(4) j j 3. Menentukan matrks solus deal postf dan matrks solus deal negatf y y,..., y ; A 1, 2 n...(5) ; A y y,..., y...(6) 1, 2 n Dengan aturan sebaga berkut n: max _ yj; jka jadalah krterabeneft y j...(7) mn _ yj; jka jadalah krteracost mn _ yj ; jka jadalah krterabeneft y j...(8) max _ yj ; jka jadalah krteracost 4. Menentukan jarak antara nla setap alternatf dengan matrks solus deal postf & matrks solus deal negatf n y y j 2 D ; 1,2,..., m...(9) j 1 n y j y 2 D ; 1,2,..., m...(10) j 1 5. Menentukan nla preferens untuk setap alternatf (V). V D...(11) ; 1,2,..., m D D 83

4 Teknon Vol. 23 No. 2 Jun 2017 : Penentuan keputusun dbuat berdasarkan nla V yang lebh besar yang menunjukkan bahwa alternatf A lebh dplh Pemodelan Keputusan Model MCDM dgunakan untuk merepresentaskan masalah penentuan kelayakan pemohon pnjaman modal syarah. Solus bag model adalah kombnas 2 metode MCDM yakn SAW dan TOPSIS. Metode SAW dgunakan dalam proses perangkngan calon pemnjam, sedangkan metode TOPSIS dgunakan untuk menghtung nla sub - sub krtera. Krtera penlaan dan sub krtera yang akan dgunakan beserta metodenya dapat dlhat pada gambar 2. Gambar 2. Pemodelan Keputusan 84

5 Sstem Pendukung Keputusan Analss Kelayakan Pemohon Pnjaman Modal Syarah (Ardhanyat, Alf Gbran) Tabel 1. Krtera / Sub Krtera dan Nla Kecocokannya Notas Nama Krtera / Sub Krtera Nla Kecocokan C1 Karakter (Character) Dambl dar nla preferens dengan TOPSIS C11 Tanggung Jawab 1 = kurang bertanggung jawab. 2= cukup bertanggung jawab. 3 = bertanggung jawab. 4 = sangat bertanggung jawab. C12 Kebasaan Prbad 1 = kurang bak. 2 = cukup bak 3 = bak. 4 = sangat bak. C13 Kejujuran 1= rendah. 3= sedang. 5 = tngg. C14 Tngkat Relgustas 1 =rendah. 3 =sedang. 5 = tngg. C2 Jamnan (Collateral) Rupah C3 Konds Usaha (Condton) Dambl dar nla preferens dengan TOPSIS C31 Manajemen Usaha 1 =kurang bak. 2 =cukup bak 3 = bak. 4=sangat bak. C32 Peralatan Usaha 1 =kurang lengkap. 2 =cukup lengkap 3 =lengkap. 4=sangat lengkap. C33 SDM Perorang C4 Produkttas Usaha (Capacty) Dambl dar nla preferens dengan TOPSIS C41 Lokas Usaha 1 =mudah djangkau. 3=sult djangkau. C42 Pendapatan Perbulan Rupah Data - data UMKM calon pemnjam beserta san penlaan yang dberkan phak BMT serta bobot kepentngan untuk masng - masng krtera dperoleh dar wawancara. Tahapan pembuatan model keputusan melalu langkah - langkah berkut : 1. Penetapan krtera / sub krtera serta nla kecocokannya pada setap alternatf, durakan secara lengkap pada tabel Penentuan alternatf keputusan. Alternatf merupakan obyek - obyek yang akan menjad kanddat plhan yakn UMKM yang mengajukan permohonan pnjaman d BMT. Data sampel yang dgunakan sebanyak 25 UMKM. 3. Penetapan bobot kepentngan setap krtera dan sfatnya dapat dlhat d tabel 2. 85

6 Teknon Vol. 23 No. 2 Jun 2017 : Tabel 2. Bobot Kepentngan dan Sfat Notas Krtera Bobot Sfat C1 Karakter (Character) 4 Beneft C11 Tanggung Jawab 4 Beneft C12 Kebasaan Prbad 4 Beneft C13 Kejujuran 4 Beneft C14 Tngkat Relgustas 4 Beneft C2 Jamnan (Collateral) 3 Beneft C3 Konds Usaha (Condton) 3 Beneft C31 Manajemen Usaha 4 Beneft C32 Peralatan Usaha 3 Beneft C33 Sumber Daya Manusa (SDM) 3 Beneft C4 Produktvtas Usaha (Capacty) 3 Beneft C41 Lokas Usaha 2 Cost C42 Pendapatan Perbulan 3 Beneft 2.3. Perancangan SPK Perancangan SPK terdr atas 3 komponen SPK yakn : 1. Sub sstem manajemen data. Bers hmpunan data yang dsmpan dalam bass data berupa data logn dan data UMKM. 2. Sub sstem manajemen bass model. Bers data yang memuat komponen pemodelan MCDM dengan metode SAW dan TOPSIS sepert data krtera dan sub krtera beserta bobot dan nlanya, nla preferens hasl perhtungan dengan TOPSIS dan nla rangkng hasl perhtungan SAW. 3. Sub sstem manajemen dalog. Bers ragam dalog antara sstem dengan pengguna. Penyajannya secara logk drepresentaskan melalu perancangan dagram use case (lhat gambar 3), dagram aktvtas (lhat gambar 4) dan antarmuka pengguna. 86

7 Sstem Pendukung Keputusan Analss Kelayakan Pemohon Pnjaman Modal Syarah (Ardhanyat, Alf Gbran) 3. HASIL & PEMBAHASAN 3.1. Penerapan Metode TOPSIS dan SAW Tabel 3. Hasl Perhtungan Level 2 Krtera Calon Pemnjam C1 C2 C3 C4 UMKM ,000, UMKM ,500, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,500, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,000, UMKM ,500, UMKM ,500, UMKM ,000,

8 Teknon Vol. 23 No. 2 Jun 2017 : Gambar 3. Dagram Use Case. Gambar 4. Actvty Dagram. 88

9 Sstem Pendukung Keputusan Analss Kelayakan Pemohon Pnjaman Modal Syarah (Ardhanyat, Alf Gbran) Tabel 4. Hasl Perhtungan Level 1 Calon Pemnjam Nla Hasl Seleks UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM UMKM

10 Teknon Vol. 23 No. 2 Jun 2017 : Tabel 5. Hasl Pengujan No Pemohon Pnjaman Hasl SPK Hasl Non SPK Status 1 UMKM 1 Tdak layak Tdak layak Cocok 2 UMKM 2 Tdak layak Layak Tdak Cocok 3 UMKM 3 Tdak layak Tdak layak Cocok 4 UMKM 4 Tdak layak Layak Tdak Cocok 5 UMKM 5 Layak Layak Cocok 6 UMKM 6 Tdak layak Tdak layak Cocok 7 UMKM 7 Tdak layak Tdak layak Cocok 8 UMKM 8 Tdak layak Tdak layak Cocok 9 UMKM 9 Tdak layak Tdak layak Cocok 10 UMKM 10 Tdak layak Tdak layak Cocok 11 UMKM 11 Tdak layak Layak Tdak Cocok 12 UMKM 12 Tdak layak Tdak layak Cocok 13 UMKM 13 Tdak layak Layak Tdak Cocok 14 UMKM 14 Tdak layak Tdak layak Cocok 15 UMKM 15 Tdak layak Layak Tdak Cocok 16 UMKM 16 Tdak layak Tdak layak Cocok 17 UMKM 17 Tdak layak Tdak layak Cocok 18 UMKM 18 Tdak layak Tdak layak Cocok 19 UMKM 19 Tdak layak Tdak layak Cocok 20 UMKM 20 Tdak layak Tdak layak Cocok 21 UMKM 21 Tdak layak Tdak layak Cocok 22 UMKM 22 Tdak layak Tdak layak Cocok 23 UMKM 23 Tdak layak Tdak layak Cocok 24 UMKM 24 Layak Layak Cocok 25 UMKM 25 Tdak layak Tdak layak Cocok 90

11 Sstem Pendukung Keputusan Analss Kelayakan Pemohon Pnjaman Modal Syarah (Ardhanyat, Alf Gbran) Metode TOPSIS dgunakan pada perhtungan sub krtera level 2. Perhtungan dlakukan dengan membuat matrks keputusan ternormalsas pada setap sub krtera yatu tanggung jawab, kebasaan prbad, kejujuran, tngkat relgustas, manajemen usaha, peralatan usaha, SDM, lokas usaha, dan jumlah pendapatan. Setelah tu dlanjutkan dengan membuat matrks ternormalsas terbobot dengan mengalkan setap nla bobot sub krtera. Langkah selanjutnya, menentukan matrks solus deal postf dan negatf beserta jarak antara nla tap alternatf. Setelah tu akan ddapatkan hasl akhr dar perhtungan level 2. Hasl akhr perhtungan level 2 sesua dengan tabel 3. Perhtungan pada krtera level 1 dlakukan setelah nla sub krtera level 2 ddapat. Metode SAW dgunakan pada krtera level 1. Hasl dar perhtungan n adalah hasl akhr dar seleks calon penerma pnjaman modal usaha syarah. Hasl perhtungan nla krtera level 1 dapat dlhat pada tabel 4. Nla hasl seleks dambl dar nla preferens (V). Rekomendas keputusan adalah calon pemnjam dengan nla V terbesar yakn UMKM 5 dan UMKM Pengujan Hasl pengujan n, menunjukkan bahwa tngkat akuras SPK yatu 76%. Tabel 5 menunjukkan bahwa dar 25 data sampel, 20 data yang dbandngan cocok dan 5 data lag menunjukkan ketdakcocokan. Hasl analss SPK merekomendaskan 2 UMKM (UMKM 5 dan UMKM 24) sementara hasl analss non SPK mengusulkan 7 UMKM (UMKM 2, UMKM 4, UMKM 5, UMKM 11, UMKM 13, UMKM 15 dan UMKM 24) yang layak sebaga penerma pnjaman modal usaha syarah. 4. KESIMPULAN Kombnas Metode TOPSIS dan SAW berhasl dterapkan pada SPK untuk menganalss kelayakan pemohon pnjaman modal usaha syarah dan sesua dengan kebutuhan BMT Agawe Makmur. Hasl pengujan menunjukkan bahwa tngkat akuras SPK adalah 76%. SPK merekomendaskan 2 UMKM yang layak menerma kredt dar 25 UMKM yang mengajukan permohonan DAFTAR PUSTAKA Hamd, A.R., dan Eldn, Z., A Decson Support System for Performance Evaluaton, IJCA Specal Issue on Computatonal Intellgence & Informaton Securty", CIIS,1-8. Haryanto, D., Sstem Pendukung Keputusan Pemberan Kredt Dengan Menggunakan Metode MFEP Untuk Mengurang Resko Kredt. Jurnal Teknk Informatka (JUTEKIN), 1(2), Khusumawardan, Y., dan Statswaty., Ramadhan, R., Sstem Pendukung Keputusan Penlaan Calon Debtur Penerma Kredt Modal Kerja Bank Sultra Menggunakan Credt Scorng. SemanTIK, 2(2), Normawat, Dampak Kredt Macet Pembayaan Mudharabah Terhadap Proyeks Pendapatan Pada BMT UGT Sdogr Cabang Jombang. Thess. Ilmu Admnstras dan Bsns, Unverstas Pesantren Tngg Darul Ulum. Kusumadew, S., Hartat, S., Harjoko, A., Wardoyo, R., Fuzzy Mult- Attrbute Decson Makng (Fuzzy MADM), Graha Ilmu, Yogyakarta- Indonesa. 91

12 Teknon Vol. 23 No. 2 Jun 2017 : Prastawat, F., dan Darma, S. E., Peran Pembayaan Batul Maal Wat Tamwl Terhadap Perkembangan Usaha dan Penngkatan Kesejahteraan Anggotaanya dar Sektor Mkro Pedagang Pasar Tradsonal. Jurnal Akuntans dan Investas, 17 (2), Pusptarn, E., Kusrn, dan Lutf, E. T., Sstem Penunjang Keputusan Pemberan Kredt Menggunakan Logka Fuzzy. Konferens Nasonal Sstem & Informatka, Saunders, A., dan Allen, L., Credt Rsk Measurement : New Approaches to Value at Rsk and Other Paradgms second edton. Wley Publsher. Turban, E., Deccon Support System and Intellgent Systems 7th Ed. New Jersey: Prentce Hall. 92