ANALISIS PEMBERIAN KREDIT MOBIL DENGAN PENDEKATAN METODE FUZZY-MAMDANI (STUDI KASUS : PT ASTRA CREDIT COMPANIES CABANG DAIHATSU CIBUBUR) Andrian Yamin Jurusan Akuntansi Universitas Gunadarma Depok Jl. Margonda raya No.100 email: andrianyamin@ymail.com ABSTRAK Tujuan dari penelitian ini adalah untuk mengetahui cara kerja metode fuzzy-mamdani dalam menentukan diterima atau ditolaknya suatu pengajuan kredit mobil yang berguna sebagai salah satu alternatif perusahaan dalam menganailis suatu pengajuan kredit. Data yang digunakan adalah data primer dari Perusahaan PT.ACC berupa data calon debitur yang belum diolah dan data sekunder yaitu data keputusan kredit tersebut. Metode pengambilan sampel yang digunakan adalah random sampling dengan tidak memeperhatikan jenis sebanyak 20 sampel. Model analisis yang digunakan adalah Fuzzymamdani dengan bantuan software MATLAB R2007b.Berdasarkan hasil penelitian diperoleh menunjukan bahwa Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepat diterima atau ditolaknya suatu pengajuan kredit mobil. dan dari hasil penelitian ini terdapat beberapa perbedaan keputusan antara keputusan yang dibuat perusahaan dan keputusan dengan menggunakan metode fuzzy dan perusahaan dapat menghindari kredit yang riskan akan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E yang dianggap layak oleh perusahaan tetapi tidak layak apabila menggunakan Fuzzy mamdani sehingga dapat mengurangi resiko kerugian. dan berdasarkan fuzzy mamdani, pengajuan kredit atas nama Nurikmah dan uki Irwansyah yang ditolak oleh perusahaan adalah layak untuk diterima, sehingga dapat menambah pemasukan perusahaan dan menambah keuntungan perusahaan.kata Kunci : Ketidakpastian, Penentuan Kredit mobil, Logika fuzzy. Pendahuluan Perkembangan dan kemajuan zaman saat ini berdampak pada tingginya kebutuhan manusia untuk melakukan mobilitas dalam aktifitasnya sehari-hari. Kendaraan sebagai alat transportasi menjadi kebutuhan yang sulit diabaikan keberadaanya, karena sangat berperan penting untuk memenuhi seluruh aktifitas dan mobilitas manusia sehari-hari. Kebutuhan terhadap kendaraan ini khususnya kendaraan roda empat terkadang tidak dapat terpenuhi karena faktor finasial dan tingginya harga yang harus dibayar untuk memilikinya.mengingat harganya yang mahal maka akan kesulitan bagi sebagian orang untuk memilikinya
Karena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Companies sebagai salah satu perusahaan pembiayaan tersebut hadir untuk menawarkan solusi bagaimana bisa memiliki kendaraan tanpa harus membeli secara tunai, PT Astra Credit Companies adalah suatu perusahaan yang tergabung dalam astra group yang memberikan kemudahan bagi calon pelanggan untuk bisa memiliki kendaran khususnya mobil dengan cara pembelian kredit. Namun untuk menyetujui suatu pengajuan kredit ada beberapa factor yang harus diperhatikan oleh seorang credit analys sebagai dasar untuk jaminan bahwa seorang debitur akan melunasi hutangya dengan baik. Seorang credit analys harus memperhatikan aspek 5C yaitu collateral, capacity, capital, character, condition. Dengan memperhatikan factor factor tersebut. RumusanMasalah Berdasarkan latar belakang masalah diatas dapat dirumusukan permasalahan sebagai berikut: 1. Apakah metode Fuzzy dapat menganalisa secara tepat diterima atau ditolaknya suatu pengajuan kredit mobil? Batasan Masalah Untuk membatasi luasnya penjabaran dan pembahasan dalam penulisan skripsi ini maka penulis menggunakan data pengajuan kredit mobil PT ACC yaitu 20 calon debitur yang diambil secara acak sejak tahun 2010 sampai dengan tahun 2011. Tujuan Penelitian Adapun Tujuan Dari penulisan Skripsi ini Adalah : Mengetahui cara kerja metode fuzzy-mamdani dalam menentukan diterima atau ditolaknya suatu pengajuan kredit mobil. Manfaat Penelitian 1. Manfaat Akademis Adapun manfaat akademis penulisan ini adalah untuk menambah pengetahuan dan wawasan,baik bagi penulis maupun bagi pembaca agar lebih memahami tentang materi yang disajikan dan sampai sejauh mana penulis dapat menerapkan ilmu-ilmu
yang telah diperoleh didalam perkuliahan serta kemampuan penulis dalam memecahkan masalah. 2. Manfaat Praktis Hasil penulisan ini diharapkan dapat bermanfaat bagi perusahaan khususnya PT. ACC. Yaitu dalam meganalisa suatu permohonan kredit dapat mengandalkan salah satu alternatif lain yaitu pendekatan logika fuzzy Dasar Teori Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada diluar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang menjadi konsep dasar munculnya konsep logika fuzzy. Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota dan bukan anggota. Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatuhimpunan A, yang sering ditulis dengan µ A [x], memiliki 2 kemungkinan, yaitu ( Kusumadewi, 2003: 156 ) : - Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. - Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunanbilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif (Kusumadewi, 2003: 159 ). Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semestpembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy (Kusumadewi, 2001:12 ).
Fungsi keanggotaan ( membership function) adalah suatu kurva yang mejukkan pemetaan titik-titik input data kedalam nilai keanggotaan yang meminterval antara 0 sampai 1 Salah satu cara yang dapat digunakan untuk mendapatkannilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi bisa digunakan diantaranya : 1.representasi linear 2.representasi segitiga 3.representasi trapesium 4.representasi kurva bentuk bahu 5.representasi kurva S 6.representasi bentuk lonceng Sistem Inferensi Fuzzy Metode Mamdani Metode mamdani sering juga dikenal dengan nama metode min max. Metodini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapaoutput diperlukan 4 tahapan, diantaranya : 1. Pembentukan himpunan fuzzy Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2. Aplikasi fungsi implikasi Pada Metode Mamdani, fungsi implikasi yang digunakan adalah min. 3. Komposisi aturan Metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu Metode max (maximum). Secara umum dapat dituliskan : µsf[xi] = max (µsf [Xi], µkf [Xi]) Dengan : µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke i µkf [Xi]) = nilai keanggotaan konsekuan fuzzy aturan ke i 4. Penegasan (defuzzy) Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode centroid. Dimana pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. Secara umum dirumuskan (Bo Yuan, 1999) :
Pengumpulan dan Pengolahan Data Pengumpulan Data Dalam penulisan ini menggunakan data Primer dan sekunder. Data Primer berupa data 20 orang calon debitur PT ACC yang diambil secara acak dalam periode September 2010 sampai juli 2011yang diberikan untuk keperluan penelitian ini. Sedangakan data sekunder didapat melalui Studi pustaka Untuk mencari perbedaan antara metode yang dipalai perusahaan dengan metode fuzzy dibutuhkan data pengajuan dan keputusan Kredit perusahaan terhadap calon debiturnya. Dapat dilihat pada tabel 1
no Calon debitur DP (jutaa n) Tempat tinggal profesi Pengh asilan pokok Pengh asilan tamba han Jml. tang gun gan Perputa ran kas Reputasi Keadaan global Keputusan 1 Boih sustiawan 20 sederhana PNS 6.4 6 4 Kecil Baik Stabil Diterima 2 Putut wibisono 15 sederhana marinir 3.7 9 4 Sedang Baik Stabil Diterima 3 Gugun gunadi 10 menengah karyawan 4 7 3 Besar Baik Stabil Diterima 4 Siti mardianti 18,5 Sederhana karyawan 1.3 2 4 Sangat besar Baik Stabil Diterima 5 Made sukarma 10 Sederhana direktur 11 0 4 Besar Baik Stabil Diterima 6 Adhel cornelis 10 Mewah karyawan 26.5 0 3 Besar Baik Stabil Diterima 7 Krisna pramono 10 Sederhana PNS 8.4 3.2 4 Sedang Baik Stabil Diterima 8 Amdy rifanie 30 Sederhana TNI AU 4 0 4 Kecil Baik Stabil Diterima 9 Prana mangun 15 Menengah Pemilik perusahaa n 35 0 3 Sangat besar Baik Stabil Diterima 10 Imron sobari 15 sederhana karyawan 4 5 4 Besar Baik Stabil Diterima 11 Erwin ruhiyat 20 Kontrak karyawan 6 0 3 Sedang Buruk Stabil Diterima 12 nurikmah 10 kontrak sederhana 17 0 2 Sedang Baik Stabil Ditolak 13 Ferry E 15 kontrak karyawan 4 0 4 Kecil Baik Stabil Diterima 14 Fauzi dinor 10 Menengah karyawan 16 0 3 Sedang Baik Stabil Diterima 15 Zoelkifli anwar 10 Menengah karyawan 12 0 4 Sedang Baik Stabil diterima 16 Lukman effendi 35 Mewah Pemilik 28 14 4 Sangat Baik Stabil Diterima
perusahaa n besar 17 Robby H 10 Kontrak karyawan 4 0 4 Sedang Buruk Stabil Ditolak 18 Uki irwansyah 15 Kontrak karyawan 2.5 8 4 sedang Baik Stabil Ditolak 19 Fachruddin 10 Menengah PNS 14 4 2 20 Rayanti 35 Mewah karyawan 7.5 13 2 Sangat besar Sangat besar Baik Stabil Diterima Buruk Stabil Diterima * DP, Penghasilan Tambahan dan Penghasilan pokok disajikan dalam jutaan Rupiah Tabel 1.Data pengajuan dan keputusan kredit PT. ACC
Pengolahan Data Untuk membuat suatu fuzzy inference system yang didasari pada tabel1 diatas, langkah pertama adalah kita harus mengklasifikasikan atau membuat himpunan pada setiap masing-masing varibel yang digunakan. ini juga yang membedakan antara metode sebelumnya yaitu hanya membuat klasifikasi kelas pada beberapa varibel saja, sedangkan pada metode fuzzy kita harus membuat himpunan pada setiap variabel Berdasarkan hal tersebut kita harus menentukan nilai masing-masing varibel yang berbentuk linguistik seperti pekerjaan, tempat tinggal, reputasi, kondisi ekonomi, perputaran kas, dan approval kedalam bentuk numeric atau angka dalam tabel 2 berikut kita akan liat penentuan nilai variabel- variabel tersebut Variabel Kelompok Himpunan Nilai Karyawan 1 PNS/TNI/POLRI/Pendidik 2 Pekerjaan Direktur 3 Pemilik perusahaan 4 Input Output Kontak/ menumpang 1 tempat tinggal Sederhana 2 Menengah 3 mewah 5 reputasi Buruk 0 baik 1 Kondisi global Tidak stabil 0 stabil 1 kecil 1 Perputaran kas sedang 2 Besar 3 Sangat besar 4 approval reject 0 approve 1 Tabel 2 Penentuan nilai variabel
Langkah selanjutnya pada Tabel 3 dan 4, kita akan membuat penentuan varibel dan semesta pembicaraan pada tabel 3 dan pembentukan himpunan fuzzy pada tabel 4. fungsi Variabel Semesta pembicaraan keterangan DP (x1) [10-30] Jumal DP Dalam bentuk persentase Tempat tinggal (x2) [1-4] Kondisi tempat tinggal saat melakukan survey Pekerjaan (x3) [1-4] Jenis pekerjaan debitur Penghasilan (x4) [1.3 35] Penghasilan er bulan dalam jutaan rupiah input Penghasilan tambahan (X5) [2-14] Penghasilan tambahan keluarga Tanggungan (x6) [1-4] Tanggungan debitur, anak kandung dll. Perputaran kas (x7) [1-4] dilihat dari buku tabungan 3 bulan terakhir Reputasi (x8) [0-1] Kondisi global (x9) [0-1] output approval [0-1] Reputasi seorang debitur mempengaruhi kemampuan debitur untuk melunasi hutang Hasil keputusan tim analis diterima atau ditolak suatu pengajuan kredit Tabel 3. Penentuan variabel dan semesta pembicaraan
fungsi Variabel Semesta pembicaraan keterangan DP (x1) [10-30] Jumal DP Dalam bentuk persentase Tempat tinggal (x2) [1-4] Kondisi tempat tinggal saat melakukan survey Pekerjaan (x3) [1-4] Jenis pekerjaan debitur Penghasilan (x4) [1.3 35] Penghasilan er bulan dalam jutaan rupiah input Penghasilan tambahan (X5) [2-14] Penghasilan keluarga tambahan Tanggungan (x6) Perputaran kas (x7) [1-4] [1-4] Tanggungan debitur, anak kandung dll. dilihat dari buku tabungan 3 bulan terakhir Reputasi (x8) [0-1] Reputasi seorang debitur mempengaruhi Kondisi global [0-1] kemampuan debitur (x9) untuk melunasi hutang Hasil keputusan tim output approval [0-1] analis diterima atau ditolak suatu pengajuan kredit Tabel 4. Himpunan Fuzzy Langkah selanjutnya adalah membuat fungsi keanggotaan untuk tiap variabel, yaitu Jumlah uang muka yang dibayarkan calon debitur, Kondisi tempat tinggal calon debitor, Jenis pekerjaan/ profesi seorang calon debitor, Penghasilan perbulan seorang debitur, Penghasilan tambahan seorang debitur, Jumlah taggungan yang ditanggung oleh calon debitor, Perputaran kas seorang calon debitor, Karakter calon debitor, dan Keadaan global kondisi ekonomi. Dan hasil keputusan kredit.
7. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan is PNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan is sedikit) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 8. if (DP is Besar) and (tempat tinggal is sederhana) and (pekerjaan is PNS/TNI/PORLI/Pendidik) and (penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan is sedikit) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 9. if (DP is rendah) and (tempat tinggal is menengah) 34 and (penghasilan pokok is besar) and (penghasilan lain is kecil) and (tanggungan is cukup) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 10. if (DP is rendah) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and (penghasilan pokok is rendah) and (penghasilan lain is sedang) and (tanggungan is sedikit) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 11. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan is cukup) and (perputaran kas is sedang) and (reputasi is buruk) and (keadaan global is stabil) then (approval is reject) 12. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan is menengah) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global is stabil) then (approval is reject) 13. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan is sedikit) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global is stabil) then (approval is reject) 14. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and (penghasilan pokok is cukup besar) and (penghasilan lain is kecil) and (tanggungan is cukup) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 15. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is karyawan) and (penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan is sedikit) and (perputaran kas is sedang) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 16. if (DP is Besar) and (tempat tinggal is mewah) 34 and (penghasilan pokok is cukup besar) 54 and (tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 17. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is rendah) and (penghasilan lain is kecil) and (tanggungan is sedikit) and (perputaran kas is sedang) and (reputasi is buruk) and (keadaan global is stabil) then (approval is reject)
18. if (DP is rendah) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is rendah) and (penghasilan lain is besar) and (tanggungan is sedikit) and (perputaran kas is besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 19. if (DP is rendah) and (tempat tinggal is menengah) and (pekerjaan is PNS/TNI/PORLI/Pendidik) and (penghasilan pokok is cukup) and (penghasilan lain is kecil) and (tanggungan is menengah) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 20. if (DP is Besar) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and (penghasilan pokok is rendah) ) and (perputaran kas is sangat besar) and (tanggungan is menengah) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 21. if (DP is besar) and (tempat tinggal is mewah) and (pekerjaan is pemilik perusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and (tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 22. if (DP is sedang) and (tempat tinggal is mewah) and (pekerjaan is pemilik perusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and (tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 23. if (DP is sedang) and (tempat tinggal is sederhana) and (pekerjaan is pemilik perusahaan) and (penghasilan pokok is besar) and (penghasilan lain is besar) and (tanggungan is sedikit) and (perputaran kas is sangat besar) and (reputasi is baik) and (keadaan global is stabil) then (approval is approve) 24. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan is banyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global is tidak stabil) then (approval is reject) 25. if (DP is kecil) and (tempat tinggal is sederhana) and (pekerjaan is karyawan) and (penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan is banyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global is tidak stabil) then (approval is reject) 26. if (DP is kecil) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is besar) and (penghasilan lain is kecil) and (tanggungan is banyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global is tidak stabil) then (approval is reject) 27. if (DP is kecil) and (tempat tinggal is mewah) and (pekerjaan is karyawan) and (penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan is banyak) and (perputaran kas is kecil) and (reputasi is buruk) and (keadaan global is tidak stabil) then (approval is reject) 28. if (DP is sedang) and (tempat tinggal is kontrak) and (pekerjaan is karyawan) and (penghasilan pokok is kecil) and (penghasilan lain is kecil) and (tanggungan is banyak) and (perputaran kas is kecil) and (reputasi is baik) and (keadaan global is tidak stabil) then (approval is reject)
no Calon debitur X1 X X X4 X5 X6 X7 X8 X9 keputusan output 2 3 1 Boih sustiawan 20 2 2 6.4 6 4 1 1 1 0,81 DITERIMA 2 Putut wibisono 15 2 2 3.7 9 4 2 1 1 0,86 DITERIMA 3 Gugun gunadi 10 3 1 4 7 3 3 1 1 0,77 DITERIMA 4 Siti mardianti 18, 2 1 1.3 2 4 4 1 1 DITERIMA 0,81 5 5 Made sukarma 10 2 3 11 0 4 3 1 1 0,89 DITERIMA 6 Adhel cornelis 10 4 1 26. 0 3 3 1 1 DITERIMA 0,86 5 7 Krisna pramono 10 2 2 6.4 3.2 4 2 1 1 0,48 DITOLAK 8 Amdy rifanie 30 2 2 4 0 4 1 1 1 0.89 DITERIMA 9 Prana mangun 15 3 4 35 0 3 4 1 1 0,92 DITERIMA 10 Imron sobari 15 2 1 4 5 4 3 1 1 0,77 DITERIMA 11 Erwin ruhiyat 20 1 1 6 0 3 2 0 1 0,44 DITOLAK 12 nurikmah 10 2 1 16 0 2 1 1 1 0,52 DITERIMA 13 Ferry E 10 1 1 4 0 4 1 1 1 0,44 DITOLAK 14 Fauzi Diterimainor 10 3 1 16 0 3 2 1 1 0,77 DITERIMA 15 Zoelkifli anwar 10 3 1 12 0 4 2 1 1 0,77 DITERIMA 16 Lukman effendi 35 4 4 28 14 4 4 1 1 0,96 DITERIMA 17 Robby H 10 1 1 4 0 4 2 0 1 0,44 DITOLAK
18 Uki irwansyah 15 1 1 2.5 8 4 2 1 1 0,77 DITERIMA 19 Fachrudin 10 3 3 14 4 2 4 1 1 0,86 DITERIMA 20 Rayanti 35 4 1 7.5 13 2 4 1 1 0,92 DITERIMA Tabel 5. hasil keputusan kredit menggunakan pendekatan metode fuzzy
Perbandingan Keputusan Kredit Perusahaan dengan Hasil keputusan kredit menggunakan Pendekatan Fuzzy Theory Berdasarkan data yang didapat dari perusahaan dan Hasil dari data yang telah diolah dengan menggunakan pendekatan Fuzzy Theory, terdapat beberapa perbedaan dalam hasil keputusan kredit, perbedaan ini terjadi karena metode fuzzy yang lebih flexible dan mentolelir segala varibel input yang ada, untuk lebih jelasnya kita perhatikan tabel 6 berikut :
no 1 2 3 4 5 6 7 8 9 Calon DP Tempat profesi debitur tinggal tambahan Penghasilan pokok Keadaan global Reputasi Perputaran kas Jml. tanggungan Penghasilan Berdasark an Metode AQL Berdasark an Metode Fuzzy- Mamdani Boih sustiawan 20 sederhana PNS 6.4 6 4 Kecil Baik Stabil Diterima Diterima Putut wibisono 15 sederhana marinir 3.7 9 4 Sedang Baik Stabil Diterima Diterima Gugun gunadi 10 menengah karyawan 4 7 3 Besar Baik Stabil Diterima Diterima Siti Sangat 18,5 Sederhana karyawan 1.3 2 4 mardianti besar Baik Stabil Diterima Diterima Made sukarma 10 Sederhana direktur 11 0 4 Besar Baik Stabil Diterima Diterima Adhel cornelis 10 Mewah karyawan 26.5 0 3 Besar Baik Stabil Diterima Diterima Krisna pramono 10 Sederhana PNS 8.4 3.2 4 Sedang Baik Stabil Diterima Ditolak Amdy rifanie 30 Sederhana TNI AU 4 0 4 Kecil Baik Stabil Diterima Diterima Prana Pemilik Sangat 15 Menengah 35 0 3 mangun perusahaan besar Baik Stabil Diterima Diterima 10 Imron 15 sederhana karyawan 4 5 4 Besar Baik Stabil Diterima diterima
11 sobari Erwin ruhiyat 20 Kontrak karyawan 6 0 3 Sedang Buruk Stabil diterima ditolak 12 nurikmah 10 Sederhana karyawan 17 0 2 Kecil Baik Stabil Ditolak Diterima 13 Ferry E 15 kontrak karyawan 4 0 4 Kecil Baik Stabil Diterima ditolak 14 15 Fauzi dinor Zoelkifli anwar 10 Menengah karyawan 16 0 3 Sedang Baik Stabil Diterima Diterima 10 Menengah karyawan 12 0 4 Sedang Baik Stabil diterima diterima 16 Lukman effendi 35 Mewah Pemilik perusahaan 28 14 4 Sangat besar Baik Stabil Diterima Diterima 17 Robby H 10 Kontrak karyawan 4 0 4 Sedang Buruk Stabil ditolak ditolak 18 Uki irwansyah 15 Kontrak karyawan 2.5 8 4 sedang Baik Stabil ditolak Diterima 19 Fachruddi n 10 Menengah PNS 14 4 2 Sangat besar Baik Stabil Diterima Diterima 20 Rayanti 35 Mewah karyawan 7.5 13 2 Sangat besar baik Stabil Diterima Diterima Tabel 6 Perbandingan Hasil keputusan perusahaan dengan hasil menggunakan metode fuzzy
KESIMPULAN Kesimpulan yang akan penulis sajikan ini adalah merupakan rangkuman dari keseluruhan isi, sedangkan untuk penyajian saran-saran diarahkan pada masalah yang dianggap dapat memberikan masukan untuk perkembangan perusahaan. Adapun kesimpulannya adalah sebagai berikut : 1. Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepat diterima atau ditoklanya suatu pengajuan kredit mobil. Dan dari hasil penelitian ini apabila perusahaan menerima kredit yang riskan akan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E perusahaan akan mengalami kerugian sebesar Rp.420.000.000 dengan asumsi harga 1 unit mobil sebesar Rp.140.000.000, dan apabila perusahaan menolak pembelian mobil secara kredit yang dengan metode fuzzy layak untuk dierima seperti Nurikmah dan uki Irwansyah, perusahaan akan kehilangan Pendapatan sebesar Rp.280.000.000 dengan asumsi harga 1 unit mobil sebesar Rp.140.000.000 SARAN Berdasarkan analisis tersebut dapat dikemukakan beberapa saran-saran sebagai berikut : 1. Perusahaan bisa menjadikan Metode Fuzzy-Mamdani sebagai salah satu alat analisis alternatif yang digunakan perusahaan untuk menentukan diterima atau ditolaknya suatu pengajuan kredit Agar mengurangi Kemungkinan Kredit macet yang mengakibatkan kerugian dan agar perusahaan tidak kehilangan pemasukan yang dapat menambah Keuntungan Perusahaan. 2. dalam penelitian berikutnya disarankan agar penulis melibatkan faktor constrain atau pembatas seperti pembatasan pembelian mobil pick-up untuk kalangan pribadi dan batasan umur dalam pengajuan kredit saat kredit dilunasi.
Daftar Pustaka Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy (Menggunakan TOOLBOX MATLAB). Jogjakarta : Graha Ilmu Kusumadewi, Sri. 2003. Artificial Intelegence (Teknik dan aplikasinya). Jogjakarta : Graha Ilmu Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy (Menggunakan TOOLBOX MATLAB). Jogjakarta : Graha Ilmu Kusumadewi dan Hari purnomo. 2010.Aplikasi Logika Fuzzy untuk pendukung Keputusan. Jogjakarta : Graha Ilmu Naba, Agus. 2009. Belajar cepat Fuzzy Logic Menggunakan MATLAB. Jakarta : Andi http://www.wikipedia.com http://www.daihatsu.co.id http://www.astra.co.id http://www.bi.go.id