APLIKASI PENGUKURAN KINERJA KEUANGAN PADA LEMBAGA KEUANGAN MIKRO MENGGUNAKAN METODE FUZZY-AHP DAN WPM

Yulian Findawati1) Ika Ratna Indra Astutik2)

APLIKASI PENGUKURAN KINERJA KEUANGAN PADA LEMBAGA KEUANGAN MIKRO MENGGUNAKAN METODE FUZZY-AHP DAN WPM Yulian Findawati1) Ika Ratna Indra Astutik2) 1,2 Teknik Informatika,Fakultas Teknik, Universitas Muhammadiyah Sidoarjo Jl. Raya Gelam 250 Candi, Sidoarjo Telp : (031-8921938, Fax : (031) 8949333 E-mail : [email protected]

ABSTRAK Sistem pengukuran kinerja merupakan salah satu model yang ada untuk memonitor keberhasilan implementasi strategi objektif yang telah ditetapkan pimpinan perusahaan, tidak terkecuali Lembaga Keuangan Mikro(LKM). Kenyataan bahwa LKM memiliki beban berat dengan dirinya sendiri maupun ketika berhadapan dengan lingkungan eksternal.Secara internal, LKM masih berkutat juga dengan masalah manajemen, pengembalian kredit, dan lain lain.Secara eksternal, harus berhadapan dengan berbagai kekuatan dan kepentingan agar dapat tetap survive di tengah situasi yang masih abu-abu. Oleh karena itu dibutuhkan cara untuk mengukur kinerja dari LKM sehingga LKM mampu memiliki kinerja yang baik dan tetap survive.Salah satu kriteria Pengukuran kinerja LKM dapat dilihat terhadap aspek keuangan. Pengukuran kinerja keuangan terdiri atas Penambahan asset, Perolehan keuntungan, Banyaknya biaya yang disalurkan dan Banyaknya asset yang berputar Sedangkan metode Fuzzy-Analytic Hierarchy Process(Fuzzy-AHP)) digunakan pada pembobotan kriteria dan Weighted Product Model digunakan untuk pembobotan subkriteria serta penilaian akhir. Pembobotan kriteria dan subkriteria dilakukan berdasarkan penentun prioritas tingkat kepentingan. Oleh karena itu peneliti mencoba mengaplikasikan model pengukuran kinerja keuangan ke dalam bentuk program aplikasi pengukuran kinerja Lembaga Keuangan Mikro berbasis web menggunakan bahasa pemrograman PHP dan MySQL Hasil dari analisa dan perancangan sistem akan diaplikasikan ke dalam aplikasi pengukuran kinerja Lembaga keuangan Mikro berbasis Web. Output dari aplikasi ini adalah nilai kinerja Lembaga keuangan Mikro . . Kata kunci: Lembaga Keuangan Mikro, keuangan, Fuzzy-AHP, WPM

ABSTRAC Performance measurement system is one of the existing models to monitor the successful implementation of the strategy objectives that have been established leadership of the company, is no exception Microfinance Institutions (MFIs). The fact that the MFI has a heavy burden to themselves and the environment when dealing with internal eksternal. MFI also still struggling with the problem of management, loan repayment, and other external

Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014

139


lain.Secara, must deal with a variety of strengths and interests in order to still survive in the middle situation is still gray. Therefore, it needs a way to measure the performance of MFIs so that MFIs are able to have a good performance and keep survive. One of MFI performance measurement criteria can be viewed towards the financial aspects. Financial performance measurement consists of addition of assets, rate of profit, which channeled much it costs and the number of rotating assets While the method of Fuzzy-Analytic Hierarchy Process (Fuzzy-AHP)) used in the weighting of the criteria and Weighted Product Model sub-criteria and weightings used for the final assessment. Weighting of the criteria and sub-criteria is based penentun priority of importance. Therefore, researchers are trying to apply the model to the measurement of financial performance in the form of performance measurement application program Microfinance Institutions using the web-based programming languages PHP and MySQL Results of the analysis and design of the system will be applied to the measurement of application performance web-based Micro finance Institutions. The output of this application is the performance value of Micro finance Institutions. Keywords : Microfinance Institutions , finance , Fuzzy - AHP , WPM g.

Pendahuluan

Undang Nomor 1 Tahun 2013 tentang

Kemampuan usaha mikro, kecil dan

Lembaga

menengah (UMKM)

dalam

menyerap

Keuangan

Majalah

Warta

Mikro.

Ekonomi

Menurut

Edisi

No.

tenaga kerja di Indonesia cukup besar,

08/XXV/2013jumlah Lembaga Keuangan

yaitu sebanyak 97,3% dari total angkatan

Mikro

kerja yang bekerja(Bank Indonesia, 2011).

mikro kecil setidaknya tercatat berjumlah

Di sinilah lembaga keuangan mikro(LKM)

567.000 sampai dengan 600.000 unit.

diharapkan

mengingat

Namun harus realistis dengan kenyataan

perkembangan jumlah usaha mikro, kecil

bahwa LKMmemiliki beban berat dengan

dan menengah (UMKM) di Indonesia kian

dirinya sendiri maupun ketika berhadapan

hari akan semakin bertambah. Terlebih

dengan

dengan

perbankan,

internal, LKM masih berkutat juga dengan

berkaitan dengan adanya Peraturan Bank

masalah manajemen, pengembalian kredit,

Indonesia Nomor 14/22/PBI/2012 tentang

dan

Pemberian Kredit atau Pembiayaan Oleh

berhadapan dengan berbagai kekuatan dan

Bank Umum dan Bantuan Teknis Dalam

kepentingan agar dapat tetap survive di

Rangka Pengembangan Usaha Mikro,

tengah

Kecil dan Menengah. Selain itu, hadirnya

Sumodiningrat

undang-undang yang khusus menanungi

bahwa pemberdayaan LKM merupakan

lembaga keuangan mikro yaitu Undang-

salah satu prasyarat mutlak yang harus

adanya

perannya

kebijakan

yang

mendampingi

lingkungan

lain

lain.Secara

situasi


yang (2003)

pengusaha

eksternal.Secara

eksternal,

masih

harus

abu-abu.

mengemukakan

140


dipenuhi dalam rangka pengembangan

AHP(Chan and Kumar, 2005). Metode

usaha

Fuzzy-AHP digunakan pada pembobotan

kecil

yang

diarahkan

untuk

menanggulangi kemiskinan. Oleh karena

kriteria,sedangkan

itu dibutuhkan cara untuk mengukur

Product

kinerja dari LKM sehingga LKM mampu

menentukan

memiliki kinerja yang baik dan mampu

subkriteria.

memberdayakan UMKM.

satu

model

memonitor

Weighted

Model yang digunakan untuk pembobotan

pada

level

Oleh karena itu peneliti mencoba

Sistem pengukuran kinerja merupakan salah

metode

yang

ada

keberhasilan

untuk

implementasi

membuat

mengaplikasikan

model

pengukuran kinerja ke dalam bentuk program

aplikasi

pengukuran

strategi objektif yang telah ditetapkan

keuangan

Lembaga

pimpinan perusahaan, tidak terkecuali

berbasis

web

Lembaga

Dengan

pemrograman PHP dan MYSQL, dimana

adanya permasalah di atas, maka perlu

pihak Lembaga Keuangan Mikro dapat

dilakukan

terhadap

melakukan pengukuran terhadap dirinya

Keuangan

sendiri. Output dari analisa ini adalah nilai

strategi

Keuangan

upaya bisnis

Mikrosebagai UMKM .

Mikro.

penelaahan Lembaga

lembaga

pemberdayaan

Untuk itu perlu

sistem

Keuangan

kinerja

menggunakan

kinerja

keuangan Lembaga

Mikro

beserta

Mikro bahasa

Keuangan

rekomendasi

solusi

pengukuran kinerja keuangan yang sesuai

perbaikan terhadap Lembaga Keuangan

dengan sifat

Mikro.

dan karakteristik LKM.

Pengukuran kinerja keuangan terdiri atas Penambahan asset, Perolehan keuntungan,

Rumusan Masalah

Banyaknya biaya yang disalurkan dan

1.

Banyaknya asset yang berputar

keuangan kinerja Lembaga Keuangan

Fuzzy-AHP sangat berguna dalam masalah-masalah kompleks yang tidak terstruktur

dan

didefinisikan

dalam

kriteria struktur

tersebut hirarki

sehingga menjadi lebih sederhana dan dipahami

Triangular

fuzzy

Bagaiman melakukan analisa kinerja

numbers

Mikro? 2. Bagaimana fuzzy-AHP

mengimplementasikan dan

Weighted

product

Model di dalam aplikasi pengukuran kinerja keuangan Lembaga Keuangan Mikro?

digunakan untuk memutuskan prioritas dari variabel satu keputusan pada fuzzy-


141


maupun

Tujuan Penelitian 1.

Membantu

pengukuran

keuangan

kinerja

pada LKM khususnya

LKM di sidoarjo

pemberian

pengembangan usaha yang tidak sematamata mencari keuntungan.

Penggunaan

FAHP

WPM dan analisa pembobotan Fuzzy-

diperkenalkan

AHP

X  x1, x2 , x3 ,......., xn 

Kajian Pustaka

goal

Sistem Pengukuran Kinerja kinerja

pengukuran

yang

oleh

himpunan.

analisa

,

secara Chang

sebagai

himpunan

Berdasarkan

perluasan

Chang,

orisinil (1996).

G  g1, g 2 , g 3 ,......., g n 

objek, dan

Pengukuran

konsultasi

Metode Fuzzy - AHP

2. Melakukan analisa metode pembobotan

h.

jasa

tiap

sebagai metode objek

adalah

tindakan

diambil dan perluasan analisa untuk tiap

dilakukan

terhadap

goal ditampilkan secara berurutan. Oleh

berbagai aktivitas dalam rantai nilai yang

karena itu, m nilai perluasan analisa untuk

ada pada perusahaan . Hasil pengukuran

tiap objek dapat didapatkan, dengan tanda

tersebut

sebagai berikut:

kemudian

digunakan

sebagai

umpan balik yang akan memberikan informasi tentang prestasi pelaksanaan suatu rencana dan titik dimana perusahaan memerlukan penyesuaian atas

aktivitas

–penyesuaian

perencanaan

dan

pengendalian ( Yuwono, 2002)

i  1,2,...., n ,

M 1gi , M 2 gi ,........M m gi , j gi

dimana M

(j = 1, 2, ...,m) adalah TFN.

Langkah dari perluasan analisa Chang dapat diberikan sebagai : Langkah

1:Nilai dari

perluasan fuzzy

sintetik dengan respek pada objek pertama yang didefinisikan:

Definisi Lembaga Keuangan Mikro Si 

Undang-undang republik Indonesia Nomor

n M gij    i 1 j 1 m



lembaga keuangan yang khusus didirikan

1



1 tahun 2013, Lembaga Keuangan Mikro yang selanjutnya disingkat LKM adalah

 M gij   j 1 m

(1) m Untuk mendapatkan  M gij , menampilkan j 1

untuk memberikan jasa pengembangan

penjumlahan operasi fuzzy dari nilai

usaha dan pemberdayaan masyarakat, baik

perluasan

melalui pinjaman atau pembiayaan dalam

particular:

usaha skala mikro kepada anggota dan masyarakat,

pengelolaan

analisa

m

M

simpanan,

j 1

j gi

m

untuk

m m  m    l j , mj , u j   j 1 j 1  j 1  

 



(2)


142

matrix


Dan untuk mendapatkan

 n   j 1

m



M gij

j 1

  

1

,

didefinisikan sebagai

menampilkan operasi penambahan fuzzy

n

m

j gi

i 1 j 1

V ( M  M1 , M2 ,.....Mk )  V M  M1  and ( M  M2 ) and ....and ( M  Mk )

(8)

 min V (M  Mi ), i  1,2,3,...., k

dari M jgi(j = 1, 2, ...,m) nilai

 M

dari k cembung fuzzyMi(i=1, 2, k) bilangan

Asumsi adalah d Ai   minV (Si

n n  n    l i , mi , ui  i 1  i 1 i 1 

  

untuk

(3)

k  1,2,...., n; k  i

 Sk )

.

Kemudian

vektor berat didefinisikan sebagai

Dan kemudian menghitung vektor diatas,

W   (d ( A1 ),d ( A2 ),......, d ( An ))T

seperti:

(9)

n   i 1

1

 M gij  j 1  m



      

  1 . , n , n  n ui mi l i  i 1 i 1 i 1  1



dimana Ai  (i  1,2,... n) adalah n element.

1





(4) Langkah

2:Sebagai M~1  (l1, m1, u1 )

dan

~ M2  (l 2 , m2 , u2 ) adalah dua triangular fuzzy

numbers, derajat yang memungkinkan dari M2  (l 2 , m2 , u2 )  M1  (l1, m1, u1 ) didefinisika

n sebagai:





 

~ ~ V M 2  M1  sup min M~ ( x ),M~ ( y ) y x

1

2



Gambar 1. Titik potong antara M1 dan M2 (Kahraman et al., 2004) Gambar 2-1 mengilustrasikan dimana d

(5)

adalah ordinat dari poin irisan terbesar D

Dan secara ekuivalen dapat diekspresikan

antara M1 and M2 untuk membandingkan

sebagai berikut:

M1 dan M2, kita butuh kedua nilai dari





~ ~ ~ ~ V M2  M1  hgt (M1  M2 )  M2 (d )

Step 4:Via normalisasi, normalisasikan

(6)  1, if m  m 2 1   0 , if l1  u 2  l1  u 2  , otherwise  ( m2  u 2 )  ( m1  l1 )

3:Derajat

bobot vektor adalah: W  (d ( A1 ), d ( A2 ),......, d ( An ))T

(10) Dimana W adalah bilangan non-fuzzy

(7) Langkah

V M1  M2  dan V M2  M1 

kemungkinan

untukbilangan fuzzy cembung lebih besar


143


Metode Weighted Product Model Weighted

Product

(WPM)menggunakan

i.

Metodologi Penelitian

Model

perkalian

Mulai Perumusan masalah

untuk

Tujuan Penelitian

meranking

alternatif(Triantaphyllou,

Pengumpulan data Identifikasi Variabel berdasar BSC

2002). Tiap alternatif dibandingkan dengan

Membuat Kuisioner

yang lainnya dengan mengkalikan bilangan

Menyebarkan kuisioner

ratio, satu untuk tiap kriteria. Tiap rasio

Perbaikan Kuisioner

Kuisioner reliabel?

tidak

ya

dinaikkan untuk kekuatan dari bobot relative

dari

kriteria

yang

cocok.

Umumnya, di dalam membandingkan 2 alternatif

Ak

dan

Al,

rumus

Tahap perancangan perangkat lunak

Tahap analisa

yang

digunakan adalah sebagai berikut

Analisa kebutuhan Perangkat lunak dan perangkat keras

Perancangan use case diagram

Identifikasi pengukuran indikator BSC

Perancangan sequence diagram

Pemberian bobot kriteria utama dan subkriteria berdasarkan matrix fuzzy AHP

Perancangan class diagram

Hitung fuzzy sintetik dan bobot vektor

Perancangan interface

Pemberian bobot indikator pilihan berdasar WPM

Perancangan struktur menu

Kalikan bobot pilihan dengan bobot subkriteria Penilaian akhir

Pada rasio di atas adalah lebih

implementasi Coding

besar dari atau sama dengan satu(pada kasus

maximization)

pengujian

kesimpulannya Gambar 2. Metodologi penelitian

adalah alternatif Ak lebih baik daripada alternatif Al. Dengan jelas, alternatif terbaik A* adalah satu yang lebih baik dari atau paling kurang sama bagusnya dengan alternatif lain.

j.

HASIL DAN PEMBAHASAN Analisa pembobotan Adapun perhitungan pembobotan pada kriteria yaitu menggunakan metode fuzzy-AHP

yang

dapat

dijelaskan

sebagai berikut : 1. Mendefinisikan

masalah

dan

menentukan solusi yang diinginkan 2. Membuat

struktur hirarki yang

diawali dengan tujuan umum, Kriteria Aspek keuangan terdiri atas : c. Penambahan asset d. Perolehan keuntungan


144


e. Banyaknya

biaya

yang

1+1/2+4+4

 Untuk baris kedua

disalurkan f. Banyaknya asset yang berputar 3. Menginputkan nilai perbandingan antar

elemen

terhadap

level

untuk

2+1+2+2

=7

3+1+3+3

= 10

4+1+4+4

= 13

 Untuk baris ketiga

diatasnya ke matriks perbandingan berpasangan

= 9.5

mengetahui

¼+1/4+1+1/4

= 1.75

mana diantara kedua elemen yang

1/3+1/3+1+1/3

=2

lebih penting dan berapa kali lebih

½+1/2+1+1/2

= 2.5

 Untuk baris ke-empat

penting dengan skala 1-9 sesuai dengan tabel skala perbandingan

¼+1/4+2+1 = 3.5

berpasangan.

1/3+1/3+3+1 = 4.6667 ½+1/2+4+1 = 6

Tabel 1 Tingkat kepentingan kriteria berdasarkan metode Fuzzy-

Sehingga dari hasil diatas akan didapatkan matrix sebagai berikut:

ahp Sub Kriteria

asset

keunt unga n (¼, 1/3, ½) (1,1,1 ) (¼, 1/3, ½) (¼, 1/3, ½)

(1,1, 1)

Asset Ke untungan Biaya disalurkan Putaran asset

(2,3, 4) (¼, 1/3, ½) (¼, 1/3, ½)

4. Tambahkan

matrix

biaya disalu rkan (2,3,4 )

Puta ran asset (2,3, 4)

5.

Aa = [5.25, 7.333, 9.5] [

(2,3,4 ) (1,1,1 ) (2,3,4 )

(2,3, 4) (¼, 1/3, ½) (1,1, 1)

[5.25, 7.333, 9.5] [7, 10, 13] [1.75, 2, 2.5] [3.5, 4.667, 6] Analisa sintesis

1/31,

1/24,

1/17.5]

sintetik

=

Ak = [7, 10, 13] [

1/31,

1/24,

1/17.5]

X =

 Untuk baris pertama 1+1/4+2+2

= 5.25

1+1/3+3+3

= 7.333

[0.225806,

0.416667, 0.742857] Abl = [ 7.25, 9.33, 11.5 ] X = [0.056452,

0.083333, 0.142857] Apn = [3.5, 4.66, 6

perkolom

[0.169355,

0.305556, 0.542857]

[ 1/31, 1/24, 1/17.5] fuzzy

X

]

X

[ 1/31, 1/24, 1/17.5] = [0.112903, 0.19444, 0.342857]


145




6. Menghitung Derajat kemungkinan V (Aa ≥ Ak) ; 0.305 ≥ 0.41(F) ;

o



(0.305556-0.542857 ) – (0.416667 -0.225)

0.08333

≥

0.142857

V (Abd ≥ Apn) ; 0.08333 ≥ 0.1944 (F) ; 0.112903≥ 0.142857 (F)

(0.08333-0.142857)–( 0.1944-0.112903)

V (Aa ≥ Apn) ; 0.305556 ≥ 0.19444 V (Ak ≥ Aa) 0.41667 ≥ 0.30556 (T) =1

o V(Ak ≥ Abd) (T)

0.41667 ≥ 0.08333

D‘(Aa) = min(0.740493,1,1) = 0.740493 D‘(Ak) = min (1,1,1)

=1

D‘(Apn ) = min (0.609607,0.345005,1) D‘(Abd) = min(0,0,0.212341)

=0

Normalisasi bobot vektor

=1 o V( Apn ≥ Aa)

0.1944 ≥ 0.30556

(F); 0.342857 > 0.169355 (F) o (

7. Menghitung Bobot prioritas

= 0.345005

=1

o V(Ak ≥ Apn) 0.41667 ≥ 0.1944 (T)

0.169355

-

0.342857

Aa = 0.740493/2.085497 = 0.355068 Ak = 1/2.085497 =0.479502

)

= 0.609607

Apn = 0.345005//2.085497 = 0.16543 Abd= 0//2.085497 = 0

(0.1944 - 0.342857 ) – (0.30556 -

Berdasarkan

0.169355

menggunakan

V (Apn ≥ Ak) ; 0.1944 ≥ 0.41667

didapatkan

(F) ; 0.225806 ≥ 0.342857(F)

Kriteria

(0.225806 - 0.342857)

= 0.345005

(0.1944- 0.342857) – (0.41667-0.225806) o V (Apn ≥ Abd)

V (Abd ≥ Aa ) 0.305556(F) ; 0.169355≥

metode Kriteria

Fuzzy-ahp

asset : 0.355067,

Keuntungan : 0.47950, Kriteria

asset : 0.16543 Sedangkan pilihan

0.08333 ≥

pembobotan

biaya yang disalurkan : 0, Kriteria putaran

0.1944 ≥ 0.08333

(T) = 1 

;

V (Aa ≥ Abd) ; 0.305556 ≥ 0.08333

(T) =1

o

Ak)

(0.112903-0.142857)= 0.212341

(T) = 1

o

≥

(0)

0.225-0.542857 = 0.740493

o

(Abd

0.41667(F); 0.225806 ≥

0.225 ≥ 0.542 (F)

o

V

untuk

analisa

subkriteria

menggunakan metode WPM.

0.142857

(0)


pembobotan

146

yaitu


Tabel 2. pembobotan indikator subkriteria No

kriteria

1 2 3 4 5 6 7

Subkriteria

Pilihan

Bobot Mentah (BM)

Bobot Total(B T)

Bobot WPM (BM/B T) 0.167 0.333 0,5 0.167 0.333 0,5 0.167

Financial Financial Financial Financial Financial Financial Financial

Aset Kurang (0-35%) 10 60 Aset Cukup (36 – 70 %) 20 60 Aset Baik ( 71 – 100%) 30 60 Keuntungan Kurang (0-35%) 10 60 Keuntungan Cukup (36 – 70 %) 20 60 Keuntungan Baik ( 71 – 100%) 30 60 Biaya Kurang (0-35%) 10 60 disalurkan 8 Financial Biaya Cukup (36 – 70 %) 20 60 disalurkan 9 Financial Biaya Baik ( 71 – 100%) 30 60 disalurkan 10 Financial Putaran asset Kurang (0-35%) 10 60 11 Financial Putaran asset Cukup (36 – 70 %) 20 60 12 Financial Putaran asset Baik ( 71 – 100%) 30 60 Contoh simulasi perhitungan pengukuran kinerja LKM BMT Harapan Ummat

0.333 0,5 0.167 0.333 0,5 Sidoarjo

dengan data-data sebagai berikut : Nama LKM

: BMT Harapan Ummat Sidoarjo

Alamat

: Stand Pasar Larangan Unit III A-031

1. Menghitung aspekHarapan keuanganUmmat Adapun hasil jawaban dari perhitungan kuisioner yang diisi oleh BMT Sidoarjo ditampilkan sebagai berikut : 1. Aspek keuangan 

Penambahan asset



Perolehan keuntungan = Baik = 0.5



Banyaknya biaya yang disalurkan =

= Baik = 0.5

Cukup = 0.3 

WPM Keuangan = 0,5

0,355

0,4795

= 0.5

0

* 0,333 * 0,5

0,16543

* 0,5

2. Menghitung aspek pelanggan WPM Pelanggan 0,333

0

* 0,5

= 0,5

0,355067

* 0,5

0,16543

*

0,4795

=

0,5

Banyaknya asset yang berputar = Baik = 0.5

Dari jawaban kuisioner di atas ,

3. Menghitung proses bisnis internal WPM proses bisnis internal = 0,167 0

perhitungan pengukuran kinerja BMT

* 0,333 0,64103 * 0,333 0,35897= 0,3

Harapan Umat Sidoarjo adalah :


147


4. Menghitung proses pembelajaran

Perancangan aplikasi

dan pertumbuhan

Update indikator

WPM proses pembelajaran dan pertumbuhan = 0.30,16543* 0.50.4795*

Input Indikator

Delete indikator Kelola Indikator

0.50.355067 * 0.1670.4795 = 0.459484

Delete Subindikator

Kelola Subindikator Admin

Menghitung total pengukuran kinerja

Update Subindikator Inputsubindikator

BMT Harapan Umat Sidoarjo dengan Fuzzy-AHP

LKM

Kelola data LKM

hitung kinerja keuangan

Fuzzy-AHP global = (0,5*0,444)+(0,5*0,41569)+(0,3*0,14

Proses penilaian

031)+(0,4594*0) Pelaporan

= 0,416862 Gambar 3. Perancangan use Maka hasil dari perhitungan di atas,

case diagram

pengukuran kinerja BMT Harapan Umat Sidoarjo adalah BAIK

Pada gambar 3. Digambarkan bahwa perancangan aplikasi terdiri atas kelola

Range pengukuran kinerja yaitu = (hasil

indikator, kelola subindikator, kelola

kinerja max – hasil kinerja min)/5

data

= 0,5 – 0,167/5 = 0,0666

LKM,

proses

penilaian

pelaporan.

Tabel 3. Tabel range pengukuran kinerja


148

dan


yaitu asset, keuntungan, biaya yang

Implementasi Form

disalurkan dan putaran asset.

Gambar 4. Form Setting Sub Kriteria Keuangan Pada gambar di atas memperlihatkan form untuk setting sub kriteria yaitu keuangan yaitu yang terdiri atas 4 subkriteria

LKM A LKM B LKM C LKM D LKM E LKM F LKM G LKM H LKM I LKM J

Aset

keuntungan

0.355067 0.5 0.333 0.167 0.5 0.333 0.5 0.333 0.5 0.333 0.5

0.4795 0.5 0.5 0.5 0.333 0.5 0.333 0.5 0.333 0.5 0.333

biaya disalurkan 0 0.5 0.5 0.333 0.5 0.5 0.333 0.5 0.5 0.5 0.5

Berdasarkan hasil pengujian pada 10 LKM menunjukkan bahwa rata-rata

putaran aset 0.16543 0.5 0.5 0.5 0.5 0.333 0.333 0.333 0.333 0.333 0.333

hasil kinerja 0.50000104 0.432805162 0.338741959 0.411459222 0.40465953 0.384701732 0.40465953 0.384701732 0.40465953 0.384701732

hasil kinerja Sangat baik Baik Cukup Baik Baik Baik Baik Baik Baik baik

: 0.47950 dan yang paling rendah Kriteria biaya yang disalurkan : 0.

berkinerja baik. Sedangkan bobot Yang paling penting yaitu Kriteria Keuntungan


149


k.

based approach, The International

SIMPULAN DAN SARAN

Simpulan

Journal of Management Science, 1-15.

1. Ppembobotan menggunakan metode Fuzzy-ahp didapatkan Kriteria asset : 0.355067, Kriteria

Keuntungan :

0.47950,

biaya

Kriteria

yang

disalurkan : 0, Kriteria putaran asset :

2. Berdasarkan hasil pengujian pada 10 LKM menunjukkan bahwa rata-rata berkinerja baik. Sedangkan bobot Yang paling penting yaitu Kriteria Keuntungan : 0.47950 dan yang paling rendah Kriteria biaya yang disalurkan : 0.

[4] Peraturan Bank Indonesia Nomor 14/22/PBI/2012

tentang

Pemberian

Kredit atau Pembiayaan Oleh Bank

Rangka Pengembangan Usaha Mikro, Kecil dan Menengah. [5] Sumodiningrat, Gunawan. 2003. Peran Lembaga

Keuangan

dalam

Menanggulangi [6] Kemiskinan terkait dengan Kebijakan Otonomi

Daerah.

www.ekonomirakyat.org. Diakses 2

Saran 1. Membuat

aplikasi penilaian kinerja

LKM dengan penambahan kriteria yang diperlukan agar lebih mudah dalam melakukan penilaian kinerja Lembag keuangan mikro

Indonesia,

―Buku

desember 2013 [7] Triantaphyllou, Evangelos. And Tun Lin, Chi, 2002 A Sensitivity Analysis Approach for Multi-criteria

some

Deterministic

decision

making

methods: Baton Rouge, LA, USA. [8] Undang-undang republik Indonesia

DAFTAR RUJUKAN

[1] Bank

08/XXV/2013

Umum dan Bantuan Teknis Dalam

0.16543

l.

[3] Majalah Warta Ekonomi Edisi No.

Kajian

Akademik Pemeringkat Kredit Bagi Usaha Mikro, Kecil dan Menengah di Indonesia‖, (Jakarta: Bank Indonesia, 2011). www.bi.go.id . Diakses tanggal 08 Desember2013. [2] Chan F., Kumar, N. 2005. Global

Nomor

1 tahun

2013.

Lembaga

Keuangan Mikro [9] Yuwono, S. Sukarno, E. Ichsan, M. 2002 .―Petunjuk Praktis Penyusunan Balanced Organisasi

Scorecard, yang

berfokus

Strategi‖. Gramedia.

supplier development considering risk factors using fuzzy Extended AHP-


150

Menuju pada

APLIKASI PENGUKURAN KINERJA KEUANGAN PADA LEMBAGA KEUANGAN MIKRO MENGGUNAKAN METODE FUZZY-AHP DAN WPM

Recommend Documents