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
Yulian Findawati1) Ika Ratna Indra Astutik2)
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
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
yang (2003)
pengusaha
eksternal.Secara
eksternal,
masih
harus
abu-abu.
mengemukakan
140
Yulian Findawati1) Ika Ratna Indra Astutik2)
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-
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
141
Yulian Findawati1) Ika Ratna Indra Astutik2)
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)
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
142
matrix
Yulian Findawati1) Ika Ratna Indra Astutik2)
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
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
143
Yulian Findawati1) Ika Ratna Indra Astutik2)
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
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
144
Yulian Findawati1) Ika Ratna Indra Astutik2)
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]
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
145
Yulian Findawati1) Ika Ratna Indra Astutik2)
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)
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
pembobotan
146
yaitu
Yulian Findawati1) Ika Ratna Indra Astutik2)
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 :
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
147
Yulian Findawati1) Ika Ratna Indra Astutik2)
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
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
148
dan
Yulian Findawati1) Ika Ratna Indra Astutik2)
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
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
149
Yulian Findawati1) Ika Ratna Indra Astutik2)
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-
Seminar Nasional Penelitian, Universitas Kanjuruhan Malang 2014
150
Menuju pada