SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PENGAJUAN KREDIT SEPEDA MOTOR MENGGUNAKAN METODE SCORING SYSTEM Emil Wasana1) 1) S1 / Jurusan Siste Informasi, Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya Abstract: Kegiatan kredit merupakan hal yang wajar dikalangan masyarakat, kegiatan dengan mencicil barang atau benda maupun jasa, saaat ini banyak dilakukan terutama sepeda motor untuk mobilitas. Seiring bertambahnya kemampuan daya beli masyarakat, baik barang atau benda, maupun jasa semakin tinggi permintaan kreditnya. Kelayakan pengajuan kredit menjadi salah satu syarat yang harus dilalui seorang pemohon kredit sebelum bisa melakukan kredit sepeda motor. Hal tersebut sangat penting karena untuk menghindari kredit macet. Masalah yang dibahas dalam topik ini adalah bagaimana membuat sistem pendukung keputusan yang mampu memberikan dukungan kepada credit comitee untuk kelayakan pengajuan kredit sepeda motor menggunakan Scoring System Keywords: Scoring System, Decision Support System
Minat masyarakat menggunakan
kredit serta judgement dari pihak panitia
jasa finance untuk memiliki kendaraan
kredit.
bermotor sangat tinggi, khususnya roda
Kepemilikan Kendaraan Bermotor (KKB),
dua
Tingginya
calon peminjam harus mengikuti prosedur
kebutuhan akan sepeda motor mendorong
peminjaman kredit yang berlaku di HD
High Distinction (HD) Finance mencoba
Finance, yaitu calon peminjam terlebih
merambah industri baru, yaitu pembiayaan
dahulu menentukan kendaraan yang akan
sepeda motor. Sebelumnya, HD Finance
dibeli dengan menunjuk pada dealer
hanya fokus di industri makanan. Ada
tertentu,
empat fokus HD Finance dalam melayani
Selanjutnya,
nasabahnya. Satu, kecepatan pelayanan,
aplikasi permohonan kredit dilengkapi
dua,
dengan semua persyaratan administrasinya.
atau
sepeda
kemudahan
motor.
dalam
mendapatkan
Untuk
memperoleh
perseorangan calon
atau
lainnya.
peminjam
mengisi
persetujuan kredit, tiga, paket angsuran
Kemudian
dan uang muka yang kompetitif, empat,
menindaklanjuti
permohonan
pelayanan yang ramah dan professional.
tersebut
melakukan
Di kelayakan
HD kredit
Finance
keputusan
berdasarkan
pihak
dengan
Kredit
HD
Finance
akan kredit
kegiatan
administrasi kredit.
pada
Selama ini, kegiatan administrasi
kelengkapan dan kevalidan dari data-data
kredit yang meliputi kegiatan analisis
manual yang diperoleh dari kegiatan
secara kuantitatif dan kualitatif dilakukan
administrasi kredit yaitu kegiatan analisis
secara manual dan sering kali tidak 1
objektif.
Salah
menyebabkan
satu
faktor
kegiatan
yang
Seseorang atau suatu badan yang
pengambilan
memberikan
kredit
(kreditur)
percaya
keputusan memakan waktu yang lama
bahwa penerima kredit (debitur) pada masa
adalah penyajian data yang diperoleh dari
yang akan datang akan sanggup memenuhi
kegiatan
disajikan
segala sesuatu yang telah dijanjikan. Apa
dalam bentuk kualitatif atau tidak dalam
yang telah dijanjikan itu dapat berupa
bentuk angka.
barang, uang, atau jasa. Maka jelas
administrasi
Untuk
kredit
membantu
mengatasi
tergambar bahwa arti kredit dalam bahasa
masalah tersebut, maka perlu adanya
ekonomi adalah penundaan pembayaran
metode penyelesaian
dalam ketepatan
dari prestasi yang diberikan sekarang, baik
pengambilan keputusan kelayakan kredit
dalam bentuk barang, uang maupun jasa.
kepemilikan kendaraan bermotor. Dalam
(Suyatno, Thomas, 1990. Dasar-dasar
system penilaian kelayakan ini kriteria-
Perkreditan, PT Gramedia, Jakarta)
kriteria yang telah di tentukan akan
Menurut Raymond P. Kent dalam
dihitung menggunakan metode scoring
buku karangannya yang berjudul Money
system.
and Banking mengatakan bahwa “kredit
Penerapan metode scoring system
adalah hak untuk menerima pembayaran
dalam sistem penilaian kelayakan ini
atau
digunakan
untuk
memberikan
suatu
pembayaran pada waktu yang diminta, atau
informasi
kepada
manager
dalam
pada waktu yang akan datang, karena
menentukan
kelayakan
dari
seorang
kewajiban
untuk
melakukan
penyerahan barang-barang sekarang”
kreditor untuk bisa menggambil kredit dengan hasil perhitungan kriteria yang
Penilaian Kelayakan Kredit
diperolehnya.
Penggunaan
standart
credit
scoring
dipergunakan sebagai dasar pertimbangan Kredit
untuk
meluluskan
atau
menolak
Istilah kredit berasal dari bahasa
permintaan kredit yang diajukan. (Sutojo,
yunani (credere) yang berarti kepercayaan
Siswanto, 1995. Analisa Kredit Bank
(truth atau faith) atau dalam bahasa latin
Umum: Konsep dan Teknik, Jakarta:
(creditum) kepercayaan akan kebenaran
Pustaka Binnaan Pressindo). Standar nilai
(Muljono, Teguh Pudjo, 1993. Manajemen
tersebut disusun dari gabungan hasil
Perkreditan Bagi Bank Komersiil, cetakan
evaluasi berbagai macam kriteria yang
ketiga, BPFE, Yogyakarta).
dapat mempengaruhi kemampuan debitur 2
dan kesediaan debitur melunasi kredit yang
keadaan subjek pada aspek variable yang
mereka terima. Karena pengaruh tiap jenis
diteliti.
kriteria
terhadap
kesediaan
debitur
Suatu skor yang ditentukan melalui
melunasi pinjaman yang mereka terima
prosedur
pelaksanaan
tidak sama, maka masing-masing jenis
angka-angka
kriteria akan mempunyai bobot timbangan
interval dan interpretasikan hanya dapat
nilai (BTN) sendiri-sendiri.
dihasilkan
pada
menghasilkan
level
pengukuran
kategori-kategori
kelompok-kelompok
skor
atau
pada
level
METODE
ordinal. Skor-skor mentah (raw score)
Scoring System
yang dihasilkan suatu skala merupakan
Scoring
system
disebut
juga
penjumlahan dari skor item-item dalam
sebagai skor skala, memerlukan suatu norma
pembanding
interpretasikan
agar
secara
dapat
di Pada
Langkah-langkah penentuan kategorisasi
dasarnya interpretasi skor skala selalu
berdasarkan jejanng (ordinal) menurut
bersifat normative, artinya makna skor
Saifuddin (1999, 107) adalah sebagai
diacukan pada posisi relatif skor dalam
berikut:
suatu
i.
kelompok
yang
kualitatif.
skala itu (Saifuddin,2003)
telah
dibatasi
terlebih dahulu.
Menentukan
data
statistic
secara
deskriptif berupa rentang minimum
Hal ini dapat dilakukan dengan
(Xmin), rentang maksimum(Xmax), luas
bantuan statistic deskriptif dari distribusi
jarak sebaran, mean teoritis (µ), dan
data
deviasi standard (σ).
skor
kelompok
yang
umumnya
mencakup banyaknya subjek (n) dalam
ii.
suatu kelompok, mean skor skala (M),
deskriptif sebagai berikut:
deviasi standard skor skala (s) dan varians
Menghitung data statistic secara
Xmin = banyaknya pertanyaan * nilai
2
(s ), skor minimum (Xmin) dan maksimum
minimum.
(Xmax), dan statistic-statistik lain yang
Xmax = banyaknya pertanyaan * nilai
dirasa perlu.
maksimum
Deskripsi data ini memberikan gambaran
penting
mengenai
Luas jarak sebaran = Xmax – Xmin. σ = luas jarak sebaran / 6
keadaan
distribusi skor skala pada kelompok subjek
µ = banyaknya pertanyaan * banyak
yang dikenai pengukuran dan berfungsi
kategori. atau
sebagai
Xmin = ndata * score minimum.
sumber
informasi
mengenai
Xmax = ndata * score maksimum. 3
Luas jarak sebaran = Xmax – Xmin.
diperoleh oleh subjek (Xmin) adalah 40
σ = luas jarak sebaran / 6.
(yaitu 40 x 1) dan skor terbesar (xmax)
µ = ndata * nkategori.
adalah 200 (yaitu 40 x 5). Sehingga
dengan ndata adalah banyaknya data atau
luas jarak sebarannya adalah 160
item
(yaitu 200 - 40). Dengan demikian
dan
nkategori
adalah
banyaknya
kategorisasi.
setiap
iii. Menghitung p dengan menggunakan
bernilai σ = 26 (yaitu hasil pembulatan
table distribusi normal, terlebih dahulu
dari 160/6) dan mean teoritisnya
menentukan Zmin & Zmax.
adalah µ = 120 (yaitu 40 * 3). Bila
Zmin = (Xmin - µ ) / σ.
digolongkan ke dalam tiga kategori,
Zmax = (Xmax - µ ) / σ.
maka ke enam satuan deviasi standard
Untuk nilai p setelah ditemukan Zmax
kita bagi ke dalam tiga bagian, yaitu:
Tabel Distribusi Nominal dengan
ii. (µ - 1,0 σ) ≤ X (µ + 1,0 σ)
telah ditemukan Zmax-nya 3(kategori maka
deviasinya
mampu.
tingkat kepercayaan 95%. Karena
digunakan)
standard
i. X < (µ - 1,0 σ) rendah atau tidak
kemudian dicari dengan menggunakan
yang
satuan
sedang atau cukup mampu. iii.(µ + 1,0 σ) ≤ X tinggi atau
tingkat
kepercayaannya = 1,675
mampu. Sehingga dengan harga σ =
iv. Memilih p dengan nilai maksimal antara pmin dan pmax sehingga dapat
26 akan diperoleh kategori-
ditemukan
kategori sebagai berikut:
rentang
skala
prioritas
dengan 3 kategori, yaitu:
i. X < 94 (yaitu (120 – (1,0 *
X < (µ - (p * σ)) kategorinya rendah
26))) rendah atau tidak mampu. ii. 94 ≤ X ≤ 146 (yaitu ((120 –
atau tidak layak. (µ - (p * σ)) ≤ X < (µ + (p * σ))
(1,0 * 26)) ≤ X ≤ (120 + (1,0 *
kategorinya sedang atau layak.
26)))) sedang atau mampu.
(µ + (p * σ)) ≤ X kategorinya tinggi
iii. 146 ≤ X (yaitu (120 +(1,0 *
atau sangat layak. Sebagai
contoh,
26))) tinggi atau mampu. suatu
skala
Setelah ditetapkan norma seperti
Agresivitas terdiri dari atas 40 item
diatas,
yang masing-masing itemnya diberi
mendapat skor 151 didiagnosis
skor yang berkisar 1, 2, 3, 4,dan 5
memiliki
untuk menilai kemampuan. Dengan
sebaliknya seseorang memiliki skor
denikian, skor terkecil yang mungkin 4
maka
seseorang
kemampuan
yang
dan
80
didiagnosis
tidak
memiliki
Gambar 3 DFD level 0 Sistem Pendukung Keputusan Kelayakan Kredit Dengan Metode Scoring System
kemampuan atau tidak mampu.
HASIL DAN PEMBAHASAN Proses evaluasi ini dilakukan dalam dua tahap. Tahap pertama adalah implentasi sistem dan tahap kedua adalah evaluasi terhadap kinerja sistem. Implementasi Sistem Implementasi
adalah
proses
menerjemahkan dokumen hasil desain
Gambar 1 Document Flow Manual Proses Penilaian Kelayakan Kredit
menjadi
baris-perintah
bahasa
pemrograman komputer. Semakin baik hasil analisis dari desain yang dilakukan, maka proses DFD
ini akan
lebih
mudah
dilakukan. Data Pengesahan kelayakan Credit Comitee
Untuk dapat mengimplementasikan
Lap Maintenance Data Kriteria 0
Lap maintenance Data Item
Lap Kelayakan Kredit Lap maintenance Jawaban Sistem Pendukung Keputusan kelayakan Kredit Dengan Metode Scoring System
Lap Maintenance Data Kodepos Lap Maintenance Bad Debit Lap Maintenance Data Dealer Rekanan
yang harus pertama kali dilakukan adalah
+
Lap maintenance Data Calon Peminjam
metode scoring system dalam aplikasi ini,
Data Penilaian Kelayakan
Lap Kelayakan Kredit
menentukan nilai skala untuk penilaian.
Data Calon Peminjam Data Kriteria
Perhitungan nilai skala dibagi menjadi 2
Data Item
Credit Analyst
Data Jawaban Data Bad Debit
yaitu perhitungan skala kriteria yang
Data Kodepos Data Dealer Rekanan
menghasilkan nilai skala rendah, sedang,
Gambar 2 Context Diagram Sistem Pendukung Keputusan Kelayakan Kredit Dengan Metode Scoring System
tinggi dan perhitungan nilai skala secara keseluruhan
1
Menyimpan Data Calon Peminjam 1
8
CALON_PEMINJAM
DISTRIBUSI_NORMAL
Menyimpan Data Calon Peminjam Terupdate
Membaca Data Distribusi Normal
Menyimpan Data Kriteria
2
KRITERIA
3
ITEM
Membaca Data Kriteria
Mengubah Data Kriteria Menyimpan Data Kriteria Terupdate
Membaca Data Item
Mengubah data Item
Proses Maintenance Data Calon peminjam Kriteria Item Bad Debit Kodepos Dealer
Meyimpan Data Jawaban
4
JAWABAN
Menyimpan Data Skala Kategori Keseluruhan
Menentukan Skala Prioritas Menggunakan Kategori Kriteria Jenjang Ordinal
Menyimpan Data Item Terupdate
[Data Kriteria]
Membaca Membaca Data Data Jawaban jawaban
Menyimpan Data Skala Kategori Kriteria
+
Mengubah Data Jawaban Menyimpan Data Jawaban Terupdate Menyimpan Data Bad Debit
[Data Item]
nilai
2
Menyimpan Data Item
[Data Calon Peminjam]
menghasilkan
sangat layak, layak, dan tidak layak.
Mengubah Data Calon Peminjam Credit Analyst
yang
Membaca Data Bad Debit 5
Mengubah Data Bad Debit
BAD_DEBIT
Gambar
4
dan
menampilkan
form
[Data Jawaban] Menyimpan Data Bad Debit Terupdate
Membaca Kodepos
Menyimpan Data Kodepos
[Data Bad Debit]
6
Membaca Data Skala Kategori Kriteria
KODEPOS
Mengubah Data Kodepos [Data Kodepos]
10
SKALA_KATEGORISA SI_KRITERIA
Menyimpan Data Kodepos Terupdate Menyimpan Data Dealer Rekanan
+
[Data Dealer Rekanan]
DEALER_ REKANAN
7 Mengubah Data Dealer Rekanan
SKALA_KATEGORISASI_
9
Membaca Dealer Rekanan
kategorisasi
Menyimpan Data Dealer Rekanan Terupdate Credit Comitee
Mengubah Data Calon Peminjam [Data Penilaian Kelayakan]
1
3
CALON_PEMI NJAM
Membaca Data Skala Kategori Keseluruhan
kriteria
dan
Gambar
5
4 Membaca Data Calon Peminjam
Proses Menilai Kelayakan Dengan Scoring System
Mengubah Data Penilaian [Data Pengesahan kelayakan]
Credit Comitee
Proses Mengesahkan Kelayakan Kredit
11
Membaca Data Penilaian
PENILAIAN
12 Membaca Data Detil Penilaian 5
Membaca Data Penilaian
11
Credit Analyst
Credit Analyst Credit Analyst Credit Analyst
Menyimpan Data Detil Penilaian
CALON_PEMI NJAM
Membaca Data Calon Peminjam
keseluruhan.
[Lap Maintenance Data Kriteria] 2
KRITERIA
Membaca Data Kriteria
[Lap maintenance Jawaban]
3 [Lap maintenance Data Item] [Lap Maintenance Data Kodepos]
menampilkan form kategorisasi secara
PENILAIAN
1
Credit Credit Analyst Analyst Credit Analyst
+
Membaca Data Kriteria
Membaca Data Detil Penilaian
[Lap Kelayakan Kredit] [Lap maintenance Data Calon Peminjam]
Credit Analyst
DETIL_PENIL AIAN
Membaca Data Calon Peminjam
2 Menyimpan Data Penilaian
ITEM
Membaca Data Item
Proses Membuat Laporan
4
JAWABAN
5
BAD_DEBIT
6
KODEPOS
Membaca Data Jawaban
[Lap Maintenance Bad Debit]
Membaca Data Bad Debit
[Lap Maintenance Data Dealer Rekanan] Membaca Data Kodepos [Lap Kelayakan Kredit]
7
+
DEALER_REK ANAN
Membaca Data Dealer Rekanan
5
Gambar 7 Form Laporan Maintenance Skala Kategori Keseluruhan
Gambar 4 Form Data Skala Kategorisasi Kriteria
Evaluasi Kinerja Sistem Memastikan
berjalannya
setiap
fungsi dalam aplikasi rancang bangun pendukung
keputusan
pengajuan
kredit
sepeda
kelayakan motor
menggunakan Scoring System ini dengan benar merupakan hal yang sangat penting. Maka dari itu uji coba sistem dilakukan terhadap aplikasi ini untuk melihat sejauh Gambar 5 Form Data Skala Kategorisasi Keseluruhan
mana sistem ini berfungsi dengan baik. Salah satu contoh langkah-langkah yang dilakukan untuk mendapatkan skala kategorisasi
kriteria
“capacity”
(saifuddin,1999): a. Jumlah item 5, b. Xmin = banyaknya pertanyaan * nilai Gambar 6 Form Laporan Skala Kategorisasi Kriteria
minimum 5*1=5
6
m. (µ + (p * σ)) ≤ X kategorinya tinggi
c. Xmax = banyaknya pertanyaan * nilai maksimum
atau sangat layak (15 + (0.9987 * 3.33)) ≤ 25= 19≤25
5*5=25 d. Luas jarak sebaran = Xmax – Xmin
Tabel 1 Hasil perhitungan Skala Kategorisasi per Kriteria
25-5=20 Kete
e. σ = luas jarak sebaran / 6 20/6=3.33 f. µ = banyaknya pertanyaan * banyak
rang
CAP
CAP
CON
COLL
CHAR
ZONA
an /
ACI
ITA
DITI
ATER
ACTE
/ARE
krite
TY
L
ON
AL
R
A
5
1
3
1
1
1
5
1
3
1
1
1
25
5
15
5
5
5
20
4
12
4
4
4
15
5
9
5
5
3
3.3
0.6
2
0.67
0.67
0.67
3
7
ria
kategori
Juml
5*3=15
ah Item
g. Zmin = (Xmin - µ ) / σ
Nilai
(1-15)/3.33=-3.00
Mini
h. Zmax = (Xmax - µ ) / σ
mal Nilai
(25-15)/3.33=3.00
Mak
i.
Nilai Zmin = -3.00 maka nilai Pmin pada
sima
tabel distribusi adalah 0.0013 j.
l Luas
Nilai Zmax = -3.00 maka nilai Pmax
Jarak
pada tabel distribusi adalah 0.9987
Seba
k. X < (µ - (p * σ)) kategorinya rendah
ran Mea
atau tidak layak
n
5 < (15 - (0.0013 * 3.33))= 5<12 l.
Teor
(µ - (p * σ)) ≤ X < (µ + (p * σ))
ities
kategorinya sedang atau layak
Luas Stan
(15 - (0.9987 * 3.33)) ≤ X < (15 +
dart
(0.9987 * 3.33))= 13≤ X <18
Dev
7
Nilai Zmi
Salah satu contoh langkah yang
-
-
-
-
-
-
3.0
3.0
3.0
3.00
3.00
3.00
0
0
0
0.0
0.0
0.0
0.00
0.00
0.00
013
01
013
13
13
13
dilakukan untuk mendapatkan skala
n
Nilai Pmin
kategorisasi keseluruhan Jumlah item 12, a. Xmin = banyaknya pertanyaan * nilai minimum
3
12*1=12 Nilai Zma
3.0
3.0
3.0
3.00
3.00
3.00
0
0
0
0.9
0.9
0.9
0.99
0.99
0.99
987
98
987
87
87
87
b. Xmax = banyaknya pertanyaan * nilai
x
maksimum Nilai Pma
12*5=60 c. Luas jarak sebaran = Xmax – Xmin
x
60-12=48
7
d. σ = luas jarak sebaran / 6 Rang e
5-
1-
3-
12
2
7
1-2
1-2 1-2
48/6=8 e. µ = banyaknya pertanyaan * banyak
Tida
kategori
k
12*3=36
Laya
f. Zmin = (Xmin - µ ) / σ
k Rang e
(12-36)/8=-3 13
3-
8-
-
4
11
3-4
3-4 3-4
g. Zmax = (Xmax - µ ) / σ (60-36)/8=3
Laya k Rang e
h. Nilai Zmin = -3 maka nilai Pmin pada
18
tabel distribusi adalah 0.0013 19
5-
12 -
-
5
15
5-5
5-5
5 -
i.
tabel distribusi adalah 0.9987
Sang at
Nilai Zmax = -3 maka nilai Pmax pada
j.
25
X < (µ - (p * σ)) kategorinya rendah atau tidak layak
Laya
12 < (36 - (0.0013 * 8))= 12<28
k
k. (µ - (p * σ)) ≤ X < (µ + (p * σ)) kategorinya sedang atau layak
8
(36 - (0.9987 * 8)) ≤ X < (36 + (0.9987 *
dengan kriteria beserta bobot nilai yang
8))= 29≤ X <44 (µ + (p * σ)) ≤ X
telah ditentukan.
kategorinya tinggi atau sangat layak
2. Aplikasi yang dibuat dapat memantau
(36 + (0.9987 * 8)) ≤ 60=
perkembangan
45≤25
penilaian
kelayakan
kredit dari awal pengajuan sampai selesai penilaian kelayakan.
Tabel 2 Hasil perhitungan Skala Kategorisasi Keseluruhan Keterangan / kriteria Nilai
3. Hasil Penilaian kelayakan kredit dapat digunakan
untuk
mengetahui
para
calon pemohon kredit mana yang layak Jumlah Item
12
diterima menjadi menjadi nasabah
Nilai Minimal
12
sesuai
Nilai Maksimal
60
Luas Jarak Sebaran
48
Mean Teorities
36
Luas Standart Dev
8
dengan
kriteria
PT.
HD
FINANCE.
SARAN Beberapa saran yang bermanfaat bagi
pengembangan
penelitian
ini
Nilai Zmin
-3
Nilai Pmin
0.0013
Nilai Zmax
3
Nilai Pmax
0.9987
menambahkan perhitungan penilaian
Range Tidak Layak
12 – 28
kelayakan kredit dengan metode lain agar
Range Layak
29 - 44
Range Sangat Layak
45 - 60
selanjutnya antara lain: 1. Aplikasi dapat dibuat online sehingga dapat diakses oleh kantor cabang lain. Penelitian ini dapat dikembangkan dengan
dapat digunakan sebagai pembanding.
RUJUKAN Anggayana, I Made, 2008. Sistem Pendukung Keputusan Kelayakan Kredit Modal Kerja UKM Dengan Metode Scoring System (studi kasus : BTDC Nusa Dua Bali), Surabaya : STIKOM.
Simpulan Dari penelitian yang telah dilakukan, dapat disimpulkan bahwa: 1. Aplikasi yang dibuat dapat mendukung bagian credit comitee terutama dalam
Daihaini, Dadan Komputerisasi
melakukan penilaian kelayakan kredit 9
Umar, 2001, Pengambilan
Keputusan, PT. Elex Komputindo, Jakarta.
Media
Herlambang, Soendoro, dan Haryanto Tanuwijaya, 2005, Sistem Informasi: Konsep, Teknologi, dan Manajemen, Graha Ilmu, Yogyakarta. Kendall K.E and Kendal J.E. 2002. System analyst and Design, Rudger University School of BussinessCamden, Camden, New Jersey. Muljono, Teguh Pudjo, 1993. Manajemen Perkreditan Bagi Bank Komersiil, cetakan ketiga, BPFE, Yogyakarta Saputra,
Agung, 2002, Sistem_Pendukung_Keputusan.pd f, -, -
Sutojo, Siswanto, 1995. Analisa Kredit Bank Umum: Konsep dan Teknik, Jakarta: Pustaka Binnaan Pressindo Suryadi, Kadarsyah, dan M. Ali Ramdhani, 1998, Sistem Pendukung Keputusan Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan, PT. Remaja Rosdakarya, Bandung. Suyatno,
Thomas, 1990. Dasar-dasar Perkreditan, PT Gramedia, Jakarta
10
