SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOTOR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA FIFGROUP CABANG BANDARLAMPUNG (Skripsi)
OLEH: KHANZA PUSPA NINGRUM 1317051034
JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2017
ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOTOR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA FIFGROUP CABANG BANDARLAMPUNG
OLEH
KHANZA PUSPA NINGRUM
Federal International Finance Group (FIFGROUP) merupakan perusahaan pembiayaan untuk pengadaan kebutuhan konsumen dengan sistem pembayaran angsuran secara berkala (kredit). Pemberian kredit mengandung resiko yang tinggi dan berpengaruh terhadap laju perkembangan perusahaan apabila terjadi kemacetan pada kredit konsumen. Menentuan konsumen yang layak diberikan kredit bukanlah hal yang mudah. Perusahaan membutuhkan Sistem Pendukung Keputusan (SPK) yang dapat membantu decision maker dalam mengetahui rekomendasi kelayakan konsumen diberikan kredit. Metode perhitungan pengambilan keputusan yang digunakan pada penelitian ini adalah Simple Additive Weighting (SAW) dengan 5 kriteria yaitu Character, Capacity, Collateral, Condition dan Capital. Sistem dibangun menggunakan bahasa pemrograman Hypertext Preprocessor (PHP) berbasis web. Hasil pengujian sistem menggunakan Black Box yang dilakukan dengan menggunakan 100 data konsumen menunjukkan bahwa sistem dapat berfungsi sesuai dengan kebutuhan pengguna. Berdasarkan uji keakuratan hasil keputusan, sistem dinyatakan 100% telah sesuai dengan kriteria pemilihan konsumen yang berhak mendapatkan kredit pada FIFGROUP Cabang Bandarlampung.
Kata kunci: Black Box, Kredit, SPK, Simple Additive Weighting (SAW), Web.
ABSTRACT DECISION SUPPORT SYSTEM OF CREDIT MOTOR USING SIMPLE ADDITIVE WEIGHTING (SAW) METHOD AT FIFGROUP BRANCH OF BANDARLAMPUNG
BY KHANZA PUSPA NINGRUM
Federal International Finance Group (FIFGROUP) is a finance company for the procurement needs of consumers with periodic installment payment system (credit). Giving credit contains high risks and affects the pace of development of the company if there is congestion on consumer credit. To determine that the consumers are feasible to be given the credit is not easy. Company needs Decision Support System (DSS) that can help the decision maker to know about the recommendation if the consumer is feasible to give credit. The decision-making calculation method is Simple Additive Weighting (SAW) with five criteria: Character, Capacity, Collateral, Conditions, and Capital. The system is a web based application that is built with PHP language. The test results using the Black Box which is done by using the data of 100 consumers shows that the system can function according to user requirements. Based on the accuracy of the test results, the system 100% compliance with selection criteria those consumers are entitled to a credit on FIFGROUP Branch of Bandarlampung.
Keywords: Black Box, Credit, DSS, Web, Simple Additive Weighting (SAW).
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOTOR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA FIFGROUP CABANG BANDARLAMPUNG Oleh
KHANZA PUSPA NINGRUM
Skripsi Sebagai Salah Satu Syarat Untuk Memperoleh Gelar SARJANA KOMPUTER pada Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2017
PERNYATAAN
Saya yang bertanda tangan di bawah ini, menyatakan bahwa skripsi saya yang berjudul “Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode
Simple
Additive
Weighting
(SAW)
pada
FIFGROUP
Cabang
Bandarlampung” merupakan karya saya sendiri dan bukan hasil karya orang lain. Semua tulisan yang tertuang di skripsi ini telah mengikuti kaidah penulisan karya ilmiah Universitas Lampung. Apabila di kemudian hari terbukti bahwa skripsi saya merupakan hasil penjiplakan atau dibuat orang lain, maka saya bersedia menerima sanksi.
Bandar Lampung, 6 April 2017
Khanza Puspa Ningrum NPM. 1317051034
RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 30 Juni 1995 di Bandar Lampung, sebagai anak ketiga dari tiga bersaudara dengan Ayah bernama Dedi Junaedi dan Ibu bernama Salbiah. Penulis menyelesaikan pendidikan formal pertama kali di Taman Kanak-kanak „Aisyiyah Bustanul Athfal Pringsewu dan selesai pada tahun 2001. Pendidikan Dasar di SD Negeri 1 Gotong Royong Bandarlampung dan selesai pada tahun 2007. Pendidikan menengah pertama di SMP Negeri 23 Bandarlampung dan selesai pada tahun 2010, kemudian melanjutkan pendidikan menengah atas di SMA Negeri 3 Bandarlampung yang diselesaikan penulis pada tahun 2013. Pada tahun 2013, penulis terdaftar sebagai mahasiswi Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui jalur SNMPTN Undangan. Pada bulan Januari – Maret 2016, penulis melakukan Kuliah Kerja Nyata (KKN) selama 60 hari di Desa Kahuripan Dalam Kecamatan Menggala Timur Kabupaten Tulang Bawang. Kemudian, pada bulan Juli 2016 penulis melakukan kerja praktik di Kompas TV Lampung selama 40 hari.
Selama menjadi mahasiswa, penulis aktif dalam Organisasi Himpunan Mahasiswa Jurusan Ilmu Komputer (Himakom) Universitas Lampung dengan menjabat sebagai Anggota Bidang Internal pada tahun 2013-2014, Sekretaris Bidang Media Informasi pada tahun 2014-2015.
PERSEMBAHAN
Puji dan syukur saya panjatkan kepada Allah SWT atas segala berkah-Nya sehingga skripsi ini dapat terselesaikan. Teruntuk Ibu Ayahku yang sangat kusayang dan kucintai, kupersembahkan skripsi ini. Terimakasih untuk semua pengorbanan, kasih sayang, perhatian, usaha, dukungan moril maupun materi, motivasi, serta doa-doa yang tiada henti demi kesuksesanku.. Kakak-kakakku dan keluarga besar yang telah memberikan apresiasi. Keluarga Ilmu Komputer 2013 Serta Almamater tercinta, Universitas Lampung.
Motto “Maka sesungguhnya bersama kesulitan ada kemudahan. Sesungguhnya bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari sesuatu urusan), tetaplah bekerja keras (untuk urusan yang lain). Dan hanya kepada Tuhanmulah engkau berharap.”
(Q.S.Al-Insyirah:6-8)
“Jika belum bisa menjadi orang yang pintar dan cerdas, jadilah orang yang rajin dan pekerja keras. Sebab orang yang pintar sering dikalahkan oleh mereka yang rajin dan orang yang cerdas sering dikalahkan oleh mereka yang pekerja keras.”
(Firman Nofeki)
SANWACANA
Assalamualaikum wr, wb. Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat, hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan skripsi yang berjudul “Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Additive Weighting (SAW) pada FIFGROUP Cabang Bandarlampung” dengan baik.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam menyusun skripsi ini, antara lain : 1. Kedua orangtua tercinta, Bapak Dedi Junaedi dan Ibu Salbiah, Kakakkakakku tercinta Muhammad Gesandika dan Muhammad Bayu Dwi Putra yang telah memberikan doa, kasih sayang, dukungan dan semangat yang tak terhingga serta memfasilitasi kebutuhan untuk menyelesaikan skripsi ini. 2. Bapak Tristiyanto, S.Kom., M.I.S., Ph.D. sebagai pembimbing, yang telah membimbing penulis, memberikan ide, kritik serta saran sehingga penulisan skripsi ini dapat diselesaikan. 3. Bapak Rico Andrian, S.Si.,M.Kom. sebagai pembahas I dan pembimbing akademik yang telah membimbing, memotivasi serta memberikan ide, kritik dan saran selama masa perkuliahan dan penyusunan skripsi sehingga penulis dapat menyelesaikan skripsi ini.
4. Bapak Ketua Jurusan Ilmu Komputer, Bapak Dr. Ir. Kurnia Muludi M.S.Sc. sebagai pembahas II yang telah banyak memberikan ide, kritik serta saran sehingga penulis dapat menyelesaikan skripsi ini. 5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. sebagai Dekan FMIPA Universitas Lampung. 6. Bapak Didik Kurniawan, S.Si., M.T. sebagai Sekretaris Jurusan Ilmu Komputer FMIPA Universitas Lampung yang telah banyak membantu penulis selama perkuliahan. 7. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu dan pengalaman hidup selama penulis menjadi mahasiswa. 8. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan administrasi penulis di Jurusan Ilmu Komputer. 9. Bapak Bastian VP, Bapak Tantri, dan Bapak Wira Hadi sebagai Pihak FIFGROUP Cabang Bandarlampung yang telah mengizinkan dan membantu penulis melakukan penelitian. 10. Kakak-kakak terbaik Ahmad Akbar, Siti Indah Disatya dan Tiara Rifanny yang selalu setia menemani dan direpotkan terutama dimasa perkuliahan dan penyusunan skripsi ini. 11. Sahabat Pengajian tercinta Dhona, Eka, Ndin, Nona dan Renzy yang tak pernah henti menemani, memberikan dorongan dan menghibur penulis dalam kondisi apapun. 12. Sahabat Artis Desy Mecca dan Selina Tingting yang selalu memberikan kegembiraan dikala penulis merasa jenuh dalam penyusunan skripsi ini.
13. Keluarga Kapak Alika, Dyah Ayu, Ece, Shafina, Ully, Adly, Apriansyah, Hafizh, Randika, Reza dan Tegar yang selalu membantu penulis, memberikan dukungan, hiburan, dan do‟a sehingga penulis dapat melewati tahap perkuliahan dan menyelesaikan skripsi. 14. Keluarga Ilmu Komputer 2013 yang tidak bisa disebutkan satu per satu, terima kasih atas kebersamaannya selama ini. 15. Mas Nurkholis yang telah membukakan MIPA Terpadu dan ruang baca serta menyiapkan ruang seminar. 16. Almamater tercinta, Universitas Lampung.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, akan tetapi sedikit harapan semoga skripsi ini bermanfaat bagi perkembangan ilmu pengetahuan terutama bagi teman-teman Ilmu Komputer.
Bandarlampung, 7 April 2017
Khanza Puspa Ningrum
DAFTAR ISI Halaman DAFTAR ISI ......................................................................................................... xv DAFTAR GAMBAR .......................................................................................... xvii DAFTAR TABEL ................................................................................................. xx DAFTAR KODE .................................................................................................. xxi
BAB I PENDAHULUAN 1.1
Latar Belakang ............................................................................................. 1
1.2
Rumusan Masalah ........................................................................................ 4
1.3
Batasan Masalah........................................................................................... 4
1.4
Tujuan Penelitian ......................................................................................... 4
1.5
Manfaat Penelitian ....................................................................................... 5 1.5.1
Manfaat Praktis ................................................................................. 5
1.5.1
Manfaat Akademis ............................................................................ 5
BAB II TINJAUAN PUSTAKA 2.1
Pengertian Sistem Pendukung Keputusan ......................................................... 6
2.2
Karakteristik, Tujuan dan Kemampuan Sistem Pendukung Keputusan ...... 7
2.3
Komponen-komponen Sistem Pendukung Keputusan ................................. 9
2.4
Tahapan Proses Pengambilan Keputusan .................................................. 11
2.5
Tujuan Sistem Pendukung Keputusan ....................................................... 12
2.6
Pengertian Kredit ....................................................................................... 13
2.7
Unsur-unsur Kredit..................................................................................... 13
2.8
Simple Additive Weighting Method ............................................................ 14
2.9
Korelasi ...................................................................................................... 16
2.10
Metode Pengembangan Sistem .................................................................. 17
2.11
Data Flow Diagram ................................................................................... 19
2.12
Entity Relationship Diagram...................................................................... 21
2.13
Pengujian Black Box .................................................................................. 22
2.14
Penelitian Terkait ....................................................................................... 23
BAB III METODOLOGI PENELITIAN 3.1
Waktu dan Tempat Penelitian .................................................................... 27
3.2
Perangkat Penelitian ................................................................................... 27
3.3
Metodologi Penelitian ................................................................................ 28 3.3.1
Diagram Alir Penelitian .................................................................. 28
3.3.2
Metode Pengembangan Sistem ....................................................... 32
BAB IV HASIL DAN PEMBAHASAN 4.1
4.2
Hasil ........................................................................................................... 64 4.1.1
Implementasi Sistem ....................................................................... 64
4.1.2
Pengujian ....................................................................................... 100
Pembahasan .............................................................................................. 105
BAB V SIMPULAN DAN SARAN 5.1
Simpulan .................................................................................................. 108
5.2
Saran ......................................................................................................... 109
DAFTAR PUSTAKA LAMPIRAN
DAFTAR GAMBAR
Gambar
Halaman
2.1
Gambar Skematik SPK .............................................................................. 10
2.2
Gambar Penggolongan Uji Korelasi ......................................................... 16
2.3
Gambar Tahapan Metode Waterfall .......................................................... 17
3.1
Gambar Diagram Alir Metodologi Penelitian ............................................ 28
3.2
Gambar Tahapan Metode Waterfall ........................................................... 32
3.3
Gambar DFD Level 0 SPK ........................................................................ 39
3.4
Gambar DFD Level 1 SPK ........................................................................ 41
3.5
Gambar DFD Level 2 Proses 1 Melakukan Login .................................... 42
3.6
Gambar DFD Level 2 Proses 2 Mengelola Data Kriteria ......................... 43
3.7
Gambar DFD Level 2 Proses 3 Mengelola Data Nilai Kriteria ................. 43
3.8
Gambar DFD Level 2 Proses 4 Mengelola Data Konsumen .................... 44
3.9
Gambar DFD Level 2 Proses 5 Mengelola Data Nilai Konsumen ........... 45
3.10
Gambar DFD Level 2 Proses 6 Melakukan Perhitungan dan Analisa ...... 45
3.11
Gambar DFD Level 2 Proses 7 Mengubah Password .............................. 46
3.12
Gambar DFD Level 2 Proses 8 Mengambil Data History ......................... 47
3.13
Gambar Entity Relationship Diagram ....................................................... 48
3.14
Gambar Halaman Login SPK .................................................................... 51
3.15
Gambar Halaman Utama Admin................................................................ 52
3.16
Gambar Halaman submenu Kriteria .......................................................... 52
3.17
Gambar Halaman submenu Subkriteria ..................................................... 53
3.18
Gambar Halaman submenu Konsumen ...................................................... 53
3.19
Gambar Halaman submenu Nilai Konsumen ............................................ 54
3.20
Gambar Halaman Data Motor ................................................................... 54
3.21
Gambar Halaman submenu Perhitungan ................................................... 55
3.22
Gambar Halaman submenu Hasil Analisa ................................................ 56
3.23
Gambar Halaman History ......................................................................... 56
3.24
Gambar Halaman Menu Edit Password .................................................... 57
3.25
Gambar Halaman Utama Verifier ............................................................. 57
3.26
Gambar Halaman Submenu Konsumen .................................................... 58
3.27
Gambar Halaman Submenu Nilai Konsumen ........................................... 58
3.28
Gambar Form Tambah Data Konsumen ................................................... 59
3.29
Gambar Halaman Utama Kepala .............................................................. 60
3.30
Gambar Halaman submenu Hasil Analisa SPK ........................................ 60
3.31
Gambar Halaman submenu Perhitungan SPK .......................................... 61
3.32
Gambar Halaman submenu History SPK .................................................. 61
4.1
Gambar User Interface Halaman login ..................................................... 65
4.2
Gambar Halaman Utama Admin ............................................................... 67
4.3
Gambar Halaman Submenu Kriteria ......................................................... 69
4.4
Gambar Halaman Submenu Subkriteria .................................................... 71
4.5
Gambar Halaman Submenu Konsumen .................................................... 72
4.6
Gambar Halaman Submenu Nilai Konsumen ........................................... 73
4.7
Gambar Halaman Data Motor ................................................................... 75
4.8
Gambar Halaman Perhitungan Admin ...................................................... 76
4.9
Gambar Halaman Hasil Analisa Admin .................................................... 79
4.10
Gambar Halaman History Admin ............................................................. 83
4.11
Gambar Halaman Utama Verifier ............................................................. 85
4.12
Gambar Halaman Submenu Konsumen .................................................... 86
4.13
Gambar Halaman Form Tambah Data Konsumen .................................... 88
4.14
Gambar Halaman Submenu Nilai Konsumen ........................................... 89
4.15
Gambar Halaman Menu Kepala ................................................................ 90
4.16
Gambar Halaman Perhitungan Kepala ...................................................... 91
4.17
Gambar Halaman Hasil Analisa Kepala ................................................... 94
4.18
Gambar Halaman History Kepala ............................................................. 96
4.19
Gambar Halaman Edit Password .............................................................. 98
DAFTAR TABEL
Tabel
Halaman
2.1
Tabel Koefisien Korelasi............................................................................ 16
2.2
Tabel Penomoran Level Pada DFD............................................................ 20
2.3
Tabel Simbol-simbol Pada DFD ................................................................ 20
3.1
Tabel Parameter Penilaian Kriteria C1 ...................................................... 34
3.2
Tabel Nilai untuk Bobot Kriteria C2 .......................................................... 35
3.3
Tabel Nilai untuk Bobot Kriteria C3 .......................................................... 35
3.4
Tabel Nilai untuk Bobot Kriteria C4 .......................................................... 35
3.5
Tabel Nilai untuk Bobot Kriteria C5 .......................................................... 36
3.6
Tabel Contoh Nilai Alternatif ................................................................... 36
3.7
Tabel Angka Crisp Alternatif .................................................................... 37
3.8
Tabel Contoh Nilai Hasil Normalisasi Alternatif ...................................... 37
3.9
Tabel Contoh Struktur Tabel Login ........................................................... 48
3.10
Tabel Contoh Struktur Tabel Kriteria ....................................................... 49
3.11
Tabel Contoh Struktur Tabel Subkriteria .................................................. 49
3.12
Tabel Contoh Struktur Tabel Data Konsumen .......................................... 49
3.13
Tabel Contoh Struktur Tabel Data Motor ................................................. 50
4.1
Tabel Pengujian Admin ........................................................................... 101
4.2
Tabel Pengujian Verifier ......................................................................... 102
4.3
Tabel Pengujian Kepala .......................................................................... 104
DAFTAR KODE
Kode
Halaman
4.1
Potongan Kode Program Tampilan Halaman Login ................................. 66
4.2
Potongan Kode Program Tampilan Halaman Utama Admin .................... 68
4.3
Potongan Kode Program Tampilan Halaman Submenu Kriteria .............. 69
4.4
Potongan Kode Program Pengecekkan Jumlah Bobot Kriteria ................ 70
4.5
Potongan Kode Program Tampilan Submenu Subkriteria ........................ 71
4.6
Potongan Kode Program Tampilan Submenu Konsumen ........................ 73
4.7
Potongan Kode Program Tampilan Submenu Nilai Konsumen ............... 74
4.8
Potongan Kode Program Tampilan Halaman Data Motor ........................ 75
4.9
Potongan Kode Program Tampilan Halaman Perhitungan Admin ........... 77
4.10
Potongan Kode Program Tampilan Halaman Perhitungan Admin Membuat Variabel Alternatif .................................................................................... 78
4.11
Potongan Kode Program Normalisasi Alternatif ...................................... 78
4.12
Potongan Kode Program Menghitung Nilai Total .................................... 79
4.13
Potongan Kode Program Tampilan Halaman Hasil Analisa ..................... 79
4.14
Potongan Kode Program Pembuatan Variabel Minimum dan Maksimum Pada Tampilan Halaman Hasil Analisa .................................................... 80
4.15
Potongan Kode Program Mencari Nilai Total Minimum dan Maksimum Pada Tampilan Halaman Hasil Analisa .................................................... 81
4.16
Potongan Kode Program Mencari Nilai Total dan Status Layak Pada Tampilan Halaman Hasil Analisa ............................................................. 82
4.17
Potongan Kode Program History Admin .................................................. 83
4.18
Potongan Kode Program Tampilan Halaman Utama Verifier .................. 85
4.19
Potongan Kode Program Tampilan Halaman Submenu Konsumen ......... 87
4.20
Potongan Kode Program Tampilan Halaman Form Tambah Data Konsumen ................................................................................................. 88
4.21
Potongan Kode Program Tampilan Halaman Nilai Konsumen ................ 89
4.22
Potongan Kode Program Tampilan Halaman Utama Kepala ................... 90
4.23
Potongan Kode Program Tampilan Halaman SPK Kepala ....................... 92
4.24
Potongan Kode Program Normalisasi Alternatif dan Mencari Nilai Total Pada Halaman SPK Kepala ....................................................................... 94
4.25
Potongan Kode Program Hasil Analisa Kepala ........................................ 95
4.26
Potongan Kode Program Tampilan Halaman History Kepala .................. 96
4.27
Potongan Kode Program Tampilan Halaman Edit Password ................... 98
4.28
Potongan Kode Program Submit Pada Halaman Edit Password .............. 99
4.29
Potongan Kode Program Pengecekkan Username dan Password .......... 100
BAB I PENDAHULUAN
1.1 Latar Belakang Federal International Finance Group (FIFGROUP) adalah anak perusahaan PT. Astra International Tbk yang merupakan perusahaan pembiayaan konsumen (consumers finance company). FIFGROUP yaitu badan usaha yang melakukan pembiayaan pengadaan barang untuk kebutuhan konsumen dengan sistem pembayaran angsuran secara berkala. Perusahaan ini telah menetapkan kebijakan dalam pemberian kredit antara lain menetapkan standard untuk menerima atau menolak resiko kredit, yaitu menentukan siapa yang berhak menerima kredit yang telah memenuhi syarat Five C, bagaimana karakter nasabah (Character), kapasitas melunasi kredit (Capacity), kemampuan modal yang dimiliki nasabah (Capital), jaminan yang dimiliki nasabah untuk menanggung resiko kredit (Collateral) dan kondisi keuangan nasabah (Condition).
Namun, untuk memilih konsumen yang layak mendapatkan kredit tersebut harus dilakukan secara tepat untuk menghindari kemacetan kredit konsumen yang dapat menimbulkan kerugian bagi perusahaan (Suhari dkk., 2009). Kerugian ini dapat manghambat laju perkembangan perusahaan, sehingga perlu dilakukan seleksi yang didasarkan pada analisis data pemohon kredit (Firmandoyo, 2014). Oleh karena
itu,
dalam upaya membantu menganalisis pengambilan keputusan konsumen layak kredit, diperlukan sebuah model sistem pendukung keputusan terkomputerisasi yang dapat memberikan kemudahan dalam menganalisis data yang multi-kriteria.
Sistem Pendukung Keputusan (SPK) merupakan salah satu solusi perusahaan yang membantu melakukan pengambilan keputusan konsumen layak kredit. Sistem pendukung keputusan memanfaatkan data, model, serta memberikan antarmuka pengguna yang mudah dan dapat menggabungkan pemikiran dalam pengambilan keputusan. Pembuatan SPK ini diharapkan akan menyelesaikan permasalahan yang tidak terstruktur. Untuk merancang suatu sistem pendukung keputusan, dibutuhkan suatu metode perhitungan yang digunakan untuk menyelesaikan
permasalahan
dengan
multi-kriteria.
Salah
satu
metode
perhitungan yang digunakan adalah Simple Additive Weighting (SAW). Konsep dasar dari metode SAW adalah mencari bobot terakhir dari bentuk hasil penilaian setiap alternatif dari semua atribut.
Pada penelitian yang dilakukan oleh Fandrias Befyga Fitroh (2013) mengenai SPK Pemberian Kredit Pada Koperasi Simpan Pinjam Kharisma Kota Kendal, digunakan metode SAW (Simple Additive Weighting) dalam merancang sistem tersebut. Pada penelitian tersebut terdapat 5 kriteria yang menjadi dasar pengambilan keputusan antara lain jaminan, pinjaman, angsuran, jangka waktu, usia. Adapun hasil akhir dalam penelitian ini adalah hasil prioritas global kriteria nasabah, yang diurutkan dari yang tertinggi hingga terendah, sehingga pihak
2
Koperasi dapat dengan mudah mengambil keputusan dengan melihat hasil tersebut.
Sedangkan pada penelitian yang dilakukan oleh Teuku Mufizar, Dede Syahrul Anwar, dan Epa Aprianis (2013) mengenai SPK Pemilihan Jurusan di SMA N 6 Tasikmalaya, digunakan pula metode SAW (Simple Additive Weigthing) dalam merancang sistem tersebut. Pada penelitian tersebut terdapat 10 kriteria dan 5 alternatif. Sistem pendukung keputusan yang dirancang ini berbasis desktop. Hasil akhir dari penelitian ini didapatkan bahwa sistem pendukung keputusan dengan metode SAW ini menghasilkan keputusan berupa rekomendasi jurusan yang terpilih untuk siswa dan sistem ini mampu mengatasi permasalahan dalam proses pemilihan jurusan di SMA 6 Tasikmalaya.
Selain itu, penelitian yang dilakukan oleh Ignatius Joko Dewanto dan MF. Arrozi (2016) yang berjudul Membangun Sistem Penunjang Keputusan Penentu Investasi Saham juga menggunakan metode SAW (Simple Additive Weighting) dalam merancang sistem tersebut. Berdasarkan penyusunan kriteria pada penelitian ini ditentukan pilihan investasi evaluasi multifaktorial untuk kedua fundamental, teknis, makro dan mikro. Hasil akhir pada penelitian ini yaitu sistem pendukung keputusan dengan metode SAW ini dapat membantu manajer dalam menentukan saham mana yang paling optimal dalam menentukan investasi.
Berdasarkan latar belakang di atas maka dalam penelitian ini perlu dibangun suatu Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode
3
Simple Additive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung untuk membantu perusahaan dalam melakukan pengambilan keputusan konsumen layak kredit. 1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan, didapatkan masalah pokok yang memerlukan penyelesaian dan menjadi dasar dalam pengerjaan skripsi ini yaitu “Bagaimana merancang dan membangun suatu Sistem Pendukung Keputusan (SPK) yang mampu mendukung keputusan pemberian kredit motor bagi calon konsumen dengan menggunakan metode Simple Additive Weighting (SAW)”.
1.3 Batasan Masalah
Dalam perancangan Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Additive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung ini diberikan batasan masalah sebagai berikut : 1. Sistem ini dibangun sebagai alat bantu bagi pihak FIFGROUP dalam menentukan siapa yang layak menerima kredit, berdasarkan kriteria yang ditentukan oleh pihak FIFGROUP. Namun keputusan akhir tetap berada di pihak FIFGROUP. 2. Sistem Pendukung Keputusan ini dibangun berbasis web. 3. Sistem Pendukung Keputusan ini dibangun hanya untuk membantu penentuan penerima kredit motor saja.
4
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk merancang dan membangun suatu Sistem Pendukung Keputusan dengan menggunakan metode Simple Additive Weighting (SAW) yang dapat membantu FIFGROUP Cabang Bandarlampung dalam menentukan layak atau tidak konsumen diberikan kredit.
1.5 Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah sebagai berikut : 1.5.1
Manfaat Praktis Manfaat praktis dari penelitian ini yaitu sistem ini dapat membantu perusahaan dalam menentukan pemberian kredit kepada konsumen.
1.5.2
Manfaat Akademis 1. Hasil penelitian dapat menambah pengetahuan baru bagi penulis. 2. Mengembangkan dan mengaplikasikan ilmu yang telah didapat dimasa kuliah. 3. Dapat dijadikan acuan terhadap pembuatan atau pengembangan sistem pada penelitian yang sama.
5
BAB II TINJAUAN PUSTAKA
2.1 Pengertian Sistem Pendukung Keputusan Sistem pendukung keputusan ialah proses pengambilan keputusan dibantu menggunakan komputer untuk
membantu pengambil
keputusan dengan
menggunakan beberapa data dan model tertentu untuk menyelesaikan beberapa masalah yang tidak terstruktur (Kusumadewi, 2010).
Keberadaan SPK pada
perusahaan atau organisasi bukan untuk menggantikan tugas-tugas pengambil keputusan, tetapi merupakan sarana yang membantu bagi mereka dalam pengambilan keputusan. Dengan menggunakan data-data yang diolah menjadi informasi untuk mengambil keputusan dari masalah-masalah semi-terstruktur. Dalam implementasi SPK, hasil dari keputusan-keputusan dari sistem bukanlah hal yang menjadi patokan, pengambilan keputusan tetap berada pada pengambil keputusan. Sistem hanya menghasilkan keluaran yang mengkalkulasi data-data sebagaimana pertimbangan seorang pengambil keputusan.
Sehingga kerja
pengambil keputusan dalam mempertimbangkan keputusan dapat dimudahkan (Wibowo, 2011).
Sistem Pendukung Keputusan dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasikan masalah, memilih data yang relevan,
dan
menentukan
pendekatan
yang
digunakan
dalam
proses
6
pengambilan keputusan sampai mengevaluasi pemilihan alternatif-alternatif yang ada (Kusrini, 2007).
2.2 Karakteristik, Tujuan dan Kemampuan Sistem Pendukung Keputusan Menurut Turban, dkk DSS diharapkan memiliki beberapa karakteristik sebagai berikut; a. Dukungan
untuk
pengambil
keputusan,
terutama
pada
situasi
semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi terkomputerisasi. b. Dukungan untuk semu level manajerial, dan eksekutif puncak sampai manajer ini. c. Dukungan untuk individu dan kelompok. d. Dukungan untuk keputusan independen dan atau sekuensial. e. Dukungan disemua fase proses pengambilan keputusan: inteligensi, desain, pilihan dan implementasi. f. Dukungan diberbagai proses dan gaya pengambilan keputusan. g. Adaptivitas sepanjang waktu. Pengambilan keputusan seharusnya reaktif, dapat
menghadapi
perubahan
kondisi
secara
cepat,
dan
dapat
mengadaptasikan DSS untuk itu pengguna dapat menambahkan, menghapus, menggabungkan, mengubah, atau menyusun kembali elemenelemen dasar. h. Pengguna merasa seperti di rumah.
7
i. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi, timelines, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan. j. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilan keputusan dalam memecahkan suatu masalah. k. Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem sederhana. Sistem yang lebih besar dapat dibangun dengan bantuan ahli sistem informasi. l. Biasanya model-model untuk menganalisa situasi pengambilan keputusan. Kapabilitas pemodelan memungkinkan eksperimen dengan berbagai strategi yang berbeda di bawah konfigurasi yang berbeda. Karakteristik dari DSS tersebut membolehkan para pengambil keputusan untuk membuat keputusan yang lebih baik dan lebih konsisten pada satu cara yang dibatasi waktu.
Tujuan dari sistem pendukung keputusan yaitu (Turban dkk, 2005) : 1. Mencoba menerapkan konsep sistem pendukung keputusan dalam rangka membantu proses pengambilan keputusan. 2. Untuk membantu dalam mengantisipasi perubahan yang mungkin terjadi pada setiap pelaksanaan program kegiatan. Adapun kemampuan dari penggunaan sistem pendukung keputusan ialah (Kosasi, 2002) : 1. Menunjang pembuatan keputusan manajemen dalam menangani masalah semi terstruktur dan tidak terstruktur
8
2. Membantu manajer pada berbagai tingkatan manajemen, mulai dari manajemen tingkat puncak sampai manajemen tingkat bawah. 3. Menunjang pembuatan keputusan secara kelompok dan perorangan. 4. Menunjang pembuatan keputusan yang saling bergantungan dan berurutan. 5. Menunjang tahap – tahap pembuatan keputusan antara lain intelligence, design, choice dan implementation. 6. Menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan. 7. Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel. 8. Kemudahan melakukan interaksi sistem. 9. Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi. 10. Kemampuan pemodelan dan analisis dalam pembuatan keputusan 11. Kemudahan melakukan pengaksesan berbagai sumber dan format data.
2.3 Komponen-komponen Sistem Pendukung Keputusan Sistem Pendukung Keputusan terdiri dari empat subsistem yaitu (Turban dkk, 2005): 1. Subsistem manajemen data Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS). Subsistem manajemen data dapat diinterkoneksikan dengan data warehouse perusahaan, suatu repository untuk data perusahaan yang relevan untuk pengambilan keputusan.
9
2. Subsistem manajemen model Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. 3. Subsistem antarmuka pengguna Pengguna berkomunikasi dengan dan memerintahkan DSS melalui subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari DSS berasal dari interaksi yang intensif antara komputer dan pembuat keputusan. 4. Subsistem manajemen berbasis – pengetahuan Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan.
Gambar 2.1 Skematik SPK (Turban dkk., 2005) 10
2.4 Tahapan Proses Pengambilan Keputusan Tiga tahapan dalam proses pengambilan keputusan yaitu (Rosnani, 2014) : 1. Tahap Intellegence, adalah tahap proses pengenalan persoalan melalui penyelidikan lingkungan untuk mengetahui ada atau tidaknya masalah. Kesimpulan dari penyelidikan diperoleh dari pengolahan data dengan metode yang telah ditetapkan sebelumnya atau dengan metode khusus. Aliran informasi bergerak dari tingkatan manajemen terendah menuju tingkatan manajemen tertinggi 2. Tahap Design, merupakan tahap mencari, analisis serta perumusan alternative tindakan yang akan diambil. Pada tahap design ini, sistem informasi harus mampu membuat keputusan – keputusan. 3. Tahap Choice, merupakan tahap memilih suatu tindakan yang paling tepat dari beberapa alternatif yang telah dirumuskan. Langkah selanjutnya adalah pelaksanaan alternatif terpilih. Bila suatu alternatif telah dilaksanakan, fungsi informasi berubah menjadi pengumpul data untuk selanjutnya, merupakan umpan balik.
Sedangkan menurut Kusrini, dalam mengambil keputusan dilakukan langkahlangkah sebagai berikut (Kusrini, 2007). 1. Identifikasi masalah. 2. Pemilihan metode pemecahan masalah. 3. Pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan tersebut. 4. Mengimplementasikan model tersebut.
11
5. Mengevaluasi sisi positif dari setiap alternatif yang ada. 6. Melaksanakan solusi terpilih
2.5 Tujuan Sistem Pendukung Keputusan Sistem pendukung keputusan pada hakekatnya memiliki beberapa tujuan, yaitu (Kusrini, 2007). 1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur. 2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk. 3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada perbaikan efisiensinya. 4. Kecepatan
komputasi.
Komputer
memungkinkan
para
pengambil
keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah. 5. Peningkatan produktivitas. Membangun satu kelompok pengambilan keputusan, terutama para pakar bisa sangat mahal. 6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat. 7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan, tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi sulit. 8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
12
2.6 Pengertian Kredit Istilah kredit berasal dari bahasa Yunani “Credere” yang berarti kepercayaan, atau “Credo” yang berarti saya percaya, karena itu dasar dari kata kredit adalah kepercayaan bahwa seseorang atau penerima kredit akan memenuhi segala sesuatu yang telah diperjanjikan terlebih dahulu pada masa yang akan datang. Pengertian kredit dalam arti ekonomi adalah suatu penundaan pembayaran, yaitu uang atau barang (prestasi) yang diterima sekarang akan dikembalikan pada masa yang akan datang berikut tambahan suatu kontra prestasi (Supriyono, 2012).
Secara singkat kredit berarti “suatu pemberian prestasi oleh suatu pihak ke pihak lain dan prestasi itu akan dikembalikan lagi pada suatu masa tertentu yang akan datang disertai dengan suatu kontra prestasi berupa bunga”. Menurut undang-undang pokok Perbankan No. 14 tahun 1967, Kredit didefinisikan sebagai “penyediaan uang atau tagihan-tagihan yang dapat disamakan, dengan itu berdasarkan persetujuan pinjam-meminjam antara bank dengan pihak lain. Berdasarkan definisi kredit, maka pihak meminjam berkewajiban melunasi hutangnya setelah jangka waktu tertentu dengan jumah bunga yang telah ditentukan (Supriyono, 2012).
2.7 Unsur-unsur Kredit Pada dasarnya pemberian kredit didasarkan atas kepercayaan, yang berarti bahwa pemberian kepercayaan oleh bank sebagai pemberi kredit, dimana prestasi yang diberikan benar-benar sudah diyakini akan dapat dibayar
13
kembali dengan penerima kredit sesuai dengan syarat-syarat yang telah disetujui bersama. Berdasarkan hal-hal tersebut dapat ditarik kesimpulan bahwa unsur-unsur yang terdapat pada pemberian kredit adalah: a. Kepercayaan, yaitu keyakinan si pemberi kredit (bank) bahwa prestasi (uang) yang diberikan akan benar-benar kembali dari si penerima kredit pada suatu masa yang akan datang. b. Waktu. Yaitu jangka waktu antara saat pemberian prestas dengan saat pengembaliannya. Dalam unsur waktu ini terkandung pengertian tentang nilai agio yaitu nilai uang sekarang lebih berharga daripada nilai uang di masa yang akan datang, sehingga dalam hal ini perlu adanya kontra prestasi yang harus berupa uang. c. Resiko, yaitu resiko yang dapat timbul pada saat pemberian kredit. Untuk menghindari resiko, maka sebelum kredit diberikan harus dilakukan penilaian secara cermat dan dilindungi oleh agunan atau jaminan kredit sebagai benteng terakhir dalam pengaman kredit. Penilaian didasarkan atas benafiditas calon penerima kredit sehingga dapat ditentukan sampai sejauh mana calon penerima kredit dapat dipercaya oleh bank. d. Prestasi, dalan hubungannyadengan pemberian kredit yang dimaksud prestasi adalah uang (Supriyono, 2012).
2.8 Simple Additive Weighting Method Dijelaskan oleh Kusumadewi bahwa metode Simple Additive Weighting (SAW) sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap
14
alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matrix keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada (Kusumadewi dkk., 2006). Jika j adalah atribut keuntungan (benefit)
𝑟𝑖𝑗
(2,1) Jika j adalah atribut biaya (cost)
Dimana rij adalah rating kinerja ternomalisasi dari alternatif Ai pada atribut Cj; i= 1,2,…,m dan j= 1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai berikut.
Vi = ∑
(2,2)
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih (Kusumadewi dkk., 2006).
Adapun langkah-langkah dalam metode SAW adalah sebagai berikut (Prayoko, 2013): a. Membentuk matriks dari setiap nilai kriteria. b. Menormalisasikan nilai input dari kriteria tersebut. c. Memberi nilai pembobotan pada setiap kriteria. 1. Keuntungan (Benefit). 2. Biaya (Cost). d. Menentukan Perangkingan.
15
2.9 Korelasi Korelasi adalah salah satu statistik inferensi yang akan menguji apakah dua variabel atau lebih mempunyai hubungan atau tidak (Sujarweni dkk., 2011). Terdapat tiga penggolongan berdasarkan jenis data berdasarkan uji korelasi yaitu sebagai berikut.
Gambar 2.2 Penggolongan Uji Korelasi (Sujarweni dkk., 2011)
Pada penelitian ini dilakukan uji korelasi dengan menggunakan Uji Product Moment Pearson untuk mengetahui hubungan pada setiap kriteria. Untuk mencari nilai korelasi digunakan rumus yaitu:
=
∑ (2.3)
√∑
Keterangan: = korelasi antara variabel x dan y = ( - ̅) = ( - ̅) Setelah mendapatkan nilai r maka dapat ditentukan koefisien korelasi dari nilai r yaitu dengan ketentuan di bawah ini (Anwar, 2015). Tabel 2.1 Koefisien Korelasi 0 – 0.199 0.2 – 0.399 0.4 – 0.599
Sangat rendah Rendah Sedang 16
0.6 – 0.799 Kuat 0.8- 1 Sangat kuat Melihat nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur suatu hubungan antar kriteria tersebut. Nilai yang digunakan tersebut berskala interval atau rasio. Nilai korelasi (r) adalah 0 sampai 1, semakin mendekati 1 hubungan yang terjadi semakin kuat. Sebaliknya, nilai semakin mendekati 0 maka hubungan yang terjadi semakin lemah.
2.10
Metode Pengembangan Sistem
Perancangan sebuah aplikasi atau sistem, memerlukan metode-metode atau langkah-langkah dalam pembangunan atau pengembangan sistem. Metode waterfall menurut Jogiyanto (2010) merupakan metode pengembangan perangkat lunak yang secara umum dilakukan oleh para peneliti sistem, dengan melalui beberapa tahapan penelitian yaitu:
Gambar 2.3 Tahapan Metode Waterfall (Jogiyanto, 2010) 1. Analysis Tahap ini merupakan tahap dalam mencari informasi sebanyak-banyaknya mengenai sistem yang diteliti dengan melakukan metode-metode pengumpulan data sehingga ditemukan kelebihan dan kekurangan sistem
17
serta user requirement. Tahap ini juga dilakukan untuk mencari pemecah masalah dan menganalisa bagaimana sistem akan dibangun untuk memecahkan masalah pada sistem sebelumnya. 2. Design Tahap ini merupakan tahapan perancangan sistem yang didalamnya dilakukan pemodelan sistem. Desain sistem menggunakan Data Flow Diagram dan Entity Relationship Diagram. 3. Coding Tahap ini merupakan tahapan dalam pengimplementasian sistem yang sudah dirancang dan dilakukan pengujian secara unit, agar dapat mengetahui kesalahan-kesalahan yang terdapat dalam sistem dan segera dilakukan perbaikan. 4. Testing Tahap ini merupakan tahap pengujian sistem secara keseluruhan. Tahap ini sistem yang akan dikembangkan menggunakan teknik pengujian black box. Black-box testing adalah metode pengujian dimana penilaian terhadap sebuah aplikasi bukan terletak pada spesikasi logika/fungsi aplikasi tersebut, tapi input dan output. Dengan berbagai input yang diberikan akan dievaluasi
apakah
sesuatu
sistem/aplikasi
dapat
memberikan
output/keluaran yang sesuai dengan harapan penguji. Teknik yang digunakan dalam pengujian ini adalah dengan teknik Equivalence Partitioning. Equivalence Partitioning membagi domain input dari suatu program kedalam kelas–kelas data sehingga test case dapat diperoleh. Hasil evaluasi sistem disajikan dalam bentuk tabel.
18
5. Maintenance Tahap ini merupakan tahapan penggunaan sistem oleh user yang didalamnya harus ada pemeliharaan sistem untuk menjaga proses operasional sistem dan memungkinkan untuk dilakukan pengembangan sistem di kemudian hari (Jogiyanto, 2012)
2.11
Data Flow Diagram
Data Flow Diagram (DFD) merupakan model dari sitem untuk menggambarkan pembagian sistem ke modul yang lebih kecil. Salah satu keuntungan menggunakan Diagram alir data adalah memudahkan pemakai atau user yang kurang menguasai bidang komputer untuk mengerti sistem yang dikerjakan (Ladjamudin, 2013).
Al Bahra Bin Ladjamudin juga menjelaskan untuk memudahkan analisa dimulai dengan diagram-diagram sebagai berikut (Ladjamudin, 2013). a. Diagram konteks Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output dari sistem. b. Diagram Nol Diagram nol adalah diagram yang menggambarkan proses dari data flow diagram. Diagram nol memberikan gambaran secara menyeluruh mengenai sistem yang ditangani, menunjukan tentang fungsi-fungsi utama atau proses yang ada, aliran data dan eksternal entity.
19
c. Diagram rinci Diagram rinci adalah diagram yang menguraikan proses apa yang ada dalam diagram nol atau diagram level atasnya. d. Penomoran level pada DFD Tabel 2.2 Penomoran Level pada DFD (Ladjamudin, 2013) Nama Level
Nama Diagram
Nomor Proses
0
Context
1
Diagram 0
1.0,2.0,3.0 ….
2
Diagram 1.0
1.1,1.2,1.3 ….
2
Diagram 2.0
2.1,2.2,2.3 ….
2
Diagram 3.0
3.1,3.2,3.3 ….
3
Diagram 1.1
1.1.1,1.1.2 ….
3
Diagram 1.2
1.2.1,1.2.2 ….
3
Diagram 1.3
1.3.1,1.3.2 ….
Dst. e. Simbol-simbol Tabel 2.3 Simbol-Simbol pada DFD (Ladjamudin, 2013) Elemen DFD
Proses
Data Flow
Simbol Gene And Sarson
Nama Proses
Nama
Simbol De Marco and Jourdan
Fungsi
Nama Proses
Menunjukkan pemrosesan data/informasi yang terjadi di dalam sistem
Nama
Menunjukkan arah aliran dokumen antar bagian yang terkait pada suatu sistem
20
2.12
Data Store
Tempat menyimpan dokumen arsip
Entitas
Menunjukkan entitas atau bagian yang terlibat yang melakukan proses
Entity Relationship Diagram
Entity Relationship Diagram (ERD) adalah suatu model jaringan yang menggunakan susunan data yang disimpan dalam sistem secara abstrak. ERD berbeda dengan DFD yang merupakan suatu jaringan fungsi yang akan dilaksanakan oleh sistem, sedangkan ERD merupakan model jaringan data yang menekankan pada struktur-struktur dan relationship data (Ladjamudin, 2013).
Al Bahra Bin Ladjamudin pada tahun 2013 menjelaskan elemen-elemen ERD sebagai berikut (Ladjamudin, 2013). a. Entity Pada ERD, entity digambarkan dengan sebuah bentuk persegi panjang. Entity adalah sesuatu apa saja yang ada di dalam sistem, nyata maupun abstrak dimana data tersimpan atau dimana terdapat data. Entity diberi nama kata benda dan dapat dikelompokan dalam 4 jenis nama yaitu: orang, benda, lokasi, dan kejadian. b. Relationship Pada ERD, relationship digambarkan dengan sebuah bentuk belah ketupat. Pada umumnya relationship diberi nama kata kerja dasar, sehingga memudahkan untuk melakukan pembacaan relasinya.
21
c. Relationship Degree Relationship degree atau derajat relationship adalah jumlah entitas yang berpartisipasi dalam suatu relationship. Derajat relationship yang sering dipakai dalam ERD adalah Unary Relationship, Binary Relationship, dan Ternary Relationship. d. Attribute Value Attribute value atau nilai atribut adalah suatu occurrence tenrtentu dari sebuah atribut didalam suatu entity dan relationship. e. Cardinality Kardinalitas relasi menunjukan jumlah maksimum tipel yang dapat berelasi dengan entitas pada entitas lain. Terdapat 3 macan kardinalitas relasi yaitu: One to One, One to Many atau Many to One, dan Many to Many.
2.13
Pengujian Black Box
Pengujian menggunakan sekumpulan aktifitas validasi, dengan pendekatan black box testing. Menurut Shalahuddin dan Rosa (2011), black box testing adalah menguji perangkat lunak dari segi spesifikasi fungsional tanpa menguji desain dan kode program. Pengujian dimaksudkan untuk mengetahui apakah fungsi-fungsi, masukan, dan keluaran dari perangkat lunak sesuai dengan spesifikasi yang dibutuhkan. Pengujian kotak hitam dilakukan dengan membuat kasus uji yang bersifat mencoba semua fungsi dengan memakai perangkat lunak apakah sesuai dengan spesifikasi yang dibutuhkan. Kasus uji yang dibuat untuk melakukan black box testing harus dibuat dengan kasus benar dan kasus salah.
22
Menurut Pressman (2007), black box testing juga disebut pengujian tingkah laku, memusat pada kebutuhan fungsional perangkat lunak. Teknik pengujian black box memungkinkan memperoleh serangkaian kondisi masukan yang sepenuhnya menggunakan semua persyaratan fungsional untuk suatu program. Beberapa jenis kesalahan yang dapat diidentifikasi adalah fungsi tidak benar atau hilang, kesalahan antar muka, kesalahan pada struktur data (pengaksesan basis data), kesalahan performasi, kesalahan inisialisasi dan akhir program.
Salah satu metode black box testing yaitu Equivalence Partioning. Equivalence Partioning merupakan metode black box testing yang membagi domain masukan dari program kedalam kelas-kelas sehingga test case dapat diperoleh. Equivalence Partitioning berusaha untuk mendefinisikan kasus uji yang menemukan sejumlah jenis kesalahan, dan mengurangi jumlah kasus uji yang harus dibuat. Kasus uji yang didesain untuk Equivalence Partitioning berdasarkan pada evaluasi dari kelas ekuivalensi untuk kondisi masukan yang menggambarkan kumpulan keadaan yang valid atau tidak. Kondisi masukan dapat berupa spesifikasi nilai numerik, kisaran nilai, kumpulan nilai yang berhubungan atau kondisi Boolean (Pressman, 2007).
2.14
Penelitian Terkait
Hasil penelitian yang relevan dengan penelitian ini adalah: 1. Sistem Pendukung Keputusan Pemberian Kredit Rumah Menggunakan Analytical Hierarchy Process Berbasis Web oleh Danny Widjaja, Krestrilia Rega Prilianti, Hendry Setiawan, Jurusan Teknik Informatika,
23
Universitas Ma Chung, Malang tahun 2014. Penelitian tersebut dilakukan untuk
membuat
suatu
Sistem
Pendukung
Keputusan
dengan
mengimplementasikan Metode Analytical Hierarchy Process yang dapat membantu perusahaan dalam menentukan layak atau tidaknya pemberian kredit kepada nasabah (Widjaja dkk., 2014). 2. Sistem Pendukung Keputusan Pemilihan Sekolah Menggunakan Metode SAW (Simple Additive Weighting) oleh Firdausa, Aji Prasetya Wibawa, dan Utomo Pujianto Jurusan Pendidikan Tekni Informatika, Universitas Negeri Malang tahun 2016. Kriteria-kriteria yang dibutuhkan dalam pengembilan keputusan yaitu biaya perbulan, biaya uang gedung, status akreditasi sekolah, dan rerata nilai Ujian Akhir Nasional. Dengan dibangunnya SPK ini dapat mempermudah masyarakat dalam memilih sekolah yang sesuai dan Metode SAW ini dinyatakan mampu menangani masalah pengambilan keputusan pemilihan sekolah (Firdausa dkk., 2016). 3. Sistem Pendukung Keputusan Kredit Usaha Rakyat PT. Bank Rakyat Indonesia Unit Kaliangkrik Magelang oleh Agung Nugroho, Kusrini, M. Rudyanto Arief, Jurusan Teknik Informatika, STMIK AMIKOM Yogyakarta tahun 2015. Penelitian tersebut dilaksanakan dengan melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut dan memberikan solusi nasabah yang layak menerima KUR berdasarkan masukan dari user dengan menggunakan metode K-Nearest neighbors (KNN). Data-data transaksi pembayaran nasabah lama akan dijadikan sebagai data training dimana sebelumnya akan ditentukan kelasnya terlebih dahulu. Penentuan
24
kelas dilakukan dengan proses klasifikasi data berdasarkan kategori status nasabah sesuai jumlah tunggakan pembayaran kreditnya. Dari hasil perhitungan kemiripan kasus antara data calon nasabah baru dengan nasabah lama atau data training menggunakan algoritma K-Nearest Neighbor, hasil dengan nilai tertinggi akan dijadikan acuan seorang decision maker dalam mengambil keputusan. 4. Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan Metode Simple Additive Weighting di Lingkungan Universitas Lampung oleh Didik Kurniawan, Wamiliana dan Rizqi Chandra Aditya, Jurusan Ilmu Komputer dan Jurusan Matematika, Universitas Lampung tahun 2015. Pada penelitian ini digunakan penyelesaian masalah Multiple Attribute Decision Making (MADM) dengan metode Simple Additive Weighting (SAW) dengan 11 kriteria. Metode ini dipilih karena dapat menentukan nilai bobot dari setiap kriteria, yang kemudian dilakukan proses perangkingan untuk menentukan alternatif terbaik dari sejumlah alternatif. Hasil penelitian yaitu sistem dapat membantu menyelesaikan permasalahan penentuan dosen berprestasi yang berlangsung lebih cepat dan tepat serta meminimalisir terjadinya penilaian bersifat subyektif dan tidak relevan. 5. Penerapan Sistem Informasi Geografis Untuk Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Di Bandarlampung Menggunakan Metode Simple Additive Weighting (SAW) oleh Anie Rose, Astria Hijriani dan Claudya Cindy Owen, Universitas Lampung 2016. Penelitian ini menggunakan metode perhitungan Simple Additive
25
Weighting (SAW) dengan 7 kriteria dalam menentukan penempatan kantor cabang PT. Tunas Dwipa Matra Bandarlampung dan Sistem Informasi Geografis dalam membantu mempresentasikan informasi hasil dari pengolahan data oleh SPK. Hasil Penelitian menunjukkan bahwa sistem dapat berfungsi sesuai dengan kebutuhan pengguna berdasarkan kriteria pemilihan rekomendasi cabang baru dari PT. Tunas Dwipa Matra.
26
BAB III METODOLOGI PENELITAN
3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung dan Kantor Federal International Finance Group (FIFGROUP) Cabang Bandarlampung Jalan Teuku Umar No.67 Kedaton, Bandar Lampung. Penelitian ini dilaksanakan mulai bulan Oktober 2016 sampai dengan selesai.
3.2 Perangkat Penelitian Perangkat lunak yang digunakan adalah : a. Sistem Operasi Windows 8.1 Pro 32 bit b. Adobe Photoshop CS3 c. Notepad++ versi 6.8.8 d. XAMPP versi 3.1.0 e. ClickCharts f. Browser Google Chrome
27
3.3 Metodologi Penelitian 3.3.1
Diagram Alir Penelitian
Penelitian ini dilakukan berdasarkan diagram alir metodologi penelitian yang terdapat pada Gambar 3.1.
Gambar 3.1 Diagram Alir Metodologi Penelitian
28
Penjelasan dari diagram alir metodologi penelitian pada Gambar 3.1 adalah sebagai berikut.
A. Langkah I 1. Pengumpulan Data Awal Tahapan pertama yang dilakukan pada langkah I ini adalah melakukan pengumpulan data awal. Tahapan ini merupakan tahapan dasar dalam penelitian ini yaitu untuk melakukan survey terlebih dahulu mengenai perusahaan khususnya tentang proses bisnis yang ada di perusahaan. 2. Identifikasi Masalah Tahapan kedua yang dilakukan pada langkah I ini adalah identifikasi masalah. Tujuan dari tahap identifikasi masalah ini yaitu untuk mengidentifikasi dan menganalisa permasalahan-permasalahan yang akan diteliti. Hasil dari tahapan ini yaitu adanya rumusan masalah, batasan masalah, tujuan penelitian, dan manfaat penelitian. Rumusan masalah merupakan kalimat pertanyaan yang digunakan untuk mengarahkan penelitian tersebut menuju suatu permasalahan atau isu tertentu. Batasan masalah pada penelitian ini digunakan untuk dapat membatasi ruang lingkup yang dibahas pada penelitian. Tujuan penelitian merupakan hal utama yang akan dicapai pada penelitian. Sedangkan manfaat penelitian disini digunakan untuk menguraikan manfaat dari Sistem Pendukung Keputusan Pemberian Kredit Motor menggunakan metode Simple Additive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yang dibangun.
29
3. Studi Literatur Tahapan ketiga yang dilakukan pada langkah I ini adalah studi literatur. Studi literatur merupakan kegiatan mencari referensi teori yang relevan secara literatur serta menganalisis dokumen-dokumen yang berhubungan dengan kasus atau permasalahan yang akan diteliti. Dokumen-dokumen tersebut bisa berupa teori dan bisa pula berupa hasil penelitian yang sebelumnya telah dilakukan berdasarkan masalah yang akan diteliti.
B. Langkah II 4. Analysis Tahapan pertama yang dilakukan pada langkah kedua yaitu analisis yang meliputi pengumpulan data lanjutan melalui wawancara. Wawancara dilakukan dengan melakukan dialog dengan narasumber untuk memperoleh informasi yang dibutuhkan. Infromasi yang diperoleh adalah data-data kriteria yang menjadi penentu kelayakan pemberian kredit kepada konsumen pada sistem. Pengumpulan data juga dilakukan di Kantor FIFGROUP Cabang Bandarlampung dan Pos FIFGROUP Jatiagung. 5. Design Tahapan kedua pada langkah kedua adalah tahap desain. Pada tahap ini dilakukan desain Data Flow Diagram (DFD) untuk menunjukkan keseluruhan
sistem
dimana
semua
external
entity
langsung
dihubungkan dengan satu proses utama pada sistem tersebut untuk
30
mengetahui alur data pada setiap proses ke setiap entitas dan Entity Relationship Diagram (ERD) untuk mengetahui hubungan antar entitas. Tahapan dilanjutkan dengan perancangan antarmuka sistem. Perancangan antarmuka ini dilakukan untuk merancang tata letak sistem sesuai dengan analisis kebutuhan sistem. 6. Coding Program Tahapan ketiga pada langkah kedua ini adalah tahap coding program yang dimulai dengan pembuatan database. Kemudian dilanjutkan dengan pembuatan program berbasis web. Pada program berbasis web ini yang akan dibangun yaitu Sistem Pendukung Keputusan (SPK). 7. Testing Tahapan keempat pada langkah kedua ini adalah pengujian. Pada penelitian ini pengujian dilakukan dengan menggunakan pengujian black box yang bertujuan untuk mengetahui fungsionalitas sistem yang dibangun. Apabila ditemukan kesalahan, maka proses kembali pada tahap coding program untuk memperbaiki kesalahan yang ditemukan. Apabila tidak ditemukan kesalahan, maka proses dilanjutkan ke tahap selanjutnya.
C. Langkah III 8. Analisis Hasil Penelitian Tahap terakhir adalah tahap analisis hasil penelitian. Pada tahap ini dilakukan analisis keseluruhan dari proses penelitian yang telah dilakukan, apakah hasil penelitian dapat mengatasi permasalah yang
31
diuraikan pada tahapan awal dan apakah hasil penelitian telah sesuai dengan tujuan penelitian.
3.3.2
Metode Pengembangan Sistem
Penelitian ini dilakukan berdasarkan metode pengembangan sistem yang dipilih yaitu Waterfall. Tahap-tahap pada metode waterfall adalah analysis, design, coding, testing dan maintenance seperti yang terdapat pada Gambar 3.2.
Gambar 3.2 Tahapan Metode Waterfall (Jogiyanto, 2010) 1. Analysis Tahap ini merupakan tahap awal yaitu mencari informasi sebanyakbanyaknya mengenai sistem yang akan dibangun dengan melakukan metode-metode pengumpulan data sehingga ditemukan kelebihan dan kekurangan sistem serta user requirement. Tahap ini juga dilakukan untuk mencari pemecah permasalahan bagi perusahaan untuk menentukan konsumen yang layak diberikan kredit motor. Dengan masalah tersebut maka dibangun Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan
Metode
Simple
Additive
Weighting
(SAW)
Pada
32
FIFGROUP Cabang Bandarlampung. Terdapat analisis kebutuhan yang digunakan dalam pengembangan sistem ini yaitu: a. Dalam membangun sebuah SPK menggunakan metode SAW dibutuhkan informasi berupa data-data yang dibutuhkan untuk melakukan kredit motor yang menjadi objek alternatif pada SPK. b. Selain data-data setiap jenis kredit motor, pada SPK yang menggunakan metode SAW juga dibutuhkan input berupa kriteria dan bobot kriteria yang digunakan untuk melakukan penentuan kelayakan pemberian kredit kepada konsumen. c. Dalam membangun sebuah SPK dibutuhkan pengolahan data secara manual menggunakan metode Simple Additive Weighting (SAW). Terdapat 5 variabel kriteria penentu pemberian kredit motor pada kantor FIFGROUP Cabang Bandarlampung yang diperoleh dari hasil wawancara dengan Kepala Pos dan Credit Analys FIF Jati Agung yaitu Character (karakter), Capacity (kapasitas), Collateral (jaminan), Condition (kondisi) dan Capital (modal). Adapun pembobotan pada masing-masing 5 variabel kriteria tersebut antara lain: 1. Character (C1)
= 25%
2. Capacity (C2)
= 35%
3. Collateral (C3)
= 10%
4. Condition (C4)
= 20%
5. Capital (C5)
=10%
Format prefensi pada Sistem Pendukung Keputusan ini adalah sebagai berikut:
33
a. C1 yaitu Character. Ada beberapa parameter yang digunakan untuk
melakukan
penilaian
karakter
konsumen.
Parameter
penilaian tersebut ditampilkan pada Tabel 3.1. Tabel 3.1 Parameter Penilaian Kriteria C1 Parameter Penilaian Tidak Baik Konsumen Baik Sifat ketika di interview 10 5 Penyampaian Konsumen 10 5 Hasil Verifikasi Lingkungan 10 5 Score meter 30 15
Hasil Verifikasi
C1
Kemudian, hasil score meter tersebut akan menjadi nilai C1 konsumen yang didapatkan dari hasil verifikasi ketika survey.
b. C2
yaitu
Capacity.
Kapasitas
konsumen
ditentukan
oleh
Installment Income Ratio (IIR). Installment Income Ratio (IIR) adalah perbandingan antara total angsuran perbulan dibandingkan dengan penghasilan bersih konsumen. Besar persentase IIR pada FIFGROUP yaitu 40%. Sehingga, besar IIR konsumen tidak boleh melebihi angka 40%. Rumus IIR ditampilkan pada persamaan 3.1.
IIR =
× 100%
(3.1)
Contoh: Pendapatan konsumen
= 2.000.000
Pendapatan pasangan
= 500.000
Pengeluaran/tanggungan
= 600.000
Angsuran perbulan
= 670.000
Maka,
34
IIR
=
(
)
=( =
)
× 100%
× 100%
× 100%
= 35% Jadi, IIR dari konsumen tersebut tergolong baik karena persentase IIR tidak melebihi 40%. Kemudian, nilai IIR tersebut akan menjadi parameter pada untuk penilaian C2 yang ditampilkan seperti pada Tabel 3.2. Tabel 3.2 Nilai untuk Bobot Kriteria C2 Capacity Nilai IIR >40% 3 1% =< IIR <=40% 7
c. C3 yaitu Collateral. Collateral atau jaminan konsumen dilihat dari keadaan rumah konsumen yang penilaiannya ditampilkan seperti pada Tabel 3.3. Tabel 3.3 Nilai untuk Bobot Kriteria C3 Collateral Nilai Mengontrak 3 Rumah sendiri 7
d. C4 yaitu Condition. Condition yaitu keadaan usaha yang dimiliki oleh konsumen. Penilaian dari keadaan usaha ditampilkan seperti pada Tabel 3.4. Tabel 3.4 Nilai untuk Bobot Kriteria C4 Condition Nilai Tidak Ada 2 Sepi 3 Ramai 5
35
e. C5 yaitu Capital. Capital atau modal konsumen diihat dari besarnya jumlah modal yang dikeluarkan pada usaha yang dimiliki konsumen yang penilaiannya ditampilkan seperti pada Tabel 3.5. Tabel 3.5 Nilai untuk Bobot Kriteria C5 Capital Nilai 0 < Value <= 2 100.000 100.000 < value 3 <= 5 juta Value > 5 juta 5
Misalkan terdapat 5 alternatif yaitu A1, A2, A3, A4 dan A5. Tabel 3.6 adalah nilai dari setiap alternative. Tabel 3.6 Contoh Nilai Alternatif No. Alternatif C1 C2
C3
C4
C5
Minimal
25
40% Mengontrak
Tidak ada
0
1.
A1
15
70% Mengontrak
Sepi
4 juta
2.
A2
25
12%
Ramai
2 juta
3.
A3
20
10%
Ramai
27 juta
4.
A4
30
5%
Ramai
4 juta
5.
A5
25
55% Mengontrak
Sepi
3 juta
Maksimal
30
1%
Ramai
30 juta
Rumah sendiri Rumah sendiri Rumah sendiri
Rumah sendiri
Setelah itu nilai dari setiap alternatif diubah menjadi angka crips dalam matriks yang diterapkan pada tabel 3.7.
36
Tabel 3.7 Angka Crisp Alternatif No.
Alternatif
C1
C2
C3
C4
C5
Minimal
25
7
3
2
2
1.
A1
15
3
3
3
3
2.
A2
25
7
7
5
3
3.
A3
20
7
7
5
5
4.
A4
30
7
7
5
3
5.
A5
25
3
3
3
3
Maksimal
30
7
7
5
5
Kemudian, nilai pada matriks tersebut akan diubah dengan menggunakan rumus metode Simple Additive Weighting (SAW) pada persamaan 2.1. Tabel 3.8 merupakan matriks hasil normalisasi metode Simple Additive Weighting (SAW). Tabel 3.8 Contoh Nilai Hasil Normalisasi Alternatif No.
Alternatif
C1
C2
C3
C4
C5
Minimal
0.833
1
0.429
0.4
0.4
1.
A1
0.5
0.429
0.429
0.6
0.6
2.
A2
0.833
1
1
1
0.6
3.
A3
0.667
1
1
1
1
4.
A4
1
1
1
1
0.6
5.
A5
0.833
0.429
0.429
0.6
0.6
Maksimal
1
1
1
1
1
Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan nilai kecocokan (nilai terbaik adalah nilai terbesar) maka semua kriteria yang diasumsikan merupakan jenis kriteria keuntungan (benefit).
37
Selanjutnya digunakan persamaan 2.2 untuk melakukan perhitungan perankingan. Nilai minimal=(0.25)(0.833)+(0.35)(1)+(0.1)(0.429)+(0.2)(0.4)+(0.1)(0.4) = 0.72115 V1 = (0.25)(0.5)+(0.35)(0.429)+(0.1)(0.429)+(0.2)(0.6)+(0.1)(0.6) = 0.498 V2 = (0.25)(0.833)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(0.6)=0.91825 V3 = (0.25)(0.667)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(1)=0.91675 V4 = (0.25)(1)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(0.6)=0.96 V5=(0.25)(0.833)+(0.35)(0.429)+(0.1)(0.429)+(0.2)(0.6)+(0.1)(0.6)=0.581 Nilai maksimal = (0.25)(1)+(0.35)(1)+(0.1)(1)+(0.2)(1)+(0.1)(1)= 1 Berdasarkan perhitungan di atas maka diperoleh hasil perankingan di bawah ini: 1. V4 = A4= 0.96 2. V2 = A2 = 0.91825 3. V3 = A3 = 0.91675 4. V5 = A5 = 0.581 5. V1 = A1 = 0.498 Layak atau tidak layaknya konsumen diberikan kredit motor yaitu berdasarkan perankingan dengan nilai yang melebihi batas nilai minimal yaitu 0.7332. Dengan kata lain alternatif A2, A4 dan A3 akan terpilih sebagai konsumen yang berhak mendapatkan kredit motor. 2. Design
38
Tahap desain merupakan tahapan perancangan sistem yang didalamnya dilakukan pemodelan sistem. Desain sistem ini dibuat guna mempermudah tahap selanjutnya yaitu penulisan kode program. Adapun penjelasan dari tahap desain sistem disajikan dalam bentuk data flow diagram dan entity relationship diagram serta rancangan antarmuka bagi pengguna. a. Data Flow Diagram Gambar 3.3 adalah Diagram Context/ DFD level 0 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung.
Gambar 3.3 DFD Level 0 SPK Diagram level 0 pada Gambar 3.3 menjelaskan aliran data yang dilakukan oleh 3 level user yaitu Admin, Kepala dan Verifier. Aliran data dari admin ke sistem adalah data login, data kriteria, data subkriteria, data konsumen, data nilai konsumen dan data motor. Sedangkan aliran data dari sistem ke admin adalah data kriteria, data subkriteria, data konsumen, data nilai konsumen, data motor, informasi
39
hasil analisa yang didapatkan dari perhitungan sistem antara data sub kriteria dan data nilai konsumen serta informasi data history. Aliran data dari Kepala ke sistem adalah data login. Sedangkan aliran data dari sistem ke Kepala adalah informasi hasil analisa dan informasi data history. Kemudian, aliran data dari Verifier ke sistem yaitu data login dan data konsumen. Sedangkan aliran data dari sistem ke Verifier adalah data konsumen.
Gambar 3.4 adalah DFD level 1 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting
(SAW)
Pada
FIFGROUP
Cabang
Bandarlampung.
Penjelasan Gambar 3.4 yaitu sebagai berikut. 1. Admin dapat melakukan login untuk melakukan pengelolaan pada data kriteria, data subkriteria, data konsumen, data nilai konsumen dan data motor. Setelah itu, admin dapat melihat informasi hasil analisa yang didapatkan dari perhitungan antara data nilai konsumen dan data subkriteria yang diproses oleh sistem. Kemudian, admin juga dapat melihat informasi data history dan dapat mengubah password login. 2. Verifier dapat melakukan login untuk melakukan pengelolaan data konsumen dan data nilai konsumen. 3. Kepala dapat melakukan login untuk melihat informasi hasil analisa dan informasi data history.
40
Gambar 3.4 DFD Level 1 SPK
41
Gambar 3.5 adalah DFD level 2 proses 1 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu melakukan login.
Gambar 3.5 DFD Level 2 Proses 1 Melakukan Login Penjelasan dari Gambar 3.5 yaitu Admin, Kepala dan Verifier dapat melakukan login yaitu dengan memasukkan username dan password. Kemudian username dan password tersebut akan diproses untuk divalidasi. Jika proses login berhasil maka akan melanjutkan ke proses selanjutnya yaitu menampilkan halaman utama masing-masing user.
Gambar 3.6 adalah DFD level 2 proses 2 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu mengelola data kriteria.
42
Gambar 3.6 DFD Level 2 Proses 2 Mengelola Data Kriteria Penjelasan dari Gambar 3.6 yaitu admin dapat melihat data kriteria yang ditampilkan oleh database. Selain itu, admin juga dapat mengubah data kriteria.
Gambar 3.7 adalah DFD level 2 proses 3 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu mengelola data subkriteria.
Gambar 3.7 DFD Level 2 Proses 3 Mengelola Data Nilai Kriteria Penjelasan dari Gambar 3.7 yaitu admin dapat melihat data subkriteria yang ditampilkan oleh database. Selain itu, admin juga dapat mengubah data subkriteria.
Gambar 3.8 adalah DFD level 2 proses 4 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple
43
Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu mengelola data konsumen.
. Gambar 3.8 DFD Level 2 Proses 4 Mengelola Data Konsumen Penjelasan dari Gambar 3.8 yaitu admin dapat melihat data konsumen yang ditampilkan oleh database. Kemudian, Verifier dapat melihat, menambah, mengubah serta menghapus data konsumen.
Gambar 3.9 adalah DFD level 2 proses 5 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu mengelola data nilai konsumen.
44
Gambar 3.9 DFD Level 2 Proses 5 Mengelola Data Nilai Konsumen Penjelasan dari Gambar 3.9 yaitu Admin dan Verifier dapat melihat data nilai konsumen berdasarkan setiap kriteria dan kemudian ditampilkan oleh database.
Gambar 3.10 adalah DFD level 2 proses 6 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu melakukan perhitungan dan analisa.
Gambar 3.10 DFD Level 2 Proses 6 Melakukan Perhitungan dan analisa
45
Penjelasan dari Gambar 3.10 yaitu Admin dan Kepala menjalankan fungsi analisa kemudian fungsi tersebut akan berlanjut ke proses perhitungan. Proses perhitungan disini mengambil data subkriteria dan data nilai konsumen dari database untuk kemudian dilakukan perhitungan dengan menggunakan metode Simple Adittive Weighting (SAW). Proses tersebut akan memberikan hasil analisis yang bisa dicetak oleh admin. Gambar 3.11 adalah DFD level 2 proses 7 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu mengubah password.
Gambar 3.11 DFD Level 2 Proses 7 Mengubah Password Penjelasan dari Gambar 3.11 yaitu Admin, Verifier dan Kepala dapat menjalankan fungsi ubah password dengan memasukkan data password yang sebelumnya. Kemudian, password lama tersebut akan divalidasi, jika validasi telah selesai maka akan diproses penggantian password baru.
46
Gambar 3.12 adalah DFD level 2 proses 8 dari Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung yaitu mengambil data history.
Gambar 3.12 DFD Level 2 Proses 8 Mengambil Data History Penjelasan dari Gambar 3.12 yaitu Admin dan Kepala dapat menjalankan mengambil data history yang didapatkan dari data konsumen.
b. Entity Relationship Diagram Hubungan antar entitas data pada sistem ini dapat dilihat pada Gambar 3.13. Pada Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Additive Weighting (SAW) ini terdapat 6 entitas yaitu tabel login, tabel data_konsumen, tabel kriteria, tabel subkriteria dan tabel Data Motor Entitas digambarkan dengan bentuk persegi panjang. Masing-masing entitas memiliki atribut yang
47
digambarkan dengan bentuk elips. Atribut key dicirikan dengan adanya garis bawah pada nama atribut.
Gambar 3.13 Entity Relationship Diagram
Berikut ini adalah contoh struktur tabel yang ada pada gambar 3.13. 1. Tabel login Tabel ini digunakan untuk melakukan login pada sistem. Tabel 3.9 Contoh Struktur Tabel Login No. 1 2 3
Atribut username password level
Type Varchar varchar Enum
Length 10 10 ‘admin’, ’verifier’,’kepala’
Keterangan primarry
48
2. Tabel kriteria Tabel ini digunakan untuk menyimpan data kriteria beserta bobotnya (persentase). Tabel 3.10 Contoh Struktur Tabel Kriteria No. 1 2 3
Atribut id_kriteria nama_kriteria Persentase
Type Char Varchar Int
Length 2 15 15
Keterangan primarry
3. Tabel subkriteria Tabel ini digunakan untuk menyimpan data subkriteria masingmasing kriteria beserta nilai nya. Tabel 3.11 Contoh Struktur Tabel Subkriteria No. 1 2 3 4
Atribut id_subkriteria id_kriteria nama_subkriteria Nilai
Type Char Char Varchar Tinyint
Length 3 2 25 4
Keterangan primarry primarry
4. Tabel data_konsumen Tabel ini digunakan untuk menyimpan data konsumen yang diinputkan pada sistem. Tabel 3.12 Contoh Struktur Tabel Data Konsumen No 1 2 3 4 5 6 7 8 9
Atribut id_konsumen Nama Alamat persyaratan_bk persyaratan_kk persyaratan_ktp dok_pbb dok_reklistrik dok_others
Type Int Varchar Mediumtext Tinyint Tinyint Tinyint Tinyint Tinyint Tinyint
Length 11 30
Keterangan primarry
1 1 1 1 1 1
49
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Foto1 foto2 foto3 Pendapatan_konsu men Pendapatan_pasan gan Pengeluaran Tenor Angsuran Inc_bersih Hsl_iir Tmpt_tgl Jns_usaha Kondisi_usaha Modal_usaha Hsl_saving C1 C2 C3 C4 C5 Tgl_feriv Status_accept Tgl_accept Tgl_reject
Varchar Varchar Varchar Decimal
255 255 255 10,0
Decimal
10,0
Decimal Tinyint Decimal Decimal Float Tinyint Varchar Tinyint Tinyint Decimal Int Int Int Int Int Datetime Tinyint Datetime Datetime
10,0 4 10,0 10,0 4 60 4 4 10,0 11 11 11 11 11 4
5. Tabel data_motor Tabel ini digunakan untuk menyimpan data motor yang dimasukkan oleh admin. Tabel 3.13 Contoh Struktur Tabel Data Motor No. 1 2 3
Atribut id_motor Nama_motor Jenis_motor
Type Int Varchar Enum
4
Harga_motor
Decimal
Length Keterangan 11 primarry 60 ‘matic’,’sport’, ’premium’, ’bebek’ 10,0
50
c. Design User Interface Design User Interface pada Sistem Pendukung Keputusan Pemberian Kredit Motor Menggunakan Metode Simple Addittive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung dibagi menjadi 3 bagian berdasarkan penggunanya yaitu tampilan untuk admin (Credit Analys), Verifier dan Kepala. 1. Halaman Login Gambar 3.14 adalah rancangan user interface untuk Halaman Login
Sistem
Pendukung
Keputusan
Pemberian
Kredit
Menggunakan Metode Simple Additive Weighting (SAW) Pada FIFGROUP Cabang Bandarlampung.
Gambar 3.14 Halaman Login SPK 2. Tampilan Admin (Credit Analys) a. Halaman Utama Admin Setelah Admin melakukan login maka sistem akan masuk ke halaman utama Admin. Desain halaman Utama Admin ditampilkan pada Gambar 3.15.
51
Gambar 3.15 Halaman Utama Admin b. Halaman Menu Kriteria Pada menu Kriteria terdapat 2 submenu yaitu Kriteria dan Subkriteria. Submenu Kriteria menampilkan tentang kriteriakriteria yang digunakan, atribut setiap kriteria, dan bobot tiap kriteria untuk melakukan penentuan pemberian kredit kepada konsumen. Desain halaman Kriteria ditampilkan pada Gambar 3.16 dan Gambar 3.17.
Gambar 3.16 Halaman submenu Kriteria
52
Gambar 3.17 Halaman submenu Subkriteria c. Halaman Menu Konsumen Pada menu Konsumen terdapat 2 submenu yaitu Konsumen dan Nilai Konsumen. Submenu Konsumen menampilkan Nama konsumen yang akan mengajukan kredit ke FIFGROUP Cabang Bandarlampung. Sedangkan submenu nilai konsumen berisi nilai-nilai kriteria konsumen dari setiap kriteria. Desain halaman Konsumen ditampilkan pada Gambar 3.18 dan Gambar 3.19.
53
Gambar 3.18 Halaman submenu Konsumen
Gambar 3.19 Halaman submenu Nilai Konsumen d. Halaman Data Motor Pada halaman data motor, admin dapat menambahkan dan menampilkan jenis motor yang dikreditkan oleh FIFGROUP Cabang Bandar Lampung. Desain halaman data motor ditampilkan pada Gambar 3.20.
Gambar 3.20 Halaman Data Motor e. Halaman Menu SPK
54
Pada menu SPK juga terdapat 3 submenu yaitu Perhitungan, Hasil Analisa dan History. Submenu Perhitungan menampilkan proses perhitungan konsumen berdasarkan nilai kiteria dan nilai konsumen yang telah dimasukkan. Perhitungan yang ditampilkan disini menggunakan Metode Simple Addittive Weighting (SAW) mulai dari Hasil Analisa, Normalisasi serta Perangkingan. Submenu Hasil Analisa menampilkan hasil dari perhitungan tadi dan pada submenu inilah akan ditampilkan keputusan apakah konsumen tersebut layak diberikan kredit motor atau tidak. Sedangkan Submenu History berisi namanama Konsumen yang telah diterima/ditolak. Desain halaman SPK ditampilkan pada Gambar 3.21 dan Gambar 3.22.
55
Gambar 3.21 Halaman submenu Perhitungan
Gambar 3.22 Halaman submenu Hasil Analisa f. Halaman History Penerimaan Pada halaman ini berisi informasi mengenai nama-nama konsumen yang telah diterima/ditolak berdasarkan waktunya. Desain halaman History ditampilkan pada Gambar 3.23.
Gambar 3.23 Halaman History
g. Halaman Menu Edit Password
56
Pada halaman ini Admin dapat mengubah password login dengan memasukkan password lama yang akan divalidasi terlebih dahulu oleh sistem lalu memasukkan password baru. Halaman Menu Edit Password ditampilkan pada Gambar 3.24.
Gambar 3.24 Halaman Menu Edit Password 3. Tampilan Verifier a. Halaman Utama Verifier Gambar 3.25 adalah rancangan antarmuka untuk halaman utama Verifier.
Gambar 3.25 Halaman Utama Verifier b. Halaman Menu Konsumen
57
Pada halaman ini terdapat 2 submenu yaitu konsumen dan nilai konsumen.
Pada
submenu
konsumen,
Verifier
dapat
menambahkan, mengubah serta menghapus data konsumen. Sedangkan pada submenu nilai konsumen akan ditampilkan nilai konsumen berdasarkan data yang telah disimpan pada submenu konsumen. Gambar 3.26, Gambar 3.27, dan Gambar 3.28 adalah rancangan antarmuka untuk halaman menu konsumen.
Gambar 3.26 Halaman Submenu Konsumen
Gambar 3.27 Halaman Submenu Nilai Konsumen 58
Gambar 3.28 Form Tambah Data Konsumen
4. Tampilan Kepala a. Halaman Utama Kepala Gambar 3.29 adalah rancangan antarmuka untuk halaman utama Kepala.
59
Gambar 3.29 Halaman Utama Kepala b. Halaman SPK Kepala Pada halaman SPK Kepala terdapat 3 submenu yaitu Perhitungan, Hasil Analisa dan History. Gambar 3.30, Gambar 3.31 dan Gambar 3.32 adalah rancangan antarmuka untuk halaman SPK Kepala.
Gambar 3.30 Halaman submenu Hasil Analisa SPK
60
Gambar 3.31 Halaman submenu Perhitungan SPK
Gambar 3.32 Halaman submenu History SPK
61
3. Coding Tahap coding ini merupakan tahapan dalam pengimplementasian desain yang sudah dirancang ke dalam bahasa yang dapat dikenali oleh komputer. Dilakukan oleh programmer yang akan menerjemahkan transaksi yang diminta oleh user. Tahapan ini lah yang merupakan tahapan secara nyata dalam mengerjakan suatu sistem. Dalam artian penggunaan komputer akan dimaksimalkan dalam tahapan ini.
4. Testing Setelah pengkodean selesai maka akan dilakukan testing terhadap sistem yang telah dibuat secara keseluruhan. Tujuan testing adalah menemukan kesalahan-kesalahan terhadap sistem tersebut dan kemudian bisa diperbaiki. Sistem dikembangkan dengan menggunakan teknik pengujian black box dengan metode Equivalence Partitioning. EP akan membagi domain masukan dari program ke dalam kelas-kelas sehingga test case dapat diperoleh. Pengujian EP berusaha untuk mendefinisikan kasus uji yang menemukan sejumlah jenis kesalahan, dan mengurangi jumlah kasus uji yang harus dibuat. Pengujian EP dapat digunakan untuk mencari kesalahan pada fungsi, dapat mengetahui kesalahan pada interface dan kesalahan pada struktur data sehingga dapat mengurangi masalah terhadap nilai masukan. Perancangan kasus uji EP berdasarkan evaluasi kelas equivalence untuk kondisi input yang menggambarkan kumpulan keadaan yang valid atau tidak.
62
5. Maintenance Penerapan dalam penelitian ini yaitu sistem pendukung keputusan pemberian kredit dengan metode Simple Additive Weighting (SAW) dalam bentuk method pada kode-kode program berbasis web. Pemeliharaan dimaksudkan apabila terdapat perubahan tersebut bisa karena mengalami kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan (periperal atau sistem operasi baru) atau
karena membutuhkan
perkembangan fungsional.
63
BAB V SIMPULAN DAN SARAN
5.1 Simpulan Dari hasil penelitian yang dilakukan, penulis dapat mengambil simpulan sebagai berikut. 1. Telah berhasil dibangun suatu Sistem Pendukung Keputusan Pemberian Kredit dengan menggunakan metode Simple Additive Weighting (SAW) untuk
membantu
FIFGROUP
Cabang
Bandar
Lampung
dalam
menentukan konsumen yang berhak mendapatkan kredit dalam bentuk layak dan tidak layaknya konsumen berbasis web. 2. Tampilan sistem untuk Admin terdapat menu Kriteria, Konsumen, Data Motor, SPK dan Edit Password. Tampilan sistem untuk Verifier terdapat menu Konsumen dan Edit Password. Sedangkan tampilan sistem untuk Kepala terdapat menu SPK yang terdapat fungsi untuk melakukan tindakan approve dan reject konsumen. 3. Dari hasil data pengujian Black Box yang dilakukan oleh 3 staff dari FIFGROUP, Sistem Pendukung Keputusan dapat berfungsi sesuai kebutuhan pengguna. Selain itu, berdasarkan uji keakuratan hasil keputusan, sistem dinyatakan telah sesuai dengan kriteria pemilihan konsumen yang berhak mendapatkan kredit pada FIFGROUP Cabang Bandar Lampung. 108
4. Setelah dilakukan uji korelasi, kriteria 2 dan 3 yaitu Capacity dan Collateral memiliki hubungan yang kuat jika dibandingkan dengan kriteria lain walaupun secara persentase kriteria 1 dan 2 yaitu Character dan Capacity memiliki persentase yang lebih besar.
5.2 Saran
Berdasarkan perancangan dan hasil implementasi program yang dilakukan, maka terdapat saran yang perlu diperhatikan dalam mengembangkan sistem ini yaitu sebagai berikut. 1. Sistem ini masih terbatas maka perlu ditambahkan dan dikembangkan fungsi untuk menambahkan kriteria pemberian kredit. 2. Sistem Pendukung Keputusan pada bagian Verifier dapat dikembangkan dengan menggunakan Android. 3. Sistem dapat dikembangkan agar dapat melihat atau mencari pola karakteristik konsumen yang macet, sehingga dapat memperkecil tingkat kesalahan prediksi kelayakan konsumen pada sistem untuk kedepannya.
109
DAFTAR PUSTAKA
Anwar, Hensor. 2015. Kedudukan Analisis Korelasi dalam Menguji Hubungan Antar Variabel Penelitian. Jurnal Manajemen Pendidikan Islam, IAIN Sultan Amai Gorontalo, Vol. 3, No. 2.
Dewanto, Ignatius Joko dan MF. Arrozi. 2016. Membangun Sistem Penunjang Keputusan Untuk Investasi Saham Dengan Metode SAW. Jurnal Magister Teknik Informatika, STMIK Raharja.
Firdausa, Aji Prasetya Wibawa, dan Utomo Pujianto. 2016. Sistem Pendukung Keputusan Pemilihan Sekolah Menggunakan Metode SAW (Simple Additive Weighting). Jurnal Pendidikan Teknik Informatika , Universitas Negeri Malang, ISSN: 2303-3805.
Firmandoyo, Aditya. 2014. Sistem Pendukung Keputusan Pemberian Kredit Mobil Pada CV. Family Mobil Semarang Menggunakan Metode Analithical Hierarchi Process (AHP). Jurnal Sistem Informasi, Ilmu Komputer, UDINUS Semarang.
Fitroh, Fandrias Befyga. 2013. Sistem Pendukung Keputusan Pemberian Kredit Dengan Metode Simple Additive Weighting (SAW) Pada Koperasi Simpan Pinjam Kharisma Kota Kendal. Jurnal Teknik Informatika, Universitas Dian Nuswontoro, Semarang.
Jogiyanto. 2010. Analisis dan Desain Sistem Informasi, Edisi IV. ANDI, Yogyakarta.
Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. ANDI, Yogyakarta.
Kosasi, Sandy. 2002. Konsep dan Kerangka Pemodelan Sistem Penunjang Keputusan Berbasis Teknologi Informasi. Pontianak: Sekolah Tinggi Manajemen Informatika dan Komputer.
Kurniawan, Didik, Wamiliana dan Rizqi Chandra Aditya. 2015. Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan Metode Simple Additive Weighting di Lingkungan Universitas Lampung. Jurnal Komputasi, Universitas Lampung, Vol. 3, No. 2.
Kusumadewi, Sri dan Hari Purnomo. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Graha Ilmu, Yogyakarta.
Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dan Retantyo Wardoyo. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Graha Ilmu, Yogyakarta.
Ladjamudin, Al Bahra Bin. 2013. Analisis dan Desain Sistem Informasi. Graha Ilmu, Yogyakarta.
Mufizar, Teuku, Dede Syahrul Anwar, dan Epa Aprianis. 2013. SPK Pemilihan Jurusan di SMA N 6 Tasikmalaya menggunakan Metode SAW (Simple Additive Weigthing). Jurnal Komputerisasi Akuntansi, STMIK Tasikmalaya, Vol. 5, No. 1.
Nugroho, Agung, Kusrini, dan M. Rudyanto Arief. Sistem Pendukung Keputusan Kredit Usaha Rakyat PT. Bank Rakyat Indonesia Unit Kaliangkrik Magelang. Jurnal Magister Teknik Informatika STMIK AMIKOM Yogyakarta, Vol. 2, No.1, ISSN: 2354-5771.
Prayoko, Mhd Riki. 2013. Sistem Pendukung Keputusan Penentuan Jurusan Pada Sekolah Menengah Atas SMA Setia Budi Abadi Perbaungan Dengan Menggunakan Metode Simple Additive Weighting (SAW). Jurnal Ilmiah Teknik Informatika STMIK Budi Darma Vol. V, No. 2, ISSN: 2301-9425.
Pressman, Roger S. 2007. Rekayasa Perangkat Lunak: Pendekatan Praktisi (BukuII). Diterjemahkan oleh: Harnaningrum LN, Andi, Yogyakarta.
Rosa dan M. Shalahuddin. 2011. Modul Pembelajaran Rekayasa Perangkat Lunak. MODULA, Bandung. Rose, Anie, Astria Hijriani dan Claudya Cindy Owen. 2016. Penerapan Sistem Informasi Geografis Untuk Pendukung Keputusan Penempatan Cabang PT. Tunas Dwipa Matra Di Bandarlampung Menggunakan Metode Simple Additive Weighting (SAW), Ilmu Komputer, Universitas Lampung.
Rosnani. 2014. Sistem Pendukung Keputusan Penilaian Kinerja Untuk Memilih Dosen Berprestasi Menggunakan Metode AHP. Jurnal STMIK Makasar, Vol. 7, No.2.
Suhari, Yohanes, Muji Sukur, dan Sri Eniyati. 2009. Sistem Pendukung Keputusan Pemberian Kredit Pada PT. BPR Artamanunggal Abadi Mranggen. Jurnal Teknologi Informasi , Universitas Stikubank Semarang, Vol. 1, No. 1 ISSN: 2085-3343.
Sujarweni, Wiratna dan Poli Endrayanto. 2011. Statistika Untuk Penelitian. Graha Ilmu, Yogyakarta.
Supriyono, Maryanto. 2012. Buku Pintar Perbankan. ANDI, Yogyakarta.
Turban, Efraim, Jay E. Aronson, dan Ting –Peng Liang. 2005. Decision Support System and Intelligent System. ANDI, Yogyakarta.
Wibowo, Henry. 2011. Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa bank BRI Menggunakan FMADM (Studi Kasus:Mahasiswa Fakultas Teknologi Industri Universitas Islam Indonesia).
Widjaja, Danny, Krestrilia Rega Prilianti, dan Hendry Setiawan. 2014. Sistem Pendukung Keputusan Pemberian Kredit Rumah Menggunakan Analytical Hierarchy Process Berbasis Web. Jurnal Ilmiah Teknik Informatika, Universitas Ma Chung, Malang Vol. 1, No.1.