Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Rekomendasi Pemberian Kredit Pemilikan Rumah Menggunakan Kombinasi Metode VIKOR dan Pembobotan Entropy Ahmadi Irmansyah Lubis1,*.
Rosma Siregar2 Jurusan Teknik Informatika.
Politeknik Negeri Batam.
Batam.
Indonesia Fakultas Teknik.
Universitas Negeri Medan.
Medan.
Indonesia Email: 1,*ahmadi@polibatam.
id, 2rosma.
siregar@unimed.
Email Penulis Korespondensi: ahmadi@polibatam.
Submitted: 28/04/2024.
Accepted: 31/05/2024.
Published: 31/05/2024 AbstrakOeKredit Pemilikan Rumah (KPR) merupakan proses pembelian sebuah rumah dengan cara kredit atau cicilan untuk jangka waktu tertentu dan tingkat bunga yang ditentukan.
Permasalahan yang sering muncul dalam proses pemberian KPR yaitu ketika memberikan analisa rekomendasi kesesuaian suatu rumah, seperti kesalahan analisa kredit yang seringkali mengakibatkan pembayaran kredit menjadi buruk dan mengganggu sistem sirkulasi dana antara pembayaran kredit dan Penagihan.
Selain itu tidak adanya filter dalam penentuan kelayakan pemberian kredit secara komputerisasi, sistem dilengkapi dengan sistem pendukung keputusan yang dapat menggambarkan faktor-faktor pendukung yang dijadikan bobot perhitungan dalam pengambilan keputusan penetapan pemberian kredit pemilikan rumah bagi yang layak menerimanya.
Untuk menganalisis kelayakan pemberian kredit pemilikan rumah, diperlukan suatu sistem pendukung keputusan yang dapat memberikan analisis yang baik guna menentukan kelayakan kredit kepemilikan rumah dengan metode VIKOR dan metode Entropy.
Metode Entropy diterapkan untuk menentukan bobot setiap kriteria dan metode VIKOR digunakan untuk menentukan peringkat alternatif.
Berdasarkan hasil penelitian, metode VIKOR dan metode pembobotan Entropy dapat memberikan rekomendasi pemberian kredit kepemilikan rumah kepada pelanggan yang memenuhi syarat berdasarkan kriteria yang ditentukan.
Hasil perangkingan diperoleh dengan pengujian variasi nilai indeks VIKOR dengan hasil alternatif terbaik yaitu A3 (Alternatif Ke-.
Dan metode Entropy menghasilkan bobot kriteria secara obyektif dan proporsional serta memperoleh bobot kriteria yang valid tanpa harus memberikan bobot kriteria secara manual atau subyektif, sehingga hal tersebut berguna untuk menetapkan bobot kriteria yang tidak perlu diragukan lagi mengenai validitasnya.
Kata Kunci: Entropy.
Kredit Pemilikan Rumah.
Sistem Pendukung Keputusan.
VIKOR
AbstractOeHome Ownership Credit (KPR) is the process of buying a house by way of credit or installments for a certain period of time and a determined interest rate.
Problems that often arise in the process of granting mortgages are when providing an analysis of recommendations for the suitability of a house, such as credit analysis errors which often result in bad credit payments and disrupt the fund circulation system between credit payments and receivables.
Billing.
In addition, there is no filter in determining the eligibility of providing credit computerized, the system is equipped with a decision support system that can describe the supporting factors that are used as a calculation weight in making decisions on determining home ownership loans for those who deserve to receive them.
To analyze the feasibility of providing home ownership loans, a decision support system is needed that can provide a good analysis to determine the creditworthiness of home ownership with the VIKOR method and the Entropy method.
The Entropy method is applied to determine the weight of each criterion and the VIKOR method is used to rank alternatives.
Based on the results of the study, the VIKOR method and the Entropy weighting method can provide recommendations for providing home ownership loans to eligible customers based on specified criteria.
The ranking results were obtained by testing variations in the VIKOR index value with the best alternative result, namely A3 .
rd Alternativ.
And the Entropy method produces objective and proportional criteria weights and obtains valid criteria weights without having to give criteria weights manually or subjectively, so it is useful for determining the weight of criteria that need not be doubted about their validity.
Keywords: Decision Support System.
Entropy.
Home Ownership Credit.
VIKOR
PENDAHULUAN
Sebagai kebutuhan hidup primer, rumah memiliki harga dan biaya yang tinggi .
Untuk mengurangi beban pembayaran pembelian rumah, diperlukan perantara yang memberikan kredit pembelian rumah untuk membantu customer yang membutuhkan dana membayar terlebih dahulu untuk memiliki rumah, sehingga calon pembeli dapat membayar dalam jangka waktu tertentu pada pihak Bank dengan mematuhi Perjanjian Kredit Pemilikan Rumah (KPR) .
Kredit kepemilikan rumah adalah kredit yang diberikan untuk membantu konsumen memenuhi kebutuhan pribadi atau rumah tangga yang bersifat komersial dan tidak mempunyai nilai tambah terhadap barang atau jasa sosial .
Permasalahan yang sering terjadi seperti kesalahan analisis kredit dapat mengakibatkan pembayaran kredit macet dan mengganggu aliran dana antara pembayaran kredit dan siklus penyelesaian piutang .
Selain itu, analisis KPR secara umum tidak memiliki filter untuk menentukan kelayakan pemberian kredit dan menggunakan pendekatan komputerisasi yang dilengkapi dengan sistem pendukung keputusan yang dapat menggambarkan faktor-faktor pendukung sebagai bobot yang diperhitungkan dalam pengambilan keputusan untuk menentukan kelayakan pemberian kredit perumahan sebagai acuan penilaian kualifikasi pelamar .
Nasabah yang membuat keputusan analitis berdasarkan kriteria yang telah ditentukan ini dapat mengurangi jumlah pinjaman bermasalah dan menjadikan calon nasabah yang didanai benar-benar layak mendapatkan pinjaman untuk memiliki rumah .
Copyright A 2024 Author.
Page 670 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Pada permasalahan pemberian kredit dapat diselesaikan melalui pendekatan salah satunya dengan menerapkan perhitungan sistem pendukung Keputusan.
Adapun Sistem Pendukung Keputusan (SPK) sendiri merupakan media yang dapat digunakan bagi pengambil keputusan dalam mengatasi persoalan yang kompleks dan tidak terstruktur .
, sehingga dapat meningkatkan efektifitas dari keputusan yang diambil dari Adapun metode-metode SPK yang umumnya digunakan antara lain seperti Simple Additive Weighting (SAW).
ELECTRE.
TOPSIS.
MOORA.
VIKOR.
AHP.
Weighted Product (WP).
SMART.
SMARTER, dan lain sebagainya .
Metode Visektriterijumsko Kompromisno Rangiranje (VIKOR) adalah salah satu metode yang dapat diklasifikasikan dalam MCDA (Multi-Criteria Decision Analysi.
Metode VIKOR berfokus pada pemeringkatan setiap alternatif.
Metode VIKOR juga membantu mengatasi masalah multi-kriteria dalam sistem yang kompleks .
Selain itu, metode VIKOR memiliki kelebihan dari kompromi alternatif, memungkinkan memberi rekomendasi dari kasus multi-kriteria dalam penentuan alternatif terbaik dengan hasil yang cepat .
Metode VIKOR merupakan salah satu metode MCDM yang sering dipilih untuk membuat sebuah sistem pendukung keputusan dikarenakan perhitungannya dapat memberikan tingkat keuntungan yang tinggi .
Alasan dipilihnya metode VIKOR adalah memiliki kemampuan untuk mengatasi kriteria yang bertentangan nilainya, seperti memiliki nilai yang semakin kecil semakin baik atau semakin besar semakin baik nilainya.
Akan tetapi, hasil analisis dalam perhitungan metode sistem pendukung keputusan sangat dipengaruhi oleh perubahan bobot atribut.
Pengambilan keputusan yang berdasarkan bobot yang berubah dapat menghasilkan alternatif yang berbeda, memberikan tantangan terkait konsistensi dan kestabilan model.
Untuk mengatasi permasalahan dalam pembobotan kriteira dibutuhkan metode pembobotan salah satunya dengan menggunakan metode entropy.
Metode Entropy adalah salah satu teknik yang digunakan dalam analisis multi-kriteria untuk menetapkan bobot pada setiap kriteria dengan memanfaatkan konsep entropi dari teori informasi untuk mengukur tingkat ketidakpastian atau keragaman dalam data .
Dalam konteks analisis multi-kriteria, entropi digunakan untuk menilai seberapa merata atau tidak meratanya distribusi nilai pada setiap kriteria.
Semakin merata distribusi nilai, semakin tinggi nilai entropinya, dan semakin penting kriteria tersebut .
Salah satu keunggulan metode Entropy adalah kemampuannya untuk menangani situasi di mana informasi tentang preferensi pengambil keputusan sangat terbatas .
Beberapa penelitian terkait yang berhubungan dengan penelitian ini yaitu seperti penelitian dari Radillah et al .
yang membahas mengenai penerapan metode profile untuk menentukan kelayakan KPR.
Implementasi metode profile matching pada penelitian tersebut memberikan kemudahan dalam menentukan kelayakan KPR pada calon nasabah.
Metode profile matching dapat dijadikan parameter atau tolak ukur dalam acuan pembuat system atau aplikasi pendukung keputusan berdasarkan kriteria dan pembobotan .
Penelitian dari Lubis et al .
melakukan penilaian terhadap beberapa situs yang umumnya digunakan oleh masyarakat dalam aktivitas berbelanja secara daring dengan Metode VIKOR dan Rank Order Centroid.
Alternatif yang digunakan yaitu Shoopee.
Lazada.
Tokopedia.
Bukalapak dan Facebook Marketplace.
Untuk kriteria yang digunakan yaitu dengan menggunakan penilaian berdasarkan User Interface.
Kelengkapan Produk.
Respon Pelayanan.
Proses Transaksi, dan Jasa Pengiriman.
Hasil pengujian yang diperoleh dari penelitian tersebut yaitu Shoopee sebagai alternatif terbaik dengan peroleh nilai indeks VIKOR sebesar 1.
Maka dengan demikian, dapat diketahui bahwa metode VIKOR dan Rank Order Centroid dapat diterapkan pada sistem rekomendasi untuk pemilihan marketplace .
Penelitian oleh Tanjung et al .
yaitu melakukan pengambilan keputusan dalam pemilihan anggota Bawaslu menggunakan Metode Entropy untuk menghitung pembobotan kriteria.
Entropy dan metode COPRAS untuk perangkingan.
Pemilihan lalternatif terbaik di dasarkan mempertimbangkan solusi ideal dan anti ideal .
Maka pada penelitian ini penulis menggunakan kombinasi metode Entropy dan VIKOR untuk perhitungan rekomendasi pemberian kredit pemilikan rumah kepada nasabah yang mengajukan.
Adapun metode Entropy digunakan untuk menghitung pembobotan kriteria, sedangkan metode VIKOR digunakan untuk perangkingan data alternatif.
Diharapkan dengan adanya Sistem Pendukung Keputusan dapat lebih mempermudah pihak pemberi kredit dalam memberikan kredit pemilikan rumah bagi nasabah yang mengajukan.
METODOLOGI PENELITIAN
Alur penelitian yang dilakukan dalam pendukung keputusan untuk rekomendasi pemberian kredit pemilikan rumah (KPR) dilakukan dalam beberapa tahapan alur kerja penelitian.
Adapun tahapan-tahapan tersebut yaitu terdapat pada Gambar 1.
Copyright A 2024 Author.
Page 671 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Gambar.
1 Kerangka Kerja Alur Penelitian 1 Pengumpulan Data Penelitian Pada penelitian ini menggunakan data-data yang ditentukan sebagai instrumen pengujian dari metode yang digunakan pada penelitian ini yang diperoleh dari PT.
XYZ.
Data-data yang digunakan pada penelitian ini meliputi data-data kriteria yang digunakan, data sub kriteria dari masing-masing kriteria, dan kemudian data nilai rating kecocokan untuk konversi nilai-nilai kriteria yang ditentukan berdasarkan alternatif-alternatif yang Adapun data-data kriteria, sub kriteria dan data nilai rating kecocokan yang digunakan dapat dilihat pada Tabel 1.
Tabel 2, dan Tabel 3 berikut:
Tabel 1.
Data Kriteria No.
Kriteria Kelengkapan Berkas Bentuk lUsaha Penghasilan lPokok Penghasilan lSampingan Kemampuan lPembayaran Agunan latau lJaminan Kode Tabel 2.
Data Nilai Rating Kecocokan Rating Sangat Kurang Kurang Cukup Baik Sangat Baik Nilai Tabel 3.
Data Sub Kriteria No.
Kriteria Kelengkapan Berkas Bentuk Usaha Penghasilan Pokok Penghasilan Sampingan Sub Kriteria Lengkap Tidak Lengkap Permanen Semi Permanen Tidak Tetap Musiman Tidak Ada Usaha >10 Juta >8 <= 10 juta >6 <= 8 juta >4 <= 6 juta < 3 Juta >10 Juta >8 <= 10 juta >6 <= 8 juta >4 <= 6 juta Nilai Bobot Copyright A 2024 Author.
Page 672 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
No.
Kriteria Kemampuan Pembayaran Agunan atau Jaminan Sub Kriteria < 3 Juta >10 Juta >8 <= 10 juta >6 <= 8 juta >4 <= 6 juta < 3 Juta Sertifikat Tanah BPKB Mobil BPKB Motor SK Gaji Tidak Ada Nilai Bobot 2 Menerapkan Matriks Keputusan Setelah pengumpulan data penelitian, maka tahapan selanjutnya yaitu membuat matriks keputusan (A) pada data alternatif dan kriteria yang digunakan dengan rumus berikut:
Dimana Ai adalah alternatif dari i=1 sampai in dan Cxn adalah kriteria dari j=1 sampai im.
3 Menentukan Bobot Kriteria (Entrop.
Tahapan setelahnya yaitu menentukan bobot dari masing-masing kriteria dengan cara menghitung nilai entropy dengan terlebih dahulu mencari setiap karakteristik ke-k emax pada persamaan 2 dan K pada persamaan 3.
Rumusnya adalah :
Kemudian, perhitungan entropy untuk setiap kriteria ke-j ditunjukan pada persamaan .
Adapun merupakan banyak titik data yang telah distandarisasi, sedangkan ( ) merupakan nilai untuk setiap entropi kriteria .
=1, 2,.
, .
Kemudian, mengikuti perhitungan ( ) yaitu untuk menghitung masing-masing entropi individual atribut, maka rumus untuk menghitung total entropi untuk setiap atribut yaitu :
Dimana E merupakan Total Entropy, sedangkan ( ) merupakan Nilai Entropy pada setiap kriteria dengan ketentuan k=1, 2.
A, n Langkah selanjutnya adalah menggunakan rumus berikut untuk menentukan bobot berikut :
( (
))]
Dimana n merupakan Jumlah Kriteria, sedangkan C merupakan Bobot Entropy yang dihasilkan.
Kemudian langkah selanjutnya yaitu menghitung bobot akhir dengan persamaan berikut:
Dengan keterangan C yaitu Bobot Entropy.
Bobot Awal.
merupakan Bobot Entropy Akhir, dan Membuat Matriks Normalisasi Tahapan selanjutnya yang dilakukan yaitu membuat matriks normalisasi dengan menentukan nilai positif dan nilai negatif sebagai solusi ideal dari setiap kriteria dengan rumus sebagai berikut:
) (
) (
Copyright A 2024 Author.
Page 673 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Dimana merupakan Fungsi respon alternatif i pada kriteria j, merupakan nilai terbaik/positif dalam satu kriteria j, merupakan nilai terburuk/negatif dalam satu kriteria j dengan i = 1,2,3, sampai m adalah nomor urutan alternatif, j = 1,2,3, sampai n adalah nomor urutan atribut atau kriteria.
Dan merupakan nilai Matriks ternormalisasi.
Menghitung Normalisasi Bobot Tahapan selanjutnya yang dilakukan yaitu menghitung normalisasi bobot dengan rumus sebagai berikut:
Dimana .
adalah bobot dari tiap kriteria i, sedangkan merupakan nilai Matriks ternormalisasi.
Menghitung Nilai Utility dan Regret Tahapan selanjutnya yang dilakukan yaitu menghitung nilai utility (S) dan regret (R) dari masing-masing alternatif dengan rumus berikut.
( ) ( )
( ) (
( ) (
( ) (
Menghitung Indeks VIKOR Menghitung lindeks lVIKOR ldari lsetiap alternatif ldengan lmenggunakan lpersamaan lberikut:
Dimana merupakan min , merupakan max , dan merupakan min , merupakan max , serta merupakan nilai pengujian indeks VIKOR, dimana nilai diasumsikan secara bervariasi yaitu 0.
4, 0.
Nilai yang terendah merupakan alternatif terbaik.
Hasil Perangkingan Alternatif Tahapan ini melakukan analisis dari hasil perangkingan alternatif yang diperoleh dari perhitungan VIKOR dalam memberikan rekomendasi pemberian kredit pemilikan rumah.
HASIL DAN PEMBAHASAN
1 Penentuan Data Alternatif Sebelum menerapkan perhitungan metode pada penelitian ini, tentunya ldiperlukan ldata lcalon konsumen yang mengajukan lkredit.
Dalam hal ini menggunakan sampel data sebanyak 10 data alternatif.
Berikut data calon konsumen yang akan dijadikan alternatif pada Tabel 4 berikut.
Tabel 4.
Data Alternatif Lengkap Lengkap Lengkap A4 Tidak Lengkap Lengkap A6 Tidak Lengkap Lengkap A8 Tidak Lengkap Lengkap A10 Lengkap Musiman Semi Permanen 7500000 Semi Permanen 12000000 Tidak Ada Tidak Ada 12000000 Tidak Tetap 5000000 Tidak Tetap 2500000 Tidak Tetap 4500000 Semi Permanen 5500000 Musiman BPKB Motor SK Gaji BPKB Motor BPKB Mobil BPKB Motor SK Gaji BPKB Motor BPKB Motor BPKB Motor BPKB Mobil Langkah selanjutnya yang dilakukan yaitu melakukan konversi data alternatif berdasarkan nila rating kecocokan alternatif.
Kemudian hasil konversi yang ldiperoleh lyaitu lpada lTabel l5 lberikut.
Tabel 5.
Hasil Konversi Nilai Alternatif Berdasarkan Nilai Rating Kecocokan Alternatif Copyright A 2024 Author.
Page 674 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Alternatif
A10
2 Perhitungan Bobot Kriteria dengan Entropy Langkah yang dilakukan untuk memperoleh perhitungan entropy dari lmasingl-lmasing nilai alternatif ldari lsemua kriteria sesuai dengan persamaan .
, .
, dan .
Adapun hasil perhitungan entropy dari masing-masing nilai alternatif dari semua kriteria ldapat ldilihat lpada Tabel l6 lberikut:
Tabel 6.
Perhitungan Entropy Alternatif
A10
Total Selanjutnya lmencari lnilai ldimana lm merupakan lbanyak ldata lalternatif lyaitu l10 ldata, yang kemudian ldi lkali ldengan lnilai ltotal perhitungan lentropy lpada lTabel l6.
lBerikut diperoleh lnilai lEntropy masingl-lmasing lkriteria sebagai lberikut:
e K1 = e K2 = e K3 = e K4 = e K5 = e K6 = Setelah mendapatkan nilai entropy setiap kriteria, selanjutnya lmenghitung lbobot ldilakukan ldengan menggunakan lpersamaan .
Kemudian lmenghitung lbobot lakhir ldengan menggunakan lrumus lpersamaan .
, lsehingga menghasilkan bobot lakhir.
lBobot lakhir lpada lTabel 7 lini lyang lakan ldigunakan lpada lperhitungan dengan lmetode lVIKOR.
Copyright A 2024 Author.
Page 675 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Tabel 7.
Hasil Bobot Kriteria dengan Entropy No.
Kriteria Kelengkapan Berkas Nilai Bobot Entropy Bentuk Usaha Penghasilan Pokok Penghasilan Sampingan Kemampuan Pembayaran Agunan atau Jaminan 3 Perhitungan Metode VIKOR Langkah lselanjutnya lyaitu lmentrasformasikan nilail-lnilai lalternatif lpada lTabel l5 lsebelumnya lke bentuk matriks lkeputusan ldengan lbentuk lsebagai berikut:
Langkah lselanjutnya ladalah lmencari lnilai maksimum ldan lminimum dari lsetiap ldata lalternatif untuk setiap lkriteria.
lNilai lmaksimum ldan minimum lditentukan loleh ljenis lstandar, ldan lbobot adalah lbobot standar ldibagi ldengan ltotal lbobot yang ldimasukkan loleh lpengguna lsistem berdasarkan lpersamaan .
yang hasilnya lsebagai berikut.
Tabel 8.
Nilai Maximum dan Minimum Max Min Kemudian lsetelah lmemperoleh lnilai maksimum, minimum, ldan lbobot, llangkah lselanjutnya ladalah Kembali lmenggunakan lPersamaan .
luntuk menormalkan lmatriks ldari lmasingl-lmasing alternatif lsehingga memperoleh lhasil lnormalisasi seperti lyang lditunjukkan lpada lTabel l9 lberikut.
Tabel 9.
Hasil Normalisasi Matriks Alternatif
A10
Kemudian setelah diperoleh nilai normalisasi matriks pada Tabel 9 di atas, maka tahapan selanjutnya yaitu lmelakukan lnormalisasi lbobot dengan lcara lmengalikan lhasil lnormalisasi lmatriks dengan lbobot kriteria, ldan lhasilnya ldapatidilihat pada Tabel 10.
Copyright A 2024 Author.
Page 676 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Tabel 10.
Hasil Normalisasi Bobot
Alternatif
A10
Setelah ldilakukan lnormalisasi lbobot, lmaka langkah lselanjutnya ladalah lmenghitung lutility ldan regret lmeasure ldengan lPersamaan l .
ldan l .
Hasil lperhitungan lutility ldan lregret lmeasure ldapat dilihat lpada lTabel l11 lberikut.
Tabel 11.
Hasil Perhitungan Utility dan Regret
Alternatif
A10
Utility Regret Measure Kemudian, setelah memperoleh nilai utility dan regret measure, lselanjutnya lyaitu lmenghitung lnilai indeks VIKOR luntuk lmemperoleh lhasil lranking akhir ldari lalternatif lberdasarkan lnilai lindeks VIKOR.
Nilai indeks VIKOR yang diujikan yaitu dengan nilai yang bervariasi meliputi nilai indeks VIKOR 0.
4, 0.
5, dan 6 untuk melihat apakah hasil perangkingan yang diperoleh juga bervariasi jika diujikan dengan variasi nilai indeks VIKOR.
Hasil perhitungan ldan lperankingan lindeks lVIKOR lpada alternatif lyang ldigunakan ldapat ldilihat lpada lTabel 12 lberikut.
Tabel 12.
Hasil Perangkingan Berdasarkan Indeks VIKOR
Alternatif
A10
Indeks VIKOR Peringkat Pada Tabel 12 merupakan hasil peringkatan alternatif berdasarkan nilai indeks VIKOR yang dihasilkanl.
Dapat ldilihat lbahwa lperingkat lpertama yaitu lA3 ldengan lnilai lIndeks lVIKOR lyaitu l0.
Maka dari llhasil perhitungan lyang ldiperoleh berdasarkan lperhitungan lkombinasi ldari lmetode VIKOR ldengan pembobotan Entropy lyang ldengan demikian ldapat ldiketahui lbahwa lkombinasi metode VIKOR ldan lEntropy mampu untuk diterapkan pada lsistem lrekomendasi luntuk lpemberian lkredit pemilikan lrumah lpada lpenelitian ini.
4 Pembahasan Penerapan metode VIKOR dan metode Entropy pada penelitian ini diketahui mampu dalam menghasilkan perangkingan dalam rekomendasi pemberian kredit pemilikan rumah bagi pengguna yang mengajukan.
Pengujian dengan metode VIKOR berdasarkan variasi nilai Indeks VIKOR menghasil perangkingan yang berbeda-beda jika dilihat kembali pada Tabel 12.
Kemudian pembobotan kriteria dengan metode Entropy Copyright A 2024 Author.
Page 677 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 670-679 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
menghasilkan bobot kriteria secara obyektif dan proporsional dan memperoleh bobot kriteria yang valid tanpa harus memberikan bobot kriteria secara manual atau subyektif, sehingga hal tersebut berguna untuk menetapkan bobot kriteria yang tidak perlu diragukan lagi mengenai validitasnya.
Jika dibandingkan dengan perolehan hasil pada penelitian terdahulu yang dikutip pada penelitian ini, dapat terlihat perbedaan hasil yang diperoleh dari penelitian yang dilakukan.
Seperti pada penelitian Radillah et al .
dengan metode Profile Matching untuk seleksi penerima kredit pemilikan rumah dengan menggunakan bobot kriteria yang masih secara subyektif tanpa ada validitas bobot kriterianya .
Kemudian pada penelitian Lubis .
yang juga menerapkan metode VIKOR dan pembobotan kriteria dengan Rank Order Centroid (ROC), terlihat bahwa pengujian indeks VIKOR yang digunakan masih terpaut dalam satu nilai indeks saja sehingga hasil yang perangkingan yang diperoleh tidak bervariasi, dan pembobotan kriteria ROC yang digunakan memang sudah menggunakan bobot kriteria yang obyektif, akan tetapi penentuan nilai prioritas bobot pada kriterianya masih dilakukan dengan penentuan yang subyekif .
Jika dikaitkan dengan hasil penelitian yang diperoleh pada penelitian ini, perbedaan hasil tersebut menunjukkan bahwa dengan menerapkan metode SPK yang berbeda tentunya akan sering memperoleh hasil yang berbeda, karena setiap metode memiliki jalur penyelesaian yang berbeda dan mempunyai kelebihan KESIMPULAN Berdasarkan dari hasil pengujian yang dilakukan pada metode yang diterapkan dalam kasus penelitian ini, diperoleh kesimpulan bahwa penerapan metode VIKOR untuk perangkingan dan metode Entropy untuk pembobotan kriteria mampu dalam menghasilkan rekomendasi pemberian kredit pemilikan rumah sesuai dengan kriteria dan bobot kriteria yang digunakan dengan menggunakan bobot kriteria obyektif dari perhitungan metode Entropy sehingga diperoleh bobot kriteria yang valid sehingga dengan menggunakan kombinasi bobot Entropy pada metode VIKOR tidak lagi dilakukan secara asumsi dari pengambil keputusan.
Kemudian hasil perangkingan alternatif berdasarkan pengujian variasi dari nilai indeks VIKOR yang dilakukan menghasilkan alternatif dengan peringkat pertama yaitu A3 dari seluruh pengujian variasi nilai Indeks VIKOR.
REFERENCES