Sistem pendukung keputusan untuk menentukan kelayakan kredit kendaraan bermotor dengan menggunakan metode Fuzzy MADM

ABSTRAK

Pada dasarnya, proses MADM dilakukan melalui 3 tahap, yaitu penyusunan komponen-komponen situasi, analisis, dan sintesis informasi. Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesikfikasi tujuan, kriteria dan atribut. Tahap analisis dilakukan melalui 2 langkah. Pertama mendatangkan taksiran dari besaran yang potensial, kemungkinan dan ketidakpastian yang berhubungan dengan dampak-dampak yang mungkin pada setiap alternatif. Kedua, meliputi pemilihan dari preferensi pengambil keputusan untuk setiap nilai dan ketidakpedulian terhadap resiko yang timbul.dan yang terakhir adalah preferensi yaitu pengambil keputusan pada setiap konsekuen yang dapat dilakukan pada langkah kedua. Metode yang paling sederhana adalah untuk menurunkan bobot atribut dan kriteria adalah dengan fungsi utilitas atau penjumlahan berbobot.

Sistem kerja dimulai saat User menginputkan tanda-tanda umum berupa atribut atribut yang sesuai dengan pelanggan yang mengajukan kredit . Input yang dimasukkan dari form pelanggan adalah data awal dari atribut atribut pelanggan. Kemudian setelah itu system akan memberi bobot nilai sesuai dengan criteria yang dimasukkan, selanjutnya data input diubah menjadi bentuk nilai fuzzy , dimana data input berupa atribut atribut criteria tersebut akan di proses secara komputasi normalisasi matrik, sehingga hasil yang didapat adalah data yang sudah ternormalisasi. Setelah itu system akan memproses data ternormalisasi dengan menggunakan rumus bobot preferensi. Setelah hasil bobot preferensi didapat maka akan di proses secara komputasi kelayakan, apakah layak atau tidak pelanggan tersebut mendapatkan kredit kendaraan bermotor.

ABSTRACT

Basically, the process of MADM is done through three stages, namely the preparation ofthe components of the situation, analysis, and synthesis of information. At this stage of the preparation of the component, the component will be established situation assessmenttable that contains the identification of alternatives and spesification objective, criteria and attributes. Phrase analysis was done through two steps. The first estimate of magnitude brings the, possibilities and uncertainties associated with possible impacts one each alternative. Second, including the selection of decision makers preferences for each value of and indifference to the risk that and the latter is the preference of decision makers at every consequent which can be performed on the second step. The simplest method is to reduce the weight of the attributes and criteria is a utility function or a weighted sum.

The system start working when User input common signs of the attributes that match attributes that customers apply for credit. Which included input from the customer is the form of the preliminary data from the customer attributes attribute. Then after that the system will weigh the value in accordance with the criteria you entered, then the input datais converted into theform of fuzzy values, where data is input in the form of attribute attribute criteria will be in the process of computing the normalization matrix, so that the results obtained is the data that has been normalized. After that the system will process the data normalized by using the formula weight of preference. After the results obtained preference weights should be in the process as a computational feasibility, whether it is feasible or not such customers obtain motor vehicle credit.