repository.unair.ac.idrepository.unair.ac.id/56062/19/KKC_KK_ST_SI_32_-16_Ald_r-2.pdf · 1 BAB I PENDAHULUAN 1.1 Latar Belakang Rumah telah menjadi kebutuhan pokok bagi masyarakat

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Rumah telah menjadi kebutuhan pokok bagi masyarakat di Indonesia

selain untuk pemenuhan kebutuhan sandang dan pangan. Untuk memenuhi

kebutuhan sebuah rumah baru dibutuhkan dana yang sangat besar, tidak sedikit

dari masyarakat Indonesia yang takut untuk membeli rumah dan lebih cenderung

untuk menyewa atau mengontrak rumah dengan kondisi yang tidak sesuai dengan

harapan mereka. Oleh karena itu, beberapa bank yang ada di Indonesia berlomba-

lomba untuk turut serta dalam menyediakan berbagai layanan jasa perbankan

seperti menyediakan kredit khususnya Kredit Pemilikan Rumah (KPR) dengan

bunga dan cicilan yang rendah. Hal ini bertujuan agar keinginan masyarakat untuk

mempunyai rumah yang sesuai dengan keinginan dapat segera terwujud, selain itu

bank secara tidak langsung juga turut aktif memperlancar dan meningkatkan taraf

hidup masyarakat Indonesia.

Bank Pembangunan Daerah Jawa Timur, yang dikenal dengan sebutan

Bank Jatim, pertama kali didirikan pada tanggal 17 Agustus 1961 di Surabaya.

Pendirian Bank Pembangunan Daerah (BPD) ini sesuai dengan Undang-Undang

No. 13 Tahun 1962 yang berisi "BPD adalah bank yang didirikan dengan tujuan

khusus untuk menyediakan pembiayaan bagi pembangunan di daerah dalam

rangka mendukung percepatan pembangunan nasional secara menyeluruh dan

merata di semua daerah di seluruh Indonesia", dalam hal ini BPD Jawa Timur

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

SKRIPSI RANCANG BANGUN SISTEM ... ALDIAN BAGUS A. P.

2

hanya melayani kebutuhan pembiayaan bagi masyarakat Jawa Timur. Bank Jatim

mempunyai beragam produk pembiayaan kredit untuk para nasabahnya baik dari

sektor Kredit Menengah dan Koperasi, Kredit Mikro, dan Kredit Argobisnis dan

Ritel. Dalam sektor Kredit Argobisnis dan Ritel dibagi lagi menjadi beberapa

produk diantaranya; Kredit Usaha Rakyat (KUR), Kredit Usaha Pembibitan Sapi

(KUPS), Kredit Ketahanan Pangan dan Energi (KKP-E), Kredit Resi Gudang,

KUMK SU-005/Kredit Investasi Pemerintah (KIP), Kredit Kepada Koperasi

(KKOP), Kredit Sertifikasi Hak Atas Tanah, Kredit Dana Bergulir Pemprov

Jatim, Kredit Pemilikan Rumah (KPR) umum, kredit Pemilikan Properti (KPP),

Kredit Multiguna, Kredit Pundi Kencana, Kredit Linkage Program BPR, dan

Kredit Mikro Langsung Berguna (Laguna).

Sebelum memberikan layanan produk pembiayaan kredit kepada calon

nasabah peminjam (debitur) Bank Jatim terlebih dahulu melakukan proses

analisis kredit oleh bagian analis kredit kepada calon debitur dengan tujuan untuk

mengetahui secara lengkap informasi riwayat calon debitur dan diharapkan kredit

yang diberikan oleh Bank Jatim (kreditur) adalah kredit dengan kualitas yang

bagus. Proses analisis ini menggunakan prinsip penilaian “5C” yaitu character,

capital, capacity, conditions of economy, dan collateral, sehingga dapat

ditentukan apakah permohonan kredit tersebut dapat diberikan atau tidak. Dalam

perjanjian kredit juga tercakup hak dan kewajiban masing-masing pihak, termasuk

jangka waktu dan bunga yang telah ditetapkan bersama sesuai dengan Undang-

Undang Perbankan nomor 10 tahun 1998 adalah penyedian uang atau tagihan

yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan



3

pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak

peminjam melunasi utangnya setelah jangka waktu tertentu dengan pemberian

bunga.

Selama ini pemberian KPR di Bank Jatim belum memiliki sistem yang

dapat membantu dalam pengambil keputusan pemberian KPR secara

terkomputerisasi, cepat, dan otomatis karena pihak analis kredit masih

menggunakan analisis secara manual dan berdasarkan pengalaman yang telah

dilalui sebelumnya. Dalam mengambil keputusan persetujuan KPR tentu

mengandung suatu tingkat kerugian (resiko). Resiko ini dapat saja terjadi akibat

suatu musibah yang tidak dapat dielakkan seperti rumah debitur terkena bencana

alam atau kebakaran. Namun resiko yang paling fatal adalah akibat debitur yang

mampu tetapi tidak mau membayar kewajibanya. Adanya resiko kerugian dimana

debitur tidak sanggup lagi untuk membayar semua kewajibannya baik untuk

sementara waktu atau selamanya. Hal ini harus cepat di antisipasi oleh dunia

perbankan jika tidak, maka sudah dapat di pastikan bahwa kredit tersebut macet

alias tidak terbayar lagi.

Semakin besar kredit macet yang dihadapi suatu bank, maka makin

menurun pula tingkat kesehatan bank tersebut atau menurunnya profitabilitas

yang diharapkan dan makin besar pula jumlah dana cadangan yang harus

disediakan oleh pihak bank untuk mengadakan dana cadangan tersebut. Dalam hal

ini kondisi perputaran (sirkulasi) keuangan suatu penyedia jasa kredit harus dalam

kondisi yang seimbang agar terhindar dari kredit macet.



4

Menurut Permadi (1992), kemampuan mengambil keputusan yang cepat

dan cermat akan menjadi kunci keberhasilan dalam persaingan global di waktu

mendatang. Memiliki banyak informasi saja tidak akan cukup, bila tidak mampu

meramunya secara cepat dan tepat menjadi alternatif-alternatif terbaik untuk

pengambilan keputusan. Untuk membantu manusia, khususnya para pengambil

keputusan dalam menentukan kebajikan, secara tepat, efisien dan efektif

diperlukan suatu model pengambilan keputusan yang dikenal dengan sebutan

Sistem Pendukung Keputusan.

K-Nearest Neighbor (K-NN), adalah pendekatan untuk mencari kasus

dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu

berdasarkan pada pencocokkan bobot dari sejumlah fitur yang ada (Kusrini,

2009). Misalkan diinginkan untuk mencari solusi terhadap pasien baru dengan

menggunakan solusi pasien lama. Metode K-NN ini bertujuan mencari jarak

terhadap tujuan data yang telah tersimpan sebelumnya, setelah didapatkan

jaraknya kemudian tinggal mencari jarak terdekat untuk mencari tujuan data yang

baru.

Penelitian yang terkait dengan sistem pendukung keputusan

menggunakan data mining adalah Leidiyana (2013) Penerapan Algoritma K-NN

untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor, kemudian

penelitian terkait lainnya adalah Podani (1999) Extending Gower's General

Coefficient of Similarity to Ordinal Characters, dan yang terakhir adalah

penelitian oleh Gower (1971) A General Coefficient of Similarity and Some of Its

Properties.



5

Dengan keadaan yang telah disebutkan sebelumnya, mendorong peneliti

untuk merancang dan membangun sistem pendukung keputusan persetujuan

pemberian kredit kepemilikan rumah dengan metode K-NN dengan studi kasus

Bank Jatim cabang Dr. Soetomo Surabaya. diharapkan dengan menggunakan

aplikasi ini dapat mengurangi rasa ketidakpastian dan bisa sebagai referensi

tambahan dalam pengambilan keputusan yang terbaik bagi Bank Jatim, analis

kredit, dan debitur dengan mempelajari dari data-data yang sudah ada.

1.2 Rumusan Masalah

Berdasarkan latar belakang, maka perumusan masalah yang akan

diambil, adalah bagaimana membuat rancangan dan membangun sistem

pendukung keputusan persetujuan KPR di Bank Jatim cabang Dr. Soetomo

Surabaya dengan metode K-NN ?

1.3 Tujuan

Berdasarkan latar belakang penelitian dan rumusan masalah yang telah

ditulis sebelumnya, maka tujuan dari penelitian ini adalah merancang dan

membangun sistem pendukung keputusan persetujuan pemberian KPR di Bank

Jatim cabang Dr. Soetomo Surabaya dengan metode K-NN.

1.4 Manfaat

Hasil penelitian diharapkan dapat memberikan manfaat sebagai berikut :

1. Sebagai bahan acuan dan pertimbangan dalam menentukan calon debitur

KPR dengan akurat dan cepat berdasarkan data debitur lama yang telah

terkumpul di Bank Jatim Cabang Dr. Soetomo Surabaya.



6

2. Dapat memprediksi sejauh mana calon debitur KPR mampu dalam

membayar kewajibannya, guna meminimalkan resiko kredit macet

dikemudian hari dan diharapkan sistem pendukung keputusan ini dapat

mengurangi rasa ketidakpastian yang dihadapi oleh analis kredit.

3. Mengetahui kriteria-kriteria apa saja yang dipertimbangkan oleh bagian

analis kredit dalam menganalisa permohonan kredit yang diajukan oleh

calon debitur.

1.5 Batasan Masalah

Batasan masalah yang akan dibahas pada penelitian ini, dibatasi pada :

1. Obyek penelitian dilakukan pada produk kredit dengan fokus utama

pada produk KPR.

2. Kriteria-kriteria yang akan dijadikan pertimbangan dalam persetujuan

KPR terbatas pada data debitur yang telah diterima, baik data debitur

yang bermasalah maupun yang tidak bermasalah dalam pembayaran

kredit.



7

BAB II

TINJAUAN PUSTAKA

2.1 Pengertian Kredit

Menurut Firdaus (2008), istilah kredit sesungguhnya berasal dari bahasa

latin credere yang berarti kepercayaan atau credo yang berarti saya percaya.

Sedangkan di Indonesia pengertian kredit menurut pasal 1 angka 1 butir 11

Undang-Undang No. 10 tahun 1998 tentang Perbankan bahwa kredit adalah

penyediaan uang dan tagihan yang dapat disamakan dengan itu, berdasarkan

persetujuan atau kesepakatan pinjam meminjam antara bank dan pihak lain yang

mewajibkan pihak lain yang mewajibkan pihak peminjam melunasi utangnya

setelah jangka waktu tertentu dengan pemberian bunga.

Dari penjelasan diatas dapat dijelaskan bahwa kredit adalah penyediaan

uang atau tagihan yang nilainya diukur dengan uang, misalkan bank membiayai

kredit untuk pembiayaan rumah atau mobil, kemudian berdasarkan persetujuan

antara pihak bank (kreditur) dengan pihak peminjam (debitur) dengan suatu janji

bahwa pembayarannya akan dilunasi oleh pihak debitur sesuai dengan jangka

waktu yang disepakati beserta besaran bunga dan sanksi yang telah ditetapkan

bersama.

2.1.1 Fungsi Kredit

Menurut Suyatno (1992), fungsi kredit secara umum ialah pemenuhan

jasa untuk melayani kebutuhan masyarakat (to serve the society) dalam rangka

mendorong dan melancarkan perdagangan, mendorong dan melancarkan



8

produksi, jasa-jasa dan bahkan konsumsi yang kesemuanya itu pada akhirnya

ditujukan untuk menaikkan taraf hidup orang banyak. sedangkan bila dijabarkan

secara lengkap fungsi kredit adalah sebagai berikut :

1. Kredit pada hakikatnya dapat meningkatkan daya guna uang

2. Kredit dapat meningkatkan peredaran dan lalu lintas uang

3. Kredit dapat pula meningkatkan daya guna dan peredaran uang

4. Kredit sebagai salah satu alat stabilitas ekonomi

5. Kredit dapat meningkatkan kegairahan dalam berusaha

6. Kredit dapat meningkatkan pemerataan pendapatan

7. Kredit sebagai alat untuk meningkatkan hubungan Internasional.

2.1.2 Azaz-Azaz atau Prinsip-Prinsip Pemberian Kredit

Dalam memberikan kredit, bank atau lembaga perkreditan lainnya wajib

mempunyai keyakinan serta kehati-hatian atas kemampuan dan kesanggupan

debitur agar melunasi utangnya sesuai dengan yang diperjanjikan. Untuk

memperoleh keyakinan tersebut, maka sebelum memberikan kredit, bank harus

melakukan penilaian dengan seksama baik itu terhadap watak, kemampuan,

maupun prospek usaha debitur.

Penilaian yang dilakukan ini bertujuan untuk memperkecil kemungkinan

penyimpangan kredit dari apa yang telah diperjanjikan, karena tidak kembalinya

kredit oleh debitur berarti secara langsung mengancam kelangsungan hidup bagi

bank itu sendiri. Hal ini dikarenakan penghasilan bank yang paling utama berasal

dari bunga yang dikenakan terhadap kredit-kredit yang telah diberikannya.

Mengingat sebagian besar dana kredit yang diberikan oleh pihak bank berasal dari



9

dana simpanan masyarakat (giro, doposito, tabungan, dan lain-lain), maka sudah

sewajarnya dalam pemberian kredit tersebut memerlukan perhitungan yang

mendalam yang meliputi berbagai prinsip-prinsip, azaz-azaz atau persyaratan

tertentu. Dibawah ini akan dijelaskan salah satu konsep azaz-azaz atau prinsip-

prinsip 5C yang lebih lazim dan popular dikalangan bankir (Firdaus,2008), antara

lain :

1. Character (Watak atau Kepribadian)

Bank sebagai pemberi kredit harus yakin bahwa calon debitur termasuk orang

yang bertingkah laku baik, dalam arti selalu memegang teguh janjinya, selalu

berusaha, dan bersedia melunasi hutang-hutangnya pada waktu yang telah

ditetapkannya. Untuk nasabah baru bisa meminta info dari Bank Indonesia dan

bank lain, sementara untuk nasabah lama bisa dilihat dengan kinerja

(performance) kreditnya pada masa lalu apakah pengembaliannya lancar atau

tidak.

2. Capacity (Kemampuan / Kapasitas)

Pihak bank harus mengetahui dengan pasti sampai dimana kemampuan

menjalankan usaha calon peminjam. Kemampuan inilah yang menentukan

besar kecilnya pendapatan atau penghasilan suatu perusahaan dimasa yang

akan datang. Untuk mengetahuinya bank dapat memperolehnya dengan cara

melihat dokumen-dokumen, berkas-berkas, dan catatan kredit yang sudah-

sudah termasuk riwayat hidup dan pengalaman kerja calon debitur.

3. Capital (Modal)

Modal menyangkut berapa banyak dan bagaimana struktur modal yang telah



10

dimiliki oleh calon debitur. Hal ini penting diketahui oleh bank untuk menilai

tingkat Debt to Equity Ratio (DER) yang selanjutnya berkaitan dengan tingkat

rentabilitas dan solvabilitas serta jangka waktu pembayarankembali kredit yang

akan diterima. Bank dapat mengatahuinya dengan cara melihat laporan

keuangan (neraca laba dan rugi).

4. Condition (Kondisi Perekonomian)

Bank harus mengetahui keadaan ekonomi pada saat tersebut yang berpengaruh

dan berkaitan langsung dengan usaha calon debitur dan bagaimana prospek

dimasa mendatang.

5. Collateral (Jaminan atau Agunan)

Agunan atau jaminan yaitu harta benda milik debitur atau pihak ke-3 yang

diikat sebagai agunan andaikata terjadi ketidak mampuan debitur untuk

menyelesaikan utangnya sesuai dengan perjanjian kredit. Dalam hal ini agunan

mempunyai 2 fungsi yaitu sebagai pembayaran dengan jalan menguangkan

atau menjual jaminan tersebut dan sebagai kreteria penentu jumlah kredit yang

akan diberikan, dalam hal ini pihak bank tidak akan memberikan kredit lebih

besar dari jumlah nilai pinjaman yang diberikan kecuali dalam hal khusus

(kepercayaan bank dan pemerintah).

Perlu diketahui bahwa tidak semua harta benda memenuhi syarat sebagai

collateral, melainkan ada azaz-azaz tertentu yaitu MAST principles, yaitu :

a) Marketability (pasar yang luas bagi jaminan yang bersangkutan)

b) Ascertainability of value (mempunyai standar harga tertentu)

c) Stability of value (hendaknya tidak menurun harganya)



11

d) Transferability (harta benda yang dijaminkan harus mudah dipindah

tangankan baik secara yuridis / fisik).

2.1.3 Penggolongan Kolektabilitas Kredit

Dalam kenyataan tidak semua kredit yang telah diberikan dalam keadaan

lancar, sebagian ada yang kurang lancar bahkan sampai macet. Oleh karena itu

diperlukan langkah-langkah untuk mengelompokkan kredit berdasarkan jenis

kelancarannya. Hal ini sangat penting dilakukan demi terciptanya pengendalian

kredit agar dapat berjalan dengan lancar. Baik buruknya status debitur dapat

dilihat dengan berapa banyak jumlah kolektabilitas yang dimiliki. Kolektabilitas

adalah suatu pembayaran pokok atau bunga pinjaman oleh nasabah. Berdasarkan

Surat Edaran Bank Indonesia No. 7/3/DPNP tanggal 31 Januari 2005 perihal

Penilaian Kualitas Aktiva Bank Umum, penggolongan kualitas kredit berdasarkan

kemampuan membayar dapat dibedakan menjadi;

1) Kredit Lancar (L)

a) Pembayaran pokok dan bunga tepat waktu, perkembangan rekening baik dan

tidak ada tunggakan serta sesuai dengan persyaratan kredit;

b) Dokumentasi kredit lengkap;

c) Tidak terdapat pelanggaran perjanjian kredit.

2) Kredit dalam Perhatian Khusus (DPK)

a) Terdapat tunggakan pembayaran pokok dan atau bunga sampai dengan 90

(sembilan puluh) hari;

b) Jarang mengalami cerukan;

c) Dokumentasi kredit lengkap dan pengikatan agunan kuat;



12

d) Terdapat pelanggaran perjanjian kredit yang tidak prinsipil.

3) Kredit Kurang Lancar (KL)

a) Terdapat tunggakan dalam pengembalian tunggakan beserta bunga telah

melampaui 90 hari sampai 120 hari dari waktu yang telah disepakati dan

terjadi mutasi masalah keuangan yang dialami debitur;

b) Terdapat cerukan yang berulang kali khususnya untuk menutupi kerugian

operasional dan kekurangan arus kas;

c) Dokumentasi kredit kurang lengkap;

d) Terdapat pelanggaran terhadap persyaratan pokok kredit yang cukup

prinsipil.

4) Kredit Diragukan (D)


melampaui 120 hari sampai 180 hari dari waktu yang telah disepakati;

b) Terjadi cerukan yang bersifat permanen khususnya untuk menutupi

kerugian operasional dan kekurangan arus kas;

c) Dokumentasi kredit tidak lengkap;

d) Terdapat pelanggaran yang prinsipil terhadap persyaratan pokok dalam

perjanjian kredit.

5) Kredit Macet (M)


melampaui 180 hari dari waktu yang telah disepakati;

b) Tidak terdapat dokumentasi kredit;

c) Pelanggaran yang sangat prinsipil terhadap persyaratan pokok dalam



13

perjanjian kredit.

Kredit akan digolongkan bermasalah (Non Performing Loan / NPL)

apabila telah masuk dalam kualitas kurang lancar, diragukan dan macet.

2.1.4 Analisis Perhitungan Plafond dan Angsuran KPR di Bank Jatim

Analisis Perhitungan nilai plafond atau realisasi maksimal dan Angsuran

maksimal KPR digunakan oleh pihak analis KPR untuk mengetahui besaran

plafon maksimal dan angsuran KPR yang boleh diambil oleh calon debitur. Untuk

menghitung besar nilai plafond atau realisasi maksimal KPR yang boleh diambil,

dapat dihitung dengan Persamaan (2.1);

(2.1)

Sedangkan untuk menghitung besar angsuran maksimal KPR yang boleh diambil,

dapat dihitung dengan Persamaan (2.2);

(2.2)

Untuk menghitung besar angsuran KPR dari realisasi atau besar pinjaman yang

diinginkan, dapat dihitung dengan Persamaan (2.3);

(2.3)

2.2 Konsep Dasar Sistem Informasi

Konsep dasar sistem informasi menurut Muhyuzir (2001), sistem

informasi adalah data yang dikumpulkan, dikelompokkan dan diolah sedemikian

rupa sehingga menjadi sebuah satu kesatuan informasi yang saling terkait dan

saling mendukung sehingga menjadi suatu informasi yang berharga bagi yang

menerimanya. Menurut Kadir (2003) pada umumnya tujuan utama sistem

informasi ada 3 macam, yaitu :



14

1) Untuk mendukung fungsi kepengurusan manajemen

2) Untuk mendukung pengambilan keputusan manajemen

3) Untuk kegiatan operasi perusahaan

Semakin berkembangnya sistem informasi yang digunakan maka

semakin banyak jenis-jenis sistem informasi baru yang bermunculan, diantaranya:

a) Sistem Pemrosesan Transaksi (Transaction Processing System atau TPS)

Berfungsi sebagai penghimpun dan peyimpan informasi transaksi bisnis.

b) Sistem Informasi Manajemen (Management Infromation System atau MIS)

Mengkonversi data yang berasal dari TPS menjadi informasi yang berguna

untuk mengelola organisasi dan memantau kinerja biasanya menghasilkan

laporan yang dibutuhkan oleh manajemen.

c) Sistem Pendukung Keputusan (Decision Support System atau DSS)

Pengembangan dari TPS dan MIS yang fokus membantu pengambilan

keputusan dengan menyediakan informasi yang dibutuhkan oleh manajemen.

d) Sistem Informasi Eksekutif (Executive Infromation System atau EIS)

Menyediakan informasi yang mudah diakses dan bersifat interaktif,

biasanya dalam bentuk grafik dengan data dari TPS dan MIS.

e) Sistem Pakar (Expert System atau ES)

Menyediakan pengetahuan pakar pada bidang tertentu untuk membantu

dalam pemecahan masalah.

f) Office Automation System (OAS)

Sistem informasi yang menyediakan fasilitas untuk memproses informasi

dalam suatu organisasi bisnis, contohnya Spreadsheet dan presentasi.



15

2.3 Sistem Pendukung Keputusan

Pengertian Sistem Pendukung Keputusan (SPK) menurut Moore (1980),

adalah sistem yang dapat dikembangkan, mampu mendukung analisis data dan

pemodelan keputusan, berorientasi pada perencanaan masa mendatang, serta tidak

bisa direncanakan interval (periode) waktu pemakaiannya. Pengambilan

keputusan merupakan proses pemilihan alternatif tindakan untuk mencapai tujuan

atau sasaran tertentu. Pengambilan keputusan dapat dilakukan dengan pendekatan

sistematis terhadap permasalahan melalui proses pengumpulan data menjadi

informasi serta ditambah dengan kriteria-kreteria yang perlu dipertimbangkan

dalam pengambilan keputusan.

Menurut Bonezek (1980), SPK terdiri dari 3 komponen yang saling

berinteraksi antara satu dengan lainnya, yaitu :

1. Language system, adalah suatu mekanisme untuk menjembatani (interface)

pemakai dan komponen lainnya.

2. Knowledge system, adalah repositori pengetahuan yang berhubungan dengan

masalah tertentu baik berupa data maupun prosedur.

3. Problem processing system, adalah sebagai penghubung kedua komponen

lainnya, berisi satu atau beberapa kemampuan manipulasi atau menyediakan

masalah secara umum, yang diperlukan dalam pengambilan keputusan.

2.4 Data Mining

Munculnya data mining sebenarnya mulai dikenal sejak tahun 1990,

didasarkan pada jumlah data yang tersimpan dalam basis data semakin semakin

besar. Di satu sisi terdapat sejumlah data dalam jumlah besar yang secara



16

sistematis belum dieksplorasi dan disisi lain kekuatan teknik komputasi dan

komputasi telah tumbuh secara terus menerus sehingga tekanan pada kebutuhan

untuk membuka informasi yang tersembunyi dalam berbagai database menjadi

meningkat.

Menurut Turban (2005), data mining adalah proses yang menggunakan

teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk

mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan

yang terkait dengan berbagai database yang besar.

Data mining juga merupakan sebuah inti dari proses Knowledge

Discovery in Database (KDD), meliputi dugaan algoritma yang mengeksplor

data, membangun model dan menemukan pola yang belum diketahui. KDD

bersifat otomatis, dapat didefinisikan sebagai pengorganisasian proses untuk

pengidentifikasian yang benar, berguna dan penemuan pola dari kumpulan data

yang besar dan kompleks (Maimon, 2010). Informasi yang dihasilkan dari

penggunaan data mining ini dapat menjadi aset untuk meningkatkan daya saing

suatu institusi atau lembaga.

2.4.1 Pengelompokan Data Mining

Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang

dapat dilakukan, yaitu (Larose, 2005):

1. Deskripsi

Terkadang para peneliti dan analis secara sederhana ingin mencoba mencari

cara untuk menggambarkan pola dan kecenderungan yang terdapat di dalam

data.



17

2. Estimasi

Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih

kearah numerik dari pada kearah kategori. Model dibangun menggunakan

record lengkap yang menyediakan nilai dari variabel target sebagai nilai

prediksi. Selanjutnya, pada peninjauan berikutnya estimasi nilai dari variabel

target dibuat berdasarkan nilai variabel prediksi. Contoh estimasi dalam

penelitian adalah estimasi nilai IPK mahasiswa program pasca sarjana dengan

melihat nilai IP mahasiswa tersebut ketika mengikuti kuliah sarjana.

3. Prediksi

Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam

prediksi nilai dari hasil akan ada dimasa mendatang. Beberapa metode dan

teknik yang digunakan dalam klasifikasi dan estimasi dapat pula digunakan

(untuk keadaan yang tepat) untuk prediksi. Contoh prediksi dalam bisnis dan

penelitian adalah prediksi harga beras dalam tiga bulan yang akan datang.

4. Klasifikasi

Dalam klasifikasi, terdapat target variabel kategori. Sebagai contoh,

penggolongan pendapatan dapat dipisahkan dalam tiga kategori yaitu

pendapatan tinggi, pendapatan sedang dan pendapatan rendah. Salah satu

contoh lain klasifikasi dalam bisnis dan penelitian adalah memperkirakan

apakah suatu pengajuan hipotek oleh nasabah merupakan suatu kredit yang

baik atau buruk.

5. Pengklusteran

Pengklusteran merupakan pengelompokan record, pengamatan atau



18

memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan.

Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang

lainnya dan memiliki ketidakmiripan dengan record-record dalam kluster lain.

Perbedaan antara pengklusteran dengan klasifikasi yaitu tidak adanya variabel

target dalam pengklusteran.

6. Asosiasi

Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul

dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang

belanja. Salah satu contoh lain klasifikasi dalam bisnis dan penelitian adalah

menemukan barang dalam supermarket yang dibeli secara bersamaan dan

barang yang tidak pernah dibeli secara bersamaan. Contoh penggunaan

asosiasi dalam bisnis dan penelitian adalah menemukan barang dalam

supermarket yang dibeli secara bersamaan dan barang yang tidak pernah dibeli

secara bersamaan.

2.5 Metode K-NN

Metode K-NN adalah salah satu metode berbasis NN yang paling tua dan

populer. Klasifikasi NN ini didasarkan pada analogi pembelajaran, yaitu dengan

membandingkan data testing dengan data training yang mirip (Han, 2006).

metode K-NN ini berfungsi mencari ruang pola untuk tuple training K yang

paling dekat dengan tuple yang belum diketahui.

Data training atau data latih adalah data yang sudah diketahui

sebelumnya untuk label kelas, dan digunakan untuk membangun model

klasifikator, sementara data testing atau data uji adalah data yang belum diketahui



19

(dianggap belum diketahui) label kelasnya untuk kemudian diprediksi kelasnya

menggunakan model klasifikator yang sudah dibangun (Prasetyo, 2014).

K-NN juga termasuk ke dalam kelompok instance based learning yaitu

menyimpan semua data pembelajaran dan dapat disebut juga lazy learning. Selain

itu K-NN juga termasuk jenis klasifikasi dengan katagori terpandu (supervised),

dimana hasil dari query instance yang baru diklasifikasikan berdasarkan

mayoritas kategori pada K-NN.

2.5.1 Algoritma K-NN

Beberapa tahapan dalam menggunakan algortima K-NN adalah sebagai

berikut (Yeni,2010) :

1) Tentukan parameter K;

2) Hitung jarak antara data yang akan dievaluasi dengan semua data pelatihan;

3) Urutkan jarak yang terbentuk dari yang terdekat;

4) Tentukan jarak terdekat sampai urutan K;

5) Pasangkan kelas yang bersesuaian;

6) Cari jumlah kelas dari tetangga yang terdekat dan tetapkan kelas tersebut

sebagai kelas data yang akan dievaluasi. Misalnya ditetapkan nilai K = 5, maka

ambil 5 jarak yang terdekat. Kemudian evaluasi data tersebut dengan melihat

jumlah kelas yang paling mendominasi.

Menurut Prasetyo (2014), dalam metode klasifikasi seperti K-NN dan

metode clustering, biasanya menggunakan suatu pengukuran yang disebut

kedekatan atau proximity. Dimana terdapat dua jenis kedekatan, yaitu kemiripan

(similarity) atau ketidakmiripan (dissimilarity). Pengukuran kedekatan akan



20

diukur berdasarkan jarak antara data yang pertama dengan data yang kedua,

semakin dekat jarak kedua data maka semakin besar kemiripannya (semakin

kecil ketidakmiripannya), dan semakin kecil kemiripannya (semakin besar

ketidakmiripannya).

2.5.2 Penentuan nilai K pada metode K-NN

Nilai K yang digunakan pada metode K-NN menyatakan jumlah tetangga

terdekat yang dilibatkan dalam penentuan prediksi label kelas pada data uji, dari

K tetangga terdekat yang terpilih kemudian dilakukan voting kelas dari K tetangga

terdekat tersebut. Kelas dengan jumah suara tetangga terbanyaklah yang diberikan

sebagai label kelas hasil prediksi pada data uji tersebut (Tan et al, 2005). Sebagai

contoh gambaran tetangga terdekat dapat dilihat pada Gambar 2.1 dibawah ini,

dimana data baru atau data testing digambarkan dengan simbol titik hitam dan

data training dengan simbol “ o “ dan “ + ” sebagai kelompok :

1 tetangga terdekat (1-NN) 3 tetangga terdekat (3-NN) Gambar 2.1 Tetangga terdekat K-NN

Pada Gambar 2.1 posisi data testing untuk (1-NN) terdapat hanya 1 tetangga

terdekat yaitu kelompok “+”, jadi termasuk dalam kelompok “+”, sementara untuk

posisi data testing untuk (3-NN) terdapat 3 tetangga terdekat yaitu kelompok “+”

berjumlah 1 dan kelompok “o” berjumlah 2, jadi termasuk dalam kelompok



21

“o” dikarenakan jumlah “o” lebih banyak dibandingkan jumlah “+”.

Pada K-NN penentuan nilai K sangatlah penting. Jika nilai K terlalu kecil

maka gangguan noise terhadap hasil sangat besar, jika nilai K terlalu besar maka

akan sangat sulit menentukan mayoritas dalam mengelompokkan data terbaru

(Larose,2005). Nilai K yang dipilih biasanya merupakan angka ganjil, agar

terhindar dari munculnya nilai kedekatan atau jarak yang sama.

2.5.3 Similarity

Dalam prakteknya, kadang ditemukan bahwa atribut yang digunakan

dalam data tidak menggunakan tipe yang seragam, misalnya tidak selalu semua

atribut bertipe numerik (interval atau rasio) ataupun bertipe kategori (nominal atau

ordinal), kadang dataset menggunakan atribut berjenis campuran. Maka dari itu

perhitungan yang cocok untuk tipe data campuran adalah dengan menggunakan

similarity atau nilai kedekatan seperti yang dikemukakan oleh Gower (1971) dan

disempurnakan perhitungannya kembali oleh Podani (1999), maka untuk

menghitung nilai similarity antara 2 buah objek maka dapat digunakan Persamaan

Similarity (2.4):

(2.4)

Dengan :

wijk = 0 , jika objek j dan k tidak dapat digabungkan untuk variabel i karena xij

atau xik tidak diketahui.

a) Untuk variabel binary, dapat digunakan :



22

wijk = 1 dan sijk = 0 jika xij ≠ xik

wijk = sijk = 1 jika xij = xik = 1 atau xij = xik = 0, dan nol berganda (mutual

absences) yang disertakan.

wijk = sijk = 0 jika xij = xik = 0 dan nol berganda (mutual absences) yang tidak

disertakan dari perbandingan.

b) Untuk variabel nominal, dapat digunakan :

wijk =1 jika xij dan xik diketahui. Kemudian lakukanlah,

sijk = 0 jika xij ≠ xik

sijk = 1 jika xij = xik

c) Untuk variabel yang diukur dengan skala interval dan rasio, dapat digunakan :

wijk = 1 jika xij dan xik keduanya diketahui,

Kemudian untuk menghitung nilai sijk , digunakan :

sijk = 1 - { | xij - xik | / (range of variable i) (2.5)

d) Untuk variabel ordinal dapat digunakan (Podani, 1999) : Tabel 2.1 Tabel data ordinal

Wijk adalah sama dengan (c); seluruh xij diganti dengan rank rij menentukan objek

secara keseluruhan (lihat Tabel 2.1. baris ke 3 dan 4). Kemudian,

sijk = 1, if rij = rik (2.6)



23

selainnya, (2.7)

Dengan :

Tij adalah nomer dari objek yang mana sama dengan nilai rank untuk variabel i

sebagai objek j (contoh pada Tabel 2.1, baris ke 5)

Ti, max adalah nomer dari objek yang mana memiliki nilai rank maksimum, yaitu

max{ri}.

Ti, min adalah nomer dari objek yang mana memiliki nilai rank minimum, yaitu

min{ri}.

2.5.4 Evaluasi Algoritma K-NN Menggunakan Cross Validation

Cross validation atau K-fold cross validation dapat digunakan untuk

menghitung tingkat akurasi klasifikasi dengan memperkirakan jumlah

keseluruhan klasifikasi yang benar dari iterasi K, dibagi dengan jumlah total tuple

dalam data awal. Selanjutnya untuk prediksi, perkiraan salah (error) dapat

dihitung sebagai kerugian total dari iterasi K, dibagi dengan jumlah total tuple

dalam data awal. Dalam proses cross validation ini, data akan dibagi dalam partisi

K (fold) dengan ukuran yang sama D1, D2, D3 ... Dk, selanjutnya proses testing

dan training dilakukan sebanyak K kali. Dalam iterasi ke-i partisi Di akan menjadi

data testing dan sisanya akan menjadi data training (Han,2006). Untuk

penggunaan jumlah fold terbaik untuk uji validitas, dianjurkan menggunakan 10-

fold cross validation (Han,2006). Proses pembagian dataset kedalam 10 fold

selengkapnya dapat dilihat pada Gambar 2.2 (Nugroho,2015).



24

Gambar 2.2 Pembagian 43 dataset dengan 10-fold cross validation

Dapat dilihat pada Gambar 2.3 yang berwarna putih merupakan data

testing, kemudian sisanya merupakan data training, selanjutnya proses testing dan

training dilakukan sebanyak K.

Gambar 2.3 Contoh proses 10-fold cross validation

2.6 Perancangan Sistem

Menurut Scott (2001), desain sistem menentukan bagaimana suatu sistem

akan menyelesaikan apa yang mesti diselesaikan, tahap ini menyangkut

mengkonfigurasikan dari komponen-komponen perangkat lunak dan perangkat

keras dari suatu sistem, sehingga setelah instalasi dari sistem akan benar-benar

memuaskan rancang bangun yang telah ditetapkan pada akhir tahap analisis

sistem.

2.6.1 Data Flow Diagram

Data Flow Diagram (DFD) adalah sebuah teknis grafis yang

menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat

data bergerak dari input menjadi output (Pressman, 2002). DFD mempunyai dua

tujuan, diantaranya :

1. Menggambarkan fungsi-fungsi yang mentransformasikan data.



25

2. Memberikan indikasi mengenai bagaimana data ditransformasi pada saat data

bergerak melalui sistem.

Tingkatan pada DFD di mulai dari diagram konteks yang menjelaskan

secara umum suatu sistem atau batasan sistem dari level 0 dikembangkan menjadi

level 1 sampai sistem tergambarkan secara rinci. Gambaran ini tidak tergantung

pada perangkat keras, perangkat lunak, struktur data atau organisasi file.

Komponen DFD Menurut Yourdon / De Marco, adalah :

a) Terminator / Entitas luar.

Gambar 2.4 Komponen terminator

Terminator mewakili entitas eksternal yang berkomunikasi dengan sistem

yang sedang dikembangkan. Biasanya terminator dikenal dengan nama

entitas luar (external entity). Terdapat dua jenis terminator, antara lain :

1. Terminator Sumber (source) : merupakan terminator yang menjadi

sumber.

2. Terminator Tujuan (sink) : merupakan terminator yang menjadi tujuan data

atau informasi sistem.

b) Proses

Gambar 2.5 Komponen proses

Komponen proses menggambarkan bagian dari sistem yang



26

mentransformasikan input menjadi output. Proses diberi nama untuk

menjelaskan proses atau kegiatan apa yang sedang atau yang akan

dilaksanakan. Pemberian nama proses dilakukan dengan menggunakan kata

kerja transitif (kata kerja yang membutuhkan obyek).

c) Alur data

Gambar 2.6 Komponen alur data

Suatu data flow atau alur data digambarkan dengan anak panah, yang

menunjukkan arah menuju ke dan keluar dari suatu proses. Alur data ini

digunakan untuk menerangkan perpindahan data atau paket data informasi

dari satu bagian sistem ke bagian lainnya.

d) Data store

Gambar 2.7 Komponen data store

Komponen ini digunakan untuk membuat model sekumpulan paket data dan

diberi nama dengan kata benda jamak, misalnya Mahasiswa. Data store ini

biasanya berkaitan dengan penyimpanan penyimpanan, seperti file atau database

yang berkaitan dengan penyimpanan secara komputerisasi. Data store juga

berkaitan dengan penyimpanan secara manual seperti buku alamat, file folder, dan

agenda.

2.7 Database MySQL

Pengertian MySQL menurut MySQL manual adalah sebuah open source

software database Structure Query Language (SQL) yang menangani sistem

manajemen database dan sistem manajemen database relational. MySQL dibuat



27

oleh sebuah perusahaan asal Swedia yaitu MySQL AB. MySQL sendiri

mempunyai fitur-fitur yang sangat mudah dipelajari bagi para penggunanya dan

dikembangkan untuk menangani database yang besar dengan waktu yang lebih

singkat. Kecepatan, konektivitas dan keamanannya yang lebih baik membuat

MySQL sangat dibutuhkan untuk mengakses database di internet.

MySQL menggunakan bahasa standar yaitu SQL sebagai bahasa

interaktif dalam mengelola data. MySQL memiliki kinerja, kecepatan proses dan

ketangguhan yang tidak kalah dibanding database-database besar lainnya yang

komersil seperti ORACLE, Sybase, Unify dan sebagainya. MySQL dapat berjalan

di atas banyak sistem operasi seperti Linux, Windows, Solaris, Free BSD, Mac

OS X, dan lain sebagainya.

2.8 PHP

PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun 1995. Pada

waktu itu PHP bernama Form Interpreted (FI). Pada saat tersebut PHP adalah

sekumpulan script yang digunakan untuk mengolah data form dari web. Saat ini,

PHP sendiri merupakan kepanjangan “PHP: Hypertext Preprocessor” adalah

sebuah bahasa script berjenis server side yang menyatu dengan Hyper Text

Markup Language (HTML). Sintaks dan perintah-perintah yang dimasukkan akan

sepenuhnya dijalankan dan dikerjakan oleh server dan disertai pada halaman

HTML biasa. PHP bertujuan untuk membuat aplikasi-aplikasi yang dijalankan

diatas teknologi web. Dalam hal ini, aplikasi pada umumnya akan memberikan

hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan dan

dikerjakan di web server.



28

BAB III

METODE PENELITIAN

Metode penelitian merupakan cara atau prosedur yang berisikan tahapan-

tahapan yang jelas dan sistematis untuk menyelesaikan permasalahan yang sedang

diteliti dengan landasan ilmiah. Dalam melakukan penelitian ini, penulis

menggunakan metode sebagai berikut :

3.1. Lokasi dan Waktu Penelitian

Tempat yang digunakan untuk melakukan penelitian ini adalah Bank

Jatim Cabang Dr. Soetomo Surabaya yang beralamat di Jl. Prof. Mustopo 6-8,

Surabaya. Penelitian dilakukan mulai pada tanggal 1 Desember 2014 sampai

dengan tanggal 31 Desember 2014, dengan narasumber pakar yaitu seorang analis

kredit bagian KPR.

3.2. Objek Penelitian

Hal yang menjadi obyek penelitian ini adalah berfokus kepada produk

KPR dan kriteria- kriteria yang akan dijadikan pertimbangan dalam persetujuan

pemberian kredit oleh bagian analis kredit kepada calon debitur.

3.3. Pengumpulan Data dan Informasi

Teknik pengumpulan data yang digunakan untuk membantu proses

penelitian dilakukan dalam beberapa tahap, diantaranya :

3.3.1 Studi Literatur

Metode ini dilakukan dengan mempelajari buku yang mendukung topik

yang akan dibahas dalam penelitian ini. Sumber literatur yang dipergunakan di

dalam penulisan skripsi ini adalah studi literatur hasil dari penelitian atau hasil



29

penulisan karya ilmiah (jurnal) khususnya yang berkaitan dengan SPK, data

mining, metode K-NN, dan kredit.

3.3.2 Wawancara

Proses wawancara dilakukan dengan mengadakan tanya jawab dengan

pihak pakar, dalam hal ini adalah seorang analis KPR dari Bank Jatim cabang Dr.

Soetomo Surabaya. Pertanyaan-pertanyaan yang diajukan dalam proses

wawancara ini memiliki tujuan utama yaitu mendapatkan informasi-informasi dan

pengetahuan yang lebih mendetail terkait sistem yang telah digunakan dalam

proses pengambilan keputusan oleh pihak analisis KPR Bank Jatim cabang Dr.

Soetomo Surabaya.

Informasi ini digunakan sebagai kriteria dan penilaian khusus dalam

pengisian data pada SPK pemberian KPR yang akan dibuat sekaligus penulis

dapat memperoleh pengetahuan khusus seperti prosedur pemberian kredit, produk

kredit, penggunaan istilah dan sebagainya yang berhubungan dengan kredit.

3.4. Pengolahan Data dan Informasi

Sebelum data diolah, dilakukan terlebih dahulu teknik pengumpulan data

yang digunakan untuk membantu proses penelitian, yaitu :

1) Mengambil data debitur KPR Bank Jatim cabang Dr. Soetomo Surabaya telah

diterima baik yang tidak bermasalah maupun debitur yang bermasalah dalam

pembayaran angsuran kredit dengan rentang periode selama 5 tahun yaitu

periode 2008 - 2013, dengan jumlah 181 record.

2) Mengambil persyaratan KPR yang akan diajukan oleh pihak debitur. Data yang

telah terkumpul selanjutnya diolah untuk disesuaikan dengan masalah yang



30

akan dibahas dalam skripsi ini. Pengolahan data dilakukan berdasarkan teori

yang didapat dari berbagai sumber, baik secara langsung melalui wawancara

dengan narasumber, juga melalui berbagai referensi seperti buku, jurnal, dan

internet. Kegiatan pengolahan data yang dimaksud adalah :

a) Menganalisis data debitur KPR Bank Jatim cabang Dr. Soetomo Surabaya

baik yang tidak bermasalah maupun debitur yang bermasalah dalam

pembayaran kredit di ketahui dengan banyaknya jumlah memo yang telah

tercatat oleh sistem, kemudian dimasukkan sebagai data training dan di

klasifikasikan sebagai debitur bermasalah atau tidak bermasalah, yang

kemudian disimpan dalam database.

b) Menganalisis kriteria-kriteria pengajuan KPR yang berpengaruh terhadap

penentuan klasifikasi debitur yang nantinya akan dijadikan dasar dalam

membangun model klasifikator pada SPK persetujuan pemberian KPR.

3.5. Menyelesaikan Masalah dengan Metode K-NN

Menyelesaikan masalah dengan metode K-NN dapat dilakukan dengan

beberapa langkah, seperti yang terlihat pada Gambar 3.1, diantaranya :

1) Dari dataset debitur lama yang telah tersimpan, kemudian digunakan

sebagai data training, yaitu data yang sudah diketahui label kelasnya, dalam

dataset ini terdapat atribut-atribut pendukung lain yang diperhitungkan

dalam pengajuan KPR yang berfungsi dalam membangun model

klasifikator. Kemudian kategorikan status debitur tersebut ke dalam 2 label

yaitu label tidak bermasalah (collect 1 dan 2) dan label bermasalah (collect



31

Mulai

Menentukan nilai K

Input data testing

calon debitur

Menghitung nilai

kedekatan dengan

Similarity

Urutkan hasil

perhitungan jarak

terbesar, sejumlah

nilai k

Pilih alternatif

terbanyak

Hasil keputusan

calon debitur

bermasalah / tidak

berdasarkan data

debitur lama

Data Training

debitur lama

Selesai

Gambar 3.1 Flowchart metode K-NN

3, 4, dan 5) dan juga terdapat atribut-atribut pendukung lain dalam

pengajuan KPR;

2) Input data testing calon debitur;

3) Tentukan nilai parameter K;

4) Hitung jarak kedekatan antara data testing dengan semua data training,

menggunakan Persamaan Similarity (2.4);



32

Sebelum masuk ke Persamaan (2.4), maka pertama kali yang dilakukan

adalah menghitung nilai kedekatan sesuai dengan tipe data nya terlebih

dahulu. Karena tipe datanya berbeda-beda, maka untuk tipe data interval

digunakan Persamaan (c) untuk nilai wijk dan Persamaan (2.5) untuk nilai

sijk, kemudian untuk tipe data ordinal dihitung menggunakan Persamaan

(2.6) jika kedua objek sama dan Persamaan (2.7) jika kedua objek berbeda

untuk nilai sijk dan Persamaan (c) untuk nilai wijk, dan yang terakhir untuk

tipe data bertipe nominal dapat digunakan Persamaan (b).

5) Urutkan jarak kedekatan yang terbentuk, mulai dari nilai yang terbesar;


sebagai kelas data yang akan dievaluasi, misalnya ditetapkan nilai K adalah

5, maka ambil 5 jarak yang terbesar. Kemudian ambil kelas yang paling

mendominasi, jika terdapat 3 kelas yang mempunyai label tidak bermasalah

dan terdapat 2 kelas yang mempunyai label bermasalah jadi dapat kita ambil

kesimpulan bahwa kelas yang diuji tersebut termasuk ke dalam label kelas

yang tidak bermasalah.

3.6. Perancangan Sistem

Perancangan sistem dilakukan dengan menggunakan Microsoft Visio.

Hal–hal yang perlu dibuat dalam perancangan sistem adalah menggunakan DFD.

DFD adalah suatu diagram yang menggunakan notasi-notasi untuk

menggambarkan arus data dari sistem, yang penggunaannya sangat membantu

untuk memahami sistem secara logika, tersruktur dan jelas. Beberapa hal yang

perlu dibuat dalam perancangan sistem antara lain :



33

1. Entitas luar

Berdasarkan data yang telah dikumpulkan dan dianalisis, maka dapat diperoleh

entitas luar yang terlibat dalam sistem yang kemudian digambarkan dalam

diagram. Entitas yang terdapat dalam sistem adalah :

a) Admin : bertugas untuk memasukkan daftar debitur yang telah diterima oleh

bagian analis KPR Bank Jatim Cabang Dr. Soetomo Surabaya, serta

melakukan update jika debitur tersebut masuk dalam status pembayaran

yang bermasalah.

b) Operator : operator yang dimaksud adalah para analis KPR Bank Jatim

Cabang Dr. Soetomo Surabaya, bertugas apabila ada calon debitur

yang ingin mengajukan kredit kemudian operator tersebut akan

memasukkan data calon debitur yang kemudian hasilnya akan dianalisa ke

dalam SPK pemberian KPR.

2. Proses

Komponen proses menggambarkan bagian dari sistem yang

mentransformasikan input menjadi output. Dalam SPK pemberian KPR ini,

terdapat beberapa proses yang berhubungan dengan data calon debitur yang

akan dianalisa.

3.7. Implementasi Sistem

Pada kasus SPK pemberian KPR Bank Jatim Cabang Dr. Soetomo

Surabaya ini menggunakan sistem berbasis web, karena memiliki kelebihan dapat

diakses dari berbagai platform. Untuk bahasa pemrogramanya menggunakan

PHP.



34

3.8. Pengujian Sistem

Pengujian sistem dilakukan dengan melakukan pengujian black box,

yaitu dengan melakukan pengujian terhadap fitur–fitur yang terdapat di dalam

sistem apakah dengan memasukkan input tertentu output yang dihasilkan sudah

sesuai dengan yang diharapkan.

3.9. Evaluasi Sistem

Evaluasi yang akan digunakan dalam sistem ini menggunakan cross

validation atau k-fold cross validation yang berfungsi untuk mengetahui seberapa

besar tingkat kebenaran akurasi klasifikasi dengan menggunakan metode K-NN.



35

BAB IV

HASIL DAN PEMBAHASAN

4.1. Pengumpulan Data dan Informasi

Tempat pengumpulan data dan informasi pada penelitian ini adalah Bank

Jatim Cabang Dr. Soetomo Surabaya yang beralamat di Jln. Prof. Mustopo 6-8,

Surabaya. Teknik pengumpulan data yang digunakan untuk membantu proses

penelitian dilakukan dalam beberapa tahap, diantaranya :

4.1.1 Studi Literatur

Sumber literatur yang dipergunakan di dalam penulisan skripsi ini

bertujuan untuk mengetahui dan memahami lebih mendalam tentang proses

pemberian KPR dan bagaimana metode K-NN dapat menyelesaikan masalah

pemberian KPR khususnya debitur yang terlambat atau bermasalah dalam

pembayaran angsurannya. Dari studi literatur tersebut dapat diperoleh informasi

mengenai tahapan-tahapan perhitungan metode K-NN dan kriteria-kriteria apa

saja yang diperlukan dalam pengambilan keputusan pemberian KPR di Bank

Jatim.

4.1.2 Wawancara

Penelitian yang telah dilakukan sebelumnya dengan cara wawancara

secara langsung dengan mengadakan tanya jawab dengan pihak pakar dalam hal

ini adalah Ibu Distha Ayu selaku bagian analis KPR Bank Jatim cabang Dr.

Soetomo Surabaya yang telah sesuai dengan outline wawancara pada Lampiran 1,

tentang bagaimana sistem yang sudah berjalan sekarang dan apa saja masalah



36

yang dihadapi dengan sistem yang sudah berjalan. Selanjutnya adalah

menanyakan tentang form isian persyaratan atau kriteria-kriteria apa saja yang

perlu dipertimbangkan dalam pengambilan keputusan pemberian KPR di Bank

Jatim sesuai dengan yang terdapat pada Lampiran 2. Namun, khusus untuk

kriteria Sistem Informasi Debitur (SID) tidak ikut dimasukkan ke dalam

perhitungan SPK pemberian KPR dikarenakan SID adalah kriteria wajib dalam

pemberian KPR dan jika SID tidak dalam status 0 (tidak ditemukan) atau 1

(lancar) maka pemberian KPR tidak akan diproses lebih lanjut.

Dari proses wawancara tersebut dapat diperoleh informasi bahwa

terdapat persyaratan atau kriteria-kriteria yang dipertimbangkan oleh seorang

analis dalam menganalisa calon debitur KPR, diantaranya: usia, jenis pekerjaan,

status perusahaan, lama kerja, domisili, jenis jaminan, lokasi jaminan, jangka

waktu pinjaman, angsuran, gaji, realisasi, jumlah anak yang dimiliki, dan status

perkawinan.

4.2 Pengolahan Data dan Informasi

Sebelum data diolah, terlebih dahulu dilakukan teknik pengumpulan data

dengan beberapa tahap, yaitu :

1) Mengambil data debitur KPR yang telah diterima, baik yang tidak bermasalah

maupun debitur yang bermasalah dalam pembayaran KPR. Dengan rentang

periode selama 5 tahun yaitu periode 2008 - 2013, dengan jumlah 181 record.

2) Mengambil persyaratan KPR yang akan diajukan oleh pihak debitur. Data yang

telah terkumpul selanjutnya diolah untuk disesuaikan dengan masalah yang

akan dibahas dalam skripsi ini. Pengolahan data dilakukan berdasarkan teori



37

yang didapat dari berbagai sumber, baik secara langsung melalui narasumber

maupun melalui berbagai referensi seperti buku, jurnal, dan internet. Kegiatan

pengolahan data yang dimaksud adalah :

a) Menganalisis data debitur KPR yang telah diterima, baik yang tidak

bermasalah maupun debitur yang bermasalah dalam pembayaran angsuran

yang secara otomatis telah tercatat oleh sistem.

b) Menganalisis dan mengambil kriteria-kriteria pendukung awal dalam

pengajuan KPR yang berpengaruh terhadap penentuan klasifikasi debitur

seperti usia, jenis pekerjaan, posisi pekerjaan, status perusahaan, lama

kerja, domisili, jenis jaminan, lokasi jaminan, jangka waktu pinjaman,

realisasi, angsuran, gaji, jumlah anak yang dimiliki, status perkawinan,

jumlah kolektabilitas (memo), nilai Taksasi Harga Umum (THU), dan

keterangan lunas.

c) Memisahkan kriteria posisi pekerjaan, nilai THU, dan keterangan lunas

sebagai keterangan tambahan debitur dan memo sebagai label.

d) Kemudian data yang telah diolah melalui point 2a, 2b, dan 2c tersebut

dapat digunakan sebagai data training dengan tujuan untuk membangun

model klasifikasi apakah debitur yang baru tersebut termasuk dalam

klasifikasi yang cenderung bermasalah atau cenderung tidak bermasalah,

selanjutnya data training tersebut disimpan ke dalam database.

4.3 Penyelesaian dengan Metode K-NN

Pada rancang bangun sistem ini terdapat beberapa tahapan dalam

menyelesaikan masalah penerimaan KPR, diantaranya :



38

1) Dari dataset debitur lama yang telah tersimpan, kemudian digunakan sebagai

data training, yaitu data yang sudah diketahui label kelasnya dan digunakan

untuk membangun model klasifikator seperti pada Tabel 4.1 yang berisi 24

dataset debitur, untuk selengkapnya dapat dilihat pada lampiran 3. Tabel 4.1

berisi tentang dataset debitur KPR yang masih belum diolah dan terdapat 22

atribut diantaranya adalah no.loan, usia, posisi pekerjaan, jenis pekerjaan,

status perusahaan, lama kerja, domisili, jenis jaminan, lokasi jaminan, tahun

pinjaman, jangka waktu pinjaman, jangka waktu dalam tahun, bunga, angsuran,

realisasi, gaji, jumlah anak, status perkawinan, memo, nilai THU dan

keterangan lunas. Kemudian dari dataset yang belum diolah tersebut, dapat

diambil beberapa atribut yang sesuai dengan kriteria-kriteria dalam persetujuan

KPR oleh pihak analis. Selanjutnya dipilih 13 atribut yang akan diperhitungkan

dalam SPK pemberian KPR diantaranya atribut usia, jenis pekerjaan, status

perusahaan, lama kerja, domisili kerja, angsuran, realisasi, gaji, jangka waktu

pinjaman dalam tahun, jenis jaminan, lokasi jaminan, jumlah anak, dan status

perkawinan. Untuk atribut gaji hanya digunakan sebagai indikator untuk

mengetahui besarnya nilai angsuran dan realisasi yang diambil sehingga tidak

termasuk ke dalam perhitungan K-NN, kemudian untuk atribut lainnya yang

tidak ikut tersebut sifatnya hanya untuk keterangan tambahan saja. Kemudian

lakukan klasifikasi status debitur dengan menambahkan 2 atribut label yaitu

atribut memo dan atribut label memo. Dalam atribut label memo tersebut

terdapat 2 label memo yaitu tidak bermasalah untuk memo 1 dan 2 dan

bermasalah untuk memo 3, 4, dan 5. Sehingga untuk atribut-atribut yang



39

Tabel 4.1 Dataset debitur lama yang belum diolah

No. Urut

No. Loan Usia Posisi Pekerjaan

Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan

Lokasi Jaminan Tahun

Jangka Waktu

Jangka waktu (Thn)

Bunga Angsuran Realisasi Gaji SID Jumlah Anak

Status Perkawinan Memo THU

Keterangan Lunas

1 1 46 Staff Paramedis Karyawan Swasta 8 SDA SHM SDA 2008 120 10 8,5 1772916,67 115000000 4304600 1 3 Menikah 1 155000000 Belum Lunas

2 2 50 Lektor Kepala Dep.

Pendidikan Perguruan Negeri

PNS Lembaga Pendidikan 16 SBY SHM SDA 2008 120 10 8,5 1544666 100000000 3203600 1 3 Menikah 1 130200000 Belum Lunas

3 3 42 Staff PDAM Karyawan BUMD 7 SBY SHGB SBY 2008 180 15 12 1560218 130000000 3800000 0 0 Menikah 1 169000000 Belum Lunas

4 4 38 Staff Metso Mineral Karyawan Swasta 3 SBY SHM SBY 2008 72 6 8,5 1572916 75000000 4400000 0 0 Menikah 1 143000000 Belum Lunas

5 5 39 Direktur of Service Hotel Swasta Karyawan Swasta 9 SBY SHM SBY 2008 120 10 12 2152064,22 150000000 6775000 1 2 Menikah 1 200000000 Belum Lunas

6 6 29 Supervision Bank Karyawan Swasta 11 SBY SHM SBY 2008 180 15 12 2100294 175000000 3492000 1 2 Menikah 3 235861000 Belum Lunas

7 7 47 Kepala Minned Rs. Swasta Karyawan Swasta 4 SBY SHM SDA 2008 96 8 12 1381491 85000000 5707600 1 3 Menikah 1 111723000 Belum Lunas

8 8 52 Wirausaha Konveksi Wirausaha Perseorangan 19 SDA SHGB SDA 2008 180 15 12 2700378,23 225000000 7500000 0 2 Menikah 1 250000000 Belum Lunas

9 9 27 Staff Distribusi PDAM Karyawan BUMD 2 SBY SHGB SBY 2008 180 15 12 2520353 210000000 5516000 0 1 Menikah 1 238140000 Belum Lunas

10 10 46 Staff PDAM Karyawan BUMD 6 SBY SHM SBY 2008 120 10 12 1649915,93 115000000 2812000 1 3 Menikah 1 150675000 Belum Lunas

11 11 22 Staff PDAM Karyawan BUMD 2 SBY SHM SDA 2008 180 15 12 1350000 112000000 2350000 0 0 Menikah 1 120889000 Belum Lunas

12 12 42 Anggota TNI TNI Lembaga Negara 12 SBY SHM SBY 2008 36 3 12 1660000 50000000 3537000 1 2 Menikah 1 116600000 Belum Lunas

13 13 38 Staff PDAM Humas Karyawan BUMD 10 SBY SHM SBY 2008 132 11 12 2735575 200000000 4748867 1 3 Menikah 1 375000000 Belum Lunas

14 14 48 PNS Kepala SMPN 16 PNS Lembaga

Pendidikan 16 SBY SHM SBY 2008 120 10 12 1434709 100000000 2699900 1 3 Menikah 1 192000000 Belum Lunas

15 15 44 Kepala Unit Hukum PDAM Karyawan BUMD 6 SBY SHGB SBY 2008 120 10 12 2008593,28 140000000 7499900 1 2 Menikah 1 218421000 Belum Lunas

16 16 50 Pegawai Swasta Kepala Tata Usaha Dapena Karyawan Swasta 13 SBY SHM SBY 2008 120 10 12 2090350,36 140000000 5333900 1 2 Menikah 1 184083000 Belum Lunas

17 17 29 Pegawai Bank Jatim Karyawan BUMD 1 SBY SHGB SBY 2008 180 15 13 2150911,64 170000000 3612000 1 0 Menikah 1 200200000 Belum Lunas

18 18 39 Pegawai RSUD Dr. Soetomo PNS BUMD 15 SBY SHM SBY 2008 90 7,5 13 1848798 150000000 4389000 1 0 Menikah 1 296000000 Belum Lunas

19 19 40 Pegawai Bank Jatim Karyawan BUMD 1 SBY SHM SBY 2008 180 15 13 2024387 160000000 5250000 2 3 Menikah 1 185280000 Belum Lunas

20 20 44 Wiraswasta Barang Wiraswasta Perseorangan 10 SBY Ijin

Pemakaian Sewa Pakai

SBY 2008 120 10 13 2239000 150000000 17000000 1 3 Menikah 1 194810000 Belum Lunas

21 21 46 Staff PDAM Karyawan BUMD 21 SBY SHGB SDA 2009 120 10 13 2239661,1 150000000 4536700 1 3 Menikah 1 195000000 Belum Lunas

22 22 37 Dr. Soetomo Bag. Radiorontgen PNS BUMD 8 SBY SHM SBY 2009 120 10 13 1866345,25 125000000 6591000 1 1 Menikah 1 242000000 Belum Lunas

23 23 32 Staff Bank Jatim Dr. Soetomo Bag. Penarikan Karyawan BUMD 1 SBY SHM SBY 2009 180 15 13 2024387,62 160000000 3612000 0 2 Menikah 1 161850000 Belum Lunas

24 24 37 Staff Gizi Dr. Soetomo PNS BUMD 4 SBY SHM SBY 2009 120 10 13 2209798,95 148000000 6265700 1 2 Menikah 1 195850000 Belum Lunas

25 25 47 Perencanaan PDAM Karyawan BUMD 12 SBY SHM SDA 2009 96 8 13 1512652 90000000 5702300 1 2 Menikah 1 119280000 Belum Lunas



40

Tabel 4.2 Dataset debitur yang sudah dipisahkan menurut atribut yang akan diperhitungkan No.

Urut No.

Loan Usia

Jenis Pekerjaan

Status Perusahaan

Lama Kerja

Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)

Bunga Angsuran Realisasi Gaji Jumlah Anak

Memo Status

Perkawinan Label Memo

1 1 46 Karyawan Swasta 8 SDA SHM SDA 10 8,5 1772916,67 115000000 4304600 3 1 Menikah Tidak Bermasalah

2 2 50 PNS Lembaga Pendidikan 16 SBY SHM SDA 10 8,5 1544666 100000000 3203600 3 1 Menikah Tidak

Bermasalah

3 3 42 Karyawan BUMD 7 SBY SHGB SBY 15 12 1560218 130000000 3800000 0 1 Menikah Tidak Bermasalah

4 4 38 Karyawan Swasta 3 SBY SHM SBY 6 8,5 1572916 75000000 4400000 0 1 Menikah Tidak Bermasalah

5 5 39 Karyawan Swasta 9 SBY SHM SBY 10 12 2152064,22 150000000 6775000 2 1 Menikah Tidak Bermasalah

6 6 29 Karyawan Swasta 11 SBY SHM SBY 15 12 2100294 175000000 3492000 2 3 Menikah Bermasalah

7 7 47 Karyawan Swasta 4 SBY SHM SDA 8 12 1381491 85000000 5707600 3 1 Menikah Tidak Bermasalah

8 8 52 Wirausaha Perseorangan 19 SDA SHGB SDA 15 12 2700378,23 225000000 7500000 2 1 Menikah Tidak Bermasalah


10 10 46 Karyawan BUMD 6 SBY SHM SBY 10 12 1649915,93 115000000 2812000 3 1 Menikah Tidak Bermasalah

11 11 22 Karyawan BUMD 2 SBY SHM SDA 15 12 1350000 112000000 2350000 0 1 Menikah Tidak Bermasalah

12 12 42 TNI Lembaga Negara 12 SBY SHM SBY 3 12 1660000 50000000 3537000 2 1 Menikah Tidak

Bermasalah

13 13 38 Karyawan BUMD 10 SBY SHM SBY 11 12 2735575 200000000 4748867 3 1 Menikah Tidak Bermasalah

14 14 48 PNS Lembaga Pendidikan 16 SBY SHM SBY 10 12 1434709 100000000 2699900 3 1 Menikah Tidak

Bermasalah

15 15 44 Karyawan BUMD 6 SBY SHGB SBY 10 12 2008593,28 140000000 7499900 2 1 Menikah Tidak Bermasalah



18 18 39 PNS BUMD 15 SBY SHM SBY 7,5 13 1848798 150000000 4389000 0 1 Menikah Tidak Bermasalah


20 20 44 Wiraswasta Perseorangan 10 SBY

Ijin Pemakaian

Sewa Pakai

SBY 10 13 2239000 150000000 17000000 3 1 Menikah Tidak Bermasalah



41

diperhitungkan tinggal menjadi 12 atribut dengan 2 atribut label tambahan

yaitu memo dan label memo, seperti yang terdapat pada Tabel 4.2. Tabel 4.2

yang berisi 20 contoh data dari 181 data debitur yang telah diterima, untuk

lebih lengkapnya dapat dilihat pada Lampiran 4.

Selanjutnya pisahkan dari 12 atribut tersebut, mana yang termasuk tipe data

interval, ordinal, nominal, dan label. Kemudian akan dilakukan representasi

data pada sub atribut agar nilai pada sub atribut tersebut dapat dihitung oleh

SPK pemberian KPR. Untuk tipe data interval terdapat atribut usia, lama kerja,

angsuran, dan realisasi dimana nilai pada sub atribut tersebut akan

direpresentasikan kembali sesuai dengan nilai pada masing-masing sub atribut

tersebut, contohnya pada atribut usia sub atribut 17 dapat direpresentasikan

kembali dengan nilai 17 kemudian lakukan hal yang sama kepada atribut lama

kerja, angsuran, dan realisasi. Untuk tipe data ordinal seperti atribut jenis

pekerjaan, status perusahaan, domisili, jenis jaminan, dan lokasi jaminan pada

sub atribut tersebut dapat direpresentasikan dengan nilai mulai dari 1 sampai

sejumlah masing-masing sub atribut tersebut, contohnya pada atribut jenis

pekerjaan untuk sub atribut PNS dapat direpresentasikan kembali dengan

angka 1. Kemudian lakukan hal yang sama kepada atribut status perusahaan,

domisili, jenis jaminan, dan lokasi jaminan. Untuk tipe data nominal seperti

atribut jangka waktu pinjaman dalam tahun dan jumlah anak nilai pada sub

atribut tersebut dapat direpresentasikan sesuai dengan nilai pada masing-

masing sub atribut tersebut contohnya pada atribut jangka waktu pinjaman

dalam tahun untuk sub atribut1 dapat dipresentasikan dengan angka 1,



42

kemudian lakukan hal yang sama kepada atribut jumlah anak. Khusus untuk

atribut status perkawinan nilai pada sub atribut tersebut dapat direpresentasikan

dengan angka 1. Untuk 2 atribut label yaitu memo dan label memo. Pada

atribut memo dapat direpresentasikan sesuai dengan nilai pada sub atribut,

contohnya pada atribut memo untuk sub atribut 1 dapat di representasikan

dengan angka 1. Terakhir adalah atribut label memo untuk sub atribut collect 1

dan 2 dapat direpresentasikan dengan tidak bermasalah sedangkan untuk

collect 3,4, dan 5 dapat direpresentasikan dengan bermasalah seperti yang

terdapat pada Tabel 4.3 dan untuk lebih lengkapnya akan di jelaskan pada

Lampiran 5.

Tabel 4.3 Pembagian atribut menurut tipe data

No. Tipe data Atribut Sub atribut Representasi

1 Interval Usia

17 17 18 18 19 19 20 20

...

...

60 60

2 Ordinal Jenis Pekerjaan

PNS 1 TNI / POLRI 2

Karyawan 3

...

...

Notaris 10

3 Ordinal Status Perusahaan

BUMN 1 BUMD 2 Swasta 3

Perseorangan 4 Lembaga Pendidikan 5

Lembaga Negara 6

4 Interval Lama Kerja (Tahun)

1 1 1,5 1.5 2 2

...

...

37 37

5 Ordinal Domisili

Surabaya 1 Sidoarjo 2

Krian 3

...

...

Luar Jawa Timur 10



43

No. Tipe data Atribut Sub atribut Representasi

6 Interval Angsuran

557746,32 557746,32 670687,4 670687,4

783928,37 783928,37 886622,27 886622,27

...

...

30630153,3 30630153,3

7 Nominal Jangka Waktu Pinjaman

1 1 2 2 3 3 4 4

...

...

15 15

8 Interval Realisasi

25000000 25000000 50000000 50000000 67800000 67800000 70000000 70000000

...

...

1500000000 1500000000

9 Ordinal Jenis Jaminan

SHGB 1 SHM 2

Sewa Pakai 3 Petok D 4

Lain-Lain 5

10 Ordinal Lokasi Jaminan

Surabaya 1 Sidoarjo 2 Malang 3 Krian 4

...

...

Luar Jawa Timur 12

11 Nominal Jumlah Anak

0 0 1 1 2 2 3 3 4 4 5 5 6 6

12 Nominal Status Perkawinan Menikah 1

Belum Menikah 2 Janda / Duda 3

13 Label Memo

1 1 2 2 3 3 4 4 5 5

14 Label Label Memo

1 Tidak Bermasalah 2 Tidak Bermasalah 3 Bermasalah 4 Bermasalah 5 Bermasalah



44

2) Melakukan input data testing calon debitur, dengan memasukkan isian 14 sub

atribut, diantaranya adalah sub atribut usia, jenis pekerjaan, status perusahaan,

lama kerja, domisili, jenis jaminan, lokasi jaminan, jangka waktu pinjaman,

bunga KPR, besar pinjaman yang diinginkan, prosentase batasan gaji, gaji

suami dan istri, jumlah anak, dan status perkawinan. Untuk input data testing

calon debitur maka dapat diambil contoh pada Tabel 4.4 yang hanya

menampilkan 20 contoh data dari 181 data, untuk lebih lengkapnya dapat

dilihat pada Lampiran 6. Pada Tabel 4.4, khusus untuk no.loan 1 digunakan

sebagai contoh data testing dengan mengabaikan memo, label memo dan

keterangan lunas. Kemudian untuk perhitungannya pada no.loan 1 sampai

dengan no.loan 20 digunakan sebagai data training. Untuk mengetahui nilai

maksimal besarnya plafon atau realisasi yang bisa diambil maka dapat

digunakan Persamaan (2.1), sebagai contoh untuk debitur dengan gaji suami

Rp 3.304.600, gaji istri Rp 1.000.000, prosentase gaji adalah 50 %, jangka

waktu 10 tahun yang terlebih dahulu dikonversi kedalam bulan menjadi 120

bulan, dan bunga KPR sebesar 8,5 %, maka dapat dihitung :

Max realisasi =

Max realisasi = Rp 139.608.648,649

Setelah mengetahui nilai plafond atau realisasi maksimal maka langkah

selanjuntnya adalah menghitung besarnya angsuran maksimal yang bisa

diambil dengan menggunakan Persamaan (2.2) :

Angsuran max =

Angsuran max = Rp 2.152.300,000



45

Tabel 4.4 Dataset debitur yang sudah direpresentasi dan diolah

No. Urut

No. Loan Usia

Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili Jaminan

Lokasi Jaminan

Jangka Waktu (Thn)


Status Perkawinan Memo

Label Memo

1 1 46 3 3 8 2 2 2 10 8,5 1772916,67 115000000 4304600 3 1 1 Tidak Bermasalah

2 2 50 1 5 16 1 2 2 10 8,5 1544666 100000000 3203600 3 1 1 Tidak Bermasalah

3 3 42 3 2 7 1 1 1 15 12 1560218 130000000 3800000 0 1 1 Tidak Bermasalah


5 5 39 3 3 9 1 2 1 10 12 2152064,22 150000000 6775000 2 1 1 Tidak Bermasalah

6 6 29 3 3 11 1 2 1 15 12 2100294 175000000 3492000 2 1 3 Bermasalah












18 18 39 1 2 15 1 2 1 7,5 13 1848798 150000000 4389000 0 1 1 Tidak Bermasalah





46

Setelah mengetahui nilai besar pinjaman atau plafond dan angsuran maksimal

yang bisa diambil, langkah selanjutnya adalah mengisi nominal besar pinjaman

atau realisasi yang diinginkan oleh calon debitur dengan melihat batasan nilai

realisasi maksimal, sebagai contoh untuk mengetahui nilai angsuran atau

cicilan menggunakan Persamaan (2.3) :

Angsuran = Angsuran = Rp 1.772.916,667

kemudian nilai angsuran dan realisasi atau besar pinjaman yang diinginkan

selanjutnya akan digunakan dalam proses perhitungan SPK Pemberian KPR.

3) Menentukan banyaknya jumlah parameter K tetangga yang ingin dicari,

misalnya parameter K = 13.

4) Menghitung nilai kedekatan antara data yang akan di testing dengan semua

data training, menggunakan Persamaan Similarity (2.4);

Sebelum masuk ke Persamaan (2.4), maka pertama kali yang dilakukan adalah

menghitung nilai kedekatan sesuai dengan tipe data nya terlebih dahulu, karena

tipe datanya berbeda-beda. Oleh sebab itu, untuk :

a) Tipe data interval seperti atribut usia, lama kerja, angsuran, dan realisasi

maka dapat digunakan Persamaan (c) untuk menentukan nilai wijk, dan

Persamaan (2.5) untuk menghitung nilai sijk, dengan penjelasan bahwa untuk

atribut usia mempunyai range bernilai 10, untuk atribut lama kerja

mempunyai range bernilai 5, untuk atribut angsuran mempunyai range

bernilai 500.000, dan untuk atribut realisasi mempunyai range bernilai

10.000.000. Untuk lebih jelasnya dapat dilihat pada Tabel 4.5 sampai



47

dengan Tabel 4.8 yang ditampilkan hanya 20 data dari 181 data, sedangkan

untuk perhitungan lebih lengkap dapat dilihat pada Lampiran 7 sampai

dengan Lampiran 10.

Tabel 4.5 Perhitungan usia dengan tipe data interval No.

Urut No.

Loan Usia sijk wijk

- - 46 - -

1 1 46 1 1 2 2 50 0,6 1 3 3 42 0,6 1 4 4 38 0,2 1 5 5 39 0,3 1 6 6 29 -0,7 1 7 7 47 0,9 1 8 8 52 0,4 1 9 9 27 -0,9 1 10 10 46 1 1 11 11 22 -1,4 1 12 12 42 0,6 1 13 13 38 0,2 1 14 14 48 0,8 1 15 15 44 0,8 1 16 16 50 0,6 1 17 17 29 -0,7 1 18 18 39 0,3 1 19 19 40 0,4 1 20 20 44 0,8 1

Pada Tabel 4.5, Pengukuran nilai kedekatan akan diukur berdasarkan jarak

antara data testing dengan data training no.loan kedua. Semakin dekat jarak

kedua data maka semakin besar nilai similarity nya, dalam hal ini nilai sijk =

1. Pada Tabel 4.5 jarak antara data testing dengan data training no.loan

kedua didapatkan nilai wijk adalah 1 karena xij dan xik keduanya diketahui,



48

sedangkan nilai sijk adalah :


antara data yang testing dengan data training no.loan kedua, Semakin dekat

jarak kedua data maka semakin besar nilai similarity nya, dalam hal ini nilai

sijk = 1.

Tabel 4.6 Perhitungan lama kerja dengan tipe data interval No.

Urut No.

Loan Lama Kerja sijk wijk

- - 8 - - 1 1 8 1 1 2 2 16 -0,6 1 3 3 7 0,8 1 4 4 3 0 1 5 5 9 0,8 1 6 6 11 0,4 1 7 7 4 0,2 1 8 8 19 -1,2 1 9 9 2 -0,2 1 10 10 6 0,6 1 11 11 2 -0,2 1 12 12 12 0,2 1 13 13 10 0,6 1 14 14 16 -0,6 1 15 15 6 0,6 1 16 16 13 0 1 17 17 1 -0,4 1 18 18 15 -0,4 1 19 19 1 -0,4 1 20 20 10 0,6 1

Pada Tabel 4.6, jarak antara data testing dengan data training no.loan kedua

didapatkan nilai wijk adalah 1 karena xij dan xik keduanya diketahui,




49




sijk = 1.

Tabel 4.7 Perhitungan angsuran dengan tipe data interval No.

Urut No.

Loan Angsuran sijk wijk

- - 1772916,67 - - 1 1 1772916,67 1,0000 1 2 2 1544666 0,5435 1 3 3 1560218 0,5746 1 4 4 1572916 0,6000 1 5 5 2152064,22 0,2417 1 6 6 2100294 0,3452 1 7 7 1381491 0,2171 1 8 8 2700378,23 -0,8549 1 9 9 2520353 -0,4949 1 10 10 1649915,93 0,7540 1 11 11 1350000 0,1542 1 12 12 1660000 0,7742 1 13 13 2735575 -0,9253 1 14 14 1434709 0,3236 1 15 15 2008593,28 0,5286 1 16 16 2090350,36 0,3651 1 17 17 2150911,64 0,2440 1 18 18 1848798 0,8482 1 19 19 2024387 0,4971 1 20 20 2239000 0,0678 1


didapatkan nilai wijk adalah 1 karena xij dan xik keduanya diketahui




50




sijk = 1.

Tabel 4.8 Perhitungan realisasi dengan tipe data interval


didapatkan nilai wijk adalah 1 karena xij dan xik keduanya diketahui


No. Urut

No. Loan

Realisasi sijk wijk

- - 115000000 - - 1 1 115000000 1 1 2 2 100000000 -0,5 1 3 3 130000000 -0,5 1 4 4 75000000 -3 1 5 5 150000000 -2,5 1 6 6 175000000 -5 1 7 7 85000000 -2 1 8 8 225000000 -10 1 9 9 210000000 -8,5 1 10 10 115000000 1 1 11 11 112000000 0,7 1 12 12 50000000 -5,5 1 13 13 200000000 -7,5 1 14 14 100000000 -0,5 1 15 15 140000000 -1,5 1 16 16 140000000 -1,5 1 17 17 170000000 -4,5 1 18 18 150000000 -2,5 1 19 19 160000000 -3,5 1 20 20 150000000 -2,5 1



51

b) Untuk tipe data ordinal seperti atribut jenis pekerjaan, status perusahaan,

domisili, jenis jaminan, dan lokasi jaminan maka untuk menentukan

nilai wijk dapat dihitung dengan Persamaan (c), sedangkan untuk

menghitung sijk dapat menggunakan Persamaan (2.6) jika kedua objek

sama, dan Persamaan (2.7) jika kedua objek berbeda. Untuk lebih jelasnya

dapat dilihat pada Tabel 4.9 sampai dengan Tabel 4.13 yang ditampilkan

hanya 20 data dari 181 data dan untuk lebih lengkapnya dapat dilihat pada

Lampiran 11 sampai dengan Lampiran 15.

Pada Tabel 4.9 terdapat rank dan T, dimana rank adalah pembagian antara

penjumlahan nomer urut dengan jumlah data yang memiliki nilai yang

sama. Sedangkan T adalah jumlah data yang memiliki nilai yang sama.

Sebagai contoh pada Tabel 4.9, untuk jenis pekerjaan yang bernilai 1 nilai T

adalah 17 karena terdapat 17 angka 1 yang sama. Kemudian angka 1

dilakukan konversi ke rank menjadi :

.

Setelah dikonversi ke rank dan mengetahui nilai T, langkah selanjutnya

adalah pengembalian nilai sesuai dengan nilai yang tertera pada jenis

pekerjaan awal. Kemudian menggantinya dengan nilai rank dan T, melalui

original rank dan original T, misalnya untuk jenis pekerjaan 1 original rank



52

adalah 9 dan original T adalah 17. Kemudian lakukan pengukuran nilai

kedekatan yang akan diukur berdasarkan jarak antara data testing dengan

data training no.loan kedua, dengan Persamaan (2.7), didapatkan hasil sijk

adalah;

dan nilai wijk adalah 1 karena xij dan xik keduanya diketahui. Perhitungan

secara keseluruhan untuk Tabel 4.9, selengkapnya dapat dilihat pada

Lampiran 11.




Sebagai contoh pada Tabel 4.10, untuk status perusahaan yang bernilai 2

nilai T adalah 53 karena terdapat 53 angka 2 yang sama. Kemudian angka 2


.


adalah pengembalian nilai sesuai dengan nilai yang tertera pada status

perusahaan awal. Kemudian menggantinya dengan nilai rank dan T, melalui

original rank dan original T, misalnya untuk status perusahaan 2 original

rank adalah 34 dan original T adalah 53.



53

Tabel 4.9 Perhitungan jenis pekerjaan dengan tipe data ordinal

Mengurutkan Jumlah Rank

yang Sama Data Testing Dibanding dengan Data Training

No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank

Original T Similarity IF == 1 , else

similarity ordinal

sijk wijk

- - 3 - - - 72,5 108 - - - -

1 1 3 1 17 9 72,5 108 1,9068 1 1,0000 1

2 2 1 1 17 9 9 17 0,9831 0,9831 1

3 3 3 1 17 9 72,5 108 1,9068 1 1,0000 1

4 4 3 1 17 9 72,5 108 1,9068 1 1,0000 1

5 5 3 1 17 9 72,5 108 1,9068 1 1,0000 1

6 6 3 1 17 9 72,5 108 1,9068 1 1,0000 1

7 7 3 1 17 9 72,5 108 1,9068 1 1,0000 1

8 8 8 1 17 9 159 29 0,8390 0,8390 1

9 9 3 1 17 9 72,5 108 1,9068 1 1,0000 1

10 10 3 1 17 9 72,5 108 1,9068 1 1,0000 1

11 11 3 1 17 9 72,5 108 1,9068 1 1,0000 1

12 12 2 1 17 9 18 1 0,9915 0,9915 1

13 13 3 1 17 9 72,5 108 1,9068 1 1,0000 1

14 14 1 1 17 9 9 17 0,9831 0,9831 1

15 15 3 1 17 9 72,5 108 1,9068 1 1,0000 1

16 16 3 1 17 9 72,5 108 1,9068 1 1,0000 1

17 17 3 1 17 9 72,5 108 1,9068 1 1,0000 1

18 18 1 2 1 18 9 17 0,9831 0,9831 1

19 19 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

20 20 8 3 108 72,5 159 29 0,8390 0,8390 1



54

Tabel 4.10 Perhitungan status perusahaan dengan tipe data ordinal



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank

Original T Similarity IF == 1, else

similarity ordinal

sijk wijk

- - 3 - - - 90 59 - - - -

1 1 3 1 7 4 90 59 1,4113 1 1,0000 1

2 2 5 1 7 4 162,5 20 0,7589 0,7589 1

3 3 2 1 7 4 34 53 0,9929 0,9929 1

4 4 3 1 7 4 90 59 1,4113 1 1,0000 1

5 5 3 1 7 4 90 59 1,4113 1 1,0000 1

6 6 3 1 7 4 90 59 1,4113 1 1,0000 1

7 7 3 1 7 4 90 59 1,4113 1 1,0000 1

8 8 4 2 53 34 136 33 0,9929 0,9929 1

9 9 2 2 53 34 34 53 0,9929 0,9929 1

10 10 2 2 53 34 34 53 0,9929 0,9929 1

11 11 2 2 53 34 34 53 0,9929 0,9929 1

12 12 6 2 53 34 177 9 0,6170 0,6170 1

13 13 2 2 53 34 34 53 0,9929 0,9929 1

14 14 5 2 53 34 162,5 20 0,7589 0,7589 1

15 15 2 2 53 34 34 53 0,9929 0,9929 1

16 16 3 2 53 34 90 59 1,4113 1 1,0000 1

17 17 2 2 53 34 34 53 0,9929 0,9929 1

18 18 2 2 53 34 34 53 0,9929 0,9929 1

19 19 2 2 53 34 34 53 0,9929 0,9929 1

20 20 4 2 53 34 136 33 0,9929 0,9929 1



55

Kemudian lakukan pengukuran nilai kedekatan yang akan diukur

berdasarkan jarak antara data testing dengan data training no.loan ketiga,

dengan Persamaan (2.7), didapatkan hasil sijk adalah ;

dan nilai wijk adalah 1 karena xij dan xik keduanya diketahui. Pehitungan

secara keseluruhan untuk Tabel 4.10, selengkapnya dapat dilihat pada

Lampiran 12.




Sebagai contoh pada Tabel 4.11, untuk domisili yang bernilai 1 nilai T



.


adalah pengembalian nilai sesuai dengan nilai yang tertera pada domisili

awal. Kemudian menggantinya dengan nilai rank dan T, melalui original

rank dan original T, misalnya untuk domisili 1, original rank adalah 65,5

dan original T adalah 130.


berdasarkan jarak antara data testing dengan data training no.loan kedua,



56

Tabel 4.11 Perhitungan domisili dengan tipe data ordinal



No. Urut

No. Loan

Domisili Domisili Rank

Domisili T Domisili Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 2 - - - 149,5 38 - - - -

1 1 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

2 2 1 1 130 65,5 65,5 130 0,9804 0,9804 1

3 3 1 1 130 65,5 65,5 130 0,9804 0,9804 1

4 4 1 1 130 65,5 65,5 130 0,9804 0,9804 1

5 5 1 1 130 65,5 65,5 130 0,9804 0,9804 1

6 6 1 1 130 65,5 65,5 130 0,9804 0,9804 1

7 7 1 1 130 65,5 65,5 130 0,9804 0,9804 1

8 8 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

9 9 1 1 130 65,5 65,5 130 0,9804 0,9804 1

10 10 1 1 130 65,5 65,5 130 0,9804 0,9804 1

11 11 1 1 130 65,5 65,5 130 0,9804 0,9804 1

12 12 1 1 130 65,5 65,5 130 0,9804 0,9804 1

13 13 1 1 130 65,5 65,5 130 0,9804 0,9804 1

14 14 1 1 130 65,5 65,5 130 0,9804 0,9804 1

15 15 1 1 130 65,5 65,5 130 0,9804 0,9804 1

16 16 1 1 130 65,5 65,5 130 0,9804 0,9804 1

17 17 1 1 130 65,5 65,5 130 0,9804 0,9804 1

18 18 1 1 130 65,5 65,5 130 0,9804 0,9804 1

19 19 1 1 130 65,5 65,5 130 0,9804 0,9804 1

20 20 1 1 130 65,5 65,5 130 0,9804 0,9804 1



57



untuk Tabel 4.11, selengkapnya dapat dilihat pada Lampiran 13.




Sebagai contoh pada Tabel 4.12, untuk jenis jaminan yang bernilai 1 nilai T



. Setelah dikonversi ke rank dan mengetahui nilai T, langkah selanjutnya

adalah pengembalian nilai sesuai dengan nilai yang tertera pada jenis

jaminan awal. Kemudian menggantinya dengan nilai rank dan T, melalui

original rank dan original T. misalnya untuk jenis jaminan 1, original rank

adalah 27 dan original T adalah 53.


berdasarkan jarak antara data testing dengan data training no.loan ketiga




58

Tabel 4.12 Perhitungan jenis jaminan dengan tipe data ordinal



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 2 - - - 113,5 120 - - - -

1 1 2 1 53 27 113,5 120 2,2593 1 1,0000 1

2 2 2 1 53 27 113,5 120 2,2593 1 1,0000 1

3 3 1 1 53 27 27 53 0,9894 0,9894 1

4 4 2 1 53 27 113,5 120 2,2593 1 1,0000 1

5 5 2 1 53 27 113,5 120 2,2593 1 1,0000 1

6 6 2 1 53 27 113,5 120 2,2593 1 1,0000 1

7 7 2 1 53 27 113,5 120 2,2593 1 1,0000 1

8 8 1 1 53 27 27 53 0,9894 0,9894 1

9 9 1 1 53 27 27 53 0,9894 0,9894 1

10 10 2 1 53 27 113,5 120 2,2593 1 1,0000 1

11 11 2 1 53 27 113,5 120 2,2593 1 1,0000 1

12 12 2 1 53 27 113,5 120 2,2593 1 1,0000 1

13 13 2 1 53 27 113,5 120 2,2593 1 1,0000 1

14 14 2 1 53 27 113,5 120 2,2593 1 1,0000 1

15 15 1 1 53 27 27 53 0,9894 0,9894 1

16 16 2 1 53 27 113,5 120 2,2593 1 1,0000 1

17 17 1 1 53 27 27 53 0,9894 0,9894 1

18 18 2 1 53 27 113,5 120 2,2593 1 1,0000 1

19 19 2 1 53 27 113,5 120 2,2593 1 1,0000 1

20 20 3 1 53 27 177 7 0,9894 0,9894 1



59






Sebagai contoh pada Tabel 4.13, untuk lokasi jaminan yang bernilai 1 nilai

T adalah 84 karena terdapat 84 angka 1 yang sama. Kemudian angka 1


. Setelah dikonversi ke rank dan mengetahui nilai T, langkah selanjutnya

adalah pengembalian nilai sesuai dengan nilai yang tertera pada lokasi

jaminan awal. Kemudian menggantinya dengan nilai rank dan T, melalui

original rank dan original T. misalnya untuk lokasi jaminan 1, original rank

adalah 42,5 dan original T adalah 84.


berdasarkan jarak antara data testing dengan data training no.loan ketiga,






60

Tabel 4.13 Perhitungan lokasi jaminan dengan tipe data ordinal



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 2 - - - 126,5 84 - - - -

1 1 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

2 2 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

3 3 1 1 84 42,5 42,5 84 0,9897 0,9897 1

4 4 1 1 84 42,5 42,5 84 0,9897 0,9897 1

5 5 1 1 84 42,5 42,5 84 0,9897 0,9897 1

6 6 1 1 84 42,5 42,5 84 0,9897 0,9897 1

7 7 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

8 8 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

9 9 1 1 84 42,5 42,5 84 0,9897 0,9897 1

10 10 1 1 84 42,5 42,5 84 0,9897 0,9897 1

11 11 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

12 12 1 1 84 42,5 42,5 84 0,9897 0,9897 1

13 13 1 1 84 42,5 42,5 84 0,9897 0,9897 1

14 14 1 1 84 42,5 42,5 84 0,9897 0,9897 1

15 15 1 1 84 42,5 42,5 84 0,9897 0,9897 1

16 16 1 1 84 42,5 42,5 84 0,9897 0,9897 1

17 17 1 1 84 42,5 42,5 84 0,9897 0,9897 1

18 18 1 1 84 42,5 42,5 84 0,9897 0,9897 1

19 19 1 1 84 42,5 42,5 84 0,9897 0,9897 1

20 20 1 1 84 42,5 42,5 84 0,9897 0,9897 1



61

c) Untuk tipe data nominal seperti atribut jangka waktu (thn), jumlah anak, dan

status perkawinan maka untuk menentukan nilai wijk dan sijk dapat

menggunakan Persamaan (b),seperti pada Tabel 4.14 sampai dengan Tabel

4.16 yang ditampilkan hanya 20 data dari 181 data dan untuk selengkapnya

dapat dilihat pada Lampiran 16 sampai dengan Lampiran 18.

Tabel 4.14 Perhitungan jangka waktu dengan tipe data nominal

No. Urut

No. Loan

Jangka Waktu (Thn)

sijk wijk

- - 10 - - 1 1 10 1 1 2 2 10 1 1 3 3 15 0 1 4 4 6 0 1 5 5 10 1 1 6 6 15 0 1 7 7 8 0 1 8 8 15 0 1 9 9 15 0 1 10 10 10 1 1 11 11 15 0 1 12 12 3 0 1 13 13 11 0 1 14 14 10 1 1 15 15 10 1 1 16 16 10 1 1 17 17 15 0 1 18 18 7,5 0 1 19 19 15 0 1 20 20 10 1 1

Pada Tabel 4.14, jarak kedekatan antara data testing dengan data training

no.loan kedua dapat diketahui nilai sijk adalah 1, karena xij dan xik pada

jangka waktu sama-sama bernilai 10. Sedangkan nilai wijk adalah 1 karena

xij dan xik keduanya diketahui. Perhitungan untuk Tabel 4.14, selengkapnya



62

dapat dilihat pada Lampiran 16.

Tabel 4.15 Perhitungan jumlah anak dengan tipe data nominal

No. Urut

No. Loan

Jumlah Anak sijk wijk

- - 3 - - 1 1 3 1 1 2 2 3 1 1 3 3 0 0 1 4 4 0 0 1 5 5 2 0 1 6 6 2 0 1 7 7 3 1 1 8 8 2 0 1 9 9 1 0 1 10 10 3 1 1 11 11 0 0 1 12 12 2 0 1 13 13 3 1 1 14 14 3 1 1 15 15 2 0 1 16 16 2 0 1 17 17 0 0 1 18 18 0 0 1 19 19 3 1 1 20 20 3 1 1


no.loan kedua dapat diketahui nilai sijk adalah 1, karena xij dan xik pada

jumlah anak sama-sama bernilai 3. Sedangkan nilai wijk adalah 1 karena xij

dan xik keduanya diketahui. Pehitungan untuk Tabel 4.15, selengkapnya



no.loan kedua diketahui nilai sijk adalah 1, karena xij dan xik pada status

perkawinan sama-sama bernilai 1. Sedangkan nilai wijk adalah 1 karena



63

xij dan xik keduanya diketahui. Pehitungan untuk Tabel 4.16, selengkapnya


Tabel 4.16 Perhitungan status perkawinan dengan tipe data nominal No.

Urut No.

Loan Status

Perkawinan sijk wijk

- - 1 - - 1 1 1 1 1 2 2 1 1 1 3 3 1 1 1 4 4 1 1 1 5 5 1 1 1 6 6 1 1 1 7 7 1 1 1 8 8 1 1 1 9 9 1 1 1 10 10 1 1 1 11 11 1 1 1 12 12 1 1 1 13 13 1 1 1 14 14 1 1 1 15 15 1 1 1 16 16 1 1 1 17 17 1 1 1 18 18 1 1 1 19 19 1 1 1 20 20 1 1 1

Kemudian setelah pengukuran sijk dan wijk pada setiap tipe atribut telah

selesai dilakukan, langkah selanjutnya adalah dengan memasukkan nilai sijk

dan nilai wijk pada setiap tipe atribut ke dalam perhitungan menggunakan

similarity dengan Persamaan (2.4) secara keseluruhan. Untuk lebih jelasnya

dapat dilihat pada Tabel 4.17 yang ditampilkan hanya 20 data dari 181 data

dan untuk perhitungan lebih lengkapnya dapat dilihat pada Lampiran 19.



64

Tabel 4.17 Hasil perhitungan menggunakan rumus similarity antara data testing dengan data training

sijk wijk Label

K = 13

Data Testing Dibanding dengan Data Training

No. Urut

No.Loan Usia Jenis Pekerjaan

Status Perusahaan

Lama Kerja

Domisili Jaminan Lokasi Jaminan

Jangka Waktu

Angsuran Realisasi Jumlah Anak

Status Perkawinan

Usia Jenis Pekerjaan

Status Perusahaan

Lama Kerja

Domisili Jaminan Lokasi Jaminan

Jangka Waktu

Angsuran Realisasi Jumlah Anak

Status Perkawinan

Memo Label Memo

Similarity (Gijk)

K-NN Sign

1 1 1 1,0000 1,0000 1 1,0000 1,0000 1,0000 1 1,0000 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 1 Tidak

Bermasalah

2 2 0,6 0,9831 0,7589 -0,6 0,9804 1,0000 1,0000 1 0,5435 -0,5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6472 Tidak

Bermasalah

3 3 0,6 1,0000 0,9929 0,8 0,9804 0,9894 0,9897 0 0,5746 -0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6189

4 4 0,2 1,0000 1,0000 0 0,9804 1,0000 0,9897 0 0,6000 -3 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3142


6 6 -0,7 1,0000 1,0000 0,4 0,9804 1,0000 0,9897 0 0,3452 -5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 3 Bermasalah 0,0846

7 7 0,9 1,0000 1,0000 0,2 0,9804 1,0000 1,0000 0 0,2171 -2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5248

8 8 0,4 0,8390 0,9929 -1,2 1,0000 0,9894 1,0000 0 -0,8549 -10 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,4861

9 9 -0,9 1,0000 0,9929 -0,2 0,9804 0,9894 0,9897 0 -0,4949 -8,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,3452

10 10 1 1,0000 0,9929 0,6 0,9804 1,0000 0,9897 1 0,7540 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,9431 Tidak

Bermasalah

11 11 -1,4 1,0000 0,9929 -0,2 0,9804 1,0000 1,0000 0 0,1542 0,7 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,4356


13 13 0,2 1,0000 0,9929 0,6 0,9804 1,0000 0,9897 0 -0,9253 -7,5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,0552


Bermasalah


16 16 0,6 1,0000 1,0000 0 0,9804 1,0000 0,9897 1 0,3651 -1,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5363

17 17 -0,7 1,0000 0,9929 -0,4 0,9804 0,9894 0,9897 0 0,2440 -4,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,0497

18 18 0,3 0,9831 0,9929 -0,4 0,9804 1,0000 0,9897 0 0,8482 -2,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3495





65

Pada Tabel 4.17 terdapat kolom sijk dan wijk, dimana untuk kolom sijk hanya

berisi kumpulan nilai sijk dan kolom wijk hanya berisi kumpulan nilai wijk.

Untuk menghitung nilai similarity (Gijk) antara data testing dengan data

training no.loan 1, didapatkan nilai Gijk adalah;

Hal yang sama juga bisa dihitung antara data testing dengan data training

no.loan 2, didapatkan nilai Gijk adalah;

5) Urutkan jarak kedekatan yang terbentuk, mulai dari yang terbesar. Pada

perhitungan sebelumnya, didapatkan keseluruhan nilai Gijk kemudian

lakukanlah pengurutan jarak kedekatan yang terbentuk sejumlah nilai K yang

telah dimasukkan, mulai dari yang terbesar yaitu bernilai 1 menuju terkecil

yaitu bernilai 0.

Dari 20 data yang ditampilkan pada Tabel 4.18, didapatkan 13 dari 20 nilai

yang terbesar yaitu nilai 1 untuk no.loan 1, nilai 0,9431 untuk no.loan 10, nilai

0,7522 untuk no. loan 34, nilai 0,7383 untuk no.loan 22, nilai 0,7100 untuk

no.loan 62, sampai dengan nilai yang terkecil 0,6316 untuk no loan 65.



66

Tabel 4.18. Hasil pengurutan nilai Gijk dengan K berjumlah 13

No. Loan

Gijk Memo Label

Memo

1 1,000 1 Tidak Bermasalah 10 0,9431 1 Tidak Bermasalah 34 0,7522 1 Tidak Bermasalah 22 0,7383 1 Tidak Bermasalah 62 0,7100 1 Tidak Bermasalah 44 0,6996 1 Tidak Bermasalah 27 0,6713 1 Tidak Bermasalah

165 0,6661 1 Tidak Bermasalah 2 0,6472 1 Tidak Bermasalah

53 0,6466 1 Tidak Bermasalah 14 0,6446 1 Tidak Bermasalah 97 0,6445 1 Tidak Bermasalah 65 0,6316 1 Tidak Bermasalah 54 0,6312 1 Tidak Bermasalah

133 0,6309 1 Tidak Bermasalah 125 0,6279 1 Tidak Bermasalah

3 0,6189 1 Tidak Bermasalah 82 0,6181 1 Tidak Bermasalah 15 0,6151 1 Tidak Bermasalah 51 0,6076 1 Tidak Bermasalah


sebagai kelas data yang akan di evaluasi. Misalnya ditetapkan nilai K adalah

13, maka ambil 13 jarak terbesar. Kemudian ambil kelas yang paling

mendominasi. Misalnya K adalah 13, jarak yang terbesar pada Tabel 4.18 yang

terdapat 13 kelas yang tidak bermasalah, Jadi dapat kita ambil kesimpulan

bahwa kelas yang dilakukan testing tersebut termasuk ke dalam kelas yang

tidak bermasalah dengan kata lain bahwa status debitur baru tersebut termasuk

dalam klasifikasi debitur yang tidak bermasalah.



67

4.3 Perancangan Sistem

Perancangan sistem dilakukan dengan menggunakan Microsoft Visio.

Hal-hal yang perlu dibuat dalam perancangan sistem adalah menggunakan

DFD. DFD adalah suatu diagram yang menggunakan notasi-notasi untuk

menggambarkan arus dari data sistem, yang penggunaannya sangat membantu

untuk memahami sistem secara logika, terstruktur dan jelas. Hal-hal yang perlu

dibuat dalam perancangan SPK Pemberian KPR, antara lain:

Gambar 4.1 DFD level 0

Pada Gambar 4.1 terdapat operator sebagai pihak analis kredit yang bertugas

untuk menginput data debitur baru yang dalam DFD nya akan diberi nama lain

yaitu input nasabah ke dalam SPK dan menerima hasil keputusan yang diberikan

oleh SPK, sedangkan admin bertindak sebagai penginput data klasifikasi debitur

yang telah disetujui kreditnya ke dalam SPK. Selanjutnya proses SPK tersebut di

decompose menjadi DFD level 1 seperti yang terdapat pada Gambar 4.2, dimana

dalam proses SPK terdapat operator dan admin. Untuk bagian operator bertugas

untuk melakukan proses input calon data nasabah baru, kemudian setelah di input

sistem akan mencocokan antara data nasabah baru dengan data nasabah lama yang

telah tersimpan didalam database kemudian sistem tersebut akan menghasilkan

hasil keputusan yang telah dihitung sebelumnya dalam proses SPK menggunakan

metode K-NN. Kemudian untuk bagian admin dapat melakukan beberapa proses



68

antara lain :

1) Pada proses input usia setelah data usia dimasukkan, selanjutnya data usia

tersebut akan disimpan ke dalam database usia;

2) Pada proses input jenis pekerjaan setelah data jenis pekerjaan dimasukkan,

selanjutnya data pekerjaan tersebut akan disimpan ke dalam database

pekerjaan;

3) Pada proses input status perusahaan setelah data status perusahaan

dimasukkan, selanjutnya data status perusahaan tersebut akan disimpan ke

dalam database status perusahaan;

4) Pada proses input lama kerja setelah data lama kerja dimasukkan, selanjutnya

data lama kerja tersebut akan disimpan ke dalam database lama kerja;

5) Pada proses input domisili setelah data domisili dimasukkan, selanjutnya data

domisili tersebut akan disimpan ke dalam database domisili;

6) Pada proses input jenis jaminan setelah data jenis jaminan dimasukkan,

selanjutnya data jenis jaminan tersebut akan disimpan ke dalam database

jaminan

7) Pada proses input lokasi jaminan setelah data lokasi jaminan dimasukkan,

selanjutnya data lokasi jaminan tersebut akan disimpan ke dalam database

lokasi jaminan;

8) Pada proses input jangka waktu setelah data jangka waktu dimasukkan,

selanjutnya data jangka waktu tersebut akan disimpan ke dalam database

jangka waktu;



69

Gambar 4.2 DFD level 1



70

9) Pada proses input gaji setelah data gaji dimasukkan, selanjutnya data gaji

tersebut akan disimpan ke dalam database nasabah;

10) Pada proses input realisasi setelah data realisasi dimasukkan, selanjutnya data

realisasi tersebut akan disimpan ke dalam database nasabah;

11) Pada proses input jumlah anak setelah data jumlah anak dimasukkan,

selanjutnya data jumlah anak tersebut akan disimpan ke dalam database

jumlah anak;

12) Pada proses input status perkawinan setelah data status perkawinan

dimasukkan, selanjutnya data status perkawinan tersebut akan disimpan ke

dalam database status perkawinan;

13) Pada proses input memo setelah dimasukkan, selanjutnya data memo tersebut

akan disimpan ke dalam database memo.

Proses selanjutnya adalah semua database yang telah tersimpan kemudian admin

dapat melakukan proses input data nasabah yang telah disetujui, dimana dalam

proses input nasabah tersebut data nasabah akan tersimpan ke dalam database

nasabah dan selanjutnya adalah proses rekap data nasabah.

Pada Gambar 4.3 adalah penggambaran Entity Relationship Diagram

(ERD) menggunakan aplikasi MySQL Workbench. ERD sendiri berfungsi untuk

menjelaskan hubungan antar data dalam basis data, dapat dilihat bahwa pada tabel

nasabah memerlukan 11 tabel lain diantaranya tabel status perusahaan, domisili,

usia, pekerjaan, status perkawinan, jangka waktu, memo, jaminan, lama kerja,

jumlah anak, dan lokasi jaminan. Sementara untuk atribut posisi pekerjaan, cicilan

atau angsuran, realisasi, dan gaji masuk ke dalam keterangan tambahan yang



71

terdapat didalam tabel nasabah. Untuk penjelasan lebih lengkapnya ERD dapat

dilihat pada Tabel 4.19.

Gambar 4.3 ERD



72

Tabel 4.19 Penjelasan ERD Tabel No Atribut Tipe data Bawaan Ekstra

domisili

1 id int (11) Tidak ada AUTO_INCREMENT

2 nama varchar (45) NULL 3 bobot float NULL

jaminan


2 nama varchar (45) NULL 3 bobot float NULL

jngka_waktu

1 id int Tidak ada AUTO_INCREMENT

2 jangka_waktu varchar (45) NULL 3 bobot float NULL

jumlah_anak


2 jumlah_anak int (11) NULL 3 bobot float NULL

lama_kerja


2 lama_kerja varchar (45) NULL 3 bobot float NULL

lokasi_ jaminan


2 lokasi varchar (45) NULL 3 bobot float NULL

memo

1 id int(11) Tidak ada AUTO_INCREMENT

2 memo varchar(45) NULL 3 bobot float NULL 4 keterangan text NULL

nasabah


2 nama varchar(100) NULL 3 tahun year(4) NULL 4 cicilan double NULL 5 realisasi double NULL 6 thu_thls double NULL 7 keterangan varchar(45) NULL 8 domisili_id int(11) 9 status_perusahaan_id int(11)

10 posisi varchar(100) 11 jaminan_id int(11) 12 pekerjaan_id int(11) 13 sid_id int(11) 14 usia_id int(11) 15 status_perkawinan_id int(11) 16 gaji double 17 angsuran double



73

Tabel No Atribut Tipe data Bawaan Ekstra

18 lama_kerja_id int(11) 19 bunga double 20 jangka_waktu_id int(11) 21 lokasi_jaminan_id int(11) 22 memo_id int(11) 23 jumlah_anak_id int(11)

pekerjaan


2 nama varchar(45) NULL 3 bobot float NULL

status_perkawinan


2 varchar(45) varchar(45) NULL 3 bobot float NULL

status_perusahaan


2 nama varchar(45) NULL 3 bobot float NULL

usia


2 range varchar(10) NULL 3 bobot float NULL

4.4 Implementasi Sistem

Implementasi SPK pemberian KPR Bank Jatim cabang Dr. Soetomo

Surabaya ini dilakukan dengan aplikasi berbasis web, karena memiliki kelebihan

dapat diakses dari berbagai platform dan menggunakan PHP sebagai bahasa

pemrogramannya sedangkan database yang digunakan adalah MySQL. General

User Interface (GUI) untuk aplikasi SPK pemberian KPR Bank Jatim cabang Dr.

Soetomo Surabaya ini, berjalan atas dasar perhitungan K-NN yang telah ditulis

dalam sebuah algoritma. Oleh karena itu sebelum membahas GUI dan aplikasi,

terlebih dahulu dijabarkan algoritma perhitungan K-NN yang dijalankan oleh GUI

tersebut. Algoritma umum dari SPK pemberian KPR Bank Jatim cabang Dr.

Soetomo Surabaya ini dapat dilihat pada Gambar 4.4 sampai dengan Gambar

4.15:



74

#pseoudocode menghitung dan mencari rangking dari masing masing data

Function findRanking(Parameter Array data[][] Parameter namaColum)

Start

Declare ranking Array

Declare t Array

Declare sum Array

Declare result Array

Declare min_t Array

Declare max_t Array

Declare min_r Array

Declare max_r Array

Begin

for i to data

t[i] += data[i]

sum[i] += i

end

for i to data

ranking[i] = sum[i] / data[i]

end

result[] = t

result[] = ranking

result[] = calculateMinMaxR(ranking)

result[] = calculateMinMaxT(t)

Return

End

End

Gambar 4.4 Pseoudocode menghitung dan mencari rangking dari masing-masing data

Pada Gambar 4.4 adalah pseudocode untuk menghitung dan mencari nilai rank

dari masing-masing data yang bertipe ordinal, dimana setelah menghitung nilai T

maka selanjutnya dilakukan penjumlahan antara no.urut dibagi dengan nilai T.

Penjumlahan antara no.urut dibagi dengan nilai T, akan menghasilkan nilai rank

dari masing-masing data yang kemudian akan digunakan untuk menghitung nilai

similarity (sijk). Kemudian menampilkan nilai min-max ranking dan min-max T.

Pada Gambar 4.5 adalah pseudocode untuk menghitung nilai min dan max T,

kemudian nilai minimum T akan dimasukkan ke dalam min_t dan nilai maksimal

T akan dimasukkan ke dalam max_t.



75

#pseoudocode menghitung min dan max T

Function calculateMinMaxT(Parameter Array data)

Start

Declare min_t Array

Declare max_t Array

Begin

for i to data

if min_t > i then

min_t = i

end

if max_t < i then

max_t = i

end

end

Return min_r, min_t

End

End

Gambar 4.5 Pseoudocode menghitung min dan max T

#pseoudocode menghitung min dan max Rank

Function calculateMinMaxR(Parameter Array data)

Start

Declare min_r Array

Declare max_r Array

Begin

for i to data

If min_r > i then

min_r = i

end

If max_r < i then

max_r = i

end

end

Return min_r, min_t

End

End

Gambar 4.6 Pseoudocode menghitung min dan max Rank

Pada Gambar 4.6 adalah pseudocode untuk menghitung nilai min dan max rank,

kemudian nilai minimal rank akan dimasukkan ke dalam min_r dan nilai

maksimal rank akan dimasukkan ke dalam max_r.

Pada Gambar 4.7 adalah pseudocode untuk mencari nilai sijk yang bertipe data

interval, dimana untuk nilai val1 adalah nilai dari data testing sedangkan val2



76

adalah nilai dari data training dan rank adalah nilai range dari atribut data.

#pseoudocode mencari nilai similarity interval

Function IntervalSimilarity(Parameter Number val1, Number val2, Number

rank)

Begin

Return 1 - absolute((val1 - val2) / rank))

End

End

Gambar 4.7 Pseoudocode mencari nilai similarity interval

#pseoudocode mencari nilai similarity nominal

Function NominalSimilarity(Parameter Number val1, Number val2)

Begin

If val1 == val2 Then

Return 1

End

Return 0

End

End

Gambar 4.8 Pseoudocode mencari nilai similarity nominal

Pada Gambar 4.8 adalah pseudocode untuk mencari nilai similarity sijk bertipe

data nominal, dimana jika val1 dan val2 sama maka bernilai satu, jika lain akan

bernilai 0.

#pseoudocode mencari nilai similarity Ordinal

Function OrdinalSimilarity(Parameter Number rank1, Number rank2, Number t1,

Number t2, Number max_r, Number min_r, Number max_t, Number min_t)

Begin

if rank1 == rank2 Then

Return 1;

end

Return (1 - (((absolute(rank1 - rank2)) - ((t1 - 1) / 2) - ((t2 - 1) /

2 )) / ((max_r - min_r) - ((max_t - 1 ) / 2) - ((min_t - 1)/2))))

End

End

Gambar 4.9 Pseoudocode mencari nilai similarity ordinal

Pada Gambar 4.9 adalah pseudocode untuk mencari nilai similarity sijk bertipe

data ordinal, dimana jika rank1 dan rank2 sama maka bernilai 1. Dan jika

berbeda maka digunakan rumus dibawahnya, dimana menggunakan rank1 adalah

nilai ranking asli data testing, rank2 adalah nilai ranking asli data training, t1



77

adalah nilai T dari data testing, t2 adalah nilai T dari data training, max_r adalah

nilai maksimal dari ranking, min_r adalah nilai minimal dari ranking, max_t

adalah nilai maksimal dari T, min_t adalah nilai maksimal dari T.

#pseoudocode mencari nilai similarity gower

Function calculateGower(Parameter Array s, Array w)

Start Declare Array sw

Begin

for i <- 0 To s.lenght

sw[i] = s[i] * w[i]

}

Return sum(sw) / sum(w)

End

End

Gambar 4.10 Pseoudocode mencari nilai similarity gower (Gijk)

Pada Gambar 4.10 adalah pseudocode untuk mencari nilai Gijk secara keseluruhan,

dimana semua data nilai sijk akan dikali dengan data nilai wijk kemudian

ditampung sementara ke dalam array sw. kemudian langkah selanjutnya adalah

array sw tersebut dibagi dengan sejumlah nilai wijk.

#pseoudocode mencari nilai sum no.urut

Function sum(Parameter Array data)

Start Declare Number result

Begin

for i <- 0 To data.lenght

result += data[i]

}

Return result

End

End

Gambar 4.11 Pseoudocode mencari nilai penjumlahan no.urut

Pada Gambar 4.11 adalah pseudocode untuk mencari nilai penjumlahan no.urut,

dimana akan menjumlah data.lenght sejumlah data yang mirip.

Pada Gambar 4.12 adalah pseudocode untuk mencari nilai plafon atau realisasi

maksimal yang bisa diambil oleh calon debitur dimana akan diambil parameter

jangka waktu, bunga dan persentase gaji, kemudian dilakukan perhitungan yang

sesuai dengan Persamaan 2.1.



78

#plafond

Function plafond(Parameter Float plafond, Parameter Float jangka_waktu, Parameter

Float bunga, Parameter Float percentage_gaji)

Begin

Return ((gaji * (percentage_gaji / 100)) * jangka_waktu) / (1 +

(((bunga / 100) * (jangka_waktu / 12))))

End

end

Gambar 4.12 Pseoudocode fungsi mencari nilai plafon maksimal

#angsuran

Function angsuran(Parameter Float plafond, Parameter Float jangka_waktu,

Parameter Float bunga)

Begin

Return (plafond / jangka_waktu) + ((plafond * (bunga / 100)) / 12)

End

end

Gambar 4.13 Pseoudocode fungsi mencari nilai angsuran

Pada Gambar 4.13 adalah pseudocode untuk mencari nilai angsuran, baik

angsuran maksimal pada realisasi maksimal, maupun angsuran pada pinjaman

yang diinginkan oleh debitur dimana akan diambil parameter plafon atau jumlah

pinjaman yang diinginkan, jangka waktu, dan bunga kemudian dilakukan

perhitungan yang sesuai dengan Persamaan 2.2 dan 2.3.

Pada Gambar 4.14 adalah pseudocode untuk mencari nilai cross-validation

dimana dari 181 data debitur akan dibagi menjadi beberapa fold sejumlah inputan

dari nilai numberCrossValidation, kemudian data pada fold urutan pertama

menjadi data testing kemudian fold sisanya menjadi data training, jika ditemukan

sisa data dalam pembagian fold maka data tersebut masuk kedalam fold yang

paling akhir, kemudian lakukan perhitungan similarity (Gijk). Setelah itu akan

dipilih nilai perhitungan Gijk mulai dari yang terbesar sejumlah nilai K pada K-NN

yang telah diinputkan sebelumnya. Kemudian langkah yang terakhir adalah



79

membandingkan antara data testing dengan data training dimana akan dihitung

tingkat kebenaran data yang benar (true) dan salah (false) dalam proses

pengklasifikasiannya pada setiap fold.

#cross funtion Function crossValidation Start Declare Integer numberCrossValidation Declare Integer k_knn Declare Integer positive Declare Array data Declare Array rank Declare Array min_r Declare Array max_r Declare Array min_t Declare Array max_t Declare Array result Const weight[1,1,1] Begin #untuk looping jumlah fold for a <- 0 numberCrossValidation #hitung knn sebanyak k-1 rank = findRanking(data, a) For i <-0 To data.lenght var attribute1 = OrdinalSimilarity(rank[i], rank[0], min_r[i], max_r[i], min_t[i], max_r[i]) var attribute2 = NominalSimilarity(rank[i], rank[0], 10) var attribute3 = BinarySimilarity(rank[i], rank[0]) result[i] = calculateGower(attribute1, attribute2, attribute3, weight) End sort(result) knn = Array.splice(k_knn, result) If knn.memo_id < 2 positive++ Elif negative-- End print knn End End End

Gambar 4.14 Pseoudocode fungsi cross-validation

Pada Gambar 4.15 adalah pseudocode untuk main function, dimana awalnya

mencari nilai rank melalui findRanking(data), kemudian hitung nilai similarity sijk

dan nilai wijk yaitu 1 pada setiap tipe data atribut. Setelah mengetahui nilai sijk dan

nilai wijk maka langkah selanjutnya adalah menghitung secara keseluruhan

menggunakan rumus Gijk, kemudian urutkan mulai dari nilai yang terbesar dan

kemudian ditampilkan.



80

#pseoudocode main function

Function main

Start

Declare Array data

Declare Array rank

Declare Array min_r

Declare Array max_r

Declare Array min_t

Declare Array max_t

Declare Array result

Const weight[1,1,1]

Begin

rank = findRanking(data)

For i <-0 To data.lenght

var attribute1 = OrdinalSimilarity(rank[i], test[j], min_r[i],

max_r[i], min_t[i], max_r[i])

var attribute2 = IntervalSimilarity(rank[i], test[j], 10)

var attribute3 = NominalSimilarity(rank[i], test[j])

result[i] = calculateGower(attribute1, attribute2, attribute3,

weight)

End

sort(result)

print result

End

End

Gambar 4.15 Pseoudocode main function

GUI untuk aplikasi SPK pemberian KPR dengan metode K-NN ini

memiliki 16 tampilan halaman, yaitu halaman awal, halaman login, halaman menu

awal, halaman menu samping kiri, halaman input data daftar debitur, halaman

update debitur, halaman input master, halaman lihat data, halaman update data

master, halaman delete, halaman input debitur test K-NN, halaman hasil test K-

NN, halaman input cross-validation test, dan halaman hasil cross-validation, dan

halaman logout. Pada Gambar 4.16 sampai dengan Gambar 4.31, akan dijelaskan

beberapa fitur pada setiap halaman :

1. Halaman awal

Halaman awal adalah halaman yang akan tampil pada saat pertama kali

sistem dijalankan. Dapat dilihat pada Gambar 4.16 terdapat tombol login pada

pojok kanan atas, yang jika user melakukan click akan dibawa ke tampilan



81

selanjutnya yaitu halaman login.

Gambar 4.16 Tampilan halaman awal

2. Halaman login

Halaman login adalah halaman dimana user akan diminta mengisi

username dan password yang dimiliki kemudian click tombol login berwarna

biru seperti seperti pada Gambar 4.17. Kemudian setelah username dan

password telah dimasukkan dengan benar, maka user akan diijinkan masuk ke

dalam SPK pemberian KPR dan kemudian dibawa ke halaman selanjutnya

yaitu halaman menu awal, jika salah maka user akan tetap berada pada

halaman login.



82

Gambar 4.17 Halaman login

3. Halaman menu awal

Pada menu awal, user akan melihat tombol debitur yang akan

mengarahkan pada halaman list daftar debitur dan tombol K-Nearest Neighbor

yang akan mengarahkan ke halaman input perhitungan K-NN.

Untuk gambar icon yang sejajar pada tulisan Bank Jatim yang paling atas

terdapat beberapa gambar icon yaitu yang paling kiri adalah gambar icon untuk

menampilkan halaman menu samping, kemudian yang berbentuk seperti rumah

akan membawa ke halaman utama, dan yang paling kanan adalah gambar icon

wajah orang yang berfungsi sebagai tombol untuk menuju ke halaman logout

seperti yang terdapat pada Gambar 4.18.



83

Gambar 4.18 Halaman menu awal

4. Halaman menu samping kiri

Pada halaman menu samping kiri terdapat pembagian 2 tab menu yaitu

menu kredit perumahan dan menu master. Untuk tab menu kredit perumahan

berisi menu debitur, K-Nearest Neighbor, dan debitur cross-validation,

sedangkan untuk tab menu master terdapat usia, status perkawinan, pekerjaan,

status perusahaan, lama kerja, domisili, SID, jangka waktu pinjaman, jenis

jaminan, lokasi jaminan, jumlah anak, memo, dan user. untuk lebih jelasnya

dapat dilihat pada Gambar 4.19.

5. Halaman list data

Halaman list data adalah halaman yang berisi tentang list data yang

sebelumnya telah di lakukan input baik dalam halaman list data debitur

maupun list data master. Sebagai contoh dalam halaman list data debitur ini



84

Gambar 4.19 Halaman menu samping kiri

berisi 20 list daftar debitur pada setiap halamannnya seperti yang terdapat pada

Gambar 4.20. Pada sisi kanan di dalam tabel 20 list debitur terdapat fitur view,

update, dan delete yang berfungsi untuk melihat, memperbaharui, dan

menghapus data debitur.

6. Halaman input daftar debitur

Halaman input daftar debitur ini adalah khusus diperuntukkan untuk

debitur baru yang telah disetujui KPR nya, dengan cara melakukan input 21

atribut diantaranya adalah no.loan, tahun, usia, pekerjaan, posisi pekerjaan,

status perusahaan, lama kerja, domisisli, jaminan, lokasi jaminan, jangka waktu

pinjaman, bunga KPR, angsuran atau cicilan, realisasi, gaji, jumlah anak, SID,

status perkawinan, memo, dan keterangan. Seperti yang terdapat pada Gambar



85

4.21.

Gambar 4.20 Halaman list daftar debitur



86

Gambar 4.21 Halaman input debitur



87

7. Halaman update data debitur

Halaman update berfungsi sebagai pembaharuan data sebagai contoh

dipilih halaman update debitur yang berfungsi sebagai pembaharuan info

debitur khususnya terkait dengan memo dan keterangan lunas, seperti yang

terdapat pada Gambar 4.22.

Gambar 4.22 Halaman update data debitur



88

8. Halaman input master

Halaman input master berfungsi sebagai input data master yang akan

digunakan untuk pengisian pada halaman input debitur. Sebagai contoh

halaman input master perkawinan pada Gambar 4.23 akan digunakan untuk

mengisi pilihan pada status perkawinan didalam halaman input data debitur.

Untuk kolom status dapat di input dengan data asli dalam bentuk karakter,

sedangkan kolom representasi adalah data asli yang akan diganti atau

direpresentasikan kembali pada inputan data master yang bernilai angka

dengan tujuan agar dapat dihitung dalam SPK pemberian KPR.

Gambar 4.23 Halaman input master perkawinan

9. Halaman lihat data

Halaman lihat data berfungsi untuk melihat rincian lebih lengkap baik

dari data inputan debitur maupun data inputan master, seperti yang terlihat

pada Gambar 4.24 yaitu halaman lihat data status perkawinan.



89

Gambar 4.24 Halaman lihat data master status perkawinan

10. Halaman update data master

Halaman update data master berfungsi sebagai pembaharuan terkait

dengan data master, sebagai contoh dipilih halaman update status perkawinan

berfungsi sebagai pembaharuan info debitur khususnya terkait dengan nilai

representasi beserta keterangannya. Seperti yang terlihat pada Gambar 4.25.

Gambar 4.25 Halaman update master status perkawinan



90

11. Halaman delete

Halaman delete berfungsi sebagai penghapus data baik yang berada

dalam data master maupun data debitur.Sebagai contoh dipilih pada halaman

master status perkawinan akan dilakukan delete data belum menikah,maka

akan tampil peringatan seperti yang terlihat pada Gambar 4.26.

Gambar 4.26 Halaman delete data belum menikah pada data status perkawinan

12. Halaman input debitur test K-NN

Halaman input debitur test K-NN ini berfungsi sebagai form input

debitur baru yang akan dianalisa melalui metode K-NN, dengan melihat data

debitur lama yang sudah tersimpan ke dalam database. Kemudian digunakan

data test input, seperti yang terlihat pada Gambar 4.27. Pada gambar 4.27

terdapat besar pinjaman, bunga KPR, jangka waktu, persentase besaran gaji

sebesar 50 %, serta gaji suami dan istri yang fungsinya adalah untuk

menghitung secara otomatis besarnya nilai realisasi dan angsuran maksimal

yang bisa diambil oleh calon debitur serta nilai besar pinjaman dan angsuran



91

yang telah dipilih oleh debitur, selanjutnya besar pinjaman dan nilai angsuran

yang dipilih oleh calon debitur akan digunakan sebagai acuan dalam

perhitungan menggunakan metode K-NN.

Gambar 4.27 Halaman input data debitur test K-NN

13. Halaman hasil test menggunakan perhitungan K-NN

Halaman hasil test menggunakan perhitungan K-NN ini berfungsi

sebagai hasil dari Gijk antara data testing input seperti Gambar 4.28 dengan



92

data training data debitur lama, kemudian dilakukan proses analisa melalui

metode K-NN. Besarnya nilai realisasi dan angsuran maksimal yang bisa

diambil oleh calon debitur dengan gaji suami sebesar 3.304.600 dan gaji istri

sebesar 1.000.000 menghasilkan nilai maksimum realisasi yang bisa diambil

adalah 139.608.648,649 dan maksimum nilai angsuran adalah 2.152.300,000.

Sedangkan nilai besar pinjaman yang telah dipilih oleh debitur adalah

115.000.000 dan angsuran yang harus dibayar adalah 1.172.916,667

selanjutnya besar pinjaman dan nilai angsuran yang dipilih oleh calon debitur

tersebut akan digunakan sebagai acuan dalam perhitungan menggunakan

metode K-NN.Seperti yang terlihat pada Gambar 4.28 yang kemudian akan

menghasilkan 13 nilai similarity Gijk terbesar dan sekaligus menghasilkan

keputusan akhir, bahwa data debitur baru tersebut cenderung termasuk ke

dalam klasifikasi debitur yang tidak bermasalah. Hal ini terjadi karena dari 13

data training yang ditampilkan, keseluruhan adalah debitur dengan hasil yang

mendominasi yaitu golongan debitur yang tidak bermasalah.

14. Halaman input cross-validation test

Pada halaman input cross-validation test ini berfungsi untuk menghitung

tingkat akurasi klasifikasi dengan metode K-NN, dimana bertujuan agar dapat

memperkirakan jumlah keseluruhan klasifikasi yang benar maupun klasifikasi

yang salah dari setiap iterasi K, dibagi dengan jumlah total tuple dalam data

awal. Sebagai test akan dilakukan proses input dengan jumlah nilai K dan

Sebagai contoh dapat dilihat pada Gambar 4.29, dimana dilakukan input

dengan jumlah fold adalah 25 dan jumlah K adalah 13.



93

Gambar 4.28 Halaman hasil test menggunakan perhitungan K-NN

Gambar 4.29 Halaman input test cross validation



94

15. Halaman hasil cross-validation test

Pada halaman hasil cross-validation test ini berfungsi untuk

menampilkan hasi dari cross-validation test dengan jumlah K fold adalah 25,

sedangkan jumlah K pada K-NN berjumlah 13. Dapat dilihat pada Gambar

4.30 terdapat beberapa kolom diantaranya adalah kolom fold, tidak

bermasalah (K-NN), bermasalah (K-NN), true (CV), false (CV), dan

percentage (CV). Kolom fold berfungsi untuk menunjukan urutan fold

sejumlah K pada inputan K fold, untuk kolom tidak bermasalah (K-NN)

adalah hasil klasifikasi tidak bermasalah antara data testing terhadap data

training sejumlah K pada K-NN, untuk kolom bermasalah (K-NN) adalah

hasil adalah hasil klasifikasi bermasalah antara data testing terhadap data

training sejumlah K pada K-NN, untuk kolom true (CV) adalah prediksi

perkiraan salah (error) pada setiap iterasi K, untuk kolom false (CV) adalah

prediksi perkiraan salah (error) pada setiap iterasi K, dan untuk kolom

percentage (CV) adalah rata-rata tingkat akurasi kebenaran (true) pada setiap

fold.

Pada posisi paling bawah dari tabel dapat menampilkan rata-rata hasil

keseluruhan tingkat akurasi kebenaran (true) dari klasifikasi menggunakan

metode K-NN adalah sebesar 90,4615 %.

16. Halaman logout

Pada halaman logout ini berfungsi untuk memutus akses dari user ke SPK,

bilamana user telah selesai mengakses SPK Pemberian KPR ini. Untuk lebih

jelasnya dapat dilihat pada Gambar 4.31 bagian sisi kanan paling atas dengan



95

cara melakukan click tombol bergambar wajah orang, kemudian dapat

dilakukan dengan cara melakukan click tombol logout.

Gambar 4.30 Halaman hasil dengan 25 cross-validation test dan jumlah K pada K-NN adalah 13



96

Gambar 4.31 Halaman samping kanan logout

4.5 Pengujian Sistem

Pengujian sistem dilakukan dengan melakukan pengujian blackbox,

yaitu pengujian fitur-fitur yang terdapat dalam sistem apakah dengan melakukan

input tertentu output yang dihasilkan sudah sesuai dengan yang diharapkan. Hasil

dari pengujian menggunakan blackbox dapat dilihat pada Tabel 4.20, dan untuk

lebih lengkapnya dapat dilihat pada Lampiran 20.



97

Tabel 4.20 Hasil pengujian blackbox pada fitur menu SPK KPR Bank Jatim

No Pra-kondisi Deskripsi Hasil yang diharapkan Hasil dari sistem Keterangan

1 Melakukan proses login Pada halaman awal dilakukan proses login, dengan melakukan input data username dan password

Jika benar maka user akan dapat mengakses masuk ke dalam

sistem, namun jika salah maka user tidak dapat melakukan akses

masuk ke dalam sistem

sistem dapat melakukan proses login, dan menolak jika username dan password yang

di input berbeda

Berhasil

2 Melakukukan proses input data master

Pada menu awal > dapat lakukan click pada menu samping kiri > kemudian dapat dipilih data master (contoh : master data usia) > setelah itu masuk ke

dalam halaman usia > kemudian lakukan click pada tombol ''buat usia baru'' > kemudian dapat di input

usia dan nilai reperesentasi (bobot) > kemudian langkah selanjutnya adalah click tombol ''create'' untuk menyimpan > data telah disimpan dan akan

ditampilkan kembali

Data input dapat melakukan input data master usia dan menyimpan

hasil input ke dalam database secara baik dan benar

Sistem dapat melakukan proses input dan menyimpan hasil input ke dalam database

dengan baik dan benar

Berhasil

3 Melakukan proses input data debitur

Pada menu awal > dapat lakukan click pada salah satu menu data debitur atau lakukan click pada

halaman menu samping dan pilih debitur > setelah itu masuk ke dalam halaman debitur > kemudian lakukan click pada tombol ''buat debitur baru'' >

kemudian dapat diinputkan data debitur yang telah diterima > kemudian click tombol ''create '' >

kemudian data telah disimpan dan ditampilkan kembali

Data input dapat melakukan proses input data debitur dan

menyimpan hasil input ke dalam database secara baik dan benar

Sistem dapat melakukan proses input dan menyimpan dalam database dengan baik

dan benar

Berhasil

4 Menampilkan data yang telah

tersimpan dalam database data debitur

Pada menu awal > dapat dilakukan click pada menu samping kemudian dipilih menu debitur atau dapat langsung dengan click tombol ''debitur'' pada menu awal > halaman akan menampilkan data daftar list

maksimal sebanyak 20 data debitur > kemudian dapat dilakukan click icon bergambar mata untuk melihat rincian data debitur secara keseluruhan

Data yang telah tersimpan dalam database nasabah dapat

ditampilkan secara rinci dan benar pada halaman debitur

Sistem dapat melakukan proses menampilkan data nasabah secara rinci dan

benar pada halaman debitur

Berhasil



98

4.6 Evaluasi Sistem

Evaluasi yang digunakan dalam sistem ini adalah menggunakan cross-

validation atau bisa juga disebut k-fold cross validation dimana evaluasi ini

berfungsi untuk menghitung tingkat akurasi klasifikasi metode K-NN dengan

memperkirakan jumlah keseluruhan klasifikasi yang benar (true) dari setiap iterasi

k, dibagi dengan jumlah total tuple dalam data awal. Selanjutnya untuk prediksi

perkiraan salah (false) dapat dihitung sebagai kerugian total dari setiap iterasi K,

dibagi dengan jumlah total tuple dalam data awal. Dalam penelitian ini akan

dicoba beberapa inputan K fold dan K pada K-NN yang berbeda, hal ini bertujuan

agar mengetahui nilai K fold dan K pada K-NN yang terbaik untuk uji validitas,

seperti pada tabel 4.21.

Tabel 4.21 Hasil pengujian menggunakan cross validation

Fold K

pada K-NN

Persentase

Fold K

pada K-NN

Persentase

Fold 10, dengan

K = 1 81,1404%

Fold 20, dengan

K = 1 77,8333%

K = 3 88,3626% K = 3 89,5000%

K = 5 88,3626% K = 5 89,5000%

K = 7 88,3626% K = 7 89,5000%

K = 9 88,3626% K = 9 89,5000%

K = 11 88,3626% K = 11 89,5000%

K = 13 88,3626% K = 13 89,5000%

K = 15 88,3626% K = 15 89,5000%

Fold 15, dengan

K = 1 77,8205%

Fold 25, dengan

K = 1 50,0000%

K = 3 89,4872% K = 3 62,4600%

K = 5 89,4872% K = 5 76,7473%

K = 7 89,4872% K = 7 89,5000%

K = 9 89,4872% K = 9 76,1758%

K = 11 89,4872% K = 11 76,1758%

K = 13 89,4872% K = 13 90,4615%

K = 15 89,4872% K = 15 90,4615%



99

Untuk penggunaan jumlah fold atau nilai K yang terbaik untuk uji validitas,

dianjurkan menggunakan 25-fold cross validation, dimana dari 181 dataset

debitur akan dibagi menjadi 25-fold cross validation dengan nilai K pada K-NN

adalah 13. seperti yang terlihat pada Gambar 4.32.

25 fold 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 13

Gambar 4.32 Pembagian 181 dataset debitur ke dalam 25 fold-cross validation

Dimana pada fold pertama data dengan nomer 1 sampai 7 akan dijadikan data

testing kemudian data ke 8 sampai 181 sisanya akan menjadi data training

kemudian hitung nilai similarity dan gunakan jumlah K pada K-NN untuk

menentukan klasifikasi yang paling mendominasi. Setelah melakukan pencocokan

antara data testing dan data training pada fold pertama, didapatkan hasil cross

validation jumlah perkiraan benar (true) antara data testing dengan data training

ternyata menghasilkan kesamaan berjumlah 6 dan hasil cross validation perkiraan

salah (false) antara data testing dengan data training ternyata menghasilkan

prediksi tidak sama berjumlah 1. Sedangkan untuk persentase tingkat kebenaran

uji validitas pada fold pertama, menghasilkan nilai sebesar 85,7143 %. Untuk

hasil keseluruhan dengan menggunakan 25-fold cross validation dan jumlah K

pada K-NN berjumlah 13 lebih jelasnya dapat dilihat pada Gambar 4.30, dimana

didapatkan rata-rata tingkat kebenaran klasifikasi sebesar 90,4615 %.



100

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah dilakukan rancang bangun SPK pemberian KPR pada Bank Jatim

cabang Dr. Soetomo Surabaya dengan menggunakan metode K-NN, maka dapat

diambil kesimpulan sebagai berikut :

1. Di dalam sistem terdapat 2 halaman output, yang pertama adalah halaman

yang akan menampilkan hasil akhir keputusan apakah debitur baru tersebut

masuk ke dalam klasifikasi bermasalah atau tidak bermasalah sekaligus dapat

menampilkan nilai maksimal realisasi dan angsuran yang dapat diambil oleh

calon debitur berdasarkan prosentase gaji, jangka waktu pinjaman dan bunga

KPR dan juga dapat menampilkan besarnya nilai angsuran yang harus dibayar

oleh calon debitur berdasarkan nilai besar pinjaman yang diinginkan tentunya

dengan batasan maksimal realisasi. Kemudian yang ke-dua adalah halaman

hasil test menggunakan cross-validation atau bisa juga disebut k-fold cross

validation untuk menampikan berapa persen tingkat akurasi kebenaran

klasifikasi dengan menggunakan metode K-NN.

2. Sistem dapat melakukan pengujian terhadap sistem yang telah dibuat dengan

cara melakukan pengujian blackbox untuk mengetahui pengujian fitur-fitur

yang terdapat dalam sistem apakah dengan melakukan input tertentu output

yang dihasilkan sudah sesuai dengan yang diharapkan;

3. Melakukan evaluasi sistem yang telah dibuat dengan cara cross-validation

atau bisa juga disebut k-fold cross validation. Pada evaluasi sistem dapat



101

disimpulkan bahwa hasil yang optimal dari perhitungan K-NN adalah dengan

menggunakan 25 fold cross-validation dengan jumlah K pada K-NN adalah

13, didapatkan hasil yang optimal dengan persentase tingkat kebenaran

mencapai 90,4615 %.

5.2 Saran

Dari hasil penelitian ini, diperlukan pengembangan untuk peneliti

selanjutnya dan diharapkan dapat mengembangkan dari sistem yang telah dibuat

ini menjadi lebih baik dikemudian hari. Adapun saran untuk pengembang sistem

selanjutnya adalah sebagai berikut :

1. Sistem yang telah dibuat saat ini hanya mampu menyelesaikan permasalahan

KPR, yang terkait dengan permasalahan penerimaan debitur baru apakah

setelah diterima pada kemudian hari termasuk klasifikasi debitur yang

bermasalah dalam pembayaran angsuran atau tidak berdasarkan data yang

sudah terkumpul sebelummya. Data yang digunakan sebagai data training

haruslah benar-benar data yang valid atau real dengan kejadian sebenarnya

agar hasil yang diharapkan pada perhitungan menggunakan metode K-NN ini

sesuai.

2. Sensitivitas pada program SPK pemberian KPR terhadap hasil nilai output

nilai similarity yang telah dibuat, hanya menampilkan pembulatan dua angka

dibelakang koma yang hasilnya sama dengan perhitungan manual pada

Microsoft Excel namun dibelakang itu maka hasilnya sedikit berbeda.

3. Dapat dilakukan penelitian lebih lanjut terkait dengan menambahkan jenis

kredit lainnya seperti KUR dan Kredit Multiguna, serta penambahan kriteria-



102

kriteria baru dimasa mendatang khususnya terkait dengan KPR dan

pemberian kredit lain di Bank Jatim.



103

DAFTAR PUSTAKA

Bonczek R.H, Holsapple C.W, dan whinston A.B, 1980. The envolving Roles of Models in Decision Support System, Decision Science.

Firdaus, H. Rachmat, dan Maya Ariyanti. 2008. Manajemen Perkreditan Bank Umum Teori, Masalah, dan Aplikasinya Lengkap dengan Analisis Kredit. Bandung: Alfabeta.

Gower, J.C. 197. A General Coefficient of Similarity and some of Its Properties.

Jstor. International Biometric Society.

Han, Jiawei. Michele Kamber.2006. Data mining concepts and techniques, second edition. Elsevier Inc.

Kadir, Abdul. 2003. Pengenalan Sistem Informasi. Yogyakarta: Penerbit Andi.

Kusrini, E.T. Luthfi. 2009. " Algoritma Data Mining ". Yogyakarta : Andi Offset.

Larose, D.T. 2005. Discovering Knowledge in Data; An introduction to Data Mining. New Jerresy: John Willey and Sons.

Leidiyana, H. 2013. " Penerapan Algoritma K- Nearest Neigbor untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor ", Jurnal Penelitian Ilmu Komputer, System Embedded & Logic, Vol 1, Hal 65-76.

Maimon, odded & Rokach, Lior. 2005. Data Mining and Knowledge Discovery Handbook. New York: Springer.

Muhyuzir T.D. 2001. Analisa Perancangan Sistem Pengolahan Data , Cetakan Kedua. Jakarta: PT. Elex Media Komputindo.

Moore, J. H. and M. G. Chang. 1980. Design of Decision Support Systems, Data Base 12(1-2).

Nugroho, Agung. Kusrini dan Rudiyanto Arief. 2015. Sistem Pendukung Keputusan Kredit Usaha Rakyat PT. Bank Rakyat Indonesia Unit Kaliangkrik Magelang. Citec Journal, Vol. 2, No. 1. Yogyakarta: STMIK AMIKOM.

Pandie, Emerensye S.Y. 2012. Implementasi Algoritma Data Mining K-Nearest Neighbour (K-NN) Dalam pengambilan keputusan pengajuan Kredit. Seminar nasional Sains dan teknik : Universitas Nusa Cendana.



104

Permadi, Bambang S., 1992, AHP. Jakarta: Pusat Antar Universitas Studi Ekonomi Universitas Indonesia.

Prasetyo, Eko. 2014. Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta : Penerbit Andi.

Pressman. Roger S, 2002. Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu). Yogyakarta: Andi.

Podani, Janos. 1999. Extending Gower's General Coefficient of Similarity to Ordinal Characters. Taxon: International Association for plant Taksonomy (IAPT).

Scott, George M., 2001, Prinsip-prinsip Sistem Informasi Manajemen Terjemahan oleh Achmad Nashir Budiman. Jakarta: PT Raja Grafindo Persada.

Suyatno, Thomas, H.A Chalik, Made Sukada, Timon Yunianti, dan Djuhaepah T. 1992. Dasar-Dasar Perkreditan Edisi Ketiga. Jakarta: PT.Gramedia Pusaka Utama.

Tan, P., Steinbach, M., Kumar, V., 2006. Introduction to Data Mining. New York: Pearson Education.

Turban. 2005. Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas) jilid I. Yogyakarta: Andi Offset.

Yeni, dkk. 2010. " Sistem Pendukung Keputusan untuk Menentukan Jurusan pada Siswa SMA Menggunakan Metode KNN dan SMART", Teknik Informatika, Universitas Trunojoyo.

1998. Pasal 1 Angka 1 Butir 11 Undang-Undang Nomor 10 Tentang Perbankan

2005. Lampiran Surat Edaran Bank Indonesia No. 7/3/DPNP tanggal 31 Januari 2005 Perihal Penilaian Kualitas Aktiva Bank Umum.



Lampiran1-1

WAWANCARA

Rancang Bangun Sistem Pendukung Keputusan Pemberian Kredit

Pemilikan Rumah Dengan Metode K-Nearest Neighbor

(Studi Kasus Bank Jatim Cabang Dr. Soetomo Surabaya)

Data Responden Nama:

Distha Ayu (Analis KPR)

TTD

Petunjuk Pengisian: Wawancara ini berhubungan dengan sistem yang telah ada diperusahaan dan bagaimana cara kerja sistem tersebut didalam perusahaan. Wawancara Sistem KPR 1 Apakah sistem untuk pemberian KPR yang terdapat di Bank Jatim ini sudah

memakai sistem yang terkomputerisasi ? dan memakai metode apa ? Untuk KPR ini sistemnya masih belum terkomputerisasi, sistemnya masih manual yaitu dilakukan oleh pihak analis selaku penilai layak tidaknya pemberian KPR tersebut. Memakai metode scoring

2 Bagaimana standart penentuan untuk mendapatkan KPR tersebut ? Standart penentuan pada setiap bank berbeda-beda, tergantung bank tersebut, yang pasti acuan pertama tetap kepada Bank Indonesia (BI) untuk suku bunga acuan, dan diluar ketentuan BI seperti bunga dan jangka waktu.

3 Apa saja prosedur yang harus dipenuhi oleh debitur dalam pengajuan KPR ? Ya sesuai dengan check list yang berlaku di Bank Jatim, meliputi : 1) Permohonan Permohonan dari debitur :

- Pas foto suami dan istri. - Fotocopy KTP suami dan istri. - Fotocopy Kartu Keluarga (KK) / surat nikah. - Surat ijin usaha dari kelurahan, SIUP, Tanda Daftar Perorangan (TDP). - Nota-nota atau bon-bon penjualan minimal dan laporan keuangan 1 atau



Lampiran1-2

2 tahun terakhir. Permohonan dari CV :

- Melampirkan KTP direktur dan perseroan komenditor. - Pemilik agunan harus pendiri CV atau PT. Permohonan dari PT :

- Melampirkan KTP direktur , wakil direktur, dan komisaris. - Pemilik agunan harus pemilik CV atau PT.

2) Sistem Informasi Debitur (SID) Yang melakukan pemeriksaan SID adalah pihak bank yang fungsinya untuk mengetahui apakah debitur mempunyai kredit yang bermasalah atau tidak : Untuk collect 2 dan 3, wajib ada kwitansi pembayaran tunggakan. Untuk collect 4 dan 5, wajib melunasi dan menunjukan surat keterangan

lunas dari bank yang bersangkutan. 3) Laporan Kunjungan (Dari pihak analis) 4) Aspek Agunan / K4 Pembahasan jaminan debitur Foto jaminan

5) Pembahasan 6) Surat Persetujuan Permohonan Kredit (SPPK) 7) Perjanjian Kredit (PK) dari pihak Bank Jatim atau Notaris 8) Surat Kuasa 9) Surat Askep 10) Surat Apdis 11) Check List 12) Covernote dari Notaris

Untuk penataan urutan isi berkasnya, diurut mulai dari paling akhir ke paling depan.

4 Kreteria-kreteria apa saja yang penting untuk di pertimbangkan oleh pihak analis dalam pemberian KPR kepada debitur ? Ada beberapa, hampir sama dengan kelengkapan prosedur KPR : - SID ( harus lolos terlebih dahulu, bila tidak maka tidak dianjurkan untuk

mengambil KPR) - Usia - Jenis pekerjaan - Status perusahaan - Masa kerja / lama kerja - Domisili - Jenis jaminan - Lokasi jaminan - Jangka waktu Pinjaman - Gaji / pendapatan yang cukup ( bisa suami saja atau keduanya bila tidak



Lampiran1-3

mencukupi terhadap angsuran KPR) - Bunga KPR - Cicilan / angsuran KPR - Plafond / realisasi - Jumlah anak - Status pernikahan Kemudian untuk menentukan nilai angsuran dan realisasi maksimal dapat dilihat dari besarnya gaji tiap bulan, jangka waktu pinjaman, bunga KPR, dan prosentase nilai gaji biasanya dengan rentang antara 50 - 70 %. Dari nilai angsuran dan realisasi maksimal yang telah didapat, maka debitur tidak boleh meminjam uang melebihi batasan angsuran maksimum dan realisasi maksimum, sehingga nilai angsuran akan dihitung sesuai dengan nilai realisasi yang diinginkan oleh debitur. Kemudian kriteria yang akan diperhitungkan tinggal menjadi 12, diantaranya : - Usia - Jenis pekerjaan - Status perusahaan - Masa kerja / lama kerja - Domisili - Jenis jaminan - Lokasi jaminan - Jangka waktu Pinjaman - Cicilan / angsuran KPR - Plafond / realisasi - Jumlah anak - Status pernikahan

5 Dalam pemberian kredit yang telah disetujui, apakah pernah mengalami kendala seperti macet atau tertunda dalam pembayarannya ? Ada, beberapa kejadian seperti tertunda pembayarannya beberapa bulan sampai status kreditnya berubah menjadi kredit macet yaitu konsekuensi nya adalah disita rumahnya.

6

Apa yang harus dilakukan pihak analis bila dikemudian hari terdapat debitur baru yang ingin mengajukan KPR, agar terhindar dari debitur yang tertunda dalam pembayaran kredit ataupun kredit macet sebelum jangka waktu pinjaman berakhir ?



Lampiran1-4

Lihat dari pengalaman yang sudah dilalui saja, Lebih berhati-hati dalam memberi KPR. Dulu ada orang yang pintar bicara dan meyakinkan kelihatannya, namun setelah di setujui KPR nya malah terlambat pembayaran KPR nya.

Saran Dalam hal keputusan pemberian KPR selama ini, terkadang mengandung rasa ketidakpastian apakah debitur tersebut dapat terus membayar angsuran KPR atau malah bermasalah dalam membayar angsuran sebelum jangka waktu yang telah disetujui bersama. Untuk itu tambahan untuk kedepannya adalah bagaimana jika dibuatkan sistem yang dapat mengurangi rasa ketidakpastian dan bisa sebagai referensi tambahan dalam pengambilan keputusan yang terbaik bagi Bank Jatim, analis kredit, dan debitur dengan mempelajari dari data-data yang sudah terkumpul secara cepat, akurat, dan terkomputerisasi.



Lampiran 2-1

Lampiran 2 : Daftar isian persyaratan KPR



Lampiran 2-2



Lampiran1-4

Lihat dari pengalaman yang sudah dilalui saja, Lebih berhati-hati dalam memberi KPR. Dulu ada orang yang pintar bicara dan meyakinkan kelihatannya, namun setelah di setujui KPR nya malah terlambat pembayaran KPR nya.

Saran Dalam hal keputusan pemberian KPR selama ini, terkadang mengandung rasa ketidakpastian apakah debitur tersebut dapat terus membayar angsuran KPR atau malah bermasalah dalam membayar angsuran sebelum jangka waktu yang telah disetujui bersama. Untuk itu tambahan untuk kedepannya adalah bagaimana jika dibuatkan sistem yang dapat mengurangi rasa ketidakpastian dan bisa sebagai referensi tambahan dalam pengambilan keputusan yang terbaik bagi Bank Jatim, analis kredit, dan debitur dengan mempelajari dari data-data yang sudah terkumpul secara cepat, akurat, dan terkomputerisasi.



Lampiran 2-3



Lampiran 2-4



Lampiran 3-1

Lampiran 3 : Dataset debitur lama yang belum diolah No. Urut


Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan


Jangka Waktu

Jangka waktu (Thn)



Keterangan Lunas

1 1 46 Staff Paramedis Karyawan Swasta 8 SDA SHM SDA 2008 120 10 8,5 1772916,67 115000000 4304600 1 3 Menikah 1 155000000 Belum Lunas

2 2 50 Lektor Kepala Dep.

Pendidikan Perguruan Negeri

PNS Lembaga Pendidikan 16 SBY SHM SDA 2008 120 10 8,5 1544666 100000000 3203600 1 3 Menikah 1 130200000 Belum Lunas

3 3 42 Staff PDAM Karyawan BUMD 7 SBY SHGB SBY 2008 180 15 12 1560218 130000000 3800000 0 0 Menikah 1 169000000 Belum Lunas

4 4 38 Staff Metso Mineral Karyawan Swasta 3 SBY SHM SBY 2008 72 6 8,5 1572916 75000000 4400000 0 0 Menikah 1 143000000 Belum Lunas

5 5 39 Direktur of Service Hotel Swasta Karyawan Swasta 9 SBY SHM SBY 2008 120 10 12 2152064,22 150000000 6775000 1 2 Menikah 1 200000000 Belum Lunas

6 6 29 Supervision Bank Karyawan Swasta 11 SBY SHM SBY 2008 180 15 12 2100294 175000000 3492000 1 2 Menikah 3 235861000 Belum Lunas

7 7 47 Kepala Minned Rs. Swasta Karyawan Swasta 4 SBY SHM SDA 2008 96 8 12 1381491 85000000 5707600 1 3 Menikah 1 111723000 Belum Lunas

8 8 52 Wirausaha Konveksi Wirausaha Perseorangan 19 SDA SHGB SDA 2008 180 15 12 2700378,23 225000000 7500000 0 2 Menikah 1 250000000 Belum Lunas

9 9 27 Staff Distribusi PDAM Karyawan BUMD 2 SBY SHGB SBY 2008 180 15 12 2520353 210000000 5516000 0 1 Menikah 1 238140000 Belum Lunas

10 10 46 Staff PDAM Karyawan BUMD 6 SBY SHM SBY 2008 120 10 12 1649915,93 115000000 2812000 1 3 Menikah 1 150675000 Belum Lunas

11 11 22 Staff PDAM Karyawan BUMD 2 SBY SHM SDA 2008 180 15 12 1350000 112000000 2350000 0 0 Menikah 1 120889000 Belum Lunas

12 12 42 Anggota TNI TNI Lembaga Negara 12 SBY SHM SBY 2008 36 3 12 1660000 50000000 3537000 1 2 Menikah 1 116600000 Belum Lunas

13 13 38 Staff PDAM Humas Karyawan BUMD 10 SBY SHM SBY 2008 132 11 12 2735575 200000000 4748867 1 3 Menikah 1 375000000 Belum Lunas

14 14 48 PNS Kepala SMPN 16 PNS Lembaga

Pendidikan 16 SBY SHM SBY 2008 120 10 12 1434709 100000000 2699900 1 3 Menikah 1 192000000 Belum Lunas

15 15 44 Kepala Unit Hukum PDAM Karyawan BUMD 6 SBY SHGB SBY 2008 120 10 12 2008593,28 140000000 7499900 1 2 Menikah 1 218421000 Belum Lunas

16 16 50 Pegawai Swasta Kepala Tata Usaha Dapena Karyawan Swasta 13 SBY SHM SBY 2008 120 10 12 2090350,36 140000000 5333900 1 2 Menikah 1 184083000 Belum Lunas

17 17 29 Pegawai Bank Jatim Karyawan BUMD 1 SBY SHGB SBY 2008 180 15 13 2150911,64 170000000 3612000 1 0 Menikah 1 200200000 Belum Lunas

18 18 39 Pegawai RSUD Dr. Soetomo PNS BUMD 15 SBY SHM SBY 2008 90 7,5 13 1848798 150000000 4389000 1 0 Menikah 1 296000000 Belum Lunas

19 19 40 Pegawai Bank Jatim Karyawan BUMD 1 SBY SHM SBY 2008 180 15 13 2024387 160000000 5250000 2 3 Menikah 1 185280000 Belum Lunas

20 20 44 Wiraswasta Barang Wiraswasta Perseorangan 10 SBY Ijin


SBY 2008 120 10 13 2239000 150000000 17000000 1 3 Menikah 1 194810000 Belum Lunas

21 21 46 Staff PDAM Karyawan BUMD 21 SBY SHGB SDA 2009 120 10 13 2239661,1 150000000 4536700 1 3 Menikah 1 195000000 Belum Lunas

22 22 37 Dr. Soetomo Bag. Radiorontgen PNS BUMD 8 SBY SHM SBY 2009 120 10 13 1866345,25 125000000 6591000 1 1 Menikah 1 242000000 Belum Lunas

23 23 32 Staff Bank Jatim Dr. Soetomo Bag. Penarikan Karyawan BUMD 1 SBY SHM SBY 2009 180 15 13 2024387,62 160000000 3612000 0 2 Menikah 1 161850000 Belum Lunas

24 24 37 Staff Gizi Dr. Soetomo PNS BUMD 4 SBY SHM SBY 2009 120 10 13 2209798,95 148000000 6265700 1 2 Menikah 1 195850000 Belum Lunas

25 25 47 Perencanaan PDAM Karyawan BUMD 12 SBY SHM SDA 2009 96 8 13 1512652 90000000 5702300 1 2 Menikah 1 119280000 Belum Lunas



Lampiran 3-2

No. Urut

No. Loan

Usia Posisi Pekerjaan Jenis

Pekerjaan Status

Perusahaan Lama Kerja

Domisili Jenis

Jaminan Lokasi

Jaminan Tahun

Jangka Waktu

Jangka waktu (Thn)


Status Perkawinan

Memo THU Keterangan

Lunas

26 26 52 Wiraswasta Kost dan Dagang Wiraswasta Perseorangan 3 SDA SHM SBY 2009 120 10 13 2239661 150000000 5500000 1 2 Menikah 1 229022500 Lunas

27 27 37 Staff Pengawas PDAM Karyawan BUMD 12 SDA SHM SBY 2009 120 10 13 1886384 125000000 2909000 1 1 Menikah 1 198671000 Belum Lunas

28 28 42 Staff Hukum PDAM Karyawan BUMD 4 SBY SHGB SDA 2009 84 7 13 1637276 90000000 3109400 1 2 Menikah 1 117274500 Belum Lunas

29 29 35 Supervisi Bank Karyawan Swasta 6 SBY SHM SBY 2009 180 15 13 2530484 200000000 11743484 1 2 Menikah 1 205947000 Belum Lunas

30 30 49 Wirausaha Kos-kosan Wirausaha Perseorangan 5 SDA SHM SBY 2009 120 10 13 3359491 225000000 9600000 1 0 Menikah 1 308938700 Belum Lunas

31 31 55 Penjahit Wiraswasta Pemilik Wiraswasta Perseorangan 8 SBY SHM SBY 2009 120 10 13 2986214 200000000 7000000 1 2 Menikah 5 497350000 Belum Lunas

32 32 41 Pedagang Daging Sapi Wiraswasta Perseorangan 13 SBY SHM SBY 2009 72 6 13 1605928 80000000 5000000 0 3 Menikah 1 108571000 Belum Lunas

33 33 37 Wiraswasta

Perancang dan Pegawai Swasta

Wiraswasta Perseorangan 9 SBY SHM SBY 2009 84 7 13 3638392 200000000 9195000 1 2 Menikah 1 292800000 Belum Lunas

34 34 37 Perencanaan PDAM Karyawan BUMD 7 SBY SHM SBY 2009 120 10 13 1941039,62 130000000 3549000 1 3 Menikah 1 172617000 Belum Lunas

35 35 53 Perawat Dr. Soetomo Perawat BUMD 26 SBY SHM Gresik 2009 72 6 13 3211856 160000000 10848500 0 2 Menikah 1 219000000 Belum Lunas

36 36 44 Analis Medis Pramita Karyawan Swasta 20 SBY SHM SBY 2009 84 7 13 1819196 100000000 5022123 0 3 Menikah 2 141750000 Belum Lunas

37 37 55 Wirausaha Konveksi Wirausaha Perseorangan 4 SBY SHM SBY 2009 120 10 13 3075801 206000000 7000000 0 1 Menikah 1 152000000 Lunas

38 38 30 Perawat Rsu. Haji Perawat BUMD 10 SBY SHM SBY 2009 120 10 13 1881315 126000000 3944600 0 2 Menikah 1 126896000 Belum Lunas

39 39 45 Dosen Tetap UNESA Dosen Lembaga Pendidikan 14 SBY Lainnya SBY 2009 120 10 13 4479322 300000000 10600000 0 0 Menikah 1 276360000 Lunas

40 40 36 Produsen Handycraft Wirausaha Perseorangan 9 SBY Sewa Pakai SBY 2009 120 10 13 3882079 260000000 25000000 1 2 Menikah 1 253440000 Lunas

41 41 41 Wiraswasta Konveksi Wiraswasta Perseorangan 9 Madura SHM SBY 2009 180 15 13 375726,6 300000000 5500000 0 2 Menikah 1 399952000 Belum Lunas

42 42 50 Wiraswasta Catering Wiraswasta Perseorangan 6 SBY SHGB SBY 2009 120 10 13 670687,4 25000000 8800000 0 2 Menikah 1 136678500 Lunas

43 43 27 Pelaksana Muda PDAM Karyawan BUMD 5 SBY SHGB SBY 2009 120 10 13 1493107,4 100000000 2975300 1 1 Menikah 1 155876000 Belum Lunas

44 44 54 Perawat Dr. Soetomo Perawat BUMD 11 SBY SHM SBY 2010 120 10 13 1642418 110000000 2414660 0 1 Menikah 1 124671000 Lunas

45 45 48 Kasubsi PDAM Karyawan BUMD 26 Jombang SHM SDA 2010 60 5 13 3902600 70000000 3902600 0 2 Menikah 1 91886600 Belum Lunas

46 46 40 Dosen UNESA / Humas Al-Falah Dosen Lembaga

Pendidikan 21 SBY SHM SDA 2010 120 10 13 1493107,37 100000000 4754150 1 2 Menikah 1 136600000 Belum Lunas

47 47 39 Kepala Pengaduan PDAM Karyawan BUMD 11 SBY SHM SDA 2010 120 10 13 2410000 175000000 5200300 1 2 Menikah 1 96390000 Belum Lunas

48 48 48 Direktur Pembinaan Pedagang Pasar Surya Karyawan BUMD 4 Malang SHM SBY 2010 36 3 11 14732422,7 450000000 26307800 1 3 Menikah 1 323750000 Belum Lunas

49 49 30 Penunjang Pemeliharaan PDAM Karyawan BUMD 4 SBY SHM SBY 2010 120 10 11 1377500,13 100000000 4377475 1 1 Menikah 1 133601000 Belum Lunas

50 50 43 Wiraswasta Pemborong dan Kost Wiraswasta Perseorangan 10 SBY SHM SBY 2011 120 10 11 6887500,56 500000000 20000000 0 2 Menikah 1 419900000 Belum Lunas

51 51 37 Rsu Haji Karyawan Karyawan BUMD 11 SBY SHM SBY 2011 120 10 11 1859000,15 135000000 4383000 0 2 Menikah 1 170000000 Belum Lunas

52 52 31 Jagal Sapi RPH + Tengkulak Karyawan BUMD 3 SBY SHM SBY 2011 60 5 11 7609848,15 350000000 15000000 1 1 Menikah 2 471000000 Belum Lunas

53 53 51 Dosen Ahli STESIA Dosen Swasta 15 SBY SHM SBY 2011 120 10 9,75 1634628,03 125000000 3341000 0 1 Menikah 1 183300000 Belum Lunas

54 54 34 Perawat Rsu. Haji Perawat BUMD 4 SBY SHGB SDA 2011 120 10 9,75 1582319,93 121000000 4249200 0 1 Menikah 1 97432000 Belum Lunas

55 55 48 PNS Dr. Soetomo RSUD Karyawan BUMD 24 SBY SHGB SBY 2011 60 5 9,75 2112422,3 100000000 3804800 1 2 Menikah 1 175000000 Belum Lunas



Lampiran 3-3

No. Urut

No. Loan

Usia Posisi Pekerjaan Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan Tahun

Jangka Waktu

Jangka waktu (Thn)


Status Perkawinan

Memo THU Keterangan

Lunas

56 56 34 Swasta Staff CV. Bumi Karsa Karyawan Swasta 5 SBY SHM SBY 2011 60 5 9,75 1056212 50000000 3195000 1 0 Menikah 1 165992400 Belum Lunas

57 57 30 Kepala Seksi Admin & Support Staff BPR Karyawan Swasta 5 SDA SHM SDA 2011 180 15 9,75 2542470,39 240000000 6044331 0 0 Menikah 1 285796000 Lunas

58 58 35 Wiraswasta Supplier

Dagang Barang Kaligrafi

Wiraswasta Perseorangan 16 SBY SHM SBY 2011 120 10 9,75 2876945 220000000 42000000 1 0 Menikah 1 224398767 Belum Lunas

59 59 28 Swasta dan Wiraswasta Servis Penjualan Alat

Kantor Karyawan Swasta 20 SBY SHM SBY 2011 120 10 9,75 7192363,31 550000000 10000000 1 0 Menikah 1 489440000 Belum Lunas

60 60 38 Teknisi PT. Rexplast Karyawan Swasta 16 SDA SHM SDA 2011 120 10 9,75 1830783,39 140000000 3262636,42 0 2 Menikah 1 170520000 Belum Lunas

61 61 47 Direktur

Penanggugjawab CV. Wiratama

Karyawan Swasta 6 SDA SHGB SDA 2012 60 5 9,75 11618334 550000000 105182143 1 3 Menikah 2 665044000 Belum Lunas

62 62 35 Operator Mesin Milling CV. Jaya Karyawan Swasta 9 SDA SHGB SDA 2012 120 10 9,75 1438472,86 110000000 2956500 0 2 Menikah 1 133755000 Belum Lunas

63 63 28 PNS Penata Muda 3A Guru Guru Lembaga

Pendidikan 3 SDA SHM SDA 2012 180 15 9,75 783928,37 74000000 2976500 0 0 Menikah 1 91602000 Belum Lunas

64 64 35 Kepala Sekolah Al- Falah Darussalam Guru Lembaga

Pendidikan 8 SDA SHGB SDA 2012 180 15 9,75 2118725 200000000 4512000 1 2 Menikah 1 244300000 Belum Lunas

65 65 43 Pegawai Swasta Karyawan Karyawan Swasta 7 SBY SHM SBY 2012 96 8 9,75 1577416,4 100000000 2047900 1 1 Menikah 1 189365400 Belum Lunas

66 66 52 Dokter Gigi Spesialis PNS Dokter BUMD 25 SBY SHGB SBY 2012 120 10 9,75 6538512 500000000 10000000 1 1 Janda 1 189365400 Belum Lunas

67 67 26 Staff Keuangan Bumi Sejahtera Karyawan Swasta 5 SDA SHM SDA 2012 120 10 9,75 2223094,12 170000000 3014000 1 0 Menikah 1 181365400 Lunas

68 68 27 Pemeliharaan Proteksi Meter PLN, PNS Karyawan BUMN 4 SBY SHM SDA 2012 120 10 9,75 2223094,12 170000000 3305000 0 0 Menikah 1 204431000 Belum Lunas

69 69 50 Staff Mekanik Mitra Niaga Motor Karyawan Swasta 7 SDA SHM SDA 2012 120 10 9,75 967699 74000000 4950000 0 1 Menikah 1 91602000 Belum Lunas

70 70 31 Mentor Project Manager Hydro Energi Karyawan Swasta 6 SBY SHM SDA 2012 96 8 9,75 1579431,28 105000000 5016000 0 0 Menikah 1 238000000 Belum Lunas

71 71 41 Direktur Utama PD. Pasar Surya Karyawan BUMD 4 SBY SHGB SBY 2012 180 15 9,75 10593626,64 1000000000 36370300 1 3 Menikah 1 1201708667 Belum Lunas

72 72 28 Dosen Tetap FKIP UM Surabaya Dosen Lembaga

Pendidikan 2 SBY SHM SBY 2012 180 15 9,75 2754342,93 260000000 6373500 0 0 Menikah 1 261786000 Belum Lunas

73 73 40 General Affair Paramedis Pabrik Kertas Karyawan Swasta 12 SDA SHM SDA 2012 120 10 9,75 1046161,94 80000000 2455750 1 1 Menikah 1 142492000 Belum Lunas

74 74 30 Kemenag. Mojokerto Adminisrasi PNS Lembaga

Negara 11 Mojokerto SHM SDA 2012 180 15 9,75 1001097,72 94500000 2441900 0 2 Menikah 1 117589000 Belum Lunas

75 75 38 Swasta Pemilik Jasa Notaris PPAT Notaris Perseorangan 6 SBY SHM SBY 2012 60 5 9,75 10562121,83 500000000 50000000 1 1 Janda 1 615440000 Belum Lunas

76 76 27 Dirut PT. Arya Bima Sakti Wiraswasta Wirausaha Perseorangan 5 SDA SHM SDA 2012 72 6 9,75 25392021,57 1380000000 51000000 1 2 Menikah 1 1522430000 Belum Lunas

77 77 44 Direktur Rs.

Muhammadiyah SBY + Dokter

Karyawan Swasta 5 SBY SHGB SBY 2012 180 15 9,75 10593626 1000000000 20118700 1 3 Menikah 1 1002890000 Belum Lunas

78 78 43 Rs. Haji SBY Bag. Pengatur Tk. 1 Karyawan BUMD 18 SBY SHGB SBY 2012 120 10 9,75 1896168,51 145000000 4391400 0 4 Menikah 1 177196950 Belum Lunas

79 79 40 PNS PNS Lembaga Negara 11 SDA SHM SDA 2012 120 10 9,75 928468 71000000 1990000 1 0 Menikah 1 98868000 Belum Lunas

80 80 30 PNS Bag. TU SD.

Kalimati + Wirausaha Ketik

PNS Lembaga Negara 5 Mojokerto SHM SDA 2012 120 10 9,75 886622,27 67800000 3800000 0 1 Menikah 2 81494000 Belum Lunas

81 81 47 Direktur Operasional BPR Surya Karyawan BUMD 6 SBY SHGB SBY 2012 36 3 9,75 5485421,79 170000000 17685000 0 2 Menikah 1 215297000 Belum Lunas

82 82 29 Pajak KPD Madya Surabaya Karyawan BUMD 7 SBY SHM SBY 2012 120 10 9,75 1700013 130000000 8528291 1 1 Menikah 1 156000000 Belum Lunas



Lampiran 3-4

No. Urut


Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan


Jangka Waktu

Jangka waktu (Thn)



Keterangan Lunas

83 83 51 Ketua Pengelola Rs. Putera Raharja Karyawan Swasta 5 SBY SHM SBY 2012 120 10 9,75 7521101,35 500000000 22000000 0 1 Menikah 1 841269000 Belum Lunas

84 84 38 Manager Operasional CV. Anggarda Otomotif Karyawan Swasta 3 SBY SHM SDA 2012 120 10 9,75 1046161,94 80000000 4650000 1 1 Menikah 1 96285000 Belum Lunas

85 85 39 PPAY Karyawan Al-Anam Karyawan Lembaga

Pendidikan 21 SBY SHM SDA 2012 120 10 9,75 1176932 90000000 3475000 0 0 Menikah 1 108084900 Belum Lunas

86 86 31 Wiraswasta Direktur Percetakan Wiraswasta Perseorangan 3 SBY SHM SBY 2012 180 15 9,75 8474901,31 800000000 20000000 1 0 Menikah 1 960106000 Belum Lunas

87 87 29 Wakil Kepala Sekolah SMP Muhammadiyah Guru Lembaga

Pendidikan 2 SBY SHM SBY 2012 180 15 9,75 1694986,26 160000000 3800000 0 1 Menikah 1 192330600 Belum Lunas

88 88 37 Pimpinan Cabang Bank Jatim Lamongan Karyawan BUMD 20 SBY SHGB SBY 2012 48 4 9,75 3786403,68 150000000 4810814 1 2 Menikah 1 199486000 Belum Lunas

89 89 36 Sales Senior Eksekutif PT. Sun Star Motor Karyawan Swasta 5 SBY SHGB SDA 2012 36 3 9,75 2893494,69 90000000 5312000 1 2 Menikah 1 108360000 Belum Lunas

90 90 28 SPV. Accounting Kendangsari Motor Karyawan Swasta 7 SBY SHM SBY 2012 60 5 9,75 2323666,8 110000000 4100000 1 1 Menikah 1 166322000 Belum Lunas

91 91 27 FA Manager Mercury Line Karyawan Swasta 4 SBY SHM Malang 2012 120 10 9,75 3436641,97 262800000 4650000 1 1 Menikah 1 317474500 Belum Lunas

92 92 41 Pelaksana Perawatan Dr. Soetomo Perawat BUMD 21 SBY SHM Mojokerto 2012 120 10 9,75 3269256 250000000 4524700 1 1 Menikah 1 300585000 Belum Lunas

93 93 49 Staff Manager

Pembukuan Maspion Grup

Karyawan Swasta 33 SDA SHM SBY 2012 96 8 9,75 7120257 480000000 9204471 0 2 Menikah 1 576380000 Belum Lunas

94 94 47 Wiraswasta Pimpinan Audiey Indah Mebel Wiraswasta Perseorangan 5 SBY SHGB SBY 2012 120 10 9,75 7780829,41 595000000 30000000 0 2 Menikah 2 722253000 Belum Lunas

95 95 39 BUMN PT. PAL Perwatan Listrik Karyawan BUMN 19 SBY SHM SDA 2012 120 10 9,75 1569242,91 120000000 2729591 1 2 Menikah 1 147750000 Belum Lunas

96 96 23 Direktur CV. Sumber Rejeki Karyawan Swasta 8 SBY SHM SBY 2012 180 15 9,75 7945219 750000000 15000000 1 0 Menikah 1 903000000 Belum Lunas

97 97 39 PDAM Karywan Karyawan BUMD 14 SBY SHGB Gresik 2012 120 10 9,75 1634628 125000000 5508300 0 2 Menikah 1 150240000 Lunas

98 98 43 Supervisor PT. Kerta Rajasa Swasta Karyawan Swasta 24 SDA SHM SDA 2012 120 10 9,75 1111547,06 85000000 4633260 0 2 Menikah 1 102240000 Belum Lunas

99 99 37 Pengawas Bahan Baku Parenkin Karyawan Swasta 7 SDA SHM SDA 2012 120 10 9,75 1111547,06 85000000 1750000 0 1 Menikah 1 102240000 Belum Lunas

100 100 52 Dosen UPN Veteran Dosen Lembaga Pendidikan 23 SBY SHM SBY 2012 120 10 9,75 5884660 450000000 8788400 1 2 Menikah 2 903200000 Lunas

101 101 33 Karyawan Direksi BUMD BPR Surya Karyawan BUMD 6 SBY SHGB SBY 2012 180 15 9,75 2118725,33 200000000 6489152 1 1 Menikah 1 262800000 Belum Lunas

102 102 28 Direktur Sekertaris Rs. Muhammadiyah Karyawan Swasta 6 SBY SHGB SDA 2012 180 15 9,75 1694980 160000000 5892500 1 1 Menikah 1 208800000 Belum Lunas

103 103 39 Wirausaha Roti Wirausaha Perseorangan 3 SDA SHM SDA 2012 120 10 9,75 1307702 127360000 3000000 1 2 Menikah 1 127360000 Belum Lunas

104 104 32 Manager Sarana

Prasarana Al-Falah Darussalam

Karyawan Lembaga Pendidikan 3 SDA SHGB SDA 2012 180 15 9,75 2648000 250000000 7083000 1 2 Menikah 1 326187600 Belum Lunas

105 105 37 Penata Administrasi Umum dan SDM Karyawan Swasta 7 SDA SHM SDA 2012 180 15 9,75 2648000 250000000 4361000 1 1 Menikah 1 326187600 Belum Lunas

106 106 31 Kasie Pemasaran BPR Surya Alam Karyawan BUMD 6 SBY SHM Lamongan 2012 120 10 9,75 2092323,88 160000000 7286000 1 1 Menikah 2 208656000 Belum Lunas

107 107 34 Senior Officer Section Head PT. Ekamat Karyawan Swasta 6 SDA SHM SDA 2012 180 15 9,75 2118725 200000000 7900000 1 1 Menikah 1 476363000 Belum Lunas

108 108 26 Manager Operasional Marketing CV. Dua

Bersaudara Karyawan Swasta 5 SBY SHGB SDA 2012 180 15 9,75 2383565,99 225000000 6000000 0 0 Menikah 1 270568000 Belum Lunas

109 109 30 Guru Tetap Al-Falah Tropodo Guru Lembaga

Pendidikan 6 SDA SHGB SDA 2012 180 15 9,75 2065757,19 195000000 4388000 0 0 Menikah 1 254747200 Belum Lunas

110 110 39 PNS Perawat RSU. Haji Perawat BUMD 16 SBY SHGB SDA 2012 120 10 9,75 1765398,77 135000000 2695000 1 3 Menikah 1 176713600 Belum Lunas

111 111 54 Guru SMK 5 Guru Lembaga Pendidikan 20 SBY SHM SDA 2012 60 5 9,75 2534909 120000000 7724000 1 2 Menikah 1 985107200 Belum Lunas



Lampiran 3-5

No. Urut


Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan


Jangka Waktu

Jangka waktu (Thn)



Keterangan Lunas

112 112 43 Swasta Area Sales Exekutif Dunpillow Karyawan Swasta 22 SBY SHM SDA 2012 120 10 9,75 1307702,42 100000000 6500000 0 2 Menikah 1 130713000 Belum Lunas

113 113 51 Direktur Juco Travel Karyawan Swasta 3 SBY SHM SBY 2012 120 10 9,75 6538512 500000000 45000000 1 4 Menikah 1 649868000 Belum Lunas

114 114 53 Guru SD Petemon, SBY Guru Lembaga Pendidikan 34 SBY SHM SDA 2012 48 4 9,75 2524269 100000000 3887000 0 1 Janda 1 130000948 Belum Lunas

115 115 41 Wiraswasta Direktur Pemilik Apotik Wiraswasta Perseorangan 5 SBY SHM SBY 2012 24 2 9,75 4602962,69 100000000 15000000 1 3 Menikah 1 150606400 Belum Lunas

116 116 23 Pegawai BUMD PDAM Pelaksana Anlisis Karyawan BUMD 3 SBY SHGB SDA 2012 180 15 9,75 2754342,93 260000000 7234000 1 0 Belum

Menikah 1 338526000 Belum Lunas

117 117 33 Staff PT. Exim PT Cipta Karya Swasta Karyawan Swasta 2 SDA SHM SDA 2012 120 10 9,75 1242317,3 95000000 3890000 0 5 Menikah 1 122603976 Belum Lunas

118 118 27 Waksek Kesiswaan SMP Jati Guru Lembaga

Pendidikan 3 SDA SHM SDA 2012 120 10 9,75 1721651 120000000 3100000 1 1 Menikah 1 156134400 Belum Lunas

119 119 34 Staff Admin Teknik Graha Agung Karyawan Swasta 9 SBY SHM SDA 2012 120 10 9,75 1307702,42 100000000 7400000 0 2 Menikah 1 132924000 Belum Lunas

120 120 35 PDAM SBY, Staff Pelaksana Muda Karyawan BUMD 7 SBY SHGB SDA 2012 120 10 9,75 2157709 165000000 4872100 1 1 Menikah 1 165197200 Belum Lunas

121 121 29 Staff Notaris Karyawan Perseorangan 5 SBY SHGB SDA 2012 180 15 9,75 953476 90000000 3375000 0 2 Menikah 1 118448000 Belum Lunas

122 122 30 Mantri BNI Sukodono Marketing Karyawan BUMN 5 Krian SHGB SDA 2012 180 15 9,75 1589044 150000000 4338090 1 1 Menikah 2 196086800 Belum Lunas

123 123 22 Pegawai BUMN Navigasi B. Polonia Karyawan BUMN 2 Medan SHGB SDA 2012 180 15 9,75 5084940 480000000 11925000 0 0 Menikah 1 484330000 Belum Lunas

124 124 49 Senior Advisor Majalah Golf + Komite Koni Karyawan Swasta 2 SBY Ijin

Sewa Pakai SBY 2012 120 10 9,75 9807768 750000000 60150000 1 3 Menikah 1 983152000 Belum Lunas

125 125 32 DKP SBY Pengatur Muda PNS PNS Lembaga

Negara 8 SBY SHM SDA 2012 120 10 9,75 1700013,15 130000000 2255200 1 2 Menikah 1 170179200 Belum Lunas

126 127 32 Staff IT AL-Falah Darussalam Karyawan Lembaga

Pendidikan 6 SBY SHGB SDA 2013 180 15 9,75 2648406,66 250000000 3333000 1 0 Menikah 1 326424000 Belum Lunas

127 129 24 Staff Ahli PD. Surya Karyawan BUMD 4 SBY SHGB SBY 2013 180 15 9,75 5296813,32 500000000 23785500 1 2 Menikah 2 661472000 Belum Lunas

128 130 27 Akutansi BUMN PG. Rajawali Karyawan BUMN 3 SBY SHM SDA 2013 120 10 9,75 1046161,94 80000000 3353261 0 1 Menikah 1 104605000 Belum Lunas

129 131 29 Direktur Developer Cv. Aisy Land Karyawan Swasta 4 SDA SHGB Malang 2013 180 15 9,75 6885857 650000000 25000000 1 1 Menikah 1 845000000 Belum Lunas

130 132 51 Wiraswasta Toko Elpiji dan Aqua Wiraswasta Perseorangan 7 SDA SHM SDA 2013 60 5 9,75 3168636,55 376000000 10000000 0 2 Menikah 1 200807200 Belum Lunas

131 133 47 PNS Dinas Pertamanan Kota SBY PNS Lembaga

Negara 16 SBY SHM SDA 2013 84 7 9,75 1877841 114000000 4336700 0 2 Menikah 1 149172800 Belum Lunas

132 134 37 Pengatur 2D Kec. Genteng PNS Lembaga

Negara 13 SBY SHM SDA 2013 120 10 9,75 1307702,42 100000000 4153100 1 1 Menikah 1 130884800 Belum Lunas

133 135 29 Wali Kelas SD Al- Falah Guru Lembaga

Pendidikan 4 SDA SHM SDA 2013 180 15 9,75 1694980 160000000 3512000 0 0 Menikah 1 241228800 Belum Lunas

134 136 21 Marketing Pengadaan PT. Sumber Ilham Karyawan Swasta 3 SBY SHM SDA 2013 96 8 9,75 1278587,23 85000000 4136110 0 0 Menikah 1 111427200 Belum Lunas

135 137 29 Pembina Utama Dokter Rsu. Haji SBY Dokter BUMD 4 SBY SHGB SBY 2013 60 5 9,75 4224848,73 200000000 7262000 1 3 Menikah 1 260613000 Belum Lunas

136 138 49 Presiden Direktur

Swasta Moga Center Techno

Karyawan Swasta 5 SBY SHM SBY 2013 120 10 9,75 8500065,74 650000000 100000000 1 2 Menikah 1 954513000 Belum Lunas

137 139 47 PMI UUD Kastle Litbang Karyawan BUMD 26 SBY

Pemakaian Jangka

Menengah SBY 2013 60 5 9,75 1478697 70000000 3757037 1 1 Menikah 1 113825000 Belum Lunas

138 140 39 Dosen IAIN Sunan Ampel Dosen Lembaga

Pendidikan 5 Bangkalan Madura SHGB SDA 2013 120 10 9,75 1307702 100000000 2011000 0 2 Menikah 1 161000000 Belum Lunas



Lampiran 3-6

No. Urut


Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan


Jangka Waktu

Jangka waktu (Thn)



Keterangan Lunas

139 141 40 Wirausaha Krupuk dan

Operator Blow Moulding Rexplast

Wirausaha Perseorangan 20 SBY SHGB SDA 2013 120 10 9,75 1896168,51 145000000 3477810,57 0 2 Menikah 3 173952000 Belum Lunas

140 142 43 Wirausaha Ternak Ikan dan Kost-Kosan Wirausaha Perseorangan 16 SDA SHM SDA 2013 120 10 9,75 1896168,51 145000000 2500000 0 3 Menikah 1 182097200 Belum Lunas

141 143 41 Direktur Keuangan Tlogo Mas Karyawan Swasta 2 Malang SHM Malang 2013 180 15 9,75 10593626,64 1300000000 18125000 0 2 Menikah 1 1299200000 Belum Lunas

142 144 51 Direktur Teknik Tlogomas Karyawan Swasta 1 Malang SHM Malang 2013 180 15 9,75 10593626,64 1000000000 17625000 0 3 Menikah 1 1232000000 Belum Lunas

143 145 34 PNS Pemprov Jatim RSUD. Dr Soetomo

Spesialis Paru PNS BUMD 6 SBY SHM SBY 2013 180 15 9,75 9534263,97 900000000 32967000 1 3 Menikah 1 1170580000 Belum Lunas

144 146 31 Direktur CV. Adit Travel + RSU. Haji Karyawan Swasta 4 SBY SHGB SDA 2013 120 10 9,75 2615404,84 200000000 5510146 0 1 Menikah 1 261639000 Belum Lunas

145 147 50 Direktur dan Komisaris Jaring Mulia Karyawan Swasta 3 SBY SHGB SBY 2013 60 5 9,75 30630153,3 1450000000 60000000 1 2 Menikah 1 1893911040 Belum Lunas

146 148 20 Direktur Cv. Suara Indonesia Karyawan Swasta 5 SBY SHM SBY 2013 120 10 9,75 19615536,33 1500000000 35000000 0 0 Menikah 1 1951300000 Belum Lunas

147 149 29 Staff Teknik PT. Anto Modera Karyawan Swasta 8 SDA SHM Gresik 2013 120 10 9,75 1307702,42 100000000 4000000 0 0 Menikah 1 131184000 Belum Lunas

148 150 27 Pemilik Usaha Jagal Sapi dan Pedagang Wirausaha Perseorangan 5 SBY SHM SBY 2013 96 8 9,75 3610128,65 240000000 6000000 0 1 Menikah 1 241372000 Belum Lunas

149 151 48 Kepala Rektor UM, SBY Dosen Lembaga

Pendidikan 25 SBY SHM SBY 2013 96 8 9,75 4512660 300000000 6707714 0 5 Menikah 1 390668000 Belum Lunas

150 152 42 Guru SMK 1 Cerme Guru Lembaga Pendidikan 10 Gresik SHGB Gresik 2013 120 10 9,75 2092323,88 160000000 3113300 1 2 Menikah 1 208410000 Belum Lunas

151 153 38 Teknisi Rexplast Karyawan Swasta 20 SDA SHM SDA 2013 120 10 9,75 1830783,39 140000000 4103589 0 2 Menikah 1 186271200 Belum Lunas

152 155 32

Pemilik Usaha Transport Kontainer PT. Bintang

Gajah Mekar Wiraswasta

Wiraswasta Perseorangan 7 SBY SHGB Gresik 2013 180 15 9,75 14301395,96 1350000000 25000000 3 0 Menikah 1 1776000000 Belum Lunas

153 156 52 Staff PDAM Karyawan BUMD 19 SBY SHM SDA 2013 120 10 9,75 3007715,57 230000000 6634200 1 2 Menikah 1 299748000 Belum Lunas

154 157 32 Senior Supervisor Pertamina Karyawan BUMN 5 SBY SHM

Banten & Tanggeran

g 2013 180 15 9,75 5031972,65 475000000 14499000 1 2 Menikah 1 617600000 Belum Lunas

155 158 36 Staff Notaris PPAT Kantor Zaenal Arifin Karyawan Perseorangan 9 Blitar SHGB Blitar 2013 60 5 9,75 3168636 150000000 5125000 1 2 Menikah 1 195200000 Belum Lunas

156 159 42 Kepala Bagian UUD PMI, SBY Karyawan BUMD 8 SBY Ijin

Pemakaian SBY 2013 84 7 9,75 3294459,25 200000000 3937342 0 3 Menikah 1 435791088 Belum Lunas

157 160 33 Wiraswasta Pemilik Jasa

Ekspedisi Barang dan Angkutan

Wiraswasta Perseorangan 3 SDA SHGB SDA 2013 60 5 9,75 4224848,73 200000000 35000000 1 2 Menikah 1 260195000 Belum Lunas

158 161 36 PNS Penata Muda Dr. Soetomo Bag. Penelitian PNS BUMD 8 SBY Ijin

Pemakaian SBY 2013 180 15 9,75 2966215,46 280000000 5724600 1 2 Menikah 1 364512104 Belum Lunas

159 162 46 Credit Audit Staff Karyawan Swasta 2 SBY SHGB SDA 2013 180 15 9,75 2118725,33 200000000 2717700 1 1 Menikah 1 261208000 Belum Lunas

160 164 41 PNS Pelaksana Biro Kepegawaian Keu.

Negara PNS Lembaga

Negara 10 SBY SHGB SDA 2013 120 10 9,75 1961533,63 295000000 4872500 1 2 Menikah 1 195249600 Belum Lunas

161 165 35 Accounting Officer PT.

Garuda Mas Niaga Internusa

Karyawan Swasta 5 SBY SHM SBY 2013 120 10 9,75 1634628,03 125000000 5000000 1 0 Menikah 1 162162880 Belum Lunas

162 166 49 UD. Dayu Pengecer

Pemilik Usaha Wiraswasta Garmen

Wiraswasta Perseorangan 6 SBY SHM SBY 2013 180 15 9,75 10063945,3 950000000 45000000 1 2 Menikah 1 1238400000 Belum Lunas

163 167 40 Service Engginer PT. Endress Hauser Karyawan Swasta 12 SBY SHGB SDA 2013 120 10 9,75 3269256,06 250000000 14042122 1 2 Menikah 1 382004000 Belum Lunas



Lampiran 3-7

No. Urut


Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan


Jangka Waktu

Jangka waktu (Thn)



Keterangan Lunas

164 168 43 Staff PT. Maspion Manager Warehouse Karyawan Swasta 19 SDA SHM SDA 2013 120 10 9,75 2942330 225000000 10293825 1 3 Menikah 1 292516000 Belum Lunas

165 169 40 Sales Marketing Export Maspion Karyawan Swasta 20 SDA SHM SDA 2013 120 10 9,75 2942330 225000000 8595400 1 2 Menikah 1 292592000 Belum Lunas

166 170 44 Kasubag. Keu. PNS Kec. Tambaksari PNS Lembaga

Negara 19 SBY SHGB SDA 2013 84 7 9,75 5765303,68 350000000 7378000 2 3 Menikah 1 457380000 Belum Lunas

167 171 28 RSU. Haji Karyawan Gol. 3c PNS BUMD 22 SBY SHM SBY 2013 180 15 9,75 2648406,6 250000000 546200 1 3 Menikah 1 311040000 Belum Lunas

168 172 47 Direktur Operasional Rs. Bunda, SDA Karyawan Swasta 18 SDA SHGB SDA 2013 108 9 9,75 557746,32 400000000 10612464 1 4 Menikah 1 484000000 Belum Lunas

169 173 41 Notaris Notaris Perseorangan 10 SBY SHM SBY 2013 120 10 9,75 19615536 1500000000 250000000 1 2 Menikah 1 1081600000 Belum Lunas

170 174 47 Staff PNS Bedah RSUD.

Dr. Soetomo Kepala div.bedah

PNS BUMD 16 SBY Ijin Pemakaian SBY 2013 120 10 9,75 6538512,11 500000000 9364500 1 5 Menikah 1 654164748 Belum Lunas

171 175 41 Wiraswasta Angkutan dan Adversting Wiraswasta Perseorangan 7 SDA SHM SDA 2013 84 7 9,75 3788628,13 230000000 8000000 1 2 Menikah 1 268030000 Lunas

172 176 31 Staff PDAM, SBY Karyawan BUMD 7 SBY SHGB SDA 2013 120 10 9,75 2615404,84 200000000 5813700 1 1 Menikah 1 244923733 Belum Lunas

173 177 37 Karyawan Swasta

Operator Extruder dan Pakan Ikan

Karyawan Swasta 16 SDA SHM SDA 2013 180 15 9,75 8474901,31 800000000 11080963 1 3 Menikah 4 937124880 Belum Lunas

174 178 30 Officer Komunikasi Telkom BUMN Karyawan BUMN 9 SBY SHM SDA 2013 180 15 9,75 8474901,31 800000000 11032583 0 2 Menikah 4 937124000 Belum Lunas

175 179 43 UD. Alfa Pemilik Galon dan Air Kemasan Wirausaha Perseorangan 11 SBY SHM SBY 2013 180 15 9,75 14036555 1350000000 52500000 1 2 Menikah 1 1390720000 Belum Lunas

176 180 50 SPV. Akuntan PDAM, SBY Karyawan BUMD 31 SBY SHGB SDA 2013 60 5 9,75 3696742 175000000 5965500 1 2 Menikah 1 227523000 Belum Lunas

177 185 28 Wiraswasta Marketing

Executive CV. Ais Revel

Wiraswasta Perseorangan 7 SBY SHM SDA 2013 180 15 9,75 8474901,31 800000000 11800000 1 0 Menikah 3 925336808 Belum Lunas

178 187 31 PT. Indomarco

Accounting Clerk Office Departement

Karyawan Swasta 6 SBY SHM SDA 2013 180 15 9,75 8474901,31 800000000 11600000 0 0 Menikah 4 925330809 Belum Lunas

179 225 27 Wiraswasta CV. Mr Jack Wiraswasta Perseorangan 2,5 SBY SHM SDA 2013 180 15 9,75 8967583,87 800000000 30000000 1 2 Menikah 4 925336000 Belum Lunas

180 209 37 QA Manager PT. Bulatif Swasta Karyawan Swasta 1,5 Malang SHM SDA 2013 180 15 9,75 2754342,93 260000000 10000000 1 1 Menikah 4 312000000 Belum Lunas

181 226 32 Direktur CV. Istana Perdagangan Beras Karyawan Swasta 5 SBY SHM SDA 2013 180 15 9,75 8967583,87 800000000 30000000 1 1 Menikah 4 925000330 Belum Lunas



Lampiran 4-1 Lampiran 4 : Dataset debitur yang sudah dipisahkan menurut atribut yang akan diperhitungkan

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status



2 2 50 PNS Lembaga Pendidikan 16 SBY SHM SDA 10 8,5 1544666 100000000 3203600 3 1 Menikah Tidak

Bermasalah




6 6 29 Karyawan Swasta 11 SBY SHM SBY 15 12 2100294 175000000 3492000 2 3 Menikah Bermasalah

7 7 47 Karyawan Swasta 4 SBY SHM SDA 8 12 1381491 85000000 5707600 3 1 Menikah Tidak Bermasalah

8 8 52 Wirausaha Perseorangan 19 SDA SHGB SDA 15 12 2700378,23 225000000 7500000 2 1 Menikah Tidak Bermasalah




12 12 42 TNI Lembaga Negara 12 SBY SHM SBY 3 12 1660000 50000000 3537000 2 1 Menikah Tidak

Bermasalah


14 14 48 PNS Lembaga Pendidikan 16 SBY SHM SBY 10 12 1434709 100000000 2699900 3 1 Menikah Tidak

Bermasalah




18 18 39 PNS BUMD 15 SBY SHM SBY 7,5 13 1848798 150000000 4389000 0 1 Menikah Tidak Bermasalah


20 20 44 Wiraswasta Perseorangan 10 SBY Ijin


SBY 10 13 2239000 150000000 17000000 3 1 Menikah Tidak Bermasalah



Lampiran 4-2

No. Urut

No. Loan Usia

Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili

Jenis Jaminan

Lokasi Jaminan

Jangka waktu (Thn)

Bunga Angsuran Realisasi Gaji Jumlah Anak Memo

Status Perkawinan

Label Memo

21 21 46 Karyawan BUMD 21 SBY SHGB SDA 10 13 2239661,1 150000000 4536700 3 1 Menikah Tidak Bermasalah

22 22 37 PNS BUMD 8 SBY SHM SBY 10 13 1866345,25 125000000 6591000 1 1 Menikah Tidak Bermasalah


24 24 37 PNS BUMD 4 SBY SHM SBY 10 13 2209798,95 148000000 6265700 2 1 Menikah Tidak Bermasalah


26 26 52 Wiraswasta Perseorangan 3 SDA SHM SBY 10 13 2239661 150000000 5500000 2 1 Menikah Tidak Bermasalah

27 27 37 Karyawan BUMD 12 SDA SHM SBY 10 13 1886384 125000000 2909000 1 1 Menikah Tidak Bermasalah

28 28 42 Karyawan BUMD 4 SBY SHGB SDA 7 13 1637276 90000000 3109400 2 1 Menikah Tidak Bermasalah

29 29 35 Karyawan Swasta 6 SBY SHM SBY 15 13 2530484 200000000 11743484 2 1 Menikah Tidak Bermasalah

30 30 49 Wirausaha Perseorangan 5 SDA SHM SBY 10 13 3359491 225000000 9600000 0 1 Menikah Tidak Bermasalah

31 31 55 Wiraswasta Perseorangan 8 SBY SHM SBY 10 13 2986214 200000000 7000000 2 5 Menikah Bermasalah

32 32 41 Wiraswasta Perseorangan 13 SBY SHM SBY 6 13 1605928 80000000 5000000 3 1 Menikah Tidak Bermasalah

33 33 37 Wiraswasta Perseorangan 9 SBY SHM SBY 7 13 3638392 200000000 9195000 2 1 Menikah Tidak Bermasalah


35 35 53 Perawat BUMD 26 SBY SHM Gresik 6 13 3211856 160000000 10848500 2 1 Menikah Tidak Bermasalah

36 36 44 Karyawan Swasta 20 SBY SHM SBY 7 13 1819196 100000000 5022123 3 2 Menikah Tidak Bermasalah

37 37 55 Wirausaha Perseorangan 4 SBY SHM SBY 10 13 3075801 206000000 7000000 1 1 Menikah Tidak Bermasalah

38 38 30 Perawat BUMD 10 SBY SHM SBY 10 13 1881315 126000000 3944600 2 1 Menikah Tidak Bermasalah

39 39 45 Dosen Lembaga Pendidikan 14 SBY Lainnya SBY 10 13 4479322 300000000 10600000 0 1 Menikah Tidak

Bermasalah

40 40 36 Wirausaha Perseorangan 9 SBY Sewa Pakai SBY 10 13 3882079 260000000 25000000 2 1 Menikah Tidak Bermasalah



Lampiran 4-3

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status


41 41 41 Wiraswasta Perseorangan 9 Madura SHM SBY 15 13 375726,6 300000000 5500000 2 1 Menikah Tidak Bermasalah

42 42 50 Wiraswasta Perseorangan 6 SBY SHGB SBY 10 13 670687,4 25000000 8800000 2 1 Menikah Tidak Bermasalah


44 44 54 Perawat BUMD 11 SBY SHM SBY 10 13 1642418 110000000 2414660 1 1 Menikah Tidak Bermasalah

45 45 48 Karyawan BUMD 26 Jombang SHM SDA 5 13 3902600 70000000 3902600 2 1 Menikah Tidak Bermasalah

46 46 40 Dosen Lembaga Pendidikan 21 SBY SHM SDA 10 13 1493107,37 100000000 4754150 2 1 Menikah Tidak

Bermasalah


48 48 48 Karyawan BUMD 4 Malang SHM SBY 3 11 14732422,7 450000000 26307800 3 1 Menikah Tidak Bermasalah


50 50 43 Wiraswasta Perseorangan 10 SBY SHM SBY 10 11 6887500,56 500000000 20000000 2 1 Menikah Tidak Bermasalah



53 53 51 Dosen Swasta 15 SBY SHM SBY 10 9,75 1634628,03 125000000 3341000 1 1 Menikah Tidak Bermasalah

54 54 34 Perawat BUMD 4 SBY SHGB SDA 10 9,75 1582319,93 121000000 4249200 1 1 Menikah Tidak Bermasalah

55 55 48 Karyawan BUMD 24 SBY SHGB SBY 5 9,75 2112422,3 100000000 3804800 2 1 Menikah Tidak Bermasalah



58 58 35 Wiraswasta Perseorangan 16 SBY SHM SBY 10 9,75 2876945 220000000 42000000 0 1 Menikah Tidak Bermasalah

59 59 28 Karyawan Swasta 20 SBY SHM SBY 10 9,75 7192363,31 550000000 10000000 0 1 Menikah Tidak Bermasalah

60 60 38 Karyawan Swasta 16 SDA SHM SDA 10 9,75 1830783,39 140000000 3262636,42 2 1 Menikah Tidak Bermasalah

61 61 47 Karyawan Swasta 6 SDA SHGB SDA 5 9,75 11618334 550000000 105182143 3 2 Menikah Tidak Bermasalah



Lampiran 4-4

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status


62 62 35 Karyawan Swasta 9 SDA SHGB SDA 10 9,75 1438472,86 110000000 2956500 2 1 Menikah Tidak Bermasalah

63 63 28 Guru Lembaga Pendidikan 3 SDA SHM SDA 15 9,75 783928,37 74000000 2976500 0 1 Menikah Tidak

Bermasalah

64 64 35 Guru Lembaga Pendidikan 8 SDA SHGB SDA 15 9,75 2118725 200000000 4512000 2 1 Menikah Tidak

Bermasalah


66 66 52 Dokter BUMD 25 SBY SHGB SBY 10 9,75 6538512 500000000 10000000 1 1 Janda Tidak Bermasalah


68 68 27 Karyawan BUMN 4 SBY SHM SDA 10 9,75 2223094,12 170000000 3305000 0 1 Menikah Tidak Bermasalah

69 69 50 Karyawan Swasta 7 SDA SHM SDA 10 9,75 967699 74000000 4950000 1 1 Menikah Tidak Bermasalah

70 70 31 Karyawan Swasta 6 SBY SHM SDA 8 9,75 1579431,28 105000000 5016000 0 1 Menikah Tidak Bermasalah


72 72 28 Dosen Lembaga Pendidikan 2 SBY SHM SBY 15 9,75 2754342,93 260000000 6373500 0 1 Menikah Tidak

Bermasalah


74 74 30 PNS Lembaga Negara 11 Mojokerto SHM SDA 15 9,75 1001097,72 94500000 2441900 2 1 Menikah Tidak

Bermasalah

75 75 38 Notaris Perseorangan 6 SBY SHM SBY 5 9,75 10562121,83 500000000 50000000 1 1 Janda Tidak Bermasalah

76 76 27 Wirausaha Perseorangan 5 SDA SHM SDA 6 9,75 25392021,57 1380000000 51000000 2 1 Menikah Tidak Bermasalah

77 77 44 Karyawan Swasta 5 SBY SHGB SBY 15 9,75 10593626 1000000000 20118700 3 1 Menikah Tidak Bermasalah


79 79 40 PNS Lembaga Negara 11 SDA SHM SDA 10 9,75 928468 71000000 1990000 0 1 Menikah Tidak

Bermasalah

80 80 30 PNS Lembaga Negara 5 Mojokerto SHM SDA 10 9,75 886622,27 67800000 3800000 1 2 Menikah Tidak

Bermasalah




Lampiran 4-5

No. Urut

No. Loan

Usia Jenis Pekerjaan

Status Perusahaan

Lama Kerja

Domisili Jenis Jaminan

Lokasi Jaminan

Jangka waktu (Thn)


Memo Status Perkawinan

Label Memo

82 82 29 Karyawan BUMD 7 SBY SHM SBY 10 9,75 1700013 130000000 8528291 1 1 Menikah Tidak Bermasalah



85 85 39 Karyawan Lembaga Pendidikan 21 SBY SHM SDA 10 9,75 1176932 90000000 3475000 0 1 Menikah Tidak

Bermasalah

86 86 31 Wiraswasta Perseorangan 3 SBY SHM SBY 15 9,75 8474901,31 800000000 20000000 0 1 Menikah Tidak Bermasalah

87 87 29 Guru Lembaga Pendidikan 2 SBY SHM SBY 15 9,75 1694986,26 160000000 3800000 1 1 Menikah Tidak

Bermasalah


89 89 36 Karyawan Swasta 5 SBY SHGB SDA 3 9,75 2893494,69 90000000 5312000 2 1 Menikah Tidak Bermasalah


91 91 27 Karyawan Swasta 4 SBY SHM Malang 10 9,75 3436641,97 262800000 4650000 1 1 Menikah Tidak Bermasalah

92 92 41 Perawat BUMD 21 SBY SHM Mojokerto 10 9,75 3269256 250000000 4524700 1 1 Menikah Tidak Bermasalah

93 93 49 Karyawan Swasta 33 SDA SHM SBY 8 9,75 7120257 480000000 9204471 2 1 Menikah Tidak Bermasalah

94 94 47 Wiraswasta Perseorangan 5 SBY SHGB SBY 10 9,75 7780829,41 595000000 30000000 2 2 Menikah Tidak Bermasalah



97 97 39 Karyawan BUMD 14 SBY SHGB Gresik 10 9,75 1634628 125000000 5508300 2 1 Menikah Tidak Bermasalah



100 100 52 Dosen Lembaga Pendidikan 23 SBY SHM SBY 10 9,75 5884660 450000000 8788400 2 2 Menikah Tidak

Bermasalah


102 102 28 Karyawan Swasta 6 SBY SHGB SDA 15 9,75 1694980 160000000 5892500 1 1 Menikah Tidak Bermasalah



Lampiran 4-6

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status


103 103 39 Wirausaha Perseorangan 3 SDA SHM SDA 10 9,75 1307702 127360000 3000000 2 1 Menikah Tidak Bermasalah

104 104 32 Karyawan Lembaga Pendidikan 3 SDA SHGB SDA 15 9,75 2648000 250000000 7083000 2 1 Menikah Tidak

Bermasalah


106 106 31 Karyawan BUMD 6 SBY SHM Lamongan 10 9,75 2092323,88 160000000 7286000 1 2 Menikah Tidak Bermasalah



109 109 30 Guru Lembaga Pendidikan 6 SDA SHGB SDA 15 9,75 2065757,19 195000000 4388000 0 1 Menikah Tidak

Bermasalah

110 110 39 Perawat BUMD 16 SBY SHGB SDA 10 9,75 1765398,77 135000000 2695000 3 1 Menikah Tidak Bermasalah

111 111 54 Guru Lembaga Pendidikan 20 SBY SHM SDA 5 9,75 2534909 120000000 7724000 2 1 Menikah Tidak

Bermasalah



114 114 53 Guru Lembaga Pendidikan 34 SBY SHM SDA 4 9,75 2524269 100000000 3887000 1 1 Janda Tidak

Bermasalah


116 116 23 Karyawan BUMD 3 SBY SHGB SDA 15 9,75 2754342,93 260000000 7234000 0 1 Belum Menikah

Tidak Bermasalah


118 118 27 Guru Lembaga Pendidikan 3 SDA SHM SDA 10 9,75 1721651 120000000 3100000 1 1 Menikah Tidak

Bermasalah


120 120 35 Karyawan BUMD 7 SBY SHGB SDA 10 9,75 2157709 165000000 4872100 1 1 Menikah Tidak Bermasalah

121 121 29 Karyawan Perseorangan 5 SBY SHGB SDA 15 9,75 953476 90000000 3375000 2 1 Menikah Tidak Bermasalah

122 122 30 Karyawan BUMN 5 Krian SHGB SDA 15 9,75 1589044 150000000 4338090 1 2 Menikah Tidak Bermasalah

123 123 22 Karyawan BUMN 2 Medan SHGB SDA 15 9,75 5084940 480000000 11925000 0 1 Menikah Tidak Bermasalah



Lampiran 4-7

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status


124 124 49 Karyawan Swasta 2 SBY Ijin Sewa Pakai SBY 10 9,75 9807768 750000000 60150000 3 1 Menikah Tidak

Bermasalah

125 125 32 PNS Lembaga Negara 8 SBY SHM SDA 10 9,75 1700013,15 130000000 2255200 2 1 Menikah Tidak

Bermasalah

126 127 32 Karyawan Lembaga Pendidikan 6 SBY SHGB SDA 15 9,75 2648406,66 250000000 3333000 0 1 Menikah Tidak

Bermasalah



129 131 29 Karyawan Swasta 4 SDA SHGB Malang 15 9,75 6885857 650000000 25000000 1 1 Menikah Tidak Bermasalah

130 132 51 Wiraswasta Perseorangan 7 SDA SHM SDA 5 9,75 3168636,55 376000000 10000000 2 1 Menikah Tidak Bermasalah

131 133 47 PNS Lembaga Negara 16 SBY SHM SDA 7 9,75 1877841 114000000 4336700 2 1 Menikah Tidak

Bermasalah

132 134 37 PNS Lembaga Negara 13 SBY SHM SDA 10 9,75 1307702,42 100000000 4153100 1 1 Menikah Tidak

Bermasalah

133 135 29 Guru Lembaga Pendidikan 4 SDA SHM SDA 15 9,75 1694980 160000000 3512000 0 1 Menikah Tidak

Bermasalah


135 137 29 Dokter BUMD 4 SBY SHGB SBY 5 9,75 4224848,73 200000000 7262000 3 1 Menikah Tidak Bermasalah


137 139 47 Karyawan BUMD 26 SBY Pemakaian

Jangka Menengah

SBY 5 9,75 1478697 70000000 3757037 1 1 Menikah Tidak Bermasalah

138 140 39 Dosen Lembaga Pendidikan 5 Bangkalan

Madura SHGB SDA 10 9,75 1307702 100000000 2011000 2 1 Menikah Tidak Bermasalah

139 141 40 Wirausaha Perseorangan 20 SBY SHGB SDA 10 9,75 1896168,51 145000000 3477810,57 2 3 Menikah Bermasalah

140 142 43 Wirausaha Perseorangan 16 SDA SHM SDA 10 9,75 1896168,51 145000000 2500000 3 1 Menikah Tidak Bermasalah

141 143 41 Karyawan Swasta 2 Malang SHM Malang 15 9,75 10593626,64 1300000000 18125000 2 1 Menikah Tidak Bermasalah

142 144 51 Karyawan Swasta 1 Malang SHM Malang 15 9,75 10593626,64 1000000000 17625000 3 1 Menikah Tidak Bermasalah

143 145 34 PNS BUMD 6 SBY SHM SBY 15 9,75 9534263,97 900000000 32967000 3 1 Menikah Tidak Bermasalah



Lampiran 4-8

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status



145 147 50 Karyawan Swasta 3 SBY SHGB SBY 5 9,75 30630153,3 1450000000 60000000 2 1 Menikah Tidak Bermasalah


147 149 29 Karyawan Swasta 8 SDA SHM Gresik 10 9,75 1307702,42 100000000 4000000 0 1 Menikah Tidak Bermasalah

148 150 27 Wirausaha Perseorangan 5 SBY SHM SBY 8 9,75 3610128,65 240000000 6000000 1 1 Menikah Tidak Bermasalah

149 151 48 Dosen Lembaga Pendidikan 25 SBY SHM SBY 8 9,75 4512660 300000000 6707714 5 1 Menikah Tidak

Bermasalah

150 152 42 Guru Lembaga Pendidikan 10 Gresik SHGB Gresik 10 9,75 2092323,88 160000000 3113300 2 1 Menikah Tidak

Bermasalah


152 155 32 Wiraswasta Perseorangan 7 SBY SHGB Gresik 15 9,75 14301395,96 1350000000 25000000 0 1 Menikah Tidak Bermasalah

153 156 52 Karyawan BUMD 19 SBY SHM SDA 10 9,75 3007715,57 230000000 6634200 2 1 Menikah Tidak Bermasalah

154 157 32 Karyawan BUMN 5 SBY SHM Banten & Tanggerang 15 9,75 5031972,65 475000000 14499000 2 1 Menikah Tidak

Bermasalah

155 158 36 Karyawan Perseorangan 9 Blitar SHGB Blitar 5 9,75 3168636 150000000 5125000 2 1 Menikah Tidak Bermasalah

156 159 42 Karyawan BUMD 8 SBY Ijin Pemakaian SBY 7 9,75 3294459,25 200000000 3937342 3 1 Menikah Tidak

Bermasalah

157 160 33 Wiraswasta Perseorangan 3 SDA SHGB SDA 5 9,75 4224848,73 200000000 35000000 2 1 Menikah Tidak Bermasalah

158 161 36 PNS BUMD 8 SBY Ijin Pemakaian SBY 15 9,75 2966215,46 280000000 5724600 2 1 Menikah Tidak

Bermasalah


160 164 41 PNS Lembaga Negara 10 SBY SHGB SDA 10 9,75 1961533,63 295000000 4872500 2 1 Menikah Tidak

Bermasalah






Lampiran 4-9

No. Urut

No. Loan

Usia Jenis

Pekerjaan Status


Domisili Jenis

Jaminan Lokasi

Jaminan

Jangka waktu (Thn)


Memo Status




166 170 44 PNS Lembaga Negara 19 SBY SHGB SDA 7 9,75 5765303,68 350000000 7378000 3 1 Menikah Tidak

Bermasalah

167 171 28 PNS BUMD 22 SBY SHM SBY 15 9,75 2648406,6 250000000 546200 3 1 Menikah Tidak Bermasalah

168 172 47 Karyawan Swasta 18 SDA SHGB SDA 9 9,75 557746,32 400000000 10612464 4 1 Menikah Tidak Bermasalah

169 173 41 Notaris Perseorangan 10 SBY SHM SBY 10 9,75 19615536 1500000000 250000000 2 1 Menikah Tidak Bermasalah

170 174 47 PNS BUMD 16 SBY Ijin Pemakaian SBY 10 9,75 6538512,11 500000000 9364500 5 1 Menikah Tidak

Bermasalah

171 175 41 Wiraswasta Perseorangan 7 SDA SHM SDA 7 9,75 3788628,13 230000000 8000000 2 1 Menikah Tidak Bermasalah

172 176 31 Karyawan BUMD 7 SBY SHGB SDA 10 9,75 2615404,84 200000000 5813700 1 1 Menikah Tidak Bermasalah

173 177 37 Karyawan Swasta 16 SDA SHM SDA 15 9,75 8474901,31 800000000 11080963 3 4 Menikah Bermasalah

174 178 30 Karyawan BUMN 9 SBY SHM SDA 15 9,75 8474901,31 800000000 11032583 2 4 Menikah Bermasalah

175 179 43 Wirausaha Perseorangan 11 SBY SHM SBY 15 9,75 14036555 1350000000 52500000 2 1 Menikah Tidak Bermasalah

176 180 50 Karyawan BUMD 31 SBY SHGB SDA 5 9,75 3696742 175000000 5965500 2 1 Menikah Tidak Bermasalah

177 185 28 Wiraswasta Perseorangan 7 SBY SHM SDA 15 9,75 8474901,31 800000000 11800000 0 3 Menikah Bermasalah

178 187 31 Karyawan Swasta 6 SBY SHM SDA 15 9,75 8474901,31 800000000 11600000 0 4 Menikah Bermasalah

179 225 27 Wiraswasta Perseorangan 2,5 SBY SHM SDA 15 9,75 8967583,87 800000000 30000000 2 4 Menikah Bermasalah

180 209 37 Karyawan Swasta 1,5 Malang SHM SDA 15 9,75 2754342,93 260000000 10000000 1 4 Menikah Bermasalah

181 226 32 Karyawan Swasta 5 SBY SHM SDA 15 9,75 8967583,87 800000000 30000000 1 4 Menikah Bermasalah



Lampiran 5-1

Lampiran 5 : Pembagian atribut menurut tipe data

No Tipe data Atribut Sub Atribut Representasi

1

Interval

Usia

17 17

18 18

19 19

20 20

21 21

22 22

23 23

24 24

25 25

26 26

27 27

28 28

29 29

30 30

31 31

32 32

33 33

34 34

35 35

36 36

37 37

38 38

39 39

40 40

41 41

42 42

43 43

44 44

45 45

46 46

47 47

48 48

49 49

50 50

51 51

52 52



Lampiran 5-2


53 53

54 54

55 55

56 56

57 57

58 58

59 59

60 60

2

Interval

Lama Kerja

1 1

1,5 1,5

2 2

2,5 2,5

3 3

4 4

5 5

6 6

7 7

8 8

9 9

10 10

11 11

12 12

13 13

14 14

15 15

16 16

17 17

18 18

19 19

20 20

21 21

22 22

23 23

24 24

25 25

26 26

27 27

28 28



Lampiran 5-3


29 29

30 30

3

Ordinal

Jenis Pekerjaan

PNS 1

TNI / POLRI 2

Karyawan 3

Konsultan 4

Dokter 5

Dosen 6

Guru 7 Wiraswasta / Wirausaha 8

Perawat 9

Notaris 10

4

Ordinal

Status Perusahaan

BUMN 1

BUMD 2

Swasta 3

Perseorangan 4

Lembaga Pendidikan 5

Lembaga Negara 6

5

Ordinal

Domisili

Surabaya 1

Sidoarjo 2

Krian 3

Gresik 4

Malang 5

Blitar 6

Jombang 7

Madura 8

Mojokerto 9

Luar Jawa Timur 10

6

Ordinal

Jenis Jaminan

Sertifikat Hak Guna Bangunan (SHGB) 1

Sertifikat Hak Milik (SHM) 2

Sewa Pakai 3

Petok D 4

Lain-Lain 5

7

Ordinal

Lokasi Jaminan

Surabaya 1

Sidoarjo 2

Malang 3

Krian 4

Gresik 5



Lampiran 5-4


Mojokerto 6

Madura 7

Lamongan 8

Blitar 9

Luar Jawa Timur 10

8

Nominal

Jangka Waktu Pinjaman

1 1

2 2

3 3

4 4

5 5

6 6

7 7

7,5 7,5

8 8

9 9

10 10

11 11

12 12

13 13

14 14

15 15

9

Interval

Angsuran

557746,3 557746,3

670687,4 670687,4

783928,37 783928,37

886622,27 886622,27

928468 928468

953476 953476

967699 967699

1001098,72 1001098,72

1046162,94 1046162,94

1111547,06 1111547,06

1176932 1176932

1242317,3 1242317,3

1278587,23 1278587,23

1307702,42 1307702,42

1377500 1377500

1381491,13 1381491,13

1381491 1381491



Lampiran 5-5


...

...

30630153,3 30630153,3

10

Interval

Realisasi

25000000 25000000

50000000 50000000

67800000 67800000

70000000 70000000

...

...

1500000000 1500000000

11

Nominal

Jumlah Anak

0 0

1 1

2 2

3 3

4 4

5 5

6 6

12

Nominal

Status Perkawinan

Menikah 1

Janda / Duda 2

Belum Menikah 3

13

Label

Memo

1 1

2 2

3 3

4 4

5 5

14

Label

Label Memo

1 Tidak Bermasalah

2 Tidak Bermasalah

3 Bermasalah

4 Bermasalah

5 Bermasalah



Lampiran 6-1

Lampiran 6 : Dataset debitur yang sudah direpresentasi dan diolah No.

Urut No.

Loan Umur

Jenis Pekerjaan

Status Perusahaan

Lama Kerja

Domisili Jaminan Lokasi

Jaminan

Jangka Waktu (Thn)


Status Nikah

Memo Label Memo






6 6 29 3 3 11 1 2 1 15 12 2100294 175000000 3492000 2 1 3 Bermasalah












18 18 39 1 2 15 1 2 1 7,5 13 1848798 150000000 4389000 0 1 1 Tidak Bermasalah







Lampiran 6-2

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label Memo









31 31 55 8 4 8 1 2 1 10 13 2986214 200000000 7000000 2 1 5 Bermasalah

















Lampiran 6-3

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label Memo















60 60 38 3 3 16 2 2 2 10 9,75 1830783,39 140000000 3262636,42 2 1 1 Tidak Bermasalah











Lampiran 6-4

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label hMemo


























Lampiran 6-5

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label Memo


























Lampiran 6-6

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label Memo


























Lampiran 6-7

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label Memo


139 141 40 8 4 20 1 1 2 10 9,75 1896168,51 145000000 3477810,57 2 1 3 Bermasalah
























Lampiran 6-8

No. Urut

No. Loan Umur

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu


Status Nikah Memo

Label Memo













173 177 37 3 3 16 2 2 2 15 9,75 8474901,31 800000000 11080963 3 1 4 Bermasalah

174 178 30 3 1 9 1 2 2 15 9,75 8474901,31 800000000 11032583 2 1 4 Bermasalah



177 185 28 8 4 7 1 2 2 15 9,75 8474901,31 800000000 11800000 0 1 3 Bermasalah

178 187 31 3 3 6 1 2 2 15 9,75 8474901,31 800000000 11600000 0 1 4 Bermasalah

179 225 27 8 4 2,5 1 2 2 15 9,75 8967583,87 800000000 30000000 2 1 4 Bermasalah

180 209 37 3 3 1,5 5 2 2 15 9,75 2754342,93 260000000 10000000 1 1 4 Bermasalah

181 226 32 3 3 5 1 2 2 15 9,75 8967583,87 800000000 30000000 1 1 4 Bermasalah



Lampiran 7-1

Lampiran 7 : Perhitungan usia dengan tipe data interval No.

Urut No.

Loan Usia sijk wijk

- - 46 - -

1 1 46 1 1 2 2 50 0,6 1 3 3 42 0,6 1 4 4 38 0,2 1 5 5 39 0,3 1 6 6 29 -0,7 1 7 7 47 0,9 1 8 8 52 0,4 1 9 9 27 -0,9 1 10 10 46 1 1 11 11 22 -1,4 1 12 12 42 0,6 1 13 13 38 0,2 1 14 14 48 0,8 1 15 15 44 0,8 1 16 16 50 0,6 1 17 17 29 -0,7 1 18 18 39 0,3 1 19 19 40 0,4 1 20 20 44 0,8 1 21 21 46 1 1 22 22 37 0,1 1 23 23 32 -0,4 1 24 24 37 0,1 1 25 25 47 0,9 1 26 26 52 0,4 1 27 27 37 0,1 1 28 28 42 0,6 1 29 29 35 -0,1 1 30 30 49 0,7 1 31 31 55 0,1 1 32 32 41 0,5 1 33 33 37 0,1 1 34 34 37 0,1 1 35 35 53 0,3 1 36 36 44 0,8 1



Lampiran 7-2

No. Urut

No. Loan

Usia sijk wijk

37 37 55 0,1 1 38 38 30 -0,6 1 39 39 45 0,9 1 40 40 36 0 1 41 41 41 0,5 1 42 42 50 0,6 1 43 43 27 -0,9 1 44 44 54 0,2 1 45 45 48 0,8 1 46 46 40 0,4 1 47 47 39 0,3 1 48 48 48 0,8 1 49 49 30 -0,6 1 50 50 43 0,7 1 51 51 37 0,1 1 52 52 31 -0,5 1 53 53 51 0,5 1 54 54 34 -0,2 1 55 55 48 0,8 1 56 56 34 -0,2 1 57 57 30 -0,6 1 58 58 35 -0,1 1 59 59 28 -0,8 1 60 60 38 0,2 1 61 61 47 0,9 1 62 62 35 -0,1 1 63 63 28 -0,8 1 64 64 35 -0,1 1 65 65 43 0,7 1 66 66 52 0,4 1 67 67 26 -1 1 68 68 27 -0,9 1 69 69 50 0,6 1 70 70 31 -0,5 1 71 71 41 0,5 1 72 72 28 -0,8 1 73 73 40 0,4 1 74 74 30 -0,6 1



Lampiran 7-3

No. Urut

No. Loan

Usia sijk wijk

75 75 38 0,2 1 76 76 27 -0,9 1 77 77 44 0,8 1 78 78 43 0,7 1 79 79 40 0,4 1 80 80 30 -0,6 1 81 81 47 0,9 1 82 82 29 -0,7 1 83 83 51 0,5 1 84 84 38 0,2 1 85 85 39 0,3 1 86 86 31 -0,5 1 87 87 29 -0,7 1 88 88 37 0,1 1 89 89 36 0 1 90 90 28 -0,8 1 91 91 27 -0,9 1 92 92 41 0,5 1 93 93 49 0,7 1 94 94 47 0,9 1 95 95 39 0,3 1 96 96 23 -1,3 1 97 97 39 0,3 1 98 98 43 0,7 1 99 99 37 0,1 1

100 100 52 0,4 1 101 101 33 -0,3 1 102 102 28 -0,8 1 103 103 39 0,3 1 104 104 32 -0,4 1 105 105 37 0,1 1 106 106 31 -0,5 1 107 107 34 -0,2 1 108 108 26 -1 1 109 109 30 -0,6 1 110 110 39 0,3 1 111 111 54 0,2 1 112 112 43 0,7 1



Lampiran 7-4

No. Urut

No. Loan

Usia sijk wijk

113 113 51 0,5 1 114 114 53 0,3 1 115 115 41 0,5 1 116 116 23 -1,3 1 117 117 33 -0,3 1 118 118 27 -0,9 1 119 119 34 -0,2 1 120 120 35 -0,1 1 121 121 29 -0,7 1 122 122 30 -0,6 1 123 123 22 -1,4 1 124 124 49 0,7 1 125 125 32 -0,4 1 126 127 32 -0,4 1 127 129 24 -1,2 1 128 130 27 -0,9 1 129 131 29 -0,7 1 130 132 51 0,5 1 131 133 47 0,9 1 132 134 37 0,1 1 133 135 29 -0,7 1 134 136 21 -1,5 1 135 137 29 -0,7 1 136 138 49 0,7 1 137 139 47 0,9 1 138 140 39 0,3 1 139 141 40 0,4 1 140 142 43 0,7 1 141 143 41 0,5 1 142 144 51 0,5 1 143 145 34 -0,2 1 144 146 31 -0,5 1 145 147 50 0,6 1 146 148 20 -1,6 1 147 149 29 -0,7 1 148 150 27 -0,9 1 149 151 48 0,8 1 150 152 42 0,6 1



Lampiran 7-5

No. Urut

No. Loan

Usia sijk wijk

151 153 38 0,2 1 152 155 32 -0,4 1 153 156 52 0,4 1 154 157 32 -0,4 1 155 158 36 0 1 156 159 42 0,6 1 157 160 33 -0,3 1 158 161 36 0 1 159 162 46 1 1 160 164 41 0,5 1 161 165 35 -0,1 1 162 166 49 0,7 1 163 167 40 0,4 1 164 168 43 0,7 1 165 169 40 0,4 1 166 170 44 0,8 1 167 171 28 -0,8 1 168 172 47 0,9 1 169 173 41 0,5 1 170 174 47 0,9 1 171 175 41 0,5 1 172 176 31 -0,5 1 173 177 37 0,1 1 174 178 30 -0,6 1 175 179 43 0,7 1 176 180 50 0,6 1 177 185 28 -0,8 1 178 187 31 -0,5 1 179 225 27 -0,9 1 180 209 37 0,1 1 181 226 32 -0,4 1



Lampiran 8-1

Lampiran 8 : Perhitungan lama kerja dengan tipe data interval No.

Urut No.

Loan Lama Kerja sijk wijk

- - 8 - -

1 1 8 1 1 2 2 16 -0,6 1 3 3 7 0,8 1 4 4 3 0 1 5 5 9 0,8 1 6 6 11 0,4 1 7 7 4 0,2 1 8 8 19 -1,2 1 9 9 2 -0,2 1 10 10 6 0,6 1 11 11 2 -0,2 1 12 12 12 0,2 1 13 13 10 0,6 1 14 14 16 -0,6 1 15 15 6 0,6 1 16 16 13 0 1 17 17 1 -0,4 1 18 18 15 -0,4 1 19 19 1 -0,4 1 20 20 10 0,6 1 21 21 21 -1,6 1 22 22 8 1 1 23 23 1 -0,4 1 24 24 4 0,2 1 25 25 12 0,2 1 26 26 3 0 1 27 27 12 0,2 1 28 28 4 0,2 1 29 29 6 0,6 1 30 30 5 0,4 1 31 31 8 1 1 32 32 13 0 1 33 33 9 0,8 1 34 34 7 0,8 1 35 35 26 -2,6 1 36 36 20 -1,4 1 37 37 4 0,2 1



Lampiran 8-2

No. Urut

No. Loan

Lama Kerja sijk wijk

38 38 10 0,6 1 39 39 14 -0,2 1 40 40 9 0,8 1 41 41 9 0,8 1 42 42 6 0,6 1 43 43 5 0,4 1 44 44 11 0,4 1 45 45 26 -2,6 1 46 46 21 -1,6 1 47 47 11 0,4 1 48 48 4 0,2 1 49 49 4 0,2 1 50 50 10 0,6 1 51 51 11 0,4 1 52 52 3 0 1 53 53 15 -0,4 1 54 54 4 0,2 1 55 55 24 -2,2 1 56 56 5 0,4 1 57 57 5 0,4 1 58 58 16 -0,6 1 59 59 20 -1,4 1 60 60 16 -0,6 1 61 61 6 0,6 1 62 62 9 0,8 1 63 63 3 0 1 64 64 8 1 1 65 65 7 0,8 1 66 66 25 -2,4 1 67 67 5 0,4 1 68 68 4 0,2 1 69 69 7 0,8 1 70 70 6 0,6 1 71 71 4 0,2 1 72 72 2 -0,2 1 73 73 12 0,2 1 74 74 11 0,4 1 75 75 6 0,6 1 76 76 5 0,4 1



Lampiran 8-3

No. Urut

No. Loan


77 77 5 0,4 1 78 78 18 -1 1 79 79 11 0,4 1 80 80 5 0,4 1 81 81 6 0,6 1 82 82 7 0,8 1 83 83 5 0,4 1 84 84 3 0 1 85 85 21 -1,6 1 86 86 3 0 1 87 87 2 -0,2 1 88 88 20 -1,4 1 89 89 5 0,4 1 90 90 7 0,8 1 91 91 4 0,2 1 92 92 21 -1,6 1 93 93 33 -4 1 94 94 5 0,4 1 95 95 19 -1,2 1 96 96 8 1 1 97 97 14 -0,2 1 98 98 24 -2,2 1 99 99 7 0,8 1

100 100 23 -2 1 101 101 6 0,6 1 102 102 6 0,6 1 103 103 3 0 1 104 104 3 0 1 105 105 7 0,8 1 106 106 6 0,6 1 107 107 6 0,6 1 108 108 5 0,4 1 109 109 6 0,6 1 110 110 16 -0,6 1 111 111 20 -1,4 1 112 112 22 -1,8 1 113 113 3 0 1 114 114 34 -4,2 1 115 115 5 0,4 1



Lampiran 8-4

No. Urut

No. Loan


116 116 3 0 1 117 117 2 -0,2 1 118 118 3 0 1 119 119 9 0,8 1 120 120 7 0,8 1 121 121 5 0,4 1 122 122 5 0,4 1 123 123 2 -0,2 1 124 124 2 -0,2 1 125 125 8 1 1 126 127 6 0,6 1 127 129 4 0,2 1 128 130 3 0 1 129 131 4 0,2 1 130 132 7 0,8 1 131 133 16 -0,6 1 132 134 13 0 1 133 135 4 0,2 1 134 136 3 0 1 135 137 4 0,2 1 136 138 5 0,4 1 137 139 26 -2,6 1 138 140 5 0,4 1 139 141 20 -1,4 1 140 142 16 -0,6 1 141 143 2 -0,2 1 142 144 1 -0,4 1 143 145 6 0,6 1 144 146 4 0,2 1 145 147 3 0 1 146 148 5 0,4 1 147 149 8 1 1 148 150 5 0,4 1 149 151 25 -2,4 1 150 152 10 0,6 1 151 153 20 -1,4 1 152 155 7 0,8 1 153 156 19 -1,2 1 154 157 5 0,4 1



Lampiran 8-5

No. Urut

No. Loan


155 158 9 0,8 1 156 159 8 1 1 157 160 3 0 1 158 161 8 1 1 159 162 2 -0,2 1 160 164 10 0,6 1 161 165 5 0,4 1 162 166 6 0,6 1 163 167 12 0,2 1 164 168 19 -1,2 1 165 169 20 -1,4 1 166 170 19 -1,2 1 167 171 22 -1,8 1 168 172 18 -1 1 169 173 10 0,6 1 170 174 16 -0,6 1 171 175 7 0,8 1 172 176 7 0,8 1 173 177 16 -0,6 1 174 178 9 0,8 1 175 179 11 0,4 1 176 180 31 -3,6 1 177 185 7 0,8 1 178 187 6 0,6 1 179 225 2,5 -0,1 1 180 209 1,5 -0,3 1 181 226 5 0,4 1



Lampiran 9-1

Lampiran 9 : Perhitungan angsuran dengan tipe data interval No.

Urut No.

Loan Angsuran sijk wijk

- - 1772916,67 - - 1 1 1772916,67 1,0000 1 2 2 1544666 0,5435 1 3 3 1560218 0,5746 1 4 4 1572916 0,6000 1 5 5 2152064,22 0,2417 1 6 6 2100294 0,3452 1 7 7 1381491 0,2171 1 8 8 2700378,23 -0,8549 1 9 9 2520353 -0,4949 1 10 10 1649915,93 0,7540 1 11 11 1350000 0,1542 1 12 12 1660000 0,7742 1 13 13 2735575 -0,9253 1 14 14 1434709 0,3236 1 15 15 2008593,28 0,5286 1 16 16 2090350,36 0,3651 1 17 17 2150911,64 0,2440 1 18 18 1848798 0,8482 1 19 19 2024387 0,4971 1 20 20 2239000 0,0678 1 21 21 2239661,1 0,0665 1 22 22 1866345,25 0,8131 1 23 23 2024387,62 0,4971 1 24 24 2209798,95 0,1262 1 25 25 1512652 0,4795 1 26 26 2239661 0,0665 1 27 27 1886384 0,7731 1 28 28 1637276 0,7287 1 29 29 2530484 -0,5151 1 30 30 3359491 -2,1731 1 31 31 2986214 -1,4266 1 32 32 1605928 0,6660 1 33 33 3638392 -2,7310 1 34 34 1941039,62 0,6638 1 35 35 3211856 -1,8779 1 36 36 1819196 0,9074 1 37 37 3075801 -1,6058 1



Lampiran 9-2

No. Urut

No. Loan

Angsuran sijk wijk

38 38 1881315 0,7832 1 39 39 4479322 -4,4128 1 40 40 3882079 -3,2183 1 41 41 3795726,6 -3,0456 1 42 42 670687,4 -1,2045 1 43 43 1493107,4 0,4404 1 44 44 1642418 0,7390 1 45 45 3902600 -3,2594 1 46 46 1493107,37 0,4404 1 47 47 2410000 -0,2742 1 48 48 14732422,7 -24,9190 1 49 49 1377500,13 0,2092 1 50 50 6887500,56 -9,2292 1 51 51 1859000,15 0,8278 1 52 52 7609848,15 -10,6739 1 53 53 1634628,03 0,7234 1 54 54 1582319,93 0,6188 1 55 55 2112422,3 0,3210 1 56 56 1056212 -0,4334 1 57 57 2542470,39 -0,5391 1 58 58 2876945 -1,2081 1 59 59 7192363,31 -9,8389 1 60 60 1830783,39 0,8843 1 61 61 11618334 -18,6908 1 62 62 1438472,86 0,3311 1 63 63 783928,37 -0,9780 1 64 64 2118725 0,3084 1 65 65 1577416,4 0,6090 1 66 66 6538512 -8,5312 1 67 67 2223094,12 0,0996 1 68 68 2223094,12 0,0996 1 69 69 967699 -0,6104 1 70 70 1579431,28 0,6130 1 71 71 10593626,64 -16,6414 1 72 72 2754342,93 -0,9629 1 73 73 1046161,94 -0,4535 1 74 74 1001097,72 -0,5436 1 75 75 10562121,83 -16,5784 1 76 76 25392021,57 -46,2382 1



Lampiran 9-3

No. Urut

No. Loan

Angsuran sijk wijk

77 77 10593626 -16,6414 1 78 78 1896168,51 0,7535 1 79 79 928468 -0,6889 1 80 80 886622,27 -0,7726 1 81 81 5485421,79 -6,4250 1 82 82 1700013 0,8542 1 83 83 7521101,35 -10,4964 1 84 84 1046161,94 -0,4535 1 85 85 1176932 -0,1920 1 86 86 8474901,31 -12,4040 1 87 87 1694986,26 0,8441 1 88 88 3786403,68 -3,0270 1 89 89 2893494,69 -1,2412 1 90 90 2323666,8 -0,1015 1 91 91 3436641,97 -2,3275 1 92 92 3269256 -1,9927 1 93 93 7120257 -9,6947 1 94 94 7780829,41 -11,0158 1 95 95 1569242,91 0,5927 1 96 96 7945219 -11,3446 1 97 97 1634628 0,7234 1 98 98 1111547,06 -0,3227 1 99 99 1111547,06 -0,3227 1

100 100 5884660 -7,2235 1 101 101 2118725,33 0,3084 1 102 102 1694980 0,8441 1 103 103 1307702 0,0696 1 104 104 2648000 -0,7502 1 105 105 2648000 -0,7502 1 106 106 2092323,88 0,3612 1 107 107 2118725 0,3084 1 108 108 2383565,99 -0,2213 1 109 109 2065757,19 0,4143 1 110 110 1765398,77 0,9850 1 111 111 2534909 -0,5240 1 112 112 1307702,42 0,0696 1 113 113 6538512 -8,5312 1 114 114 2524269 -0,5027 1 115 115 4602962,69 -4,6601 1



Lampiran 9-4

No. Urut

No. Loan

Angsuran sijk wijk

116 116 2754342,93 -0,9629 1 117 117 1242317,3 -0,0612 1 118 118 1721651 0,8975 1 119 119 1307702,42 0,0696 1 120 120 2157709 0,2304 1 121 121 953476 -0,6389 1 122 122 1589044 0,6323 1 123 123 5084940 -5,6240 1 124 124 9807768 -15,0697 1 125 125 1700013,15 0,8542 1 126 127 2648406,66 -0,7510 1 127 129 5296813,32 -6,0478 1 128 130 1046161,94 -0,4535 1 129 131 6885857 -9,2259 1 130 132 3168636,55 -1,7914 1 131 133 1877841 0,7902 1 132 134 1307702,42 0,0696 1 133 135 1694980 0,8441 1 134 136 1278587,23 0,0113 1 135 137 4224848,73 -3,9039 1 136 138 8500065,74 -12,4543 1 137 139 1478697 0,4116 1 138 140 1307702 0,0696 1 139 141 1896168,51 0,7535 1 140 142 1896168,51 0,7535 1 141 143 10593626,64 -16,6414 1 142 144 10593626,64 -16,6414 1 143 145 9534263,97 -14,5227 1 144 146 2615404,84 -0,6850 1 145 147 30630153,3 -56,7145 1 146 148 19615536,33 -34,6852 1 147 149 1307702,42 0,0696 1 148 150 3610128,65 -2,6744 1 149 151 4512660 -4,4795 1 150 152 2092323,88 0,3612 1 151 153 1830783,39 0,8843 1 152 155 14301395,96 -24,0570 1 153 156 3007715,57 -1,4696 1 154 157 5031972,65 -5,5181 1



Lampiran 9-5

No. Urut

No. Loan

Angsuran sijk wijk

155 158 3168636 -1,7914 1 156 159 3294459,25 -2,0431 1 157 160 4224848,73 -3,9039 1 158 161 2966215,46 -1,3866 1 159 162 2118725,33 0,3084 1 160 164 1961533,63 0,6228 1 161 165 1634628,03 0,7234 1 162 166 10063945,3 -15,5821 1 163 167 3269256,06 -1,9927 1 164 168 2942330 -1,3388 1 165 169 2942330 -1,3388 1 166 170 5765303,68 -6,9848 1 167 171 2648406,6 -0,7510 1 168 172 557746,32 -1,4303 1 169 173 19615536 -34,6852 1 170 174 6538512,11 -8,5312 1 171 175 3788628,13 -3,0314 1 172 176 2615404,84 -0,6850 1 173 177 8474901,31 -12,4040 1 174 178 8474901,31 -12,4040 1 175 179 14036555 -23,5273 1 176 180 3696742 -2,8477 1 177 185 8474901,31 -12,4040 1 178 187 8474901,31 -12,4040 1 179 225 8967583,87 -13,3893 1 180 209 2754342,93 -0,9629 1 181 226 8967583,87 -13,3893 1



Lampiran 10-1

Lampiran 10 : Perhitungan realisasi dengan tipe data interval No.

Urut No.

Loan Realisasi sijk wijk

- - 115000000 - - 1 1 115000000 1 1 2 2 100000000 -0,5 1 3 3 130000000 -0,5 1 4 4 75000000 -3 1 5 5 150000000 -2,5 1 6 6 175000000 -5 1 7 7 85000000 -2 1 8 8 225000000 -10 1 9 9 210000000 -8,5 1 10 10 115000000 1 1 11 11 112000000 0,7 1 12 12 50000000 -5,5 1 13 13 200000000 -7,5 1 14 14 100000000 -0,5 1 15 15 140000000 -1,5 1 16 16 140000000 -1,5 1 17 17 170000000 -4,5 1 18 18 150000000 -2,5 1 19 19 160000000 -3,5 1 20 20 150000000 -2,5 1 21 21 150000000 -2,5 1 22 22 125000000 0 1 23 23 160000000 -3,5 1 24 24 148000000 -2,3 1 25 25 90000000 -1,5 1 26 26 150000000 -2,5 1 27 27 125000000 0 1 28 28 90000000 -1,5 1 29 29 200000000 -7,5 1 30 30 225000000 -10 1 31 31 200000000 -7,5 1 32 32 80000000 -2,5 1 33 33 200000000 -7,5 1 34 34 130000000 -0,5 1 35 35 160000000 -3,5 1 36 36 100000000 -0,5 1 37 37 206000000 -8,1 1



Lampiran 10-2

No. Urut

No. Loan

Realisasi sijk wijk

38 38 126000000 -0,1 1 39 39 300000000 -17,5 1 40 40 260000000 -13,5 1 41 41 300000000 -17,5 1 42 42 25000000 -8 1 43 43 100000000 -0,5 1 44 44 110000000 0,5 1 45 45 70000000 -3,5 1 46 46 100000000 -0,5 1 47 47 175000000 -5 1 48 48 450000000 -32,5 1 49 49 100000000 -0,5 1 50 50 500000000 -37,5 1 51 51 135000000 -1 1 52 52 350000000 -22,5 1 53 53 125000000 0 1 54 54 121000000 0,4 1 55 55 100000000 -0,5 1 56 56 50000000 -5,5 1 57 57 240000000 -11,5 1 58 58 220000000 -9,5 1 59 59 550000000 -42,5 1 60 60 140000000 -1,5 1 61 61 550000000 -42,5 1 62 62 110000000 0,5 1 63 63 74000000 -3,1 1 64 64 200000000 -7,5 1 65 65 100000000 -0,5 1 66 66 500000000 -37,5 1 67 67 170000000 -4,5 1 68 68 170000000 -4,5 1 69 69 74000000 -3,1 1 70 70 105000000 0 1 71 71 1000000000 -87,5 1 72 72 260000000 -13,5 1 73 73 80000000 -2,5 1 74 74 94500000 -1,05 1 75 75 500000000 -37,5 1 76 76 1380000000 -125,5 1



Lampiran 10-3

No. Urut

No. Loan

Realisasi sijk wijk

77 77 1000000000 -87,5 1 78 78 145000000 -2 1 79 79 71000000 -3,4 1 80 80 67800000 -3,72 1 81 81 170000000 -4,5 1 82 82 130000000 -0,5 1 83 83 500000000 -37,5 1 84 84 80000000 -2,5 1 85 85 90000000 -1,5 1 86 86 800000000 -67,5 1 87 87 160000000 -3,5 1 88 88 150000000 -2,5 1 89 89 90000000 -1,5 1 90 90 110000000 0,5 1 91 91 262800000 -13,78 1 92 92 250000000 -12,5 1 93 93 480000000 -35,5 1 94 94 595000000 -47 1 95 95 120000000 0,5 1 96 96 750000000 -62,5 1 97 97 125000000 0 1 98 98 85000000 -2 1 99 99 85000000 -2 1

100 100 450000000 -32,5 1 101 101 200000000 -7,5 1 102 102 160000000 -3,5 1 103 103 127360000 -0,236 1 104 104 250000000 -12,5 1 105 105 250000000 -12,5 1 106 106 160000000 -3,5 1 107 107 200000000 -7,5 1 108 108 225000000 -10 1 109 109 195000000 -7 1 110 110 135000000 -1 1 111 111 120000000 0,5 1 112 112 100000000 -0,5 1 113 113 500000000 -37,5 1 114 114 100000000 -0,5 1 115 115 100000000 -0,5 1



Lampiran 10-4

No. Urut

No. Loan

Realisasi sijk wijk

116 116 260000000 -13,5 1 117 117 95000000 -1 1 118 118 120000000 0,5 1 119 119 100000000 -0,5 1 120 120 165000000 -4 1 121 121 90000000 -1,5 1 122 122 150000000 -2,5 1 123 123 480000000 -35,5 1 124 124 750000000 -62,5 1 125 125 130000000 -0,5 1 126 127 250000000 -12,5 1 127 129 500000000 -37,5 1 128 130 80000000 -2,5 1 129 131 650000000 -52,5 1 130 132 376000000 -25,1 1 131 133 114000000 0,9 1 132 134 100000000 -0,5 1 133 135 160000000 -3,5 1 134 136 85000000 -2 1 135 137 200000000 -7,5 1 136 138 650000000 -52,5 1 137 139 70000000 -3,5 1 138 140 100000000 -0,5 1 139 141 145000000 -2 1 140 142 145000000 -2 1 141 143 1300000000 -117,5 1 142 144 1000000000 -87,5 1 143 145 900000000 -77,5 1 144 146 200000000 -7,5 1 145 147 1450000000 -132,5 1 146 148 1500000000 -137,5 1 147 149 100000000 -0,5 1 148 150 240000000 -11,5 1 149 151 300000000 -17,5 1 150 152 160000000 -3,5 1 151 153 140000000 -1,5 1 152 155 1350000000 -122,5 1 153 156 230000000 -10,5 1 154 157 475000000 -35 1



Lampiran 10-5

No. Urut

No. Loan

Realisasi sijk wijk

155 158 150000000 -2,5 1 156 159 200000000 -7,5 1 157 160 200000000 -7,5 1 158 161 280000000 -15,5 1 159 162 200000000 -7,5 1 160 164 295000000 -17 1 161 165 125000000 0 1 162 166 950000000 -82,5 1 163 167 250000000 -12,5 1 164 168 225000000 -10 1 165 169 225000000 -10 1 166 170 350000000 -22,5 1 167 171 250000000 -12,5 1 168 172 400000000 -27,5 1 169 173 1500000000 -137,5 1 170 174 500000000 -37,5 1 171 175 230000000 -10,5 1 172 176 200000000 -7,5 1 173 177 800000000 -67,5 1 174 178 800000000 -67,5 1 175 179 1350000000 -122,5 1 176 180 175000000 -5 1 177 185 800000000 -67,5 1 178 187 800000000 -67,5 1 179 225 800000000 -67,5 1 180 209 260000000 -13,5 1 181 226 800000000 -67,5 1



Lampiran 11-1

Lampiran 11 : Perhitungan jenis pekerjaan dengan tipe data ordinal



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank Original T Similarity

IF == 1 , else similarity ordinal

sijk wijk

- - 3 - - - 72,5 108 - - - -

1 1 3 1 17 9 72,5 108 1,9068 1 1,0000 1

2 2 1 1 17 9 9 17 0,9831 0,9831 1

3 3 3 1 17 9 72,5 108 1,9068 1 1,0000 1

4 4 3 1 17 9 72,5 108 1,9068 1 1,0000 1

5 5 3 1 17 9 72,5 108 1,9068 1 1,0000 1

6 6 3 1 17 9 72,5 108 1,9068 1 1,0000 1

7 7 3 1 17 9 72,5 108 1,9068 1 1,0000 1

8 8 8 1 17 9 159 29 0,8390 0,8390 1

9 9 3 1 17 9 72,5 108 1,9068 1 1,0000 1

10 10 3 1 17 9 72,5 108 1,9068 1 1,0000 1

11 11 3 1 17 9 72,5 108 1,9068 1 1,0000 1

12 12 2 1 17 9 18 1 0,9915 0,9915 1

13 13 3 1 17 9 72,5 108 1,9068 1 1,0000 1

14 14 1 1 17 9 9 17 0,9831 0,9831 1

15 15 3 1 17 9 72,5 108 1,9068 1 1,0000 1

16 16 3 1 17 9 72,5 108 1,9068 1 1,0000 1

17 17 3 1 17 9 72,5 108 1,9068 1 1,0000 1

18 18 1 2 1 18 9 17 0,9831 0,9831 1

19 19 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

20 20 8 3 108 72,5 159 29 0,8390 0,8390 1



Lampiran 11-2



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

21 21 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

22 22 1 3 108 72,5 9 17 0,9831 0,9831 1

23 23 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

24 24 1 3 108 72,5 9 17 0,9831 0,9831 1

25 25 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

26 26 8 3 108 72,5 159 29 0,8390 0,8390 1

27 27 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

28 28 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

29 29 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

30 30 8 3 108 72,5 159 29 0,8390 0,8390 1

31 31 8 3 108 72,5 159 29 0,8390 0,8390 1

32 32 8 3 108 72,5 159 29 0,8390 0,8390 1

33 33 8 3 108 72,5 159 29 0,8390 0,8390 1

34 34 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

35 35 9 3 108 72,5 176,5 6 0,5932 0,5932 1

36 36 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

37 37 8 3 108 72,5 159 29 0,8390 0,8390 1

38 38 9 3 108 72,5 176,5 6 0,5932 0,5932 1

39 39 5 3 108 72,5 128 3 0,9915 0,9915 1

40 40 8 3 108 72,5 159 29 0,8390 0,8390 1

41 41 8 3 108 72,5 159 29 0,8390 0,8390 1

42 42 8 3 108 72,5 159 29 0,8390 0,8390 1



Lampiran 11-3



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

43 43 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

44 44 9 3 108 72,5 176,5 6 0,5932 0,5932 1

45 45 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

46 46 6 3 108 72,5 132,5 6 0,9661 0,9661 1

47 47 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

48 48 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

49 49 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

50 50 8 3 108 72,5 159 29 0,8390 0,8390 1

51 51 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

52 52 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

53 53 6 3 108 72,5 132,5 6 0,9661 0,9661 1

54 54 9 3 108 72,5 176,5 6 0,5932 0,5932 1

55 55 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

56 56 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

57 57 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

58 58 8 3 108 72,5 159 29 0,8390 0,8390 1

59 59 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

60 60 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

61 61 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

62 62 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

63 63 7 3 108 72,5 140 9 0,9153 0,9153 1

64 64 7 3 108 72,5 140 9 0,9153 0,9153 1



Lampiran 11-4



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

65 65 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

66 66 5 3 108 72,5 128 3 0,9915 0,9915 1

67 67 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

68 68 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

69 69 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

70 70 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

71 71 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

72 72 6 3 108 72,5 132,5 6 0,9661 0,9661 1

73 73 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

74 74 1 3 108 72,5 9 17 0,9831 0,9831 1

75 75 10 3 108 72,5 180,5 2 0,5424 0,5424 1

76 76 8 3 108 72,5 159 29 0,8390 0,8390 1

77 77 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

78 78 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

79 79 1 3 108 72,5 9 17 0,9831 0,9831 1

80 80 1 3 108 72,5 9 17 0,9831 0,9831 1

81 81 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

82 82 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

83 83 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

84 84 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

85 85 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

86 86 8 3 108 72,5 159 29 0,8390 0,8390 1



Lampiran 11-5



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

87 87 7 3 108 72,5 140 9 0,9153 0,9153 1

88 88 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

89 89 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

90 90 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

91 91 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

92 92 9 3 108 72,5 176,5 6 0,5932 0,5932 1

93 93 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

94 94 8 3 108 72,5 159 29 0,8390 0,8390 1

95 95 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

96 96 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

97 97 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

98 98 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

99 99 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

100 100 6 3 108 72,5 132,5 6 0,9661 0,9661 1

101 101 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

102 102 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

103 103 8 3 108 72,5 159 29 0,8390 0,8390 1

104 104 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

105 105 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

106 106 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

107 107 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

108 108 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1



Lampiran 11-6



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

109 109 7 3 108 72,5 140 9 0,9153 0,9153 1

110 110 9 3 108 72,5 176,5 6 0,5932 0,5932 1

111 111 7 3 108 72,5 140 9 0,9153 0,9153 1

112 112 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

113 113 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

114 114 7 3 108 72,5 140 9 0,9153 0,9153 1

115 115 8 3 108 72,5 159 29 0,8390 0,8390 1

116 116 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

117 117 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

118 118 7 3 108 72,5 140 9 0,9153 0,9153 1

119 119 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

120 120 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

121 121 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

122 122 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

123 123 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

124 124 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

125 125 1 3 108 72,5 9 17 0,9831 0,9831 1

126 127 3 3 108 72,5 72,5 108 1,9068 1 1,0000 1

127 129 3 5 3 128 72,5 108 1,9068 1 1,0000 1

128 130 3 5 3 128 72,5 108 1,9068 1 1,0000 1

129 131 3 5 3 128 72,5 108 1,9068 1 1,0000 1

130 132 8 6 6 132,5 159 29 0,8390 0,8390 1



Lampiran 11-7



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

131 133 1 6 6 132,5 9 17 0,9831 0,9831 1

132 134 1 6 6 132,5 9 17 0,9831 0,9831 1

133 135 7 6 6 132,5 140 9 0,9153 0,9153 1

134 136 3 6 6 132,5 72,5 108 1,9068 1 1,0000 1

135 137 5 6 6 132,5 128 3 0,9915 0,9915 1

136 138 3 7 9 140 72,5 108 1,9068 1 1,0000 1

137 139 3 7 9 140 72,5 108 1,9068 1 1,0000 1

138 140 6 7 9 140 132,5 6 0,9661 0,9661 1

139 141 8 7 9 140 159 29 0,8390 0,8390 1

140 142 8 7 9 140 159 29 0,8390 0,8390 1

141 143 3 7 9 140 72,5 108 1,9068 1 1,0000 1

142 144 3 7 9 140 72,5 108 1,9068 1 1,0000 1

143 145 1 7 9 140 9 17 0,9831 0,9831 1

144 146 3 7 9 140 72,5 108 1,9068 1 1,0000 1

145 147 3 8 29 159 72,5 108 1,9068 1 1,0000 1

146 148 3 8 29 159 72,5 108 1,9068 1 1,0000 1

147 149 3 8 29 159 72,5 108 1,9068 1 1,0000 1

148 150 8 8 29 159 159 29 0,8390 0,8390 1

149 151 6 8 29 159 132,5 6 0,9661 0,9661 1

150 152 7 8 29 159 140 9 0,9153 0,9153 1

151 153 3 8 29 159 72,5 108 1,9068 1 1,0000 1

152 155 8 8 29 159 159 29 0,8390 0,8390 1



Lampiran 11-8



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

153 156 3 8 29 159 72,5 108 1,9068 1 1,0000 1

154 157 3 8 29 159 72,5 108 1,9068 1 1,0000 1

155 158 3 8 29 159 72,5 108 1,9068 1 1,0000 1

156 159 3 8 29 159 72,5 108 1,9068 1 1,0000 1

157 160 8 8 29 159 159 29 0,8390 0,8390 1

158 161 1 8 29 159 9 17 0,9831 0,9831 1

159 162 3 8 29 159 72,5 108 1,9068 1 1,0000 1

160 164 1 8 29 159 9 17 0,9831 0,9831 1

161 165 3 8 29 159 72,5 108 1,9068 1 1,0000 1

162 166 8 8 29 159 159 29 0,8390 0,8390 1

163 167 3 8 29 159 72,5 108 1,9068 1 1,0000 1

164 168 3 8 29 159 72,5 108 1,9068 1 1,0000 1

165 169 3 8 29 159 72,5 108 1,9068 1 1,0000 1

166 170 1 8 29 159 9 17 0,9831 0,9831 1

167 171 1 8 29 159 9 17 0,9831 0,9831 1

168 172 3 8 29 159 72,5 108 1,9068 1 1,0000 1

169 173 10 8 29 159 180,5 2 0,5424 0,5424 1

170 174 1 8 29 159 9 17 0,9831 0,9831 1

171 175 8 8 29 159 159 29 0,8390 0,8390 1

172 176 3 8 29 159 72,5 108 1,9068 1 1,0000 1

173 177 3 8 29 159 72,5 108 1,9068 1 1,0000 1

174 178 3 9 6 176,5 72,5 108 1,9068 1 1,0000 1



Lampiran 11-9



No. Urut

No. Loan

Jenis Pekerjaan

Jenis Pekerjaan

Rank

Jenis Pekerjaan T

Jenis Pekerjaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

175 179 8 9 6 176,5 159 29 0,8390 0,8390 1

176 180 3 9 6 176,5 72,5 108 1,9068 1 1,0000 1

177 185 8 9 6 176,5 159 29 0,8390 0,8390 1

178 187 3 9 6 176,5 72,5 108 1,9068 1 1,0000 1

179 225 8 9 6 176,5 159 29 0,8390 0,8390 1

180 209 3 10 2 180,5 72,5 108 1,9068 1 1,0000 1

181 226 3 10 2 180,5 72,5 108 1,9068 1 1,0000 1



Lampiran 12-1

Lampiran 12 : Perhitungan status perusahaan dengan tipe data ordinal



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 3 - - - 90 59 - - - -

1 1 3 1 7 4 90 59 1,4113 1 1,0000 1

2 2 5 1 7 4 162,5 20 0,7589 0,7589 1

3 3 2 1 7 4 34 53 0,9929 0,9929 1

4 4 3 1 7 4 90 59 1,4113 1 1,0000 1

5 5 3 1 7 4 90 59 1,4113 1 1,0000 1

6 6 3 1 7 4 90 59 1,4113 1 1,0000 1

7 7 3 1 7 4 90 59 1,4113 1 1,0000 1

8 8 4 2 53 34 136 33 0,9929 0,9929 1

9 9 2 2 53 34 34 53 0,9929 0,9929 1

10 10 2 2 53 34 34 53 0,9929 0,9929 1

11 11 2 2 53 34 34 53 0,9929 0,9929 1

12 12 6 2 53 34 177 9 0,6170 0,6170 1

13 13 2 2 53 34 34 53 0,9929 0,9929 1

14 14 5 2 53 34 162,5 20 0,7589 0,7589 1

15 15 2 2 53 34 34 53 0,9929 0,9929 1

16 16 3 2 53 34 90 59 1,4113 1 1,0000 1

17 17 2 2 53 34 34 53 0,9929 0,9929 1

18 18 2 2 53 34 34 53 0,9929 0,9929 1

19 19 2 2 53 34 34 53 0,9929 0,9929 1

20 20 4 2 53 34 136 33 0,9929 0,9929 1



Lampiran 12-2



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

21 21 2 2 53 34 34 53 0,9929 0,9929 1

22 22 2 2 53 34 34 53 0,9929 0,9929 1

23 23 2 2 53 34 34 53 0,9929 0,9929 1

24 24 2 2 53 34 34 53 0,9929 0,9929 1

25 25 2 2 53 34 34 53 0,9929 0,9929 1

26 26 4 2 53 34 136 33 0,9929 0,9929 1

27 27 2 2 53 34 34 53 0,9929 0,9929 1

28 28 2 2 53 34 34 53 0,9929 0,9929 1

29 29 3 2 53 34 90 59 1,4113 1 1,0000 1

30 30 4 2 53 34 136 33 0,9929 0,9929 1

31 31 4 2 53 34 136 33 0,9929 0,9929 1

32 32 4 2 53 34 136 33 0,9929 0,9929 1

33 33 4 2 53 34 136 33 0,9929 0,9929 1

34 34 2 2 53 34 34 53 0,9929 0,9929 1

35 35 2 2 53 34 34 53 0,9929 0,9929 1

36 36 3 2 53 34 90 59 1,4113 1 1,0000 1

37 37 4 2 53 34 136 33 0,9929 0,9929 1

38 38 2 2 53 34 34 53 0,9929 0,9929 1

39 39 5 2 53 34 162,5 20 0,7589 0,7589 1

40 40 4 2 53 34 136 33 0,9929 0,9929 1

41 41 4 2 53 34 136 33 0,9929 0,9929 1

42 42 4 2 53 34 136 33 0,9929 0,9929 1



Lampiran 12-3



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

43 43 2 2 53 34 34 53 0,9929 0,9929 1

44 44 2 2 53 34 34 53 0,9929 0,9929 1

45 45 2 2 53 34 34 53 0,9929 0,9929 1

46 46 5 2 53 34 162,5 20 0,7589 0,7589 1

47 47 2 2 53 34 34 53 0,9929 0,9929 1

48 48 2 2 53 34 34 53 0,9929 0,9929 1

49 49 2 2 53 34 34 53 0,9929 0,9929 1

50 50 4 2 53 34 136 33 0,9929 0,9929 1

51 51 2 2 53 34 34 53 0,9929 0,9929 1

52 52 2 2 53 34 34 53 0,9929 0,9929 1

53 53 3 2 53 34 90 59 1,4113 1 1,0000 1

54 54 2 2 53 34 34 53 0,9929 0,9929 1

55 55 2 2 53 34 34 53 0,9929 0,9929 1

56 56 3 2 53 34 90 59 1,4113 1 1,0000 1

57 57 3 2 53 34 90 59 1,4113 1 1,0000 1

58 58 4 2 53 34 136 33 0,9929 0,9929 1

59 59 3 2 53 34 90 59 1,4113 1 1,0000 1

60 60 3 2 53 34 90 59 1,4113 1 1,0000 1

61 61 3 3 59 90 90 59 1,4113 1 1,0000 1

62 62 3 3 59 90 90 59 1,4113 1 1,0000 1

63 63 5 3 59 90 162,5 20 0,7589 0,7589 1

64 64 5 3 59 90 162,5 20 0,7589 0,7589 1



Lampiran 12-4



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

65 65 3 3 59 90 90 59 1,4113 1 1,0000 1

66 66 2 3 59 90 34 53 0,9929 0,9929 1

67 67 3 3 59 90 90 59 1,4113 1 1,0000 1

68 68 1 3 59 90 4 7 0,6170 0,6170 1

69 69 3 3 59 90 90 59 1,4113 1 1,0000 1

70 70 3 3 59 90 90 59 1,4113 1 1,0000 1

71 71 2 3 59 90 34 53 0,9929 0,9929 1

72 72 5 3 59 90 162,5 20 0,7589 0,7589 1

73 73 3 3 59 90 90 59 1,4113 1 1,0000 1

74 74 6 3 59 90 177 9 0,6170 0,6170 1

75 75 4 3 59 90 136 33 0,9929 0,9929 1

76 76 4 3 59 90 136 33 0,9929 0,9929 1

77 77 3 3 59 90 90 59 1,4113 1 1,0000 1

78 78 2 3 59 90 34 53 0,9929 0,9929 1

79 79 6 3 59 90 177 9 0,6170 0,6170 1

80 80 6 3 59 90 177 9 0,6170 0,6170 1

81 81 2 3 59 90 34 53 0,9929 0,9929 1

82 82 2 3 59 90 34 53 0,9929 0,9929 1

83 83 3 3 59 90 90 59 1,4113 1 1,0000 1

84 84 3 3 59 90 90 59 1,4113 1 1,0000 1

85 85 5 3 59 90 162,5 20 0,7589 0,7589 1

86 86 4 3 59 90 136 33 0,9929 0,9929 1



Lampiran 12-5



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

87 87 5 3 59 90 162,5 20 0,7589 0,7589 1

88 88 2 3 59 90 34 53 0,9929 0,9929 1

89 89 3 3 59 90 90 59 1,4113 1 1,0000 1

90 90 3 3 59 90 90 59 1,4113 1 1,0000 1

91 91 3 3 59 90 90 59 1,4113 1 1,0000 1

92 92 2 3 59 90 34 53 0,9929 0,9929 1

93 93 3 3 59 90 90 59 1,4113 1 1,0000 1

94 94 4 3 59 90 136 33 0,9929 0,9929 1

95 95 1 3 59 90 4 7 0,6170 0,6170 1

96 96 3 3 59 90 90 59 1,4113 1 1,0000 1

97 97 2 3 59 90 34 53 0,9929 0,9929 1

98 98 3 3 59 90 90 59 1,4113 1 1,0000 1

99 99 3 3 59 90 90 59 1,4113 1 1,0000 1

100 100 5 3 59 90 162,5 20 0,7589 0,7589 1

101 101 2 3 59 90 34 53 0,9929 0,9929 1

102 102 3 3 59 90 90 59 1,4113 1 1,0000 1

103 103 4 3 59 90 136 33 0,9929 0,9929 1

104 104 5 3 59 90 162,5 20 0,7589 0,7589 1

105 105 3 3 59 90 90 59 1,4113 1 1,0000 1

106 106 2 3 59 90 34 53 0,9929 0,9929 1

107 107 3 3 59 90 90 59 1,4113 1 1,0000 1

108 108 3 3 59 90 90 59 1,4113 1 1,0000 1



Lampiran 12-6



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

109 109 5 3 59 90 162,5 20 0,7589 0,7589 1

110 110 2 3 59 90 34 53 0,9929 0,9929 1

111 111 5 3 59 90 162,5 20 0,7589 0,7589 1

112 112 3 3 59 90 90 59 1,4113 1 1,0000 1

113 113 3 3 59 90 90 59 1,4113 1 1,0000 1

114 114 5 3 59 90 162,5 20 0,7589 0,7589 1

115 115 4 3 59 90 136 33 0,9929 0,9929 1

116 116 2 3 59 90 34 53 0,9929 0,9929 1

117 117 3 3 59 90 90 59 1,4113 1 1,0000 1

118 118 5 3 59 90 162,5 20 0,7589 0,7589 1

119 119 3 3 59 90 90 59 1,4113 1 1,0000 1

120 120 2 4 33 136 34 53 0,9929 0,9929 1

121 121 4 4 33 136 136 33 0,9929 0,9929 1

122 122 1 4 33 136 4 7 0,6170 0,6170 1

123 123 1 4 33 136 4 7 0,6170 0,6170 1

124 124 3 4 33 136 90 59 1,4113 1 1,0000 1

125 125 6 4 33 136 177 9 0,6170 0,6170 1

126 127 5 4 33 136 162,5 20 0,7589 0,7589 1

127 129 2 4 33 136 34 53 0,9929 0,9929 1

128 130 1 4 33 136 4 7 0,6170 0,6170 1

129 131 3 4 33 136 90 59 1,4113 1 1,0000 1

130 132 4 4 33 136 136 33 0,9929 0,9929 1



Lampiran 12-7



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

131 133 6 4 33 136 177 9 0,6170 0,6170 1

132 134 6 4 33 136 177 9 0,6170 0,6170 1

133 135 5 4 33 136 162,5 20 0,7589 0,7589 1

134 136 3 4 33 136 90 59 1,4113 1 1,0000 1

135 137 2 4 33 136 34 53 0,9929 0,9929 1

136 138 3 4 33 136 90 59 1,4113 1 1,0000 1

137 139 2 4 33 136 34 53 0,9929 0,9929 1

138 140 5 4 33 136 162,5 20 0,7589 0,7589 1

139 141 4 4 33 136 136 33 0,9929 0,9929 1

140 142 4 4 33 136 136 33 0,9929 0,9929 1

141 143 3 4 33 136 90 59 1,4113 1 1,0000 1

142 144 3 4 33 136 90 59 1,4113 1 1,0000 1

143 145 2 4 33 136 34 53 0,9929 0,9929 1

144 146 3 4 33 136 90 59 1,4113 1 1,0000 1

145 147 3 4 33 136 90 59 1,4113 1 1,0000 1

146 148 3 4 33 136 90 59 1,4113 1 1,0000 1

147 149 3 4 33 136 90 59 1,4113 1 1,0000 1

148 150 4 4 33 136 136 33 0,9929 0,9929 1

149 151 5 4 33 136 162,5 20 0,7589 0,7589 1

150 152 5 4 33 136 162,5 20 0,7589 0,7589 1

151 153 3 4 33 136 90 59 1,4113 1 1,0000 1

152 155 4 4 33 136 136 33 0,9929 0,9929 1



Lampiran 12-8



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

153 156 2 5 20 162,5 34 53 0,9929 0,9929 1

154 157 1 5 20 162,5 4 7 0,6170 0,6170 1

155 158 4 5 20 162,5 136 33 0,9929 0,9929 1

156 159 2 5 20 162,5 34 53 0,9929 0,9929 1

157 160 4 5 20 162,5 136 33 0,9929 0,9929 1

158 161 2 5 20 162,5 34 53 0,9929 0,9929 1

159 162 3 5 20 162,5 90 59 1,4113 1 1,0000 1

160 164 6 5 20 162,5 177 9 0,6170 0,6170 1

161 165 3 5 20 162,5 90 59 1,4113 1 1,0000 1

162 166 4 5 20 162,5 136 33 0,9929 0,9929 1

163 167 3 5 20 162,5 90 59 1,4113 1 1,0000 1

164 168 3 5 20 162,5 90 59 1,4113 1 1,0000 1

165 169 3 5 20 162,5 90 59 1,4113 1 1,0000 1

166 170 6 5 20 162,5 177 9 0,6170 0,6170 1

167 171 2 5 20 162,5 34 53 0,9929 0,9929 1

168 172 3 5 20 162,5 90 59 1,4113 1 1,0000 1

169 173 4 5 20 162,5 136 33 0,9929 0,9929 1

170 174 2 5 20 162,5 34 53 0,9929 0,9929 1

171 175 4 5 20 162,5 136 33 0,9929 0,9929 1

172 176 2 5 20 162,5 34 53 0,9929 0,9929 1

173 177 3 6 9 177 90 59 1,4113 1 1,0000 1

174 178 1 6 9 177 4 7 0,6170 0,6170 1



Lampiran 12-9



No. Urut

No. Loan

Status Perusahaan

Status Perusahaan

Rank

Status Perusahaan T

Status Perusahaan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

175 179 4 6 9 177 136 33 0,9929 0,9929 1

176 180 2 6 9 177 34 53 0,9929 0,9929 1

177 185 4 6 9 177 136 33 0,9929 0,9929 1

178 187 3 6 9 177 90 59 1,4113 1 1,0000 1

179 225 4 6 9 177 136 33 0,9929 0,9929 1

180 209 3 6 9 177 90 59 1,4113 1 1,0000 1

181 226 3 6 9 177 90 59 1,4113 1 1,0000 1



Lampiran 13-1

Lampiran 13 : Perhitungan domisili dengan tipe data ordinal



No. Urut

No. Loan

Domisili Domisili Rank

Domisili T Domisili Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 2 - - - 149,5 38 - - - -

1 1 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

2 2 1 1 130 65,5 65,5 130 0,9804 0,9804 1

3 3 1 1 130 65,5 65,5 130 0,9804 0,9804 1

4 4 1 1 130 65,5 65,5 130 0,9804 0,9804 1

5 5 1 1 130 65,5 65,5 130 0,9804 0,9804 1

6 6 1 1 130 65,5 65,5 130 0,9804 0,9804 1

7 7 1 1 130 65,5 65,5 130 0,9804 0,9804 1

8 8 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

9 9 1 1 130 65,5 65,5 130 0,9804 0,9804 1

10 10 1 1 130 65,5 65,5 130 0,9804 0,9804 1

11 11 1 1 130 65,5 65,5 130 0,9804 0,9804 1

12 12 1 1 130 65,5 65,5 130 0,9804 0,9804 1

13 13 1 1 130 65,5 65,5 130 0,9804 0,9804 1

14 14 1 1 130 65,5 65,5 130 0,9804 0,9804 1

15 15 1 1 130 65,5 65,5 130 0,9804 0,9804 1

16 16 1 1 130 65,5 65,5 130 0,9804 0,9804 1

17 17 1 1 130 65,5 65,5 130 0,9804 0,9804 1

18 18 1 1 130 65,5 65,5 130 0,9804 0,9804 1

19 19 1 1 130 65,5 65,5 130 0,9804 0,9804 1

20 20 1 1 130 65,5 65,5 130 0,9804 0,9804 1



Lampiran 13-2



No. Urut

No. Loan

Domisili Domisili Rank Domisili T Domisili Konversi Rank

Original Rank


similarity ordinal

sijk wijk

21 21 1 1 130 65,5 65,5 130 0,9804 0,9804 1

22 22 1 1 130 65,5 65,5 130 0,9804 0,9804 1

23 23 1 1 130 65,5 65,5 130 0,9804 0,9804 1

24 24 1 1 130 65,5 65,5 130 0,9804 0,9804 1

25 25 1 1 130 65,5 65,5 130 0,9804 0,9804 1

26 26 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

27 27 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

28 28 1 1 130 65,5 65,5 130 0,9804 0,9804 1

29 29 1 1 130 65,5 65,5 130 0,9804 0,9804 1

30 30 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

31 31 1 1 130 65,5 65,5 130 0,9804 0,9804 1

32 32 1 1 130 65,5 65,5 130 0,9804 0,9804 1

33 33 1 1 130 65,5 65,5 130 0,9804 0,9804 1

34 34 1 1 130 65,5 65,5 130 0,9804 0,9804 1

35 35 1 1 130 65,5 65,5 130 0,9804 0,9804 1

36 36 1 1 130 65,5 65,5 130 0,9804 0,9804 1

37 37 1 1 130 65,5 65,5 130 0,9804 0,9804 1

38 38 1 1 130 65,5 65,5 130 0,9804 0,9804 1

39 39 1 1 130 65,5 65,5 130 0,9804 0,9804 1

40 40 1 1 130 65,5 65,5 130 0,9804 0,9804 1

41 41 8 1 130 65,5 177,5 2 0,8235 0,8235 1

42 42 1 1 130 65,5 65,5 130 0,9804 0,9804 1



Lampiran 13-3



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

43 43 1 1 130 65,5 65,5 130 0,9804 0,9804 1

44 44 1 1 130 65,5 65,5 130 0,9804 0,9804 1

45 45 7 1 130 65,5 176 1 0,8431 0,8431 1

46 46 1 1 130 65,5 65,5 130 0,9804 0,9804 1

47 47 1 1 130 65,5 65,5 130 0,9804 0,9804 1

48 48 5 1 130 65,5 172,5 4 0,9412 0,9412 1

49 49 1 1 130 65,5 65,5 130 0,9804 0,9804 1

50 50 1 1 130 65,5 65,5 130 0,9804 0,9804 1

51 51 1 1 130 65,5 65,5 130 0,9804 0,9804 1

52 52 1 1 130 65,5 65,5 130 0,9804 0,9804 1

53 53 1 1 130 65,5 65,5 130 0,9804 0,9804 1

54 54 1 1 130 65,5 65,5 130 0,9804 0,9804 1

55 55 1 1 130 65,5 65,5 130 0,9804 0,9804 1

56 56 1 1 130 65,5 65,5 130 0,9804 0,9804 1

57 57 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

58 58 1 1 130 65,5 65,5 130 0,9804 0,9804 1

59 59 1 1 130 65,5 65,5 130 0,9804 0,9804 1

60 60 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

61 61 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

62 62 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

63 63 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

64 64 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1



Lampiran 13-4



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

65 65 1 1 130 65,5 65,5 130 0,9804 0,9804 1

66 66 1 1 130 65,5 65,5 130 0,9804 0,9804 1

67 67 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

68 68 1 1 130 65,5 65,5 130 0,9804 0,9804 1

69 69 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

70 70 1 1 130 65,5 65,5 130 0,9804 0,9804 1

71 71 1 1 130 65,5 65,5 130 0,9804 0,9804 1

72 72 1 1 130 65,5 65,5 130 0,9804 0,9804 1

73 73 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

74 74 9 1 130 65,5 179,5 2 0,7843 0,7843 1

75 75 1 1 130 65,5 65,5 130 0,9804 0,9804 1

76 76 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

77 77 1 1 130 65,5 65,5 130 0,9804 0,9804 1

78 78 1 1 130 65,5 65,5 130 0,9804 0,9804 1

79 79 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

80 80 9 1 130 65,5 179,5 2 0,7843 0,7843 1

81 81 1 1 130 65,5 65,5 130 0,9804 0,9804 1

82 82 1 1 130 65,5 65,5 130 0,9804 0,9804 1

83 83 1 1 130 65,5 65,5 130 0,9804 0,9804 1

84 84 1 1 130 65,5 65,5 130 0,9804 0,9804 1

85 85 1 1 130 65,5 65,5 130 0,9804 0,9804 1

86 86 1 1 130 65,5 65,5 130 0,9804 0,9804 1



Lampiran 13-5



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

87 87 1 1 130 65,5 65,5 130 0,9804 0,9804 1

88 88 1 1 130 65,5 65,5 130 0,9804 0,9804 1

89 89 1 1 130 65,5 65,5 130 0,9804 0,9804 1

90 90 1 1 130 65,5 65,5 130 0,9804 0,9804 1

91 91 1 1 130 65,5 65,5 130 0,9804 0,9804 1

92 92 1 1 130 65,5 65,5 130 0,9804 0,9804 1

93 93 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

94 94 1 1 130 65,5 65,5 130 0,9804 0,9804 1

95 95 1 1 130 65,5 65,5 130 0,9804 0,9804 1

96 96 1 1 130 65,5 65,5 130 0,9804 0,9804 1

97 97 1 1 130 65,5 65,5 130 0,9804 0,9804 1

98 98 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

99 99 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

100 100 1 1 130 65,5 65,5 130 0,9804 0,9804 1

101 101 1 1 130 65,5 65,5 130 0,9804 0,9804 1

102 102 1 1 130 65,5 65,5 130 0,9804 0,9804 1

103 103 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

104 104 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

105 105 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

106 106 1 1 130 65,5 65,5 130 0,9804 0,9804 1

107 107 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

108 108 1 1 130 65,5 65,5 130 0,9804 0,9804 1



Lampiran 13-6



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

109 109 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

110 110 1 1 130 65,5 65,5 130 0,9804 0,9804 1

111 111 1 1 130 65,5 65,5 130 0,9804 0,9804 1

112 112 1 1 130 65,5 65,5 130 0,9804 0,9804 1

113 113 1 1 130 65,5 65,5 130 0,9804 0,9804 1

114 114 1 1 130 65,5 65,5 130 0,9804 0,9804 1

115 115 1 1 130 65,5 65,5 130 0,9804 0,9804 1

116 116 1 1 130 65,5 65,5 130 0,9804 0,9804 1

117 117 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

118 118 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

119 119 1 1 130 65,5 65,5 130 0,9804 0,9804 1

120 120 1 1 130 65,5 65,5 130 0,9804 0,9804 1

121 121 1 1 130 65,5 65,5 130 0,9804 0,9804 1

122 122 3 1 130 65,5 169 1 0,9804 0,9804 1

123 123 10 1 130 65,5 181 1 0,7451 0,7451 1

124 124 1 1 130 65,5 65,5 130 0,9804 0,9804 1

125 125 1 1 130 65,5 65,5 130 0,9804 0,9804 1

126 127 1 1 130 65,5 65,5 130 0,9804 0,9804 1

127 129 1 1 130 65,5 65,5 130 0,9804 0,9804 1

128 130 1 1 130 65,5 65,5 130 0,9804 0,9804 1

129 131 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1

130 132 2 1 130 65,5 149,5 38 1,7255 1 1,0000 1



Lampiran 13-7



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

131 133 1 2 38 149,5 65,5 130 0,9804 0,9804 1

132 134 1 2 38 149,5 65,5 130 0,9804 0,9804 1

133 135 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

134 136 1 2 38 149,5 65,5 130 0,9804 0,9804 1

135 137 1 2 38 149,5 65,5 130 0,9804 0,9804 1

136 138 1 2 38 149,5 65,5 130 0,9804 0,9804 1

137 139 1 2 38 149,5 65,5 130 0,9804 0,9804 1

138 140 8 2 38 149,5 177,5 2 0,8235 0,8235 1

139 141 1 2 38 149,5 65,5 130 0,9804 0,9804 1

140 142 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

141 143 5 2 38 149,5 172,5 4 0,9412 0,9412 1

142 144 5 2 38 149,5 172,5 4 0,9412 0,9412 1

143 145 1 2 38 149,5 65,5 130 0,9804 0,9804 1

144 146 1 2 38 149,5 65,5 130 0,9804 0,9804 1

145 147 1 2 38 149,5 65,5 130 0,9804 0,9804 1

146 148 1 2 38 149,5 65,5 130 0,9804 0,9804 1

147 149 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

148 150 1 2 38 149,5 65,5 130 0,9804 0,9804 1

149 151 1 2 38 149,5 65,5 130 0,9804 0,9804 1

150 152 4 2 38 149,5 170 1 0,9608 0,9608 1

151 153 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

152 155 1 2 38 149,5 65,5 130 0,9804 0,9804 1



Lampiran 13-8



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

153 156 1 2 38 149,5 65,5 130 0,9804 0,9804 1

154 157 1 2 38 149,5 65,5 130 0,9804 0,9804 1

155 158 6 2 38 149,5 175 1 0,8627 0,8627 1

156 159 1 2 38 149,5 65,5 130 0,9804 0,9804 1

157 160 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

158 161 1 2 38 149,5 65,5 130 0,9804 0,9804 1

159 162 1 2 38 149,5 65,5 130 0,9804 0,9804 1

160 164 1 2 38 149,5 65,5 130 0,9804 0,9804 1

161 165 1 2 38 149,5 65,5 130 0,9804 0,9804 1

162 166 1 2 38 149,5 65,5 130 0,9804 0,9804 1

163 167 1 2 38 149,5 65,5 130 0,9804 0,9804 1

164 168 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

165 169 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

166 170 1 2 38 149,5 65,5 130 0,9804 0,9804 1

167 171 1 2 38 149,5 65,5 130 0,9804 0,9804 1

168 172 2 2 38 149,5 149,5 38 1,7255 1 1,0000 1

169 173 1 3 1 169 65,5 130 0,9804 0,9804 1

170 174 1 4 1 170 65,5 130 0,9804 0,9804 1

171 175 2 5 4 172,5 149,5 38 1,7255 1 1,0000 1

172 176 1 5 4 172,5 65,5 130 0,9804 0,9804 1

173 177 2 5 4 172,5 149,5 38 1,7255 1 1,0000 1

174 178 1 5 4 172,5 65,5 130 0,9804 0,9804 1



Lampiran 13-9



No. Urut

No. Loan


Original Rank


similarity ordinal

sijk wijk

175 179 1 6 1 175 65,5 130 0,9804 0,9804 1

176 180 1 7 1 176 65,5 130 0,9804 0,9804 1

177 185 1 8 2 177,5 65,5 130 0,9804 0,9804 1

178 187 1 8 2 177,5 65,5 130 0,9804 0,9804 1

179 225 1 9 2 179,5 65,5 130 0,9804 0,9804 1

180 209 5 9 2 179,5 172,5 4 0,9412 0,9412 1

181 226 1 10 1 181 65,5 130 0,9804 0,9804 1



Lampiran 14-1

Lampiran 14 : Perhitungan jenis jaminan dengan tipe data ordinal



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 2 - - - 113,5 120 - - - -

1 1 2 1 53 27 113,5 120 2,2593 1 1,0000 1

2 2 2 1 53 27 113,5 120 2,2593 1 1,0000 1

3 3 1 1 53 27 27 53 0,9894 0,9894 1

4 4 2 1 53 27 113,5 120 2,2593 1 1,0000 1

5 5 2 1 53 27 113,5 120 2,2593 1 1,0000 1

6 6 2 1 53 27 113,5 120 2,2593 1 1,0000 1

7 7 2 1 53 27 113,5 120 2,2593 1 1,0000 1

8 8 1 1 53 27 27 53 0,9894 0,9894 1

9 9 1 1 53 27 27 53 0,9894 0,9894 1

10 10 2 1 53 27 113,5 120 2,2593 1 1,0000 1

11 11 2 1 53 27 113,5 120 2,2593 1 1,0000 1

12 12 2 1 53 27 113,5 120 2,2593 1 1,0000 1

13 13 2 1 53 27 113,5 120 2,2593 1 1,0000 1

14 14 2 1 53 27 113,5 120 2,2593 1 1,0000 1

15 15 1 1 53 27 27 53 0,9894 0,9894 1

16 16 2 1 53 27 113,5 120 2,2593 1 1,0000 1

17 17 1 1 53 27 27 53 0,9894 0,9894 1

18 18 2 1 53 27 113,5 120 2,2593 1 1,0000 1

19 19 2 1 53 27 113,5 120 2,2593 1 1,0000 1

20 20 3 1 53 27 177 7 0,9894 0,9894 1



Lampiran 14-2



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

21 21 1 1 53 27 27 53 0,9894 0,9894 1

22 22 2 1 53 27 113,5 120 2,2593 1 1,0000 1

23 23 2 1 53 27 113,5 120 2,2593 1 1,0000 1

24 24 2 1 53 27 113,5 120 2,2593 1 1,0000 1

25 25 2 1 53 27 113,5 120 2,2593 1 1,0000 1

26 26 2 1 53 27 113,5 120 2,2593 1 1,0000 1

27 27 2 1 53 27 113,5 120 2,2593 1 1,0000 1

28 28 1 1 53 27 27 53 0,9894 0,9894 1

29 29 2 1 53 27 113,5 120 2,2593 1 1,0000 1

30 30 2 1 53 27 113,5 120 2,2593 1 1,0000 1

31 31 2 1 53 27 113,5 120 2,2593 1 1,0000 1

32 32 2 1 53 27 113,5 120 2,2593 1 1,0000 1

33 33 2 1 53 27 113,5 120 2,2593 1 1,0000 1

34 34 2 1 53 27 113,5 120 2,2593 1 1,0000 1

35 35 2 1 53 27 113,5 120 2,2593 1 1,0000 1

36 36 2 1 53 27 113,5 120 2,2593 1 1,0000 1

37 37 2 1 53 27 113,5 120 2,2593 1 1,0000 1

38 38 2 1 53 27 113,5 120 2,2593 1 1,0000 1

39 39 5 1 53 27 181 1 0,9153 0,9153 1

40 40 3 1 53 27 177 7 0,9894 0,9894 1

41 41 2 1 53 27 113,5 120 2,2593 1 1,0000 1

42 42 1 1 53 27 27 53 0,9894 0,9894 1



Lampiran 14-3



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

43 43 1 1 53 27 27 53 0,9894 0,9894 1

44 44 2 1 53 27 113,5 120 2,2593 1 1,0000 1

45 45 2 1 53 27 113,5 120 2,2593 1 1,0000 1

46 46 2 1 53 27 113,5 120 2,2593 1 1,0000 1

47 47 2 1 53 27 113,5 120 2,2593 1 1,0000 1

48 48 2 1 53 27 113,5 120 2,2593 1 1,0000 1

49 49 2 1 53 27 113,5 120 2,2593 1 1,0000 1

50 50 2 1 53 27 113,5 120 2,2593 1 1,0000 1

51 51 2 1 53 27 113,5 120 2,2593 1 1,0000 1

52 52 2 1 53 27 113,5 120 2,2593 1 1,0000 1

53 53 2 1 53 27 113,5 120 2,2593 1 1,0000 1

54 54 1 2 120 113,5 27 53 0,9894 0,9894 1

55 55 1 2 120 113,5 27 53 0,9894 0,9894 1

56 56 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

57 57 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

58 58 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

59 59 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

60 60 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

61 61 1 2 120 113,5 27 53 0,9894 0,9894 1

62 62 1 2 120 113,5 27 53 0,9894 0,9894 1

63 63 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

64 64 1 2 120 113,5 27 53 0,9894 0,9894 1



Lampiran 14-4



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

65 65 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

66 66 1 2 120 113,5 27 53 0,9894 0,9894 1

67 67 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

68 68 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

69 69 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

70 70 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

71 71 1 2 120 113,5 27 53 0,9894 0,9894 1

72 72 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

73 73 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

74 74 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

75 75 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

76 76 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

77 77 1 2 120 113,5 27 53 0,9894 0,9894 1

78 78 1 2 120 113,5 27 53 0,9894 0,9894 1

79 79 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

80 80 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

81 81 1 2 120 113,5 27 53 0,9894 0,9894 1

82 82 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

83 83 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

84 84 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

85 85 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

86 86 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1



Lampiran 14-5



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

87 87 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

88 88 1 2 120 113,5 27 53 0,9894 0,9894 1

89 89 1 2 120 113,5 27 53 0,9894 0,9894 1

90 90 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

91 91 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

92 92 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

93 93 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

94 94 1 2 120 113,5 27 53 0,9894 0,9894 1

95 95 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

96 96 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

97 97 1 2 120 113,5 27 53 0,9894 0,9894 1

98 98 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

99 99 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

100 100 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

101 101 1 2 120 113,5 27 53 0,9894 0,9894 1

102 102 1 2 120 113,5 27 53 0,9894 0,9894 1

103 103 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

104 104 1 2 120 113,5 27 53 0,9894 0,9894 1

105 105 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

106 106 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

107 107 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

108 108 1 2 120 113,5 27 53 0,9894 0,9894 1



Lampiran 14-6



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

109 109 1 2 120 113,5 27 53 0,9894 0,9894 1

110 110 1 2 120 113,5 27 53 0,9894 0,9894 1

111 111 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

112 112 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

113 113 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

114 114 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

115 115 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

116 116 1 2 120 113,5 27 53 0,9894 0,9894 1

117 117 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

118 118 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

119 119 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

120 120 1 2 120 113,5 27 53 0,9894 0,9894 1

121 121 1 2 120 113,5 27 53 0,9894 0,9894 1

122 122 1 2 120 113,5 27 53 0,9894 0,9894 1

123 123 1 2 120 113,5 27 53 0,9894 0,9894 1

124 124 3 2 120 113,5 177 7 0,9894 0,9894 1

125 125 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

126 127 1 2 120 113,5 27 53 0,9894 0,9894 1

127 129 1 2 120 113,5 27 53 0,9894 0,9894 1

128 130 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

129 131 1 2 120 113,5 27 53 0,9894 0,9894 1

130 132 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1



Lampiran 14-7



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

131 133 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

132 134 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

133 135 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

134 136 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

135 137 1 2 120 113,5 27 53 0,9894 0,9894 1

136 138 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

137 139 3 2 120 113,5 177 7 0,9894 0,9894 1

138 140 1 2 120 113,5 27 53 0,9894 0,9894 1

139 141 1 2 120 113,5 27 53 0,9894 0,9894 1

140 142 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

141 143 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

142 144 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

143 145 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

144 146 1 2 120 113,5 27 53 0,9894 0,9894 1

145 147 1 2 120 113,5 27 53 0,9894 0,9894 1

146 148 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

147 149 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

148 150 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

149 151 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

150 152 1 2 120 113,5 27 53 0,9894 0,9894 1

151 153 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

152 155 1 2 120 113,5 27 53 0,9894 0,9894 1



Lampiran 14-8



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

153 156 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

154 157 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

155 158 1 2 120 113,5 27 53 0,9894 0,9894 1

156 159 3 2 120 113,5 177 7 0,9894 0,9894 1

157 160 1 2 120 113,5 27 53 0,9894 0,9894 1

158 161 3 2 120 113,5 177 7 0,9894 0,9894 1

159 162 1 2 120 113,5 27 53 0,9894 0,9894 1

160 164 1 2 120 113,5 27 53 0,9894 0,9894 1

161 165 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

162 166 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

163 167 1 2 120 113,5 27 53 0,9894 0,9894 1

164 168 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

165 169 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

166 170 1 2 120 113,5 27 53 0,9894 0,9894 1

167 171 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

168 172 1 2 120 113,5 27 53 0,9894 0,9894 1

169 173 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

170 174 3 2 120 113,5 177 7 0,9894 0,9894 1

171 175 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

172 176 1 2 120 113,5 27 53 0,9894 0,9894 1

173 177 2 2 120 113,5 113,5 120 2,2593 1 1,0000 1

174 178 2 3 7 177 113,5 120 2,2593 1 1,0000 1



Lampiran 14-9



No. Urut

No. Loan

Jenis Jaminan

Jenis Jaminan

Rank

Jenis Jaminan T

Jenis Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

175 179 2 3 7 177 113,5 120 2,2593 1 1,0000 1

176 180 1 3 7 177 27 53 0,9894 0,9894 1

177 185 2 3 7 177 113,5 120 2,2593 1 1,0000 1

178 187 2 3 7 177 113,5 120 2,2593 1 1,0000 1

179 225 2 3 7 177 113,5 120 2,2593 1 1,0000 1

180 209 2 3 7 177 113,5 120 2,2593 1 1,0000 1

181 226 2 5 1 181 113,5 120 2,2593 1 1,0000 1



Lampiran 15-1

Lampiran 15 : Perhitungan lokasi jaminan dengan tipe data ordinal



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

- - 2 - - - 126,5 84 - - - -

1 1 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

2 2 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

3 3 1 1 84 42,5 42,5 84 0,9897 0,9897 1

4 4 1 1 84 42,5 42,5 84 0,9897 0,9897 1

5 5 1 1 84 42,5 42,5 84 0,9897 0,9897 1

6 6 1 1 84 42,5 42,5 84 0,9897 0,9897 1

7 7 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

8 8 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

9 9 1 1 84 42,5 42,5 84 0,9897 0,9897 1

10 10 1 1 84 42,5 42,5 84 0,9897 0,9897 1

11 11 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

12 12 1 1 84 42,5 42,5 84 0,9897 0,9897 1

13 13 1 1 84 42,5 42,5 84 0,9897 0,9897 1

14 14 1 1 84 42,5 42,5 84 0,9897 0,9897 1

15 15 1 1 84 42,5 42,5 84 0,9897 0,9897 1

16 16 1 1 84 42,5 42,5 84 0,9897 0,9897 1

17 17 1 1 84 42,5 42,5 84 0,9897 0,9897 1

18 18 1 1 84 42,5 42,5 84 0,9897 0,9897 1

19 19 1 1 84 42,5 42,5 84 0,9897 0,9897 1

20 20 1 1 84 42,5 42,5 84 0,9897 0,9897 1



Lampiran 15-2



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

21 21 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

22 22 1 1 84 42,5 42,5 84 0,9897 0,9897 1

23 23 1 1 84 42,5 42,5 84 0,9897 0,9897 1

24 24 1 1 84 42,5 42,5 84 0,9897 0,9897 1

25 25 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

26 26 1 1 84 42,5 42,5 84 0,9897 0,9897 1

27 27 1 1 84 42,5 42,5 84 0,9897 0,9897 1

28 28 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

29 29 1 1 84 42,5 42,5 84 0,9897 0,9897 1

30 30 1 1 84 42,5 42,5 84 0,9897 0,9897 1

31 31 1 1 84 42,5 42,5 84 0,9897 0,9897 1

32 32 1 1 84 42,5 42,5 84 0,9897 0,9897 1

33 33 1 1 84 42,5 42,5 84 0,9897 0,9897 1

34 34 1 1 84 42,5 42,5 84 0,9897 0,9897 1

35 35 5 1 84 42,5 175 5 0,9485 0,9485 1

36 36 1 1 84 42,5 42,5 84 0,9897 0,9897 1

37 37 1 1 84 42,5 42,5 84 0,9897 0,9897 1

38 38 1 1 84 42,5 42,5 84 0,9897 0,9897 1

39 39 1 1 84 42,5 42,5 84 0,9897 0,9897 1

40 40 1 1 84 42,5 42,5 84 0,9897 0,9897 1

41 41 1 1 84 42,5 42,5 84 0,9897 0,9897 1

42 42 1 1 84 42,5 42,5 84 0,9897 0,9897 1



Lampiran 15-3



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

43 43 1 1 84 42,5 42,5 84 0,9897 0,9897 1

44 44 1 1 84 42,5 42,5 84 0,9897 0,9897 1

45 45 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

46 46 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

47 47 2 1 84 42,5 126,5 84 1,8557 1,0000 1

48 48 1 1 84 42,5 42,5 84 0,9897 0,9897 1

49 49 1 1 84 42,5 42,5 84 0,9897 0,9897 1

50 50 1 1 84 42,5 42,5 84 0,9897 0,9897 1

51 51 1 1 84 42,5 42,5 84 0,9897 0,9897 1

52 52 1 1 84 42,5 42,5 84 0,9897 0,9897 1

53 53 1 1 84 42,5 42,5 84 0,9897 0,9897 1

54 54 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

55 55 1 1 84 42,5 42,5 84 0,9897 0,9897 1

56 56 1 1 84 42,5 42,5 84 0,9897 0,9897 1

57 57 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

58 58 1 1 84 42,5 42,5 84 0,9897 0,9897 1

59 59 1 1 84 42,5 42,5 84 0,9897 0,9897 1

60 60 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

61 61 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

62 62 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

63 63 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

64 64 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1



Lampiran 15-4



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

65 65 1 1 84 42,5 42,5 84 0,9897 0,9897 1

66 66 1 1 84 42,5 42,5 84 0,9897 0,9897 1

67 67 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

68 68 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

69 69 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

70 70 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

71 71 1 1 84 42,5 42,5 84 0,9897 0,9897 1

72 72 1 1 84 42,5 42,5 84 0,9897 0,9897 1

73 73 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

74 74 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

75 75 1 1 84 42,5 42,5 84 0,9897 0,9897 1

76 76 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

77 77 1 1 84 42,5 42,5 84 0,9897 0,9897 1

78 78 1 1 84 42,5 42,5 84 0,9897 0,9897 1

79 79 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

80 80 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

81 81 1 1 84 42,5 42,5 84 0,9897 0,9897 1

82 82 1 1 84 42,5 42,5 84 0,9897 0,9897 1

83 83 1 1 84 42,5 42,5 84 0,9897 0,9897 1

84 84 2 1 84 42,5 126,5 84 1,8557 1 1,0000 1

85 85 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

86 86 1 2 84 126,5 42,5 84 0,9897 0,9897 1



Lampiran 15-5



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

87 87 1 2 84 126,5 42,5 84 0,9897 0,9897 1

88 88 1 2 84 126,5 42,5 84 0,9897 0,9897 1

89 89 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

90 90 1 2 84 126,5 42,5 84 0,9897 0,9897 1

91 91 3 2 84 126,5 170,5 4 0,9897 0,9897 1

92 92 6 2 84 126,5 178 1 0,8969 0,8969 1

93 93 1 2 84 126,5 42,5 84 0,9897 0,9897 1

94 94 1 2 84 126,5 42,5 84 0,9897 0,9897 1

95 95 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

96 96 1 2 84 126,5 42,5 84 0,9897 0,9897 1

97 97 5 2 84 126,5 175 5 0,9485 0,9485 1

98 98 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

99 99 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

100 100 1 2 84 126,5 42,5 84 0,9897 0,9897 1

101 101 1 2 84 126,5 42,5 84 0,9897 0,9897 1

102 102 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

103 103 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

104 104 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

105 105 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

106 106 8 2 84 126,5 179 1 0,8866 0,8866 1

107 107 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

108 108 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1



Lampiran 15-6



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

109 109 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

110 110 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

111 111 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

112 112 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

113 113 1 2 84 126,5 42,5 84 0,9897 0,9897 1

114 114 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

115 115 1 2 84 126,5 42,5 84 0,9897 0,9897 1

116 116 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

117 117 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

118 118 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

119 119 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

120 120 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

121 121 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

122 122 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

123 123 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

124 124 1 2 84 126,5 42,5 84 0,9897 0,9897 1

125 125 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

126 127 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

127 129 1 2 84 126,5 42,5 84 0,9897 0,9897 1

128 130 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

129 131 3 2 84 126,5 170,5 4 0,9897 0,9897 1

130 132 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1



Lampiran 15-7



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

131 133 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

132 134 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

133 135 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

134 136 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

135 137 1 2 84 126,5 42,5 84 0,9897 0,9897 1

136 138 1 2 84 126,5 42,5 84 0,9897 0,9897 1

137 139 1 2 84 126,5 42,5 84 0,9897 0,9897 1

138 140 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

139 141 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

140 142 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

141 143 3 2 84 126,5 170,5 4 0,9897 0,9897 1

142 144 3 2 84 126,5 170,5 4 0,9897 0,9897 1

143 145 1 2 84 126,5 42,5 84 0,9897 0,9897 1

144 146 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

145 147 1 2 84 126,5 42,5 84 0,9897 0,9897 1

146 148 1 2 84 126,5 42,5 84 0,9897 0,9897 1

147 149 5 2 84 126,5 175 5 0,9485 0,9485 1

148 150 1 2 84 126,5 42,5 84 0,9897 0,9897 1

149 151 1 2 84 126,5 42,5 84 0,9897 0,9897 1

150 152 5 2 84 126,5 175 5 0,9485 0,9485 1

151 153 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

152 155 5 2 84 126,5 175 5 0,9485 0,9485 1



Lampiran 15-8



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

153 156 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

154 157 10 2 84 126,5 181 1 0,8660 0,8660 1

155 158 9 2 84 126,5 180 1 0,8763 0,8763 1

156 159 1 2 84 126,5 42,5 84 0,9897 0,9897 1

157 160 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

158 161 1 2 84 126,5 42,5 84 0,9897 0,9897 1

159 162 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

160 164 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

161 165 1 2 84 126,5 42,5 84 0,9897 0,9897 1

162 166 1 2 84 126,5 42,5 84 0,9897 0,9897 1

163 167 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

164 168 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

165 169 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

166 170 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

167 171 1 2 84 126,5 42,5 84 0,9897 0,9897 1

168 172 2 2 84 126,5 126,5 84 1,8557 1 1,0000 1

169 173 1 3 4 170,5 42,5 84 0,9897 0,9897 1

170 174 1 3 4 170,5 42,5 84 0,9897 0,9897 1

171 175 2 3 4 170,5 126,5 84 1,8557 1 1,0000 1

172 176 2 3 4 170,5 126,5 84 1,8557 1 1,0000 1

173 177 2 5 5 175 126,5 84 1,8557 1 1,0000 1

174 178 2 5 5 175 126,5 84 1,8557 1 1,0000 1



Lampiran 15-9



No. Urut

No. Loan

Lokasi Jaminan

Lokasi Jaminan

Rank

Lokasi Jaminan T

Lokasi Jaminan

Konversi Rank

Original Rank


similarity ordinal

sijk wijk

175 179 1 5 5 175 42,5 84 0,9897 0,9897 1

176 180 2 5 5 175 126,5 84 1,8557 1 1,0000 1

177 185 2 5 5 175 126,5 84 1,8557 1 1,0000 1

178 187 2 6 1 178 126,5 84 1,8557 1 1,0000 1

179 225 2 8 1 179 126,5 84 1,8557 1 1,0000 1

180 209 2 9 1 180 126,5 84 1,8557 1 1,0000 1

181 226 2 10 1 181 126,5 84 1,8557 1 1,0000 1



Lampiran 16-1

Lampiran 16 : Perhitungan jangka waktu dengan tipe data nominal No.

Urut No.

Loan Jangka Waktu sijk wijk

- - 10 - - 1 1 10 1 1 2 2 10 1 1 3 3 15 0 1 4 4 6 0 1 5 5 10 1 1 6 6 15 0 1 7 7 8 0 1 8 8 15 0 1 9 9 15 0 1 10 10 10 1 1 11 11 15 0 1 12 12 3 0 1 13 13 11 0 1 14 14 10 1 1 15 15 10 1 1 16 16 10 1 1 17 17 15 0 1 18 18 7,5 0 1 19 19 15 0 1 20 20 10 1 1 21 21 10 1 1 22 22 10 1 1 23 23 15 0 1 24 24 10 1 1 25 25 8 0 1 26 26 10 1 1 27 27 10 1 1 28 28 7 0 1 29 29 15 0 1 30 30 10 1 1 31 31 10 1 1 32 32 6 0 1 33 33 7 0 1 34 34 10 1 1 35 35 6 0 1 36 36 7 0 1 37 37 10 1 1



Lampiran 16-2

No. Urut

No. Loan

Jangka Waktu sijk wijk

38 38 10 1 1 39 39 10 1 1 40 40 10 1 1 41 41 15 0 1 42 42 10 1 1 43 43 10 1 1 44 44 10 1 1 45 45 5 0 1 46 46 10 1 1 47 47 10 1 1 48 48 3 0 1 49 49 10 1 1 50 50 10 1 1 51 51 10 1 1 52 52 5 0 1 53 53 10 1 1 54 54 10 1 1 55 55 5 0 1 56 56 5 0 1 57 57 15 0 1 58 58 10 1 1 59 59 10 1 1 60 60 10 1 1 61 61 5 0 1 62 62 10 1 1 63 63 15 0 1 64 64 15 0 1 65 65 8 0 1 66 66 10 1 1 67 67 10 1 1 68 68 10 1 1 69 69 10 1 1 70 70 8 0 1 71 71 15 0 1 72 72 15 0 1 73 73 10 1 1 74 74 15 0 1 75 75 5 0 1 76 76 6 0 1



Lampiran 16-3

No. Urut

No. Loan


77 77 15 0 1 78 78 10 1 1 79 79 10 1 1 80 80 10 1 1 81 81 3 0 1 82 82 10 1 1 83 83 10 1 1 84 84 10 1 1 85 85 10 1 1 86 86 15 0 1 87 87 15 0 1 88 88 4 0 1 89 89 3 0 1 90 90 5 0 1 91 91 10 1 1 92 92 10 1 1 93 93 8 0 1 94 94 10 1 1 95 95 10 1 1 96 96 15 0 1 97 97 10 1 1 98 98 10 1 1 99 99 10 1 1

100 100 10 1 1 101 101 15 0 1 102 102 15 0 1 103 103 10 1 1 104 104 15 0 1 105 105 15 0 1 106 106 10 1 1 107 107 15 0 1 108 108 15 0 1 109 109 15 0 1 110 110 10 1 1 111 111 5 0 1 112 112 10 1 1 113 113 10 1 1 114 114 4 0 1 115 115 2 0 1



Lampiran 16-4

No. Urut

No. Loan


116 116 15 0 1 117 117 10 1 1 118 118 10 1 1 119 119 10 1 1 120 120 10 1 1 121 121 15 0 1 122 122 15 0 1 123 123 15 0 1 124 124 10 1 1 125 125 10 1 1 126 127 15 0 1 127 129 15 0 1 128 130 10 1 1 129 131 15 0 1 130 132 5 0 1 131 133 7 0 1 132 134 10 1 1 133 135 15 0 1 134 136 8 0 1 135 137 5 0 1 136 138 10 1 1 137 139 5 0 1 138 140 10 1 1 139 141 10 1 1 140 142 10 1 1 141 143 15 0 1 142 144 15 0 1 143 145 15 0 1 144 146 10 1 1 145 147 5 0 1 146 148 10 1 1 147 149 10 1 1 148 150 8 0 1 149 151 8 0 1 150 152 10 1 1 151 153 10 1 1 152 155 15 0 1 153 156 10 1 1 154 157 15 0 1



Lampiran 16-5

No. Urut

No. Loan


155 158 5 0 1 156 159 7 0 1 157 160 5 0 1 158 161 15 0 1 159 162 15 0 1 160 164 10 1 1 161 165 10 1 1 162 166 15 0 1 163 167 10 1 1 164 168 10 1 1 165 169 10 1 1 166 170 7 0 1 167 171 15 0 1 168 172 9 0 1 169 173 10 1 1 170 174 10 1 1 171 175 7 0 1 172 176 10 1 1 173 177 15 0 1 174 178 15 0 1 175 179 15 0 1 176 180 5 0 1 177 185 15 0 1 178 187 15 0 1 179 225 15 0 1 180 209 15 0 1 181 226 15 0 1



Lampiran 17-1

Lampiran 17 : Perhitungan jumlah anak dengan tipe data nominal No.

Urut No.

Loan Jumlah Anak sijk wijk

- - 3 - - 1 1 3 1 1 2 2 3 1 1 3 3 0 0 1 4 4 0 0 1 5 5 2 0 1 6 6 2 0 1 7 7 3 1 1 8 8 2 0 1 9 9 1 0 1

10 10 3 1 1 11 11 0 0 1 12 12 2 0 1 13 13 3 1 1 14 14 3 1 1 15 15 2 0 1 16 16 2 0 1 17 17 0 0 1 18 18 0 0 1 19 19 3 1 1 20 20 3 1 1 21 21 3 1 1 22 22 1 0 1 23 23 2 0 1 24 24 2 0 1 25 25 2 0 1 26 26 2 0 1 27 27 1 0 1 28 28 2 0 1 29 29 2 0 1 30 30 0 0 1 31 31 2 0 1 32 32 3 1 1 33 33 2 0 1 34 34 3 1 1 35 35 2 0 1 36 36 3 1 1 37 37 1 0 1



Lampiran 17-2

No. Urut

No. Loan


38 38 2 0 1 39 39 0 0 1 40 40 2 0 1 41 41 2 0 1 42 42 2 0 1 43 43 1 0 1 44 44 1 0 1 45 45 2 0 1 46 46 2 0 1 47 47 2 0 1 48 48 3 1 1 49 49 1 0 1 50 50 2 0 1 51 51 2 0 1 52 52 1 0 1 53 53 1 0 1 54 54 1 0 1 55 55 2 0 1 56 56 0 0 1 57 57 0 0 1 58 58 0 0 1 59 59 0 0 1 60 60 2 0 1 61 61 3 1 1 62 62 2 0 1 63 63 0 0 1 64 64 2 0 1 65 65 1 0 1 66 66 1 0 1 67 67 0 0 1 68 68 0 0 1 69 69 1 0 1 70 70 0 0 1 71 71 3 1 1 72 72 0 0 1 73 73 1 0 1 74 74 2 0 1 75 75 1 0 1 76 76 2 0 1



Lampiran 17-3

No. Urut

No. Loan


77 77 3 1 1 78 78 4 0 1 79 79 0 0 1 80 80 1 0 1 81 81 2 0 1 82 82 1 0 1 83 83 1 0 1 84 84 1 0 1 85 85 0 0 1 86 86 0 0 1 87 87 1 0 1 88 88 2 0 1 89 89 2 0 1 90 90 1 0 1 91 91 1 0 1 92 92 1 0 1 93 93 2 0 1 94 94 2 0 1 95 95 2 0 1 96 96 0 0 1 97 97 2 0 1 98 98 2 0 1 99 99 1 0 1

100 100 2 0 1 101 101 1 0 1 102 102 1 0 1 103 103 2 0 1 104 104 2 0 1 105 105 1 0 1 106 106 1 0 1 107 107 1 0 1 108 108 0 0 1 109 109 0 0 1 110 110 3 1 1 111 111 2 0 1 112 112 2 0 1 113 113 4 0 1 114 114 1 0 1 115 115 3 1 1



Lampiran 17-4

No. Urut

No. Loan


116 116 0 0 1 117 117 5 0 1 118 118 1 0 1 119 119 2 0 1 120 120 1 0 1 121 121 2 0 1 122 122 1 0 1 123 123 0 0 1 124 124 3 1 1 125 125 2 0 1 126 127 0 0 1 127 129 2 0 1 128 130 1 0 1 129 131 1 0 1 130 132 2 0 1 131 133 2 0 1 132 134 1 0 1 133 135 0 0 1 134 136 0 0 1 135 137 3 1 1 136 138 2 0 1 137 139 1 0 1 138 140 2 0 1 139 141 2 0 1 140 142 3 1 1 141 143 2 0 1 142 144 3 1 1 143 145 3 1 1 144 146 1 0 1 145 147 2 0 1 146 148 0 0 1 147 149 0 0 1 148 150 1 0 1 149 151 5 0 1 150 152 2 0 1 151 153 2 0 1 152 155 0 0 1 153 156 2 0 1 154 157 2 0 1



Lampiran 17-5

No. Urut

No. Loan


155 158 2 0 1 156 159 3 1 1 157 160 2 0 1 158 161 2 0 1 159 162 1 0 1 160 164 2 0 1 161 165 0 0 1 162 166 2 0 1 163 167 2 0 1 164 168 3 1 1 165 169 2 0 1 166 170 3 1 1 167 171 3 1 1 168 172 4 0 1 169 173 2 0 1 170 174 5 0 1 171 175 2 0 1 172 176 1 0 1 173 177 3 1 1 174 178 2 0 1 175 179 2 0 1 176 180 2 0 1 177 185 0 0 1 178 187 0 0 1 179 225 2 0 1 180 209 1 0 1 181 226 1 0 1



Lampiran 18-1

Lampiran 18 : Perhitungan status perkawinan dengan tipe data nominal No.

Urut No.

Loan Status

Perkawinan sijk wijk

- - 1 - - 1 1 1 1 1 2 2 1 1 1 3 3 1 1 1 4 4 1 1 1 5 5 1 1 1 6 6 1 1 1 7 7 1 1 1 8 8 1 1 1 9 9 1 1 1

10 10 1 1 1 11 11 1 1 1 12 12 1 1 1 13 13 1 1 1 14 14 1 1 1 15 15 1 1 1 16 16 1 1 1 17 17 1 1 1 18 18 1 1 1 19 19 1 1 1 20 20 1 1 1 21 21 1 1 1 22 22 1 1 1 23 23 1 1 1 24 24 1 1 1 25 25 1 1 1 26 26 1 1 1 27 27 1 1 1 28 28 1 1 1 29 29 1 1 1 30 30 1 1 1 31 31 1 1 1 32 32 1 1 1 33 33 1 1 1 34 34 1 1 1 35 35 1 1 1 36 36 1 1 1 37 37 1 1 1



Lampiran 18-2

No. Urut

No. Loan

Status Perkawinan sijk wijk

38 38 1 1 1 39 39 1 1 1 40 40 1 1 1 41 41 1 1 1 42 42 1 1 1 43 43 1 1 1 44 44 1 1 1 45 45 1 1 1 46 46 1 1 1 47 47 1 1 1 48 48 1 1 1 49 49 1 1 1 50 50 1 1 1 51 51 1 1 1 52 52 1 1 1 53 53 1 1 1 54 54 1 1 1 55 55 1 1 1 56 56 1 1 1 57 57 1 1 1 58 58 1 1 1 59 59 1 1 1 60 60 1 1 1 61 61 1 1 1 62 62 1 1 1 63 63 1 1 1 64 64 1 1 1 65 65 1 1 1 66 66 2 0 1 67 67 1 1 1 68 68 1 1 1 69 69 1 1 1 70 70 1 1 1 71 71 1 1 1 72 72 1 1 1 73 73 1 1 1 74 74 1 1 1 75 75 2 0 1 76 76 1 1 1



Lampiran 18-3

No. Urut

No. Loan


77 77 1 1 1 78 78 1 1 1 79 79 1 1 1 80 80 1 1 1 81 81 1 1 1 82 82 1 1 1 83 83 1 1 1 84 84 1 1 1 85 85 1 1 1 86 86 1 1 1 87 87 1 1 1 88 88 1 1 1 89 89 1 1 1 90 90 1 1 1 91 91 1 1 1 92 92 1 1 1 93 93 1 1 1 94 94 1 1 1 95 95 1 1 1 96 96 1 1 1 97 97 1 1 1 98 98 1 1 1 99 99 1 1 1

100 100 1 1 1 101 101 1 1 1 102 102 1 1 1 103 103 1 1 1 104 104 1 1 1 105 105 1 1 1 106 106 1 1 1 107 107 1 1 1 108 108 1 1 1 109 109 1 1 1 110 110 1 1 1 111 111 1 1 1 112 112 1 1 1 113 113 1 1 1 114 114 2 0 1 115 115 1 1 1



Lampiran 18-4

No. Urut

No. Loan


116 116 3 0 1 117 117 1 1 1 118 118 1 1 1 119 119 1 1 1 120 120 1 1 1 121 121 1 1 1 122 122 1 1 1 123 123 1 1 1 124 124 1 1 1 125 125 1 1 1 126 127 1 1 1 127 129 1 1 1 128 130 1 1 1 129 131 1 1 1 130 132 1 1 1 131 133 1 1 1 132 134 1 1 1 133 135 1 1 1 134 136 1 1 1 135 137 1 1 1 136 138 1 1 1 137 139 1 1 1 138 140 1 1 1 139 141 1 1 1 140 142 1 1 1 141 143 1 1 1 142 144 1 1 1 143 145 1 1 1 144 146 1 1 1 145 147 1 1 1 146 148 1 1 1 147 149 1 1 1 148 150 1 1 1 149 151 1 1 1 150 152 1 1 1 151 153 1 1 1 152 155 1 1 1 153 156 1 1 1 154 157 1 1 1



Lampiran 18-5

No. Urut

No. Loan


155 158 1 1 1 156 159 1 1 1 157 160 1 1 1 158 161 1 1 1 159 162 1 1 1 160 164 1 1 1 161 165 1 1 1 162 166 1 1 1 163 167 1 1 1 164 168 1 1 1 165 169 1 1 1 166 170 1 1 1 167 171 1 1 1 168 172 1 1 1 169 173 1 1 1 170 174 1 1 1 171 175 1 1 1 172 176 1 1 1 173 177 1 1 1 174 178 1 1 1 175 179 1 1 1 176 180 1 1 1 177 185 1 1 1 178 187 1 1 1 179 225 1 1 1 180 209 1 1 1 181 226 1 1 1



Lampiran 19-1

Lampiran 19 : Hasil perhitungan menggunakan rumus similarity antara data training dan data testing

sijk

wijk Label

K = 13

Data Testing dibandingkan data Training

No. Urut

No. Loan Usia Jenis

Pekerjaan Status

Perusahaan Lama Kerja Domisili Jaminan Lokasi

Jaminan Jangka Waktu Angsuran Realisasi Jumlah

Anak Status

Perkawinan Usia Jenis Pekerjaan

Status Perusahaan

Lama Kerja Domisili Jaminan Lokasi

Jaminan Jangka Waktu Angsuran Realisasi Jumlah

Anak Status

Perkawinan Memo Label Memo

Similarity (Gijk)

K-NN Sign

1 1 1 1,0000 1,0000 1 1,0000 1,0000 1,0000 1 1,0000 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 1,0000 Tidak

Bermasalah


Bermasalah


4 4 0,2 1,0000 1,0000 0 0,9804 1,0000 0,9897 0 0,6000 -3 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3142


6 6 -0,7 1,0000 1,0000 0,4 0,9804 1,0000 0,9897 0 0,3452 -5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 3 Bermasalah 0,0846




10 10 1 1,0000 0,9929 0,6 0,9804 1,0000 0,9897 1 0,7540 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,9431 Tidak

Bermasalah

11 11 -1,4 1,0000 0,9929 -0,2 0,9804 1,0000 1,0000 0 0,1542 0,7 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,4356




Bermasalah







21 21 1 1,0000 0,9929 -1,6 0,9804 0,9894 1,0000 1 0,0665 -2,5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,4108

22 22 0,1 0,9831 0,9929 1 0,9804 1,0000 0,9897 1 0,8131 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,7383 Tidak

Bermasalah





27 27 0,1 1,0000 0,9929 0,2 1,0000 1,0000 0,9897 1 0,7731 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6713 Tidak

Bermasalah


29 29 -0,1 1,0000 1,0000 0,6 0,9804 1,0000 0,9897 0 -0,5151 -7,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,1288

30 30 0,7 0,8390 0,9929 0,4 1,0000 1,0000 0,9897 1 -2,1731 -10 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,3543

31 31 0,1 0,8390 0,9929 1 0,9804 1,0000 0,9897 1 -1,4266 -7,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 5 Bermasalah -0,0854



34 34 0,1 1,0000 0,9929 0,8 0,9804 1,0000 0,9897 1 0,6638 -0,5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,7522 Tidak

Bermasalah

35 35 0,3 0,5932 0,9929 -2,6 0,9804 1,0000 0,9485 0 -1,8779 -3,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,1802




Lampiran 19-2

K = 13


No. Urut

No. Loan Usia

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan

Jangka Waktu Angsuran Realisasi

Jumlah Anak

Status Perkawinan Usia

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Label Memo

Similarity (Gijk)

K-NN Sign


38 38 -0,6 0,5932 0,9929 0,6 0,9804 1,0000 0,9897 1 0,7832 -0,1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6033


40 40 0 0,8390 0,9929 0,8 0,9804 0,9894 0,9897 1 -3,2183 -13,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,7606




44 44 0,2 0,5932 0,9929 0,4 0,9804 1,0000 0,9897 1 0,7390 0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6996 Tidak

Bermasalah



47 47 0,3 1,0000 0,9929 0,4 0,9804 1,0000 1,0000 1 -0,2742 -5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,1999





52 52 -0,5 1,0000 0,9929 0 0,9804 1,0000 0,9897 0 -10,6739 -22,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 2 Tidak Bermasalah -2,3092

53 53 0,5 0,9661 1,0000 -0,4 0,9804 1,0000 0,9897 1 0,7234 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6466 Tidak

Bermasalah

54 54 -0,2 0,5932 0,9929 0,2 0,9804 0,9894 1,0000 1 0,6188 0,4 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6312


56 56 -0,2 1,0000 1,0000 0,4 0,9804 1,0000 0,9897 0 -0,4334 -5,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,0197






62 62 -0,1 1,0000 1,0000 0,8 1,0000 0,9894 1,0000 1 0,3311 0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,7100 Tidak

Bermasalah

63 63 -0,8 0,9153 0,7589 0 1,0000 1,0000 1,0000 0 -0,9780 -3,1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,0663

64 64 -0,1 0,9153 0,7589 1 1,0000 0,9894 1,0000 0 0,3084 -7,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,0523

65 65 0,7 1,0000 1,0000 0,8 0,9804 1,0000 0,9897 0 0,6090 -0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6316 Tidak

Bermasalah


67 67 -1 1,0000 1,0000 0,4 1,0000 1,0000 1,0000 1 0,0996 -4,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,1666


69 69 0,6 1,0000 1,0000 0,8 1,0000 1,0000 1,0000 1 -0,6104 -3,1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3908

70 70 -0,5 1,0000 1,0000 0,6 0,9804 1,0000 1,0000 0 0,6130 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5578





Lampiran 19-3

sijk

wijk Label

K = 13


No. Urut

No. Loan Usia

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Label Memo

Similarity (Gijk)

K-NN Sign






78 78 0,7 1,0000 0,9929 -1 0,9804 0,9894 0,9897 1 0,7535 -2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,4505






84 84 0,2 1,0000 1,0000 0 0,9804 1,0000 1,0000 1 -0,4535 -2,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3522

85 85 0,3 1,0000 0,7589 -1,6 0,9804 1,0000 1,0000 1 -0,1920 -1,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3123




89 89 0 1,0000 1,0000 0,4 0,9804 0,9894 1,0000 0 -1,2412 -1,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3024

90 90 -0,8 1,0000 1,0000 0,8 0,9804 1,0000 0,9897 0 -0,1015 0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5307



93 93 0,7 1,0000 1,0000 -4 1,0000 1,0000 0,9897 0 -9,6947 -35,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -3,5421


95 95 0,3 1,0000 0,6170 -1,2 0,9804 1,0000 1,0000 1 0,5927 0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5658


97 97 0,3 1,0000 0,9929 -0,2 0,9804 0,9894 0,9485 1 0,7234 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6445 Tidak

Bermasalah

98 98 0,7 1,0000 1,0000 -2,2 1,0000 1,0000 1,0000 1 -0,3227 -2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,2648

99 99 0,1 1,0000 1,0000 0,8 1,0000 1,0000 1,0000 1 -0,3227 -2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,4648


101 101 -0,3 1,0000 0,9929 0,6 0,9804 0,9894 0,9897 0 0,3084 -7,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,0783






107 107 -0,2 1,0000 1,0000 0,6 1,0000 1,0000 1,0000 0 0,3084 -7,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,0660

108 108 -1 1,0000 1,0000 0,4 0,9804 0,9894 1,0000 0 -0,2213 -10 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,4043



Lampiran 19-4

sijk

wijk Label

K = 13


No. Urut

No. Loan Usia

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Label Memo

Similarity (Gijk)

K-NN Sign

109 109 -0,6 0,9153 0,7589 0,6 1,0000 0,9894 1,0000 0 0,4143 -7 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,0768

110 110 0,3 0,5932 0,9929 -0,6 0,9804 0,9894 1,0000 1 0,9850 -1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6034

111 111 0,2 0,9153 0,7589 -1,4 0,9804 1,0000 1,0000 0 -0,5240 0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3692


113 113 0,5 1,0000 1,0000 0 0,9804 1,0000 0,9897 1 -8,5312 -37,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -3,2134




117 117 -0,3 1,0000 1,0000 -0,2 1,0000 1,0000 1,0000 1 -0,0612 -1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,4532

118 118 -0,9 0,9153 0,7589 0 1,0000 1,0000 1,0000 1 0,8975 0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5976


120 120 -0,1 1,0000 0,9929 0,8 0,9804 0,9894 1,0000 1 0,2304 -4 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,3244





125 125 -0,4 0,9831 0,6170 1 0,9804 1,0000 1,0000 1 0,8542 -0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6279



128 130 -0,9 1,0000 0,6170 0 0,9804 1,0000 1,0000 1 -0,4535 -2,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,2287



131 133 0,9 0,9831 0,6170 -0,6 0,9804 1,0000 1,0000 0 0,7902 0,9 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6309



134 136 -1,5 1,0000 1,0000 0 0,9804 1,0000 1,0000 0 0,0113 -2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,2076





139 141 0,4 0,8390 0,9929 -1,4 0,9804 0,9894 1,0000 1 0,7535 -2 0 1 1 1 1 1 1 1 1 1 1 1 1 1 3 Bermasalah 0,3796

140 142 0,7 0,8390 0,9929 -0,6 1,0000 1,0000 1,0000 1 0,7535 -2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5571







Lampiran 19-5

sijk

wijk Label

K = 13


No. Urut

No. Loan Usia

Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Jenis Pekerjaan

Status Perusahaan


Lokasi Jaminan


Jumlah Anak


Label Memo

Similarity (Gijk)

K-NN Sign



147 149 -0,7 1,0000 1,0000 1 1,0000 1,0000 0,9485 1 0,0696 -0,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,5682







154 157 -0,4 1,0000 0,6170 0,4 0,9804 1,0000 0,8660 0 -5,5181 -35 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -2,9212

155 158 0 1,0000 0,9929 0,8 0,8627 0,9894 0,8763 0 -1,7914 -2,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,1858



158 161 0 0,9831 0,9929 1 0,9804 0,9894 0,9897 0 -1,3866 -15,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,8293

159 162 1 1,0000 1,0000 -0,2 0,9804 0,9894 1,0000 0 0,3084 -7,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,0352

160 164 0,5 0,9831 0,6170 0,6 0,9804 0,9894 1,0000 1 0,6228 -17 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah -0,7256

161 165 -0,1 1,0000 1,0000 0,4 0,9804 1,0000 0,9897 1 0,7234 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Tidak Bermasalah 0,6661 Tidak

Bermasalah












173 177 0,1 1,0000 1,0000 -0,6 1,0000 1,0000 1,0000 0 -12,4040 -67,5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 Bermasalah -6,1170

174 178 -0,6 1,0000 0,6170 0,8 0,9804 1,0000 1,0000 0 -12,4040 -67,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 4 Bermasalah -6,1755



177 185 -0,8 0,8390 0,9929 0,8 0,9804 1,0000 1,0000 0 -12,4040 -67,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 3 Bermasalah -6,1743

178 187 -0,5 1,0000 1,0000 0,6 0,9804 1,0000 1,0000 0 -12,4040 -67,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 4 Bermasalah -6,1520

179 225 -0,9 0,8390 0,9929 -0,1 0,9804 1,0000 1,0000 0 -13,3893 -67,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 4 Bermasalah -6,3398

180 209 0,1 1,0000 1,0000 -0,3 0,9412 1,0000 1,0000 0 -0,9629 -13,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 4 Bermasalah -0,7268

181 226 -0,4 1,0000 1,0000 0,4 0,9804 1,0000 1,0000 0 -13,3893 -67,5 0 1 1 1 1 1 1 1 1 1 1 1 1 1 4 Bermasalah -6,2424



Lampiran 20-1

Lampiran 20 : Hasil pengujian black box pada fitur menu SPK KPR Bank Jatim No Pra-kondisi Deskripsi Hasil yang diharapkan Hasil dari sistem Keterangan

1 Melakukan proses login Pada halaman awal dilakukan proses login, dengan melakukan input data username dan password

Jika benar maka user akan dapat mengakses masuk ke dalam

sistem, namun jika salah maka user tidak dapat melakukan akses

masuk ke dalam sistem

sistem dapat melakukan proses login, dan menolak jika username dan password yang

di input berbeda

Berhasil

2 Melakukukan proses input data master

Pada menu awal > dapat lakukan click pada menu samping kiri > kemudian dapat dipilih data master (contoh : master data usia) > setelah itu masuk ke

dalam halaman usia > kemudian lakukan click pada tombol ''buat usia baru'' > kemudian dapat di input

usia dan nilai reperesentasi (bobot) > kemudian langkah selanjutnya adalah click tombol ''create'' untuk menyimpan > data telah disimpan dan akan

ditampilkan kembali

Data input dapat melakukan input data master usia dan menyimpan

hasil input ke dalam database secara baik dan benar

Sistem dapat melakukan proses input dan menyimpan hasil input ke dalam database

dengan baik dan benar

Berhasil

3 Melakukan proses input data debitur

Pada menu awal > dapat lakukan click pada salah satu menu data debitur atau lakukan click pada

halaman menu samping dan pilih debitur > setelah itu masuk ke dalam halaman debitur > kemudian lakukan click pada tombol ''buat debitur baru'' >

kemudian dapat diinputkan data debitur yang telah diterima > kemudian click tombol ''create '' >

kemudian data telah disimpan dan ditampilkan kembali

Data input dapat melakukan proses input data debitur dan

menyimpan hasil input ke dalam database secara baik dan benar

Sistem dapat melakukan proses input dan menyimpan dalam database dengan baik

dan benar

Berhasil



Pada menu awal > dapat dilakukan click pada menu samping kemudian dipilih menu debitur atau dapat langsung dengan click tombol ''debitur'' pada menu awal > halaman akan menampilkan data daftar list

maksimal sebanyak 20 data debitur > kemudian dapat dilakukan click icon bergambar mata untuk melihat rincian data debitur secara keseluruhan

Data yang telah tersimpan dalam database nasabah dapat

ditampilkan secara rinci dan benar pada halaman debitur

Sistem dapat melakukan proses menampilkan data nasabah secara rinci dan

benar pada halaman debitur

Berhasil



Lampiran 20-2



tersimpan dalam database data master

Pada menu awal> dapat dilakukan click pada menu samping kemudian dipilih menu master (contoh : usia) > kemudian halaman akan menampilkan list

daftar usia maksimal sebanyak 20 data usia > kemudian click icon bergambar mata untuk melihat

rincian data usia secara keseluruhan

Data yang telah tersimpan dalam database usia dapat ditampilkan

secara rinci dan benar pada halaman master usia

Sistem dapat melakukan proses menampilkan data usia secara rinci dan benar pada

halaman master usia

Berhasil

6 Melakukan update data yang telah


Pada menu awal> dapat dilakukan click pada menu samping kemudian dipilih menu debitur atau dapat langsung dengan click tombol debitur pada menu

awal > halaman akan menampilkan data daftar list maksimal sebanyak 20 data debitur > kemudian click

icon bergambar pena untuk update rincian data debitur secara keseluruhan atau sebagian

Data yang telah tersimpan dalam database nasabah dapat di update

secara rinci dan benar pada halaman debitur, kemudian dapat

disimpan kembali kedalam database nasabah

Sistem dapat melakukan proses update data nasabah secara rinci dan benar pada

halaman debitur

Berhasil

7 Melakukan update data yang telah

tersimpan dalam database data master


daftar usia maksimal sebanyak 20 data usia > kemudian click icon bergambar pena untuk update rincian data usia secara keseluruhan atau sebagian

Data yang telah tersimpan dalam database usia dapat di update

secara rinci dan benar pada halaman master usia, kemudian

dapat disimpan kembali kedalam database usia

Sistem dapat melakukan proses menampilkan data usia

secara rinci dan benar pada data master usia

Berhasil

8 Melakukan delete data yang telah


Pada menu awal> dapat dilakukan click pada menu samping kemudian dipilih menu debitur atau dapat langsung dengan click tombol debitur pada menu awal > halaman akan menampilkan data daftar list

maksimal sebanyak 20 data debitur > kemudian click icon bergambar tong sampah untuk delete rincian

data debitur secara keseluruhan atau sebagian

Data yang telah tersimpan dalam database nasabah dapat di delete

dengan benar pada halaman debitur, kemudian juga dapat

melakukan di delete pada database nasabah

Sistem dapat melakukan proses delete data nasabah secara benar pada halaman

debitur dan database nasabah

Berhasil

9 Melakukan proses delete data yang

telah tersimpan dalam database data master


daftar usia maksimal sebanyak 20 data usia > kemudian click icon bergambar pena untuk update rincian data usia secara keseluruhan atau sebagian

Data yang telah tersimpan dalam database usia dapat di update

secara rinci dan benar pada halaman master usia, kemudian

dapat disimpan kembali kedalam database usia

Sistem dapat melakukan proses menampilkan data usia

secara rinci dan benar pada data master usia

Berhasil



Lampiran 20-3


10 Menguji nilai rank pada data ordinal

Melakukan pencocokan data perhitungan nilai rank antara perhitungan manual (Microsoft. Excel)

dengan SPK pemberian KPR

Hasilnya sama dengan perhitungan manual

Hasilnya sama dengan perhitungan manual Berhasil

11 Menguji uji nilai T pada data ordinal

Melakukan pencocokan data perhitungan nilai T antara perhitungan manual (Microsoft. Excel)

dengan SPK pemberian KPR



12 Menguji uji nilai max rank dan min rank

Melakukan pencocokan data perhitungan nilai rank minimum dan nilai rank maksimum antara

perhitungan manual (Microsoft. Excel) dengan SPK pemberian KPR



13 Menguji nilai max T dan min T Melakukan pencocokan data perhitungan nilai rank

antara perhitungan manual (Microsoft. Excel) dengan SPK pemberian KPR



14

Uji output nilai similarity antara sistem SPK KPR dengan

perhitungan manual di Microsoft. Excel

melakukan pencocokan data perhitungan output nilai similarity antara perhitungan manual (Microsoft.

Excel) dengan SPK pemberian KPR


Hasilnya sama dengan perhitungan manual, tetapi hanya pembulatan 2 angka

dibelakang koma

Berhasil



Lampiran 20-4


15 Uji nilai cross validation

Sistem dapat menghasilkan nilai akurasi dari setiap fold dengan jumlah K pada K-NN dan menghitung rata-rata tingkat keberhasilan metode K-NN dari

keseluruhan fold

Sistem dapat menghasilkan nilai akurasi dari setiap fold dengan

jumlah K pada K-NN dan menghitung rata-rata tingkat

keberhasilan metode K-NN dari keseluruhan fold yang akan ditampilkan pada akhir tabel

sejumlah inputan fold

Hasilnya sesuai dengan yang diharapkan Berhasil

16 Peringatan dengan interaksi antara manusia dan komputer untuk fitur

delete data

Sistem dapat mengeluarkan peringatan apabila user ingin menghapus data baik dalam data master

maupun data debitur

Sistem dapat mengeluarkan peringatan apakah anda yakin

ingin menghapus data ?

Hasilnya sistem dapat mengeluarkan peringatan Berhasil



Documents

repository.unair.ac.idrepository.unair.ac.id/56062/19/KKC_KK_ST_SI_32_-16_Ald_r-2.pdf · 1 BAB I PENDAHULUAN 1.1 Latar Belakang Rumah telah menjadi kebutuhan pokok bagi masyarakat