UBHINUSUBHINUS

SMATIKA JURNALSMATIKA JURNAL

Pinjaman menjadi instrumen keuangan yang penting dalam kehidupan modern baik bagi individu maupun kelompok usaha. Pertimbangan calon peminjam sangat penting dilakukan untuk mengurangi resiko gagal bayar. Namun, di Gapoktan Makmur Sejahtera proses pertimbangan tersebut masih diakukan secara manual. Oleh karena itu, perlu dikembangkan sebuah pendekatan yang lebih sistematis dan terukur dalam menilai kelayakan pemberian pinjaman untuk meminimalisir risiko gagal bayar. Sumber data penelitian ini berasal dari data pinjaman di Gabungan Kelompok Tani (Gapoktan) Makmur Sejahtera. Penelitian ini menggunakan metode Fuzzy Inference System (FIS) Tsukamoto dengan 3 variabel input, yaitu pendapatan, jaminan, dan karakter calon peminjam. Variabel output pada penelitian ini adalah kelayakan dalam bentuk persentase hasil perhitungan FIS Tsukamoto. Aplikasi pada penelitian ini dikembangkan dengan bahasa pemrograman Python dan framework Flask. Database yang digunakan pada penelitian ini adalah MySQL. Hasil penelitian menunjukkan bahwa aplikasi penentuan kelayakan pemberian pinjaman berhasil dibuat dan dapat membantu dalam proses penentuan calon peminjam di Gapoktan Makmur Sejahtera sehingga dapat mengurangi risiko gagal bayar.

Penelitian menunjukkan bahwa Fuzzy Inference System (FIS) Tsukamoto dapat dimanfaatkan sebagai metode untuk menentukan kelayakan pemberian pinjaman.Variabel input berupa pendapatan, jaminan, dan karakteristik berhasil memetakan kelayakan calon nasabah secara akurat, sehingga hasil persentase dapat dijadikan pertimbangan pemberian pinjaman.Sistem ini dapat diadopsi secara lebih luas oleh lembaga keuangan lain dengan menyesuaikan variabel input dan output sesuai kebutuhan masing‑masing.

Penelitian selanjutnya dapat memperluas basis data dengan mengumpulkan profil peminjam yang lebih beragam serta data historis jangka panjang untuk mengoptimalkan fungsi keanggotaan fuzzy secara adaptif. Selain itu, dilakukan perbandingan antara metode Tsukamoto dengan pendekatan fuzzy lain seperti Mamdani atau integrasi teknik pembelajaran mesin guna meningkatkan akurasi prediksi kelayakan pinjaman. Selanjutnya, integrasi data real‑time dari biro kredit serta transaksi keuangan berbasis seluler dapat dikembangkan untuk menghasilkan model penilaian kelayakan yang dinamis dan responsif terhadap perubahan kondisi ekonomi peminjam.

  1. #integrasi data real#integrasi data real
  2. #sistem aplikasi#sistem aplikasi
Read online
File size488.66 KB
Pages10
Short Linkhttps://juris.id/p-2Wk
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test