BAB II

TINJAUAN PUSTAKA

2.1. Pengertian Sistem Pendukung Keputusan

Sistem pendukung keputusan adalah sebagai sistem basis komputer yang

terdiri dari tiga komponen yang saling berinteraksi, sistem bahasa yaitu
mekanisme untuk memberikan komunikasi antara pengguna dan komponen sistem
pendukung keputusan lain, sistem pengetahuan yaitu respositori pengetahuan
domain masalah yang ada pada sistem pendukung keputusan atau sebagai data
atau sebagai prosedur, dan sistem pemrosesan masalah yaitu hubungan antara dua
komponen lainnya terdiri dari satu atau lebih kapabilitas manipulasi masalah
umum yang diperlukan untuk pengambilasn keputusan. (Gultom & Waruwu,
2019)

Sistem pendukung keputusan merupakan salah satu produk perangkat lunak

yang dikembangkan secara khusus untuk membantu dalam proses pengambilan
keputusan. Sesuai dengan namanya tujuan dari sistem ini adalah sebagai
“information sources” atau second opinion yang dapat digunakan sebagai bahan
pertimbangan dalam pengambilan keputusan atau kebijakan tertentu, merupakan
satu model yang fleksibel yang memungkinkan pribadi-pribadi atau kelompok-
kelompok untuk membentuk gagasan-gagasan dan membatasi masalah dengan
membuat asumsi mereka sendiri dan menghasilkan pemecahan yang diinginkan”.
(Arfyanti & Purwanto, 2012)

Sistem pendukung keputusan merupakan sistem pemodelan dan

pemanipulasian data yang digunakan untuk membantu mengambil keputusan
dalam situasi yang semi terstruktur dan yang tidak terstruktur. Pemanfaatan sistem
pendukung keputusan dalam penentuan penerima beasiswa termasuk dalam
masalah semi terstruktur. Untuk membantu pengambil keputusan dalam
memutuskan suatu masalah manajerial, maka dibutuhkan kualitas informasi yang
Relevan yaitu informasi tersebut terkait dengan keputusan yang akan diambil,
akurat yang kecocokan antara informasi dengan kejadian-kejadian yang diwakili,

5
 6

lengkap seberapa jauh informasi menyertakan kejadian-kejadian yang

berhubungan), tepat waktu (Informasi sesuai waktu kejadiannya), dapat dipahami
dan dapat dibandingkan antara dua obyek yang mirip. (Andrianto et al., 2017)

Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar

komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para
ahli. (Nasution, 2017)

Proses pengambilan keputusan, maka semakin relatif sulit juga untuk

mengambil keputusan terhadap suatu permasalahan. Apalagi jika upaya
pengambilan keputusan dari suatu permasalahan tertentu, selain
mempertimbangkan berbagai faktor/kriteria yang beragam, juga melibatkan
beberapa orang pengambil keputusan. (Hasugian, 2018)

Jadi, keberadaan Sistem Pendukung Keputusan pada perusahaan atau

organisasi bukan untuk menggantikan tugas-tugas pengambil keputusan, tetapi
merupakan sarana yang membantu bagi mereka dalam pengambilan keputusan.
Dengan menggunakan data-data yang diolah menjadi informasi untuk mengambil
keputusan dari masalah masalah semi-terstruktur.

2.2. Tujuan Sistem Pendukung Keputusan

Sistem Pendukung Keputusan tidak dimaksudkan untuk

mengotomatisasikan pengambilan keputusan, tetapi memberikan perangkat
interaktif yang memungkinkan pengambil keputusan untuk melakukan berbagai
analisis menggunakan model-model yang tersedia. (Zulita, 2013)

Tujuan dari sistem pendukung keputusan adalah :

1. Membantu manajer dalam pengambilan keputusan atas masalah

semiterstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan

untuk menggantikan fungsi manajer.

3. Meningkatkan efektifitas keputusan yang diambil manajer lebih daripada

perbaikan efesiensinya.
 7

4. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak

komputasi secara cepat dengan biaya yang rendah.

5. Peningkatan produktifitas.

6. Komputer bisa meningkatkan kualitas keputusan yang dibuat.

7. Berdaya saing.

8. Mengatasi keterbatasan kognitif dalam pemroresan dan penyimpanan.

2.3. Sistem Pendukung Keputusan Ditinjau dari Tingkat Teknologinya

Dilihat dari tingkat teknologinya, Sistem Pendukung Keputusan dibagi

menjadi 3 yaitu :

1. Sistem Pendukung Keputusan Spesifik SPK ini bertujuan membantu

memecahkan suatu masalah dengan karakteristik tertentu misalnya SPK
penentuan harga satuan barang.

2. Pembangkit Sistem Pendukung Keputusan Merupakan suatu software yang

khusus digunakan membangun dan mengembangkan SPK.

3. Perlengkapan Sistem Pendukung Keputusan Berupa software dan hardware

yang digunakan atau mendukung pembangunan SPK spesifik maupun
pembangkit SPK.

2.4. Tingkatan Dukungan Sistem Pendukung Keputusan

Berdasarkan tingkat dukungan sistem pendukung keputusan terbagi atas:

1. Retrieve Information Elements

Pada tahap ini adalah dukungan terendah yang diberikan oleh Decision
Support System (DSS) yaitu berupa akses selektif terhadap informasi.

2. Analyze Entire File

Pada tahap ini para manejer diberi akses untuk melihat dan menganalisa file
secara lengkap.
 8

3. Prepare Report Fro Multiple Files

Pada tahap ini cenderung dibutuhkan mengingat para manajer berhubungan

dengan banyak aktivitas dalam satu momen tertentu.

4. Estimete Decision Consequences

Pada tahap ini adalah manajer dimungkinkan untuk melihat dampak dari
setiap keputusan yang diambil.

5. Propose Decision

Pada tahap ini suatu alternatif keputusan bisa diberikan kepada manajer
untuk dipertimbangkan.

6. Make Decision

Pada tahap ini adalah tahapan dukungan yang diharapkan dari sistem
pendukung keputusan.

2.5. Kerangka Kerja Pendukung Keputusan

Menurut (Zulita, 2013), kerangka kerja klasik untuk pendukung keputusan

berikut ini menggambarkan beberapa isu tambahan seperti hubungan antara
teknologi dan evolusi sistem terkomputerisasi yaitu sebagai berikut :

1. Keputusan Terstruktur (Structure Decision)

Adalah keputusan yang dilakukan secara berulang-ulang dan bersifat rutin

serta prosedur pengambilan keputusan jelas.

2. Keputusan Semiterstruktur (Semistructure Decision)

Adalah keputusan yang memiliki dua sifat dimana sebagian keputusan bisa
ditangani oleh komputer dan yang lainnya tetap harus dilakukan oleh pengambil
keputusan. Contohnya adalah pengevaluasian kredit dan penjadwalan produksi.

3. Keputusan Tidak Terstruktur (Unstructured Decision)

 9

Adalah keputusan yng penanganannya rumit karena tidak terjadi berulang-

ulang atau tidak selalu terjadi. Contohnya keputusan untuk pengembangan
teknologi baru.

2.6. Langkah-langkah Pemodelan Dalam Sistem Pendukung Keputusan

Menurut (Zulita, 2013) saat melakukan pemodelan dalam pembangunan

Sistem Pendukung Keputusan, ada 4 fase dalam proses pengambilan keputusan,
yaitu :
1. Studi Kelayakan (Intellegence)
Pada tahap ini sasaran ditentukan dan dilakukan pencarian prosedur,
pengumpulan data, identifikasi kepemilikan masalah, klasifikasi masalah, hingga
akhirnya terbentuk sebuah penyataan masalah.

2. Perancangan (Design)
Pada tahap ini akan diformulasikan model yang akan digunakan dan
kriteria-kriteria yang ditentukan, setelah itu dicari alternatif model yang bisa
menyelesaikan masalah tersebut.

3. Pemilihan (Choice)
Setelah tahap design ditentukan berbagai alternatif model beserta variabel-
variabel, pada tahapan ini akan dilakukan pemilihan modelny termasuk solusi dari
model tersebut. Selanjutnya dilakukan analisis sensivitas yaitu mengganti
beberapa variabel.

4. Pelaksanakan Tindakan (Implementation)

Setelah menetukan modelnya, selanjutnya adalah menginplementasikannya
dalam aplikasi berbasis web.
 10

Intellegence
(Studi Kelayakan)

Design
(Perancangan)

Choice
(Pemilihan)

Implementation
(Pelaksanakan Tindakan)

Gambar 2.1 Fase Sistem Pendukung Keputusan

2.7. Komponen Sistem Pendukung Keputusan

Menurut (Zulita, 2013), kompenen sistem pendukung keputusan terdiri dari

beberapa subsistem, yaitu :

1. Subsistem Manajemen Data (Database)

Subsistem manajemen data memasukkan satu database yang berisi data

yang relevan untuk suatu situasi dan dikelola oleh perangkat lunak yaitu Database
Managemen System (DBMS).

Subsistem manajemen data bisa diinterkoneksikan dengan data warehouse

perusahaan, suatu repositori untuk data peruusahaan yang relevan dengan
pengambilan keputusan.

2. Subsistem Manajemen Model (Model base)

Merupakan paket perangkat lunak yang memasukkan model keuangan,

statistik, ilmu manajemen atau model kuantitatif lain yang memberikan
kapabilitas analitik dan manajemen perangkat lunak yang tepat.

3. Subsistem Antarmuka Pengguna (User Interface System)

Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung

keputusan melalui subsistem tersebut. Pengguna adalah bagian yang
 11

dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa

kontribusi unik dari sistem pendukung keputusan berasal dari interaksi yang
intensif antara komputer dan pembuatan keputusan.

2.8. Pengertian Kredit

Menurut Undang – undang Perbankan No.10 Tahun 1998, Kredit adalah

penyediaan uang atau tagihan, berdasarkan persetujuan atau kesepakatan pinjam –
meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam
melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga.

Kredit dalam arti ekonomi adalah suatu penundaan pembayaran, yaitu

uang atau barang (prestasi) yang diterima sekarang akan dikembalikan pada
masa yang akan datang berikut tambahan suatu kontra prestasi. Berdasarkan
definisi kredit, maka pihak meminjam berkewajiban melunasi hutangnya
setelah jangka waktu tertentu dengan jumah bunga yang telah ditentukan.
(Haryani, 2010).

2.9. Unsur-Unsur Kredit

Unsur-unsur kredit adalah :

1. Kepercayaan

Kepercayaan suatu keyakinan bagi si pemberi kredit bahwa kredit yang

diberikan (baik berupa uang, barang, atau jasa) benar-benar diterima kembali
masa yang akan datang sesuai jangka waktu kredit. Kepercayaan diberikan oleh
bank sebagai dasar utama yang melandasi mengapa suatu kredit berani
dikucurkan. Oleh karena itu, sebelum kredit dikucurkan harus dilakukan
penelitian dan penyelidian terlebih dahulu secara mendalam tentang kondisi
nasabah, baik secara interen maupun eksteren. Penelitian dan penyelidikan tentang
kredit pemohon kredit sekarang dan masa lalu, untuk menilai kesungguhan dan
etikat baik nasabah terhadap bank.
 12

2. Kesepakatan

Di samping unsur percaya di dalam kredit juga mengandung unsur

kesepakatan antara si pemberi kredit dengan si penerima kredit kesepakatan ini
dituangkan dalam suatu perjanjian di mana masing-masing pihak menandatangani
hak dan kewajiban masing-masing. Kesepakatan ini kemudian dituangkan dalam
akad kredit dan ditanda tangani kedua belah pihak sebelum kredit dilaksanakan.

3. Jangka Waktu

Setiap kredit yang diberikan memiliki jangka waktu tertentu, jangka waktu
ini mencakup sama pengembalian kredit yang telah disepakati. Jangka waktu
tersebut bisa berbentuk jangka pendek (di bawah 1 tahun), jangka mnengah (1
sampai 3 tahun), atau jangka panjang (di atas 3 tahun). Jangka waktu merupakan
batas waktu pengambilan angsuran kredit yang sudah disepakati kedua belah
pihak. Untuk kondisi tertentu jangka waktu ini dapat diperpanjang sesuai
kebutuhan.

4. Risiko

Akibat adanya tenggang waktu, maka pengembalian kredit akan

memungkinkan suatu risiko tidak tertagihnya atau macet pemberian suatu kredit.
Semakin panjang suatu jangka waktu kredit, maka semakin besar risikonya,
demikian pula sebaliknya. Risiko ini menjadi tanggungan bank, baik risiko yang
disengaja oleh nasabah, maupun risiko yang tidak disengaja, misalnya karena
bencana alam atau bangkrutnya usaha nasabah tanpa ada unsur kesengajaan
lainnya, sehingga nasabah tidak mampu lagi melunasi kredit yang diperolehnya.

5. Balas Jasa

Bagi bank balas jasa merupakan keuntungan atau pendapatan atas

pemberian suatu kredit. Dalam bank konvensional balas jasa kita kenal dengan
nama bunga. Di samping balas jasa dalam bentuk bunga bank juga membebankan
kepada nasabah biaya administrasi kredit yang juga merupakan keuntungan bank.
Bagi bank yang berdasarkan prinsip syariah balas jasanya ditentukan dengan bagi
hasil.
 13

2.10. Pemberian Kredit

Berdasarkan penjelasan Pasal Undang – undang Republik Indonesia atas

Undang – undang Nomor 23 Tahun 1999 tantang Bank Indonesia menyebutkan
bahwa dalam pemberian kredit harus memenuhi dasar pokok – pokok ketentuan
yang ditetapkan dalam Peraturan Bank Indoneisa (PBI), antara lain :

1. Persyaratan dan tata cara pemberian kredit berdasarkan prinsip kehati – hatian
dan kepercayaan, termasuk didalamnya persyaratan Bank penerima. Dalam
rangka meneliti pemenuhan kesehatan Bank tersebut, Bank Indonesia
melakukan pemeriksaan Bank calon penerima kredit.

2. Jangka waktu, tingkat suku bunga atau nisbah bagi hasil dan biaya lainnya.

3. Jenis agunan berupa surat berharga dan tagihan yang mempunyai peringkat
tinggi.

4. Tata cara pengikatan agunan.

2.11. Flowchart

Flowchart adalah penyajian sistematis tentang proses dan logika yang dari
penanganan informasi atau penggambaran grafis dari langkah-langkah dan
pengaturan teknik suatu program.. Flowchart membantu para ahli dan
pengembang untuk memisahkan masalah menjadi fragmen yang lebih sederhana
dan membantu dalam membedah opsi yang berbeda dalam pengoperasian.

Aturan pembuatan flowchart Jika seorang ahli dan software engineer akan
membuat flowchart, ada beberapa aturan yang harus diperhatikan, misalnya :

1. Flowchart digambarkan dari halaman atas ke bawah dan dari kiri ke kanan.

2. Aktivitas yang digambarkan harus didefinisikan secara hati-hati dan definisi ini
harus dapat dimengerti oleh pembacanya.

3. Kapan aktivitas dimulai dan berakhir harus ditentukan secara jelas.

4. Setiap langkah dari aktivitas harus diuraikan dengan menggunakan deskripsi

kata kerja, misalkan Melakukan penggandaan diri.
 14

5. Setiap langkah dari aktivitas harus berada pada urutan yang benar.

6. Lingkup dan range dari aktifitas yang sedang digambarkan harus ditelusuri
dengan hati-hati. Percabangan-percabangan yang memotong aktivitas yang
sedang digambarkan tidak perlu digambarkan pada flowchart yang sama.
Simbol konektor harus digunakan dan percabangannya diletakan pada halaman
yang terpisah atau hilangkan seluruhnya bila percabangannya tidak berkaitan
dengan sistem.

7. Gunakan simbol-simbol flowchart yang standar.

Berikut simbol-simbol flowchart, sebagai berikut :

Simbol Keterangan Simbol Keterangan

Terminal Titik sambungan

(STAR, END pada halaman yang
atau Mulai, sama
Selesai)

Input/Output Titik konektor yang

(READ, berada pada
WRITE) halaman lain

Proses Call (Memanggil

(menyatakan subprogram)
assignment
statement

Decision (YES, Dokumen

NO)

Display Stored Data

 15

Alur Proses Preparation

(Pemberian nilai
awal suatu
variabel)

Gambar 2.2 Simbol-Simbol Flowchart

2.12. Algoritma Naive Bayes

Teorema Bayes dikemukakan oleh seorang pendeta Presbyterian Inggris

tahun 1763 yang bernama Thomas Bayes. Teorema Bayes ini kemudian
disempurnakan oleh Laplace. Teorema Bayes ini digunakan untuk menghitung
probabilitas, terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari
hasil observasi. (Mhd. Furqan, 2020).

Naïve Bayes membuat dan menilai model dengan sangat cepat dan skala
secara linier dalam jumlah prediksi dan baris. Ada beberapa hal penting dalam
penggunaan Naïve Bayes untuk klasifikasi yaitu :

a) Sangat mudah untuk dibangun karena tidak memerlukan skema untuk

estimasi parameter literative yang rumit dan metode ini dapat langsung
diimplementasikan ke dalam jumlah data dalam skala yang besar.

b) Mudah untuk ditafsirkan sehingga pengguna yang kurang terampil dalam

teknik klasifikasi dapat dengan mudah memahami hasil akhir yang diperoleh.
(Pratama & Zufria, 2022)

Metode Naive Bayes adalah suatu metode yang digunakan untuk

memprediksi berbasis probabilitas. (Wasiati et al., 2014)

Algoritma Naïve Bayes merupakan suatu bentuk klasifikasi data dengan

menggunakan metode probabilitas dan statistik. Metode ini pertama kali
dikenalkan oleh ilmuwan Inggris Thomas Bayes, yaitu digunakan untuk
memprediksi peluang yang terjadi di masa depan berdasarkan pengalaman di
masa sebelumnya sehingga dikenal sebagai teorema Bayes.
 16

Algoritma Teorema bayes kemudian dikombinasikan dengan naive yang

diasumsikan dengan kondisi antar atribut yang saling bebas. Algoritma Naive
Bayes dapat diartikan sebagai sebuah metode yang tidak memiliki aturan, Naive
Bayes menggunakan cabang matematika yang dikenal dengan teori probabilitas
untuk mencari peluang terbesar dari kemungkinan klasifikasi, dengan cara melihat
frekuensi tiap klasifikasi pada data training. Naive Bayes juga termasuk metode
klasifikasi yang sangat populer dan masuk dalam sepuluh algoritma terbaik dalam
data mining, algoritma ini juga dikenal dengan nama Idiot’s Bayes, Simple Bayes,
dan Independence Bayes. Klasifikasi bayesian memiliki kemampuan klasifikasi
serupa dengan decision tree dan neural network. Klasifikasi Naive Bayes adalah
pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas
keanggotaan suatu class.

Klasifikasi Bayesian klasifikasi statistic yang bisa memprediksi probabilitas

sebuah class. Klasifikasi Bayesian ini dihitung berdasarkan Teorema Bayes
berikut ini :

P (X|H) P (H)
P (H|X) =
P (X)

Keterangan :

X : Data dengan class yang belum diketahui

H : Hipotesis data (X) merupakan suatu class spesifik
P (H|X) : Probabilitas hipotesis (H) berdasar kondisi (X) (posteriori
probability)
P (H) : Probabilitas hipotesis (H) (prior probability)
P (X|H) : Probability (X) berdasarkan kondisi pada hipotesis (H)
P (X) : Probabilitas dari X
 17

2.13. Penelitian Terdahulu

2.13.1. Penelitian Pertama – Karlena Indriani, dkk (2018)

Pada penelitian ini dengan judul jurnal ”Sistem Pendukung

Keputusan Kelayakan Kredit Motor Menggunakan Metode NAÏVE
BAYES Pada NSC FINANCE Cikampek”. Pada penelitian ini dimana
penerapan menggunakan aplikasi sistem penunjang keputusan
kelayakan pengajuan kredit motor, perusahaan dapat dengan mudah
dan cepat memasukkan data pendaftar, dengan menggunakan
aplikasi sistem penunjang keputusan kelayakan pengajuan kredit
motor, perusahaan mendapatkan hasil analisa metode Naïve Bayes
dengan cepat, apakah pengajuan kredit layak atau tidak layak, .
Sistem penunjang keputusan dengan menggunakan metode Naïve
Bayes untuk penentuan kelayakan pengajuan kredit motor
menggunakan 15.625 data training atau dataset dan 100 data testing
yang dipilih secara random dan pengujian yang dilakukan dengan
membandingkan hasil analisa sistem dengan aplikasi pendukung
Rapidminer didapat tingkat akurasi sebesar 99% dan error sebesar
1%.

2.13.2. Penelitian Kedua – Awi Wibowo, dkk (2017)

Penelitian kedua ini dengan judul jurnal “Sistem Pendukung

Keputusan Penilaian Kelayakan Kredit Menggunakan Metode
Simple Additive Weighting (SAW)” Pada penelitian ini dimana
perancangan dan implementasi sistem pendukung keputusan
diperoleh kesimpulan, pertama; Sistem pendukung keputusan
berhasil menghitung dan merangking data nasabah dengan
penjumlahan terbobot dari Simple Additive Weighting (SAW),
kedua; Sistem ini berhasil mengelola data kriteria dan data nasabah,
dan ketiga; Sistem ini dapat mencetak hasil laporan data nasabah
yang sudah dirangking dengan luaran berupa file pdf sebagai laporan
keputusan pemberian kredit.
 18

2.13.3. Penelitian Ketiga – Yoseph [Link], dkk (2019)

Penelitian ketiga ini dengan judul jurnal “Sistem Pendukung

Keputusan Pemberian Kredit Sepeda Motor Menggunakan Metode
Simple Additive Weighting (Saw) Pada Pt. Nss Cabang
Kefamenanu” Pada penelitian ini dimana perancangan dan
implementasi sistem pendukung keputusan untuk membantu dalam
memberikan rekomendasi dan pertimbangan dalam pengambilan
keputusan realisasi kredit berdasarkan kriteria yang telah ditentukan
oleh pihak perusahaan.