Electronic Theses and Dissertation

Logika fuzzy merupakan salah satu metode untuk menganalisis sistem yang mengandung unsur ketidakpastian. Pada penelitian ini digunakan metode FIS Mamdani untuk menentukan kelayakan keputusan kredit sepeda motor honda dengan menggunakan fungsi keanggotaan fuzzy kurva linier dan kurva nonlinier yang berbeda-beda disetiap variabel input. Data yang digunakan merupakan data yang diambil dari dealer, dengan variabel yang digunakan adalah harga sepeda motor, penghasilan, uang muka, dan jangka waktu kredit. Selanjutnya data akan dianalisis dengan FIS Mamdani untuk memperoleh output keputusan rekomendasi kelayakan kredit dengan 4 tahap, yaitu (1) fuzzyfikasi; (2) penentukan fungsi implikasi; (3) komposisi aturan; (4) defuzzyfikasi. Analisa menggunakan FIS Mamdani dengan 81 aturan fuzzy yang digunakan terhadap 90 data dari dealer, diperoleh hasil penelitian dengan menggunakan fungsi keanggotaan fuzzy kurva linier dan kurva nonlinier disetiap variabel input, didapatkan hasil output rekomendasi kelayakan kredit menggunakan kurva linier sangat sesuai dengan sistem perengkingan. Dimana jika hasil output yang didapatkan semakin tinggi maka akan semakin layak keputusan kredit tersebut. Variabel yang sangat berpengaruh dalam penentuan kelayakan kredit adalah penghasilan dan jangka waktu kredit. Semakin besar penghasilan dan semakin lama waktu kredit maka akan sangat menguntungkan pihak dealer maupun pihak leasing.

Kata kunci: Logika fuzzy, Fuzzy Inferensi Sistem Mamdani, Kredit, Variabel input, representasi fungsi keanggotaan.

Fuzzy logic is a method for analyzing systems that contain elements of uncertainty. In this study, the FIS Mamdani method was used to determine the feasibility of a Honda motorcycle credit decision by using a fuzzy membership function of linear curves and nonlinear curves that were different in each input variable. The data used are data taken from dealers, with the variables used are motorcycle prices, income, down payments, and credit terms. Furthermore, the data will be analyzed by FIS Mamdani to obtain the output of creditworthiness recommendation decisions with 4 stages, namely (1) fuzzyfication; (2) determine the implication function; (3) the composition of the rules; (4) defuzzification. The analysis uses the Mamdani FIS with 81 fuzzy rules used on 90 data from dealers, the results obtained using the fuzzy membership function of linear curves and nonlinear curves in each input variable, the output results of creditworthiness recommendations using a linear curve are very in accordance with the ranking system. Where the higher the output obtained, the more feasible the credit decision will be. The variables that are very influential in determining credit worthiness are income and credit period. The greater the income and the longer the credit period, the more profitable the dealer and the leasing party will be. Keywords: Fuzzy Logic, Mamdani Fuzzy Inference System, Credit, Input variable, membership function representation.