Abstract:Kasus posisi yang terjadi adalah pada putusan Pengadilan Tinggi Jakarta Nomor 358/PDT/2019/PT DKI memutuskan untuk menerima permohonan banding dan menguatkan putusan Pengadilan Negeri Jakarta Selatan. Amar putusan ini menetapkan…
netapkan sahnya perjanjian kredit, menyatakan tergugat cedera janji, dan menghukum tergugat melunasi utang atau merelakan objek jaminan dieksekusi. Permasalahannya adalah bagaimana tanggung jawab debitor yang wanprestasi terhadap perjanjian utang dan apa implikasinya putusan pengadilan tersebut terhadap para pihak. Metode penelitian yang digunakan adalah metode deskriptif normatif yang merupakan pendekatan penelitian yang bertujuan untuk menganalisis fenomena tanggung jawab debitur atas hak tanggung terhadap perjanjian kredit yang bermasalah. Hasil penelitian ini menjelaskan, bahwa putusan Pengadilan Tinggi Jakarta Nomor 358/Pdt/2019/PT.DKI, tanggung jawab debitor yang melakukan wanprestasi (cedera janji) dalam perjanjian kredit dengan jaminan hak tanggungan meliputi kewajiban melunasi seluruh sisa utang pokok beserta bunga, serta menghadapi konsekuensi eksekusi objek jaminan oleh kreditor demi memulihkan kredit bermasalah.
Abstract:Abstract: Non-performing loans remain one of the main challenges faced by cooperatives, particularly when the loan eligibility assessment process is still conducted manually. This traditional approach tends to be time consuming,…
nsuming, subjective, and prone to inaccurate decisions. This study aims to develop a predictive model for borrower eligibility using the Support Vector Machine (SVM) algorithm as a more efficient and objective machine learning-based solution. A total of 1,000 loan history records were processed using RapidMiner software, taking into account variables such as salary, years of employment, loan amount, monthly installment, employment status, monthly expenses, number of dependents, housing status, age, and collateral value. The model’s performance was evaluated using a confusion matrix and classification metrics including accuracy, precision, recall, and kappa. The results indicate that the SVM model achieved an accuracy of 90.05%, precision of 90.13%, recall of 90.05%, and f1 score of 90,08%, reflecting a strong performance in classifying borrower eligibility. The application of this method makes a significant contribution to the development of data driven decision support systems within cooperative environments. This finding expands the scientific understanding in the field of microfinance and supports the implementation of artificial intelligence technologies in making decisions that are more precise, rapid, and accurate.
Keywords: cooperative; eligibility prediction; machine learning; non-performing loan; SVM
Abstrak: Kredit macet merupakan salah satu permasalahan utama yang dihadapi koperasi, terutama ketika proses penilaian kelayakan peminjam masih dilakukan secara manual. Pendekatan ini cenderung lambat, subjektif, dan berisiko menghasilkan keputusan yang kurang akurat. Penelitian ini bertujuan untuk membangun model prediksi kelayakan peminjam menggunakan algoritma Support Vector Machine (SVM) sebagai solusi berbasis machine learning yang lebih efisien dan objektif. Sebanyak 1.000 data riwayat pinjaman diolah menggunakan tools RapidMiner dengan mempertimbangkan variabel: gaji, lama bekerja, besar pinjaman, angsuran per bulan, status pegawai, pengeluaran bulanan, jumlah tanggungan, status rumah, umur, dan nilai jaminan. Evaluasi model dilakukan menggunakan confusion matrix dan metrik klasifikasi seperti akurasi, presisi, recall, dan kappa. Hasil menunjukkan bahwa model SVM mencapai akurasi 90,05%, presisi 90,13%, recall 90,05%, dan f1 score 90,08%, yang mencerminkan performa model yang sangat baik dalam mengklasifikasikan kelayakan peminjam. Penerapan metode ini memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan berbasis data di lingkungan koperasi. Temuan ini memperluas wawasan keilmuan di bidang keuangan mikro dan mendukung penerapan teknologi kecerdasan buatan dalam pengambilan keputusan yang lebih tepat, cepat, dan akurat.
Kata Kunci: koperasi; kredit macet; machine learning; prediksi kelayakan; SVM
Abstract:Abstract: Program Indonesia Pintar (PIP) is government assistance program aimed at supporting the education of underprivileged students. However, some PIP fund recipients are misallocated, with aid given to students who…
do not fully meet the eligibility criteria, while those in greater need don’t receive it, including at SDN 014672 Tanjung Alam, Asahan Regency, North Sumatra Province. Based on this issue, a structured system is needed. The purpose of this study is to construct decision support systems for determining PIP fund recipients using Additive Ratio Assessment (ARAS) method. Data was collected using questionnaires, documentation, and observation techniques. Respondents consisted of 8 students from SDN 014672 Tanjung Alam. Criteria include number of dependents, homeownership status, attendance rate, and students final grades. System was developed using CodeIgniter 3 as framework, MySQL as database software, and InnoDB as database engine. ARAS method was applied to rank available alternatives. Based on calculations, first rank was obtained by alternative 6 (Malika Hendra As-Syifa), second rank by alternative 7 (Mutia Indah Sari), and third rank by alternative 8 (Rafa Kavindra). This study is expected to be further developed by applying other DSS methods, performing regular system maintenance, and integrating system with school data to improve accuracy and usability.
Keywords: additive ratio assessment; decision support system; smart indonesia program.
Abstrak: Program Indonesia Pintar (PIP) merupakan bantuan pemerintah untuk mendukung pendidikan siswa kurang mampu. Namun, masih ditemukan penerima anggaran PIP yang kurang tepat sasaran, di mana bantuan diberikan kepada siswa yang kurang memenuhi kriteria, sementara siswa yang lebih membutuhkan tidak menerimanya, termasuk di SDN 014672 Tanjung Alam, Kabupaten Asahan, Provinsi Sumatera Utara. Berdasarkan permasalahan tersebut, dibutuhkan sebuah sistem terstruktur. Tujuan penelitian ini untuk membangun sistem pendukung keputusan penetapan pemeroleh anggaran PIP menggunakan metode Additive Ratio Assessment (ARAS). Data dikumpulkan dengan teknik angket, dokumentasi, dan observasi. Responden adalah 8 siswa SDN 014672 Tanjung Alam. Kriteria meliputi jumlah tanggungan orang tua, status kepemilikan rumah, tingkat kehadiran, dan nilai akhir siswa. Sistem dirancang menggunakan CodeIgniter 3 sebagai framework, MySQL sebagai database software, dan InnoDB sebagai database engine. Perhitungan dengan metode ARAS digunakan untuk merangking alternatif yang ada. Berdasarkan perhitungan yang dilakukan, peringkat pertama diperoleh oleh alternatif 6 yakni Malika Hendra As-Syifa, peringkat kedua diperoleh oleh alternatif 7 yakni Mutia Indah sari, dan peringkat ketiga diperoleh oleh alternatif 8 yakni Rafa Kavindra. Penelitian ini diharapkan dapat dikembangkan lebih lanjut dengan menerapkan metode Sistem Pendukung Keputusan (SPK) lainnya, melakukan pemeliharaan sistem secara berkala, serta mengintegrasikan sistem dengan data sekolah untuk meningkatkan keakuratan dan kemudahan penggunaan.
Kata kunci: additive ratio assessment; program indonesia pintar; sistem pendukung keputusan
Abstract:Perkembangan perbankan syariah telah menjadi salah satu bagian penting dalam sistem keuangan global dengan pertumbuhan yang signifikan di banyak negara. Seperti munculnya Eksekusi hak tanggungan syariah, eksekusi hak tanggungan…
ggungan syariah dilakukan ketika peminjam gagal memenuhi kewajibannya sesuai dengan perjanjian pinjaman yang telah disepakati. Ini bisa terjadi jika peminjam tidak dapat membayar pinjaman sesuai jadwal atau tidak memenuhi syarat-syarat lain yang telah disepakati dalam perjanjian. Penelitian ini menggunakan metode penelitian kualitatif dengan studi kepustakaan. Sumber kajian artikel ini adalah buku, tesis, artikel atau jurnal, serta prosiding yang sesuai dengan tema atau topik yaitu eksekusi hak tanggungan syariah. kesimpulan dari penelitian ini pertama Hak tanggungan syariah adalah salah satu jenis jaminan yang sering diterapkan dalam akad pembiayaan perbankan syariah. Hak tanggungan ini memberikan rasa aman bagi kreditur dan perlindungan hukum dari kerugian. Hak Tanggungan sendiri diatur dalam Undang undang no. 4 tanggal 9 April 1996 pasal 1 ayat 1 adalah: “Hak Tanggungan atas tanah beserta benda-benda yang berkaitan dengan tanah, yang selanjutnya disebut Hak Tanggungan, adalah hak jaminan yang dibebankan pada hak atas tanah sebagaimana dimaksud dalam Undang undang Nomor 5 Tahun 1960 tentang Peraturan Dasar Pokok-Pokok Agraria, berikut atau tidak berikut benda-benda lain yang merupakan satu kesatuan dengan tanah itu, untuk pelunasan utang tertentu terhadap kreditor-kreditor lain.
Abstract: Kepatuhan peserta mandiri BPJS Kesehatan dalam membayar iuran berperan penting dalam menjaga keberlangsungan program Jaminan Kesehatan Nasional. Namun, tingkat kepatuhan masih rendah, termasuk di Wilayah tertentu dengan…
gan 30.111 peserta mandiri pada tahun 2025. Penelitian ini bertujuan mengetahui hubungan antara pendapatan dan persepsi dengan kepatuhan pembayaran iuran pada peserta mandiri BPJS Kesehatan. Penelitian kuantitatif dengan desain cross sectional ini dilaksanakan pada Maret–Agustus 2025 dengan 100 responden yang dipilih melalui purposive sampling. Data dikumpulkan menggunakan kuesioner dengan cara wawancara dianalisis secara univariat serta bivariat menggunakan uji chi-square. Hasil penelitian menunjukkan 53% peserta mandiri BPJS Kesehatan berpendapatan rendah untuk membayar iuran, 32% peserta mandiri memiliki persepsi negatif mengenai pembayaran iuran, 61% peserta mandiri tidak patuh dalam pembayaran iuran BPJS Kesehatan. Hasil uji statistik diperoleh bahwa terdapat hubungan antara pendapatan (p = 0,0001) dan persepsi (p = 0,0001) dengan kepatuhan pembayaran iuran. Kebaruan penelitian ini terletak pada identifikasi pola bahwa ketidakpatuhan peserta mandiri tidak selalu dipengaruhi oleh faktor pendapatan, melainkan juga oleh persepsi terhadap pembayaran iuran dan kondisi tanggungan keluarga. Hasil penelitian ini diharapkan dapat menjadi dasar bagi BPJS Kesehatan dalam merancang strategi edukasi dan dukungan finansial agar peserta mandiri lebih patuh membayar iuran.
Abstract:Bantuan sosial adalah salah satu program utama pemerintah untuk meningkatkan taraf hidup masyarakat. Salah satu program bantuan sosial yang menjadi perhatian pemerintah adalah bantuan Raskin (beras untuk keluarga miskin).…
. Pengelolaan program bantuan sosial Raskin di Kelurahan Sidomulyo selama ini dilakukan dengan cara manual, yang mengakibatkan ketidakakuratan data dan ketidaktepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk memperbaiki akurasi dan efisiensi proses seleksi penerima bantuan Raskin dengan menerapkan model Naive Bayes. Model ini digunakan untuk mengelompokkan data penerima berdasarkan kriteria, seperti kondisi rumah, status kepemilikan rumah, tanggungan keluarga, dan jumlah penghasilan.
Berdasarkan penelitian yang dilakukan menggunakan data dari 300 kepala keluarga, model ini berhasil mencapai tingkat akurasi sebesar 81,66%. Hasil penelitian menunjukkan bahwa 60,3% kepala keluarga dinyatakan layak menerima bantuan, sedangkan 39,7% tidak layak. Implementasi model Naive Bayes diharapkan dapat meningkatkan transparansi, keadilan, dan efisiensi dalam pelaksanaan program bantuan sosial di masa yang akan datang.
Abstract:Kemajuan teknologi informasi telah membawa perubahan signifikan dalam berbagai aspek kehidupan manusia, termasuk pengelolaan zakat. Penelitian ini mengusulkan pengembangan sistem pendukung keputusan untuk memilih calon mustahiq…
ustahiq zakat secara efektif dan adil di Masjid Nur-Hadi di kelurahan Dadimulyo, Lingkungan 2, Kisaran, Sumatera Utara, menggunakan metode SMART (Simple Multi Attribute Rating Technique) dan MOORA (Multi-Objective Optimization on The Basis of Ratio Analysis). Tahap penelitian melibatkan observasi, wawancara, dan studi pustaka. Lima kriteria digunakan dalam penelitian ini, termasuk pendapatan, jumlah tanggungan, tempat tinggal, kriteria khusus, dan kondisi kesehatan. Data mustahiq zakat fitrah tahun 2024 digunakan untuk analisis sebanyak 10 data. Hasil perankingan dari kedua metode tersebut kemudian dibandingkan dengan keputusan yang diambil oleh panitia zakat Masjid Nur-Hadi. Melalui metode SMART, sistem memberikan peringkat terbaik kepada alternatif yang paling sesuai dengan kriteria yang telah ditetapkan. Metode SMART menunjukkan potensi untuk digunakan sebagai alat bantu dalam pengambilan keputusan zakat yang lebih efisien dan adil.
Abstract:Abstract: Sipaku Area Village currently has a population of 1963 family cards with a density of 7423 people divided into 8 hamlets. Villages can still register people who do not have an Indonesia Smart Card with the concerned…
erned office by recording the data on the people who have KPS, PKH or SKTM, to get the Indonesia Smart Card (KIP) program, because many people submit applications and there are many criteria that must be taken into account. faced by the Sipaku Area Village Head Office in determining the priority of potential KIP recipients is very difficult, not transparent and inefficient. Therefore, to overcome this problem, it is necessary to have a system for determining the priority of potential KIP recipients by adding some more basic criteria. In this study a decision support system was designed using the AHP (Analitycal Hierarchy Process) method. The results of calculations using the pairwise comparison matrix for the use of criteria show that the most important priority is shown in the status of an active applicant of 0.391, the second priority is the completeness of the files of 0.406, the third priority is the orphanage of 0.095, the fourth priority is parental income of 0.066, and the priority the fifth is a dependent of 0.041. Meanwhile, for alternative use, the data obtained is that the highest value weight determines the recipient of Smart Indonesia Card Assistance (KIP), namely Rizky Amelia Ritonga with a value of 0.171, the second alternative is Rangga Pranata with a value of 0.141 and the third alternative is Elva Radis with a value of 0.124.
Keywords: Smart Indonesian Card Recipients (KIP), AHP Method, PHP and MySQL.
Abstrak: Desa Sipaku Area yang sekarang ini mempunyai jumlah penduduk 1963 kartu keluarga dengan kepadatan 7423 jiwa yang terbagi dalam 8 Dusun. Desa tetap bisa mendaftarkan masyarakat yang tidak memiliki Kartu Indonesia Pintar ke Dinas yang bersangkutan dengan mendata masyarakatnya yang memiliki KPS, PKH atau SKTM, untuk mendapat program Kartu Indonesia Pintar (KIP), karena banyaknya masyarakat mengajukan permohonan dan banyak kriteria yang harus diperhitungkan, sehingga Kendala yang dihadapi oleh pihak Kantor Kepala Desa Sipaku Area dalam menentukan prioritas calon penerima KIP sangat sulit, tidak transparan dan tidak efesien. Oleh Karena itu, untuk mengatasi permasalahan tersebut perlu adanya sistem dalam menentukan prioritas calon penerima KIP dengan menambahkan beberapa kriteria yang lebih mendasar. Pada penelitian ini dirancang sistem pendukung keputusan menggunakan metode AHP (Analitycal Hierarchy Process). Hasil perhitungan menggunakan matrik perbandingan berpasangan untuk penggunaan kriteria menunjukkan bahwa prioritas yang paling utama ditunjukkan pada status Pemohon aktif sebesar 0.391, prioritas kedua yaitu Kelengkanpan Berkas sebesar 0.406, prioritas ketiga yaitu kondisi yatim piatu sebesar 0.095, prioritas keempat yaitu penghasilan orangtua sebesar 0.066, dan prioritas kelima yaitu tanggungan sebesar 0.041 Sedangkan untuk penggunaan alternatif diperoleh data yaitu bobot nilai paling tinggi menentukan Penerima Bantuan Kartu Indonesia Pintar (KIP) yaitu Rizky Amelia Ritonga dengan nilai 0.171, alternatif kedua Rangga Pranata dengan nilai 0.141 dan alternatif ketiga Elva Radis dengan nilai 0.124.
Kata kunci : Penerima Bantuan PIP, Metode AHP, PHP dan MySQL.