Usaha Kecil dan Menengah (UKM) memiliki dampak signifikan terhadap perkembangan ekonomi negara, tetapi akses ke keuangan formal masih menjadi penghalang. Demikian juga, lembaga keuangan menghadapi tantangan menilai kelayakan kredit UKM untuk membiayai mereka. Lembaga keuangan menggunakan model penilaian kredit untuk mengidentifikasi calon peminjam dan menentukan besar pinjaman dan persyaratan agunan. UKM dianggap tidak terorganisir dibandingkan dengan perusahaan besar dalam hal pengelolaan data keuangan, oleh karena itu penilaian risiko kredit berdasarkan data keuangan yang tidak memadai menjadi perhatian lembaga keuangan. Sebagian besar model yang ada digerakkan oleh data dan telah dikritik karena gagal memenuhi asumsi mereka. Untuk mengatasi masalah keterbatasan data keuangan, penelitian ini mengembangkan dan memvalidasi sistem prediksi risiko kredit UKM dengan menerapkan model credit scoring multi kriteria. Model dibangun menggunakan metode terbaik-terburuk (BWM) dan teknik urutan preferensi kemiripan dengan solusi ideal (TOPSIS). Pertama BWM menetapkan kriteria pembobotan dan TOPSIS diterapkan untuk mengevaluasi UKM. Studi kasus kehidupan nyata diperiksa untuk menunjukkan keefektifan model yang diusulkan. Hasil penelitian menunjukkan bahwa agunan yang dapat diikat sesuai ketentuan, riwayat pinjaman, dan current ratio merupakan faktor terpenting dalam pemberian pinjaman, diikuti dengan kategori sektor usaha nasabah, kontinuitas pasokan bahan baku, dan syarat kecukupan agunan. Model ini dapat membantu lembaga keuangan menyediakan cara mudah untuk mengidentifikasi UKM potensial untuk pinjaman dan mendorong penelitian lebih lanjut ke dalam pendekatan alternatif. 

---

Small and medium enterprises (SMEs) have a significant impact on the economic development of any country, but access to formal finance remains a barrier. Likewise, financial institutions face the challenge of assessing the creditworthiness of SMEs to finance them. Financial institutions use credit scoring models to identify potential borrowers and determine loan prices and collateral requirements. SMEs are considered disorganized compared to large companies in terms of financial data management, therefore credit risk assessment based on inadequate financial data is a concern for financial institutions. Most of the existing models are data-driven and have been criticized for failing to live up to their assumptions. To overcome the problem of limited financial data, this research develops and validates a SME credit risk prediction system by applying a multi-criteria credit scoring model. The model was built using the best-worst method (BWM) and the preferred order of similarity to ideal solution (TOPSIS) technique. BWM first sets the weighting criteria and TOPSIS is applied to evaluate SMEs. Real-life case studies are examined to demonstrate the effectiveness of the proposed model. The results showed that that collateral can be bound in accordance with the provisions, history of credit, and current ratio were the most important factors in lending, followed by customer business sector category, continuity of supply of raw materials, and collateral adequacy requirements. This model can help financial institutions provide an easy way to identify potential SMEs for loans and encourage further research into alternative approaches.