Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan

Transkripsi

1 Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan Yeffiansjah Salim Sekolah Tinggi Manajemen dan Informatika (STMIK) Indonesia Banjarmasin Jl. Pangeran Hidayatullah Banua Anyar Telp. (0511) Banjarmasin ABSTRACT Decision making system implementation the optimal with several criteria using fuzzy multi- criteria decision-making(fmcdm) used to review completed decision to 7 ( seven ) criteria will become material considerations fmcdm as the highest priority as an optimal alternative highest, singer systems provide housing location with options until highest priority the lowest location with desire accordance housing development prospective homebuyers the optimal based on criteria with regard value total integral the tin, the big value total integram shows that alternative high more match rate based criteria. Keywords : Decision making, fmcdm, backpropagation, prospective house development A. PENDAHULUAN 1. Latar Belakang Saat ini perkembangan usaha di bidang perumahan / property sangat pesat banyak sekali dipromosikan dengan berbagai jenis type dan harga serta lokasi yang berbeda-beda. Secara umum disebutkan bahwa rumah adalah struktur fisik terdiri dari ruangan, halaman dan area sekitarnya yang dipakai sebagai tempat tinggal dan sarana pembinaan keluarga (UU RI No. 4 Tahun 1992). Menurut WHO, rumah adalah struktur fisik atau bangunan untuk tempat berlindung, dimana lingkungan berguna untuk kesehatan jasmani dan rohani serta keadaan sosialnya baik untuk kesehatan keluarga dan individu (Komisi WHO Mengenai Kesehatan dan Lingkungan, 2001). Dalam kasus pemilihan lokasi perumahan ini tiap pengembang perumahan / developer memiliki angsuran pembiayaan secara kredit dengan tingkat nominal yang berbeda, fasilitas umum yang berbeda, jarak kedekatan yang berbeda dengan rumah sakit, pasar tradisional ataupun hyper market serta sekolah, hal ini akan mempersulit pengambilan keputusan untuk menentukan solusi yang efektif sehingga pemilihan lokasi perumahan tersebut dapat ditentukan dengan cermat, serta proses untuk pemilihan lokasi dapat dengan mudah dan cepat ditentukan disertai dengan data yang akurat, alternatif solusi yang didapatkan adalah sebuah hasil informasi yang benar dengan sistem pengurutan berdasarkan nilai prioritas tertinggi dengan mempertimbangkan berbagai kriteria dan bobot yang ditentukan untuk pemilihan lokasi perumahan. Muticriteria Decision Making Methods (MCDM) adalah sebuah metode yang mengacu pada proses screening, prioritizing, ranking, atau memilih set alternative (dapat berupa candidate atau action) dengan criteria yang bersifat independent, incommensurate, atau conflicting (Wang, 2005). MCDM sangat tepat untuk diimplementasikan pada kasus dengan semua alternatif yang memiliki sejumlah criteria yang masing-masing memiliki nilai nominal dan masing-masing criteria memiliki bobot yang dapat dimanfaatkan sebagai sarana pembanding. MCDM memiliki asumsi bahwa rating alternatif dan bobot dari criteria bersifat crips, namun tidak semua kasus memenuhi asumsi tersebut. Sehingga pemikiran MCDM kurang tepat dan diperlukan sejumlah pemikiran baru. Pemikiran tersebut tertuang dalam konsep FMCDM yang merupakan suatu metode pengambilan keputusan dengan mempertimbangkan beberapa alternatif dan kriteria pada suatu situasi yang bersifat fuzzy. Hal ini sangat tepat untuk menyelesaikan permasalahan dalam proses pemilihan lokasi perumahan di mana sejumlah kriteria bersifat fuzzy / samar. Kriteria tersebut antara lain : jumlah besaran angsuran yang ditawarkan oleh pengembang perumahan, fasilitas umum dari perumahan seperti lampu jalan, portal security, mesjid, taman bermain, dan kolam renang, kedekatan lokasi perumahan dengan rumah sakit, pasar, tempat sekolah anakanak, dimana masing-masing memiliki criteria yang 78

2 bobotnya tidak memiliki nilai yang sama atau berbeda. 2. Perumusan masalah Berdasarkan uraian pada latar belakang, dirumuskan suatu permasalahan yaitu : pemilihan lokasi perumahan menggunakan metode fuzzy multi criteria decision making pada penelitian ini diujicoba untuk membuat suatu alternatif kriteria yang dapat dijadikan salah satu solusi dalam pemberian informasi kepada pengguna aplikasi, maka pertanyaannya adalah : Bagaimana implementasi dari FMCDM sebagai alternative penentuan dalam pemilihan lokasi perumahan sehingga menghasilkan keputusan yang cepat dan disertai dengan data yang benar serta akurat. 3. Batasan Masalah Batasan masalah dalam penelitian ini adalah : a. Metode yang digunakan adalah fuzzy multicriteria decision making. b. Fungsi keanggotaan dari bilangan fuzzy menggunakan fungsi segitiga (triangular fuzzy number). c. Jumlah himpunan fuzzy kepentingan dan kecocokan maksimal 5 himpunan. d. Jumlah kriteria yang digunakan 7. e.tidak memiliki batasan jumlah pengembang perumahan dan jumlah data calon pembeli rumah. f. data type rumah yang diasumsikan sama yakni type 45 sehingga dengan tenggang waktu angsuran yang sama selama 15 (lima belas) tahun. B. LANDASAN TEORI 1. Logika Fuzzy Kata Fuzzy merupakan kata sifat yang berarti kabur, tidak jelas. Fuzziness atau kekaburan atau ketidakjelasan atau ketidakpastian selalu meliputi keseharian manusia. Logika fuzzy adalah suatu cara yang tepat untuk memetakan ruang input kedalam suatu ruang output (Kusumadewi, 2003). Konsep ini diperkenalkan dan dipublikasikan pertama kali oleh Lotfi A. Zadeh, seorang profesor dari University of California di Berkeley pada tahun Logika fuzzy menggunakan ungkapan bahasa untuk menggambarkan nilai variabel. Logika fuzzy bekerja dengan menggunakan derajat keanggotaan dari sebuah nilai yang kemudian digunakan untuk menentukan hasil yang ingin dihasilkan berdasarkan atas spesifikasi yang telah ditentukan. 2 Himpunan Fuzzy Himpunan Fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. Himpunan fuzzy memiliki 2 atribut, yaitu (Kusumadewi, 2003): Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel. 3. Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai Multi Criteria Decision Making Multi Criteria Decision Making (MCDM) adalah salah satu metode yang bisa membantu pengambil keputusan dalam melakukan pengambilan keputusan terhadap beberapa alternative keputusan yang harus diambil dengan beberapa criteria yang akan menjadi bahan pertimbangan (Chen,2004) Satu hal yang menjadi permasalahan adalah apabila bobot kepentingan dari setiap criteria dan derajat kecocokan setiap alternative terhadap setiap criteria mengandung ketidakpastian. Biasanya penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistic. Sejumlah literatur menerangkan bahwa terdapat sejumlah tahapan yang harus ditempuh untuk mengaplikasikan FMCDM, diantaranya yang dikemukakan oleh Wang dan Lee (2005), Wang (2005) dan Joo (2004) dalam Kusumadewi (2006). Ketiganya menyampaikan langkah-langkah yang serupa dengan Fauziati (2004). Ketiga artikel tersebut memaparkan langkah-langkah penyelesaian FMCDM yang memiliki kemiripan antara satu dengan yang lainnya, memperhatikan ketiga artikel tersebut, maka secara garis besar ada tiga langkah yang dilakukan dalam menerapkan proses FMCDM yang dapat diusulkan, yaitu: a) Representasi masalah. Langkah ini dapat diturunkan menjadi beberapa tahapan yaitu 1. Identifikasi tujuan dan kumpulan alternative keputusannya, 2. Identifikasi kumpulan criteria, dan 3. Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu b) Evaluasi Himpunan Fuzzy dan Pembobotan Kriteria. Langkah ini dapat 79

3 diturunkan menajadi beberapa tahapan yaitu : 1. Memilih himpunan rating untuk bobotbobot criteria, dengan derajat kecocokan setiap alternative dengan kriterianya, Secara umum, himpunan-himpunan rating terdiri-atas 3 elemen, yaitu: variabel linguistik (x) yang merepresentasikan bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya; T(x) yang merepresentasikan rating dari variabel linguistik; dan fungsi keanggotaan yang berhubungan dengan setiap elemen dari T(x). Misal, rating untuk bobot pada Variabel Penting untuk suatu kriteria didefinisikan sebagai: T(penting) = {SANGAT RENDAH, RENDAH, CUKUP, TINGGI, SANGAT TINGGI}. Sesudah himpunan rating ini ditentukan, maka kita harus menentukan fungsi keanggotaan untuk setiap rating. Biasanya digunakan fungsi segitiga. Misal, Wt adalah bobot untuk kriteria Ct; dan Sit adalah rating fuzzy untuk derajat kecocokan alternatif keputusan Ai dengan kriteria Ct; dan Fi adalah indeks kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi Sit dan Wt. dan 2. Mengevaluasi bobot-bobot criteria, dan derajat kecocokan setiap alternative dengan kriterianya, dan 3. Mengagregasikan bobot-bobot criteria, dan derajat kecocokan setiap alternative dengan kriterianya. Ada beberapa metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan operator campuran. Dari beberapa metode tersebut, metode mean yang paling banyak digunakan. Operator. dan. adalah operator yang digunakan untuk penjumlahan dan perkalian fuzzy. Dengan menggunakan operator mean, Fi dirumuskan sebagai: Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan Wt = (at, bt, ct); maka Ft dapat didekati sebagai: Fi=(Yi,Qi,Zi) dengan : c) Seleksi Alternative Yang Optimal. Langkah ini juga dapat diturunkan menjadi beberapa tahapan, yaitu : 1. Memprioritaskan alternative keputusan berdasarkan hasil agregasi, dan Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan adalah metode nilai total integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c), maka nilai total integral dapat dirumuskan sebagai berikut: Nilai a adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0=a=1). Apabila nilai a semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar. 2. Memilih alternative keputusan dengan prioritas tertinggi sebagai alternative yang dianggap optimal. Semakin besar nilai F1 berarti kecocokan terbesar dari alternative keputusan untuk criteria keputusan, dan nilai inilah yang akan menjadi tujuan. 5. Pengertian Perumahan Perumahan adalah kelompok rumah yang berfungsi sebagai lingkungan tempat tinggal atau hunian yang dilengkapi dengan prasarana lingkungan yaitu kelengkapan dasar fisik lingkungan, misalnya penyediaan air minum, pembuangan sampah, tersedianya listrik, telepon, jalan, yang memungkinkan lingkungan pemukiman berfungsi sebagaimana mestinya. Rumah adalah tempat untuk melepaskan lelah, tempat bergaul, dan membina rasa kekeluargaan diantara anggota keluarga, tempat berlindung keluarga dan menyimpan barang berharga, dan 80

4 rumah juga sebagai status lambing social (Azwar, 1996; Mukono,2000). Rumah adalah struktur fisik terdiri dari ruangan, halaman dan area sekitarnya yang dipakai sebagai tempat tinggal dan sarana pembinaan keluarga (UU RI No. 4 Tahun 1992). Menurut WHO, rumah adalah struktur fisik atau bangunan untuk tempat berlindung, dimana lingkungan berguna untuk kesehatan jasmani dan rohani serta keadaan sosialnya baik untuk kesehatan kelu arga dan individu (Komisi WHO Mengenai Kesehatan dan Lingkungan, 2001). Menurut American Public Health Association (APHA) rumah dikatakan sehat apabila : (1) Memenuhi kebutuhan fisik dasar seperti temperatur lebih rendah dari udara di luar rumah, penerangan yang memadai, ventilasi yang nyaman, dan kebisingan db.a.; (2) Memenuhi kebutuhan kejiwaan; (3) Melindungi penghuninya dari penularan penyakit menular yaitu memiliki penyediaan air bersih, sarana pembuangan sampah dan saluran pembuangan air limbah yang saniter dan memenuhi syarat kesehatan; serta (4) Melindungi penghuninya dari kemungkinan terjadinya kecelakaan dan bahaya kebakaran, seperti fondasi rumah yang kokoh, tangga yang tidak curam, bahaya kebakaran karena arus pendek listrik, keracunan, bahkan dari ancaman kecelakaan lalu lintas (Sanropie, 1992; Azwar, 1996). Penerapan metode machine learning database besar disebut data mining. Para analogi adalah bahwa volume besar bumi dan bahan baku diekstraksi dari tambang, yang ketika diproses mengarah kepada sejumlah kecil bahan yang sangat berharga; sama dalam data pertambangan, volume besar data diproses untuk membangun sebuah model sederhana dengan berharga digunakan, misalnya, memiliki akurasi prediksi yang tinggi. Area aplikasi yang berlimpah, di Selain ritel, keuangan bank menganalisis data masa lalu mereka untuk membangun model untuk digunakan dalam kredit aplikasi, deteksi penipuan, dan pasar saham. Dalam manufaktur, model pembelajaran yang digunakan untuk optimasi, kontrol, dan pemecahan masalah. Dalam pengobatan, program pembelajaran digunakan untuk diagnosis medis. Dalam telekomunikasi, pola panggilan dianalisis untuk jaringan optimasi dan memaksimalkan kualitas layanan. Dalam ilmu, sejumlah besar data di fisika, astronomi, dan biologi hanya dapat dianalisis cukup cepat oleh komputer. Para World Wide Web adalah besar, melainkan terus berkembang dan mencari informasi yang relevan tidak dapat dilakukan secara manual. Tapi belajar mesin tidak hanya masalah database; juga merupakan bagian dari buatan intelijen. Untuk menjadi cerdas, sistem yang dalam lingkungan yang berubah harus memiliki 81 kemampuan untuk belajar. Pembelajaran mesin juga membantu dalam menemukan solusi untuk banyak masalah di visi, pidato pengakuan, dan robotika. Pembelajaran mesin menggunakan teori statistik di membangun model matematika, karena tugas inti adalah membuat kesimpulan dari sampel. Peran ilmu komputer ada dua. Pertama, dalam pelatihan, perlu algoritma efisien untuk memecahkan masalah optimasi, serta untuk menyimpan dan memproses jumlah besar data yang umumnya memiliki. Kedua, setelah model dipelajari, representasi dan algoritma solusi untuk inferensi harus efisien juga. 2.7 Tipe dan Jenis Rumah Kriteria rumah berdasarkan konstruksinya dibedakan menjadi : Tabel 1. Kriteria Rumah Berdasar Konstruksi Jika dilihat berdasarkan ukuranya, standar perbandingan jumlah rumah besar, rumah sedang dan rumah kecil yaitu 1:3:6 Luas kapling rumah besar : 120 m² 600 m² (tipe 70) Luas kapling rumah sedang : 70 m² 100 m² (tipe 45-54) Luas kapling rumah kecil : 21 m² 54 m² (tipe 21-36) Untuk menentukan luas minimum rata-rata dari perpetakan tanah harus mempertimbangkan faktorfaktor kehidupan manusianya, faktor alamnya dan pengaturan bangunan setempat. 6. Persyaratan Permukiman Suatu bentuk permukiman yang ideal di kota merupakan pertanyaan yang menghendaki jawaban yang bersifat komprehensif, sebab perumahan dan permukiman menyangkut kehidupan manusia termasuk kebutuhan manusia yang terdiri dari berbagai aspek. Sehingga dapat dirumuskan secara sederhana tentang ketentuan yang baik untuk suatu permukiman yaitu harus memenuhi sebagai berikut: Lokasinya sedemikian rupa sehingga tidak terganggu oleh kegiatan lain seperti pabrik, yang umumnya dapat memberikan dampak pada pencemaran udara atau pencemaran lingkungan lainnya.

5 Mempunyai akses terhadap pusat-pusat pelayanan seperti pelayanan pendidikan, kesehatan, perdagangan, dan lain-lain. Mempunyai fasilitas drainase, yang dapat mengalirkan air hujan dengan cepat dan tidak sampai menimbulkan genangan air walaupun hujan yang lebat sekalipun. Mempunyai fasilitas penyediaan air bersih, berupa jaringan distribusi yang siap untuk disalurkan ke masing-masing rumah. Dilengkapi dengan fasilitas air kotor/ tinja yang dapat dibuat dengan sistem individual yaitu tanki septik dan lapangan rembesan, ataupun tanki septik komunal. Permukiman harus dilayani oleh fasilitas pembuangan sampah secara teratur agar lingkungan permukiman tetap nyaman. Dilengkapi dengan fasilitas umum seperti taman bermain bagi anak-anak, lapangan atau taman, tempat beribadat, pendidikan dan kesehatan sesuai dengan skala besarnya permukiman itu. Dilayani oleh jaringan listrik dan telepon C. METODE PENELITIAN 1. Standarisasi Fuzzyfikasi Tahapan yang dilakukan dalam melakukan penelitian ini adalah dengan memberikan standarisasi fuzzyfikasi untuk penilaian derajat kecocokan calon pembeli rumah terhadap kriteria sebagai berikut : Tabel 2. Fuzzyfikasi kriteria Jumlah angsuran / bulan selama 15 tahun Tabel 3. Fuzzyfikasi kriteria lebar jalan Tabel 6. Fuzzyfikasi kriteria jarak ke rumah sakit Tabel 7. Fuzzyfikasi kriteria jarak ke sekolah Tabel 8. Fuzzyfikasi kriteria jarak ke pasar Model Fuzzy segitiga untuk derajat kecocokan calon pembeli dengan pengembang perumahan terhadap kriteria yang digunakan adalah sebagai berikut : Tabel 9. Tabel Model Fuzzy segitiga Tahapan berikutnya setelah dilakukan penilaian pengembang perumahan pada bagian data uji selesai dilakukan pemasukan data, melakukan perhitungan dengan fuzzy MCDM. Misalnya : contoh perhitungan untuk satu calon pembeli dengan no_id = SARI dengan hasil proses data pruning yang memiliki derajat kecocokan fuzzy : K1=Sangat Baik K2=Baik K3=Baik K4=Sangat Baik K5=Baik K6=Baik K7=Baik Maka, nilai y,q,z dihitung dengan persamaan : Tabel 4. Fuzzyfikasi kriteria kondisi jalan Tabel 5. Fuzzyfikasi kriteria fasum Sehingga didapatkan hasil perhitungannya sebagai berikut : Yi=(0,75x0,75)+(0,5x0,5)+(0,5x0,5)+(0,75x0,75)+( 0,5x0,5)+(0,5x0,5)+(0,5x0,5) / 7 =0,

6 Qi=(1x1)+(0,75x0,5)+(0,75x0,75)+(1x1)+(0,75x0,7 5)+(0,75x0,75)+(0,75x0,75) / 7 =0,6875 Zi=(1x1)+(1x0,75)+(1x1)+(1x1)+(1x1)+(1x1) +(1x1) / 7 =1 Dari masing-masing nilai Y,Q,Z ini dilanjutkan dengan memasukan ke dalam persamaan : Dengan mempergunakan asumsi nilai derajat keoptimisan (α), dimana α=0, α=0.5, α=1 maka total integral untuk kandidat dengan no_id= SARI adalah sebagai berikut : Tabel 10 Nilai total integral kandidat no_id= SARI Nilai alpha Total nilai integral α= α=0, α= Implementasi Antar muka ini merepresentasikan asumsi derajat kecocokan dan kepentingan, adapun batasan nilai yang digunakan berkisar antara 0-1. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Gambar 2. Antar muka kriteria Antar muka pengembang perumahan dipergunakan menyimpan data nama pengembang, alamat, dan no telepon. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Gambar 3 Antar muka pengembang perumahan Gambar 1. Antar muka asumsi derajat kecocokan dan kepentingan Tahapan berikutnya adalah membuat antar muka untuk merepresentasikan kriteria yang paling sering diperhatikan oleh calon pembeli rumah, oleh sebab itu diinputkan sebanyak 7 (tujuh) buah disesuaikan dengan asumsi derajat kecocokan yang diinginkan oleh user. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Antar muka ini merepresentasikan data uji berupa data pengembang perumahan disesuaikan dengan kriteria yang ada pada lokasi perumahan tersebut, data yang diinputkan sesuai data pengembang perumahan yang akan mengikuti seleksi. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Gambar 4 Antar muka data uji pengembang perumahan 83

7 Antar muka ini menyimpan data calon pembeli rumah, pengisian data nama, no telepon, jenis kelamin, disesuaikan dengan keinginan ataupun harapan dari calon pembeli berdasarkan kriteria yang sering diperhatikan dalam pemilihan lokasi rumah, hasil pembuatan sistem dapat dilihat pada gambar berikut ini : Gambar 7 Antar muka hasil agregasi calon pembeli rumah dengan α=0 Gambar 5 Antar muka calon pembeli rumah Hasil agregasi untuk setiap calon pembeli rumah dengan kriteria setiap pengembang perumahan sesuai dengan kondisi lingkungan perumahan, dengan menggunakan derajat keoptimisan (α), dimana α=0,5 dapat dilihat sesuai dengan gambar berikut : Antar muka ini merepresentasikan proses perhitungan bobot criteria dan derajat kecocokan calon pembeli rumah dengan berbagai kriterianya yang ada pada setiap data uji dalam hal ini pengembang perumahan. Hasil dari pembuatan system dapat dilihat pada gambar berikut ini : Gambar 8 Antar muka hasil agregasi calon pembeli rumah dengan α=0,5 Gambar 6 Antar muka proses perhitungan bobot criteria dan derajat kecocokan Hasil agregasi untuk setiap calon pembeli rumah dengan kriteria setiap pengembang perumahan sesuai dengan kondisi lingkungan perumahan, dengan menggunakan derajat keoptimisan (α), dimana α=0 dapat dilihat sesuai dengan gambar berikut : Hasil agregasi untuk setiap calon pembeli rumah dengan kriteria setiap pengembang perumahan sesuai dengan kondisi lingkungan perumahan, dengan menggunakan derajat keoptimisan (α), dimana α=1 dapat dilihat sesuai dengan gambar berikut : 84

8 Gambar 9 Antar muka Hasil agregasi calon pembeli rumah dengan α=1 Pada gambar di atas terlihat pengurutan pengembang perumahan dengan nilai total integral terbesar yang dihasilkan dari proses seleksi menggunakan FMCDM, hal ini akan memudahkan pengambil keputusan yaitu calon pembeli rumah untuk menyeleksi lokasi perumahan yang akan dibeli sesuai dengan kriteria keinginan atau harapan dari calon pembeli rumah. Gambar 4.10 Laporan sistem memberikan alternatif pemilihan lokasi perumahan 3. Implikasi Penelitian Implikasi penelitian ini ditujukan bagi masyarakat umum yang memiliki beberapa harapan ataupun keinginan dengan merepresentasikan ke beberapa kriteria yang paling sering diperhatikan oleh calon pembeli seperti : jumlah besaran angsuran kredit per bulan, kondisi dan lebar jalan di dalam komplek perumahan, fasum yang disediakan pengembang, jarak dari perumahan ke lokasi pasar, sekolah maupun rumah sakit terdekat. Adanya hasil penelitian ini dapat dilakukan pemberian alternatif pilihan kepada calon pembeli rumah sehingga keputusan untuk melakukan pembelian dapat diambil dengan cepat dan tepat sesuai dengan harapan calon pembeli. E. PENUTUP 1. Kesimpulan Pembuatan sistem pengambilan keputusan yang optimal dengan beberapa kriteria menggunakan fuzzy multi-criteria decision making dapat disimpulkan bahwa : 1. Perangkat lunak ini dapat digunakan untuk menyelesaikan pengambilan keputusan dengan 7 (tujuh) kriteria yang akan menjadi bahan pertimbangan menggunakan fuzzy multicriteria decision making untuk mendapatkan alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. 2. Perangkat lunak yang telah dibuat dapat digunakan untuk menyelesaikan pengambilan keputusan untuk memberikan alternative pilihan lokasi perumahan dengan memberikan prioritas tertinggi sampai yang terendah lokasi pengembang perumahan yang sesuai dengan keinginan calon pembeli rumah yang optimal berdasarkan kriteria dengan memperhatikan nilai total integral yang diperoleh, semakin besar nilai total integral menunjukan bahwa alternatif tingkat kecocokan lebih tinggi berdasarkan kriterianya. 2. Saran Sistem yang dibuat masih memiliki kekurangan seperti belum ditambahkan kriteria jenis bangunan yang ditawarkan oleh pihak pengembang perumahan apakah permanen, atau semi permanen. Beberapa pertimbangan lain seperti luas tanah serta nilai uang lebih tanah di setiap lokasi perumahan memiliki perbedaan harga, belum dimasukan pada variabel kriteria, oleh karena itu system ini perlu dikembangkan lebih lanjut untuk penelitian tahap berikutnya untuk menjadi lebih sempurna dan sesuai harapan yang diinginkan calon pembeli rumah. DAFTAR PUSTAKA [1] Kusumadewi, S., Artificial Intelligence: Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu [2] Kusumadewi, S. dan Hari Purnomo, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu [3] Kusumadewi, S., Fuzzy Multi Criteria Decision Making, diakses tanggal 30 maret 2014 [4] Kusumadewi, S. Dkk, Fuzzy Multi Atribut Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu [5] Negnevitsky, Michael, Setiawan, S., Artificial Intelligence A Guide to Intelligence System., Addins-Wesley: Harlow,England, 2002 [6] Setiawan, S., Artificial Intelligence. Yogyakarta, 1994 [7] Turban, Efraim. Joy E.Aronson. Ting-Peng Liang. Negnevitsky, Michael, Setiawan, S., Decision Support Systems and Intelligence System., Yogyakarta: Andi Offset, 2005 [8] diakses 4 desember 2015 jam wita [9] /24/sedikit-teori-tentang-perumahan/, diakses 4 desember 2015 jam wita [10] -perumahan-dan-rumah.html,,diakses 4 desember 2015 jam wita 85