SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN LOKASI RUMAH MAKAN YANG STRATEGIS MENGGUNAKAN FMADM (Fuzzy Multiple Attribute Decission Making)

BAB 1

PENDAHULUAN

1.1  LATAR BELAKANG

Saat sekarang ini untuk memilih lokasi yang strategis sangatlah tidak mudah, butuh lokasi yang tepat dan sesuai agar usaha rumah makan yang kita buat bisa diterima oleh konsumen, maka dari itu diperlukan suatu sistem yang dapat memperhitungkan segala kriteria yang mendukung dalam pengambilan keputusan. Metode yang dipakai dalam pengambilan keputusan untuk menentukan lokasi rumah makan ini adalah metode FMADM (Fuzzy Multiple Attribute Decission Making). Metode ini memberikan niali bobot untuk setiap atribute, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi akternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah lokasi yang strategis untuk membangunan rumah makan berdasarkan kriteria-kriteria yang ditentukan. Metode ini memiliki tingkat akurasi yang cukup tinggi, mudah dalam pemrograman, dan cepat dalam proses pelatihan dan klasifikasi.

Dengan adanya sistem pendukung keputusan untuk menentukan lokasi rumah makan ini, diharapkan dapat mempermudah pengambilan keputusan untuk menentukan lokasi rumah makan yang strategis yang akan dijadikan untuk tempat usaha.

1.2  RUMUSAN MASALAH

Berdasarkan latar belakang di atas dapat dirumuskan permasalah yang akan diselesaikan yaitu bagaimana merancang sebuah sistem pendukung keputusan dengan menggunakan Fuzzy MADM dengan metode SAW (simple additive weighting) untuk menentukan lokasi mana yang paling strategis untuk pembangunan rumah makan berdasarkan bobot dan kriteria yang sudah ditentukan. Dengan menggunakan sebuah program microsoft office untuk menyelesaikan permasalahan sehingga jauh lebih mudah dan efisian.

1.4  TUJUAN PENELITIAN

Tujuan penelitian ini adalahmembangun suatu model pengambilan keputusan dengan menggunakan Fuzzy MADM dengan metode SAW untuk menentukan lokasi paling strategis untuk pembangunan rumah makan berdasarkan bobot dan kriteria yang sudah ditentukan

1.3  RUANG LINGKUP PEMBAHASAN

Dalam penelitian ini ruang lingkup pembahasan mencakup yaitu:

a.       Pengambilan keputusan pada sistem ini berdasarkan pembobotan data lokasi yang telah ada dengan karakteristik yang telah ditentukan.

b.      Aplikasi ini hanya untuk menentukan pemilihan lokasi atau tempat usaha dan tidak melayani transaksi penjualan/penyewaan tempat lokasi.

c.       Data kepadatan penduduk di ambil berdasarkan per-kecamatan, dengan pertimbangan jarak tempuh satu kecamatan yang tidak terlalu jauh.

d.      Asumsi harga lokasi berdasarkan luas tanah 25x25m, asumsi bangunan luas rumah makan adalah 20x20m, satu lantai, desain tidak terlalu mewah.

e.       Dalam penelitian ini penulis hanya mengambil sampel lokasi di Jalan Gajah Mada Batu – Malang, Jalan SoekarnoHatta – Malang, Jalan Ahmad Yani Pare – Kediri,  Jalan Ir. H. Juanda – Sragen, Jalan Cokroaminoton – Yogjakarta.

BAB 2

DASAR TEORI

2.1 SISTEM PENDUKUNG KEPUTUSAN (DECISION SUPPORT SYSTEM)

Menurut Kusrini (2007), Sistem Pendukung Keputusan merupakan sistem informasi yang menyediakan informasi, pemodelan dan pemanipulasian data. Definisi lain Sistem pendukung keputusan adalah sistem tambahan, mampu untuk mendukung analisis data secara ad hoc dan pemodelan keputusan serta berorientasi pada perencanaan masa depan.

Dengan demikian, dapat disimpulkan bahwa sistem pendukung keputusan (DSS) adalah suatu sistem informasi yang menggunakan model-model keputusan, basisdata, dan pemikiran manajer sendiri, proses modeling interaktif dengan komputer untuk mencapai pengambilan keputusan  oleh manajer tertentu

2.1.1    Komponen-komponen dalam sistem pendukung keputusan

Menurut Sudiyantoro (2005), komponen-komponen dalam sistem pendukung keputusan meliputi 8 bagian yaitu

a.        Hardware Resourches

Pusat pelaksana ini saling berhubungan dengan komputer lain menggunakan sistem jaringan, sehingga memudahkan dalam pengambilan data pada organisasi tersebut.

b.    Software Resourches

Perangkat lunak sistem pendukung keputusan sering disebut juga dengan Decision Support System Generator, yang berisi modul-modul untuk database, model dan dialogue management.

c.    Sumber Data

Database sistem pendukung keputusan berisi data dan informasi yang diambil dari data organisasi, data eksternal dan data para manajer secara individu. Itu semua merupakan ringkasan data yang akan diperlukan para manajer dalam mengambil keputusan.

e.    Sumber Model

Model ini berisi kumpulan model matematika dan teknik analisis yang disimpan kedalam program dan file yang berbeda-beda. Komponen dari model ini dapat dikombinasikan atau dipadukan dengan software tertentu untuk mendukung sebuah keputusan yang akan diambil.

f.     Sumber Daya Manusia

Sistem Pendukung Keputusan dapat digunakan oleh para manajer dan staf khusus untuk membuat keputusan alternative. Sistem pendukung keputusan ini juga dapat dikembangkan oleh penggunanya sesuai dengan keperluan para pengguna tersebut.

g.    Model Sistem Pendukung Keputusan

Model merupakan komponen yang sangat penting dalam sistem pendukung keputusan. Model memiliki pengertian yang secara sederhana berarti memisahkan dari dunia nyata dengan melukiskan komponen utama dan menghubungkannya dengan sistem dan kejadian lainnya.

h.    Electronic Spreadsheet

Lembar kerja elektronik memperbolehkan pengguna untuk membuat model dengan cara mengisi data dan menghubungkannya sesuai dengan format yang telah disediakan. User juga dapat melakukan beberapa perubahan dan mengevaluasi secara visual hasil yang telah didapat, seperti mengganti tampilan grafik.

i.     Sistem Pendukung Keputusan Kelompok

Merupakan suatu sistem berbasis komputer yang mendukung kelompok-kelompok orang yang terlibat dalam suatu tugas atau tujuan bersama dan menyediakan interface bagi suatu lingkungan yang digunakan bersama.

2.1.2    Tujuan dari sistem pendukung keputusan adalah sebagai berikut:

a.  Membantu manajer dalam pengambilan keputusan atas masalah semi-terstruktur.

b.  Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi manajer.

c.  Meningkatkan efektivitas keputusan yang diambil manajer lebih daripada perbaikan efisiensinya.

d.  Kecepatan komputasi

Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.

e. Peningkatan produktivitas

Membangun satu kelompok pengambil keputusan, terutama para pakar, bisa sangat mahal.vPendukung terkomputerisasi bisa mengurangi ukuran kelompok dan memungkinkan para anggotanya untuk beradavdiberbagai lokasi yang berbeda-beda (menghemat biaya perjalanan). Selain itu, produktivitas staf pendukung (misalnya analisis keuangan dan hukum) bisa ditingkatkan. Produktivitas juga bisa ditingkatkan menggunakan peralatan optimalisasi yang menentukan cara terbaik untuk menjalankan sebuah bisnis.

2.1.3    Keputusan sistem pendukung keputusan

Menurut Kusrini (2007), keputusan yang diambil untuk menyelesaikan suatu masalah dilihat dari struktur masalahnya terbagi menjadi 3 (tiga), yaitu :

a. Keputusan tersturktur (structured Decision)

Keputusan yang dilakukan secara berulang-ulang dan bersifat rutin. Prosedur pengambilan keputusan sangatlah jelas. Keputusan tersebut terutama dilakukan pada manajemen tingkat bawah. Misalnya, keputusan pemesanan barang dan keputusan penagihan piutang.

b. Keputusan semi terstrukutr

Keputusan yang memiliki dua sifat. Sebagian keputusan bisa ditangani oleh komputer dan yang lain tetap harus dilakukan oleh pengambil keputusan. Prosedur dalam pengambilan keputusan tersebut secara garis besar sudah ada, tetapi ada beberpa hal yang masih memerlukan kebijakan dari pengambil keputusan. Biasanya keputusan semacam ini diambil oleh manajer level menegah dalam suatu organisasi. Contoh keputusan jenis ini adalah pengevaluasian kredit, penjadwalan produksi dan pengendalian persediaan.

c. Keputusan tak terstruktur

Keputusan yang penanganannya rumit karena tidak terajadi berulang-ulang atau tidak selalu terjadi. Keputusan tersebut menurut pengalaman dan berbagai sumber yang bersifat eksternal. Keputusan tersebut umumnya terjadi pada manajemen tingkat atas. Contohnya adalah keputusan untuk pengembangan teknologi baru, keputusan untuk bergabung dengan perusahaan lain dan perekrutan ekesekutif.

STRUKTUR KEPUTUSAN	Manajemen Operasi	Manajemen Taktis	Manajemen Strtategis
Tidak Terstruktur	Pengelolaan Kas	Rekayasa Ulang Proses Bisnis	Perencanaan Bisnis Baru
Semi Terstruktur	Manajemen Kredit	Capital Budgeting	Perencanaan Prodeuk
Terstruktur	Inventory Control	Program Control	-

Gambar 1. Struktur keputusan DSS

2.2  FMADM  (Fuzzy Multiple Attribute Decision Making)

Fuzzy Multiple Attribute Decision Making FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan.

Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. ( Kusumadewi, 2007).

Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. antara lain (Kusumadewi, 2006):

a. Simple Additive Weighting Method (SAW)

b. Weighted Product (WP)

c. ELECTRE

d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

e. Analytic Hierarchy Process (AHP)

Langkah penyelesaian FMADM adalah:

Dalam penelitian ini menggunakan FMADM metode SAW. Adapun langkah-langkahnya adalah:

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.

2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.

4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

2.3  METODE SIMPLE ADDITIVE WEIGHTING METHOD (SAW)

Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

WEIGHTED PRODUCT (WP)

Metode Weighted Product (WP) menggunakanperkalian untuk menghubungkan rating atribut,dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.  Proses ini sama halnya dengan proses normalisasi.

ELECTRE

ELECTRE digunakan untuk kasus-kasus dengan banyak alternatif namun hanya sedikit kriteria yang dilibatkan. Suatu alternatif dikatakan mendominasi alternatif yang lainnya jika suatu atau lebih kriteria melebihi (bandingkan dengan kriteria dari alternatif yang lain) dan sama dengan kriteria lain yang tersisa.

Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

Didasarkan pada konsep bahwa alternatif terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif namun juga memiliki jarak terpanjang dari solusi ideal negatif. Hasil dari metode ini adalah nilai preferensi yang menunjukkan tingkat kesesuaian antara minat dan kemampuan mahasiswa, dimana evaluasi minat dilakukan dengan mengisi matriks pembandingan berpasangan dan evaluasi kemampuan dilakukan dengan memberikan beberapa pertanyaan.

Analytic Hierarchy Process (AHP)

teknik untuk mendukung proses pengambilan keputusan yang bertujuan untuk menentukan pilihan terbaik dari beberapa alternatif yang dapat diambil. Tahapan pertama dari AHP adalah menstrukturkan alur pengambilan keputusan berdasarkan dua komponen utama; Komponen pertama adalah tujuan dari AHP dan variabel yang digunakan, sedangkan komponen kedua adalah alternatif-alternatif yang dapat diambil untuk memenuhi tujuan AHP tersebut.

BAB 3

PEMBAHASAN

3.1  PERANCANGAN SISTEM FMADM

Seperti yang telah dijelaskan pada pendahuluan, jika penilaian dilakukan dengan melihat nilai-nilai terhadap indikator (variabel) yaitu jumlah penduduk, harga lokasi/tempat, target konsumen, kelengkapan usaha, jumlah usaha/pesaing, potensi perkembangan, ketertarikan penduduk, dan transportasi/angkutan umum.

Selanjutnya masing-masing indikator tersebit dianggap sebagai kriteria yang akan dijadikan sebagai faktor untuk menentukan lokasi pembangunan rumah makan yang strategis dan himpunan fuzzy nya adalah tidak ada, sangat rendah, rendah, sedang, tinggi, sangat tinggi. Himpunan ini kemudian diperlakukan sebagai input kedalam sistem FMADM (dalam hal ini disebut sebagai C_i).

3.2    ANALISIS KEBUTUHAN INPUT

Input untuk melakukan proses pengambilan keputusan dari beberapa alternatif ini dilakukan dengan menggunakan asumsi penulis berdasarkan observasi yang telah dilakukan sehingga penulis berusaha semaksimal mungkin untuk objektif.

Keluaran yang dihasilkan dari enelitian ini adalah sebuah alternatif yang memiliki nilai tertinggi dibandingkan dengan alternatif lain. Pada penelitian ini hasil keluarannya diambil dari urutan alternatif tertinggi ke alternatif terendah. Hasil akhir yang dikeluarkan oleh program nanto berasal dari nilai setiap kriteria, karena dalam setiap kriteria memiliki nilai yang berbeda-beda. Alternatif yang dimaksud adalah sampel lokasi yang penulis ambil.

3.3  KRITERIA DAN PEMBOBOTAN

Dalam metode penelitian ini ada bobot dan kriteria yang dibutuhkan untuk menentukan lokasi mana yang peling strategis untuk membangunan rumah makan. Adapun kriteria tersebut adalah

  

Gambar 2. Kriteria untuk pembobotan

Dari masing-masing kriteria tersebut, maka dibuat variabel-variabelnya. Dimana dari suatu variabel tersebut akan dirubah ke dalam bilangan fuzzy nya. Di bawah ini adalah bilangan fuzzy dari bobot di atas.

Variabel	Bilangan Fuzzy
Tabel ...	0
Tabel ...	2
Tabel ...	4
Tabel ...	6
Tabel ...	8
Tabel ...	10

Gambar 3. Bilangan Fuzzy

Gambar 4. Pengambilan Keputusan

Untuk mendapatkan variabel tersebut harus dibuat dalam grafik supaya lebih jelas pada gambar berikut ini:

3.3.1    Kriteria Jumlah Penduduk

Variabel jumlah penduduk dikonversikan dengan bilangan fuzzy di bawah ini.

Tabel 1. Jumlah penduduk (tingkat kecamatan)

Jumlah penduduk	Nilai
< 30.000 jiwa	2
>30.000 – 50.000 jiwa	4
> 50.000 – 70.000 jiwa	6
> 70.000 – 90.000 jiwa	8
> 90.000 jiwa	10

3.3.2    Kriteria Harga Lokasi / Tempat

Variabel harga lokasi dikonversikan dengan bilangan fuzzy di bawah ini.

Tabel 2. Harga lokasi / tempat (asumsi tanah 25x25m)

Harga lokasi / tempat	Nilai
> Rp 1 M	2
> Rp 800 jt – Rp 1 M	4
> Rp 600 jt – Rp 800 jt	6
> Rp 400 jt – Rp 600jt	8
< Rp 400 jt	10

3.3.3    Kriteria Target Konsumen

Variabel target konsumen dikonversikan dengan bilangan fuzzy di bawah ini.

Tabel 3. Target konsumen (asumsi per-hari)

Target konsumen	Nilai
<100 orang	2
>100 - 300 orang	4
>300 - 500 orang	6
>500 - 700 orang	8
>700 orang	10

3.3.4    Kriteria Kelengkapan Usaha

Variabel kelengkapan usaha dikonversikan dengan bilangan fuzzy di bawah ini.

Tabel 4. Kelengkapan usaha (air, listrik, pembuangan, dll)

Kelengkapan usaha	Nilai
Sangat tidak lengkap	2
Tidak lengkap	4
Sedang	6
Lengkap	8
Sangat lengkap	10

3.3.5    Kriteria Jumlah Usaha / Pesaing

Variabel jumlah usaha/pesaing dikonversikan dengan bilangan fuzzy di bawah ini.

Tabel 5. Jumlah usaha/pesaing

Jumlah usaha/pesaing	Nilai
Sangat tinggi	2
Tinggi	4
Sedang	6
Rendah	8
Sangat rendah	10

3.3.6    Kriteria Potensi Perkembangan Lokasi

Variabel potensi perkembangan lokasi dikonversikan dengan bilangan fuzzy.

Tabel 6. Potensi perkembangan lokasi

Potensi perkembangan lokasi	Nilai
Sangat rendah	2
Rendah	4
Sedang	6
Tinggi	8
Sangat tinggi	10

3.3.7    Kriteria Ketertarikan Penduduk

Variabel ketertarikan penduduk dikonversikan dengan bilangan fuzzy di bawah.

Tabel 7. Ketertarikan penduduk

Ketertarikan penduduk	Nilai
Sangat rendah	2
Rendah	4
Sedang	6
Tinggi	8
Sangat tinggi	10

3.3.8    Kriteria Ada Transportasi / Angkutan Umum

Variabel transportasi / angkutan umum dikonversikan dengan bilangan fuzzy..

Tabel 8. Transportasi / angkutan umum

Transportasi / angkutan umum	Nilai
Sangat sedikit	2
Sedikit	4
Sedang	6
Banyak	8
Sangat banyak	10

3.4 PERANCANGAN PROGRAM

Telah dibnagun sebuah sistem pendukung keputusan untuk membantu penentuan lokasi strategis dalam pembangunan rumah makan berdasarkan kriteria-kriteria yang ditentukan, dimana kriteria tersebut diterjemahkan dari bilangan fuzzy ke dalam bentuk bilangan cripn, sehingga nilainya akan bisa dilakukan proses perhitungan untuk mencari alternatif terbaik. Dari penelitian tersebut diketahui bahwa semakin banyak sampel yang dipunyai, maka tingkat validitasnya akan cenderung naik dan hasil akhir dari penelitian ini adalah sebuah alternatif yang memiliki nilai alternatif terbaik dari alternatif lain.

MASUKAN DATA

Kriteria	Alternatif
	Jl. Gajah Mada - Batu	Jl. Suhat - Malang	Jl. Ahmad Yani - Gurah (Kediri)	Jl. Ir. H Juanda - Sragen	Jl. Cokroaminoto - Yogjakarta
Jumlah penduduk (orang)	46.777	169.151	55.340	58.331	154.900
Harga lokasi/tempat (25x25m)	625.000.000	1.250.000.000	625.000.000	468.750.000	3.125.000.000
Target konsumen	>300 - 500	>500 - 700	>300 - 500	>500 - 700	>700
Kelengkapan usaha	Sangat Lengkap	Sangat Lengkap	Sangat Lengkap	Sangat Lengkap	Sangat Lengkap
Jumlah pesaing	Sedang	Tinggi	Rendah	Rendah	Sangat Tinggi
Potensi perkembangan	Tinggi	Sedang	Tinggi	Tinggi	Rendah
Ketertarikan penduduk	Sedang	Tinggi	Sedang	Tinggi	Tinggi
Transportasi	Banyak	Banyak	Sangat banyak	Sangat banyak	Banyak

Keterangan pemberian bobot:

1.         Jl. Gaja Mada – Batu

Target konsumen dari asumsi berdasarkan melihat: banyaknya pengunjung karena wisata di Batu yang sangat banyak dan jalur transportasi yang ramai. Potensi perkembangan tinggi karena banyak pengunjung yang ditunjang oleh banyaknya tempat wisata di kota batu. Selain itu transportasi sangat lengkap karena merupakan jalur utama menuju beberapa kota diantaranya malang, pasuruan, probolinggo, surabaya, dan lain sebagainya. Angkutan umum yang tersedia banyak yaitu angkot dan ojek.

2.    Jl. Suhat – Malang

Potensi perkembangan sedang karena banyaknya pesaing yang sangat tinggi. Ketertarikan penduduk tinggi karena pemukinan yang padat dan banyaknya mahasiswa disana yang mayoritas bergaya hidup konsumtif. Transportasi lengkap karena ada angkot dan ojek, dan merupakan jalan besar.

3.    Jl. Ahmad Yani – Gurah

Jumlah pesaing rendah karena belum banyak rumah makan yang ada disana. Potensi perkembangan tinggi karena pesaing yang rendah yang kondisi pertokoan disana yang memungkinkan para pengunjung setelah lelah berbelanja mampir untuk bersantap. Transportasi disana sangat lengkap karena dilewati oleh bus, tersedianya angkot, ojek dan becak.

4.         Jl. Ir. H. Juanda – Sragen

Jumlah pesaing rendah karena belum banyak rumah makan yang ada disana. Potensi perkembangan tinggi kerena pesaing rendah, lokasi dekat dengan alun-alun Sragen. Transportasi sangat lengkap karena dilewati bis antar kota bahkan antar provinsi, selain itu ada angkot, ojek, becak dan delman.

5.         Jl. Cokroaminoto – Yogjayakta

Jumlah pesaing sangat tinggi karena telah banyak berdiri rumah makan disekitar lokasi. Potensi perkembangan rendah karena banyaknya pesaing. Ketertarikan penduduk tinggi kerena banyaknya wisatawan, dekat dengan sekolah, tempat bimbel dan lain-lain. Transportasi dilewati trans-Jogja dan bis.

PROSES PERANGKINGAN

Kriteria	Alternatif
	Jl. Gajah Mada - Batu	Jl. Suhat - Malang	Jl. Ahmad Yani - Gurah (Kediri)	Jl. Ir. H Juanda - Sragen	Jl. Cokroaminoto - Yogjakarta
C1	4	10	6	6	10
C2	6	2	6	8	2
C3	6	8	6	8	10
C4	10	10	10	10	10
C5	6	4	8	8	2
C6	8	6	8	8	4
C7	6	8	6	8	8
C8	8	8	10	10	8
BOBOT	54	56	60	66	54

KEPUTUSAN (HASIL)

No.	ALTERNATIF	KEPUTUSAN
1	Jl. Gajah Mada - Batu	TIDAK LAYAK
2	Jl. Suhat - Malang	TIDAK LAYAK
3	Jl. Ahmad Yani - Gurah (Kediri)	LAYAK
4	Jl. Ir. H Juanda - Sragen	LAYAK
5	Jl. Cokroaminoto - Yogjakarta	TIDAK LAYAK

Dari penelitian ini diketahui bahwa hasil akhir dari penelitian adalah sebuah alternatif yang memiliki nilai alternatif terbaik dari alternatif yang lain.