HIERARCHY PROCESS
SKRIPSI
Oleh :
MOCHAMAD FIQRI MAULANA 311410161
PROGRAM STUDI
TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI “PELITA BANGSA”
BEKASI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA
DSLR MENGGUNAKAN METODE ANALYTICAL
HIERARCHY PROCESS
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan
Program Strata Satu (S1) pada Program Studi Teknik Informatika
Oleh:
MOCHAMAD FIQRI MAULANA 311410161
PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA
BEKASI
i
PERSETUJUAN
SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA
DSLR MENGGUNAKAN METODE ANALYTICAL
HIERARCHY PROCESS
Yang disusun oleh
Mochamad Fiqri Maulana 311410161
Telah disetujui oleh Dosen Pembimbing Skripsi
Pada tanggal ……….
Dosen Pembimbing 1 Dosen Pembimbing 2
A. Yudi Permana, S.Kom, M.Kom, Dr. Ir. Supriyanto, M.P.
NIDN: 420118405 NIDN: 0401066605
Mengetahui
Kaprodi Teknik Informatika
Aswan Sunge, S.Kom., M.Kom, NIDN: 0426018003
ii
ii
PENGESAHAN
SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS
Yang disusun oleh Mochamad Fiqri Maulana
311410161
Telah dipertahankan di depan Dewan Penguji
Pada tanggal ……….
Susunan Dewan Penguji
Dosen Penguji 1 Dosen Penguji 2
Muhtajuddin Danny, M.Kom Edora, S.Pd., M.Pd
NIDN: 0401056703 NIDN: 0401099001
Mengetahui
Ketua STT Pelita Bangsa Kaprodi Teknik Informatika
Dr. Ir. Supriyanto, M.P Aswan Sunge, S.Kom., M.K
iii
PERNYATAAN KEASLIAN PENELITIAN
Saya yang bertanda tangan dibawah ini menyatakan bahwa, skripsi ini merupakan karya saya sendiri (ASLI), dan isi dalam skripsi ini tidak terdapat karya yang pernah diajukan oleh orang lain untuk memperoleh gelar akademis di suatu institusi pendidikan tinggi manapun, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis dan/atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.
Segala sesuatu yang terkait dengan naskah dan karya yang telah dibuat adalah menjadi tanggung jawab saya pribadi.
Bekasi, ………...
Mochamad Fiqri Maulana 311410161
iv
iv
KATA PENGANTAR
Puji syukur penulis panjatkan kehadiran Allah SWT yang telah melimpahkan segala rahmat dan hidayah-Nya, sehingga tersusunlah Skripsi yang berjudul “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS”.
Skripsi tersusun dalam rangka melengkapi salah satu persyaratan dalam rangka menempuh ujian akhir untuk memperoleh gelar Sarjana Komputer (S.Kom.) pada Program Studi Teknik Informatika di Sekolah Tinggi Teknologi Pelita Bangsa.
Penulis sungguh sangat menyadari, bahwa penulisan Skripsi ini tidak akan terwujud tanpa adanya dukungan dan bantuan dari berbagai pihak. Sudah selayaknya, dalam kesempatan ini penulis menghaturkan penghargaan dan ucapan terimakasih yang sebesar-besarnya kepada:
a. Bapak Dr. Ir. Supriyanto, M. P selaku Ketua STT Pelita Bangsa.
b. Bapak Aswan S. Sunge, S. Kom, M.Kom selaku Ketua Program Studi Teknik Informatika STT Pelita Bangsa.
c. Bapak A. Yudi Permana, S.Kom, M.Kom, selaku Pembimbing Utama yang telah banyak memberikan arahan dan bimbingan kepada penulis dalam penyusunan Skripsi ini.
d. Bapak Dr. Ir. Supriyanto, M.P. selaku Pembimbing Kedua yang telah banyak memberikan arahan dan bimbingan kepada penulis dalam penyusunan Skripsi ini.
v
e. Seluruh Dosen STT Pelita Bangsa yang telah membekali penulis dengan wawasan dan ilmu di bidang teknik informatika.
f. Seluruh staf STT Pelita Bangsa yang telah memberikan pelayanan terbaiknya kepada penulis selama perjalanan studi jenjang Strata 1.
g. Rekan-rekan mahasiswa STT Pelita Bangsa, khususnya angkatan 2014, yang telah banyak memberikan inspirasi dan semangat kepada penulis untuk dapat menyelesaikan studi jenjang Strata 1.
h. Ibu dan Ayah tercinta yang senantiasa mendo’akan dan memberikan semangat dalam perjalanan studi Strata 1 maupun dalam kehidupan penulis.
Akhir kata, penulis mohon maaf atas kekeliruan dan kesalahan yang terdapat dalam Skripsi ini dan berharap semoga Skripsi ini dapat memberikan manfaat bagi khasanah pengetahuan Teknologi Informasi di lingkungan STT Pelita Bangsa khususnya dan Indonesia pada umumnya.
Bekasi, November 2018
vi
vi
DAFTAR ISI
HALAMAN JUDUL ...i
PERSETUJUAN ... i
PENGESAHAN ... ii
PERNYATAAN KEASLIAN PENELITIAN ... iii
KATA PENGANTAR ... iv
DAFTAR ISI ... vi
DAFTAR GAMBAR ... x
DAFTAR TABEL ... xii
ABSTRACT ... xv ABSTRAK ... xvi BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Identifikasi Masalah ... 2 1.3 Rumusan Masalah ... 3 1.4 Batasan Masalah ... 3
1.5 Tujuan dan Manfaat ... 4
1.5.1 Tujuan ... 4
vii
1.6 Sistematika Penulisan ... 4
BAB II TINJAUAN PUSTAKA ... 6
2.1 Tinjauan Pustaka... 6
2.2 Dasar Teori ... 10
2.2.1 Teori Perancangan Sistem ... 10
2.2.2 Flowchart ... 10
2.2.3 UML (Unified Modeling Language) ... 11
2.2.4 Black-Box Testing ... 16
2.3 Teori Bahasa Pemrograman ... 16
2.3.1 PHP (Perl Hypertext Preprocessor) ... 16
2.3.2 HTML (Hyper Text Markup Language) ... 17
2.3.3 Database MySQL ... 17
2.4 Teori Pendukung ... 18
2.4.1 Sistem Pendukung Keputusan ... 18
2.4.2 AHP (Analytical Hierarchy Process) ... 21
2.4.3 Kamera DSLR (Digital Single Lens Reflect) ... 26
2.5 Kerangka Berpikir ... 27
BAB III METODE PENELITIAN ... 29
3.1 Metode Pengumpulan Data ... 29
viii
viii
3.3 Proses Perhitungan Metode AHP ... 30
3.3.1 Merumuskan masalah Pemilihan Kriteria dan Alternatif ... 31
3.3.2 Matrix Perbandingan Berpasangan Terhadap Kriteria ... 33
3.3.3 Menentukan Priority Vector Pada Kriteria ... 34
3.3.4 Uji Konsistensi Pada Kriteria ... 34
3.3.5 Perhitungan Alternatif Berdasarkan K1 ... 35
3.3.6 Perhitungan Alternatif Berdasarkan K2 ... 38
3.3.7 Perhitungan Alternatif Berdasarkan K3 ... 41
3.3.8 Perhitungan Alternatif Berdasarkan K4 ... 43
3.3.9 Perhitungan Alternatif Berdasarkan K5 ... 46
3.3.10 Pemilihan Alternatif ... 49 3.4 Perancangan UML ... 50 3.4.1 Use Case ... 51 3.4.2 Activity Diagram ... 52 3.4.3 Sequence Diagram ... 57 3.4.4 Class Diagram ... 62 3.5 Perancangan ... 62
3.5.1 Perancangan Subsistem Data ... 63
2.5.1 Perancangan Subsistem Model ... 64
ix
BAB IV HASIL DAN PEMBAHASAN... 66
4.1 Hasil Penelitian ... 66
4.2 Pengujian Sistem ... 66
BAB V KESIMPULAN DAN SARAN ... 72
5.1 Kesimpulan ... 72
5.2 Saran ... 72
x
x
DAFTAR GAMBAR
Gambar 2.1 Komponen – Komponen SPK...21
Gambar 2.2 Bagan AHP...25
Gambar 2.3 Prinsip Kerja Kamera DSLR...27
Gambar 2.4 Kerangka Berpikir...28
Gambar 3.1 Flowchart Tahapan Penelitian...30
Gambar 3.2 Flowchart perhitungan metode AHP...31
Gambar 3.3 Hirarki Pemilihan Kamera DSLR...32
Gambar 3.4 Usecase diagram SPK kamera DSLR...51
Gambar 3.5 Activity diagram dashboard...52
Gambar 3.6 Activity diagram tambah kriteria...53
Gambar 3.7 Activity diagram update kriteria...53
Gambar 3.8 Activity diagram hapus kriteria...54
Gambar 3.9 Activity diagram input nilai alternatif...55
Gambar 3.10 Activity diagram update nilai alternatif...55
Gambar 3.11 Activity diagram hapus nilai alternatif...56
Gambar 3.12 Activity diagram perhitungan AHP...57
xi
Gambar 3.14.Squence diagram tambah data kriteria...58
Gambar 3.15 Squence diagram update kriteria...59
Gambar 3.16 Squence diagram hapus data kriteria...59
Gambar 3.17 Squence diagram input data alternatif...60
Gambar 3.18 Squence diagram update data alternatif...60
Gambar 3.19.Squence diagram delete data alternatif...61
Gambar 3.20 Squence diagram perhitungan AHP...61
Gambar 3.21 Class Diagram...62
Gambar 3.22 Flowchart SPK pemilihan kamera DSLR...64
Gambar 3.23 Struktur menu...65
xii
xii
DAFTAR TABEL
Tabel 2.1 Rangkuman Tinjauan Pustaka...9
Tabel 2.2 Simbol – Simbol dalam Flowchart...10
Tabel 2.3 Simbol – Simbol dalam Usecase Diagram...12
Tabel 2.4 Simbol – Simbol dalam Activity Diagram...12
Tabel 2.5 Simbol – Simbol dalam Sequence Diagram...13
Tabel 2.6 Simbol – Simbol dalam Class Diagram...14
Tabel 2.7 Simbol – Simbol dalam ERD...15
Tabel 2.8 Skala Bobot Kriteria AHP...23
Tabel 2.8 Contoh perbandingan berpsangan...25
Table 3.1 Penjelasan Hierarki pemilihan kamera DSLR...32
Tabel 3.2 Data Alternatif...33
Table 3.3 Matrix perbandingan berpasangan terhadap kriteria...33
Table 3.4 Tabel Priority Vector Kriteria...34
Table 3.5 Matrix perbandingan berpasangan alternatif terhadap kriteria Kualitas gambar...35
Table 3.6 Tabel Priority Vector alternatif berdasarkan Kriteria kualitas gambar...36
Tabel 3.7 Matrix perbandingan berpasangan alternatif terhadap kriteria resolusi gambar...38
xiii
Table 3.8 Tabel Priority Vector alternatif berdasarkan Kriteria
Resolusi gambar...39
Tabel 3.9 Matrix perbandingan berpasangan alternatif terhadap kriteria kualitas video...41
Table 3.10 Tabel Priority Vector alternatif berdasarkan Kriteria kualitas video...42
Tabel 3.11 Matrix perbandingan berpasangan alternatif terhadap kriteria performa...44
Table 3.12 Tabel Priority Vector alternatif berdasarkan Kriteria performa...44
Tabel 3.13 Matrix perbandingan berpasangan alternatif terhadap kriteria desain...46
Table 3.14 Tabel Priority Vector alternatif berdasarkan Kriteria desain...47
Table 3.15 Tabel Rekap Priority Vector Alternatif dan Priority Vector Kriteria...49
Table 3.16 Tabel Kriteria...63
Table 3.17 Tabel Alternatif...63
Tabel 4.1 Tabel pengujian dashboard...67
Tabel 4.2 Tabel pengujian tambah data kriteria...67
Tabel 4.3 Tabel pengujian update data kriteria...68
Tabel 4.4 Tabel pengujian hapus data kriteria...69
xiv
xiv
Tabel 4.6 Tabel pengujian update nilai alternatif...70
xv
ABSTRACT
The art of photography is the art of painting / writing using light media. As a general term, photography means a process or method for producing images or photos of an object by recording the reflection of light that hits the object in light sensitive media. The most popular tool to capture this light is the camera. The type of camera generation that has developed at this time, DSLR cameras (Digital Single Lens Reflect) are still in great demand. But many photographers find it difficult to determine the appropriate camera technology to use. Therefore, a decision support system was made using the Analitycal Hierarki Process method. With the Analitycal Hierarki Process method, decision making can be analyzed by determining criteria and alternatives. By applying the Analytical Hierarchy Process method a comprehensive priority can be generated which describes the priority of DSLR Camera selection. Using the AHP method makes it easier to make optimal decisions and results.
Keyword: DSS, Decision Support System, AHP, Analitycal Hierarki Process, Camera, DSLR, Digital Singel Lens Reflect
xvi
xvi
ABSTRAK
Seni fotografi adalah seni melukis/menulis dengan menggunakan media cahaya. Sebagai istilah umum, fotografi berarti proses atau metode untuk menghasilkan gambar atau foto dari suatu objek dengan merekam pantulan cahaya yang mengenai objek tersebut pada media yang peka cahaya. Alat paling populer untuk menangkap cahaya ini adalah kamera. Jenis generasi kamera yang sampai yang berkembang saat ini, kamera DSLR (Digital Single Lens Reflect) masih sangat diminati. Tetapi banyak fotografer yang kesulitan untuk menentukan teknologi kamera yang sesuai untuk digunakan. Maka dari itu, dibuatlah sistem pendukung keputusan dengan metode AHP. Dengan metode AHP, pengambilan keputusan dapat dianalisis dengan menentukan kriteria dan alternatif. Dengan menerapkan metode Analytical Hierarcy Process dapat dihasilkan prioritas menyeluruh yang menggambarkan prioritas pemilihan Kamera DSLR. Menggunakan metode AHP mempermudah dalam pengambilan keputusan dan hasil keputusan yang optimal.
Kata kunci: Sistem Pendukung Keputusan, SPK, Analitical Hierarki Procsess, AHP, Kamera, DSLR, Digital Singel Lens Reflect
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Seni fotografi adalah seni melukis/menulis dengan menggunakan media cahaya. Sebagai istilah umum, fotografi berarti proses atau metode untuk menghasilkan gambar atau foto dari suatu objek dengan merekam pantulan cahaya yang mengenai objek tersebut pada media yang peka cahaya. Alat paling populer untuk menangkap cahaya ini adalah kamera.
Seiring berkembangnya teknologi, jenis generasi kamera pun mulai berkembang. Diantaranya adalah kamera film, kamera polaroid, kamera saku, kamera reflek lensa tunggal digital (DSLR), kamera action (aksi) hingga kamera dengan teknologi terbaru, yaitu kamera mirrorless (tanpa kaca)
Dari jenis generasi kamera yang beraneka ragam sampai yang berkembang saat ini, kamera DSLR (Digital Single Lens Reflect) masih sangat diminati. Meskipun teknologi kamera mirrorless (tanpa kaca) saat ini sudah berkembang, namun pengaruh kamera DSLR terhadap dunia fotografi masih sangat besar.
Kamera DSLR masih mengalami perkembangan yang cukup signifikan. Meskipun teknologi yang digunakan saat ini sudah mumpuni untuk menghasilkan gambar dengan kualitas tinggi, tetapi produsen kamera masih terus mengembangkan teknologi pada kameranya dengan fitur-fitur yang lebih canggih.
2
Banyak produsen kamera DSLR yang sudah dikenal akan kualitas kameranya, diantaranya: Nikon, Canon, Fujifilm, Sony, Pentax, Samsung dan Panasonic. Dari sekian banyak produsen kamera, tentu saja tidak ada kamera yang dibuat serupa dari masing-masing produsen baik dari bentuk fitur maupun teknologi. Biasanya masing-masing produsen memproduksi kamera yang mampu bersaing pada tiap-tiap kelasnya.
Ada berapa kelas atau tingkatan fotografer dalam dunia fotografi, yaitu: pemula (newbie), menengah (middle), profesional dan expert. Tergantung dari kemampuan dan pengalaman seorang fotografer. Semakin tinggi kelasnya semakin meningkat juga teknologi kamera yang digunakan. Meskipun begitu, banyak fotografer yang kesulitan untuk menentukan teknologi kamera yang sesuai untuk digunakan. Hal tersebut dikarenakan banyaknya produsen kamera yang menawarkan keunggulan dari masing-masing produknya.
Untuk mengatasi permasalahan tersebut maka penulis memutuskan untuk membuat Sistem Pendukung Keputusan. Dengan dasar dan alasan tersebut, maka penulis terdorong untuk mengangkat judul “SISTEM
PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR
MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS” 1.2 Identifikasi Masalah
Berdasarkan latar belakang di atas terdapat identifikasi masalah yaitu bahwa fotografer kesulitan dalam memilih kamera yang sesuai untuk digunakan.
1.3 Rumusan Masalah
Berdasarkan uraian latar belakang masalah dan identifikasi masalah maka dapat dibuat suatu rumusan masalah yaitu: Bagaimana metode
Analytical Hierarchy Process dapat membantu fotografer dalam pemilihan
kamera yang sesuai untuk digunakan. 1.4 Batasan Masalah
Untuk mempermudah dalam penulisan dan agar lebih terarah, maka perlu dibuat suatu batasan masalah sebagai berikut:
1. Sistem Pendukung Keputusan ini ditujukan untuk pemilihan kamera DSLR (digital single lens reflect) yang sesuai untuk digunakan berdasarkan kriteria yang dipilih dan bukan untuk memilih kamera terbaik.
2. Dalam Pemilihan kamera DSLR, metode yang digunakan adalah AHP
(analytical hierarchy process).
3. Dalam penelitian ini penulis mengambil lima kriteria sebagai contoh. Yaitu, kualitas gambar, resolusi gambar, kualitas video, performa, dan desain (rancangan).
4. Penelitian membandingkan dua puluh alternatif sebagai contoh. yaitu, Nikon D5100, Nikon D5200, Nikon D5300, Nikon D5500, Canon EOS 600D, Canon EOS 650D, Canon EOS 700D, Canon EOS 750D, Sony Alpha A390 dan Sony Alpha A290, Olympus E300, OLYMPUS E -420, Panasonic Lumix G85, Panasonic Lumix GH5, Pentax K-1, Pentax K-50, Pentax K500, Pentax K-S2, Sony Alpha A290, Sony Alpha A390.
4
1.5 Tujuan dan Manfaat 1.5.1 Tujuan
1. Untuk mengetahui kriteria yang tepat dalam pemilihan kamera DSLR agar tidak terjadi kesalahan memilih.
2. Menentukan alternatif yang sesuai dengan kebutuhan para fotografer baik yang ingin belajar fotografi, hobi, atau keperluan pekerjaan. 3. Membuat suatu sistem pengambilan keputusan dengan metode
Analytical Hierarchy Process mengenai cara pemilihan kamera DSLR.
1.5.2 Manfaat
1. Memudahkan fotografer untuk menentukan kamera yang sesuai untuk digunakan.
2. Diharapkan dapat memberikan acuan mengenai sistem pendukung keputusan dengan metode Analytical Hierarchy Process sehingga dapat dikembangkan lebih lanjut.
3. Memberikan gambaran mengenai sistem pendukung keputusan yang dapat diterapkan menggunakan metode Analytical Hierarchy Process 1.6 Sistematika Penulisan
Pada bagian ini, penulis akan memberikan suatu uraian mengenai isi dari laporan yang terdiri dari:
BAB I: PENDAHULUAN
Bab ini akan menguraikan permasalahan yang akan di bahas secara keselurahan meliputi Latar Belakang, Identifikasi Masalah, Rumusan Masalah, Batasan Masalah, Tujuan dan Manfaat, Sistematika Penulisan.
BAB II: TINJAUAN PUSTAKA
Bab ini berisi uraian teori-teori yang digunakan dalam penelitian.
BAB III: METODE PENELITIAN
Bab ini meneliti penelitian gambar diagram arsitektur, rancangan sistem yang akan dibuat dan membahas tentang perancangan UML.
BAB IV: HASIL DAN PEMBAHASAN
Pada bab ini berisi implementasi dan pengujian sistem pendukung keputusan yang dibangun.
BAB V: KESIMPULAN
Bab ini akan membahas tentang kesimpulan dan saran tentang sistem yang sudah dibuat dan dirancang.
6
BAB II
LANDASAN TEORI
2.1 Tinjauan Pustaka
Terdapat beberapa penelitian yang berkaitan dengan “Sistem Pendukung Keputusan Pemilihan Kamera DSLR Menggunakan Metode
Analytical Hierarchy Process”:
1. Sistem Pendukung Keputusan Pemilihan Paket Internet Operator Telekomunikasi Dengan Metode AHP (Analytical Hierarchy Process), (Prasetyo, Laksito, Siswanti, 2013)
Berdasarkan hasil penelitian ini, dapat diambil kesimpulan sebagai berikut :
1) Metode AHP (Analytical Hierarchy Process) dapat diterapkan dalam sistem pendukung keputusan pemilihan paket internet operator telekomunikasi dengan menentukan prioritas utama dari beberapa kriteria serta alternatif yang ada untuk mengambil sebuah keputusan.
2) Hasil perhitungan menggunakan AHP untuk menentukan prioritas pilihan sangat bergantung pada pemberian bobot nilai terhadap kriteria dan sub kriteria yang ada pada tahap penilaian kriteria dan sub kriteria yang akan menghasilkan nilai prioritas.
2. Penerapan Metode AHP (Analythic Hierarchy Process) Untuk Menentukan Kualitas Gula Tumbu (Darmanto, Latifah, Susanti, 2014). Dari hasil penelitian ini, kesimpulan yang dapat diambil adalah :
1) Aplikasi SPK Menentukan Kualitas Gula Tumbu ini, sudah dapat melakukan perhitungan dengan metode AHP (Analytic Hierarchy
Process) lebih cepat dibandingkan perhitungan secara manual
sehingga bias lebih efisien dan tingkat keakuratan data sudah mendekati sempurna.
2) Seluruh pendataan yang berhubungan dalam Menentukan Kualitas Gula Tumbu meliputi data warna, data rasa, data kekerasan dan data perhitungan metode dapat diolah seluruhnya di dalam Aplikasi SPK Menentukan Kualitas Gula Tumbu ini dan dapat terorganisir dengan baik.
3. Penerapan Metode Analytical Hierarchy Process (AHP) Pada Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi Menggunakan
Framework Laravel (Studi Kasus : Institut Sains & Teknologi Akprind
Yogyakarta) (Hilda, Kumalasari, Rachmawati, 2015).
Berdasarkan hasil pengujian dalam penelitian ini, maka dapat disimpulkan sebagai berikut:
1) Sistem pendukung keputusan ini telah berhasil menganalisis dan menghitung data pemilihan Mawapres di Institut Sains & Teknologi AKPRIND Yogyakarta dari tahun 2011 – 2015 dengan menerapkan metode AHP dan Dikti. Setelah dibandingkan dengan perhitungan Dikti, persentase ketepatan perhitungan dengan menerapkan metode AHP pada kasus ini adalah sebesar 60%.
8
2) Sistem pendukung keputusan berbasis web ini telah berhasil dibuat dengan menerapkan metode AHP dan menggunakan framework
Laravel.
4. Sistem Penunjang Keputusan Pemilihan Router Mikrotik Dengan Menggunakan Metode AHP (Analitycal Hierarchy Process) (Gustina, Mutiara, 2016).
Berdasarkan hasil penelitian dan pembahasan serta pengolahan hasil kuesoner yang telah dilakukan, dapat diambil kesimpulan sebagai berikut:
1) Model Pengambilan Keputusan Pemilihan Router Mikrotik dengan menggunakan Metode Analitycal Hierarchy Process (AHP), dibuat dengan cara wawancara, Angket kuisoner dan studi pustaka. Sedangkan tingkat yang paling atas adalah tujuan dari model keputusan yaitu pemilihan alternatif jenis router mikrotik yang digunakan.
2) Urutan prioritas kriteria dari pemilihan alternatif jenis router
mikrotik adalah sebagai berikut: berdasarkan harga 41%, banyak
fitur 32% dan mudah setting 27%. Sedangkan untuk urutan prioritas alternatif router mikrotik dari tinggi ke rendah adalah sebagai berikut : Mikrotik 32%, Sisco 27%, TP-Link 15%, D-Link 14% dan Linksys 12%.
3) Alternatif 1(Mikrotik) merupakan alternatif dengan bobot tertinggi sehingga router yang tepat adalah merk Mikrotik.
5. Penerapan Metode AHP Sebagai Pendukung Keputusan Penetapan Beasiswa (Frieyadie, 2017).
Berdasarkan perhitungan Analytical Hierarchy Process (AHP), diperoleh prioritas kriteria dalam penilaian terhadap Pemilihan Beasiswa. Di mana Prestasi Akademik, Prestasi Non Akademik, Penghasilan Orang Tua, dan Kepribadian menjadi tolak ukur dalam melakukan pemilihan beasiswa. Hasil akhir yang didapat dari pemilihan beasiswa oleh lima orang ahli bahwa Siswa B lebih unggul 0,221 (22,1%) sedangkan Siswa A 0,213 (21,3%), Siswa E 0,207 (20,7%), Siswa D 0,182 (18,2%) dan Siswa C 0,176 (17,6%).
Tabel 2.1 di bawah ini adalah rangkuman dari tinjauan pustaka yang berhubungan dengan penelitian yang akan dilakukan. Rangkuman ini berdasarkan tahun penelitian, judul penelitian, dan metode yang digunakan.
Tabel 2.1 Rangkuman Tinjauan Pustaka
No. Tahun Judul
1. 2013 Sistem Pendukung Keputusan Pemilihan Paket Internet Operator Telekomunikasi Dengan Metode AHP
2. 2014 Penerapan Metode AHP (Analythic Hierarchy Process) Untuk Menentukan Kualitas Gula Tumbu
3. 2015
Penerapan Metode Analytical Hierarchy Process (AHP) Pada Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi Menggunakan Framework Laravel
4. 2016 Sistem Penunjang Keputusan Pemilihan Router Mikrotik Dengan Menggunakan Metode AHP
10
5. 2017 Penerapan Metode AHP Sebagai Pendukung Keputusan Penetapan Beasiswa
2.2 Dasar Teori
2.2.1 Teori Perancangan Sistem
Perancangan sistem adalah kegiatan merancang atau mengolah sebuah sistem yang dilakukan dari tahap analisa hingga perancangan user
interface data dan aktivitas proses. Menurut bentley dan whitten (2009:160)
melalui buku yang berjudul “system analysis and design for the global
enterprise” juga menjelaskan bahwa perancangan sistem adalah teknik
pemecahan masalah dengan melengkapi komponen-komponen kecil menjadi kesatuan komponen sistem kembali ke sistem yang lengkap. 2.2.2 Flowchart
Flowchart adalah adalah suatu bagan dengan simbol-simbol tertentu
yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses (instruksi) dengan proses lainnya dalam suatu program atau sistem. Berikut ini adalah beberapa simbol yang digunakan dalam menggambar suatu flowchart:
Tabel 2.2 Simbol – Simbol dalam Flowchart
NO GAMBAR NAMA KETERRANGAN
1 Terminator program atau sistem Permulaan / Akhir
2 Flow Line Arah aliran Program
3 Preparation Pemberian harga awal Proses Inisialisasi /
5 Input / Output Data
Proses Input / Output data, parameter, informasi 6 Predefined Process (Sub Program)
Permulaan sub program / proses menjalankan
sub program
7 Decision
menggambarkan suatu keputusan / tindakan
yang harus diambil pada kondisi tertentu
8 Connector One Page
Penghubung bagian – bagian flowchart yang
berbeda pada satu halaman
9 Connector Off Page
Penghubung bagian – bagian flowchart yang berbeda pada halaman
yang berbeda
2.2.3 UML (Unified Modeling Language)
UML (Unified Modeling Language) adalah standar bahasa yang banyak digunakan di dunia industri untuk mendefinisikan requirement, membuat analasis dan desain, serta menggambarkan arsitektur dalam pemrograman berorientasi objek (Rosa A.S dan M, Shalahuddin, 2016).
Ada beberapa diagram yang umumnya digunakan dalam model UML yang dapat menggambarkan alur suatu sistem.
a. Use Case Diagram
Use case diagram yaitu salah satu jenis diagram pada UML yang menggambarkan interaksi antara sistem dan aktor, use case diagram juga dapat mendeskripsikan tipe interaksi antara si pemakai sistem dengan sistemnya. Berikut adalah beberapa simbol-simbol data flow yang biasa dipakai dalam perancangan usecase diagram:
12
Tabel 2.3 Simbol – Simbol dalam Usecase Diagram
NO GAMBAR NAMA KETERANGAN
1 Actor
Menspesifikasikan himpunan peran yang pengguna mainkan
ketika berinteraksi dengan
usecase
2 Include Menspesifikasikan bahwa
usecase sumber secara eksplisit
3 Extend
Menspesifikasikan bahwa
usecase target memperluas
perilaku dari usecase sumber pada satu titik yang diberikan
4 Association
Apa yang menghubungkan antara objek satu dengan objek
lainnya
5 System
Menspesifikasikan paket yang menampilkan sistem secara
terbatas
6 Usecase
Deskripsi dari urutan aksi-aksi yang ditampilkan sistem yang menghasilkan suatu hasil yang
terukur bagi suatu aktor
b. Activity Diagram
Activity diagram atau diagram aktivitas yaitu salah satu jenis diagram pada UML yang dapat memodelkan proses-proses apa saja yang terjadi pada sistem. Berikut adalah beberapa symbol yang digunaka dalam acivity diagram :
Tabel 2.4 Simbol – Simbol dalam Activity Diagram
NO GAMBAR NAMA KETERANGAN
1 Activity
Memperlihatkan bagaimana masing-masing
antarmuka saling berinteraksi satu sama lain
2 Action
State dari sistem yang mencerminkan eksekusi
dari suatu aksi
3 Initial node
Bagaimana objek dibentuk atau awali
4 Activity final node
Bagaimana objek dibentuk dan diakhiri
5 Decision
Digunakan untuk menggambarkan suatu keputusan / tindakan yang harus diambil pada kondisi
tertentu
6 Line connector
Digunakan untuk menghubungkan satu symbol dengan symbol
lainnya
c. Sequence Diagram
Sequence diagram yaitu salah satu jenis diagram pada UML yang menjelaskan interaksi objek yang berdasarkan urutan waktu, sequence diagram juga dapat menggambarkan urutan atau tahapan yang harus dilakukan untuk dapat menghasilkan sesuatu seperti pada use case diagram. Berikut adalah beberapa simbol-simbol data flow yang biasa dipakai dalam perancangan squence diagram:
Tabel 2.5 Simbol – Simbol dalam Sequence Diagram
NO GAMBAR NAMA KETERANGAN
1 Life line Objek entitas, antar muka yang
saling berinteraksi
2 Actor Digunakan untuk
14
3 Message
Spesifikasi dari komunikasi antar objek yang memuat informasi tentang aktifitas yang
terjadi
4 Boundary Digunakan untuk
menggambarkan sebuah form
5 Control class Digunakan untuk menggambarkan boundary dengan table 6 Entity class Digunakan untuk menggambarkan hubungan kegiatan yang akan dilakukan
d. Class Diagram
Class diagram yaitu salah satu jenis diagram pada UML yang digunakan untuk menampilkan kelas-kelas maupun paket-paket yang ada pada suatu sistem yang nantinya akan digunakan. Jadi diagram ini dapat memberikan sebuah gambaran mengenai sistem maupun relasi-relasi yang terdapat pada sistem tersebut. Berikut adalah beberapa simbol-simbol data flow yang biasa dipakai dalam perancangan class diagram:
Tabel 2.6 Simbol – Simbol dalam Class Diagram
NO GAMBAR NAMA KETERANGAN
1 Life line Objek entitas, antar muka yang
saling berinteraksi
2 Actor Digunakan untuk
menggambarkan user/ pengguna
3 Message
Spesifikasi dari komunikasi antar objek yang memuat informasi tentang aktifitas yang
4 Boundary Digunakan untuk
menggambarkan sebuah form
5 Control class Digunakan untuk menggambarkan boundary dengan table 6 Entity class Digunakan untuk menggambarkan hubungan kegiatan yang akan dilakukan
e. ERD (Entity Relationship Diagram)
(Rosa & Salahudin, 2015) Pemodelan awal basisdata paling banyak digunakan adalah dengan menggunakan pemodelan Entity Relationship Diagram (ERD). ERD dikembangkan berdasarkan teori himpunan dalam. Berikut adalah beberapa simbol-simbol yang digunakan dalam membuat model ERD :
Tabel 2.7 Simbol – Simbol dalam ERD
No Simbol Nama Keterangan
1 proses
Menunjukan proses data yang berjalan pada sistem
2 Hubungan atau
Relasi
Menunjukkan nama relasi antar satu entitas dengan entitas lainnya
3 Atribut Atribut adalah karakteristik
dari sebuah entitas
4 Garis Relasi Menunjukkan hubungan
16
5 Input manual
Menunjukan proses inpt data yang dilakukan oleh user
2.2.4 Black-Box Testing
Black box testing adalah pengujian yang dilakukan hanya mengamati hasil eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak. Jadi dianalogikan seperti kita melihat suatu kotak hitam yang hanya bisa melihat penampilan luarnya saja, tanpa tahu ada apa dibalik bungkus hitamnya. Sama seperti pengujian black box, mengevaluasi hanya dari tampilan luarnya (interface) , fungsionalitasnya.tanpa mengetahui apa sesungguhnya yang terjadi dalam proses detailnya (hanya mengetahui input dan output).
2.3 Teori Bahasa Pemrograman 2.3.1 PHP (Perl Hypertext Preprocessor)
PHP adalah bahasa pemrograman script server-side yang didesain untuk pengembangan web. Selain itu, PHP juga bisa digunakan sebagai bahasa pemrograman umum (wikipedia). PHP di kembangkan pada tahun 1995 oleh Rasmus Lerdorf, dan sekarang dikelola oleh The PHP Group. Situs resmi PHP beralamat di http://www.php.net.
Pada awalnya PHP merupakan singkatan dari Personal Home Page. Sesuai dengan namanya, PHP digunakan untuk membuat web site pribadi. Dalam beberapa tahun perkembangannya, PHP menjadi bahasa pemrograman web yang paling populer dan tidak hanya digunakan untuk
membuat halaman web sederhana, tetapi juga web site populer yang digunakan oleh jutaan orang seperti wikipedia, wordpress, joomla, dll. Saat ini PHP adalah singkatan dari PHP: Hypertext Preprocessor, sebuah kepanjangan rekursif, yakni permainan kata dimana kepanjangannya terdiri dari singkatan itu sendiri: PHP: Perl Hypertext Preprocessor.
2.3.2 HTML (Hyper Text Markup Language)
HTML merupakan kependekan dari Hyper Text Markup Language yaitu bahasa pemrograman standar yang digunakan untuk membuat sebuah halaman web, yang kemudian dapat diakses untuk menampilkan berbagai informasi di dalam sebuah penjelajah web Internet (Browser). HTML dapat juga digunakan sebagai link antara file – file dalam situs atau dalam komputer dengan menggunakan localhost, atau link yang menghubungkan antar situs dalam dunia internet. Agar dapat menghasilkan tampilan yang terintegrasi, pemformatan hiperteks sederhana ditulis dalam berkas format ASCII sehingga menjadi halaman web dengan perintah-perintah HTML. HTML merupakan sebuah bahasa yang bermula bahasa yang sebelumnya banyak dipakai di dunia percetakan dan penerbitan yang disebut Standard Generalized Markup Language (SGML).
2.3.3 Database MySQL
Database merupakan koleksi dari data-data yang terorganisir
dengan cara sedemikian rupa sehingga data tersebut mudah disimpan dan dimanipulasi. Sebuah sistem basisdata dapat memiliki beberapa basis data, dalam setiap basisdata dapat memilik sejumlah objek basis data seperti tabel, indeks dan lain lain (Yakub: 2012).
18
MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL (bahasa Inggris: database management system) atau DBMS yang multialur, multipengguna, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat MySQL tersedia sebagai perangkat lunak gratis di bawah lisensi GNU General Public License (GPL), tetapi mereka juga menjual di bawah lisensi komersial untuk kasus-kasus di mana penggunaannya tidak cocok dengan penggunaan GPL (Tim EMS, 2014).
2.4 Teori Pendukung
2.4.1 Sistem Pendukung Keputusan
MenurutTurban dan Volonio (2010) “Sistem pendukung keputusan didefinisikan sebagai sebuah sistem yang menggabungkan model dan data untuk menyelesaikan masalah semi tersruktur dan tidak terstruktur dengan melibatkan pengguna sistem pendukung keputusan bisa dilihat sebagai sebuah pencapaian”.
2.4.1.1 Proses Pengambilan Keputusan
(Kadarsah dan Ramdhani, 2017) Dalam proses sistem pengambilan keputusan terdapat tahap - tahap yang harus dilalui. tahap – tahap yang harus dilalui dalam proses pengambilan keputusan adalah sebagai berikut :
1. Tahap pemahaman (intelligence)
Tahap ini merupakan proses penelusuan dan pendekatan dari lingkup problematika serta proses pengenalan masalah. Data masukan diperoleh, diproses, dan diuji dalam rangka mengidentifikasikan masalah.
2. Tahap perancangan (design)
Tahap ini merupakan proses menemukan mengembangkan dan menganalisa alternative tindakan yang bisa dilakukan. Tahap ini meliputi proses untuk mengerti masalah, menurunkan solusi dan menguji kelayakan solusi.
3. Tahap pemilihan (choice)
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternative tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
4. Tahap Implementasi (Implementation)
Meskipun implementasi termasuk tahap ketiga, namun ada beberapa pihak berpendapat bahwa tahap ini perlu dipandang sebagai bagian yang terpisah guna menggambarkan hubungan antara fase secara lebih komprehensif.
2.4.1.2 Komponen Sistem Pendukung Keputusan
Menurut Kadarsah dan Ramdhani (2017), sistem pendukung keputusan mempunyai beberapa komponen ‐ komponen sistem, yaitu:
1. Subsistem Manajemen Basisdata (Data Base Management
Subsystem), SPK membutuhkan proses ekstarksi dan DBMS yang
dalam pengolahannya harus cukup fleksibel untuk memungkinkan penambahan dan pengurangan secara cepat. Dalam hal ini kemampuan yang dibutuhkan dari manajaemen basisdata yaitu mengkombinasikan berbagai variasi data melalui pengambilan dan
20
ekstraksi data. Serta untuk menambahkan sumber data secara cepat dan mudah.
2. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and Manaement Software), Fleksibelitas dan kekuatan karakteristik SPK timbul dari kemampuan interaksi antara sistem dan pemakai, yang dinamakan subsistem dialog. Bennet mendefinisikan pemakai, terminal dan sistem perangkat lunak sebagai komponen-komponen
3. Subsistem Manajemen Basis Model (Model Base Management
System), Salah satu keunggulan SPK adalah kemampuan untuk
mengintegrasikan akses data dan model-model keputusan. Hal ini dapat dilakukan dengan menambahkan data model-model keputusan kedalam sistem informasi yang menggunakan database sebagai mekanisme integrasi dan komunikasi diantara model-model. Karakteristik ini menyatukan kekuatan pencarian dan pelaporan data dari pengembang disiplipin manajemen. Salahsatu kemampuannya yaitu untuk menciptakan model-model baru secara cepat dan mudah, serta untuk mengakses dan mengintegrasikan model-model keputusan.
2.4.2 AHP (Analytical Hierarchy Process)
AHP merupakan suatu metode pendukung keputusan yang dikembangkan oleh seorang professor matematika University of Pittsburgh kelahiran Irak, Thomas L. Saaty. AHP merupakan metode untuk membuat urutan alternatif keputusan dan pemilihan alternatif terbaik pada saat pengambil keputusan dengan beberapa tujuan atau kriteria untuk mengambil keputusan tertentu. Hal yang paling utama dalam AHP adalah hirarki fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah yang kompleks dan tidak terstruktur dapat dipecahkan ke dalam kelompoknya, kemudian kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki. Pada dasarnya AHP adalah suatu teori umum tentang pengukuran yang digunakan untuk menemukan skala rasio terbaik dari perbandingan berpasangan yang diskrit maupun kontiniu. AHP sangat cocok dan fleksibel digunakan untuk menentukan keputusan yang menolong seorang decision maker untuk mengambil keputusan yang efisien dan efektif berdasarkan segala aspek yang dimilikinya.
22
2.4.2.1 Prinsip Kerja AHP
Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang tidak terstruktur dan dinamik menjadi bagian-bagiannya, serta menata dalam suatu hierarki. Kemudian tingkat kepentingan setiap variabel diberi nilai numerik secara subjektif tentang arti penting variabel tersebut secara relatif dibandingkan dengan variabel lain. Dari berbagai pertimbangan tersebut kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas tinggi dan berperan untuk mempengaruhi hasil pada sistem tersebut. (Marimin, 2015).
Dalam menyelesaikan persoalan dengan Metode AHP, ada beberapa prinsip dasar yang harus dipahami antara lain:
1. Decomposition
Prinsip ini merupakan pemecahan persoalan-persoalan yang utuh menjadi unsur-unsurnya ke bentuk hirarki proses pengambilan keputusan di mana setiap unsur atau elemen saling berhubungan. Jika ingin mendapatkan hasil yang akurat, pemecahan dilakukan terhadap unsur-unsurnya sampai tidak mungkin dilakukan pemecahan yang lebih lanjut sehingga didapatkan beberapa tingkatan dari persoalan yang ada. Struktur hirarki keputusan tersebut dapat dikatakan complete dan incomplete. Bentuk struktur dekomposisi yakni :
Tingkat pertama : Tujuan keputusan (goal) Tingkat kedua : Kriteria-kriteri
2. Comparative Judgement
Prinsip ini memberikan penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkat yang di atasnya. Penilaian ini merupakan inti dari penggunaan metode AHP. Penilaian ini dapat disajikan dalam bentuk matriks yang disebut matriks
pairwise comparison yaitu matriks perbandingan berpasangan yang
memuat tingkat preferensi beberapa alternatif untuk kriteria. Skala preferensi dengan skala 1 menunjukan tingkat paling rendah sampai dengan skala 9 tingkatan paling tinggi.
Tabel 2.8 Skala Bobot Kriteria AHP Intensitas
Kepentingannya Keterangan Penjelasan
1 Kedua elemen sama
pentingnya
Dua elemen menyumbangnya sama
besar pada sifat itu 3
Elemen yang satu sedikit lebih penting daripada yang lainnya
Pengalaman dan pertimbangan sedikit menyokong satu
elemen atas yang lainnya 5
Elemen yang satu esensial atau sangat penting daripada
elemen yang lainnya
Pengalaman dan pertimbangan dengan kuat satu elemen atas elemen yang lainnya 7
Satu elemen jelas lebih penting dari elemen yang lainnya
Satu elemen dengan kuat disokong dan dominannya
telah terlihat dalam praktek
9
Satu elemen mutlak lebih penting daripada elemen yang
lainnya
Bukti yang menyokong
elemen yang satu atas yang lain memiliki tingkat penegasan tertinggi yang
mungkin menguatkan 2,4,6,8
Nilai- nilai tengah diantara dua pertimbangan yang
berdekatan
Bila kompromi dibutuhkan
Kebalikan
Jika untuk aktifitasi mendapat satu angka bila dibandingkan dengan suatu aktifitas j, maka
24
kebalikannya bila dibandingkan dengan aktifitas
i
3. Synthesis of priority
Pada prinsip ini menyajikan matriks pairwise comparison yang kemudian dicari eigen vektornya untuk mendapatkan local priority. Karena matriks pairwise comparison terdapat pada setiap tingkat, maka untuk mendapatkan global priorty dapat dilakukan sintesa diantara local priority.
4. Logical consistency
Merupakan karakteristik yang paling penting. Hal ini dapat dicapai dengan mengagresikan seluruh vektor eigen yang diperoleh dari tingkatan hirarki dan selanjutnya diperoleh suatu vektor composite tertimbang yang menghasilkan urutan pengambilan keputusan.
2.4.2.2 Langkah – Langkah Perhitungan Metode AHP
struktur umum AHP dapat mencakup beberapa hierarki kriteria. Adapun langkah- langkah dalam metode AHP (Hamdy A. Taha, 2007) yaitu:
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. 2. Membuat struktur hierarki yang diawali dengan tujuan umum,
dilanjutkan dengan subtujuan-subtujuan, kriteria dan kemungkinan alternatif- alternatif di tingkat kriteria terbawah.
GOAL
Criteria 1 Criteria 2 Criteria 3 Criteria 4
Alternative 1 Alternative 2 Alternative 3
Gambar 2.2 Bagan AHP
3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relative atau pengarh elemen terhadap masing-masing tujuan atau kriteria yang setingkat. Perbandingan dilakukan berdasarkan “judgement” dari pengambil keputusan dengan menilai tingkat kepentingan Sesutu elemen dengan yang lain.
4. Melakukan perbandingan berpasangan sehinggga diperoleh judgement seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah banyaknya elemen yang dibandingkan.
Tabel 2.8 Contoh perbandingan berpsangan
Tujuan Criteria A Criteria B Criteria C
Criteria A 1
Criteria B 1
26
5. Menghitung nilai eigen atau priority vector dan menguji konsistensinya, jika tidak konsisten maka pengambilan data diulangi. 6. Mengulangi langkah 3,4 dan 5 untuk seluruh tingkat hierarki.
7. Menghitung vector eigen / priorty vector dari setiap matriks perbandingan berpasangan. Nilai eigen / priorty vector merupakan bobot setiap elemen. Langkah ini untuk mensistesis judgement dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. Vektor eigen / priorty vector diperoleh dengan menjumlahkan nilai di setiap baris dan membaginya dengan jumlah elemen untuk memperoleh nilai rata-rata.
8. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10% atau 0,1 maka penilaian data judgement harus diperbaiki. Namun apabila CI yang diperoleh lebih dari nol (0), maka diperlukan pengujian ketidakkonsistenannya dengan menghitung nilai Rasio Konsistensi (Consistency Ratio / CR). Rasio Indeks (RI) merupakan skala untuk mengukur rasio konsistensi.
CI = 𝜆𝑚𝑎𝑥 − 𝑛
𝑛 − 1
RI = 1,98 − (𝑛 −2)𝑛
CR = 𝐶𝐼
𝑅𝐼
2.4.3 Kamera DSLR (Digital Single Lens Reflect)
Digital Single Lens Reflex (Digital SLR atau DSLR) adalah kamera digital yang menggunakan sistem cermin otomatis dan pentaprisma atau pentamirror untuk meneruskan cahaya dari lensa menuju ke viewfinder. Kamera SLR menggunakan Pentaprism atau yang biasa disebut cermin segi
lima yang letaknya di atas jalur optis melalui lensa dan akan disalurkan ke lempengan film untuk kamera analog atau sensor pada DSLR. Setelah itu cahaya yang masuk akan dipantulkan ke bagian atas melalui cermin pantul dan setelah itu baru mengenai pentaprism.
Pentaprism akan memantulkan cahaya beberapa kali hingga menyentuk viewinder. Saat shuter dilepaskan, kaca akan membuka jalan bagi cahaya supaya bisa masuk langsung mengenai Negative film untuk Analog SLR atau lempengan sensor digital untuk DSLR.
Gambar 2.3 Prinsip Kerja Kamera DSLR
2.5 Kerangka Berpikir
Kerangka berpikir menjelaskan tentang permasalahan yang sebelumnya telah dijelaskan yaitu perlu adanya sistem untuk membatu pemilihan kamera DSLR. Metode yang akan digunakan adalah metode Analitycal Hierarchy Process dan permodelan diagram yang digunakan untuk pembangunan sistem pendukung keputusan ini menggunakan pemodelan UML. Penelitian ini mengacu kepada penelitian sebelumnya yang tertulis dalam jurnal sebagai referensi.
28
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR MENGGUNAKAN METODE ANALYTICAL
HIERARCHY PROCESS
Jurnal
Problem Metode
Si stem Penunjang Keputusan Pemili han Router
Mikr otik Dengan Menggunakan Met ode AHP (Analitycal Hi erarchy Process)
Penerapan Metode AHP Sebagai Pendukung Keput usan Penetapan Beasiswa Penerapan Metode AHP (Analyt hic Hierarchy
Process) Untuk Menentukan Kual itas Gul a
Tumbu Penerapan Metode Analytical Hier archy
Process (AHP) Pada Si stem Pendukung
Keput usan Pemi lihan Mahasiswa Berpres tasi Menggunakan Framework Larave Si stem Pendukung Keputusan Pemil ihan Paket
Internet Operat or Telekomunikasi Dengan Metode AHP
Perlu adanya sistem untuk membantu pemilihan kamera
Analitycal Hierarchy Process
Pengembangan Software Permodelan UML
29
BAB III
METODE PENELITIAN
3.1 Metode Pengumpulan Data 1. Observasi
Penulis melakukan pengamatan dan peninjauan secara langsung pada rekan – rekan fotografer dan komunitas fotografi di beberapa lokasi atau acara yang berkaitan dengan fotografi.Penelitian ini menggunakan jenis observasi nonpartisipasi di mana penulis tidak terlibat langsung dan hanya sebagai pengamat independen.
2. Wawancara
Wawancara digunakan untuk mengadakan komunikasi dengan subjek penelitian sehingga diperoleh data-data yang diperlukan. Teknik wawancara ini diperolah langsung dari subjek melalui serangkaian tanya jawab dengan pihak-pihak terkait langsung dengan pokok permasalahan, yaitu para fotografer dari berbagai kalangan.
3. Studi Pustaka
Mencari dan mempelajari teori-teori (literatur) yang bersumber dari jurnal, buku dan media internet yang nantinya dapat penulis gunakan untuk menunjang kelengkapan perumusan dan bahan perbandingan atau referensi yang berhubungan dengan permasalahan yang akan dibahas.
3.2 Tahapan Penelitian
Metode penelitian yang digunakan dalam penelitian ini akan melalui beberapa tahapan yaitu seperti gambar berikut :
30 Mulai Selesai Perumusan Masalah Pengumpulan Data 1. Observasi 2. Wawancara 3. Studi Pustaka Perhitungan dengan metode AHP Analisa Sistem - Analisa Data (ERD) - Analisa Model (AHP)
- Analisa UML
Implementasi
Testing - Black Box Perancangan software - Perancangan data (data base) - Perancangan model (flowchart)
- Perancangan Interface
Gambar 3.1 Flowchart Tahapan Penelitian
3.3 Proses Perhitungan Metode AHP
Berikut adalah flowchart proses perhitungan metode AHP dalam pemilihan kamera DSLR :
Mulai
Merumuskan masalah
Menentukan kriteria
Menentukan Alternatif
Membuat matrix perbandingan berpasangan terhadap kriteria
Menentukan Nilai Eigen /
Priority Vector / bobot Melakukan Uji Konsistensi Pemilihan Alternatif
Selesai
Perhitungan alternatif berdasarkan setiap kriteria
Menentukan Nilai Eigen / Priority Vector / bobot pada
alternatif Melakukan Uji Konsistensi
pada alternatif
Gambar 3.2 Flowchart perhitungan metode AHP
3.3.1 Merumuskan masalah Pemilihan Kriteria dan Alternatif
Perumusan masalah digunakan untuk mengindentifikasi permasalahan menentukan solusi yang diinginkan. Membuat atau menyusun hirarki permasalahan yang diawali dengan tujuan umum, lalu kriteria umum
dan yang terbawah adalah alternative.Penyusun hierarki dengan menetapkan dengan menetapkan tujuan yang merupakan sasarn sistem secara meyeluruh pada level teratas seperti bertikut :
32
Pemilihan Kamera DSLR
Desain Kualitas
Gambar Kualitas Video Resolusi Gambar Performa Fujifilm FinePix HS35EXR Canon EOS 650D Nikon D5100 Pentax K-50 Pentax K500 Canon EOS 750D Fujifilm Finepix HS20XR Nikon D5200 Canon EOS 700D Nikon D5300
Pentax K-S2 Sony Alpha A290 Nikon D5500 Sony Alpha A390 Canon EOS 600D Pentax K-1 Panasonic Lumix GH5 Panasonic Lumix G85 Olympus E-420 Olympus E-300
Gambar 3.3 Hirarki Pemilihan Kamera DSLR
Adapun penjelasan yang disampaikan pada tiap – tiap tujuan, kriteria dan alternatif, yaitu:
Table 3.1 Penjelasan Hierarki pemilihan kamera DSLR
Tujuan Penjelasan Inisialisasi
Pemilihan Kamera DSLR Sasaran yang ingin dicapai -
Kriteria Penjelasan Inisialisasi
Kualitas Gambar dinilai dari sensor yang digunakan K1 Resolusi Gambar dinilai dari ukuran gambar yang dihasilkan K2 Kualitas Video dinilai dari resolusi video yang dihasilkan K3 Performa dinilai dari procesor yang digunakan K4 Desain dinilai dari material yang digunakan K5
Alternatif Penjelasan Inisialisasi
Canon EOS 600D Kandidat kamera yang dipilih A1 Canon EOS 650D Kandidat kamera yang dipilih A2 Canon EOS 700D Kandidat kamera yang dipilih A3 Canon EOS 750D Kandidat kamera yang dipilih A4 Fujifilm Finepix HS20XR Kandidat kamera yang dipilih A5
Fujifilm FinePix
HS35EXR Kandidat kamera yang dipilih A6
Nikon D5100 Kandidat kamera yang dipilih A7 Nikon D5200 Kandidat kamera yang dipilih A8 Nikon D5300 Kandidat kamera yang dipilih A9 Nikon D5500 Kandidat kamera yang dipilih A10 Olympus E-300 Kandidat kamera yang dipilih A11 Olympus E-420 Kandidat kamera yang dipilih A12 Panasonic Lumix G85 Kandidat kamera yang dipilih A13 Panasonic Lumix GH5 Kandidat kamera yang dipilih A14 Pentax K-1 Kandidat kamera yang dipilih A15 Pentax K-50 Kandidat kamera yang dipilih A16 Pentax K500 Kandidat kamera yang dipilih A17 Pentax K-S2 Kandidat kamera yang dipilih A18 Sony Alpha A290 Kandidat kamera yang dipilih A19
Tabel 3.2 Data Alternatif
No. Nama Kamera K1 K2 K3 K4 K5
1 Canon EOS 600D APS-C 16 HD Digic 4 Fiberglass 2 Canon EOS 650D APS-C 18 FHD Digic 5 Fiberglass 3 Canon EOS 700D APS-C 18 FHD Digic 5 Stainless 4 Canon EOS 750D APS-C 24 FHD Digic 6 Alloy 5 Fujifilm Finepix HS20XR 1" 10 HD EXR Fiberglass 6 Fujifilm FinePix HS35EXR 1" 10 FHD EXR Stainless 7 Nikon D5100 APS-C 10 HD Expeed 2 Polymer 8 Nikon D5200 APS-C 24 FHD Expeed 3 Polymer 9 Nikon D5300 APS-C 24 FHD Expeed 4 Fiberglass 10 Nikon D5500 APS-C 24 FHD Expeed 4 Stainless 11 Olympus E-300 Four Thirds 10 . TruePic II Fiberglass 12 Olympus E-420 Four Thirds 16 VGA TruePic III Stainless 13 Panasonic Lumix G85 Four Thirds 16 . Venus Engine 8 Alloy 14 Panasonic Lumix GH5 Four Thirds 18 VGA Venus Engine 10 Alloy 15 Pentax K-1 Full Frame 36 4K Prime IV Alloy 16 Pentax K-50 APS-C 18 HD Prime M Fiberglass 17 Pentax K500 APS-C 18 FHD Prime M Stainless 18 Pentax K-S2 APS-C 24 FHD Prime MII Alloy 19 Sony Alpha A290 APS-C 16 . Bionz Fiberglass 20 Sony Alpha A390 APS-C 16 HD Bionz Stainless
3.3.2 Matrix Perbandingan Berpasangan Terhadap Kriteria
Matrix perbandingan berpasangan terhadap kriteria berfungsi untuk membandingkan kriteria yang satu dengan yang kriteria yang lain. Dalam penelitian ini penulis berasumsi untuk memilih kamera DSLR dengan kriteria sebagai berikut (lihat tabel 3.2). Nama kriteria diinisialisasikan agar mempermudah saat proses perhitungan (lihat tabel 3.1).
Table 3.3 Matrix perbandingan berpasangan terhadap kriteria
Kriteria K1 K2 K3 K4 K5
K1 1,00 3,00 5,00 3,00 7,00
K2 0,33 1,00 3,00 0,33 5,00
34
K3 0,20 0,33 1,00 0,20 5,00
K4 0,33 3,00 5,00 1,00 7,00
K5 0,14 0,20 0,20 0,14 1,00
Jumlah 2,01 7,53 14,20 4,68 25,00
3.3.3 Menentukan Priority Vector Pada Kriteria
Priority Vector adalah nilai bobot dari masing - masing kriteria.
Berfungsi untuk menentukan kriteria mana yang lebih penting berdasarkan nilai tertinggi. Priority vector dapat ditentukan dengan mengambil nilai rata - rata dari hasil jumlah suatu kriteria melalui proses normalisasi. berikut adalah Priority vector dari kriteria berdasarkan matrix perbandingan berpasang:
Table 3.4 Tabel Priority Vector Kriteria
kriteria K1 K2 K3 K4 K5 Jumlah Priority Vector
K1 0,50 0,40 0,35 0,64 0,28 2,17 0,43 K2 0,17 0,13 0,21 0,07 0,20 0,78 0,16 K3 0,10 0,04 0,07 0,04 0,20 0,46 0,09 K4 0,17 0,40 0,35 0,21 0,28 1,41 0,28 K5 0,07 0,03 0,01 0,03 0,04 0,18 0,04 Jumlah 1,00 1,00 1,00 1,00 1,00 5,00 1,00
Berdasarkan penentuan priority Vector, dapat tentukan bahwa K1 (kualitas gambar) lebih penting.
3.3.4 Uji Konsistensi Pada Kriteria
Uji konsistensi berfungsi untuk mengetahui apakah nilai yang
di-input ke dalam kriteria sudah konsisten atau tidak. Jika CR (Consistency Ratio) dibawah 10% atau 0,1, maka nilai – nilai yang di-input dianggap
konsisten. Uji konsistensi dapat hitung dengan melakukan perkalian silang terhadap nilai – nilai pada kriteria dengan priority vector, kemudian
ditentukan nilai CI (Consistency indeks) dan RI (Random Consistency). Berikut adalah uji konsistensi terhadap kriteria :
( 1,00 3,00 5,00 0,33 1,00 3,00 3,00 7,00 0,33 5,00 0,20 0,33 1,00 0,33 3,00 5,00 0,14 0,20 0,20 0,20 5,00 1,00 7,00 0,14 1,00) × ( 0,43 0,16 0,09 0,28 0,04) = ( 2,46 0,85 0,47 1,61 0,19) ÷ ( 0,43 0,16 0,09 0,28 0,04) = ( 𝟓, 𝟔𝟕 𝟓, 𝟒𝟓 𝟓, 𝟏𝟑 𝟓, 𝟕𝟎 𝟓, 𝟏𝟔) - Perhitungan λmax : 𝜆𝑚𝑎𝑥 = 𝐾1+𝐾2+𝐾3+𝐾4+𝐾5 𝑛 𝜆𝑚𝑎𝑥= 5,67 + 5,45 + 5,13 + 5,70 + 5,16 5 = 𝟓. 𝟒𝟐
- Perhitungan CI (Consistency Indeks) : CI= 𝜆𝑚𝑎𝑥 − 𝑛 𝑛 − 1
CI = 5,42 − 5
5 − 1 = 𝟎, 𝟏𝟏
- Menentukan RI (Random Consistency) : RI=1.98(𝑛−2) 𝑛
R I= 1.98(5−2)
5 = 𝟏, 𝟏𝟗
- Menentukan CR (Consistensi Ration) : 𝐶𝑅 = 𝐶𝐼 𝑅𝐼
𝐶𝑅 = 0,11
1,19= 𝟎. 𝟎𝟗
Nilai CR harus di bawah 10% (0,1), karena nilai CR nya 0,09 maka dianggap konsisten.
3.3.5 Perhitungan Alternatif Berdasarkan K1
Membandingkan setiap alternatif berdasarkan kriteria kualitas gambar. Nama alternatif diinisialisasikan agar mempermudah proses perhitungan. 3.3.5.1 Matrix Perbandingan Berpasangan Terhadap Alternatif
Membandingkan setiap alternatif berdasarkan kriteria kualitas gambar.
Table 3.5 Matrix perbandingan berpasangan alternatif terhadap kriteria kualitas gambar
KG A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A1 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A2 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A3 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A4 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A5 0,14 0,14 0,14 0,14 1,00 1,00 0,14 0,14 0,14 0,14
36 A6 0,14 0,14 0,14 0,14 1,00 1,00 0,14 0,14 0,14 0,14 A7 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A8 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A9 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A10 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A11 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 A12 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 A13 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 A14 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 A15 3,00 3,00 3,00 3,00 9,00 9,00 3,00 3,00 3,00 3,00 A16 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A17 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A18 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A19 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 A20 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 JML 17,09 17,09 17,09 17,09 114,00 114,00 17,09 17,09 17,09 17,62
3.3.5.2 Menentukan Priority Vector Pada Alternatif
berikut adalah Priority vector alternatif berdasarkan kriteria kualitas gambar:
Table 3.6 Tabel Priority Vector alternatif berdasarkan Kriteria kualitas gambar
KG A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 PV A1 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A2 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A3 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A4 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A5 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 A6 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 A7 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A8 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A9 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A10 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A11 0,01 0,01 0,01 0,01 0,03 0,03 0,01 0,01 0,01 0,02 0,01 A12 0,01 0,01 0,01 0,01 0,03 0,03 0,01 0,01 0,01 0,02 0,01 A13 0,01 0,01 0,01 0,01 0,03 0,03 0,01 0,01 0,01 0,02 0,01 A14 0,01 0,01 0,01 0,01 0,03 0,03 0,01 0,01 0,01 0,02 0,01 A15 0,18 0,18 0,18 0,18 0,08 0,08 0,18 0,18 0,18 0,17 0,12 A16 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A17 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A18 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A19 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 A20 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 JML 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
0,06 0,06 0,06 0,06 0,01 0,01 0,06 0,06 0,06 0,06 0,01 0,01 0,01 0,01 0,12 0,06 0,06 0,06 0,06 0,06
3.3.5.3 Uji Konsistensi Pada Alternatif
Berikut perhitungan uji konsistensi alternatif berdasarkan kriteria kualitas gambar: 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 0,14 0,14 0,14 0,14 1,00 1,00 0,14 0,14 0,14 0,14 0,14 0,14 0,14 0,14 1,00 1,00 0,14 0,14 0,14 0,14 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 0,20 0,20 0,20 0,20 3,00 3,00 0,20 0,20 0,20 0,33 3,00 3,00 3,00 3,00 9,00 9,00 3,00 3,00 3,00 3,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 7,00 7,00 1,00 1,00 1,00 1,00 = ÷ = - Perhitungan λmax : 𝜆𝑚𝑎𝑥= 𝐴1+𝐴2+𝐴3+𝐴4+𝐴5+𝐴6+𝐴7+𝐴8+𝐴9+𝐴10+𝐴11+𝐴12+𝐴13+𝐴14+𝐴15+𝐴16+𝐴17+𝐴18+𝐴19+𝐴20𝑛 𝜆𝑚𝑎𝑥= 20,40 + 20,40 + 20,40 + 20,40 + 20,34 + 20,34 + 20,40 + 20,40 + 20,40 + 20,29 + 20,24 + 20,24 + 20,24 + 20,24 + 20,62 + 20,51 + 20,51 + 20,51 + 20,51 + 20,51 20 = 𝟐𝟎, 𝟒𝟎
- Perhitungan CI (Consistency Indeks) : CI= 𝜆𝑚𝑎𝑥 − 𝑛 𝑛 − 1 0,06 0,06 0,06 0,06 0,01 0,01 0,06 0,06 0,06 0,06 0,01 0,01 0,01 0,01 0,12 0,06 0,06 0,06 0,06 0,06 1,25 1,25 1,25 1,25 0,16 0,16 1,25 1,25 1,25 1,13 0,29 0,29 0,29 0,29 2,44 1,33 1,33 1,33 1,33 1,33 20,40 20,40 20,40 20,40 20,34 20,34 20,40 20,40 20,40 20,29 20,24 20,24 20,24 20,24 20,62 20,51 20,51 20,51 20,51 20,51
x
38
CI = 20,40 − 20
20 − 1 = 𝟎, 𝟎𝟐 - Menentukan RI (Random Consistency) : RI=1.98(𝑛−2)
𝑛
R I= 1.98(20−2)
20 = 𝟏, 𝟕𝟖 - Menentukan CR (Consistensi Ratio) : 𝐶𝑅 = 𝐶𝐼
𝑅𝐼
𝐶𝑅 = 0,02
1,78= 𝟎. 𝟎𝟏
Nilai CR harus di bawah 10% (0,1), karena nilai CR nya 0,01 maka dianggap konsisten.
3.3.6 Perhitungan Alternatif Berdasarkan K2
Membandingkan setiap alternatif berdasarkan kriteria resolusi gambar. Nama alternatif diinisialisasikan agar mempermudah proses perhitungan.
3.3.6.1 Matrix Perbandingan Berpasangan Terhadap Alternatif
Membandingkan setiap alternatif berdasarkan kriteria resolusi gambar.
Tabel 3.7 Matrix perbandingan berpasangan alternatif terhadap kriteria resolusi
gambar RG A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A1 1,00 0,33 0,33 0,20 3,00 3,00 3,00 0,20 0,20 0,20 A2 3,00 1,00 1,00 0,33 5,00 5,00 5,00 0,33 0,33 0,33 A3 3,00 1,00 1,00 0,33 5,00 5,00 5,00 0,33 0,33 0,33 A4 5,00 3,00 3,00 1,00 7,00 7,00 7,00 1,00 1,00 1,00 A5 0,33 0,20 0,20 0,14 1,00 1,00 1,00 0,14 0,14 0,14 A6 0,33 0,20 0,20 0,14 1,00 1,00 1,00 0,14 0,14 0,14 A7 0,33 0,20 0,20 0,14 1,00 1,00 1,00 0,14 0,14 0,14 A8 5,00 3,00 3,00 1,00 7,00 7,00 7,00 1,00 1,00 1,00 A9 5,00 3,00 3,00 1,00 7,00 7,00 7,00 1,00 1,00 1,00 A10 5,00 3,00 3,00 1,00 7,00 7,00 7,00 1,00 1,00 1,00 A11 1,00 0,33 0,33 0,20 3,00 3,00 3,00 0,20 0,20 0,20 A12 0,33 0,20 0,20 0,14 1,00 1,00 1,00 0,14 0,14 0,14 A13 1,00 0,33 0,33 0,20 3,00 3,00 3,00 0,20 0,20 0,20 A14 3,00 1,00 1,00 0,33 5,00 5,00 5,00 0,33 0,33 0,33 A15 7,00 5,00 5,00 3,00 9,00 9,00 9,00 3,00 3,00 3,00 A16 3,00 1,00 1,00 0,33 5,00 5,00 5,00 0,33 0,33 0,33 A17 3,00 1,00 1,00 0,33 5,00 5,00 5,00 0,33 0,33 0,33 A18 5,00 3,00 3,00 1,00 7,00 7,00 7,00 1,00 1,00 1,00 A19 1,00 0,33 0,33 0,20 3,00 3,00 3,00 0,20 0,20 0,20 A20 1,00 0,33 0,33 0,20 3,00 3,00 3,00 0,20 0,20 0,20 JML 53,33 27,47 27,47 11,24 88,00 88,00 88,00 11,24 11,24 11,24
3.3.6.2 Menentukan Priority Vector Pada Alternatif
berikut adalah priority vector alternatif berdasarkan kriteria resolusi gambar:
Table 3.8 Tabel Priority Vector alternatif berdasarkan Kriteria Resolusi gambar
RG A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 PV A1 0,02 0,01 0,01 0,02 0,03 0,03 0,03 0,02 0,02 0,02 0,02 A2 0,06 0,04 0,04 0,03 0,06 0,06 0,06 0,03 0,03 0,03 0,04 A3 0,06 0,04 0,04 0,03 0,06 0,06 0,06 0,03 0,03 0,03 0,04 A4 0,09 0,11 0,11 0,09 0,08 0,08 0,08 0,09 0,09 0,09 0,09 A5 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 A6 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 A7 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 A8 0,09 0,11 0,11 0,09 0,08 0,08 0,08 0,09 0,09 0,09 0,09 A9 0,09 0,11 0,11 0,09 0,08 0,08 0,08 0,09 0,09 0,09 0,09 A10 0,09 0,11 0,11 0,09 0,08 0,08 0,08 0,09 0,09 0,09 0,09 A11 0,02 0,01 0,01 0,02 0,03 0,03 0,03 0,02 0,02 0,02 0,02 A12 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 A13 0,02 0,01 0,01 0,02 0,03 0,03 0,03 0,02 0,02 0,02 0,02 A14 0,06 0,04 0,04 0,03 0,06 0,06 0,06 0,03 0,03 0,03 0,05 A15 0,13 0,18 0,18 0,27 0,10 0,10 0,10 0,27 0,27 0,27 0,17 A16 0,06 0,04 0,04 0,03 0,06 0,06 0,06 0,03 0,03 0,03 0,05 A17 0,06 0,04 0,04 0,03 0,06 0,06 0,06 0,03 0,03 0,03 0,05 A18 0,09 0,11 0,11 0,09 0,08 0,08 0,08 0,09 0,09 0,09 0,09 A19 0,02 0,01 0,01 0,02 0,03 0,03 0,03 0,02 0,02 0,02 0,02 A20 0,02 0,01 0,01 0,02 0,03 0,03 0,03 0,02 0,02 0,02 0,02 JML 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
3.3.6.3 Uji Konsistensi Pada Alternatif
Berikut perhitungan uji konsistensi alternatif berdasarkan kriteria resolusi gambar:
