BERDASARKAN KONDISI DAN LOKASI DENGAN MENGGUNAKAN METODE SAW
SKRIPSI
Oleh :
RB. A TEGUH J OKO SBM NPM. 0934115068
J URUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J ATIM SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA CCTV BERDASARKAN KONDISI DAN LOKASI DENGAN MENGGUNAKAN
METODE SAW
Disusun Oleh : RB. A TEGUH JOKO SBM
NPM. 0934115068
Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang II Tahun Akademik 2012 – 2013
Pembimbing Utama, Pembimbing Pendamping,
Dr. Ir. Ni Ketut Sari, MT Wahyu S. J. S., S.Kom, M.Kom NIP : 1965 07311 99203 20001 NIP : 386081002951
Mengetahui,
Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur
Dr. Ir. Ni Ketut Sari, MT
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA CCTV BERDASARKAN KONDISI DAN LOKASI DENGAN MENGGUNAKAN
METODE SAW Disusun Oleh : RB. A TEGUH JOKO SBM
NPM. 0934115068
Telah dipertahankan di hadapan penguji dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur Pada tanggal ...
Pembimbing : Tim Penguji :
1. 1.
Dr. Ir. Ni Ketut Sari, MT Wahyu S. J. S.,S.Kom, M.Kom NIP : 1965 07311 99203 20001 NIP : 386081002951
2. 2.
Wahyu S. J. S., S.Kom, M.Kom Ir.Mu’tasim Billah, Ms. NIP : 386081002951 NIP : 19600504 1987031 001
3.
Harianto,S.Kom,M.Eng NIDN : 0722087701 Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangungan Nasional “Veteran” Jawa Timur
KETERANGAN REVISI : Mahasiswa di bawa ini :
Nama : RB. A TEGUH JOKO SBM
NPM : 0934115068
Program Studi : TEKNIK INFORMATIKA
Telah mengerjakan revisi/tidak ada revisi pra rencana (design)/skripsi ujian lisan Gelombang II Tahun Akademik 2012-2013 dengan judul :
“SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA CCTV BERDASARKAN KONDISI DAN LOKASI DENGAN MENGGUNAKAN METODE SAW”
Oleh karenanya mahasiswa tersebut diatas dinyatakan bebas revisi skripsi ujian lisan dan diizinkan untuk membukukukan laporan SKRIPSI dengan judul tersebut.
Surabaya, ... Dosen Penguji yang memerintahkan Revisi:
1) Wahyu S. J. S.,S.Kom, M.Kom ( )
NIP : 386081002951
2) Ir.Mu’tasim Billah, Ms. ( )
NIP : 19600504 1987031 001
3) Harianto,S.Kom,M.Eng ( )
NIDN : 0722087701
Mengetahui,
Pembimbing Utama, Pembimbing Pembantu,
Dr. Ir. Ni Ketut Sari, MT Wahyu S. J. S., S.Kom, M.Kom NIP : 1965 07311 99203 20001 NIP : 386081002951
BERDASARKAN KONDISI DAN LOKASI DENGAN MENGGUNAKAN METODE SIMPLE ADDICTIVE WEIGHTING (SAW)
Penyusun : RB A Teguh Joko SBM Pembimbing I : Dr. Ir. Ni Ketut Sari, MT
Pembimbing II : Wahyu S. J. Saputra, S.Kom, M.Kom
ABSTRAK
Memilih kamera CCTV merupakan hal yang agak sulit bagi orang awam untuk menentukannya , karena banyak hal yang harus di perhatikan untuk mendapatkan kamera yang sesuai dengan kondisi dan lokasi yang di inginkan, dan banyak orang awam yang tidak tahu menahu ingin memasang kamera cctv di tempat usahanya mendapat kesulitan dalam memilih yang sesuai dengan lokasi dan dana yang di anggarkan. Terkadang para teknisi support susah menjelaskan kepada end user dalam konsultasi memilih kamera yang sesuai dengan lokasi, yang di karenakan ketika teknisi support menjelaskan alur kinerja kamera, end user tidak dapat menangkap penjelasan yang hanya di bayang-bayangkan oleh end user.
Sesuai permasalahan tersebut, maka di dapatkan solusi untuk membangun sistem infomasi sistem pendukung keputusan pemilihan kamera cctv berdasarkan kondisi dan lokasi dengan menggunakan metode Simple Addictive Weighting(SAW).Sistem ini di bangun dengan vb.net 2005 sebagai bahasa pemrogramannya dan MySql sebagai database servernya. SAW merupakan metode pengambilan keputusan yang di terapkan dalam pembuatan sistem informasi ini dengan pembobotan yang telah di tetapkan. Di mana dengan metode tersebut, data akan di olah dan akan menghasilkan sebuah nilai keputusan berupa report data kamera CCTV yang sesuai dengan yang di inputkan oleh konsumen. Namun sistem informasi ini tidak dapat menjadi acuan dan mutlak, di karenakan semua keputusan bergantung kepada konsumen.
Dari hasil perhitungan tersebut di dapatkan kamera infra merah 1/3' CMOS Dome Security Camera Ceiling Mounteddengan skor harga 0.8477, resolusi 0.5406, ratio 0.3000, iluminasi 4.0000 , lokasi 0.4316 , led 3.0000 , range 0.3250 dan total skor 9.4449. Untuk hasil perhitungan kamera non infra merah di dapatkan kamera non infra merah HD EFFIO-E DSP focus Lens Indoor Dome Camera dengan skor harga 0.4470, resolusi 3.0000 , ratio 2.5000, iluminasi 0.1000 , lokasi 5.0000 dan total skor 11.047.
Dengan memanjat puja dan puji syukur kehadirat Allah SWT, akhirnya kami dapat menyelesaikan tugas akhir yang berjudul “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA CCTV BERDASARKAN KONDISI DAN LOKASI DENGAN MENGGUNAKAN METODE SAW”.
Tugas akhir dengan beban 4 SKS ini disusun dan diajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan Nasional ”Veteran” Jawa Timur Surabaya.
Dengan terselesaikannya Laporan Tugas Akhir ini, kami sampaikan terima kasih yang sebesar-besarnya kepada :
1. Kedua Orang Tua, Saudara dan seluruh anggota keluarga kami yang telah memberikan dukungan kepada kami baik secara moril, spiritual maupun material.
2. Dr.Ir.Ni Ketut Sari,MT, selaku Ketua Jurusan Teknik Informatika.
3. Bpk, Frinda, selaku Koordinator Tugas Akhir Jurusan Teknik Informatika
4. Bu Ketut, selaku dosen pembimbing 1 dan Pak Wahyu selaku dosen pembimbing 2 dalam tugas akhir ini.
angkatan 2009 yang telah membantu dan memberikan dukungan kepada kami baik secara moril, spiritual maupun material.
Kami menyadari bahwa Laporan tugas akhir ini masih jauh dari sempurna, oleh karena itu kami sangat mengharapkan saran dan kritik dari para pembaca agar dalam penulisan laporan ini selanjutnya akan dapat kami selesaikan dengan baik.
Besar harapan kami agar Laporan tugas akhir ini dapat bermanfaat bagi para pembaca dan dunia pendidikan pada umumnya.
Surabaya,...
ABSTRAK ... i
KATA PENGANTAR ... ii
DAFTAR ISI ... iv
DAFTAR GAMBAR ... vi
DAFTAR TABEL ... vii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 4
1.4 Tujuan Pembuatan ... 4
1.5 Manfaat ... 5
BAB II TINJAUAN PUSTAKA ... 6
2.1 Penelitian Terdahulu ... 6
2.2 Landasan Teori ... 9
2.2.1 SAW (Simple Addictive Weighting) ... 9
2.2.2 Langkah Penyelesaian SAW ... 10
2.2.3 Kelebihan Metode SAW ... 10
2.2.4 Normalisasi Min Max ... 11
2.2.5 UML(Unified Modeling Language) ... 11
2.2.6 Visual Basic 2005 ... 13
2.2.7 Mysql ... 13
2.2.8 Pengertian CCTV ... 15
BAB III METODOLOGI PENELITIAN... 19
3.1 Rancangan penelitian ... 19
3.1.1 Alur program ... 20
3.2 Rancangan uji coba dan evaluasi ... 22
3.2.1 Blok Diagram ... 22
3.2.2 Use Case ... 23
3.2.3 Class Diagram ... 24
3.2.4 Sequence Diagram ... 26
3.2.8 Data yang digunakan ... 34
3.3 Data Kegiatan ... 39
BAB IV HASIL DAN PEMBAHASAN ... 40
4.1 Implementasi ... 40
4.1.1 Teknologi ... 40
4.1.2 Hardware ... 40
4.1.3 Software ... 41
4.1.4 File-file yang dihasilkan ... 41
4.2 Hasil Uji Coba dan Evaluasi ... 43
4.2.1 Uji coba perhitungan secara manual ... 44
4.2.2 Uji coba perhitungan form kalkulasi ... 53
4.2.3 Uji coba perhitungan kamera jenis infra merah ... 54
4.2.4 Uji coba perhitungan kamera jenis non infra merah ... 60
4.2.5 Uji coba pembuatan laporan ... 65
BAB V KESIMPULAN DAN SARAN ... 66
5.1 Kesimpulan... 66
5.2 Saran ... 66
Gambar 3.1. Alur program. ... 20
Gambar 3.2. Blok diagram proses sistem informasi. ... 22
Gambar 3.3. Use case admin... 23
Gambar 3.4. Class diagram. ... 24
Gambar 3.5. Sequence diagram. ... 26
Gambar 3.6. Sequence diagram SPK Infra merah. ... 26
Gambar 3.7. Sequence diagram user. ... 27
Gambar 3.8. Sequence diagram report. ... 27
Gambar 3.9. Sequence Tambah master kamera. ... 28
Gambar 3.10. Activity diagram user. ... 29
Gambar 3.11. Activity diagram login admin. ... 30
Gambar 3.12. Activity diagram proses perhitungan. ... 30
Gambar 3.13. Activity diagram report user. ... 31
Gambar 3.14. Activity diagram tambah master. ... 31
Gambar 3.15. CDM ... 32
Gambar 3.16. PDM ... 33
Gambar 4.1. Form kalkulasi... 53
Gambar 4.2. Gambar pemilihan jenis kamera untuk proses perhitungan. ... 54
Gambar 4.3. Contoh perhitungan kamera dengan jenis infra merah ... 55
Gambar 4.4. Tab alternatif pada proses perhitungan... 56
Gambar 4.5. Tab normalisasi pada proses perhitungan. ... 57
Gambar 4.6. Tampilan hasil dari proses perhitungan. ... 58
Gambar 4.7. Tampilan save perhitungan. ... 59
Gambar 4.8. Tampilan preview proses perhitungan... 59
Gambar 4.9. Contoh perhitungan kamera non infra merah. ... 60
Gambar 4.10. Tampilan tab alternatif pada proses perhitungan. ... 61
Gambar 4.11. Tampilan tab normalisasi pada proses perhitungan. ... 62
Gambar 4.12. Tampilan tab hasil dari proses perhitungan. ... 63
Gambar 4.13. Tampilan proses save pada proses perhitungan. ... 64
Gambar 4.14. Tampilan preview dari form proses perhitungan. ... 64
Tabel 2.1. Data Kamera Infra Merah...23
Tabel 2.2. Data Kamera Non Infra Merah...26
Tabel 4.1. Perhitungan manual normalisasi min max...48
Tabel 4.2. Hasil perhitungan normalisasi min max...50
Tabel 4.3. Perhitungan manual SPK Infra merah...50
Tabel 4.4. Kriteria kamera...51
1.1 Latar Belakang
Dewasa ini marak terjadi tindak kejahatan di toko-toko supermarket, toko emas, perkantoran hingga pabrik sekalipun.Yang di sebabkan kurangnya sekuritas pada lokasi tersebut ataupun petugas keamanan tidak dapat memantau lokasi selama 24 jam. Maka dari itu di dapatkan solusi untuk memperkecil kemungkinan terjadinya hal-hal yang tidak di inginkan, yaitu dengan memasang kamera cctv pada titik lokasi yang di inginkan.
Sistem CCTV pertama yang dipasang oleh Siemens AG pada Test Stand VII di Peenemünde, Jerman pada tahun 1942, untuk mengamati peluncuran roket V-2. Tercatat insinyur Jerman Walter Bruch bertanggung jawab atas desain dan instalasi sistem ini.Sistem perekaman CCTV masih sering digunakan pada tempat-tempat peluncuran modern untuk merekam penerbangan roket, untuk menemukan kemungkinan penyebab kegagalan fungsi kerja, sementara roket yang lebih besar sering dilengkapi dengan CCTV sehingga memungkinkan gambar-gambar tahapan pemisahan dapat ditransmisikan kembali ke bumi melalui komunikasi radio.
Pada bulan September 1968, Olean, New York adalah kota pertama di Amerika Serikat yang menggunakan kamera video dalam dunia bisnis, terutama dalam upaya untuk mencegah aksikejahatan. Menggunakan CCTV yang terhubung dengan monitor di kepolisian Olean. Departemen kepolisian menjadi garis terdepan dalam memerangi kejahatan dengan menggunakan teknologi cctv.
belakangan ini, penggunaan kamera pengintai CCTV di ruang publik dapat lebih memperkecil resiko terjadinya kejahatan.(Armada Integrasi Teknologi, 2011).
Faktanya banyak end user yang komplain kepada instalasi kamera karena cctv yang di pasang pada lokasi tersebut kurang bagus hasilnya. Terkadang para teknisi support susah menjelaskan kepada end user dalam konsultasi memilih kamera yang sesuai dengan lokasi, yang di karenakan ketika teknisi support menjelaskan alur kinerja kamera, end user tidak dapat menangkap penjelasan yang hanya di bayang-bayangkan oleh end user.
Namun ketika end user sepakat menggunakan produk dan tipe kamera apa, dan terkadang komplain bahwa kamera yang telah di pasang tidak sesuai dengan keinginannya. Dan itu pun yang membuat para teknisi support bingung untuk menjelaskan dari segi mana yang kiranya end user tidak sesuai, apa dari segi pemasangan kamera, kualitas peralatan yang di gunakan, dan apakah kualitas dari kamera cctv yang di gunakan kurang bagus.
pendukung keputusan menggunakan metode SAW untuk menentukan jurusan pada SMK Bakti Purwokerto dengan kriteria – kriterianya nilai matematika, nilai bahasa indonesia, nilai bahasa inggris, nilai IPA, nilai TIK. Anak Agung Gde Putra Ajiwerdhi, dkk (2012), pengembangan sistem pendukung keputusan berbasis mobile untuk pengisian kartu rencana studi dengan fuzzy multi attribute decision making SAW, hasil penelitian ini berupa aplikasi berbasis mobile phone yang di gunakan untuk mengelola data untuk mengakses SPK pengisian KRS.
Sesuai permasalahan di atas, maka di dapatkan solusi untuk membangun sistem infomasi SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA CCTV BERDASARKAN KONDISI DAN LOKASI dengan menggunakan metode Simple Addictive Weighting(SAW). Yang bertujuan untuk memudahkan teknisi support dalam menjelaskan produk yang akan di gunakan dalam pemasangan cctv, dan end user dapat langsung melihat gambaran produknya tanpa berangan-angan dan membayangkan lokasi dengan kamera cctv. Dengan adanya solusi di atas, di harapkan teknisi support konsisten dalam mengunakan sistem informasi tersebut dan di terapkan dalam permasalahan di atas.
1.2 Rumusan Masalah
Dari latar belakang yang telah di uraikan sebelumnya, di dapatkan rumusan sebagai berikut.
a. Metode Simple Additive Weighting(SAW) digunakan untuk sistem pendukung keputusan pemilihan kamera cctv berdasarkan kondisi dan lokasi.
c. Membangun sistem informasi tersebut dalam mempermudah dalam pemilihan kamera cctv dengan menggunakan bahasa pemrograman vb.net 2005 dengan database’nya menggunakan MySql.
1.3 Batasan Masalah
Dari rumusan masalah yang telah di uraikan di atas, maka penulis membatasi rumusan masalah agar pokok bahasan tidak menyimpang, yaitu :
a. Metode yang tepat dalam sistem pendukung keputusan pemilihan kamera cctv adalah metode Simple Addictive Weighting(SAW).
b. Manajemen menentukan kriteria-kriteria yang digunakan dalam proses perhitungan serta bobot-bobot yang akan digunakan berdasarkan kriteria itu termasuk benefit atau cost.
c. Sistem informasi dibangun dengan menggunakan VB.net dengan database Mysql.
d. Konsumen hanya berhak melakukan proses SPK dan melihat laporan, dan tidak dapat untuk melakukan tambah, edit, hapus data. Sistem informasi di jalankan ketika konsumen akan membeli produk dan memilih kamera sesuai dengan kebutuhannya.
1.4 Tujuan Pembuatan
1.5 Manfaat
Manfaat dari penulisan tugas akhir ini adalah sebagai berikut :
a. Dapat membantu mempermudah perusahaan dalam memberikan solusi kepada user, produk dan tipe apa yang sesuai dengan lokasi dan kondisi yang di inginkan user.
2 BAB II
TINJ AUAN PUSTAKA
2.1 Penelitian Terdahulu
Kartu Rencana Studi (KRS) adalah kartu yang berisi daftar matakuliah yang
diikuti oleh setiap mahasiswa dalam satu semester. Setiap mahasiswa harus mengisi
KRS untuk menentukan matakuliah yang akan diambil setiap semesternya. Seiring
perkembangan teknologi di masa sekarang ini Jurusan Pendidikan Teknik Informatika
telah mengembangkan sebuah perangkat lunak KRS mobile. Namun perangkat lunak
yang dikembangkan masih terbatas pada proses pengisian KRS saja dan belum mampu
membantu mahasiswa dalam memilih matakuliah yang akan diambil sehingga proses
pengisian KRS memerlukan waktu yang cukup lama. Berdasarkan permasalahan
tersebut perlu dikembangkan sebuah aplikasi yang dapat membantu mahasiswa dalam
memilih matakuliah saat pengisian KRS. Untuk membantu mahasiswa memilih
matakuliah dalam pengisian KRS diperlukan sebuah sistem pendukung keputusan
(SPK). SPK ini merupakan sistem yang dapat membantu mahasiswa mengambil
keputusan dengan melengkapi mahasiswa dengan informasi mengenai matakuliah yang
disarankan dan tidak disarankan untuk diambil saat pengisian KRS. Sehingga sistem ini
tidak dimaksudkan untuk menggantikan mahasiswa dalam pengambilan keputusan.
Sedangkan model yang digunakan dalam SPK ini adalah Fuzzy Multi-Atribute Decision
Making (FMADM) dengan metode Simple Additive Weighting (SAW). Hasil penelitian
ini berupa aplikasi berbasis mobile phone yang digunakan untuk mengakses SPK
pengisian KRS dan aplikasi web yang digunakan untuk mengelola data untuk proses
SPK pada aplikasi mobile. Aplikasi ini dibangun menggunakan bahasa pemprograma
lunak ini akan memudahkan mahasiswa dalam memilih matakuliah yang akan diambil
saat pengisian KRS setiap semesternya (Anak Agung Gde Putra Ajiwerdhi, dkk, 2012).
Sebagian besar siswa lulusan SMP berkeinginan untuk melanjutkan pendidikannya khususnya ke SMK, hal tersebut dapat dibuktikan dengan banyaknya siswa lulusan SMP yang mengikuti ujian masuk ke SMK. Hal yang patut disayangkan adalah kurang matangnya mereka memilih jurusan yang ada di sekolah kejuruan yang dituju. Situasi semacam ini berdampak pada biaya pendidikan yang terlanjur dikeluarkan, baik oleh orang tua siswa maupun oleh pemerintah yang mensubsidi sekolah menjadi tidak bermanfaat karena siswa tersebut tidak memiliki kemampuan yang memadai untuk jurusan yang sudah dipilihnya, akibat negatif lainnya adalah para siswa yang drop out. Berdasarkan informasi yang diperoleh dari team penerimaan siswa baru jumlah jurusan yang ada pada SMK Bakti terdiri dari tiga jurusan yaitu jurusan akuntansi, administrasi perkantoran, dan multimedia. penjurusan didasarkan pada pilihan siswa saat melakukan pendaftaran dengan mencatumkan minat untuk jurusan 1 dan jurusan 2 selain itu penjurusan ditentukan oleh nilai yang disyaratkan pada masing-masing jurusan. Sistem pendukung keputusan pemilihan jurusan dengan metode fuzzy Multi-Attribute Decision Making, diharapkan dapat membantu team penerimaan siswa baru dalam menentukan jurusan bagi tiap siswa. Sistem pendukung keputusan ini berbasis web sehingga dapat diakses dimana saja oleh calon siswa untuk melakukan pendaftaran secara online, kemudian data akan diolah untuk menentukan jurusan yang tepat untuk masing-masing siswa (Nandang Hermanto, 2012).
akan terpilih untuk menerima beasiswa. Pembagian beasiswa dilakukan oleh beberapa lembaga untuk membantu seseorang yang kurang mampu ataupun berprestasi selama menempuh studinya. Untuk membantu penentuan dalam menetapkan seseorang yang layak menerima beasiswa maka dibutuhkan sebuah sistem pendukung keputusan. Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik bedasarkan kriteriakriteria yang telah ditentukan dengan menggunakan metode SAW (Simple Additive Weighting). Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu siswa terbaik (Sri Eniyati, 2011).
atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu mahasiswa terbaik (Henry, dkk, 2009).
Memilih alat kontrasepsi bukan merupakan hal yang mudah karena efek yang berdampak terhadap tubuh tidak akan diketahui selama belum menggunakannya. Selain itu tidak ada alat kontrasepsi yang selalu cocok bagi semua orang karena situasi dan kondisi tubuh dari setiap individu selalu berbeda. Dalam sistem pendukung keputusan ini dapat memberikan keputusan alternatif alat kontrasepsi yang nantinya bisa dijadikan sebagai acuan untuk memilih alat kontrasepsi. Sistem ini dikembangkan menggunakan PHP sebagai bahasa pemogramannya, MySql sebagai database server dan Apache sebagai web server. Dalam hal ini penulis menggunakan metode Prototype sebagai metode pengembangan sistemnya(Asep Kamaludin, 2012).
2.2 Landasan Teori
2.2.1 SAW (Simple Addictive Weighting)
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.
...(2.1)
Dimana rij adalah rating kinerja ternormalisasi dari alternatif (Ai) pada setiap kriteria (Cj) i=1,2,…,m dan j=1,2,…,n. Nilai preferensi untuk setiap alternatif
( Vi ) diberikan sebagai: (Nandang Hermanto, 2012)
= ...(2.2)
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
2.2.2 Langkah Penyelesaian SAW
Dalam penelitian ini menggunakan model 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 vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi (Kusumadewi, 2006).
2.2.3 Kelebihan Metode SAW
2.2.4 Nor malisasi Min Max
Normalisasi min max adalah data sebuah atribut yang di skalakan ke dalam rentang nilai kecil yang telah di tentukan.Jika dan merupakan nilai – nilai minimum dan maximum dari atribut A dan memetakkan sebuah nilai V dari A menjadi v’ dalam rentang [ _ , _ ] dengan rumus.
= ( _ − _ ) + _ ...(2.3)
Keterangan :
V = Nilai yang di hitung. = Atribut min.
= Atribut ma x.
_ = Skala max.
_ = Skala min
2.2.5 UML(Unified Modeling Language)
digunakan dalam pemodelan perangkat lunak, namun hampir dalam semua bidang yang membutuhkan pemodelan.
2.2.5.1Use Case Diagram
Menggambarkan sejumlah external actors dan hubungannya ke use case yang diberikan oleh sistem. Use case adalah deskripsi fungsi yang disediakan oleh sistem dalam bentuk teks sebagai dokumentasi dari use case symbol namun dapat juga dilakukan dalam activity diagrams. Use case digambarkan hanya yang dilihat dari luar oleh actor (keadaan lingkungan sistem yang dilihat user) dan bukan bagaimana fungsi yang ada di dalam sistem.
2.2.5.2Class Diagram
Menggambarkan struktur statis class di dalam sistem. Class merepresentasikan sesuatu yang ditangani oleh sistem. Class dapat berhubungan dengan yang lain melalui berbagai cara: associated (terhubung satu sama lain), dependent (satu class tergantung/menggunakan class yang lain), specialed (satu class merupakan spesialisasi dari class lainnya), atau package (grup bersama sebagai satu unit). Sebuah sistem biasanya mempunyai beberapa class diagram.
2.2.5.3Sequence Diagram
Menggambarkan kolaborasi dinamis antara sejumlah object. Kegunaanya untuk menunjukkan rangkaian pesan yang dikirim antara object juga interaksi antara object, sesuatu yang terjadi pada titik tertentu dalam eksekusi sistem.
Menggambarkan rangkaian aliran dari aktivitas, digunakan untuk mendeskripsikan aktifitas yang dibentuk dalam suatu operasi sehingga dapat juga digunakan untuk aktifitas lainnya seperti use case atau interaksi.
2.2.6 Visual Basic 2005
Program Visual Basic 2005 adalah versi terbaru dari program Visual Basic saat buku ini dibuat. Seperti yang kita ketahui, program Visual Basic adalah bahasa pemprograman yang paling mudah dikuasai oleh para pemula. Dalam versi yang terbaru ini, program Visual Basic 2005 (disingkat VB 2005) menawarkan banyak kemudahan lagi dibandingkan versi-versi sebelumnya, antara lain teknik pemprogram dapat dibuat lebih terstruktur dan lebih banyak bantuan dalam pemprograman. Jauh lebih mudah untuk menguasainya dibandingkan dengan versinya yang terdahulu, yaitu Visual Basic 6 (disingkat VB6). Ada banyak perubahan dalam VB 2005 ini dibandingkan VB6, antara lain:
• Bahasa pemprograman sekarang benar-benar bahasa berbasis objek (Object Oriented Programming), sedangkan VB6 bukan bahasa berbasis object.
• Aplikasi dan komponen yang ditulis di VB 2005 mempunyai akses penuh ke Net Framework. Sedangkan di VB6 tidak dikenal atau tidak digunakan Net Framework. • Semua aplikasi yang dibuat beroperasi dalam manajemen Common Language
Runtime (CLR).
2.2.7 Mysql
mengelola suatu databaswe. Jadi, MySQL dan SQL adalah hal yang berbeda. MySQL merupakan software dan SQL adalah bahasa perintahnya.
Mysql sebagai database server. Software database mulai bermunculan seiring dengan bertambahnya kebutuhan akan database server. Salah satu dari pendatang baru dalam dunia database ialah MySQL, sebuah server/klien database SQL yang berasal dari Skandinavia. MySQL terdiri atas server SQL, klien program untuk mengakses, tools untuk administrasi, dan interface program untuk menulis program sendiri.
Pengembangan MySQL dimulai pada tahun 1979 dengan tool database UNIREG yang dibuat oleh Michael “Monty” Widenius untuk perusahaan TcX di Swedia. Kemudian pada tahun 1994, TcX mulai mencari server SQL untuk mengembangkan aplikasi web. Mereka menguji beberapa server komersial namun semuanya masih terlalu lambat untuk tabel-tabel TcX yang besar.
MySQL memiliki banyak hal yang bisa ditawarkan, antara lain :
1. Kecepatan
Banyak ahli berpendapat MySQL merupakan server tercepat.
2. Kemudahan penggunaan
MySQL punya performa tinggi namun merupakan database yang simple sehingga mudah disetup dan dikonfigurasi.
3. Harga
MySQL cenderung gratis untuk penggunaan tertentu.
MySQL mengerti bahasa SQL (Structured Query Language) yang merupakan pilihan system database modern. Anda juga dapat mengakses MySQL lewat protocol ODBC (Open Database Connectivity) buatan Microsoft.
5. Kapabilitas
Banyak klien dapat mengakses server dalam satu waktu. Mereka dapat menggunakan banyak database secara simultan.
6. Konektifitas dan sekuritas
Database MySQL dapat diakses dari semua tempat di Internet dengan hak akses tertentu.
7. Pertabilitas
MySQL dapat berjalan dalam banyak varian UNIX dengan baik, sebaik seperti saat berjalan di system non-UNIX.
8. Distribusi yang terbuka
MySQL mudah didapatkan dan memiliki source code yang boleh disebarluaskan sehingga bisa dikembangkan lebih lanjut
2.2.8 Pengertian CCTV
memungkinkan petugas CCTV definisi untuk terus memonitor. Dan meningkatkan tingkat keamanan pada saat itu. Namun untuk saat ini cctv sendiri bukanlah menjadi barang yang sangat mewah untuk di miliki, namun barang yang menjadi kebutuhan dalam segi keamanan perusahaan, jalan, toko, dan rumah sekalipun. Para tindak kriminal setidaknya akan merasa khawatir untuk melakukan hal yang tidak di inginkan apabila melihat kamera cctv yang sedang memantau aktifitas mereka. Yang meskipun cctv sendiri tidak dapat mencegah tindak kriminal, namun setidaknya hanya untuk mengamati, mengontrol dan mengidentifikasi suatu keamanan pada lokasi tersebut. Untuk mendapatkan hasil kamera cctv yang terbaik, maka di berikan kriteria – kriteria yang akan di jelaskan sebagai berikut :
1. Harga Kamera
Harga dimana nilai setiap kamera yang akan di konversikan dahulu dengan kalkulator.
2. Resolusi kamera
terlihat jelas namun jika lebih kecil resolusi kamera maka terlihat kurang jelas gambar tersebut, bhkan hasilnya lebih jelek.
3. Iluminasi kamera.
Iluminasi berbanding terbalik pada jatuhnya sinar pada latar yang dapat di terima oleh kamera cctv. Namun tergantung jenis kamera yang memang di rancang untuk kontak langsung dengan cahaya matahari maupun di desain untuk tempat yang minim cahaya.
4. Ratio
SNR merupakan Perbandingan (ratio) antara kekuatan Sinyal (signal strength) dengan kekuatan Derau (noise level). Nilai SNR dipakai untuk menunjukkan kualitas jalur (medium) koneksi. Makin besar nilai SNR, makin tinggi kualitas jalur tersebut. Artinya, makin besar pula kemungkinan jalur itu dipakai untuk lalu-lintas komunikasi data & sinyal dalam kecepatan tinggi. Nilai SNR suatu jalur dapat dikatakan pada umumnya tetap, berapapun kecepatan data yang melalui jalur tersebut.
5. Lokasi
Dengan menentukan lokasi ini yang sangat di perlukan dalam pemasangan kamera cctv apakah itu akan di letakkan di kamar, lorong, gudang ataupun sudut – sudut tertentu. Dengan contoh ukuran standar jarak fokus 15 meter, konsumen menginginkan fokus objek terlihat dengan sudut antara 70° - 80° maka di perlukan lensa yang memiliki ukuran 3.6mm. Sedangkan untuk sudut 35° - 45° maka di prlukan lensa berukuran 8mm. Dan untuk sudut 25° maka di perlukan lensa berukuran 12mm.
Effective range adalah suatu titik jarak jangkau led infra merah yang tergantung pada jumlah led infra merah tersebut. Cahaya ini tidak kasat mata namun hanya bercahaya merah, namun cahaya ini jika tertangkap oleh kamera yang mendukung infra merah maka kamera tersebut akan terbantu pencahayaannya untuk menangkap gambar di sekitar.
7. Led
3 BAB III
METODOLOGI PENELITIAN 3.1 Rancangan penelitian
3.1.1 Alur progr am
Gambar 3.1. Alur program.
Untuk dapat menghasilkan sebuah nilai pembobotan, maka di berikan sebuah kriteria-kriteria da sub kriteria yang nantinya akan di inputkan sebuah nilai oleh seorang konsumen. Dan di bagi menjadi dua kriteria yaitu infra merah dan non infra merah dengan masing – masing memiliki kriteria sendiri – sendiri, yaitu :
a. Kondisi
• Memberikan nilai kisaran harga kamera. • Memberikan nilai resolusi.
• Memberikan nilai ratio. b. Lokasi
• Memberikan nilai iluminasi. • Lokasi/sudut.
2. Infra merah a. Kondisi
• Memberikan nilai kisaran harga kamera. • Memberikan nilai resolusi.
• Memberikan nilai ratio. b. Lokasi
• Memberikan nilai iluminasi. • Memberikan nilai jumlah led. • Memberikan nilai effective range. • Lokasi /sudut.
Untuk proses perhitungan dalam metode tersebut ada tahapan – tahapan sebagai berikut.
a. Konsumen memasukkan nilai kepentingan kisaran harga kamera. Contoh : kisaran harga Rp.1.000.000,-
a. Konsumen memasukkan nilai resolusi kamera yang tampil pada layar monitor dengan satuan TVL, ysng sudah di tentukan.
c. Konsumen memasukkan nilai iluminasi pencahayaan pada lokasi yang dalam keadaan normal siang hari apakah terang, cukup terang ataukah sedikit cahaya. d. Konsumen memilih ruang apa yang di gunakan atau sudut lokasi yang
berdasarkan letak kamera yang akan di pasang oleh konsumen.
3.2 Rancangan uji coba dan evaluasi
Desain sistem merupakan sebuah tahapan yang menjurus ke desain sistem informasi yang di mana tampilannya hingga proses reportnya lebih ke fisik program, sehingga para konsumen ataupun administrator mudah untuk menggunakan sistem tersebut dengan hanya melihat interface yang sederhana.
3.2.1 Blok Diagram
Adalah suatu inputan data yang di masukkan oleh user, sehingga sistem
informasi mendapatkan data yang akan di proses untuk mendapatkan report. Dengan kebutuhannya yaitu :
Pada gambar 3.1 menjelaskan serangkai kegiatan untuk pemilihan kamera cctv dengan tahapan konsumen meng-input serangkaian data untuk di lakukan proses pembobotan SAW dan kemudian di lakukan pencocokan data yang telah mendapat proses tersebut dengan alternatif – alternatif kamera yang telah di masukkan oleh administrator ke dalam database.
3.2.2 Use Case
Gambar 3.3. Use case admin.
Gambar 3.2 menjelaskan bahwa admin dapat melakukan tambah data, hapus, modifikasi dan melihat report dengan harus melakukan login pada sistem informasi. Untuk user dapat melakukan proses spk dan dapat melihat report hasil spk.
proses perhitungan User
proses() load()
hasil perrhitungan Admin
Kode_admin : String Username : String
Password : String
Tambah() Modifikasi()
Hapus() Pili h()
tambah master Login
report <<extend>>
3.2.3 Class Diagram
Gambar 3.4. Class diagram. has il_s pk_InfraMerah
kode_has il_IM : String kode_s pk_im : String kode_produk_IM : String
has il_SPK_IM : Double
Pros es () Melihat() pilih()
has il_s pk_nonInfraMerah kode_has il_NonIm : String
kode_s pk_NonIM : String kode_produk_NonIM : String
has il_SPK_NonIM : Double
pros es () Melihat() Admin
Kode_adm in : String Us ernam e : String (f rom Use Case View)
SPK_Inframerah kode_s pk_IM : String nilai_cr1_IM : Double Kode_s pk_NonIM : String Nilai_cr1_NonIM : Double kode_produk_im : String nama_produk_im : String
harga_im : Double res olus i_im : String S/N Ratio_im : String jum lah_led_im : Double
effective_range : String lokas i : String
Tambah() res olus i_nonIM : String S/N Ratio_nonIM : String
lokas i_nonIM : Double
Tambah()
form pem ilihan CCTV
Load() pilih() tabel login
3.2.4 Sequence Diagram
1. Sequence Diagram Login Admin
Gambar 3.5. Sequence diagram.
Gambar 3.4 menjelaskan bahwa sistem informasi meminta admin untuk login dengan memasukkan username dan password, lalu admin memasukkan username dan password pada form login kemudian akan di cek pada database apakah sesuai dengan data, jika sesuai maka username dan password tersebut valid dan admin akan masuk ke dalam sistem informasi, dan jika tidak sesuai dengan data user pada database maka akan ada pemberitahuan bahwa username atau password salah.
2. Sequence Diagram SPK Infra merah
Gambar 3.6. Sequence diagram SPK Infra merah. : Admin
: Admin
: Form Login : Form Login
: tabel login : tabel login pilih( )
pilih( )
load( )
: User
: User : form pemilihan CCTV : form pemilihan CCTV : cctv_inframerah : cctv_inframerah : SPK_Infram erah : SPK_Infram erah : hasil_spk_InfraMerah : hasil_spk_InfraMerah
pilih( )
pilih( )
pilih( )
Proses( )
Gambar 3.5 menjelaskan bahwa user memilih spk cctv infra merah pada form pemilihan cctv setelah itu akan di proses pada spk infra merah dan akan
menghasilkan output hasil SPK.
3. Sequence Diagram SPK Non Infra merah
Gambar 3.7. Sequence diagram user.
Gambar 3.6 menjelaskan bahwa user memilih spk cctv non infra merah pada form pemilihan cctv setelah itu akan di proses pada spk non infra merah dan akan menghasilkan output hasil SPK.
4. Sequence Diagram report
Gambar 3.8. Sequence diagram report.
: User
: User : form pemilihan CCTV : form pemilihan CCTV : cctv_nonInframerah : cctv_nonInframerah : spk_nonInfraMerah : spk_nonInfraMerah
: hasil_spk_nonInfra...
: hasil_spk_nonInfra... pilih( )
pilih( )
pilih( )
pros es( ) Melihat( )
: User
: User : Admin : Admin
: hasil_spk_nonInfra...
:
hasil_spk_nonInfra... : hasil_spk_InfraMerah : hasil_spk_InfraMerah
Melihat( )
Melihat( ) Melihat( )
Pada gambar 3.7 menjelaskan bahwa admin dan user dapat melihat hasil SPK kamera cctv infra merah ataupun SPK kamera cctv non Infra merah.
5. Sequence Diagram tambah master
Gambar 3.9. Sequence Tambah master kamera.
Gambar 3.8 menjelaskan bahwa admin dapat menambah , memodifikasi, menghapus, dan melihat data pada database memalui sistem informasi sistem pendukung keputusan.
: Admin
: Admin : cctv_inframerah : cctv_inframerah : cctv_nonInfram erah : cctv_nonInfram erah Tam bah( )
Modifikas i( )
Hapus ( )
pilih( )
Tambah( )
Modifikas i( )
Hapus ( )
3.2.5 Activity Diagr am
1. Activity Diagram User
Gambar 3.10. Activity diagram user. End
Cctv non infra merah
Harga
Resolusi
S/N Ratio
Iluminasi
Lokasi
Hasil SPK
Cctv Infra merah
Harga
Resolusi
S/N Ratio
Iluminasi
Lokasi
Range
LED
Hasil SPK Hasi l spk Infra merah hasi l spk non_i nfra merah
Gambar 3. 9 menjelaskan bahwa jika user memilih kamera infra merah, maka di ajukan pilihan – pilihan inputan pada form selanjutnya dan setelah itu sistem akan memproses inputan tersebut dan menghasilkan output kamera yang terbaik.
2. Activity Diagram Login Admin
Gambar 3.11. Activity diagram login admin.
Gambar 3.10 menjelaskan bahwa user admin melakukan login pada state sistem informasi dan memiliki hak akses menambah data, hapus, modifikasi dan lihat data.
3. Activity Diagram proses perhitungan
Gambar 3.12. Activity diagram proses perhitungan.
Gambar 3.11 menjelaskan bahwa user memiliki pilihan dalam sistem pendukung keputusann yaitu non infra merah dan infra merah.
start
menerima permintaan login
verifikas i databas e
: tabel login : Form Logi n
: Admin
informas i has il SPK s tart
end
informas i has il SPK
: has i l_ s pk _In fraM erah : h as i l_ s pk _nonInfraM er ah
4. Activity Diagram report user
Gambar 3.13. Activity diagram report user. 5. Activity diagram tambah master.
Gambar 3.14. Activity diagram tambah master.
Gambar 3.13 menjelaskan bahwa pada swimline admin terdapat decision pilihan pertama jika ya maka langsung di arahkan ke swimline berikutnya yang berisikan menyimmpan data cctv infra merah, dan jika tidak maka akan di arahkan lagi pada swimline pertama yang berisikan decision mengedit data cctv infra merah.
start
end
hasil informasi SPK non infra merah ya
hasil informasi SPK infra merah tidak
: hasil_spk _InfraMerah : hasil_s pk_nonInfraMerah
: Us er
mem ilih data cctv inframerah
menambah data cctv non inframerah
mengedit data cctv non inframerah
menghapus data cctv non inframerah
mem ilih data cctv non inframerah
menyim pan data cctv inframerah
data cctv inframerah di modifikasi
data cctv infram erah di hapus
data informas i cctv inframerah
menyimpan data cctv non inframerah
data cctv non infram erah di modifikasi
data cctv non inframerah di hapus
3.2.6 CDM Resol usi _Skal a Resol usi _Bobot Il um i nasi _Bobot Lokasi
Identi fier_1 <pi >
3.2.7 PDM
Gambar 3.16. PDM
3.2.8 Data yang digunakan
1. Kamera Infra Merah Tabel 2.1. Data Kamera Infra Merah.
Nama Har ga Iluminasi Range Lokasi/sudut LED Resolusi S/N Ratio
Effio-E Rp511,450.00
0.01Lux color/
0Lux IR on 10 meters 2.8mm 12pcs 650 TVL ≥48dB HD 690TVL
WDR Rp1,090,450.00 0.1Lux 10 meters 2.8mm 12pcs 690TVL-E ≥50dB
IR Light Dome
SONY CCD Rp718,925.00
0.01Lux
Camera Rp453,453.50
0.01Lux(Infrared
Camera SONY Rp569,350.00
0.01Lux(Infrared
LED Turn On) 30 meters 3.6mm 48PCS 650 TV Line
Effio-E
Mounted Rp250,900.00 0.5Lux/F1.2 15 meters 3.6mm 12pcs 420TV Lines
>48dB (AGC OFF/BW OFF) Oxidation
Dome CCTV
Camera Rp535,864.50
0.05Lux color/
OSD WDR Rp424,600.00
0.01Lux
Effio-E CCD Rp694,800.00
0.01Lux(Infrared
Effio-E Rp675,500.00
IR Led Night
Camera Rp564,525.00
0.01Lux color/
0Lux IR on 10 meters 2.8mm 12pcs 600 TVL ≥48dB SONY CCD
Oxidation Dome CCTV
Camera Rp405,300.00
0.1Lux color/
0Lux IR on 10 meters 2.8mm 12pcs 420 TVL ≥48dB SONY SUPER
HAD II CCD Rp685,150.00 0.1 10 meters 3.6mm 12pcs 540TV Lines More than 48dB
Starligh Dome
Camera OSD Rp559,700.00
0.01 LUX
Starlight(Sense-up x512) 15 meters 3.6mm 24pcs 650 TVL
≥48dB ( AGC off )
2. Kamera Non Infra Merah Tabel 2.2. Data Kamera Non Infra Merah.
Nama Kamer a Har ga Resolusi S/N Ratio Lokasi Iluminasi 1/3'' CMOS Color Indoor
Camera Ceiling Mounted Rp
173,700.00
420TV
Lines >=50dB 3.6mm 0.5Lux / F1.2
1/3'' SONY CCD Chipset Rp
Starlight Dome Camera
Rp
429,425.00 600TVL >=48dB 3.6mm 0.01Lux 1/3'' SHARP CCD WDR
Starlight Low
Illumination Mini Dome Camera
HD SONY Effio-E DSP Sony CCD OSD Indoor Dome Camera
Rp
559,700.00
650 TV
Line >=48dB 3.6mm 0.01Lux Flying Saucer UFO
Metal Vandal-proof Effio-P WDR Starlight
Dome 2.8-10mm Manual Focus Camera 1/3'' Color CMOS CCTV
Security Camera SONY Super HAD
CCD Indoor Video Camera
Rp
419,775.00
600 TV
Lines ≥48dB 3.6mm 0.01 LUX Mini Dome Video Audio
CCTV Security Camera
Rp
173,700.00
360 TV
Line ≥48dB 6mm 0.01Lux HD EFFIO-E DSP focus
Lens Indoor Dome Camera
Rp
704,450.00 720TVL ≥50dB 12mm 0.01Lux Super WDR HD SONY
CCD OSD Camera Dome Rp 1/3 SONY CCD 420TVL
Plastic Ceiling Dome
Rp
419,775.00
420 TV
Lines ≥48dB 3.6mm 0.5 LUX 1/3 SONY CCD Wide
Dynamic Range OSD
Rp
680,325.00 480TVL
>50dB(AGC
OFF) 3.6mm 0.05LUX/F1.2 1/3 SONY Color CCD
Dome Indoor Security
Rp
Camera OFF) 1/3 Sony Super HAD
CCD
Rp
583,825.00
540 TV
Lines ≥48dB 3.6mm 0.01 LUX
1/3 SONY Super HAD CCD High Resolution
Rp
516,275.00
540TV Lines
>50db (AGC OFF/BW
OFF) 3.6mm 0. 5Lux/F1.2
1/3 Super HAD SONY CCD Dome Camera
Rp
357,050.00
420TV Lines
>50db (AGC OFF/BW
OFF) 3.6mm 0. 5Lux/F1.2
Sumber :
http://www.securitycamera2000.com/categories/CCTV-Cameras/Indoor-Cameras/NONIR-Cameras/, diakses pada Minggu, 14 April 2013Jadwal Kegiatan
3.3 Data Kegiatan
No. Kegiatan [Nop.] [Des.] [J an.] [Feb.] [Mar.] [Apr .]
1 Analisis Masalah 2 Pendataan 3 Perancangan
Aplikasi 4 Testing
4 BAB IV
HASIL DAN PEMBAHASAN
4.1 Implementasi
Implementasi sistem bertujuan untuk membuat perancangan sistem selama
penelitian, menguji dan mendokumentasikan prosedur dan program yang diperlukan oleh dokumen perancangan sistem yang telah dibuat dan menyelesaikan perancangan sistem yang ada didalam perancangan sistem yang telah disetujui.
4.1.1 Teknologi
Dalam perancangan sistem pendukung keputusan berbasis komputer, teknologi merupakan kebutuhan mutlak dalam menjalankan sistem tersebut. Berikut merupakan teknologi yang dibutuhkan dalam pembangunan sistem yang telah dibuat.
4.1.2 Hardware
Hardware yang digunakan dalam implementasi tugas akhir sistem pendukung keputusan pemilihan kamera CCTV berdasarkan kondisi dan lokasi dengan menggunakan metode Simple Addictive Weighting(SAW) memiliki spesifikasi antara lain:
System : Windows 7 Ultimate
Registered to : 00426-OEM-8992662-00497
4.1.3 Softwar e
Kebutuhan software (perangkat lunak) dalam mengimplementasikan tugas akhir sistem pendukung keputusan pemilihan kamera CCTV berdasarkan kondisi dan lokasi dengan menggunakan metode Simple Addictive Weighting(SAW), antara lain:
1. Untuk pembuatan data flow diagram digunakan software Power Designer 15.3. 2. Untuk management database digunakan Mysql 5.5.1.
3. Untuk pembuatan interface program yang digunakan sebagai media pembuatan dan menjalankan program aplikasi digunakan Visual Basic 2005.
4. Untuk pembuatan laporan digunakan Crystal Report.
4.1.4 File-file yang dihasilkan
File yang digunakan untuk membangun software penilaian sistem pendukung keputusan pemilihan kamera CCTV berdasarkan kondisi dan lokasi dengan menggunakan metode Simple Addictive Weighting(SAW) yang terdiri dari file database yang terdapat pada Mysql 5.5.1 dan file program yang terdapat pada Visual Basic 2005. Dibawah ini akan dijelaskan satu persatu.
4.1.4.1File Basis Data
File database digunakan untuk menyimpan database yang ada dalam mysql 5.5.1 yang akan dikoneksikan ke dalam program yang dibuat menggunakan Visual Basic 2005 yang file-filenya antara lain:
1. Administrator : kode_user, username, password, hakadm.
2. Detail_kamera : no_seleksi, kode_cam, skor_harga, skor_resolusi, skor_ratio, skor_iluminasi, skor_lokasi, skor_led, skor_range, skor1.
iluminasi, iluminasi_skala, iluminasi_bobot, lokasi, lokasi_skala, lokasi_bobot, led, led_bobot, led_skala, range, range_skala, range_bobot.
6. Kriteria : no_seleksi, krt_harga_skala, krt_harga_bobot, krt_resolusi_skala, krt_resolusi_bobot, krt_ratio_skala, krt_ratio_bobot, krt_iluminasi_skala,
krt_iluminasi_bobot, krt_lokasi_skala, krt_lokasi_bobot, krt_led_skala, krt_led_bobot, krt_range_skala, krt_range_bobot.
7. Seleksi : no_seleksi, kode_cust, tgl_seleksi, rek_kamera, rek_jenis, kode_cam, notgl.
4.1.4.2File Program
Perangkat lunak yang digunakan untuk implementasi sistem pendukung keputusan pemilihan kamera CCTV berdasarkan kondisi dan lokasi dengan menggunakan metode Simple Addictive Weighting(SAW) ini adalah Visual Basic 2005. Sedangkan file-file program yang dihasilkan didalam implementasi program ini terdiri dari :
1. Futama.vb
Berisi menu utama dalam menjalankan aplikasi. 2. Flogin.vb
Berisi menu login untuk masuk kedalam program. 3. Fadmin.vb
Berisi data-data admin yang dapat mengakses kedalam program. 4. Fcustomer.vb
Berisi data customer yang ada di seventhsoft komputindo. 5. Fkriteria.vb
Berisi data untuk pengisian kamera, dan nilai alternatif yang akan digunakan untuk perhitungan.
7. FSAW.vb
Berisi proses perhitungan SAW untuk kamera dengan jenis infra merah. 8. FSAW_non.vb
Berisi perhitungan SAW untuk kamera dengan jenis non infra merah. 9. FSAW_pilihan.vb
Berisi tombol pilihan untuk memilih jenis kamera infra merah atau non infra merah. 10. FrHasil.vb
Berisi laporan hasil perhitungan dari masing-masing proses. 11. FrLapHasl.vb
Berisi laporan dari hasil semua proses perhitungan.
4.1.4.3File Lapor an
File laporan disimpan dengan nama antara lain yang terdapat pada C:\Program Files (x86)\Microsoft Visual Studio 8\Crystal Reports untuk membuat suatu laporan yang dibutuhkan.
1. CrpHasil.rpt
Laporan yang berisi hasil perhitungan dari masing-masing proses. 2. CrpLapHasil.rpt
Laporan yang berisi hasil semua proses perhitungan.
4.2 Hasil Uji Coba dan Evaluasi
program, yang dapat dilakukan pada sistem pendukung keputusan pemilihan kamera CCTV berdasarkan kondisi dan lokasi dengan menggunakan metode Simple Addictive Weighting(SAW) yaitu:
4.2.1 Uji coba perhitungan secara manual
1. Perhitungan manual kalkulasi menggunakan normalisasi min max Tabel 4.1. Perhitungan manual normalisasi min max.
Nama Har ga Iluminasi Range Lokasi/su dut
Proses perhitungan : Data yang akan dihitung :
= ( 1− 0.1) + 0.1= 0.25 3. Ratio
V = 48
= 48 = 60
_ = 1.0
_ = 0.1
= ( 1− 0.1) + 0.1= 0.1
4. Iluminasi
V = 0.5
= 0.01 = 0.5
_ = 1.0
_ = 0.1
= . .
. . ( 1− 0.1) + 0.1= 1
5. Lokasi
V = 3.6
= 2.8 = 12
_ = 1.0
_ = 0.1
= . .
6. Led
V = 12 = 12
= 72
_ = 1.0
_ = 0.1
= ( 1− 0.1) + 0.1= 0.1
7. Range
V = 15
= 10 = 30
_ = 1.0
_ = 0.1
= ( 1− 0.1) + 0.1= 0.325
Tabel 4.2. Hasil perhitungan normalisasi min max.
Nama Har ga Iluminasi Range Lokasi/su dut
LED Resolusi S/N Ratio 1/3'' CMOS
Dome Security Camera Ceiling Mounted
0.119010443
86423 1 0.325
0.178260 86956521
2. Perhitungan manual kamera jenis infra merah Tabel 4.3. Perhitungan manual SPK Infra merah.
Nama Har ga Iluminasi Range Lokasi/su dut Resolusi : Cukup Penting S/N Ratio : Tidak Penting Iluminasi : Penting Lokasi : Tidak Penting LED : Cukup Penting Range : Tidak Penting Kriteria :
Tabel 4.4. Kriteria kamera.
Perhitungan Normalisasi :
1. Harga kamera termasuk cost
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
.
. = 1
b. Mini Dome Camera Wide Angle
.
. = 0.820260
c. 1/3" SONY CCD Color Camera
.
. = 0.813899
2. Iluminasi termasuk benefit
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 1
b. Mini Dome Camera Wide Angle = 1
c. 1/3" SONY CCD Color Camera = 1
3. Range termasuk benefit
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
.
. = 1
b. Mini Dome Camera Wide Angle
.
. = 0.307692
c. 1/3" SONY CCD Color Camera
.
. = 0.307692
4. Lokasi termasuk benefit
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
.
. = 1
b. Mini Dome Camera Wide Angle
.
. = 0.560978
c. 1/3" SONY CCD Color Camera
.
. = 0.560978
5. Led termasuk benefit
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
.
. = 1
.
. = 1
c. 1/3" SONY CCD Color Camera
.
. = 1
6. Resolusi termasuk benefit
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
.
. = 0.454545
b. Mini Dome Camera Wide Angle
.
. = 1
c. 1/3" SONY CCD Color Camera
.
. = 0.454545
7. S/N Ratio termasuk benefit
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
.
. = 1
b. Mini Dome Camera Wide Angle
.
. = 1
c. 1/3" SONY CCD Color Camera
.
. = 1
Perhitungan Hasil :
=
1. Harga
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted
= 1
= 1
Hasil : 1 1 = 1
b. Mini Dome Camera Wide Angle = 0.820260
= 1
= 0.813899 = 1
Hasil : 0.813899x 1 =0.813899
2. Iluminasi
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 1
= 4
Hasil : 1 4 = 4
b. Mini Dome Camera Wide Angle = 1
= 4
Hasil : 1 x 4 =4
c. 1/3" SONY CCD Color Camera = 1
= 4
Hasil : 1 x 4 =4
3. Range
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 1
= 1
Hasil : 1 1 = 1
b. Mini Dome Camera Wide Angle = 0.307692
= 1
c. 1/3" SONY CCD Color Camera = 0.307692
= 1
Hasil : 0.307692 x 1 =0.307692 4. Lokasi
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 1
= 1
Hasil : 1 1 = 1
b. Mini Dome Camera Wide Angle = 1
= 1
Hasil : 1 1 = 1
c. 1/3" SONY CCD Color Camera = 1
= 1
Hasil : 1 1 = 1
5. LED
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 1
= 3
Hasil : 1 3 = 3
b. Mini Dome Camera Wide Angle = 1
= 3
Hasil : 1 3 = 3
= 1 = 3
Hasil : 1 3 = 3
6. Resolusi
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 0.454545
= 3
Hasil : 0.454545 3 =1.363635 b. Mini Dome Camera Wide Angle
= 1 = 3
Hasil : 1 3 = 3
c. 1/3" SONY CCD Color Camera = 0.454545
= 3
Hasil : 0.454545 3 =1.363635 7. S/N Ratio
a. 1/3'' CMOS Dome Security Camera Ceiling Mounted = 1
= 1
Hasil : 1 1 = 1
b. Mini Dome Camera Wide Angle = 1
= 1
Hasil : 1 1 = 1
= 1 = 1
Hasil : 1 1 = 1
Tabel 4.5. Total skor kamera.
Nama Har ga Ilum inasi
Range Lokasi/ sudut
LED Resolusi S/N Ratio Total skor 1/3'' CMOS
Dome Security Camera Ceiling
Mounted 1 4 1 1 3 1.363635 1 12.36364
Mini Dome Camera
Wide Angle 0.820260 4 0.307692 1 3 3 1 13.12795 1/3" SONY
CCD Color
Camera 0.813899 4 0.307692 01 3 1.363635 1 11.48523
Jadi hasil perhitungan di atas secara manual di dapatkan kamera Mini Dome Camera Wide Angle dengan total skor tertinggi 13.12795.
4.2.2 Uji coba perhitungan for m kalkulasi
Form kalkulasi digunakan untuk menentukan jumlah kriteria-kriteria yang akan dimasukkan kedalam form kamera. Dalam form ini tinggal memasukkan sesuai dengan harga, resolusi, ratio, lokasi, led dan range yang sesungguhnya, lalu tekan hitung, maka program akan menghitung otomatis berdasarkan kriteria yang dimasukkan.
Private Sub btProses_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles btProses.Click
txtHasilHarga.Text = (Val(txtHarga.Text) - Val(250000)) / (Val(4000000) - Val(250000)) * (Val(1.0) - Val(0))
txtHasilResolusi.Text = (Val(txtResolusi.Text) - Val(360)) / (Val(720) - Val(360)) * (Val(1.0) - Val(0))
txtHasilRatio.Text = (Val(txtRatio.Text) - Val(10)) / (Val(30) - Val(10)) * (Val(1.0) - Val(0))
txtHasilIluminasi.Text = (Val(txtIluminasi.Text) - Val(0.01)) / (Val(0.2) - Val(0.01)) * (Val(1.0) - Val(0))
txtHasilLokasi.Text = (Val(txtLokasi.Text) - Val(8)) / (Val(15) - Val(8)) * (Val(1.0) - Val(0))
txtHasilLed.Text = (Val(txtLed.Text) - Val(16)) / (Val(72) - Val(16)) * (Val(1.0) - Val(0))
txtHasilRange.Text = (Val(txtRange.Text) - Val(80)) / (Val(250) - Val(80)) * (Val(1.0) - Val(0))
End Sub
4.2.3 Uji coba perhitungan kamera jenis infra merah 1. Pemilihan jenis kamera
Gambar 4.2. Gambar pemilihan jenis kamera untuk proses perhitungan.
Gambar diatas menunjukkan pilihan jenis kamera yang akan di pilih oleh user sesuai dengan kebutuhan. Klik pada salah satu pilihan untuk melakukan proses perhitungan.
Gambar 4.3. Contoh perhitungan kamera dengan jenis infra merah
Gambar 4.4. Tab alternatif pada proses perhitungan.
Pada gambar diatas menunjukkan pilihan alternatif kamera apa saja sesuai dengan bobot kritertia yang sudah dimasukkan beserta nilai alternatif dari masing-masing kamera. Berikut source code yang digunakan untuk perhitungan alternatif :
Else
Max = dAlternatif.Item(Klm, 0).Value
For Brs1 = 0 To dAlternatif.RowCount - 1
If Val(dAlternatif.Item(Klm, Brs1).Value) >= Max Then
Max = dAlternatif.Item(Klm, Brs1).Value
End If
Next Brs1
dNormalisasi.Item(Klm, Brs).Value = _ dAlternatif.Item(Klm, Brs).Value / Max dNormalisasi.Item(Klm, Brs).Value = _
Selanjutnya adalah tab normalisasi, seperti pada tampilan dibawah ini :
Gambar 4.5. Tab normalisasi pada proses perhitungan.
Tab normalisasi berisi perhitungan dari proses alternatif yang ada kemudian di normalisasikan. Sehingga menghasilkan nilai-nilai sebagai bahan perbandingan.
dNormalisasi.Rows.Clear()
dNormalisasi.RowCount = dAlternatif.RowCount
For Brs = 0 To dNormalisasi.RowCount - 1
For Klm = 0 To 2
dNormalisasi.Item(Klm, Brs).Value = dAlternatif.Item(Klm, Brs).Value
Next Klm
For Klm = 3 To dNormalisasi.ColumnCount - 1
If Klm = 3 Then
Min = dAlternatif.Item(Klm, 0).Value
For Brs1 = 0 To dAlternatif.RowCount - 1
If Val(dAlternatif.Item(Klm, Brs1).Value) <=
Min Then
Min = dAlternatif.Item(Klm, Brs1).Value
End If
Next Brs1
dNormalisasi.Item(Klm, Brs).Value = _
Min / dAlternatif.Item(Klm, Brs).Value dNormalisasi.Item(Klm, Brs).Value = _
Selanjutnya adalah tab hasil, seperti pada tampilan dibawah ini :
Gambar 4.6. Tampilan hasil dari proses perhitungan.
Dari gambar diatas menunjukkan hasil perhitungan dari masing-masing kamera. Dari masing-masing kamera tersebut akan menghasilkan nilai dari proses normalisasi yang ditampilkan pada tab sebelumnya. Dari hasil ini akan menampilkan skor yang dapat ditentukan kamera yang memiliki skor tertinggi adalah kamera yang sesuai dengan kritera.
sk = -1000
dHasil1.Rows.Clear()
dHasil1.RowCount = dNormalisasi.RowCount
For Brs = 0 To dHasil1.RowCount - 1
Total_Skor = 0
For Klm = 0 To 2
dHasil1.Item(Klm, Brs).Value = dNormalisasi.Item(Klm, Brs).Value
Next Klm
For Klm = 3 To dNormalisasi.ColumnCount - 1
dHasil1.Item(Klm, Brs).Value = _ dNormalisasi.Item(Klm, Brs).Value * _ dKriteria.Item(2, Klm - 3).Value dHasil1.Item(Klm, Brs).Value = _
FormatNumber(dHasil1.Item(Klm, Brs).Value, 4)
Total_Skor = Total_Skor + Val(dHasil1.Item(Klm, Brs).Value)
Next Klm
dHasil1.Item(dHasil1.ColumnCount - 1, Brs).Value = Total_Skor
If Total_Skor >= sk Then
Rek_Kamera = dHasil1.Item(1, Brs).Value
End If
Next Brs
Setelah tekan proses lalu tekan save untuk menyimpan data hasil perhitungan, seperti pada tampilan dibawah ini :
Gambar 4.7. Tampilan save perhitungan.
Setelah melakukan proses perhitungan, dapat juga melihat hasil dari perhitungan dalam bentuk laporan, pada form klik preview untuk menampilkan hasil perhitungan, seperti pada tampilan dibawah ini :
4.2.4 Uji coba perhitungan kamera jenis non infra merah
Gambar 4.9. Contoh perhitungan kamera non infra merah.
Gambar 4.10. Tampilan tab alternatif pada proses perhitungan.
Pada gambar diatas menunjukkan pilihan alternatif kamera apa saja sesuai dengan bobot kritertia yang sudah dimasukkan beserta nilai alternatif dari masing-masing kamera.
dAlternatif.Rows.Clear()
Dim SqlAlt As New Odbc.OdbcDataAdapter _
("Select * from Kamera where Kategori='Non Infra Merah' ", fUtama.Koneksi)
dsAlt.Clear()
SqlAlt.Fill(dsAlt, "Kamera")
dvAlt = New DataView(dsAlt.Tables("Kamera"))
If dvAlt.Count > 0 Then
Brs = 0
Do
dAlternatif.RowCount = dAlternatif.RowCount + 1 dAlternatif.Item(0, Brs).Value = _
Brs + 1
dAlternatif.Item(1, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Kode_Cam").ToString dAlternatif.Item(2, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Nama_Cam").ToString dAlternatif.Item(3, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Harga").ToString dAlternatif.Item(4, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Resolusi").ToString dAlternatif.Item(5, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Ratio").ToString dAlternatif.Item(6, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Iluminasi").ToString dAlternatif.Item(7, Brs).Value = _
dvAlt.Item(Brs).Row.Item("Lokasi").ToString Brs = Brs + 1
Else
dAlternatif.Rows.Clear()
End If
Selanjutnya adalah tab normalisasi, seperti pada tampilan dibawah ini :
Gambar 4.11. Tampilan tab normalisasi pada proses perhitungan.
Tab normalisasi berisi perhitungan dari proses alternatif yang ada kemudian di normalisasikan. Sehingga menghasilkan nilai-nilai sebagai bahan perbandingan.
dNormalisasi.Rows.Clear()
dNormalisasi.RowCount = dAlternatif.RowCount
For Brs = 0 To dNormalisasi.RowCount - 1
For Klm = 0 To 2
dNormalisasi.Item(Klm, Brs).Value = dAlternatif.Item(Klm, Brs).Value
Next Klm
For Klm = 3 To dNormalisasi.ColumnCount - 1
If Klm = 3 Then
Min = dAlternatif.Item(Klm, 0).Value
For Brs1 = 0 To dAlternatif.RowCount - 1
If Val(dAlternatif.Item(Klm, Brs1).Value) <= Min Then
Min = dAlternatif.Item(Klm, Brs1).Value
End If
Next Brs1
dNormalisasi.Item(Klm, Brs).Value = _ Min / dAlternatif.Item(Klm, Brs).Value
Else
Max = dAlternatif.Item(Klm, 0).Value
For Brs1 = 0 To dAlternatif.RowCount - 1
If Val(dAlternatif.Item(Klm, Brs1).Value) >= Max Then
Max = dAlternatif.Item(Klm, Brs1).Value
End If
Next Brs1
End If
Selanjutnya adalah tab hasil, seperti pada tampilan dibawah ini :
Gambar 4.12. Tampilan tab hasil dari proses perhitungan.
Dari gambar diatas menunjukkan hasil perhitungan dari masing-masing kamera. Dari masing-masing kamera tersebut akan menghasilkan nilai dari proses normalisasi yang ditampilkan pada tab sebelumnya. Dari hasil ini akan menampilkan skor yang dapat ditentukan kamera yang memiliki skor tertinggi adalah kamera yang sesuai dengan kritera.
sk = -1000
dHasil1.Rows.Clear()
dHasil1.RowCount = dNormalisasi.RowCount
For Brs = 0 To dHasil1.RowCount - 1
Total_Skor = 0
For Klm = 0 To 2
dHasil1.Item(Klm, Brs).Value = dNormalisasi.Item(Klm, Brs).Value
Next Klm
For Klm = 3 To dNormalisasi.ColumnCount - 1
dHasil1.Item(Klm, Brs).Value = _ dNormalisasi.Item(Klm, Brs).Value * _ dKriteria.Item(2, Klm - 3).Value dHasil1.Item(Klm, Brs).Value = _
FormatNumber(dHasil1.Item(Klm, Brs).Value, 4)
Total_Skor = Total_Skor + Val(dHasil1.Item(Klm, Brs).Value)
Next Klm
dHasil1.Item(dHasil1.ColumnCount - 1, Brs).Value = Total_Skor
If Total_Skor >= sk Then
sk = Total_Skor
End If
Next Brs
Setelah tekan proses lalu tekan save untuk menyimpan data hasil perhitungan, seperti pada tampilan dibawah ini
Gambar 4.13. Tampilan proses save pada proses perhitungan.
Setelah melakukan proses perhitungan, dapat juga melihat hasil dari perhitungan dalam bentuk laporan, pada form klik preview untuk menampilkan hasil perhitungan, seperti pada tampilan dibawah ini :
4.2.5 Uji coba pembuatan lapor an
Gambar 4.15. Tampilan hasil seleksi secara keseluruhan.
5 BAB V
KESIMPULAN DAN SARAN
Kesimpulan dan saran dimaksudkan untuk memberikan kesimpulan seluruh bab yang telah dijelaskan pada bab-bab sebelumnya yang berkaitan juga permasalahan dan batasan masalah. Sedangkan saran dimaksudkan untuk memberi saran guna perbaikan di masa yang akan datang.
5.1 Kesimpulan
a. Dari hasil perhitungan tersebut di dapatkan kamera infra merah 1/3' CMOS Dome Security Camera Ceiling Mounteddengan skor harga 0.8477, resolusi 0.5406, ratio 0.3000, iluminasi 4.0000 , lokasi 0.4316 , led 3.0000 , range 0.3250 dan total skor 9.4449
b. Untuk hasil perhitungan kamera non infra merah di dapatkan kamera non infra merah HD EFFIO-E DSP focus Lens Indoor Dome Camera dengan skor harga 0.4470, resolusi 3.0000 , ratio 2.5000, iluminasi 0.1000 , lokasi 5.0000 dan total skor 11.047.
c. Laporan hasil pembobotan kriteria adalah kamera yang di sarankan untuk di pakai.
5.2 Sar an
Tugas Akhir yang dikerjakan saat ini dapat dikembangkan lebih lanjut dengan melakukan pengembangan sistem, diantaranya:
a. Mengembangkan versi online yang dapat diakses melalui internet.
6 DAFTAR PUSTAKA
Anak Agung Gde Putra Ajiwerdhi, dkk, 2012, pengembangan sistem pendukung keputusan berbasis mobile untuk pengisian kartu rencana studi dengan FMADM metode SAW di jurusan pendidikan teknik informatika, universitas pendidikan ganesha singaraja, volume 1, nomor 2, Juli 2012
Nandang Hermanto, 2012, Sistem pendukung keputusan menggunakan metode SAW untuk menentukan jurusan pada SMK Bakti Purwokerto, Skripsi Teknik Informatika,STMIK AMIKOM Purwokerto, Purwokerto
Sri Eniyati, 2011, Perancangan sistem pendukung pengambilan keputusan untuk penerimaan beasiswa dengan metode SAW, Jurnal Teknologi Informasi DINAMIK Volume 16, No.2, Juli 2011
Henry, dkk, 2009, Sistem pendukung keputusan untuk menetukan penerima beasiswa bank BRI menggunakan FMADM, Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009)
Asep Kamaludin, 2012, Sistem pendukung keputusan dalam pemilihan alternatif alat kontrasepsi menggunakan SAW, skripsi Jurusan Teknik Informatika, Fakultas sains dan Teknologi, Universitas Islam Negeri Sunan Gunung Djati Bandung