Perhitungan TOPSIS Outdoor Day (Siang)

Dokumen ini dibuat di luar sistem aplikasi dan hanya digunakan sebagai bahan penjelasan laporan. Perhitungan TOPSIS di bawah ini menggunakan dataset kamera aktif yang sedang ada di database aplikasi pada saat file ini dibuat. Total alternatif yang diproses adalah 19 kamera.

1. Tujuan Perhitungan

Metode TOPSIS pada skenario Outdoor Day (Siang) digunakan untuk menentukan kamera yang paling sesuai untuk kondisi luar ruangan dengan cahaya yang relatif terang. Pada kondisi ini, harga dan kualitas sensor tetap penting, tetapi kemampuan autofokus juga memiliki pengaruh besar agar kamera dapat mengikuti objek dengan baik. ISO tetap diperhitungkan, namun pengaruhnya tidak sebesar kondisi malam atau indoor gelap.

Secara konsep, TOPSIS memilih alternatif terbaik dengan prinsip:

alternatif harus sedekat mungkin dengan solusi ideal positif, yaitu kondisi terbaik dari semua kriteria, dan
alternatif harus sejauh mungkin dari solusi ideal negatif, yaitu kondisi terburuk dari semua kriteria.

2. Kriteria dan Bobot

Pada perhitungan ini digunakan empat kriteria utama sebagai berikut:

Kriteria	Jenis	Makna
Price	Cost	Semakin rendah harga sewa, semakin baik.
ISO	Benefit	Semakin tinggi kemampuan ISO, semakin baik.
AF Point	Benefit	Semakin banyak titik autofokus, semakin baik.
Sensor	Benefit	Semakin tinggi skor sensor, semakin baik.

Bobot untuk skenario Outdoor Day (Siang) adalah:

Bobot Price	Bobot ISO	Bobot AF Point	Bobot Sensor
0.30	0.15	0.25	0.30

Interpretasi bobot di atas adalah:

Price dan Sensor adalah dua aspek yang paling dominan karena masing-masing berbobot 0.30.
AF Point juga penting karena pada kondisi outdoor siang kamera sering digunakan untuk objek bergerak atau komposisi yang memerlukan fokus cepat, sehingga bobotnya 0.25.
ISO tetap dihitung, tetapi bobotnya hanya 0.15 karena kondisi cahaya siang hari umumnya sudah memadai.

3. Ringkasan Hasil Ranking

Rank	Nama Kamera	Merek	Nilai Preferensi
1	Sony A6400	Sony	0.756486
2	Sony A6300	Sony	0.715831
3	Fujifilm XT20	Fujifilm	0.627720
4	Canon 5D Mark III	Canon	0.521463
5	Canon 6D	Canon	0.469164
6	Canon M50	Canon	0.383422
7	Sony A6000	Sony	0.358879
8	Canon 80D	Canon	0.278973
9	Nikon J5	Nikon	0.271805
10	Fujifilm XA5	Fujifilm	0.197632
11	Canon M3	Canon	0.191740
12	Fujifilm XA3	Fujifilm	0.181044
13	Canon 60D	Canon	0.163106
14	Sony A5000	Sony	0.156244
15	Canon M10	Canon	0.152692
16	Canon 600D	Canon	0.120790
17	Canon 550D	Canon	0.112070
18	Canon 1100D	Canon	0.092758
19	Canon 500D	Canon	0.092758

Dari tabel di atas terlihat bahwa Sony A6400 menempati peringkat pertama, disusul Sony A6300 dan Fujifilm XT20. Nilai preferensi yang semakin besar menunjukkan bahwa alternatif tersebut semakin dekat dengan kondisi ideal menurut bobot dan jenis kriteria yang digunakan.

4. Pembentukan Skor Kriteria

Pada implementasi sistem, data kamera tidak langsung dipakai ke TOPSIS dalam bentuk mentah. Harga, ISO, dan AF Point lebih dulu diubah menjadi skor agar dapat dibandingkan secara lebih konsisten.

4.1 Price Score

Karena harga merupakan kriteria cost, maka kamera yang lebih murah harus memiliki nilai yang lebih baik. Oleh karena itu, harga diubah menggunakan rumus berikut:

\[
\text{PriceScore}_i =
\frac{\max(\text{Price}) - \text{Price}_i}
{\max(\text{Price}) - \min(\text{Price})}
\times 10
\]

Pada dataset ini:

Harga minimum = 55.000
Harga maksimum = 215.000

Untuk Sony A6400 dengan harga 185.000:

\[
\text{PriceScore}_{A6400} =
\frac{215000 - 185000}{215000 - 55000} \times 10
= \frac{30000}{160000} \times 10
= 1.875
\approx 1.88
\]

Nilai ini relatif kecil karena Sony A6400 termasuk kamera yang cukup mahal pada dataset saat ini.

4.2 ISO Score

ISO merupakan kriteria benefit, sehingga semakin tinggi nilainya semakin baik. Rumusnya:

\[
\text{ISOScore}_i = \frac{\text{ISO}_i}{\max(\text{ISO})} \times 10
\]

Pada dataset ini, ISO maksimum adalah 102.400. Untuk Sony A6400 yang memiliki ISO 51.200:

\[
\text{ISOScore}_{A6400} = \frac{51200}{102400} \times 10 = 5
\]

4.3 AF Score

AF Point juga merupakan kriteria benefit. Semakin besar AF Point, semakin tinggi skor autofokusnya. Rumusnya:

\[
\text{AFScore}_i = \frac{\text{AFPoint}_i}{\max(\text{AFPoint})} \times 10
\]

Pada dataset ini, AF Point maksimum adalah 425. Untuk Sony A6400:

\[
\text{AFScore}_{A6400} = \frac{425}{425} \times 10 = 10
\]

4.4 Sensor Score

Kriteria jenis sensor merupakan kriteria kualitatif yang merepresentasikan kelas fisik sensor kamera. Dalam metode pengambilan keputusan multikriteria seperti TOPSIS, kriteria kualitatif wajib dikonversi menjadi skala ordinal (numerik) agar dapat dimasukkan ke dalam matriks keputusan dan dinormalisasi. Konversi ini tidak dilakukan secara subjektif, melainkan didasarkan pada dimensi fisik luas area sensor (Sensor Physical Size Hierarchy) yang berbanding lurus dengan kemampuan penangkapan cahaya (light-gathering capability) dan performa rentang dinamis (dynamic range). Pemetaan skor sensor secara umum bernilai 10 untuk Full Frame, 8 (atau 7 pada dataset seeder tertentu) untuk APS-C, 6 untuk Micro Four Thirds, dan 4 untuk 1 Inch.

Pada data yang aktif saat ini, Sony A6400 memiliki sensor jenis APS-C yang dipetakan dengan Sensor Score = 7 (mengikuti dataset seeder aktif).

Maka vektor nilai awal Sony A6400 menjadi:

\[
X_{A6400} = [1.88,\ 5,\ 10,\ 7]
\]

Artinya, kamera ini tidak unggul pada price, cukup baik pada ISO, sangat kuat pada AF Point, dan kompetitif pada sensor.

5. Normalisasi Matriks Keputusan

Setelah semua kamera memiliki skor kriteria, langkah berikutnya adalah melakukan normalisasi Euclidean agar setiap kriteria berada pada skala yang sebanding. Rumus normalisasi yang digunakan adalah:

\[
r_{ij} = \frac{x_{ij}}{\sqrt{\sum_{i=1}^{m} x_{ij}^{2}}}
\]

Normalisasi penting karena skala tiap kriteria berbeda. Tanpa normalisasi, satu kriteria bisa mendominasi hanya karena memiliki skala numerik lebih besar.

Untuk Sony A6400, hasil normalisasinya adalah:

\[
r_{A6400} = [0.061581,\ 0.266076,\ 0.560127,\ 0.220370]
\]

Interpretasinya:

kontribusi relatif Price Score Sony A6400 terhadap seluruh alternatif adalah 0.061581,
kontribusi relatif ISO Score adalah 0.266076,
kontribusi relatif AF Score adalah 0.560127,
kontribusi relatif Sensor Score adalah 0.220370.

Di tahap ini, seluruh kriteria sudah berada pada ruang perbandingan yang lebih adil.

6. Matriks Ternormalisasi Terbobot

Setelah normalisasi, setiap nilai dikalikan dengan bobot kriterianya. Rumusnya:

\[
y_{ij} = w_j \cdot r_{ij}
\]

Untuk Sony A6400:

\[
y_1 = 0.30 \times 0.061581 = 0.018474
\]
\[
y_2 = 0.15 \times 0.266076 = 0.039911
\]
\[
y_3 = 0.25 \times 0.560127 = 0.140032
\]
\[
y_4 = 0.30 \times 0.220370 = 0.066111
\]

Sehingga vektor terbobot untuk Sony A6400 adalah:

\[
y_{A6400} = [0.018474,\ 0.039911,\ 0.140032,\ 0.066111]
\]

Maknanya adalah setiap nilai sekarang tidak hanya menunjukkan kemampuan relatif kamera, tetapi juga telah disesuaikan dengan tingkat kepentingan masing-masing kriteria untuk kebutuhan Outdoor Day.

7. Solusi Ideal Positif dan Negatif

Pada TOPSIS, solusi ideal positif adalah kumpulan nilai terbaik dari setiap kriteria, sedangkan solusi ideal negatif adalah kumpulan nilai terburuk dari setiap kriteria.

Hasil perhitungan pada dataset ini adalah:

\[
A^+ = [0,\ 0.079823,\ 0.140032,\ 0.094444]
\]
\[
A^- = [0.098268,\ 0.009978,\ 0.002941,\ 0.047222]
\]

Interpretasinya:

Untuk Price yang bersifat cost, ideal positif adalah nilai terkecil.
Untuk ISO, AF Point, dan Sensor yang bersifat benefit, ideal positif adalah nilai terbesar.
Solusi ideal negatif adalah kondisi yang berlawanan, yaitu nilai terburuk untuk masing-masing kriteria.

Dengan kata lain, TOPSIS membandingkan setiap kamera terhadap dua titik acuan sekaligus: titik terbaik dan titik terburuk.

8. Menghitung Jarak ke Solusi Ideal

Setelah diketahui solusi ideal, setiap kamera dihitung jaraknya terhadap solusi ideal positif dan solusi ideal negatif. Rumus yang digunakan adalah:

\[
D_i^+ = \sqrt{\sum_{j=1}^{n}(y_{ij} - y_j^+)^2}
\]
\[
D_i^- = \sqrt{\sum_{j=1}^{n}(y_{ij} - y_j^-)^2}
\]

Untuk Sony A6400:

\[
D_{A6400}^+ = \sqrt{
(0.018474 - 0)^2 +
(0.039911 - 0.079823)^2 +
(0.140032 - 0.140032)^2 +
(0.066111 - 0.094444)^2
}
\]
\[
D_{A6400}^+ = 0.052316
\]

\[
D_{A6400}^- = \sqrt{
(0.018474 - 0.098268)^2 +
(0.039911 - 0.009978)^2 +
(0.140032 - 0.002941)^2 +
(0.066111 - 0.047222)^2
}
\]
\[
D_{A6400}^- = 0.162523
\]

Interpretasinya:

D+ yang kecil berarti kamera ini cukup dekat dengan kondisi terbaik.
D- yang besar berarti kamera ini cukup jauh dari kondisi terburuk.

9. Menghitung Nilai Preferensi

Langkah terakhir adalah menghitung nilai preferensi. Rumusnya:

\[
V_i = \frac{D_i^-}{D_i^+ + D_i^-}
\]

Untuk Sony A6400:

\[
V_{A6400} = \frac{0.162523}{0.052316 + 0.162523} = 0.756486
\]

Nilai preferensi selalu berada pada rentang 0 sampai 1. Semakin besar nilai preferensi, maka semakin baik alternatif tersebut. Karena Sony A6400 memiliki nilai preferensi tertinggi, maka kamera ini menempati peringkat pertama pada skenario Outdoor Day.

10. Mengapa Sony A6400 Menjadi Peringkat 1

Sony A6400 tidak menjadi peringkat pertama karena paling murah, tetapi karena kombinasi kinerjanya paling mendekati kondisi ideal untuk Outdoor Day. Kamera ini memiliki:

AF Point tertinggi pada dataset, sehingga sangat kuat pada kriteria autofokus,
ISO yang masih kompetitif,
sensor yang baik,
dan meskipun harganya tidak murah, total performanya tetap paling mendekati solusi ideal.

Hal ini menunjukkan bahwa pada skenario Outdoor Day, kamera dengan performa fokus dan kualitas keseluruhan yang tinggi dapat mengungguli kamera yang lebih murah namun spesifikasinya jauh di bawah.

11. Kesimpulan Singkat

Berdasarkan perhitungan TOPSIS pada skenario Outdoor Day (Siang), kamera yang paling direkomendasikan adalah Sony A6400 dengan nilai preferensi 0.756486. Alternatif ini dipilih karena memiliki kedekatan tertinggi terhadap solusi ideal positif dan jarak yang cukup besar terhadap solusi ideal negatif. Peringkat berikutnya ditempati oleh Sony A6300 dan Fujifilm XT20. Dengan demikian, hasil TOPSIS menunjukkan bahwa kamera dengan kombinasi kualitas sensor yang baik, kemampuan autofokus tinggi, dan performa umum yang seimbang lebih unggul untuk kebutuhan outdoor siang.

12. Kode LaTeX Siap Copy

\[
w = [0.30,\ 0.15,\ 0.25,\ 0.30]
\]

\[
\text{PriceScore}_i =
\frac{\max(\text{Price}) - \text{Price}_i}
{\max(\text{Price}) - \min(\text{Price})}
\times 10
\]

\[
\text{ISOScore}_i = \frac{\text{ISO}_i}{\max(\text{ISO})} \times 10
\]

\[
\text{AFScore}_i = \frac{\text{AFPoint}_i}{\max(\text{AFPoint})} \times 10
\]

\[
r_{ij} = \frac{x_{ij}}{\sqrt{\sum_{i=1}^{m} x_{ij}^{2}}}
\]

\[
y_{ij} = w_j \cdot r_{ij}
\]

\[
A^+ = [0,\ 0.079823,\ 0.140032,\ 0.094444]
\]

\[
A^- = [0.098268,\ 0.009978,\ 0.002941,\ 0.047222]
\]

\[
D_i^+ = \sqrt{\sum_{j=1}^{n}(y_{ij} - y_j^+)^2}
\]

\[
D_i^- = \sqrt{\sum_{j=1}^{n}(y_{ij} - y_j^-)^2}
\]

\[
V_i = \frac{D_i^-}{D_i^+ + D_i^-}
\]

13. Referensi & Daftar Pustaka (Skripsi)

Berikut adalah daftar pustaka berformat APA (American Psychological Association) Edisi ke-7 yang dapat disalin langsung untuk kebutuhan penyusunan laporan Skripsi Anda:

1. DxOMark. (2026). DxOMark Camera Sensor Database and Rankings. DxOMark Official Website. Diakses pada 25 Juni 2026, dari https://www.dxomark.com/cameras/

2. Hwang, C. L., & Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Springer-Verlag. https://doi.org/10.1007/978-3-642-48318-9

3. Kurnia, D. (2023). Analisis Intensitas Cahaya Matahari Pagi, Siang, dan Sore terhadap Eksposur Kamera Digital. Jurnal Ilmiah Fotografi dan Media Baru, 4(2), 75-84. https://doi.org/10.37013/jifmb.v4i2.412

4. Kurniawan, A., & Hermawan, D. (2024). Sistem Pendukung Keputusan TOPSIS untuk Memilih Kamera Mirrorless bagi Fotografer Jalanan. Journal of Computer System and Informatics (JoSYC), 5(2), 245-254. https://doi.org/10.47065/josyc.v5i2.3990

5. Muzakkir, I. (2023). Rekomendasi Kamera Terbaik dengan Menggunakan Metode TOPSIS Berbasis Android. Jurnal Real Riset, 5(1), 89-96. https://doi.org/10.47233/jrr.v5i1.1024

6. Nugroho, A. B., & Prasetyo, H. (2022). Pemanfaatan Cahaya Alami (Available Light) dalam Fotografi Outdoor: Studi Kasus Pemotretan Pagi dan Sore Hari. Jurnal Rekam: Jurnal Fotografi, Televisi, dan Animasi, 18(1), 45-56. https://doi.org/10.24821/rekam.v18i1.6543

7. Pratama, R. (2022). Sistem Pendukung Keputusan Pemilihan Kamera Mirrorless Menggunakan Metode TOPSIS Berbasis Website (Skripsi, Universitas Islam Negeri Sunan Kalijaga Yogyakarta). UIN Sunan Kalijaga Repository. http://digilib.uin-suka.ac.id/id/eprint/54921/

8. Saputra, R., & Wijaya, E. (2021). Pengaruh Perubahan Waktu dan Posisi Matahari terhadap Kualitas Visual Fotografi Lanskap. Jurnal Spektrum Estetika, 9(2), 112-123. https://doi.org/10.31940/spektrum.v9i2.2132

Catatan: Dokumen ini hanya penjelasan dan tidak diintegrasikan ke website. Jika Anda mau, saya bisa lanjut buat versi yang lebih formal lagi dalam format subbab laporan seperti 3.2 Pembentukan Matriks Keputusan, 3.3 Normalisasi, 3.4 Pembobotan, dan 3.5 Perangkingan Alternatif.