MIF_E31231430/REVISI_LAPORAN_SKRIPSI_HAL_65_69.md

REVISI LAPORAN SKRIPSI (HALAMAN 65 DAN 68-69)

PANDUAN COPY-PASTE UNTUK REVISI DOSEN: FORMULA & PERHITUNGAN SEBELUM TABEL

PANDUAN UNTUK MAHASISWA:

1. Dokumen ini disusun menggunakan Bahasa Indonesia Baku standar karya ilmiah/skripsi nasional.
2. Anda dapat langsung menyalin (copy-paste) bagian di bawah ini ke dalam draf Microsoft Word Laporan Skripsi Anda.
3. Tips Menyalin Rumus ke MS Word: Untuk rumus matematika (LaTeX), Anda dapat menekan tombol pintas Alt + = di Word untuk membuka Equation Editor, lalu salin sintaks LaTeX di bawah ini dan tekan Enter untuk mengubahnya menjadi simbol matematika format standar otomatis.

---

REVISI HALAMAN 65 (Sub-bab: Kriteria dan Bobot Dinamis)

4.1.1.a Penentuan Nilai Bobot Kriteria Dinamis

Penentuan nilai bobot kriteria dalam sistem pendukung keputusan (SPK) rekomendasi kamera Jember Kamera dirancang bersifat dinamis. Logika dinamis ini disesuaikan secara otomatis berdasarkan jenis penggunaan atau kondisi pemotretan yang dipilih oleh pengguna di antarmuka sistem. Pemetaan bobot dinamis bertujuan agar hasil rekomendasi yang diberikan oleh sistem relevan dengan tantangan teknis serta kondisi pencahayaan riil di lapangan.

Penentuan bobot kriteria dilakukan menggunakan Metode Pembobotan Subjektif (Subjective Weighting / Direct Rating Method) yang dipadukan dengan Expert Judgement (Penilaian Ahli). Peneliti menetapkan nilai bobot kriteria berdasarkan landasan teori fisika optik, prinsip dasar segitiga pencahayaan (exposure triangle), serta hasil wawancara mendalam bersama praktisi fotografi profesional dan pengelola persewaan Jember Kamera.

Dalam metode pengambilan keputusan multikriteria (Multi-Criteria Decision Making / MCDM), setiap vektor bobot ($W$) yang dirumuskan untuk masing-masing skenario penggunaan wajib memenuhi syarat normalisasi bobot. Rumus matematis untuk syarat normalisasi bobot tersebut adalah sebagai berikut:

\sum_{j=1}^{n} w_j = w_1 + w_2 + w_3 + w_4 = 1,00

Keterangan:

• w_j = Nilai bobot kriteria ke-j.
• n = Jumlah kriteria keputusan (n = 4, yaitu Price, ISO, AF Point, dan Sensor).
• Total penjumlahan bobot pada setiap skenario harus bernilai tepat 1,00 (atau 100%).

Sebagai bukti kepatuhan terhadap syarat konsistensi matematis tersebut, berikut adalah detail perhitungan akumulasi bobot kriteria untuk kelima skenario penggunaan kamera yang diimplementasikan pada sistem:

1. Skenario Outdoor - Day (Siang Hari)

   • Persamaan Normalisasi Akumulasi Bobot:

     \sum_{j=1}^{4} w_j = 0,30\ \text{(Price)} + 0,15\ \text{(ISO)} + 0,25\ \text{(AF)} + 0,30\ \text{(Sensor)} = 1,00

   • Justifikasi Akademis Bobot Price (0,30) dan Sensor (0,30) Setara: Kriteria Price Score (C_1, cost) dan Sensor Score (C_4, benefit) mendapatkan bobot tertinggi yang setara, yaitu masing-masing sebesar 0,30 (30%). Secara teoritis dan praktis, hal ini didasarkan pada dua pertimbangan yang saling melengkapi dalam kondisi siang hari:
     • Pertimbangan Ekonomi (Price = 0,30): Pada pemotretan luar ruangan di siang hari, pasokan cahaya alami (ambient light) sangat melimpah dari matahari. Dalam kondisi pencahayaan yang sangat mendukung ini, kamera kelas pemula (entry-level) yang tarif sewanya murah sudah mampu menghasilkan gambar yang terang benderang. Konsumen memiliki kebebasan memilih kamera ekonomis untuk menekan biaya sewa, sehingga aspek efisiensi biaya (Price) menjadi prioritas utama (bobot 0,30).
     • Pertimbangan Optik dan Fisika Sensor (Sensor = 0,30): Meskipun cahaya melimpah memudahkan eksposur, siang hari di bawah terik matahari langsung menghadirkan tantangan optik yang ekstrem, yaitu kontras pencahayaan yang sangat tinggi (high dynamic range contrast). Sinar matahari langsung menciptakan area sorotan cahaya (highlight) yang sangat terang dan bayangan (shadow) yang sangat pekat secara bersamaan. Sensor kamera yang kecil dan berkualitas rendah tidak akan mampu merekam rentang dinamis ini, yang mengakibatkan area langit menjadi putih pecah (blown-out highlights) dan area bayangan menjadi hitam pekat kehilangan detail (crushed shadows). Sensor fisik berukuran besar (seperti Full Frame and APS-C) memiliki luas permukaan fotosel yang lebih lapang sehingga mampu menyerap rentang dinamis kontras yang tinggi ini untuk mempertahankan detail bayangan dan sorotan secara harmonis. Oleh karena itu, kualitas sensor (Sensor Score) diberi bobot kepentingan yang sama tingginya dengan harga sewa (0,30) untuk memastikan gambar tidak pecah di bawah kontras matahari siang.
     • Autofokus (AF Point = 0,25): Aktivitas outdoor siang hari kerap melibatkan objek bergerak (seperti street photography, aktivitas wisata, atau olahraga ringan). Kecepatan dan jumlah titik fokus otomatis (AF Point) sangat penting untuk mengunci subjek secara dinamis agar gambar tidak meleset (out of focus), sehingga ditempatkan sebagai prioritas kedua (0,25).
     • Sensitivitas Sensor (ISO = 0,15): ISO tinggi tidak diperlukan sama sekali karena cahaya matahari sudah sangat melimpah. Fotografer justru akan menyetel ISO ke tingkat paling rendah (seperti ISO 100) untuk menjaga kebersihan gambar dari noise. Karena batas ISO tinggi tidak berkontribusi banyak, bobotnya ditekan pada nilai terkecil (0,15).

2. Skenario Outdoor - Night (Malam Hari)

   • Persamaan Normalisasi Akumulasi Bobot:

     \sum_{j=1}^{4} w_j = 0,15\ \text{(Price)} + 0,50\ \text{(ISO)} + 0,15\ \text{(AF)} + 0,20\ \text{(Sensor)} = 1,00

   • Justifikasi Akademis Penentuan Bobot:
     • ISO Score (0,50): Kondisi luar ruangan malam hari sangat minim cahaya alami (low-light). Batas sensitivitas ISO kamera menjadi faktor hidup-mati pemotretan. Tanpa ISO tinggi yang bersih, kamera tidak dapat menangkap gambar, atau terpaksa menggunakan kecepatan rana lambat yang mengakibatkan foto buram akibat getaran tangan (hand shake). Oleh karena itu, performa ISO menempati setengah dari total bobot (50%).
     • Sensor Score (0,20): Sensor berukuran besar (Full Frame) memiliki kapasitas menyerap cahaya yang jauh lebih baik serta menekan bintik noise yang timbul akibat penggunaan ISO tinggi, menjadikannya prioritas kedua.
     • Price Score (0,15) dan AF Score (0,15): Faktor ekonomi dikesampingkan (0,15) karena performa teknis low-light adalah keharusan mutlak. AF Point diberi bobot minimal karena objek malam hari (seperti lanskap kota) sering kali statis dan difoto menggunakan tripod atau fokus manual.

3. Skenario Indoor - Cerah

   • Persamaan Normalisasi Akumulasi Bobot:

     \sum_{j=1}^{4} w_j = 0,35\ \text{(Price)} + 0,20\ \text{(ISO)} + 0,20\ \text{(AF)} + 0,25\ \text{(Sensor)} = 1,00

   • Justifikasi Akademis Penentuan Bobot:
     • Price Score (0,35): Kondisi indoor cerah (studio, aula dengan lampu terang) memiliki pencahayaan melimpah dan stabil. Karena semua kamera dapat menghasilkan foto yang baik dalam kondisi terkontrol, penyewa akan sangat memprioritaskan kamera dengan harga sewa paling murah untuk menghemat biaya, menjadikan aspek ekonomi sebagai bobot tertinggi (0,35).
     • Sensor Score (0,25): Di studio, detail tajam, kedalaman ruang (bokeh), dan akurasi reproduksi warna (color science) dari sensor sangat menentukan keindahan estetika foto komersial/potret.
     • ISO (0,20) dan AF (0,20): Keduanya bernilai sedang-rendah karena cahaya yang cukup tidak membutuhkan ISO tinggi, dan objek foto dalam ruangan umumnya bergerak lambat/statis.

4. Skenario Indoor - Gelap

   • Persamaan Normalisasi Akumulasi Bobot:

     \sum_{j=1}^{4} w_j = 0,15\ \text{(Price)} + 0,55\ \text{(ISO)} + 0,15\ \text{(AF)} + 0,15\ \text{(Sensor)} = 1,00

   • Justifikasi Akademis Penentuan Bobot:
     • ISO Score (0,55): Kondisi indoor gelap (konser remang-remang, gedung pesta malam) minim cahaya ekstrem dengan subjek yang bergerak dinamis. Fotografer tidak bisa memakai kecepatan rana lambat karena objek akan blur (motion blur). Satu-satunya cara menangkap gambar yang tajam adalah menaikkan ISO ke tingkat ekstrem (seperti ISO 6400 atau 12800). Kemampuan ISO memegang bobot tertinggi mutlak (55%).
     • Price, AF, dan Sensor (masing-masing 0,15): Semua kriteria lain ditekan ke batas minimum karena performa low-light kamera adalah penentu tunggal keberhasilan gambar.

5. Skenario Semua Kondisi (General/All Conditions)

   • Persamaan Normalisasi Akumulasi Bobot:

     \sum_{j=1}^{4} w_j = 0,25\ \text{(Price)} + 0,30\ \text{(ISO)} + 0,20\ \text{(AF)} + 0,25\ \text{(Sensor)} = 1,00

   • Justifikasi Akademis Penentuan Bobot: Skenario ini dirancang untuk penggunaan umum sehari-hari yang serbaguna (all-rounder). ISO diberi bobot sedikit lebih tinggi (0,30) untuk mengantisipasi fluktuasi pencahayaan yang tidak terencana di lapangan (misalnya cuaca mendung atau pemotretan sore hari). Price Score (0,25) dan Sensor Score (0,25) memiliki bobot seimbang guna menjaga titik tengah antara efisiensi anggaran sewa dengan kualitas fisik gambar yang dihasilkan dari sensor, sedangkan AF Score (0,20) menyokong kestabilan penangkapan fokus harian.

Setelah seluruh perumusan bobot diverifikasi memenuhi syarat batas normalisasi ($\sum w_j = 1,00$), pembagian nilai bobot kriteria dinamis tersebut disajikan dalam Tabel 4.8.

Tabel 4.8 Kriteria dan Bobot Dinamis per Jenis Penggunaan Kamera

Jenis Penggunaan (Kondisi)	Price Score ($C_1$) (Cost)	ISO Score ($C_2$) (Benefit)	AF Score ($C_3$) (Benefit)	Sensor Score ($C_4$) (Benefit)	Total Bobot
Outdoor - Day (Siang)	0,30	0,15	0,25	0,30	1,00 (100%)
Outdoor - Night (Malam)	0,15	0,50	0,15	0,20	1,00 (100%)
Indoor - Cerah	0,35	0,20	0,20	0,25	1,00 (100%)
Indoor - Gelap	0,15	0,55	0,15	0,15	1,00 (100%)
Semua Kondisi	0,25	0,30	0,20	0,25	1,00 (100%)

(Catatan: Price Score bertipe cost karena semakin murah harga sewa harian, semakin menguntungkan bagi konsumen. Kriteria ISO Score, AF Score, dan Sensor Score bertipe benefit karena semakin tinggi spesifikasi teknisnya, semakin berkualitas hasil gambar yang dihasilkan).

---

REVISI HALAMAN 68 DAN 69 (Sub-bab: Pembentukan Skor Kriteria)

4.1.1.b Pembentukan Skor Kriteria dan Analisis Dataset (Pre-TOPSIS)

Sebelum data spesifikasi teknis dari masing-masing alternatif kamera diproses dalam perhitungan algoritma TOPSIS, sistem terlebih dahulu mentransformasikan data mentah (raw data) dari database ke dalam bentuk skor kriteria berskala 0 hingga 1. Standardisasi skala data ini bertujuan agar seluruh kriteria memiliki rentang perbandingan yang seragam (homogen). Hal ini penting untuk menghilangkan perbedaan dimensi satuan (seperti Rupiah untuk Harga Sewa, bilangan bulat untuk ISO dan AF Point, serta kategori untuk kelas sensor) sehingga seluruh kriteria dapat dibandingkan secara adil tanpa ada dominasi dari kriteria berskala numerik besar.

Pembentukan skor kriteria keputusan ini dikelompokkan berdasarkan karakteristik sifat dari masing-masing kriteria:

1. Price Score ($C_1$) — Merupakan kriteria biaya (cost criteria). Harga sewa harian kamera dikonversikan sedemikian rupa sehingga semakin murah harga sewa, semakin tinggi skor kriteria yang didapatkan. Rumus matematis transformasi Price Score adalah sebagai berikut:

   \text{PriceScore}_i = \frac{\text{Price}_{\text{max}} - \text{Price}_i}{\text{Price}_{\text{max}} - \text{Price}_{\text{min}}} \times 1

   Keterangan:

   • \text{Price}_i = Harga sewa harian kamera alternatif ke-i.
   • \text{Price}_{\text{min}} = Harga sewa harian minimum dalam dataset aktif = Rp55.000,00 (Canon 500D dan Canon 1100D).
   • \text{Price}_{\text{max}} = Harga sewa harian maksimum dalam dataset aktif = Rp215.000,00 (Canon 5D Mark III).

2. ISO Score ($C_2$) — Merupakan kriteria keuntungan (benefit criteria). Kemampuan batas ISO maksimum dari kamera dikonversikan secara linear sehingga semakin tinggi batas ISO maksimum, semakin tinggi skor kriteria yang didapatkan. Rumus matematis transformasi ISO Score adalah sebagai berikut:

   \text{ISOScore}_i = \frac{\text{ISO}_i}{\text{ISO}_{\text{max}}} \times 1

   Keterangan:

   • \text{ISO}_i = Batas ISO maksimum kamera alternatif ke-i.
   • \text{ISO}_{\text{max}} = Batas ISO maksimum tertinggi dalam dataset aktif = 102.400 (Canon 6D dan Canon 5D Mark III).

3. AF Score ($C_3$) — Merupakan kriteria keuntungan (benefit criteria). Jumlah titik fokus otomatis (AF Points) kamera dikonversikan secara linear sehingga semakin banyak titik fokus otomatis, semakin tinggi skor kriteria yang didapatkan. Rumus matematis transformasi AF Score adalah sebagai berikut:

   \text{AFScore}_i = \frac{\text{AFPoint}_i}{\text{AFPoint}_{\text{max}}} \times 1

   Keterangan:

   • \text{AFPoint}_i = Jumlah titik fokus otomatis kamera alternatif ke-i.
   • \text{AFPoint}_{\text{max}} = Jumlah titik fokus otomatis tertinggi dalam dataset aktif = 425 (Sony A6300 dan Sony A6400).

4. Sensor Score ($C_4$) — Merupakan kriteria keuntungan (benefit criteria). Ukuran fisik sensor kamera bersifat kualitatif sehingga dikonversikan menjadi skor ordinal tetap (skala 0-1) berdasarkan hierarki luas penampang sensor (Sensor Physical Size Hierarchy). Penentuan nilai ordinal ini didasarkan pada kemampuan sensor dalam menangkap intensitas cahaya (light-gathering capability) dan lebar dinamis nada warna (dynamic range) sesuai hasil pengujian sensor global oleh DxOMark:

   • Full Frame (Ukuran ~36,00 mm × 24,00 mm, luas ~864,0 mm²) \rightarrow Skor Ordinal: 1,00
   • APS-C (Ukuran ~23,60 mm × 15,60 mm, luas ~368,0 mm²) \rightarrow Skor Ordinal: 0,70
   • 1-Inch (Ukuran ~13,20 mm × 8,80 mm, luas ~116,2 mm²) \rightarrow Skor Ordinal: 0,50

---

Contoh Perhitungan Detail Transformasi Skor Kriteria

Sebagai pembuktian numerik dan langkah verifikasi sebelum menampilkan matriks skor keputusan secara keseluruhan, berikut dipaparkan contoh perhitungan manual transformasi skor kriteria untuk tiga alternatif kamera yang mewakili berbagai spesifikasi berbeda dalam dataset:

1. Contoh Perhitungan Skor Kriteria: Canon M10 Spesifikasi mentah Canon M10: Price = Rp80.000, ISO = 25.600, AF Point = 49, Sensor = APS-C.

• Price Score ($C_1$):

  \text{PriceScore}_{\text{Canon M10}} = \frac{215.000 - 80.000}{215.000 - 55.000} \times 1 = \frac{135.000}{160.000} \times 1 = 0,84375 \approx 0,84

• ISO Score ($C_2$):

  \text{ISOScore}_{\text{Canon M10}} = \frac{25.600}{102.400} \times 1 = 0,25 \times 1 = 0,25

• AF Score ($C_3$):

  \text{AFScore}_{\text{Canon M10}} = \frac{49}{425} \times 1 \approx 0,11529 \times 1 = 0,11529 \approx 0,12

• Sensor Score ($C_4$): Sensor APS-C secara ordinal dipetakan ke skor 0,70.
• Vektor hasil transformasi untuk Canon M10 adalah: X_{\text{Canon M10}} = [0,84;\ 0,25;\ 0,12;\ 0,70]

2. Contoh Perhitungan Skor Kriteria: Sony A6400 Spesifikasi mentah Sony A6400: Price = Rp185.000, ISO = 51.200, AF Point = 425, Sensor = APS-C.

• Price Score ($C_1$):

  \text{PriceScore}_{\text{Sony A6400}} = \frac{215.000 - 185.000}{215.000 - 55.000} \times 1 = \frac{30.000}{160.000} \times 1 = 0,1875 \approx 0,19

• ISO Score ($C_2$):

  \text{ISOScore}_{\text{Sony A6400}} = \frac{51.200}{102.400} \times 1 = 0,50 \times 1 = 0,50

• AF Score ($C_3$):

  \text{AFScore}_{\text{Sony A6400}} = \frac{425}{425} \times 1 = 1,00 \times 1 = 1,00

• Sensor Score ($C_4$): Sensor APS-C secara ordinal dipetakan ke skor 0,70.
• Vektor hasil transformasi untuk Sony A6400 adalah: X_{\text{Sony A6400}} = [0,19;\ 0,50;\ 1,00;\ 0,70]

3. Contoh Perhitungan Skor Kriteria: Canon 5D Mark III Spesifikasi mentah Canon 5D Mark III: Price = Rp215.000, ISO = 102.400, AF Point = 61, Sensor = Full Frame.

• Price Score ($C_1$):

  \text{PriceScore}_{\text{Canon 5D Mark III}} = \frac{215.000 - 215.000}{215.000 - 55.000} \times 1 = \frac{0}{160.000} \times 1 = 0,00

• ISO Score ($C_2$):

  \text{ISOScore}_{\text{Canon 5D Mark III}} = \frac{102.400}{102.400} \times 1 = 1,00 \times 1 = 1,00

• AF Score ($C_3$):

  \text{AFScore}_{\text{Canon 5D Mark III}} = \frac{61}{425} \times 1 \approx 0,14353 \times 1 = 0,14353 \approx 0,14

• Sensor Score ($C_4$): Sensor Full Frame secara ordinal dipetakan ke skor 1,00.
• Vektor hasil transformasi untuk Canon 5D Mark III adalah: X_{\text{Canon 5D Mark III}} = [0,00;\ 1,00;\ 0,14;\ 1,00]

---

Setelah dilakukan transformasi skor kriteria terhadap seluruh data alternatif kamera yang aktif di database, didapatkan matriks skor kriteria keputusan X (Pre-TOPSIS) yang disajikan pada Tabel 4.9.

Tabel 4.9 Matriks Skor Kriteria Keputusan TOPSIS (Matriks X)

No	Nama Kamera	Merek	Price Score ($C_1$)	ISO Score ($C_2$)	AF Score ($C_3$)	Sensor Score ($C_4$)
1	Canon M10	Canon	0,84	0,25	0,12	0,70
2	Sony A5000	Sony	0,78	0,25	0,06	0,70
3	Canon M3	Canon	0,72	0,25	0,12	0,70
4	Sony A6000	Sony	0,66	0,25	0,42	0,70
5	Canon M50	Canon	0,53	0,50	0,34	0,70
6	Sony A6300	Sony	0,38	0,50	1,00	0,70
7	Fujifilm XA3	Fujifilm	0,84	0,25	0,18	0,70
8	Sony A6400	Sony	0,19	0,50	1,00	0,70
9	Fujifilm XA5	Fujifilm	0,78	0,25	0,18	0,70
10	Nikon J5	Nikon	0,88	0,13	0,40	0,50
11	Fujifilm XT20	Fujifilm	0,44	0,50	0,76	0,70
12	Canon 500D	Canon	1,00	0,13	0,02	0,70
13	Canon 60D	Canon	0,72	0,13	0,02	0,70
14	Canon 1100D	Canon	1,00	0,13	0,02	0,70
15	Canon 80D	Canon	0,47	0,25	0,11	0,70
16	Canon 600D	Canon	0,84	0,13	0,02	0,70
17	Canon 6D	Canon	0,31	1,00	0,14	1,00
18	Canon 550D	Canon	0,88	0,13	0,02	0,70
19	Canon 5D Mark III	Canon	0,00	1,00	0,14	1,00

---