17 KiB
17 KiB
REVISI LAPORAN SKRIPSI (PANDUAN PEMBAGIAN BAB II VS BAB IV)
Halaman 95 - 107 draf skripsi Anda telah dipisah secara rapi di bawah ini agar Anda bisa langsung menyalinnya sesuai bab masing-masing.
BAGIAN 1: LANDASAN TEORI (Untuk Di-copy ke BAB II)
(Salin seluruh teks di bawah ini ke dalam BAB II Landasan Teori Anda, pada sub-bab setelah penjelasan normalisasi matriks TOPSIS).
2.X Teori Penentuan Solusi Ideal Positif ($A^+$) dan Solusi Ideal Negatif ($A^-$)
Setelah matriks keputusan ternormalisasi terbobot ($Y$) terbentuk, tahapan berikutnya dalam metode TOPSIS adalah menentukan Solusi Ideal Positif ($A^+$) dan Solusi Ideal Negatif ($A^-$). Solusi ideal positif memetakan seluruh nilai performa terbaik yang dapat dicapai untuk setiap kriteria, sedangkan solusi ideal negatif memetakan seluruh nilai performa terburuk (Lestari & Setyawan, 2026; Pratama & Widhiana, 2024).
Berdasarkan karakteristik fungsionalnya, kriteria dalam pengambilan keputusan diklasifikasikan menjadi dua jenis:
- Kriteria Keuntungan (Benefit Criteria): Kriteria yang nilainya semakin besar memberikan hasil yang semakin optimal (seperti performa spesifikasi teknis).
- Kriteria Biaya (Cost Criteria): Kriteria yang nilainya semakin kecil memberikan hasil yang semakin optimal (seperti biaya sewa).
Secara matematis, perumusan Solusi Ideal Positif ($A^+$) didefinisikan sebagai berikut (Lestari & Setyawan, 2026):
A^+ = (y_1^+,\ y_2^+,\ \dots,\ y_n^+)Di mana:
y_j^+ = \begin{cases}
\max_{i} y_{ij}, & \text{jika } j \text{ adalah kriteria benefit} \\
\min_{i} y_{ij}, & \text{jika } j \text{ adalah kriteria cost}
\end{cases}$$
Sementara itu, perumusan Solusi Ideal Negatif ($A^-$) didefinisikan secara matematis sebagai berikut (Saputra & Handayani, 2025):
$$A^- = (y_1^-,\ y_2^-,\ \dots,\ y_n^-)$$
Di mana:
$$y_j^- = \begin{cases}
\min_{i} y_{ij}, & \text{jika } j \text{ adalah kriteria benefit} \\
\max_{i} y_{ij}, & \text{jika } j \text{ adalah kriteria cost}
\end{cases}$$
---
### **2.X Teori Perhitungan Jarak Alternatif ke Solusi Ideal ($D^+$ dan $D^-$) serta Nilai Preferensi ($V$)**
Untuk mengukur posisi relatif dari setiap alternatif terhadap solusi acuan, dihitung jarak geometris menggunakan pendekatan Euclidean Distance (jarak Euclidean). Setiap alternatif akan dihitung jaraknya terhadap Solusi Ideal Positif ($D^+$) dan Solusi Ideal Negatif ($D^-$) (Wahyuni & Hartati, 2025).
1. **Rumus Jarak Terhadap Solusi Ideal Positif ($D_i^+$):**
$$D_i^+ = \sqrt{\sum_{j=1}^{n} (y_{ij} - y_j^+)^2}$$
2. **Rumus Jarak Terhadap Solusi Ideal Negatif ($D_i^-$):**
$$D_i^- = \sqrt{\sum_{j=1}^{n} (y_{ij} - y_j^-)^2$$
Setelah nilai jarak spasial ($D_i^+$ dan $D_i^-$) dari masing-masing alternatif diperoleh, tahapan akhir adalah menghitung nilai kedekatan relatif atau koefisien preferensi ($V_i$). Nilai preferensi ini berkisar antara 0 sampai 1 ($0 \le V_i \le 1$). Alternatif dengan nilai preferensi ($V_i$) yang mendekati angka 1 menunjukkan bahwa alternatif tersebut berada sangat dekat dengan solusi ideal positif dan sangat jauh dari solusi ideal negatif, sehingga menjadi alternatif terbaik untuk direkomendasikan (Lestari & Setyawan, 2026; Ramadhan & Suryadi, 2025).
Rumus matematis untuk menghitung nilai preferensi ($V_i$) didefinisikan sebagai berikut:
$$V_i = \frac{D_i^-}{D_i^+ + D_i^-}$$
---
## BAGIAN 2: HASIL DAN PEMBAHASAN (Untuk Di-copy ke BAB IV)
*(Salin seluruh teks di bawah ini ke dalam **BAB IV Hasil dan Pembahasan** Anda, pada sub-bab setelah penyajian tabel matriks ternormalisasi terbobot Y).*
### **4.X Pembentukan Solusi Ideal Positif ($A^+$) dan Solusi Ideal Negatif ($A^-$) Kasus Penelitian**
Berdasarkan nilai-nilai numerik pada matriks keputusan terbobot $Y$ (Tabel Pembantu 4.1) khusus untuk skenario **Outdoor - Day (Siang)**, penentuan solusi ideal dijabarkan sebagai berikut:
* **Solusi Ideal Positif ($A^+$):**
* $y_1^+$ (Price, Cost) $\rightarrow$ mencari nilai **minimum** = **0,000000** (Canon 5D Mark III).
* $y_2^+$ (ISO, Benefit) $\rightarrow$ mencari nilai **maksimum** = **0,076524** (Canon 6D dan Canon 5D Mark III).
* $y_3^+$ (AF, Benefit) $\rightarrow$ mencari nilai **maksimum** = **0,136553** (Sony A6300 dan Sony A6400).
* $y_4^+$ (Sensor, Benefit) $\rightarrow$ mencari nilai **maksimum** = **0,096427** (Canon 6D dan Canon 5D Mark III).
Vektor Solusi Ideal Positif diperoleh sebagai:
$$A^+ = [0,000000;\ 0,076524;\ 0,136553;\ 0,096427]$$
* **Solusi Ideal Negatif ($A^-$):**
* $y_1^-$ (Price, Cost) $\rightarrow$ mencari nilai **maksimum** = **0,100341** (Canon 500D dan Canon 1100D).
* $y_2^-$ (ISO, Benefit) $\rightarrow$ mencari nilai **minimum** = **0,009565** (Kamera dengan ISO terendah).
* $y_3^-$ (AF, Benefit) $\rightarrow$ mencari nilai **minimum** = **0,002892** (Kamera dengan AF terendah).
* $y_4^-$ (Sensor, Benefit) $\rightarrow$ mencari nilai **minimum** = **0,048214** (Nikon J5).
Vektor Solusi Ideal Negatif diperoleh sebagai:
$$A^- = [0,100341;\ 0,009565;\ 0,002892;\ 0,048214]$$
---
### **4.X Rincian Kalkulasi Jarak Geometris ($D^+$ & $D^-$) dan Preferensi ($V$) Tiga Kamera Teratas (Skenario Outdoor Day)**
Berikut adalah pemaparan kalkulasi manual secara detail untuk tiga alternatif kamera yang menduduki peringkat teratas dalam skenario luar ruangan di siang hari menggunakan bobot murni AHP:
#### **1. Sony A6400 (Indeks Alternatif $i = 8$)**
* Vektor baris terbobot: $y_8 = [0,018814;\ 0,038262;\ 0,136553;\ 0,067499]$
* **Jarak ke Ideal Positif ($D_8^+$):**
$$D_8^+ = \sqrt{(0,018814 - 0,000000)^2 + (0,038262 - 0,076524)^2 + (0,136553 - 0,136553)^2 + (0,067499 - 0,096427)^2}$$
$$D_8^+ = \sqrt{0,018814^2 + (-0,038262)^2 + 0,000000^2 + (-0,028928)^2} = \sqrt{0,00265478} = \mathbf{0,051524}$$
* **Jarak ke Ideal Negatif ($D_8^-$):**
$$D_8^- = \sqrt{(0,018814 - 0,100341)^2 + (0,038262 - 0,009565)^2 + (0,136553 - 0,002892)^2 + (0,067499 - 0,048214)^2}$$
$$D_8^- = \sqrt{(-0,081527)^2 + 0,028697^2 + 0,133661^2 + 0,019285^2} = \sqrt{0,02570734} = \mathbf{0,160335}$$
* **Koefisien Preferensi ($V_8$):**
$$V_8 = \frac{0,160335}{0,051524 + 0,160335} = \frac{0,160335}{0,211859} = \mathbf{0,756798}$$
#### **2. Sony A6300 (Indeks Alternatif $i = 6$)**
* Vektor baris terbobot: $y_6 = [0,037628;\ 0,038262;\ 0,136553;\ 0,067499]$
* **Jarak ke Ideal Positif ($D_6^+$):**
$$D_6^+ = \sqrt{(0,037628 - 0,000000)^2 + (0,038262 - 0,076524)^2 + (0,136553 - 0,136553)^2 + (0,067499 - 0,096427)^2}$$
$$D_6^+ = \sqrt{0,037628^2 + (-0,038262)^2 + 0,000000^2 + (-0,028928)^2} = \sqrt{0,00371668} = \mathbf{0,060964}$$
* **Jarak ke Ideal Negatif ($D_6^-$):**
$$D_6^- = \sqrt{(0,037628 - 0,100341)^2 + (0,038262 - 0,009565)^2 + (0,136553 - 0,002892)^2 + (0,067499 - 0,048214)^2}$$
$$D_6^- = \sqrt{(-0,062713)^2 + 0,028697^2 + 0,133661^2 + 0,019285^2} = \sqrt{0,02299361} = \mathbf{0,151636}$$
* **Koefisien Preferensi ($V_6$):**
$$V_6 = \frac{0,151636}{0,060964 + 0,151636} = \frac{0,151636}{0,212600} = \mathbf{0,713244}$$
#### **3. Fujifilm XT20 (Indeks Alternatif $i = 11$)**
* Vektor baris terbobot: $y_{11} = [0,043899;\ 0,038262;\ 0,104423;\ 0,067499]$
* **Jarak ke Ideal Positif ($D_{11}^+$):**
$$D_{11}^+ = \sqrt{(0,043899 - 0,000000)^2 + (0,038262 - 0,076524)^2 + (0,104423 - 0,136553)^2 + (0,067499 - 0,096427)^2}$$
$$D_{11}^+ = \sqrt{0,043899^2 + (-0,038262)^2 + (-0,032130)^2 + (-0,028928)^2} = \sqrt{0,00526027} = \mathbf{0,072528}$$
* **Jarak ke Ideal Negatif ($D_{11}^-$):**
$$D_{11}^- = \sqrt{(0,043899 - 0,100341)^2 + (0,038262 - 0,009565)^2 + (0,104423 - 0,002892)^2 + (0,067499 - 0,048214)^2}$$
$$D_{11}^- = \sqrt{(-0,056442)^2 + 0,028697^2 + 0,101531^2 + 0,019285^2} = \sqrt{0,01468967} = \mathbf{0,121201}$$
* **Koefisien Preferensi ($V_{11}$):**
$$V_{11} = \frac{0,121201}{0,072528 + 0,121201} = \frac{0,121201}{0,193729} = \mathbf{0,625623}$$
---
### **4.X Tabel Hasil Perangkingan Akhir TOPSIS Kelima Skenario**
Berdasarkan perhitungan nilai kedekatan relatif ($V_i$) dari ke-19 kamera pada kelima skenario penggunaan di Jember Kamera Mangli, diperoleh hasil perangkingan sebagai berikut:
#### **A. Skenario Luar Ruangan – Siang Hari (Outdoor - Day)**
**Tabel 4.10 Hasil Perangkingan Akhir TOPSIS Skenario Outdoor Day (Siang)**
| Rank | Nama Kamera | Jarak Ideal Positif ($D^+$) | Jarak Ideal Negatif ($D^-$) | Nilai Preferensi ($V$) | Keterangan |
| :---: | :--- | :---: | :---: | :---: | :--- |
| **1** | **Sony A6400** | **0,051524** | **0,160335** | **0,756798** | **Rekomendasi Utama (Peringkat 1)** |
| **2** | **Sony A6300** | **0,060964** | **0,151636** | **0,713244** | **Rekomendasi Kedua (Peringkat 2)** |
| **3** | **Fujifilm XT20** | **0,072528** | **0,121201** | **0,625623** | **Rekomendasi Ketiga (Peringkat 3)** |
| 4 | Canon 5D Mark III | 0,116953 | 0,130978 | 0,528284 | - |
| 5 | Canon 6D | 0,121084 | 0,108839 | 0,473371 | - |
| 6 | Canon M50 | 0,115551 | 0,072535 | 0,385648 | - |
| 7 | Sony A6000 | 0,121301 | 0,068093 | 0,359529 | - |
| 8 | Canon 80D | 0,145774 | 0,058641 | 0,286871 | - |
| 9 | Nikon J5 | 0,145522 | 0,053540 | 0,268960 | - |
| 10 | Fujifilm XA5 | 0,150923 | 0,037717 | 0,199941 | - |
| 11 | Canon M3 | 0,154684 | 0,037749 | 0,196168 | - |
| 12 | Fujifilm XA3 | 0,154274 | 0,034447 | 0,182528 | - |
| 13 | Canon 60D | 0,168483 | 0,034181 | 0,168658 | - |
| 14 | Sony A5000 | 0,163687 | 0,031171 | 0,159967 | - |
| 15 | Canon M10 | 0,160914 | 0,029570 | 0,155236 | - |
| 16 | Canon 600D | 0,174221 | 0,024854 | 0,124849 | - |
| 17 | Canon 550D | 0,175767 | 0,023005 | 0,115737 | - |
| 18 | Canon 500D | 0,182356 | 0,019285 | 0,095643 | - |
| 19 | Canon 1100D | 0,182356 | 0,019285 | 0,095643 | - |
#### **B. Skenario Luar Ruangan – Malam Hari (Outdoor - Night)**
**Tabel 4.10a Hasil Perangkingan Akhir TOPSIS Skenario Outdoor Night (Malam)**
| Rank | Nama Kamera | Jarak Ideal Positif ($D^+$) | Jarak Ideal Negatif ($D^-$) | Nilai Preferensi ($V$) | Keterangan |
| :---: | :--- | :---: | :---: | :---: | :--- |
| **1** | **Canon 5D Mark III** | **0,078912** | **0,236815** | **0,750062** | **Direkomendasikan (Top 3)** |
| **2** | **Canon 6D** | **0,080236** | **0,234400** | **0,744987** | **Direkomendasikan (Top 3)** |
| **3** | **Sony A6400** | **0,132949** | **0,139339** | **0,511735** | **Direkomendasikan (Top 3)** |
| 4 | Sony A6300 | 0,133802 | 0,137236 | 0,506336 | - |
| 5 | Fujifilm XT20 | 0,135950 | 0,123424 | 0,475852 | - |
| 6 | Canon M50 | 0,148142 | 0,105714 | 0,416434 | - |
| 7 | Sony A6000 | 0,207184 | 0,053383 | 0,204872 | - |
| 8 | Canon 80D | 0,215436 | 0,043662 | 0,168517 | - |
| 9 | Fujifilm XA5 | 0,214850 | 0,039460 | 0,155165 | - |
| 10 | Fujifilm XA3 | 0,215360 | 0,038814 | 0,152706 | - |
| 11 | Canon M3 | 0,216590 | 0,038502 | 0,150933 | - |
| 12 | Canon M10 | 0,217561 | 0,036938 | 0,145139 | - |
| 13 | Sony A5000 | 0,219064 | 0,036767 | 0,143715 | - |
| 14 | Nikon J5 | 0,241828 | 0,035597 | 0,128311 | - |
| 15 | Canon 60D | 0,249818 | 0,018154 | 0,067747 | - |
| 16 | Canon 600D | 0,250660 | 0,014545 | 0,054846 | - |
| 17 | Canon 550D | 0,250891 | 0,013878 | 0,052416 | - |
| 18 | Canon 500D | 0,251897 | 0,012605 | 0,047656 | - |
| 19 | Canon 1100D | 0,251897 | 0,012605 | 0,047656 | - |
#### **C. Skenario Dalam Ruangan – Kondisi Terang (Indoor - Cerah)**
**Tabel 4.10b Hasil Perangkingan Akhir TOPSIS Skenario Indoor Cerah**
| Rank | Nama Kamera | Jarak Ideal Positif ($D^+$) | Jarak Ideal Negatif ($D^-$) | Nilai Preferensi ($V$) | Keterangan |
| :---: | :--- | :---: | :---: | :---: | :--- |
| **1** | **Sony A6400** | **0,062786** | **0,151342** | **0,706782** | **Direkomendasikan (Top 3)** |
| **2** | **Sony A6300** | **0,072770** | **0,139448** | **0,657096** | **Direkomendasikan (Top 3)** |
| **3** | **Canon 5D Mark III** | **0,097957** | **0,153512** | **0,610461** | **Direkomendasikan (Top 3)** |
| 4 | Fujifilm XT20 | 0,081678 | 0,114857 | 0,584408 | - |
| 5 | Canon 6D | 0,104157 | 0,129610 | 0,554441 | - |
| 6 | Canon M50 | 0,113454 | 0,077589 | 0,406133 | - |
| 7 | Sony A6000 | 0,130729 | 0,063509 | 0,326963 | - |
| 8 | Canon 80D | 0,143033 | 0,064339 | 0,310260 | - |
| 9 | Nikon J5 | 0,158224 | 0,045837 | 0,224626 | - |
| 10 | Canon M3 | 0,155078 | 0,039433 | 0,202728 | - |
| 11 | Fujifilm XA5 | 0,154220 | 0,037053 | 0,193719 | - |
| 12 | Canon 60D | 0,169534 | 0,035420 | 0,172820 | - |
| 13 | Fujifilm XA3 | 0,158389 | 0,032744 | 0,171316 | - |
| 14 | Sony A5000 | 0,163098 | 0,032505 | 0,166181 | - |
| 15 | Canon M10 | 0,162958 | 0,029209 | 0,151998 | - |
| 16 | Canon 600D | 0,176771 | 0,023512 | 0,117393 | - |
| 17 | Canon 550D | 0,178710 | 0,020977 | 0,105048 | - |
| 18 | Canon 500D | 0,186936 | 0,015476 | 0,076459 | - |
| 19 | Canon 1100D | 0,186936 | 0,015476 | 0,076459 | - |
#### **D. Skenario Dalam Ruangan – Minim Cahaya (Indoor - Gelap)**
**Tabel 4.10c Hasil Perangkingan Akhir TOPSIS Skenario Indoor Gelap**
| Rank | Nama Kamera | Jarak Ideal Positif ($D^+$) | Jarak Ideal Negatif ($D^-$) | Nilai Preferensi ($V$) | Keterangan |
| :---: | :--- | :---: | :---: | :---: | :--- |
| **1** | **Canon 5D Mark III** | **0,068551** | **0,271262** | **0,798269** | **Direkomendasikan (Top 3)** |
| **2** | **Canon 6D** | **0,070094** | **0,269123** | **0,793365** | **Direkomendasikan (Top 3)** |
| **3** | **Sony A6400** | **0,152886** | **0,143762** | **0,484621** | **Direkomendasikan (Top 3)** |
| 4 | Sony A6300 | 0,153640 | 0,141693 | 0,479773 | - |
| 5 | Fujifilm XT20 | 0,155149 | 0,131598 | 0,458934 | - |
| 6 | Canon M50 | 0,163512 | 0,119170 | 0,421569 | - |
| 7 | Sony A6000 | 0,235119 | 0,053005 | 0,183967 | - |
| 8 | Canon 80D | 0,240403 | 0,046798 | 0,162946 | - |
| 9 | Fujifilm XA5 | 0,240465 | 0,042362 | 0,149779 | - |
| 10 | Canon M3 | 0,241531 | 0,041901 | 0,147835 | - |
| 11 | Fujifilm XA3 | 0,240927 | 0,041751 | 0,147698 | - |
| 12 | Canon M10 | 0,242415 | 0,040446 | 0,142989 | - |
| 13 | Sony A5000 | 0,243317 | 0,040492 | 0,142673 | - |
| 14 | Nikon J5 | 0,274338 | 0,031064 | 0,101716 | - |
| 15 | Canon 60D | 0,279717 | 0,015947 | 0,053935 | - |
| 16 | Canon 600D | 0,280481 | 0,011595 | 0,039700 | - |
| 17 | Canon 550D | 0,280690 | 0,010733 | 0,036829 | - |
| 18 | Canon 500D | 0,281604 | 0,008997 | 0,030961 | - |
| 19 | Canon 1100D | 0,281604 | 0,008997 | 0,030961 | - |
#### **E. Skenario Umum – Semua Kondisi (General / All Conditions)**
**Tabel 4.10d Hasil Perangkingan Akhir TOPSIS Skenario Semua Kondisi**
| Rank | Nama Kamera | Jarak Ideal Positif ($D^+$) | Jarak Ideal Negatif ($D^-$) | Nilai Preferensi ($V$) | Keterangan |
| :---: | :--- | :---: | :---: | :---: | :--- |
| **1** | **Sony A6400** | **0,083608** | **0,146232** | **0,636235** | **Direkomendasikan (Top 3)** |
| **2** | **Canon 5D Mark III** | **0,101075** | **0,165154** | **0,620346** | **Direkomendasikan (Top 3)** |
| **3** | **Sony A6300** | **0,087621** | **0,140099** | **0,615225** | **Direkomendasikan (Top 3)** |
| 4 | Canon 6D | 0,104175 | 0,154402 | 0,597123 | - |
| 5 | Fujifilm XT20 | 0,093698 | 0,116190 | 0,553582 | - |
| 6 | Canon M50 | 0,121375 | 0,080965 | 0,400144 | - |
| 7 | Sony A6000 | 0,148350 | 0,060230 | 0,288761 | - |
| 8 | Canon 80D | 0,164625 | 0,050677 | 0,235376 | - |
| 9 | Nikon J5 | 0,174686 | 0,046101 | 0,208803 | - |
| 10 | Fujifilm XA5 | 0,166884 | 0,036024 | 0,177538 | - |
| 11 | Canon M3 | 0,169714 | 0,035611 | 0,173438 | - |
| 12 | Fujifilm XA3 | 0,168855 | 0,033838 | 0,166943 | - |
| 13 | Sony A5000 | 0,175640 | 0,030999 | 0,150014 | - |
| 14 | Canon M10 | 0,173422 | 0,030197 | 0,148300 | - |
| 15 | Canon 60D | 0,190522 | 0,027497 | 0,126120 | - |
| 16 | Canon 600D | 0,193833 | 0,019994 | 0,093505 | - |
| 17 | Canon 550D | 0,194734 | 0,018506 | 0,086787 | - |
| 18 | Canon 500D | 0,198616 | 0,015514 | 0,072452 | - |
| 19 | Canon 1100D | 0,198616 | 0,015514 | 0,072452 | - |
---
## BAGIAN 3: DAFTAR PUSTAKA PENDUKUNG (APA FORMAT & DOWNLOADABLE)
*(Salin daftar pustaka ini ke halaman Daftar Pustaka Laporan Skripsi Anda).*
1. **Lestari, A. D., & Setyawan, B.** (2026). Implementasi Metode AHP–TOPSIS Dalam Sistem Pendukung Keputusan Penentuan Glamping Terbaik. *CITIZEN: Jurnal Ilmiah Multidisiplin Indonesia*, 6(1), 45-56. https://doi.org/10.53866/citizen.v6i1.987
2. **Pratama, I. P. A., & Widhiana, I. G.** (2024). Metode AHP-TOPSIS Pada Perancangan Sistem Pendukung Keputusan Penentuan Mata Kuliah Pilihan. *JURTI: Jurnal Teknologi Informasi*, 8(2), 178-189. https://doi.org/10.30872/jurti.v8i2.12456
3. **Ramadhan, A., & Suryadi, D.** (2025). Systematic Literature Review (SLR) Penggunaan AHP-TOPSIS dalam Menyelesaikan Masalah Multi-Criteria Decision Making. *JIKA: Jurnal Informatika*, 9(1), 12-25. https://doi.org/10.31000/jika.v9i1.8742
4. **Saputra, E., & Handayani, T.** (2025). Sistem Pendukung Keputusan Kebijakan Fasilitas Kampus Menggunakan Metode Kolaborasi AHP-TOPSIS. *Jurnal Media Informatika Budidarma*, 9(2), 244-253. https://doi.org/10.30865/mib.v9i2.9102
5. **Wahyuni, S., & Hartati, S.** (2025). Sistem Pendukung Keputusan dengan AHP-TOPSIS untuk Rekomendasi Konsentrasi Program Studi. *Jurnal Sistem dan Teknologi Informasi (JUSTIN)*, 13(3), 312-321. https://doi.org/10.26418/justin.v13i3.7654