82 lines
5.1 KiB
Plaintext
82 lines
5.1 KiB
Plaintext
{\rtf1\ansi\deff0
|
|
{\fonttbl{\f0 Arial;}}
|
|
\fs24
|
|
\b Ringkasan Metodologi Input Data Kamera dan Perhitungan TOPSIS\b0\par
|
|
\par
|
|
\b 1. Latar Belakang\b0\par
|
|
Pada sistem rekomendasi kamera berbasis TOPSIS, salah satu permasalahan yang muncul adalah bagaimana admin mengisi nilai kriteria kamera secara benar. Jika seluruh nilai seperti sensor score, low light, portabilitas, dan af speed diisi manual oleh admin, maka terdapat risiko penilaian menjadi subjektif dan tidak konsisten. Kondisi ini lemah secara akademik karena nilai bisa dianggap diisi secara bebas tanpa dasar yang jelas.\par
|
|
\par
|
|
\b 2. Permasalahan Utama\b0\par
|
|
Sebelumnya, admin diminta mengisi terlalu banyak field, termasuk nilai score turunan. Hal ini menimbulkan pertanyaan: apakah admin mengisi berdasarkan data teknis, atau hanya perkiraan. Jika admin tidak memiliki acuan baku, maka dosen penguji dapat mempertanyakan validitas data yang masuk ke dalam metode TOPSIS.\par
|
|
\par
|
|
\b 3. Solusi yang Diterapkan\b0\par
|
|
Solusi yang dipilih adalah membatasi input admin hanya pada data objektif yang dapat diperoleh dari spesifikasi kamera. Dengan pendekatan ini, admin tidak lagi mengisi score TOPSIS secara manual. Sistem yang akan menghitung nilai turunannya secara otomatis berdasarkan aturan yang tetap dan konsisten.\par
|
|
\par
|
|
\b 4. Data yang Diinput Admin\b0\par
|
|
Admin hanya menginput data berikut:\par
|
|
1. Nama kamera\par
|
|
2. Merek\par
|
|
3. Harga sewa per hari\par
|
|
4. ISO\par
|
|
5. AF Point\par
|
|
6. Sensor\par
|
|
\par
|
|
\b 5. Data yang Dihitung Otomatis oleh Sistem\b0\par
|
|
Sistem secara otomatis membentuk nilai berikut:\par
|
|
1. Price untuk TOPSIS = diambil langsung dari harga sewa per hari\par
|
|
2. Sensor score = ditentukan dari kelas sensor\par
|
|
3. Low light = dihitung dari ISO dan sensor score\par
|
|
4. Portabilitas = dihitung dari kelas sensor sebagai indikator ukuran perangkat\par
|
|
5. AF speed = dihitung dari jumlah AF Point\par
|
|
\par
|
|
\b 6. Dasar Penentuan Nilai Otomatis\b0\par
|
|
Penentuan nilai otomatis dilakukan agar proses penilaian tidak bergantung pada subjektivitas admin. Dalam pendekatan Multi-Criteria Decision Making seperti TOPSIS, data kuantitatif sebaiknya berasal dari spesifikasi objektif, sedangkan data kualitatif dapat dikonversi ke skala numerik yang tetap agar konsisten.\par
|
|
\par
|
|
Contoh aturan yang digunakan pada sistem:\par
|
|
1. Full Frame = sensor score 10\par
|
|
2. APS-C = sensor score 8\par
|
|
3. Micro Four Thirds = sensor score 6\par
|
|
4. 1 Inch = sensor score 4\par
|
|
5. Lainnya = sensor score 3\par
|
|
\par
|
|
Dengan demikian, sensor tidak dinilai secara bebas, tetapi dipetakan ke skor ordinal yang tetap.\par
|
|
\par
|
|
\b 7. Kriteria TOPSIS yang Aktif pada Sistem\b0\par
|
|
Walaupun sistem juga menghitung low light, portabilitas, dan af speed sebagai data pendukung, perhitungan TOPSIS utama pada aplikasi ini tetap menggunakan empat kriteria berikut:\par
|
|
1. Price\par
|
|
2. ISO\par
|
|
3. AF Point\par
|
|
4. Sensor\par
|
|
\par
|
|
Artinya, rekomendasi kamera tetap sesuai dengan model TOPSIS yang sudah ditetapkan sebelumnya pada penelitian.\par
|
|
\par
|
|
\b 8. Alasan Akademik Mengapa Solusi Ini Lebih Kuat\b0\par
|
|
Pendekatan ini lebih kuat untuk dipertanggungjawabkan saat sidang karena:\par
|
|
1. Admin tidak mengisi skor secara bebas\par
|
|
2. Data utama berasal dari spesifikasi objektif kamera\par
|
|
3. Nilai turunan dihitung dengan aturan sistem yang tetap\par
|
|
4. Hasil dapat dijelaskan ulang dan direplikasi\par
|
|
5. Mengurangi bias manusia dalam proses input data\par
|
|
\par
|
|
\b 9. Kelebihan Implementasi\b0\par
|
|
Beberapa kelebihan implementasi ini adalah:\par
|
|
1. Mempermudah tugas admin saat menambah data kamera\par
|
|
2. Mengurangi kesalahan input score manual\par
|
|
3. Menjaga konsistensi data antar kamera\par
|
|
4. Meningkatkan validitas akademik sistem rekomendasi\par
|
|
5. Memudahkan penjelasan metodologi pada saat sidang tugas akhir\par
|
|
\par
|
|
\b 10. Catatan Keterbatasan\b0\par
|
|
Nilai portabilitas pada implementasi saat ini masih menggunakan pendekatan berbasis kelas sensor, karena data berat kamera belum tersedia di database. Jika ingin membuat penilaian lebih kuat lagi, maka pada pengembangan berikutnya dapat ditambahkan data berat atau dimensi kamera, sehingga portabilitas dihitung dari ukuran fisik yang lebih objektif.\par
|
|
\par
|
|
\b 11. Kesimpulan\b0\par
|
|
Kesimpulannya, admin tidak perlu lagi mengisi nilai score TOPSIS secara manual. Admin cukup memasukkan data objektif kamera, sedangkan sistem akan menghitung nilai turunan secara otomatis. Pendekatan ini lebih konsisten, lebih objektif, dan lebih mudah dipertanggungjawabkan secara ilmiah dalam penelitian maupun sidang tugas akhir.\par
|
|
\par
|
|
\b 12. Referensi Umum yang Mendukung Pendekatan\b0\par
|
|
1. TOPSIS sebagai metode pengambilan keputusan multikriteria menggunakan data yang telah dinormalisasi dan diberi bobot agar setiap alternatif dapat dibandingkan secara objektif.\par
|
|
2. Kriteria kualitatif dalam MCDM dapat dikonversi ke skala numerik tetap agar dapat diproses bersama data kuantitatif secara konsisten.\par
|
|
3. Pendekatan sistem otomatis untuk skor turunan lebih kuat dibandingkan penilaian manual operator, karena mengurangi subjektivitas.\par
|
|
\par
|
|
Dokumen ini dapat digunakan sebagai ringkasan metodologi implementasi input data kamera pada sistem rekomendasi kamera berbasis TOPSIS.\par
|
|
}
|