82 lines
6.5 KiB
Markdown
82 lines
6.5 KiB
Markdown
# PANDUAN PENEMPATAN DAN DRAF DOKUMEN REVISI SKRIPSI
|
||
|
||
---
|
||
|
||
## BAGIAN 1: REKOMENDASI PENEMPATAN PADA LAPORAN SKRIPSI
|
||
|
||
Draf narasi penjelasan asal-usul angka di bawah ini sebaiknya diletakkan di **BAB III (Metode Kegiatan / Metode Penelitian)**, tepatnya pada:
|
||
* **Sub-bab:** **3.5.2 Requirement (Analisis Kebutuhan)**.
|
||
* **Posisi Paste:** Tepat **sebelum pemaparan kelima skenario perhitungan AHP** (sebelum tulisan *"1. Kondisi Penggunaan: Outdoor – Day (Siang)"* pada halaman 81).
|
||
* **Tujuan:** Paragraf ini berfungsi sebagai pengantar metodologi pembobotan agar dosen penguji memahami landasan pengisian matriks perbandingan berpasangan ($A$) dan pembentukan vektor bobot ($W$) sebelum melihat angka hasil perhitungan.
|
||
|
||
---
|
||
|
||
## BAGIAN 2: DRAF NARASI UNTUK DI-COPY KE SKRIPSI
|
||
|
||
*(Silakan salin seluruh teks di bawah ini ke laporan skripsi Anda).*
|
||
|
||
### **3.5.2.X Asal-Usul Penentuan Nilai Matriks Perbandingan Berpasangan (A) dan Vektor Bobot (W)**
|
||
|
||
Sebelum memaparkan hasil perhitungan bobot untuk kelima skenario penggunaan kamera, sub-bab ini menjelaskan secara metodologis asal-usul perolehan nilai numerik pada Matriks Perbandingan Berpasangan ($A$) dan Matriks Normalisasi Kolom beserta Vektor Bobot ($W$). Penyelarasan ini penting untuk menjamin transparansi data komputasi yang diimplementasikan pada sistem pendukung keputusan.
|
||
|
||
#### **1. Asal-Usul Nilai Matriks Perbandingan Berpasangan (A)**
|
||
Nilai numerik pada Matriks Perbandingan Berpasangan ($A$) untuk setiap skenario tidak ditentukan secara acak, melainkan diturunkan dari dua instrumen utama:
|
||
1. **Data Primer Hasil Wawancara Pakar:** Data diperoleh dari wawancara terstruktur dengan pemilik (*owner*) Jember Kamera Mangli (transkrip kualitatif termuat pada Tabel 4.X). Pernyataan pakar mengenai kriteria mana yang lebih penting pada kondisi tertentu menjadi acuan dasar perbandingan.
|
||
2. **Skala Perbandingan Berpasangan Saaty:** Keterangan kualitatif dari pakar dikonversikan menjadi nilai kuantitatif menggunakan skala kepentingan Saaty (rentang 1 sampai 9).
|
||
|
||
Sebagai ilustrasi, pada skenario **Outdoor – Day (Siang)** di halaman 81, pakar menilai kriteria Price ($C_1$) dan kriteria Sensor ($C_4$) sama penting ($1$). Kedua kriteria tersebut dinilai sedikit lebih penting ($3$) dibandingkan kriteria ISO ($C_2$). Adapun kriteria AF ($C_3$) dinilai memiliki kepentingan yang setara ($1$) terhadap Price ($C_1$) dan Sensor ($C_4$). Berdasarkan penilaian ini, baris kriteria Price ($C_1$) disusun sebagai berikut:
|
||
* Price vs Price ($a_{11}$) = $1,0000$ (kriteria dibandingkan dengan dirinya sendiri).
|
||
* Price vs ISO ($a_{12}$) = $3,0000$ (Price sedikit lebih penting dibanding ISO).
|
||
* Price vs AF ($a_{13}$) = $1,0000$ (Price sama pentingnya dengan AF).
|
||
* Price vs Sensor ($a_{14}$) = $1,0000$ (Price sama pentingnya dengan Sensor).
|
||
|
||
Sehingga terbentuk baris pertama matriks: $[1,0000;\ 3,0000;\ 1,0000;\ 1,0000]$. Nilai pada baris di bawah diagonal utama diisi menggunakan asas resiprokal Saaty, yaitu $a_{ji} = \frac{1}{a_{ij}}$. Contohnya, karena Price vs ISO ($a_{12}$) bernilai $3,0000$, maka nilai ISO vs Price ($a_{21}$) adalah kebalikannya:
|
||
|
||
$$a_{21} = \frac{1}{a_{12}} = \frac{1}{3} \approx 0,3333$$
|
||
|
||
Mekanisme penskalaan konseptual ini diterapkan secara analog untuk menyusun seluruh matriks perbandingan berpasangan ($A$) pada kelima skenario penggunaan.
|
||
|
||
#### **2. Metode Komputasi Vektor Bobot (W) melalui Normalisasi Kolom**
|
||
Vektor bobot kriteria ($W$) yang berisi nilai bobot prioritas relatif ($w_1, w_2, w_3, w_4$) didapatkan melalui metode perhitungan *Column-Normalization* (Normalisasi Kolom) dengan 3 tahapan matematis sebagai berikut:
|
||
|
||
##### **Tahap A: Menghitung Akumulasi Jumlah Kolom**
|
||
Seluruh nilai elemen pada setiap kolom $j$ dijumlahkan secara vertikal menggunakan rumus:
|
||
$$\text{Kolom Sum}_j = \sum_{i=1}^{n} a_{ij}$$
|
||
* **Contoh pada Skenario 1 Kolom 1 (Price):**
|
||
$$\text{Kolom Sum}_1 = a_{11} + a_{21} + a_{31} + a_{41} = 1,0000 + 0,3333 + 1,0000 + 1,0000 = \mathbf{3,3333}$$
|
||
* **Contoh pada Skenario 1 Kolom 2 (ISO):**
|
||
$$\text{Kolom Sum}_2 = a_{12} + a_{22} + a_{32} + a_{42} = 3,0000 + 1,0000 + 1,0000 + 3,0000 = \mathbf{8,0000}$$
|
||
|
||
##### **Tahap B: Pembentukan Matriks Normalisasi Kolom ($R_{\text{norm}}$)**
|
||
Setiap nilai elemen pada matriks $A$ dibagi dengan hasil penjumlahan kolomnya masing-masing menggunakan persamaan:
|
||
$$r_{ij}^{\text{norm}} = \frac{a_{ij}}{\text{Kolom Sum}_j}$$
|
||
* **Contoh Elemen Baris 1 Kolom 1 ($r_{11}^{\text{norm}}$):**
|
||
$$r_{11}^{\text{norm}} = \frac{a_{11}}{\text{Kolom Sum}_1} = \frac{1,0000}{3,3333} \approx \mathbf{0,3000}$$
|
||
* **Contoh Elemen Baris 1 Kolom 2 ($r_{12}^{\text{norm}}$):**
|
||
$$r_{12}^{\text{norm}} = \frac{a_{12}}{\text{Kolom Sum}_2} = \frac{3,0000}{8,0000} = \mathbf{0,3750}$$
|
||
|
||
Melalui pembagian ini untuk seluruh elemen, diperoleh matriks ternormalisasi kolom $R_{\text{norm}}$:
|
||
$$R_{\text{norm}} = \begin{bmatrix}
|
||
0,3000 & 0,3750 & 0,2500 & 0,3000 \\
|
||
0,1000 & 0,1250 & 0,2500 & 0,1000 \\
|
||
0,3000 & 0,1250 & 0,2500 & 0,3000 \\
|
||
0,3000 & 0,3750 & 0,2500 & 0,3000
|
||
\end{bmatrix}$$
|
||
|
||
##### **Tahap C: Perhitungan Nilai Rata-rata Baris untuk Vektor Bobot ($W$)**
|
||
Nilai elemen matriks $R_{\text{norm}}$ pada setiap baris dijumlahkan, kemudian dibagi dengan total kuantitas kriteria ($n = 4$) untuk memperoleh rata-rata baris yang merepresentasikan vektor bobot kriteria ($W$):
|
||
$$w_i = \frac{1}{n} \sum_{j=1}^{n} r_{ij}^{\text{norm}}$$
|
||
* **Perolehan Bobot Price ($w_1$):**
|
||
$$w_1 = \frac{r_{11}^{\text{norm}} + r_{12}^{\text{norm}} + r_{13}^{\text{norm}} + r_{14}^{\text{norm}}}{4} = \frac{0,3000 + 0,3750 + 0,2500 + 0,3000}{4} = \frac{1,2250}{4} = \mathbf{0,3063}$$
|
||
* **Perolehan Bobot ISO ($w_2$):**
|
||
$$w_2 = \frac{r_{21}^{\text{norm}} + r_{22}^{\text{norm}} + r_{23}^{\text{norm}} + r_{24}^{\text{norm}}}{4} = \frac{0,1000 + 0,1250 + 0,2500 + 0,1000}{4} = \frac{0,5750}{4} = \mathbf{0,1438}$$
|
||
* **Perolehan Bobot AF ($w_3$):**
|
||
$$w_3 = \frac{r_{31}^{\text{norm}} + r_{32}^{\text{norm}} + r_{33}^{\text{norm}} + r_{34}^{\text{norm}}}{4} = \frac{0,3000 + 0,1250 + 0,2500 + 0,3000}{4} = \frac{0,9750}{4} = \mathbf{0,2438}$$
|
||
* **Perolehan Bobot Sensor ($w_4$):**
|
||
$$w_4 = \frac{r_{41}^{\text{norm}} + r_{42}^{\text{norm}} + r_{43}^{\text{norm}} + r_{44}^{\text{norm}}}{4} = \frac{0,3000 + 0,3750 + 0,2500 + 0,3000}{4} = \frac{1,2250}{4} = \mathbf{0,3063}$$
|
||
|
||
Maka, diperoleh Vektor Bobot kepentingan kriteria Outdoor Day sebesar:
|
||
$$W = [0,3063;\ 0,1438;\ 0,2438;\ 0,3063]^T$$
|
||
|
||
Mekanisme perhitungan normalisasi kolom ini diterapkan secara berulang dan konsisten untuk menemukan nilai vektor bobot ($W$) pada skenario-skenario lainnya yang disajikan pada halaman 84 s.d. 91.
|