CCTV
CCTV
2. Memasukkan nilai rating kecocokan pada setiap Kriteria (C) Nama Kriteria
kriteria dari setiap titik pengamatan. C8 Jalur Angkot
3. Melakukan pencarian nilai maksimal pada setiap
C9 Jarak Lokasi
kolom kriteria untuk kiteria benefit, dan mencari
nilai minimal pada kriteria cost dengan C10 Jumlah Sekolahan
menggunakan persamaan 1. Kriteria yang ada pada Tabel 1 didapatkan dari
4. Membagi nilai setiap kriteria dengan nilai maksimal pakar dan juga hasil analisa dari beberapa penelitian
hasil perhitungan tahap 3 untuk kriteria benefit, dan sebelumnya dari pemerintah Kota XYZ.
membagi nilai minimal hasil perhitungan tahap 3 Kriteria-kriteria tersebut diproses menggunakan
dengan nilai kriteria untuk kriteria cost. preferensi bobot dari pakar. Bobot untuk proses
5. Menyusun kembali hasil bagi pada tahap 4 untuk perhitungan yang didapatkan dari pakar di Kota XZY
mendapatkan matriks ternormalisasi R. seperti Tabel 2 berikut ini:
6. Dilakukan proses pembobotan menggunakan Tabel 2. Preferensi bobot
persamaan 2. Bobot yang digunakan adalah C1 C2 C3 C4 C5 C6 C7 C8 C9 C10
preferensi bobot dari dinas badan perencanaan 9 8 8 8 8 7 7 5 5 9
daerah Kota XZY. Perhitungan dilakukan pada 40 titik pengamatan,
7. Dilakukan proses perangkingan untuk menghasilkan yaitu data persimpangan yang didapatkan dari
rekomendasi pemasangan CCTV. pemerintah Kota XZY,
Dengan menggunakan data kriteria, bobot dan titik
IV. IMPLEMENTASI DAN ANALISA HASIL pengamatan tersebut kemudian dilakukan proses
Dari 40 data titik pengamatan yang telah didapakan, peniliaian dan didapatkan hasil normalisasi matriks(X).
dianalisa dengan tahapan yang nampak pada Gambar 1 Kemudian dilakukan proses perangkingan nilai Vi.
berikut ini: Data pada tabel 3 berikut ini memperlihatkan 8 titik
hasil perangkingan yang telah dilakukan.
Data Kriteria Dan Tabel 3. Hasil perangkingan nilai Vi.
Start
Data Alternatif
No Nama titik pengamatan Nilai Vi
1 Raden Intan 0.68237
Tentukan Rating Kecocokan Menyusun Matriks
Setiap Alternatif Keputusan
2 Panjaitan-Suhat 0.64468
Cek Lakukan Normalisasi
3 Dinoyo 0.64138
Benefit
Cost | Benefit Matris
4 Blimbing 0.62655
Cost 5 Borobudur 0.59756
Pembobotan AHP
Matriks
Ternormalisasi R
Diagaram Gambar 3.3 6 Gadang 0.59719
7 Kota Lama 0.5663
Perangkingan
Data Vektor
Bobot 8 Soehat 0.54773
Setelah dilakukan proses perangkingan nilai Vi,
Pilih Alternatif kemudian dilanjutkan proses klasifikasi untuk
Berdasarkan Nilai
memudahkan pengelompokan hasil, sehingga akan
didapatkan jumlah jalan yang terdapat dimasing-masing
End
klasifikasi. Range nilai untuk klasifikasi terdapat pada
Gambar 1. Tahapan dalam metode SAW. Tabel 4.
Tahapan yang nampak pada Gambar 1 menjelaskan Tabel 4. Interval klasifikasi nilai Vi
proses algoritma SAW dalam menghitung nilai kriteria No Nama Klasifikasi Nilai Interval
untuk menghasilkan nilai Vi. Nilai Vi merupakan nilai 1 Klasifikasi 4 0.34190 - 0.375947
yang dihasilkan dari proses algoritma SAW, dimana 2 Klasifikasi 3 0.375948 - 0.444041
nilai tersebut berasal dari perhitungan kriteria-kriteria 3 Klasifikasi 2 0.444042 - 0.546182
4 Klasifikasi 1 0.546183 - 0.68237
yang telah ditentukan tiap titik pengamatan.
Data kriteria yang digunakan dalam proses Dari 40 data titik yang diamati Nilai Vi yang
masuk dalam kelas klasifikasi 1 sebanyak 2 titik,
perhitungan nampak pada Tabel 1 berikut ini:
Tabel 1. Data Kriteria klasifikasi ke 2 sebanyak 7 titik kemudian klasifikasi ke
Kriteria (C) Nama Kriteria 3 sebanyak 23 titik dan yang terakhir klasifikasi ke 1
yang mempunyai interval terbesar sebanyak 8 titik.
C1 Kepadatan Penduduk
Jumlah titik setiap klasifikasi yang telah disebutkan
C2 Kepadatan Jalan nampak pada grafik yang ada pada Gambar 2 berikut
C3 Kriteria Jalan ini:
C4 Jumlah Perguruan Tinggi
C5 Area Bisnis
C6 Kejadian Laka Lantas
C7 Jenis Persimpangan
V. KESIMPULAN
Berdasarkan data hasil yang telah dianalisa maka
dapat ditarik kesimpulan:
1. Distribusi penaatn CCTV untuk Smart Monitoring
bisa menggunakan algoritma SAW sebagai metode
dalam mengoptimalkan penentuan titik pemasangan
CCTV.
2. Hasil perhitungan merekomendasikan 4 klasifikasi
titik penempatan yang dibedakan berdasarkan nilai
Vi.
3. Untuk lebih mengoptimalkan hasil penelitian ini
maka akan dilanjutkan penelitian menggunakan
metode SAW-AHP dan WP.