ISSN: ◼ 1

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA

CCTV MENGGUNAKAN METODE WEIGHTED PRODUCT
Jefry Wifesliko, Andita Suci Pratiwi, S.Kom, SE, M.Sc
Program Studi Teknik Informatika, STMIK Banjarbaru
Jl. A. Yani Km. 33,3 Banjarbaru, Telp (0511) 4782881
jwifesliko07@gmail.com, aspratiwi.js@gmail.com

ABSTRACT

Decision Support System is an interactive computer-based system that assists decision makers by
utilizing data and models to solve unstructured problems. This system is used to help technicians
in choosing CCTV cameras according to the wishes of consumers. The problem faced by
technicians is the technician's confusion in explaining to consumers in terms of which are not
suitable for the consumer whether in terms of camera installation or in terms of poor camera
quality. For this reason, a system is built that can help technicians in choosing CCTV cameras
that aim to make it easier for technicians to explain products to consumers.
Weighted Product Method is one method of Decision Support System that is used to assist in the
selection of CCTV cameras that will be used by technicians.
Based on the results of the questionnaire test from 4 respondents obtained from the decision
support system for CCTV camera selection using the weighted product method the level of
approval in testing with a value of 78%.

Keywords: Decision Support System, CCTV Camera, Weighted Product.

ABSTRAK

Sistem Pendukung Keputusan adalah sistem berbasis komputer yang interaktif dalam membantu
pengambil keputusan dengan memanfaatkan data dan model untuk menyelesaikan masalah-
masalah yang tak terstruktur. sistem ini digunakan untuk membantu teknisi dalam memilih
kamera CCTV sesuai keinginan konsumen. Permasalahan yang dihadapi teknisi yaitu
kebingungan teknisi dalam menjelaskan kepada konsumen dari segi mana yang tidak sesuai oleh
konsumen apakah dari segi pemasangan kamera atau dari segi kualitas kamera yang kurang bagus.
Untuk itu dibangunkan suatu sistem yang dapat membantu teknisi dalam memilih kamera CCTV
yang bertujuan memudahkan teknisi dalam menjelaskan produk kepada konsumen.
Metode Weighted Product merupakan salah satu metode Sistem Pendukung Keputusan yang
digunakan untuk membantu dalam pemilihan kamera CCTV yang akan digunakan oleh teknisi.
Berdasarkan hasil uji kuesioner dari 4 orang responden yang diperoleh dari sistem pendukung
keputusan pemilihan kamera cctv menggunakan metode weighted product tingkat persetujuan
dalam pengujian dengan nilai sebesar 78%.

Kata Kunci : Sistem Pendukung Keputusan, Kamera CCTV, Weighted Product.

I. PENDAHULUAN terhubung pada tempat yang terpasang

Kemajuan ilmu teknologi sangat
cepat saat ini, maka dibutuhkan juga
perlengkapan yang mendukung
perkembangan teknologi, salah satu dari
teknologi tersebut adalah keamanan yang
teknologi tersebut untuk memantau situasi
seperti pencurian, dan perampokan
khususnya pada toko-toko, minimarket, dan
tempat umum lainnya.

Sistem Pendukung Keputusan Pemilihan Kamera CCTV Menggunakan Metode WP

Jefry Wifesliko
2 ◼
Sistem CCTV pertama yang
dipasang oleh Siemens AG pada Test Stand
VII di Peenemünde, Jerman pada tahun
1942, untuk mengamati peluncuran roket V-
2. Tercatat insinyur Jerman Walter Bruch
bertanggung jawab atas desain dan instalasi
sistem ini. Sistem perekaman CCTV masih
sering digunakan pada tempat-tempat
peluncuran modern untuk merekam
penerbangan roket, untuk menemukan
kemungkinan penyebab kegagalan fungsi
kerja, sementara roket yang lebih besar
sering dilengkapi dengan CCTV sehingga
memungkinkan gambar-gambar tahapan
pemisahan dapat ditransmisikan kembali ke
bumi melalui komunikasi radio.
Pada bulan September 1968, Olean,
New York adalah kota pertama di Amerika
Serikat yang menggunakan kamera video
dalam dunia bisnis, terutama dalam upaya
untuk mencegah aksi kejahatan.
Menggunakan CCTV yang terhubung
dengan monitor di kepolisian Olean.
Departemen kepolisian menjadi garis
terdepan dalam memerangi kejahatan
dengan menggunakan teknologi cctv. (Joko,
2013)
Ketika konsumen komplain kepada
teknisi karena kamera yang dipasang pada
lokasi kurang bagus seperti gambar jelek,
gambar kurang terang, gambar silau.
Terkadang teknisi sulit menjelaskan kepada
konsumen dalam konsultasi memilih kamera
yang sesuai dengan lokasi dikarenakan
ketika teknisi menjelaskan alur kinerja
kamera, konsumen tidak mengerti
penjelasan dari teknisi. Ketika konsumen
sepakat pada produk kamera yang dipilih,
konsumen komplain bahwa kamera yang
dipasang tidak sesuai dengan keinginan
konsumen. Dan membuat teknisi
kebingunan untuk menjelaskan kepada
konsumen dari segi mana yang tidak sesuai
oleh konsumen, apakah dari segi
pemasangan kamera atau dari segi kualitas
kamera yang kurang bagus.
Sesuai permasalahan di atas, perlu
adanya sistem informasi sistem pendukung
keputusan pemilihan kamera CCTV
menggunakan metode weighted product.
Yang bertujuan untuk memudahkan teknis
dalam menjelaskan produk kepada
konsumen. Melihat kelebihan dan
kekurangan metode dari penelitian terdahulu
dengan penelitian ini dan meningkatkan
aplikasi terdahulu dengan berbasis web.
II. TEORI
Sistem pendukung keputusan adalah
sekumpulan prosedur berbasis model untuk
data pemrosesan dan penilaian guna
membantu mengambil keputusan. Sisitem
pendukung keputusan menggunakan data,
memberikan antar muka pengguna yang
mudah, dan dapat menggabungkan
pemikiran pengambil keputusan (Efraim
Turban, 2005). Menurut Kusrini, SPK dapat
digambarkan sebagai sistem yang
berkemampuan mendukung analisis ad hoc
data, dan pemodelan keputusan, berorientasi
keputusan, orientasi perencanaan masa
depan, dan digunakan saat – saat yang tidak
biasa (Kusrini, Konsep dan Aplikasi Sistem
Pendukung Keputusan, 2007).
Multi Attribute Decision Making
(MADM) adalah suatu metode yang
digunakan untuk mencari alternatif paling
optimal dari sejumlah alternatif optimal
dengan kriteria tertentu. Inti dari MADM
adalah menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan proses
perangkingan yang akan menyeleksi
alternatif yang sudah diberikan. Weighted
Product (WP) merupakan salah satu metode
yang digunakan untuk menyelesaikan
masalah MADM. Metode Weighted Product
(WP) adalah seatu metode yang
menggunakan perkalian untuk
menghubungkan rating atribut, dimana
rating setiap atribut harus dipangkatkan
terlebih dahulu dengan bobot yang
bersangkutan. Proses ini sama dengan proses
normalisasi (Nur Arififah Syafitri, Sutardi,
& Anita Puspita Dewi, 2016).
Preferensi untuk alternatif A1 diberikan
sebagai berikut:
n
S i =  x ij
wj
; Dengan i =
j =1
1,2.................................................................
(2.1)
Keterangan :
S : preferensi alternatif
dianologikan sebagai vektor S
 ◼ 3

X : Nilai kriteria form ini terdapat fasilitas tombol hitung, dan

w : Bobot kriteria/subkriteria cetak laporan.
i : Alternatif Berdasarkan hasil penelitian di atas,
j : Kriteria berikut ini diuraikan cara penerapan metode
n : Banyaknya kriteria WP dalam penentuan pengambilan
Dimana Ʃwj = 1.Wj adalah pangkat bernilai keputusan.
positif untuk atribut
keuntungan, dan bernilai Tahap 1. Penentuan Kriteria, dan Bobot
negatif untuk atribut biaya. 1. Resolusi
Tabel 1. Penilaian Resolusi
III. METODE PENELITIAN
Bobot Kriteria
a. Analisa Kebutuhan
Kriteria
Pada pemilihan kamera CCTV
merupakan hal yang penting bagi teknisi 5 >13 MP
dalam menentukan kamera yang tepat sesuai 4 8 MP
keinginan konsumen. Banyaknya komplain 3 4 MP
dari konsumen membuat teknisi kebingunan 2 2 MP
untuk menjelaskan kepada konsumen dari 1 1 MP
segi mana, apakah dari segi pemasangan 2. Iluminasi
kamera atau dari segi kualitas kamera. Tabel 2. Penilaian Iluminasi
Pada kriteria yang digunakan untuk Bobot Kriteria Kriteria
menentukan kamera CCTV mempunyai 5 > 0,1 Lux
kriteria yang meliputi Resolusi kamera, 4 0,07 Lux
Iluminasi, lokasi/sudut, sudut pandang, dan
3 0,01 Lux
jarak jangkau. Pada setiap kriteria yang
2 0,007 Lux
sudah ditetapkan, kemudian di diproses
1 0,001 Lux
melalui metode weighted product (WP)
untuk mencari nilai tertinggi dalam 3. Lokasi/Sudut
pemilihan kamera yang tepat. Tabel 4. Penilaian Lokasi/Sudut
Bobot Kriteria
Kriteria
IV. HASIL DAN PEMBAHASAN 5 > 5 mm
4 4 mm
3 3 mm
2 2 mm
1 1 mm
4. Sudut Pandang
Tabel 5. Penilaian Sudut Pandang
Bobot Kriteria
Kriteria
5 > 150 derajat
Gambar 4.1. Form Perangkingan / 4 100 derajat
Perhitungan 3 90 derajat
2 80 derajat
Form diatas digunakan untuk 1 70 derajat
melakukan proses perhitungan metode WP,
5. Jarak Jangkau
dimana sebelum mengklik tombol proses,
ditentukan terlebih dahulu nilai kepentingan Tabel 6. Penilaian Jarak Jangkau
setiap kriteria yang sudah ditetapkan. Pada

Sistem Pendukung Keputusan Pemilihan Kamera CCTV Menggunakan Metode WP

Jefry Wifesliko
4 ◼

Bobot Kriteria Lakukan cara sama untuk mencari S3sampai

Kriteria dengan S16, sehingga didapat hasil sebagai
5 > 50 meter berikut :
4 40 meter Tabel 10. Perhitungan Vektor S
3 30 meter Alter Kriteria
Total
2 20 meter natif C1 C2 C3 C4 C5
1 10 meter A1 2 0,014 2,8 113 30 2,570742395
A2 2 0,002 2,8 92 30 1,652131701
Adapun jumlah bobot dari masing – A3 3 0,14 2,8 91 30 4,302207443
masing kriteria adalah sebagai berikut : A4 3 0,007 2,8 94 30 2,302648839
A5 1,3 0,014 2,8 98,4 30 2,349804437
Tabel 7. Bobot Kriteria A6 2 0,14 2,8 91,2 30 4,035408126
Kode Kriteria Bobot A7 3 0,007 2,8 113 40 2,516463287
C1 Resolusi Kamera 3 A8 12 0,02 4,1 105 50 4,474980024
C2 Iluminasi 4 A9 8 0,05 4 87 30 4,409016475
C3 Lokasi/Sudut 5 A10 4 0,03 2,7 100 50 3,64284088
C4 Sudut Pandang 3 A11 2 0,006 2,8 97 50 2,337896509
C5 Jarak Jangkau 4 A12 2 0,009 2,8 110 30 2,332472259
A13 1,3 0,01 2,8 94 30 2,173356594
Tahap 2. Data Sampel A14 2,4 0,07 2,8 109 30 3,691824791
Tabel 8. Kriteria Kamera CCTV A15 3,1 0,5 2,8 80,6 30 5,544405952
Alternatif C1 C2 C3 C4 C5 A16 1,3 0,01 2,8 99,3 30 2,192261021
A1 2.0 0.014 2.8 113 30
A2 2.0 0.002 2.8 92 30 Tahap 3. MenghitungVektor V yang akan
A3 3.0 0.14 2.8 91.2 30 digunakan untuk perankingan dapat dihitung
berdasarkan persamaan 2 sebagai berikut :
A4 3.0 0.007 2.8 94.5 30
V1 = 2.570742395/ 50.52846073
A5 1.3 0.014 2.8 98.4 30
= 0.050877117
A6 2.0 0.14 2.8 91.2 30
V2 = 1.652131701/ 50.52846073
A7 3.0 0.007 2.8 113 40 = 0.032697052
A8 12 0.02 4.1 105 50 Lakukan cara yang sama untuk V3 sampai
A9 8.0 0.05 4 87 30 dengan V16, sehingga didapat hasil sebagai
A10 4.0 0.03 2.7 100 50 berikut :
A11 2.0 0.006 2.8 97 50 Tabel 10. Perhitungan Vektor V
A12 2.0 0.009 2.8 110 30 Alternatif Hasil
A13 1.3 0.01 2.8 94 30
A14 2.4 0.07 2.8 109 30 V1 0,050877117
A15 3.1 0.5 2.8 80.6 30 V2 0,032697052
A16 1.3 0.01 2.8 99.3 30 V3 0,085144241
Tahap 3. Menghitung vektor S berdasarkan V4 0,045571324
persamaan 1 sebagai berikut : V5 0,046504572
n
S i =  x ij
wj V6 0,079864062
j =1 V7 0,049802888
.......................................................................................... V8 0,088563553
.................................................................(3.2)
V9 0,08725808
S1 = (2.0 ) * (0,014 ) * (2,8 0,26) *
0,16 0,21

(113 0,16) * (30 0,21) = 2.570742395 V10 0,072094832

S2 = (2.0 0,16) * (0.02 0,21) * (2,8 0,26) * (92 V11 0,046268904
0,16
) * (30 0,21) = 1.652131701
V12 0,046161554
 ◼ 5

V13 0,043012523 CCTV. Aplikasi ini mampu menangani

kebingunan teknisi untuk menjelaskan
V14 0,073064264 kepada konsumen dengan produk kamera
V15 0,109728376 CCTV yang tepat.
V16 0,043386658 Untuk hasil uji kuesioner, dari 4 orang
responden tingkat persetujuan sebesar 78%.
Dengan ini bisa dikatakan pengguna setuju
Tabel 11. Hasil Perangkingan kamera
dengan aplikasi ini.
Alternatif Hasil Ranking Adapun saran untuk meningkatkan
V15 0.109728376 1 atau mengembangkan pada sistem ini yaitu,
V8 0.088563553 2 diharapkan bagi peneliti selanjutnya dapat
mengembangkan menggunakan metode
V9 0.08725808 3 yang berbeda guna mendapatkan hasil yang
V3 0.085144241 4 lebih maksimal.
V6 0.079864062 5
DAFTAR PUSTAKA
V14 0.073064264 6 [1] Anhar. (2010). PHP & MySQL
V10 0.072094832 7 Secara Otodidak. Jakarta: PT.Transmedia.
[2] Arief, & Muhammad Rudianto.
V1 0.050877117 8
(2011). Pemrograman Web Dinamis
V7 0.049802888 9 Menggunakan PHP
V5 0.046504572 10 dan MYSQL. Yogyakarta: andi.
[3] Betha Sidik. (2012).
V11 0.046268904 11 Pemrograman Web dengan PHP.
V12 0.046161554 12 Bandung:
V4 0.045571324 13 Informatika.
[4] Buana, I. (2014). Jago
V16 0.043386658 14 pemrograman PHP. Bandung: Dunia
V13 0.043012523 15 Komputer.
V2 0.032697052 16 [5] Efraim Turban. (2005). Sistem
Pendukung Keputusan dan Sistem Cerdas.
Yogyakarta: Andi.
Berdasarkan tabel 11 di atas dapat
[6] Eko Hari Atmoko. (2012). Membuat
dilihat hasil perangkingan alternatif mulai
Sendiri CCTV Berkelas Enterprise.
dari alternatif yang memiliki nilai terbesar
Yogyakarta: Andi.
sampai dengan alternatif yang memiliki nilai
[7] Joko, T. (2013). Sistem Pendukung
terkecil. hasil dari proses WP untuk
Keputusan Pemiihan Kamera CCTV
perangkingan kamera CCTV, yaitu V15
Berdasarkan Kondisi dan
berada pada urutan pertama sebagai hasil
Lokasi Dengan
kamera CCTV dengan vektor 0.109728376.
Menggunakan Metode SAW.
Surabaya.
V. KESIMPULAN DAN SARAN
[8] Kusrini. (2007). Konsep dan
Penelitian yang dilakukan di
Aplikasi Sistem Pendukung Keputusan.
Hikvision Banjarmasin ini menghasilkan
Yogyakarta: Andi.
sebuah Aplikasi Sistem Pendukung
[9] Nur Arififah Syafitri, Sutardi, &
Keputusan Pemilihan Kamera CCTV
Anita Puspita Dewi. (2016). Penerapan
Menggunakan Metode Weighted Product.
Metode Weight Product
Dengan adanya Aplikasi ini maka
Dalam Sistem Pendukung
dapat ditarik kesimpulan bahwa, sistem yang
Keputusan Pemilihan Laptop
telah dirancang dapat mempermudah dan
memperlancar dalam pemilihan kamera
Sistem Pendukung Keputusan Pemilihan Kamera CCTV Menggunakan Metode WP
Jefry Wifesliko
6 ◼

Berbasis Web. Semantik, [12] Tri Pina Putri. (2016). Sistem

171. Pendukung Keputusan Pemilihan
[10] Paulus, N. (2013). Panduan Kamera DSLR
Lengkap Memilih, Menggunakan,dan menggunakan
Merawat Kamera DSLR. SAW. Yogyakarta:
Jakarta: Kawan Pustaka. Universitas Sanata
[11] Satwiko, P. (2005). Fisika Dharma.
Bangunan . Yogyakarta: Andi.