DATA MASTER & NILAI EVALUASI
Matriks Keputusan Awal & Rubrik Kriteria
Halaman ini menyajikan data acuan evaluasi teknis yang diambil dari sintesis penelitian terdahulu (David 2022, Di Angelo & Salzer 2019, Rameder et al. 2022) dan taksonomi DASP Top 10. Data ini menjadi nilai dasar (Matriks Keputusan X) sebelum dinormalisasi oleh algoritma SAW.
Tabel 4.4 Matriks Keputusan Awal Nilai Kinerja Alternatif (X)
Skala penilaian berkisar antara 0 sampai dengan 3 sesuai rubrik subkriteria.
| Kode | Alternatif Tools | C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 | C9 | C10 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| A1 | Conkas | 2 | 3 | 0 | 2 | 3 | 2 | 2 | 2 | 1 | 3 |
| A2 | Manticore | 2 | 2 | 3 | 2 | 2 | 2 | 3 | 3 | 2 | 3 |
| A3 | teEther | 3 | 2 | 3 | 1 | 2 | 1 | 2 | 2 | 0 | 2 |
| A4 | Mythril | 2 | 2 | 0 | 2 | 3 | 2 | 2 | 3 | 1 | 3 |
| A5 | Slither | 2 | 2 | 0 | 1 | 2 | 2 | 3 | 3 | 2 | 3 |
Tabel 4.3 Rubrik Penilaian 10 Subkriteria
Pedoman konversi karakteristik teknis tools ke dalam bobot numerik 0 s.d 3.
Metodologi pengujian keamanan kode (analisis statis atau dinamis).
Tingkat representasi kode masukan yang dapat dianalisis (Solidity source code atau EVM bytecode).
Kemampuan melakukan pemindaian banyak kontrak pintar sekaligus secara otomatis (bulk/multithreading).
Teknik deteksi kerentanan yang diterapkan (Symbolic Execution, Constraint Solving, Data Dependency, dll).
Kemampuan mengonversi kode ke bentuk representasi lain (Disassembly, Decompilation, AST, CFG).
Jumlah jenis kerentanan menurut taksonomi DASP Top 10 yang mampu dideteksi oleh tool.
Kemudahan pengintegrasian tool ke alur CI/CD, framework testing, atau pipeline otomasi.
Stabilitas penanganan kesalahan (error handling) saat memproses kontrak yang kompleks.
Ketersediaan ragam antarmuka bagi pengguna (CLI, GUI, maupun Python API).
Kelengkapan dokumentasi instalasi dan ketersediaan paket siap pakai (pip, Docker).