3.08 2.56 4.06 3.52 3.00 3.00 Y 3.52 3.01 3.01 Y 3.80 2.97 2.39 3.89 3.94 3.31 3.19 Y 3.63 2.70 2.91 3.21 BAB VI

05-026 7.89 4.80 4.05 4.05 3.65 5.32 N Y 02-014

7.21 4.91

4.26 4.38 4.36 4.38

Y Y 03-005 7.46 5.18 3.67 3.96 3.81 5.37 N Y 02-050 7.15 5.01 4.18 4.34 4.11 4.53 N N 03-017 7.60

4.53 4.42 4.25 3.33

5.08 Y

Y 04-054 7.72 5.20 3.59 3.74 3.75 5.20 N N 05-007 7.79 4.73 3.77 3.92 3.83 5.15 N N 05-025 7.76 5.16 3.82 3.39 3.86 5.16 N N 02-038 7.44 4.84 3.99 3.60 4.01 5.24 N N 04-005 7.28 5.10 3.31 4.07 3.83 5.21 N N 02-046 6.89 5.10 3.99 3.99 4.15 4.44 N N 01-051 7.08 4.77 4.04 4.19 3.91 4.33 N N 01-050 7.24

5.61 3.79 3.55 3.50

4.61 Y

Y 01-053 7.35 4.80 3.33 3.85 4.06 4.90 N N 01-010 6.90 4.65 3.31 3.81 4.19 5.25 N N 01-025 7.23 4.73 3.74 3.86 3.70 4.68 N N 04-016 7.31 4.53 3.73 3.64 3.86 4.86 N N 03-006 6.82 4.51 3.69 3.61 4.36 4.92 N N 02-013 6.95

4.00 3.56 3.28 4.09

5.69 Y

Y 01-011

6.67 5.17

3.79 3.90 3.62 4.16

Y Y 01-029 6.84 4.79 3.52 3.65 3.87 4.63 N N 02-012 6.70 4.70 3.27 3.88 3.57 5.11 N N 04-010 7.18 4.43 3.95 3.58 3.41 4.56 N N 02-008 6.87 4.78 3.11 3.51 3.80 4.89 N Y 04-009 7.45 4.43 3.54 3.31 3.54 4.69 N N 04-044 6.98 4.65 3.92 3.48 3.02 4.83 N Y 01-054 7.00 4.47 3.42 3.58 3.58 4.58 N N 02-034 7.50 4.20 3.41 3.09 3.78 4.56 N N 05-012 7.86

4.56 3.27 3.16 3.05

4.63 Y

Y 01-045

6.70 4.50

3.38 5.00 3.50 3.25

Y Y 04-014 7.16

3.80 3.20 3.43 3.84

4.66 Y

Y 04-060

7.31 4.19

3.63 2.77 3.67 4.39

Y Y 03-009 6.20

4.88 3.90 3.90 3.25

3.79 Y

Y 05-024 7.28 4.14 3.18 3.16 3.61 4.54 N N 02-044 7.56

4.52 3.00 2.65 3.35

4.80 Y

Y 01-043 7.09 4.53 3.20 3.11 3.37 4.43 N Y 04-028 7.16 4.09 3.16 3.29 3.53 4.46 N Y 01-026

6.59 4.43

2.92 4.12 3.23 4.28

Y Y 01-020 6.53 4.60 3.38 3.17 3.29 3.67 N Y 04-013

6.93 4.16

3.31 3.08 2.56 4.06

Y Y 01-019 6.38

4.10 3.52 3.00 3.00

4.04 Y

Y 02-031 6.69

3.57 3.52 3.01 3.01

3.92 Y

Y 05-008

6.82 3.80

3.25 2.97 2.39 3.89

Y Y 04-008 5.30

3.85 3.94 3.31 3.19

3.50 Y

Y 01-027

6.14 3.63

2.89 2.70 2.91 3.21

Y Y Berikut adalah hasil confusion matrix dari data nilai UN IPS 2014 : Table 6.15. Tabel Confusion Matrix Data Nilai UN IPS Tahun 2014 2014 UN IPS Nilai ‘k’ = 28 SISTEM Y N Total Precision P E N G G U N A Y 37 15 52 × = 71,15 N 17 90 107 × = 84,11 Total 54 105 159 Recall × = 68,52 × = 85,71 Accuracy = + + + + × = × = 79,87 Error Rate = + + + + × = × = 20,13 2014 UN IPS Nilai ‘k’ = 14 SISTEM Y N Total Precision P E N G G U N A Y 30 22 52 × = 57,69 N 29 78 107 × = 72,89 Total 59 100 159 Recall × = 50,85 × = 78 Accuracy = + + + + × = × = 67,92 Error Rate = + + + + × = × = 32,08 2014 UN IPS Nilai ‘k’ = 7 SISTEM Y N Total Precision P E N G G U N A Y 32 20 52 × = 61,54 N 36 71 107 × = 66,36 Total 68 91 159 Recall × = 47,06 × = 78,02 Accuracy = + + + + × = × = 64,78 Error Rate = + + + + × = × = 35,22 Berikut adalah rincian hasil deteksi outlier yang dihasilkan oleh sistem nilai ‘k’ = 28 dengan yang dideteksi secara manual oleh pengguna dari data nilai UN IPS 2014 : Table 6.16. Tabel Rincian Hasil Perbandingan Deteksi Sistem dan Pengguna Data Nilai UN IPS Tahun 2014 2014 UN IPS KODE SEKOLAH BIN BING MTK FSK KMA BIO TERDETEKSI SISTEM ? Y N TERDETEKSI PENGGUNA ? Y N 01-001 8.87 8.31 8.86 8.49 8.23 8.17 Y N 01-015 8.65 7.76 8.80 8.55 7.92 8.25 Y N 01-017 8.58 7.81 8.41 7.83 8.11 7.97 Y N 02-002 8.46 7.48 8.40 8.16 8.03 7.95 Y N 05-002 8.56

6.84 8.75 8.11 8.15

Dokumen yang terkait

PEMBANGUNAN SISTEM INFORMASI NILAI UNTUK SEKOLAH MENENGAH ATAS BERBASIS WEB PEMBANGUNAN SISTEM INFORMASI NILAI UNTUK SEKOLAH MENENGAH ATAS BERBASIS WEB.

0 2 12

Implementasi algoritma Partitioning Around Medoids (PAM) untuk pengelompokan Sekolah Menengah Atas di DIY berdasarkan nilai daya serap Ujian Nasional.

0 0 2

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma K-Means Clustering.

1 1 87

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma agglomerative hierarchical clustering.

11 55 123

Implementasi algoritma fuzzy c-means untuk pengelompokan sekolah menengah atas di diy berdasarkan nilai ujian nasional dan nilai sekolah.

2 16 145

Deteksi outlier menggunakan Algoritma Connectivity Based Outlier Factor : studi kasus data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma.

0 4 252

Penerapan metode enhanced class outlier distance based untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas dan akreditasi sekolah menengah atas

1 6 143

Implementasi algoritma Partitioning Around Medoids (PAM) untuk pengelompokan Sekolah Menengah Atas di DIY berdasarkan nilai daya serap Ujian Nasional

7 43 133

Pemahaman Nilai-Nilai Kewirausahaan Dalam Menulis Naskah Drama Untuk Sekolah Menengah Atas (SMA) Dengan Menggunakan Model Peralihan Konsep

0 4 8

IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING

0 0 6