Detail Algoritma Pada Method di Kelas HalamanUtama

-batal1Button : JButton -daftarTableCombo : JComboBox -jDesktopPane1 : JDesktopPane -jLabel1 : JLabel -jLabel2 : JLabel -jPanel1 : JPanel -okPilihTabelButton : JButton con : DatabaseConnection +HalamanPilihTabelDatabaseConnection c, int db : constructor -batallButtonActionPerformedjava.awt.event.ActionEvent evt : void -daftarTabelint db : void -pilihTabel : void

4.5.4 Detail Algoritma Tiap Method Pada Tiap Kelas

4.5.6.1 Detail Algoritma Pada Method di Kelas HalamanUtama

Tabel 4.2 Tabel Kelas HalamanUtama Nama method Fungsi method Algoritma method pilihFile Menampilkan dialog untuk memilih file .xls atau .csv 1. Menampilkan dialog Open File 2. Jika file yang pilih berformat .xls , panggil method pilihXLS 3. Jika file yang pilih berformat .csv , panggil method pilihCSV 4. Jika file yang dipilih selain yang berformat .xls dan .csv, menampilkan pesan peringatan pilihXLSJfileChooser, String, String, String Membaca file dalam format .xls dan menampilkannya ke dalam tabel data 1. Membuat vector baru dengan nama columnNames dan data 2. Inisialisasi row = 0 3. Selama row sheet.getRows, ke langkah 4, jika tidak ke langkah 11 4. Membuat vector baru dengan nama rows 5. Inisialisasi column = 0 6. Selama column sheet.getColumn, ke langkah 6, jika tidak ke langkah 10 7. Jika row = 0, ke langkah 6, jika tidak ke langkah 7 8. Cell column, row dari file .xls ditambahkan ke vector columnNames. column++, lalu kembali ke langkah 6 9. Cell column, row dari file .xls ditambahkan ke vector rows. column++, lalu kembali ke langkah 6 10. Jika row = 0, maka rows ditambahkan ke vector data. Lalu row++ dan kembali ke langkah 3 11. Mengeset model tabel preprocess dengan nama kolom = vector columnNames dan data = vector data 12. Inisialisasi nilai i = 0 13. Selama i model.getColumnCount, ke langkah 13, jika tidak ke langkah 19 14. Inisialisasi nilai j = 0 15. Selama j model.getRowCount, ke langkah 15, jika tidak ke langkah 18 16. Jika i=0 ke langkah 16, jika i=0 ke langkah 17 17. Jika model.getValuej,0.isEmpty = true, i = model.getColumncount -1 lalu break, jika false j++ lalu ke langkah 14 18. Jika model.getValuej,i.isEmpty = true atau model.getValuej,i.matches pola = true atau model.getValuej,i. matches pola2= true, panggil HalamanMissingValues, i = model.getColumncount - 1 lalu break Jika false semua, j++ lalu kembali ke langkah 14 19. i++ lalu kembali ke langkah 12 20. Inisialisasi i = 0 21. Selama i model.getColumncount tambahkan nama kolom ke cb_table pilihCSVJfileChooser, String, String, String Membaca file dalam format .csv dan menampilkannya ke dalam tabel data 1. Membuat vector baru dengan nama columnNames dan data 2. Membaca baris pertama dari file .csv 3. Selama masih terdapat cell yg berisi nilai tertentu, menambahkan setiap nilai cell pada baris pertama ke vector columnNames. Jika tidak ke langkah 4 4. Selama masih ada baris selanjutnya, ke langkah 5 jika tidak ke langkah 6 5. Selama masih terdapat cell yg berisi nilai tertentu, menambahkan setiap nilai cell ke vector row. Jika tidak, row ditambahkan ke vector data lalu pindah ke baris berikutnya dan kembali ke langkah 4 6. Mengeset model tabel preprocess dengan nama kolom = vector columnNames dan data = vector data 7. Inisialisasi nilai i = 0 8. Selama i model.getColumnCount, ke langkah 8, jika tidak ke langkah 12 9. Inisialisasi nilai j = 0 10. Selama j model.getRowCount, ke langkah 10, jika tidak ke langkah 11 11. Jika model.getValuej,i.isEmpty = true atau model.getValuej,i.matches pola = true atau model.getValuej,i. matches pola2= true, panggil HalamanMissingValues, i = model.getColumncount - 1 lalu break Jika false semua, j++ lalu kembali ke langkah 9 12. i++ lalu kembali ke langkah 7 13. Inisialisasi i = 0 14. Selama i model.getColumncount tambahkan nama kolom ke cb_table tampilTabelBasisdata DatabaseConnection, String Membaca tabel dari basis data dan menampilkannya ke dalam tabel data 1. Mengambil tabel dari basis data dengan memaggil method displayTabledb.getConnectio n, namaTabel 2. Membuat vector columnName dan vector data 3. Inisialisasi i = 1 4. Selama i = columnCount, ambil nama kolom ke-i dari basis data dan ditambahkan ke columnName 5. Selama rs.next = true kerjakan langkah 6-8 6. Inisialisasi i = 1, buat vector data2 7. Selama i = columnCount, ambil data pada setiap baris di kolom ke-I dan ditambahkan ke data2 8. Tambahkan data2 ke dalam data, kembali ke langkah 5 9. Mengeset model tabel preprocess dengan nama kolom = vector columnNames dan data = vector data 10. Inisialisasi nilai i = 0 11. Selama i model.getColumnCount, ke langkah 12, jika tidak ke langkah 18 12. Inisialisasi nilai j = 0 13. Selama j model.getRowCount, ke langkah 14, jika tidak ke langkah 17 14. Jika i=0 ke langkah 15, jika i=0 ke langkah 16 15. Jika model.getValuej,0.isEmpty = true, i = model.getColumncount -1 lalu break, jika false j++ lalu ke langkah 13 16. Jika model.getValuej,i.isEmpty = true atau model.getValuej,i.matches pola = true atau model.getValuej,i. matches pola2= true, i = model.getColumncount - 1 lalu break Jika false semua, j++ lalu kembali ke langkah 13 17. i++ lalu kembali ke langkah 11 18. Inisialisasi i = 0 19. Selama i model.getColumncount tambahkan nama kolom ke cb_table cekAtribut String, ListString Mengecek nama- nama atribut yang akan dihapus berdasarkan tabel 1. Inisialisasi i = 0 2. Selama i hapus.size ke langkah 3, jika tidak ke atribut langkah 4 3. Jika hapus.geti.equalsx, kembalikan nilai true 4. Kembalikan nilai false cekAtribut2 String, Vector Mengecek nama- nama atribut yang tidak dihapus dari tabel data 1. Inisialisasi i = 0 2. Selama i kolom.size ke langkah 3, jika tidak ke langkah 4 3. Jika kolom.geti.equalsx, kembalikan nilai true 4. Kembalikan nilai false updateCellWidth JTable Mengatur lebar cell pada setiap kolom dari tabel data agar sesuai dengan ukuran karakter terpanjang 1. Memanggil method adjustRowSizest 2. Inisialisasi i = 0 3. Selama i t.getColumnCount panggil method adjustColumnSizest,i,2 adjustRowSizes JTable Mengatur ukuran baris pada tabel data 1. Inisialisasi row = 0 2. Selama row jTable.getRowCount ke langkah 3 3. maxHeight = 0 4. Inisialisasi column = 0 5. Selama column 6. jTable.getColumnCount, bandingkan tinggi baris ke- row , kolom ke-column dengan maxHeight lalu simpan nilai maksimum ke maxHeight 7. Tentukan tinggi baris ke-row dengan memanggil method jTable.setRowHeightrow, maxheight lalu kembali ke langkah 2 adjustColumnSizes JTable Mengatur ukuran kolom pada tabel data 1. Inisialisasi r = 0, lebar nama kolom = width = comp.getPreferredSize.widt h 2. Selama r table.getRowCount, lebar kolom pada baris ke-r = currentWidth lalu ambil nilai maksimum antara width dan currentWidth kemudian disimpan dalam width 3. Menentukan lebar kolom, col.setWidthwidth tandaiSemua Memberi tanda check pada semua nama atribut pada tabel atribut 1. Inisialisasi i = 0 2. Selama i cb.table.getRowCount, cb_table.setValueAttrue,i,1 batalTandai Menghapus tanda check pada semua nama atribut pada tabel atribut 1. Inisialisasi i = 0 2. Selama i cb.table.getRowCount, cb_table.setValueAtfalse,i,1 hapusAtribut Menghapus atribut pada tabel data sesuai dengan yang diberi tanda pada tabel atribut 1. Membuat list bernama hapus_atribut 2. Inisialisasi i = 0 3. Selama i cb_table.getRowCount, ke langkah 4 4. Jika cb_table.getValueAti,1.equa lstrue, tambahkan cb_table.getValueAti,0 ke dalam hapus_atribut 5. Membuat vector columnNames dan data 6. Inisialisasi i = 0 7. Selama i cb_table.getRowCount, ke langkah 8 8. Jika method cekAtributcb_table.getValue Ati,0, hapus_atribut mengembalikan nilai false maka cb_table.getValueAti,0 ditambahkan ke columnNames 9. Inisialisasi i = 0 10. Selama i row, buat vector rows lalu ke langkah 11 11. Inisialisasi j = 0 12. Selama j column, ke langkah 13 13. Jika method cekAtribut2model.getColum nNamej, columnNames mengembalikan nilai true maka model.getValueAti,j ditambahkan ke rows 14. rows ditambahkan ke data, kembali ke langkah 7 15. Mengeset model tabel preprocess dengan nama kolom = vector columnNames dan data = vector data distribusiAtribut Menampilkan distribusi atribut dari data yang ada di tabel data 1. Membuat list daftarAtribut untuk menampung nama- nama atribut 2. jumlahAtribut = preprocessTabel.getColumnC ount ā€“ 1 3. Inisialisasi i = 1 4. Selama i jumlahAtribut, tambahkan nama kolom ke-1 ke dalam daftarAtribut 5. Mengirim daftarAtribut dan preprocessTabel ke kelas HalamanDistribusiAtribut submitData Menyalin data tabel dan jumlah data dari tab Preprocess ke tab Deteksi outlier 1. Mengambil model dari preprocessTabel, preprocessTable.getModel, lalu menyimpannya dalam variabel model 2. Mengeset model deteksiOutlierTabel = model 3. Berpindah ke tab deteksi otulier dengan mengeset jTabbedPane1.setSelectedCo mponentpanelDeteksiOutlier , jTabbedPane1.setEnabledAt 1, true prosesData Mengirim data pada tabel data serta nilai D dan M untuk proses pencarian outlier 1. Membuat pattern untuk karakter angka danatau tanda titik yaitu pola = [0-9.] 2. Membuat pattern untuk karakter tanda titik yaitu pola2 = [.] 3. Jika jumDataField.getText.equal sā€œā€, menampilkan pesan bahwa data kosong 4. Jika isi field D danatau M lebih dari 0 karakter dan mengandung karakter selain yang ada pada pola dan pola2, tampilkan pesan bahwa nilai M dan D harus berupa bilangan bulat atau desimal 5. Jika isi field D danatau M tidak diisi, tampilkan pesan bahwa keduanya harus diisi 6. Jika langkah 3-4 bernilai false, panggil method tampilHasil deteksiOutlierTabel, m, d, jumDataField.getText, pathField.getText simpanHasil Menyimpan hasil deteksi outlier dalam bentuk file .txt atau .doc 1. Membuka dialog Save File 2. Membaca lokasi penyimpanan file fileChooser.getSelectedFile. getPath dan disimpan dalam variabel filename 3. Membaca format file yang dipilih fileChooser.getFileFilter.get Description dan disimpan dalam variabel extension 4. Jika extension = Microsoft Word .doc maka format file adalah .doc 5. Jika extension = Text Documents .txt maka format file adalah .txt 6. Mengambil teks dari text area hasilOutlierTextArea.getText lalu disimpan dalam hasil_text_area 7. Menampung tiap baris dalam hasil_text_area ke dalam array baca 8. Inisialisasi i = 0 9. Selama i baca.length, tulis baca ke-I ke dalam file

4.5.6.2 Detail Algoritma Pada Method di Kelas HalamanPilihDB

Dokumen yang terkait

Deteksi outlier menggunakan Algoritma Local Correlation Integral (LOCI) : studi kasus data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma.

0 0 258

Deteksi outlier menggunakan Algoritma Local Outlier Probability : studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma.

0 5 265

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

0 4 252

Deteksi Outlier menggunakan algoritma Naive Nested Loop : studi kasus data akademik mahasiswa Program Studi Teknik Informatika, Universitas Sanata Dharma, Yogyakarta.

2 3 236

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

1 8 250

Deteksi outlier menggunakan Algoritma Local Outlier Probability studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma

1 9 263

Deteksi Outlier menggunakan algoritma Block Based Nested Loop studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma

0 1 200

Deteksi outlier menggunakan Algoritma Local Correlation Integral (LOCI) studi kasus data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma

0 4 256

Deteksi outlier menggunakan algoritma local outlier factor : studi kasus data akademik mahasiswa TI Universitas Sanata Dharma - USD Repository

0 0 241

Deteksi Outlier menggunakan algoritma Naive Nested Loop : studi kasus data akademik mahasiswa Program Studi Teknik Informatika, Universitas Sanata Dharma, Yogyakarta - USD Repository

0 0 234