Pengujian Testing Analisa Kebutuhan Proses Perancangan Antar Muka Alat Uji

33

d. Pengkodean Coding

Pengkodean adalah tahap dimana perancangan diterjemahkan kedalam sebuah bahasa mesin pada komputer,kemudian menghasilkan sebuah alat uji yang digunakan untuk melihat apakah metode memiliki akurasi yang bagus atau tidak.

e. Pengujian Testing

Pada tahap terakhir adalah tahap pengujian untuk menguji apakah sistem uji ini sudah mampu memenuhi kebutuhan pengguna .

3.3 Analisa Kebutuhan Proses

Dalam penelitian ini terdapat 2 tahap penting yaitu pengelompokancluster dan pengujiantesting.Pengelompokan bertujuan untuk melihat apakah 3 peran sudah dapat dikelompokan dengan baik yang kemudian dari masing-masing peran diambil yang terbaik dengan menampilkan id sang pemain dan pengujian digunakan untuk menguji seberapa akurat metode yang digunakan dalam penilitian ini mampu mengelompokan data dengan baik. Proses pengujian dan pengelompokan dapat dilihat pada gambar diagram blok dibawah . 34 Gambar 3. 2 Diagram blok proses clustering Gambar 3. 3 Diagram blok proses perhitungan akurasi 35

3.4 Implementasi Perancangan

3.4.1 Diagram Konteks

Pada Gambar 3.6 di atas merupakan gambar diagram konteks atau bisa disebut juga sebagai data flow diagram level 0.Diagram ini merupakan level tertinggi dari data flow diagram .Diagram ini menjelaskan ruang linkgup dari sebuah alat uji yang akan dibangun.Terdapat salah satu proses besar pada diagram konteks tersebut yaitu proses clustering data pertandingan DOTA 2 dengan menggunakan Hierarchical Agglomerative Clustering.Pada diagram konteks terdepat seorang penggunaUser sebagai pemberi input saat memilih sebuah normalisasi dan metode clustering ,yang kemudian sistem akan menampilkan hasil cluster beserta dengan hasil akurasinya. Gambar 3. 5 Diagram konteks proses clustering 36

3.4.2 Data Flow Diagram Level 1

Gambar 3. 6 Diagram DFD level 1 Pada Gambar 3.7 di atas merupakan gambar data flow diagram level 1,diagram ini merupakan pecahan dari diagram konteks.terddepat user sebegai external entity,300 data peran pemain dari pertandingan DOTA 2. Proses pertama user memberikan pilihan dalam proses preprocesing yaitu akan menggunakan data asli ,normalisasi zscore atau normalisasi minmax setelah melakukan pilihan tersebut user juga akan memilih jenis metode cluster single- linkage,complete-linkage atau average-linkage. Proses kedua user hanya menekan tombol cluster dan simpan dengan otomatis sistem akan memproses cluster kemudian akan menampilkan hasil dari cluster dan akurasi dari cluster tersebut. 37

3.4.3 Data Flow Diagram level 2

DFD Level 2 no 1 Preprocessing Pada Gambar 3.8 di atas merupakan data flow diagram level 2 untuk proses preprocesing.Pada diagram di atas terdapat 3 proses yaitu proses pertama adalah menghitung normalisasi untuk zscore , kemudian yang kedua adalah menghitung normalisasi untuk minmax dan proses terakhir adalah data reduksi dengan menggunakan PCA.Setelah semua data melewati proses tersebut data disimpan dalam bentuk excel kemudian akan diproses pengelompokan dengan Hierarchical Agglomerative Clustering. Gambar 3. 7 Diagram DFD level 2 untuk preprocesing 38 DFD Level 2 no 2 Clustering dan Akurasi data pertandingan Pada Gambar 3.9 adalah proses akhir dari sebuah clustering dimana akan menampilkan hasil akurasi serta dendrogram.Terdapat 4 proses dalam data flow diagram level 2 untuk clustering dan akurasi.Yang pertama setelah melewati proses preprocesing kemudian data akan dihitung jarak antara data dengan metode perhitungan jarak euclidean distance .Proses kedua adalah menghitung cluster single-linkage dengan menggunakan matriks jarak yang sudah didapatkan . Proses ketiga adalah menghitung cluster complete-linkage dengan menggunakan matriks jarak yang sudah didapatkan. Proses ketiga adalah menghitung cluster average- Gambar 3. 8 Diagram DFD level 2 untuk clustering data 39 linkage dengan menggunakan matriks jarak yang sudah didapatkan.kemudian proses terakhir atau proses keempat adalah proses perhitungan akurasi dengan berdasarkan cluster yang terbentuk dan dendrogram yang terbentuk.

3.5 Penjelasan Proses

3.5.1 Baca Data

Setelah data dimasukan kedalam excel dan melewati tahap knowledge discovery in database data siap digunakan dalam proses selanjutnya yaitu pre- processing .Dalam sebuah pertandingan seorang Carry diwajibkan memiliki Gold-Per-Minute GPM yang tinggi karena dibutuhkan untuk membeli item atau barang yang menunjang kemenangan tim tersebut.

3.5.2 Pre-processing

Setelah data siap maka proses selanjutnya adalah melakukan preprocessing pada data.terdapat 2 tahap Pre-processing sebelum data digunakan yaitu transformasi data dengan Z-score dan MinMax terhadap 300 data pertandingan.Selain transformasi data juga akan diuji menggunakan PCAPrincipal component analysis untuk menguji apakah akurasi dapat lebih besar atau sebaliknya.Bagi yang memilkiki peran Carry NETWORTH menjadi sangat penting karena dalam tim Carry diwajibkan memiliki item progres yang cepat , kemudian seroang Carry juga harus memiliki LAST_HIT yang banyak dan juga KILL yang banyak. Sangat berbeda dengan yang berperan sebagai Support dan Hard-support dalam peran ini harus merelekan item mereka demi seorang Carry agar Carry menjadi kuat dengan kata lain Carry menjadi prioritas utama.Dalam data terdapat atribut DAMAGE dimana atribut ini sangat tidak berpengaruh terhadap proses cluster karena DAMAGE adalah besar serangan yang masuk kedalam musuh seroang Support bisa saja memiliki DAMAGE yang besar karena skill yang dia miliki oleh karena itu atribut ini menggunakan normalisasi [0-1] agar tidak merusak proses clustering data berdasarkan proses 40 dalam permainan.sedangkan NETWORTH ,GOLD_PER_MINUTE dan EXPERIENCE_PER_MINUTE menggunakan normalisasi [0-471] karena dari ketiga atribut itu sangat tergantung pada LAS_HIT .Berikut adalah tahap-tahap normalisasi : a Langkah-langkah function MinMax 1. Proses cut data pada data pertandingan DOTA 2 profesional 2016 pemotongan hanya pada atribut 4,8,9 dan 10. 2. Simpan data cut menjadi satu dalam bentuk excel dengan nama DATA_CUT_NORMALISASI.xlsx. 3. Kemudian membuat data yang tidak di-cut dalam proses di atas menjadi 1 dengan nama DATA_CUT_SISA_NORMALISASI.xlsx 4. Mengambil nilai dari data cut minmax ,kemudian menentukan nilai minimal dan maksimal yang baru untuk dipakai dalam perhitungan. 5. Menghitung rumus minmax yaitu minmax=dataAwalcut- nilai_max_baru nilai_max_baru - nilai_min_baru nilai_max- nilai_min+ nilai_max 6. Kemudian data hasil perhitungan dengan rumus tersebut digabungkan dengan data sisa hasil cut kemudian dijadikan menjadi satu file excel untuk diolah dengan nama DATA_FINAL_HASIL_NORMALISASI.xlsx b Zscore menggunkan fungsi pada matlab data zscore zscoredata=zscoredataAwal; c Langkah-Langkah Perhitungan PCA 1. membuat matriks x dengan cara mengurangi rata2 setiap dimensi pada matriks 2. menghitung nilai covarience dari matriks x PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 41 3. menghitung eigenvector dan eigenvalue dari covariance matrix. 4. Pilih komponen dan bentuk vector feature dan principal component dari eigenvector yang memiliki eigenvalue paling besar diambil decreasing order. 5. menurunkan satu set data baru 6. kemudian memasukan jumlah PCA yang digunakan dalam pemotongan data.

3.5.3 Pengukuran Jarak

Setelah proses Pre-processing selesai dilakukan langkah selanjutnya adalah pengukuran jarak dengan menggunakan salah satu metode yang ada.Seperti yang sudah dijelaskan sebelumnya dalam penelitian ini menggunakan Euclidean distance.

3.5.4 Clustering

Ssetelah mendapatkan data matriks dari hasil pengukuran jarak kemudian akan masuk kedalam tahap clustering atau pengelompokan untuk mengelompokan peran-peran berdasarkan data pertandingan yang sudah diproses.Data pertandingan akan diukur kemiripannya dengan agglomerative hierarchical clustering dengan metode single-linkagejarak minimum,Complete-linkagejarak maximum,Average-linkagejarak rata-rata.Dari hasil clustering yang telah Tabel 3. 21 contoh matrix data 42 terbentuk kemudian menggambarkan sebuah dendrogram agar sebuah cluster dapat terlihat dengan mudah akan masuk dalam kelompok mana saja. a. Single-linkage Pengukuran jarak menggunakan single-linkage adalah mengukur jarak minimal antara setiap elemen data.Dari matriks jarak di atas 3 dan 4 adalah jarak terdekat kemudian pasangkan objek 3 dan 4 menjadi 1 cluster dengan data minimal.Hasil jarak baru membentuk matriks jarak baru dan kemudian dilanjutkan hingga tersisa 1 cluster.hasil dendrogramnya sebagai berikut : b. Complete-linkage Pengukuran jarak menggunakan complete-linkage adalah mengukur jarak minimal antara setiap elemen data.Dari matriks jarak di atas 3 dan 4 adalah jarak terdekat kemudian pasangkan objek 3 dan 4 menjadi 1 cluster dengan data minimal.Hasil jarak baru membentuk matriks jarak baru dan kemudian dilanjutkan hingga tersisa 1 cluster.hasil dendrogramnya sebagai berikut : Gambar 3. 94 contoh dendrogram single-linkage 43 c. Average-linkage Pengukuran jarak menggunakan complete-linkage adalah mengukur jarak rata-rata antara setiap elemen data.Dari matriks jarak di atas 3 dan 4 adalah jarak terdekat kemudian pasangkan objek 3 dan 4 menjadi 1 cluster dengan data minimal.Hasil jarak baru membentuk matriks jarak baru dan kemudian dilanjutkan hingga tersisa 1 cluster.hasil dendrogramnya sebagai berikut : Gambar 3. 50 contoh dendrogram complete-linkage Gambar 3. 61 contoh dendrogram average-linkage 44

3.5.5 Perhitungan Akurasi Confusion Matrix

Setelah dendrogram ditampilkan selanjutnya adalah menguji apakah hasil clustering tersebut mendapatkan akurasi yang diinginkan atau tidak.Tabel perhitungan akurasi adalah sebuah tabel evaluasi cluster untuk mengetahui keakuratan agglomerative hierarchical clustering untuk mengelompokan peran pemain DOTA 2.Perhitungan ini membandingkan hasil pengelompokan denagn data asli , perlunya menghitung akurasi adalah untuk mengetahui seberapa bagus metode ini dapat mengelompokan peran pemain dengan baik. Tabel 3. 32 Tabel evaluasi confusion matrix Akurasi = X 100 = X 100 = 80 Cluster Peran 1 2 3 Carry 1 Hard-support 2 1 Support 1 45

3.6 Perancangan Antar Muka Alat Uji

Gambar 3. 14 User interface alat uji Dalam sebuah perancangan sistem atau membuat alat uji user interface sangat penting karena menghubungkan suatu sistem dengan pengguna ,dimana dalam sistem ditanamkan sebuah metode clustering agglomerative untuk menguji apakah metode ini baik dalam menemukan akurasi dengan data pertandingan DOTA 2 .Pada antar muka diatas terdapat 2 proses penting akan tetapi dijadikan menjadi 1 tombol dimana tombol cluster akan memproses cluster sekaligus mencari tingkat akurasi cluster Single-linkage,Complete-linkage dan juga Average-linkage .Berikut penjelasan check box dan tombol yang tersedia pada antar muka di atas : Tabel 3. 4 Penjelasan fungsi user interface alat uji No Nama Fungsi 1 Checkbox data asli Untuk menampilkan data asli dari data pertandingan DOTA 2 profesional 2016 2 Checkbox Z-score Untuk menampilkan data hasil normalisasi Z-score dari data PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 46 pertandingan DOTA 2 profesional 2016 3 Checkbox MinMax Untuk menampilkan data hasil normalisasi MinMax dari data pertandingan DOTA 2 profesional 2016 4 Checkbox Complete- linkage Untuk memilih jenis clustering dengan metode Complete-linkage 5 Checkbox Average-linkage Untuk memilih jenis clustering dengan metode Average-linkage 6 Checkbox single linkage Untuk memilih jenis clustering dengan metode single linkage 7 Checkbox PCA Untuk memilih akan menggunakan PCA atau tidak 8 Textfield PCA Memasukan jumlah pemotongan feature yang diingankan 9 Tabel data Menampilkan data agar dapat dilihat user 10 Graph hasil cluster Menampilkan dendrogram hasil dari clustering yang telah dipilih 11 Tabel confusion matrix Menampilkan hasil confusion matrix dari clustering 12 Tabel jumlah cluster Menampilkan jumlah setiap cluster 13 Kolom akurasi Menampilkan hasil akurasi dari sebuah cluster dengan menghitung hasil benar dibagi jumlah data 14 Graph perbandingan cluster Menampilkan hasil perbandingan cluster 1, 2 dan 3 15 Tombol cluster dan simpan Memproses cluster yang sudah di pilih normalisasi , metode clusterny dan menggunakan PCA atau tidak , serta menyimpan data kedalam txt 47 16 Submenu file 17 Submenu help

3.7 Spesifikasi Hardware dan Software