Implementasi Antarmuka Halaman Awal Implementasi Antarmuka Halaman Utama

86

BAB V IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang implementasi sistem deteksi outlier menggunakan algoritma Local Outlier Probability. Sistem ini dibuat sesuai dengan perancangan sistem sesuai dengan yang dicantumkan pada bab IV. Implementasi aplikasi ini menggunakan bahasa pemrograman Java menggunakan aplikasi pemrograman Netbeans IDE 6.9.1 pada computer dengan spesifikasi prosesor Intel® Core™2 Duo CPU T6500 2.10 GHz 2.10 GHz, RAM 4GB dan hardisk 500 GB.

5.1 Implementasi Antarmuka

Sistem Deteksi Outlier menggunakan algoritma Local Outlier Probability telah diimplementasikan menjadi sebuah aplikasi java yang siap digunakan. Berikut ini merupakan detail dari implementasi antarmuka dari sistem terkait :

5.1.1 Implementasi Antarmuka Halaman Awal

Halaman awal adalah halaman pertama ketika menjalankan sistem. Pada halaman awal terdapa t button “simpan” dan apabila diklik akan memasuki halaman utama. Gambar 5.1 merupakan implementasi dari halaman awal. Gambar 5.1 Implementasi halaman awal

5.1.2 Implementasi Antarmuka Halaman Utama

Pada halaman utama sistem menampilkan button tentang jika diklik akan memasuki halaman tentang, button bantuan jika diklik akan memasuki halaman bantuan, button keluar jika diklik akan muncul dialog box konfirmasi keluar untuk keluar dari sistem. Pada halaman utama tersedia 2 tabbed pane yaitu tab preprocessing dan tab deteksi outlier . Gambar 5.2 merupakan implementasi dari halaman utama. Gambar 5.2 Implementasi halaman utama tab preprocessing Tab preprocessing berfungsi untuk melakukan proses preprocessing pada data mining, yaitu proses input data lalu seleksi atribut. Pada tab ini pengguna dapat menginput data berupa excel dan basisdata. Ketika pengguna mengklik button “pilih file” maka sistem akan menjalankan halaman pilih file yang berupa JFileChooser . Pengguna dapat menginput file excel dengan tipe .xls dan .csv. Gambar 5.3 merupakan implementasi dari JFileChooser . Gambar 5.3 Implementasi JFileChooser Setelah memilih file , maka sistem akan menampilkan data tersebut ke dalam jTable . Proses input data dapat dilihat pada Gambar 5.4 di bawah ini : Gambar 5.4 Proses input data Setelah itu melakukan seleksi atribut dengan memilih atribut yang akan dihapus. Sistem dapat menghapus lebih dari 1 atribut. Seleksi atribut dapat dilihat pada Gambar 5.5 di bawah ini : Gambar 5.5 Implementasi seleksi atribut Setelah sistem selesai melakukan seleksi atribut, maka selanjutnya adalah proses deteksi outlier . Dengan menekan button submt maka sistem akan memasuki tab deteksi outlier . Gambar 5.6 merupakan implementasi dari halaman awal pda tab deteksi outlier . Gambar 5.6 Implementasi halaman utama tab deteksi o utlier Pada tab deteksi outlier terdapat text field untuk masukan parameter k dan lamda. Setelah pengguna menginputkan parameter, pengguna harus menekan button proses untuk memulai proses deteksi. Setelah itu hasil deteksi akan ditampilkan dalam tabel hasil deteksi. Gambar 5.7 merupakan tampilan hasil deteksi outlier . Gambar 5.7 Tampilan hasil deteksi outlier Sistem dapat membatasi hasil outlier dengan cara menginputkan nilai textfield batas outlier . Gambar 5.8 merupakan tampilan hasil seleksi LoOP. Gambar 5.8 Tampilan hasil seleksi LoOP Sistem mampu menyimpan hasil deteksi outlier . Pengguna menekan button simpan lalu pengguna memilih lokasi penyimpanan, menginput nama file dan ekstensi file. Maka sistem berhasil menyimpan hasil deteksi outlier . Gambar 5.9 Tampilan save dialog

5.1.3 Implementasi Antarmuka Halaman Pilih

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 Block-Based Nested-Loop : studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma.

0 2 202

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 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