agar hasil deteksi outlier
dapat di
tampilkan ke dalam tabel.
2. Membuat atribut dl dengan tipe
DataLoci. 3.
Mengecek apakah nilai Mdef lebih besar dari nilai Komdef dengan cara
memanggil method getMdef dan getKomdef.
4. Jika ya, membuat obyek baru
dengan nama dl untuk mengeset label, mdef, dan komdef dengan
memanggil method
getLabel, getMdef, dan getKomdef.
5. Menambahkan obyek dl kedalam
ListDataLoci. 6.
Membuat obyek
dari LociTabelModel dengan nama ltm.
7. Mengembalikan ltm.
4. Rincian
Algrotima pada
Method di
Kelas CheckBoxTableModel.
Nama
Method
Fungsi
Method
Algoritma
Method
addint a,
SeleksiAtribut field_m
Menambah data ke dalam
CheckBoxTableMode. 1.
Membaca parameter a dan field_m. 2.
Menambahkan nilai field_m sebagai data di index ke-a ke dalam list.
removeRow Menghapus
atribut yang di hapus dari
tabel seleksi atribut. 1.
Membuat ArrayList
bertipe SeleksiAtribut dengan nama sa.
2. Selama select kurang dari list maka
di cek apakah atribut tersebut telah dipilih. Jika ya maka nilai select
ditambahkan pada ArrayList sa. 3.
Mengeset list = sa.
5. Rincian Algrotima pada Method di Kelas HalamanUtama.
Nama
Method
Fungsi
Method
Algoritma
Method
pilihFile Untuk memilih file
bertipe .
xls
atau .
csv
. 1.
Menampilkan kotak dialog
Open File
. 2.
namaFile menangkap nama file terpilih.
3. Cut_namaFile
= namaFile.split\\.
4. Jika cut_namafile adalah .
xls
maka jalankan langkah pada tabel pilih .
xls
5. Jika cut_namafile adalah .
csv
maka jalankan langkah pada tabel pilih .
csv
6. Jika buka .
xls
dan .
csv
maka menampilkan pesan peringatan.
pilihDataBaseKoneks iDataBase kdb, String
table Untuk
memasukkan data
dari tabel
basisdata. 1.
Mengambil isi tabel dari basis data melalui
method selectTable
kdb.getConnection, table. 2.
Membuat vector
baru columnName dan data.
3. Selama i = 1, dan i kurang dari
sama dengan columnCount maka columnName diisi dengan nama
kolom ke i yang didapat dari basisdata
melalui method
getColumnName.
4. Selama rset.next benar maka buat
vector data2 diisi dengan baris di kolom ke i.
5. Tambahkan data2 ke dalam data.
6. Selama i = 1 dan i kurang dari
sama dengan columnCount maka data2 diisi dengan data pada setiap
baris di kolom ke i. 7.
Tambahkan data2 ke dalam data. 8.
Selama i = 0 dan i kurang dari model.getColumnCount, membuat
obyek seleksiAtribut kemudian memanggil
method setAtribut
untuk memanggil columnName. 9.
Memanggil setPilihfalse. 10.
Menambahkan seleksiAtribut
kedalam cexboxtable. 11.
Atur tabel dataPreprocessTable. hapusAtribut
Menghapus atribut
tabel data
sesuai atribut yang dipilih
pengguna. 1.
Selama i = 0 dan i kurang dari jumlah baris seleksiTable.
2. Jika seleksiTable.getValueAti,
1.equalstrue maka cek apakah nilai ke i dari seleksiTable berisi
nama kolom
pada dataPreprocessTable.
3. Membuat variabel tcol1 dengan
inisialisasi nilai
dataPreprocessTable.getColumnM odel.getColumnj.
4. Membuat variabel tcol 2 dengan
inisialisasi nilai
dataOutlierTable.getColumnMode l.getColumnj.
5. Hapus
kolom pada
dataPreprocessTable. 6.
Hapus kolom
pada dataOutlierTable.
7. Hapus baris pada cekboxtable.
submitData Memasukkan
data pada tabel data pada
tab Preprocessing dan tab Deteksi
Outlier
. 1.
Membuat varaibel tableModel dengan mengambil model dari
tabel dataPreprocessTable. 2.
Mengeset dataOutlierTable
dengan tablemodel. 3.
Mengeset dataOutlierTable.setAutoCreateR
owSortertrue. 4.
Menampilkan tabel pada tabel Deteksi pada tabbed pane Deteksi
Outlier dengan
jTabbedPane1.setSelectedCompo nentdeteksiPanel
dan jTabbedPane1.setEnabledAt1,
true; prosesDeteksi
Menerima input
radius
dan
alpha
untuk proses deteksi
outlier
. 1.
Jika nilai
radius
kosong akan menampilkan pesan “Nilai radius
tidak boleh kosong ”, lakukan
pengisian ulang
parameter tersebut.
2. Jika nilai
alpha
kosong akan menampilkan pesan “Nilai alpha
tidak boleh kosong ”, lakukan
pengisian ulang
parameter tersebut.
3. Jika nilai
konstanta
kosong akan menampilkan
pesan “Nilai
konstanta tidak boleh kosong ”,
lakukan pengisian ulang parameter tersebut.
4. Membuat variabel t1 bertipe long.
5. Jika nilai
radius
,
alpha
, dan
konstanta
terisi, maka cek apakah nilai
radius
lebih besar dari 0, nilai
alpha
lebih besar dari 0, nilai
alpha
kurang dari sama dengan 1, dan nilai
konstanta
bilangan bulat positif lebih besar dari 0.
6. Jika tidak akan menampilkan
pesan “Nilai radius harus bilangan real + \n + nilai alpha antara 0-
1 + \n + dan nilai konstanta harus bilangan bulat positif 0.
7. Jika ya buat obyek baru dengan
nama graph
dan memanggil
jumlah baris
pada dataOutlierTable.
8. Mengeset radius.
9. Mengeset alpha.
10. Mengeset konstanta.
11. Memanggil method inputData ke
dalam dataOutlierTable. 12.
Memanggil method
tampilJarakEuclidean.
13. Memanggil
method tampilRNeighbor.
14. Memanggil
method tampilARNeighbor.
15. Memanggil method cariLoci.
16. Mengeset
HasilOutlierTable dengan mengeset model untuk
setDataLocidataOutlierTable.get ColumnName0.
17. Membuat variabel t2 bertipe long.
18. Menghitung waktu proses deteksi
dengan rumus t2 - t1 java.lang.Math.pow10, -9 dan
menampilkan pada
lamaDeteksiTextField. simpanLoci
Untuk menyimpan
hasil deteksi
outlier
ke dalam file .
xls
, .
doc
, atau .
txt
. 1.
Membuat obyek fileChooser. 2.
Membaca lokasi penyimpanan file dan disimpan dalam variabel
filename. 3.
Membaca format file yang dipilih pengguna
dengan fileChooser.getFileFilter.getDes
cription kemudian ditampung dalam variabel ext.
4. Jika ext = Microsoft Excel .xls
maka format yang dipilih adalah .
xls
. 5.
Membuat variabel model dengan memanggil
model pada
HasilOutlierTable.
6. Membuat obyek excel yang bertipe
FileWriter. 7.
Jika i = 0 dan i kurang dari jumlah kolom, maka memanggil method
write yang
berisi model.getColumnNamei.
8. Jika i = 0 dan i kurang dari jumlah
baris, jika j = 0 dan j kurang dari jumlah kolom, maka memanggil
method write
yang berisi
model.getValueAti, j.toString. 9.
Excel.close. 10.
Jika ext = Microsoft Word .doc maka format yang dipilih adalah
.
doc
. 11.
Membuat obyek bfw yang bertipe BufferedWriter.
12. Jika i = 0 dan i kurang dari jumlah
kolom, HasilOutlierTable maka memanggil method write yang
berisi HasilOutlierTable.getColumnNam
ei. 13.
Jika i = 0 dan i kurang dari jumlah baris HasilOutlierTable, jika j = 0
dan j kurang dari jumlah kolom HasilOutlierTable,
maka memanggil method write yang
berisi HasilOutlierTable.getValueAti,
j.toString.
14. bfw.close;
15. Jika ext = Text Documents
.txt maka format yang dipilih adalah .
txt
. 16.
Membuat obyek bfw yang bertipe BufferedWriter.
17. Jika i = 0 dan i kurang dari jumlah
kolom, HasilOutlierTable maka memanggil method write yang
berisi HasilOutlierTable.getColumnNam
ei. 18.
Jika i = 0 dan i kurang dari jumlah baris HasilOutlierTable, jika j = 0
dan j kurang dari jumlah kolom HasilOutlierTable,
maka memanggil method write yang
berisi HasilOutlierTable.getValueAti,
j.toString. 19.
bfw.close; 20.
Jika proses simpan gagal akan menampilkan
pesan “Penyimpanan Gagal”.
21. Jika proses simpan berhasil akan
mnampilkan pesan “Hasil Deteksi Outlier Telah Berhasil Disimpan”.
4.4 Perancangan Struktur Data