Kesimpulan Hasil Pengujian Hasil Pengujian Validitas dan

4. Kesimpulan Hasil Pengujian

Review dan Validitas oleh Pengguna 1. Dari pengujian data akademik mahasiswa 2007-2008 jalur tes didapat hasil sebagai berikut : a. Pada semester 1 terdapat 3 mahasiswa yang dinyatakan sebagai outlier. Mahasiswa tersebut adalah mahasiswa dengan nomor 28, 27, dan 58. Mahasiswa nomor 28 dinyatakan sebagai outlier karena memiliki nilai IPS 1 dan nilai tes yang sangat rendah. Mahasiswa dengan nomor 27 dinyatakan sebagai outlier karena memiliki nilai IPS 1 yang sangat tinggi dan nilai tes yang cenderung rendah. Mahasiswa nomor 58 dinyatakan sebagai outlier karena memiliki nilai IPS 1 dan nilai tes yang cenderung rendah. b. Pada semester 2 mahasiswa outlier sebanyak 2 orang yaitu mahasiswa nomor 28 dan 26. Mahasiswa nomor 28 masih tetap dinyatakan sebagai outlier karena memiliki nilai IPS 2 yang cenderung rendah dan nilai tes yang sangat rendah. Sedangkan mahasiswa dengan nomor 26 dinyatakan sebagai outlier karena memiliki nilai IPS 2 yang cenderung rendah dan nilai tes yang cenderung tinggi. c. Pada semester 3, mahasiswa yang dinyatakan sebagai outlier sebanyak 3 orang yaitu mahasiswa nomor 28, 74, dan 50. Mahasiswa nomor 28 masih tetap dinyatakan sebagai outlier karena memiliki nilai IPS 3 dan nilai tes yang sangat rendah. Mahasiswa dengan nomor 74 dinyatakan sebagai outlier karena memiliki nilai IPS 3 yang sangat rendah dan nilai tes yang cenderung tinggi. Mahasiswa dengan nomor 50 dinyatakan sebagai outlier karena memiliki nilai IPS 3 yang sangat rendah dan nilai tes yang cenderung rendah. d. Pada semester 4 mahasiswa yang dinyatakan sebagai outlier ada 1 orang yaitu mahasiswa nomor 28. Mahasiswa ini ditetapkan menjadi outlier selama 4 semester ini. Mahasiswa ini memiliki nilai IPS 4 yang rendah dan nilai tes yang cenderung rendah. 2. Dari pengujian data akademik mahasiswa 2007-2008 jalur prestasi didapat hasil sebagai berikut : a. Pada perhitungan semester 1 ditemukan mahasiswa outlier sebanyak 2 orang yaitu mahasiswa dengan nomor 76 dan 109. Mahasiswa dengan nomor 76 dinyatakan sebagai outlier karena memiliki nilai IPS 1 yang sangat rendah dan nilai final yang rendah. Kemudian mahasiswa dengan nomor 109 dinyatakan sebagai outlier karena memiliki nilai IPS 1 yang cenderung rendah dan nilai final yang cenderung tinggi. b. Pada semester 2, terdapat 5 mahasiswa outlier yaitu mahasiswa dengan nomor 17, 124, 86, 94, dan 107. Mahasiswa nomor 17 dan 124 ditetapkan sebagai outlier karena memiliki nilai IPS 2 yang sangat rendah dan nilai final yang rendah. Mahasiswa dengan nomor 86 dinyatakan sebagai outlier karena memiliki nilai IPS 2 yang rendah dan nilai final yang cenderung tinggi. Mahasiswa dengan nomor 94 dinyatakan sebagai outlier karena memiliki nilai IPS 2 dan nilai final yang rendah. Mahasiswa dengan nomor 107 dinyatakan sebagai outlier karena memiliki nilai IPS 2 yang sangat tinggi dan nilai final yang cenderung tinggi. c. Pada semester 3 terdapat 1 mahasiswa outlier yaitu mahasiswa dengan nomor 17. Mahasiswa nomor 17 masih dinyatakan sebagai outlier karena memiliki nilai IPS 3 yang sangat rendah dan nilai final yang rendah. d. Pada semester 4 terdapat 5 mahasiswa outlier yaitu mahasiswa dengan nomor 88, 94, 107, 98, dan 89. Mahasiswa dengan nomor 88 dan 94 dinyatakan sebagai outlier karena memiliki nilai IPS 4 yang rendah dan nilai final yang cenderung rendah. Mahasiswa dengan nomor 107 dan 98 dinyatakan sebagai outlier karena memiliki nilai IPS 4 dan nilai final yang cenderung tinggi. Mahasiswa dengan nomor 89 dinyatakan sebagai outlier karena memiliki nilai IPS 4 yang sangat tinggi tetapi nilai final rendah. 3. Dari pengujian data akademik mahasiswa 2007-2008 jalur prestasi dan jalur tes didapat hasil sebagai berikut : a. Pada semester 1 terdapat 5 mahasiswa outlier yaitu mahasiswa dengan nomor 28, 27, 76, 58, dan 109. Mahasiswa dengan nomor 28, 27 dan 58 merupakan mahasiswa yang telah ditetapkan sebagai outlier pada pengujian sebelumnya yaitu ketika pengujian jalur tes. Sedangkan mahasiswa nomor 76 dan 109 telah ditetapkan sebagai outlier pada pengujian sebelumnya yaitu ketika pengujian jalur prestasi. Mahasiswa nomor 28 merupakan mahasiswa outlier kuat karena memiliki nilai IPS1 dan nilai final yang rendah sehingga nilai LoOPnya tinggi yaitu 0,9945. Mahasiswa dengan nomor 27 berpotensi menjadi outlier karena memiliki nilai IPS 1 yang lebih tinggi dari yang lainnya dan nilai final yang cenderung rendah. Mahasiswa dengan nomor 76 dan 58 dinyatakan sebagai outlier karena memiliki nilai IPS 1 dan nilai final yang cenderung rendah. Mahasiswa dengan nomor 109 dinyatakan sebagai outlier karena memiliki nilai IPS 1 dan nilai final yang cenderung tinggi. b. Pada semester 2, ditemukan 6 mahasiswa outlier yaitu mahasiswa dengan nomor 28, 86, 124, 107, 58 dan 17. Mahasiswa nomor 28 dan 58 telah ditetapkan sebagai outlier pada pengujian sebelumnya. Mahasiswa nomor 28 masih sebagai outlier terkuat dengan nilai LoOP yang tinggi. Mahasiswa nomor 86 dan 58 dinyatakan sebagai outlier karena memiliki nilai IPS 2 yang cenderung tinggi dan nilai final yang cenderung rendah. Mahasiswa nomor 124 dan 107 dinyatakan sebagai outlier karena memiliki nilai IPS 2 yang cenderung rendah dan nilai final yang cenderung tinggi. Mahasiswa dengan nomor 17 dinyatakan sebagai outlier karena memiliki nilai IPS 2 dan nilai final yang cenderung rendah. c. Pada semester 3 mahasiswa yang berpotensi sebagai outlier ada 7 orang yaitu 28, 74, 58, 72, 50, 109, dan 55. Mahasiswa dengan nomor 28, 74, dan 50 telah dinyatakan sebagai outlier pada pengujian data jalur tes. Mahasiswa nomor 58, 72 dan 55 tidak menjadi outlier pada pengujian sebelumnya namun pada penggabungan data, mahasiswa ini memiliki derajat LoOP yang tinggi sehingga masuk menjadi outlier. Mahasiswa dengan nomor 109 pada pengujian sebelumnya tidak dinyatakan sebagai outlier di semester 3. Tetapi pada proses penggabungan data ini membuat mahasiswa 109 memiliki peningkatan LoOP sehingga tergolong menjadi mahasiswa outlier. d. Pada semester 4, mahasiswa yang berpotensi sebagai outlier ada 6 yaitu mahasiswa nomor 28, 58, 107, 89, 98, dan 27. Mahasiswa nomor 28 masih ditetapkan sebagai outlier pada pengujian sebelumnya dan pada pengujian ini karena memiliki derajat LoOP yang sangat tinggi. Mahasiswa dengan nomo 58 dan 27 pada pengujian jalur prestasi di semester 4 tidak dinyatakan sebagai mahasiswa outlier tetapi pada pengujian ini membuat mahasiswa tersebut mengalami peningkatan LoOP sehingga menjadi mahasiswa outlier. Mahasiswa dengan nomor 107, 89, dan 98 pada pengujian sebelumnya telah ditetapkan sebagai outlier dan pada pengujian ini masih menjadi outlier karena tingginya nilai derajat LoOP. 4. Dalam pengujian di atas, setiap semester menghasilkan hasil yang berbeda jumlah outlier, anggota outlier dan derajat LoOP. 5. Ketika data pengujian digabung, data hasil outlier menjadi berbeda dengan data pengujian saat dipisah. Sebagian besar hasil outlier nya sama, namun terkadang terdapat mahasiswa yang tadinya tidak memiliki nilai LOF yang tinggi, namun pada saat digabung memiliki nilai LOF yang cenderung tinggi. Hal itu terjadi karena pertambahan jumlah data dan perbedaan penggunaan atribut. 6. Dari hasil review dan analisa oleh Kaprodi Teknik Informatika, hasil deteksi outlier di atas sudah di verifikasi bahwa data di atas benar-benar termasuk mahasiswa outlier. Sehingga menurut Kaprodi, data hasil deteksi outlier tersebut diterima sebagai outlier.

6.2 Kelebihan dan Kekurangan Sistem

Sistem pendeteksi outlier ini memiliki kelebihan dan kekurangan sebagai berikut :

6.2.1 Kelebihan Sistem

Kelebihan Sistem Deteksi Outlier menggunakan Algoritma Local Outlier Probability adalah : 1. Sistem ini mampu menerima inputan data berupa file .xls, .csv, dan data tabel dari basis data Oracle atau MySql.

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