Pencarian Evaluasi Pengujian Perbandingan Hitung Manual

59

5.2.2 Pengujian Perbandingan Hasil Pencarian

Outlier Secara Manual dengan Hasil Pencarian Outlier menggunakan Perangkat Lunak 5.2.2.1. Pencarian Outlier Secara Manual Pengujian penghitungan manual menggunakan lima belas data sampel nilai Ujian Nasional UN, Indeks Integritas Ujian Nasional IIUN, dan Akreditasi SMA jurusan IPA Daerah Istimewa Yogyakarta tahun ajaran 20142015. Proses penghitungan manual dilakukan menggunakan aplikasi Microsoft Excel 2010. Dalam melakukan proses deteksi outlier secara manual menggunakan nilai variabel b sebesar 2, Alfa sebesar 70, dan Beta sebesar 3. Proses penghitungan manual terlampir pada lampiran 8.

5.2.2.2. Pencarian

Outlier menggunakan Perangkat Lunak Pengujian penghitungan perangkat lunak menggunakan data yang sama dengan data yang digunakan untuk melakukan penghitungan manual yaitu lima belas data sampel nilai Ujian Nasional UN, nilai Indeks Integritas Ujian Nasional IIUN, dan nilai Akreditasi SMA jurusan IPA Daerah Istimewa Yogyakarta tahun ajaran 20142015. Pencarian derajat outlier pada perangkat lunak menggunakan nilai b sebesar 2, Alfa sebesar 70, dan Beta sebesar 3. Hasil penghitungan perangkat lunak dapat dilihat pada gambar 5.6 dan 5.7 berikut. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 60 Gambar 5. 6 Hasil Penambangan Data menggunakan Perangkat Lunak Gambar 5. 7 Hasil Penambangan Data menggunakan Perangkat Lunak 61

5.2.2.3. Evaluasi Pengujian Perbandingan Hitung Manual

dengan Hasil Perangkat Lunak Hasil pencarian derajat outlier menggunakan penghitungan manual dan penghitungan perangkat lunak memiliki hasil yang sama, maka dapat disimpulkan bahwa perangkat lunak dapat berjalan dengan baik dan sesuai dengan yang diharapkan. 62 BAB VI ANALISIS HASIL DAN PEMBAHASAN 6.1. Dataset Pada penelitian ini memerlukan dataset yang digunakan untuk mengidentifikasi outlier . Dataset yang digunakan yaitu sebagai berikut. 1. Data nilai hasil Ujian Nasional, nilai Indeks Integritas Ujian Nasional, dan nilai Akreditasi SMA jurusan IPA di Daerah Istimewa Yogyakarta tahun ajaran 20142015. 2. Data nilai hasil Ujian Nasional, nilai Indeks Integritas Ujian Nasional, dan nilai Akreditasi SMA jurusan IPS di Daerah Istimewa Yogyakarta tahun ajaran 20142015. Proses deteksi outlier yang dilakukan dengan menggunakan variasi pada nilai b , Alfa , Beta, dan Threshold .

6.2. Hasil Identifikasi

Outlier

6.2.1. Hasil Identifikasi

Outlier Dataset Jurusan IPA Hasil identifikasi outlier pada jurusan IPA dilakukan dengan berbagai variasi mengenai nilai b , Alfa , Beta , dan Threshold . Hasil identifikasi outlier dengan nilai Threshold sebesar 7. Nilai variabel b, Alfa, dan Beta digunakan sebagai pembagian klaster besar dan kecil menggunakan persamaan rumus 2.1 dan rumus 2.2. 1. Nilai b = 1, Alfa = 20, dan Beta bervariasi Percobaan pertama pada dataset jurusan IPA menggunakan nilai b sebesar 1, Alfa sebesar 20, dan nilai Beta divariasi dengan beberapa nilai. Hasil percobaan dapat dilihat pada tabel 6.1 berikut.

Dokumen yang terkait

POBYE PENGARUH PENGALAMAN KERJA, INDEPENDENSI, OBYEKTIFITAS, INTEGRITAS, DAN KOMPETENSI TERHADAP KUALITAS HASIL PEMERIKSAAN DI INSPEKTORAT PROVINSI DAERAH ISTIMEWA YOGYAKARTA.

0 3 14

Penerapan algoritma MixCBLOF berbasis klaster untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas, dan akreditasi SMA di Daerah Istimewa Yogyakarta.

1 5 140

Penerapan algoritma apriori untuk analisis daya serap hasil ujian nasional matematika SMA jurusan IPA di Yogyakarta.

0 1 13

Penerapan algoritma apriori untuk analisis daya serap hasil ujian nasional mata pelajaran Matematika SMA jurusan IPA di Daerah Istimewa Yogyakarta.

0 12 206

Penerapan algoritma fp-growth untuk analisis pola asosiasi daya serap hasil jian nasional mata pelajaran Bahasa Indonesia SMA di Yogyakarta.

1 11 122

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma K-Means Clustering.

1 1 87

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma agglomerative hierarchical clustering.

11 55 123

Deteksi outlier untuk nilai ujian Sekolah Menengah Atas (Sma) menggunakan Algoritma Influenced Outlierness (INFLO).

0 1 373

Penerapan metode enhanced class outlier distance based untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas dan akreditasi sekolah menengah atas

1 6 143

Provinsi Daerah Istimewa Yogyakarta UU NO 13 2012

0 0 23