2.7 C C Sharp
C C Sharp merupakan sebuah bahasa pemrograman yang berorientasi objek yang dikembangkan oleh Microsoft sebagai bagian dari inisiatif kerangka
.NET Framework. Bahasa pemrograman ini dibuat berbasiskan bahasa C++ yang telah dipengaruhi oleh aspek-aspek ataupun fitur bahasa yang terdapat pada
bahasa-bahasa pemrograman lainnya seperti Java, Delphi, Visual Basic, dan lain- lain dengan beberapa penyederhanaan. Menurut standar ECMA-334 C
Language Specification, nama C terdiri atas sebuah huruf Latin C U+0043 yang diikuti oleh tanda pagar yang menandakan angka U+0023. Tanda pagar
yang digunakan memang bukan tanda kres dalam seni musik U+266F, dan tanda pagar U+0023 tersebut digunakan karena karakter kres dalam seni musik tidak
terdapat di dalam keyboard standar[21].
2.8 Black Box
Metode ujicoba blackbox memfokuskan pada keperluan fungsional dari software. Karna itu ujicoba blackbox memungkinkan pengembang software untuk
membuat himpunan kondisi input yang akan melatih seluruh syarat-syarat fungsional suatu program. Ujicoba blackbox bukan merupakan alternatif dari
ujicoba whitebox, tetapi merupakan pendekatan yang melengkapi untuk menemukan kesalahan lainnya, selain menggunakan metode whitebox[22].
Uji coba blackbox berusaha untuk menemukan kesalahan dalam beberapa kategori, diantaranya:
1. Fungsi-fungsi yang salah atau hilang 2. Kesalahan interface
3. Kesalahan dalam struktur data atau akses database eksternal 4. Kesalahan performa
5. kesalahan inisialisasi dan terminasi
2.9 Pengujian Confusion Matrix
Confusion matrix memberikan keputusan yang diperoleh dalam traning dan testing, confusion matrix memberikan penilaian performance klasifikasi
berdasarkan objek dengan benar atau salah. Confusion matrix berisi informasi aktualactual dan prediksipredicted pada sistem klasifikasi[23].
Tabel 2.1 Confusion Matrix 2 Kelas
Classification Predicted Class
Observed Class Class = Yes
Class = No Class = Yes
A true positif - tp B false negative - fn
Class = No C false positif - fp
D true negative - tn Keterangan:
a. True Positive tp = proporsi positif dalam data set yang diklasifikasikan positif. b. True Negative tn = proporsi negatif dalam data set yang diklasifikasikan
negatif. c. False Positive fp = proporsi negatif dalam data set yang diklasifikasikan
positif. d. False Negative fn = proporsi negatif dalam data set yang diklasifikasikan
negatif.
Tabel 2.2 Confusion Matrix 3 Kelas
Predicted Class Class 1
Class 2 Class 3
Actual Class Class 1
Class 11 Class 12
Class 13 Class 2
Class 21 Class 22
Class 23 Class 3
Class 31 Class 32
Class 33 Berikut adalah persamaan model confusion matrix untuk 3 kelas:
a. Nilai Akurasi
2.22 b.
Error Rate 2.23
Kategori