Proses Sistem Output Sistem

4.2.5 Proses Sistem

Setelah data dimasukkan dan dilakukan pemrosesan data. Proses yang terjadi pada sistem deteksi outlier adalah : 1. Pengambilan Data Pada tahap ini mengambil data sesuai pilihan user, dapat berupa data yang disimpan dalam bentuk file excel .xls, .csv atau mengambil data pada tabel dalam database dan selanjutnya ditampilkan pada tabel view . Setelah itu user melakukan seleksi atribut untuk melakukan proses deteksi outlier . 2. Perhitungan Jarak Obyek Data Setelah menyeleksi atribut dari data yang dimasukkan, selanjutnya melakukan perhitungan jarak antar obyek data menggunakan rumus eucliedean distance . Sehingga diperoleh jarak satu obyek dengan obyek yang lainnya. Perhitungan jarak memakai iterasi sebanyak jumlah data yang dimasukkan. 3. Pencarian Outlier berdasarkan parameter k dan lamda  Pada tahap ini dilakukan proses pencarian outlier dengan menggunakan algoritma local outlier probability . Sistem menerima input parameter k dan  . Dimana k adalah jumlah maksimum tetangga yang terdekat dengan obyek. Sedangkan inputan  adalah untuk normalization factor yang memberikan kontrol atas perkiraan kepadatan. Proses umum yang ada pada sistem pendeteksi outlier menggunakan algoritma Local Outlier Probability dapat dilihat di lampiran 4 dalam tugas akhir ini.

4.2.6 Output Sistem

Sistem yang dibuat merupakan sistem yang dapat mendeteksi adanya outlier dalam suatu data beserta atribut yang dimiliki data tersebut. berikut ini adalah keluaran yang dihasilkan sistem : 1. Proses input akan menampilkan : a. Sampel data yang akan dideteksi, beserta jumlah data baris dan jumlah atributnya. b. Daftar atribut yang akan dipakai untuk proses deteksi. 2. Proses deteksi outlier akan menampilkan : a. Hasil outlier untuk setiap data yang diuji beserta nilai atribut yang dimiliki. b. Parameter k dan  yang digunakan dalam perhitungan algoritma Local Outlier Probability . c. Jumlah data. d. Jumlah outlier. e. Lama deteksi outlier. f. Label serta derajat LoOP yang bertujuan untuk memberikan peringkat outlier dari yang nilai LoOP paling tinggi ke nilai LoOP paling rendah. g. Ranking outlier.

4.3 Perancangan Sistem

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