Tampilan Program Analisis Perbandingan Proses Cluster Menggunakan K- Means Clustering dan K-Nearest Neighbor pada Penyakit Diabetes Mellitus

pemrograman yang digunakan, dan MySQL sebagai software untuk server database . d. Mozilla Firefox 3.5+ untuk menjalankan program yang telah dirancang.

4.2.3. Unsur Manusia Brainware

Brainware merupakan faktor manusia yang menangani fasilitas komputer yang ada. Faktor manusia yang dimaksud adalah orang-orang yang memiliki bagian untuk menangani sistem dan merupkan unsur manusia yang meliputi: a. Analisa Sistem, yaitu orang membentuk dan membangun fasilitas rancangan sistem atau program. b. Programmer, yaitu orang yang digunakan dalam membangun suatu program. c. Operator Administrator, yaitu orang yang mengoperasikan sistem seperti memasukkan data untuk dioperasikan oleh komputer dalam menghasilkan informasi dan lain sebagainya. d. Public, yaitu orang yang memakai sistem yang telah dirancang untuk informasi yang dibutuhkan.

4.3 Tampilan Program

Sub bab ini akan menunjukkan tampilan program dan desain program website dari hasil perancangan yang telah dibangun pada bab sebelumnya sebelumnya. 4.3.1. Tampilan Import Data Gambar di bawah ini adalah gambar untuk mengimport data sampel data diabetes . File yang diimport sendiri harus file berbentuk XLS. Gambar tampilan import data dapat dilihat pada gambar 4.1 Universitas Sumatera Utara Gambar 4.1 Tampilan Import Data 4.3.2. Halaman Data Sampel Diabetes Gambar di bawah ini merupakan tampilan data sampel diabetes. Tampilan data ini sendiri menampilkan jumlah kehamilan, konsentrasi plasma, tekanan darah, ketebalan kulit, serum insulin, index berat badan, fungsi pedigree, dan umur. Halaman data sampel diabetes dapat dilihat pada Gambar 4.2 Gambar 4.2 Halaman Data Sampel Diabetes Universitas Sumatera Utara 4.3.3. Halaman Input Data Atribut Gambar di bawah ini merupakan tampilan gambar Untuk Input data atribut.. Untuk form penginputan data atribut, terdapat data-data yang wajib diisi oleh seorang administrator, yaitu nama atribut, min, mean, max, dan standar deviation. Gambar Input atribut dapat dilihat pada Gambar 4.3 Gambar 4.3 Input Data Atribut 4.3.4. Halaman Data Atribut Gambar di bawah ini merupakan tampilan gambar untuk menampilkan data atribut dalam bentuk tabel. Data-data yang akan ditampilkan adalah nama atribut, min, mean, max, standard deviation, edit, dan delete. Gambar halaman data atribut dapat dilihat pada Gambar 4.4 Universitas Sumatera Utara Gambar 4.4 Input Data Bobot 4.3.5. Halaman Input nilai acak centroid Gambar di bawah ini merupakan tampilan gambar Untuk Input data nilai acak centroid 1 dan centroid 2. Data yang diinput adalah nilai x dari masing-masing centroid sehingga akan mendapatkan hasil dari nilai K- Means dari inputan sebelumnya. Gambar input niai acak centroid dapat dilihat pada Gambar 4.5 Universitas Sumatera Utara Gambar 4.5 Halaman Input nilai acak centroid 4.3.6. Halaman Hasil Proses Clustering K-Means Gambar di bawah ini merupakan tampilan gambar hasil clustering dari K-Means yang mana akan ditampilkan hasil dari data diabetes, dan proses penginputan data acak dari form sebelumnya. Hasil tersebut berupa apakah positif atau tidaknya mengidap diabetes dari data yang sudah dilakukan proses clustering dengan menggunakan algortima K-Means. Gambar ini dapat dilihat pada Gambar 4.6 Universitas Sumatera Utara Gambar 4.6 Halaman Hasil Proses Clustering K-Means 4.3.7. Halaman Input data baru dan nilai limit Gambar di bawah ini merupakan tampilan gambar Untuk Input data baru dan nilai limit, dimana kedua elemen ini dibutuhkan untuk proses mendapatkan clustering dari nilai knn. Gambar input data baru dan nilai limit dapat dilihat pada Gambar 4.8 Gambar 4.7 Halaman Input data baru dan nilai limit Universitas Sumatera Utara 4.3.8. Halaman Hasil Proses Clustering K-Nearest Neighbor Gambar 4.9 merupakan tampilan gambar hasil clustering dari KNN yang mana akan ditampilkan hasil dari data diabetes, dan proses penginputan data baru, dan nilai limit dari form sebelumnya. Hasil tersebut berupa apakah positif atau tidaknya mengidap diabetes dari data yang sudah dilakukan proses clustering dengan menggunakan algortima KNN Gambar 4.8 Halaman Hasil Proses Clustering K-Nearest Neighbor Universitas Sumatera Utara BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan