Perancangan Struktur Data ANALISIS DAN PERANCANGAN SISTEM

6.4 Perancangan Struktur Data

Perancangan struktur data yang akan di gunakan dalam sistem ini adalah konsep graf tak berarah dengan menggunakan matriks dua dimensi. Perancangan ini sangat penting di lakukan dalam membangun sebuah sistem. Perancangan ini berfungsi untuk menggambarkan bagaimana sistem bekerja, bagaimana sekumpulan data di olah kemudian di simpan ke dalam sistem. Konsep graf yang digunakan dalam sistem ini berfungsi untuk menghubungkan data yang satu dengan data yang lain, sehingga dapat di hitung jarak antar data tersebut. 1. Graf Graf adalah kumpulan dari simpul yang berupa vertex dan node yang saling terhubung oleh sebuah sisi atau edge. Biasanya graf di gambarkan sebagai kumpulan titik-titik melambangkan vertex dan node yang di hubungkan oleh garis-garis melambangkan edge. Pada sistem ini, obyek-obyek yang nantinya akan di cari outliernya di lambangkan sebagai vertex. Di dalam vertex ini berisi atribut list. Atribut list di gunakan untuk menyimpan nilai-nilai atribut untuk menghitung jarak antar obyek. Jarak antar obyek ini di sebut sebagai edge. Pada gambar di bawah ini akan di ilustrasikan konsep graf pada sistem ini. Gambar 4.4 Ilustrasi Struktur Data Graf 2. Matriks Dua Dimensi Matriks dua dimensi digunakan dalam sistem ini untuk menyimpan vertex dan edge. Vertex merupakan simbol dari masing- masing data sedangkan edge merupakan simbol dari jarak antar data tersebut. Pada matriks ini, edge atau jarak antar obyek di didefinisikan sebagai -1, hal ini berarti antar obyek masih belum terhubung. Sedangkan edge untuk obyek itu sendiri di definisikan 0. Tabel 4.2 Ilustrasi Struktur Data Matriks Dua Dimensi Mahasiswa[1] Mahasiswa[2] Mahasiswa[3] Mahasiswa[1] -1 -1 Mahasiswa[2] -1 -1 Mahasiswa[3] -1 -1 Kemudian untuk jarak masing-masing vertex dilakukan perhitungan dengan menggunakan rumus jarak Ecluidian Distance. Untuk jarak yang bernilai -1, akan di ganti dengan hasil dari perhitungan rumus jarak Ecluidian tersebut. Tabel 4.3 Ilustrasi Struktur Data Matriks Dua Dimensi Setelah dilakukan Perhitungan dengan Ecluidian Distance Mahasiswa[1] Mahasiswa[2] Mahasiswa[3] Mahasiswa[1] 2.58 3.21 Mahasiswa[2] 2.58 1.05 Mahasiswa[3] 3.21 1.05

6.5 Perancangan Antarmuka

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 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 Local Outlier Probability studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma

1 9 263

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