Kesimpulan Hasil Pengujian Efek Perubahan Nilai Atribut Hasil Pengujian

r = 3.5 7, 10, 16, 26, 27, 28, 36, 68, 69, 76, 124 26, 28, 36, 76 28, 76 r = 4.0 10, 16, 26, 27, 28, 36, 68, 69, 76, 124 28, 76 28, 76 r = 4.5 7, 10, 16, 19, 20, 21, 26, 27, 28, 36, 68, 69, 76, 124 28, 76 28, 76 r = 5.0 10, 16, 26, 27, 28, 36, 76 28, 76 28, 76

6.1.4 Kesimpulan Hasil Pengujian Efek Perubahan Nilai Atribut

Penambangan Data. Dari percobaan dengan melakukan perubahan nilai radius dan konstanta maka dapat disimpulkan bahwa: 1. Jika nilai parameter radius tetap dan konstanta bertambah, maka outlier yang dihasilkan akan semakin berkurang. Nilai radius mempengaruhi jumlah outlier . 2. Jika nilai parameter radius bertambah dan kosntanta tetap, maka jumlah outlier yang didapatkan akan semakin berkurang. Nilai konstanta mempengaruhi jumlah outlier . 3. Nilai parameter radius sangat mempengaruhi besarnya nilai MDEF, semakin kecil nilai parameter radius maka nilai MDEF akan semakin mendekati 1.

6.1.5 Hasil Pengujian

Review dan Validitas Pengguna 6.1.5.1 Perbandingan Perhitungan Manual dan Hasil Sistem Dataset yang digunakan untuk proses deteksi adalah data akademik mahasiswa Program Studi Teknik Informatika angkatan 2007 yang diterima melalui jalur tes tertulis. Atribut yang digunakan adalah data ips1, ips2, ips3, ips4, nil11, nil12, nil13, nil14, dan nil15. Data tersebut akan diolah dan dihitung secara manual menggunakan Microsoft Excel untuk mendeteksi outlier dengan menggunakan algoritma Local Correlation Integral . Hasil perhitungan manual tersebut dibandingkan hasilnya dengan hasil perhitungan dari Sistem Deteksi Outlier Menggunakan Algoritma Local Correlation Integral . Berikut adalah hasil perbandingan deteksi outlier dari data 13 mahasiswa angkatan 2007 yang mengikuti jalur tes tertulis menggunakan perhitungan manual dan perhitungan sistem. Tabel 6.11 merupakan tabel yang berisi data 13 mahasiswa beserta atribut ips1, ips2, ips3, ips4, nill11, nil12, nil13, nil14 dan nil15. Tabel 6.11 Tabel Data Set untuk Perbandingan Manual dan Sistem No Alias ips1 ips2 ips3 ips4 nil11 nil12 nil13 nil14 nil15 P1 2.94 3.27 2.96 2.81 2.80 2.00 2.00 2.00 1.60 P2 1.72 1.65 1.53 1.68 1.20 0.80 3.20 1.20 0.40 P3 2.56 2.77 2.52 3.13 2.40 1.60 2.00 2.80 2.00 P4 2.44 2.63 2.00 2.67 2.00 2.00 2.40 2.00 2.00 P5 2.94 2.59 1.55 2.35 2.40 1.60 2.40 1.20 2.80 P6 1.89 2.20 2.21 1.95 2.40 2.00 2.40 2.40 2.80 P7 4.00 3.52 3.43 3.70 2.40 2.40 1.60 1.60 2.80 P8 1.44 2.42 2.53 1.96 4.00 2.00 3.60 2.40 2.80 P9 3.72 3.48 3.36 3.65 3.20 2.40 2.40 2.80 2.00 P10 1.72 2.65 2.43 2.24 2.80 2.40 3.20 3.20 0.80 P11 3.28 2.75 2.90 3.00 2.80 2.40 2.80 2.40 2.40 P12 2.89 3.21 3.33 3.36 2.40 2.00 2.00 2.80 2.00 P13 2.89 3.18 3.04 2.95 2.00 2.00 3.20 2.00 2.80 Di bawah ini merupakan tabel 6.12 yang berisi hasil perbandingan perhitungan secara manual dan perhitungan dengan sistem. Tabel 6.12 Tabel Perbandingan Hasil Deteksi Outlier Mahasiswa Angkatan 2007 Jalur Tes Input Parameter

r, , dan k

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 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 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