6.1.2 Narasi Use Case
Untuk mengetahui detail keseluruhan dari narasi use case dapat dilihat pada bagian lampiran 2.
6.2 Perancangan Sistem Secara Umum
4.2.1 Input Sistem
Input untuk sistem yang akan di bangun ini berupa data bebas dari user
dengan file berekstensi .xls atau file excel. Inputan dapat juga berupa data dalam suatu tabel dalam database. Di dalam sistem yang akan di
bangun ini, data dapat berukuran apa saja sehingga user dapat mencari outlier
pada semua jenis data. Inputan untuk mencari outlier dalam sistem ini terdapat dua macam,
yaitu: 1.
k k
adalah jangkauan atau tetangga terdekat dari obyek p untuk mendefinisikan local neighbourhood.
Berikut ini merupakan rincian data yang akan di gunakan dalam penelitian sistem deteksi outlier menggunakan algoritma Connectivity-
based Outlier Factor: a. Data Hasil Seleksi Masuk Jalur Tes
No. Nama
Atribut Penjelasan
Nilai
1. Nomor urut
Atribut ini
merupakan nama alias dari
nomor mahasiswa
pada tiap obyek 1-126
2. Nil1
Merupakan 0-4.00
atribut dari
komponen nilai tes 1
3. Nil2
Merupakan atribut
dari komponen nilai
tes 2
0-4.00
4. Nil3
Merupakan atribut
dari komponen nilai
tes 3
0-4.00
5. Nil4
Merupakan atribut
dari komponen nilai
tes 4
0-4.00
6. Nil5
Merupakan atribut
dari komponen nilai
tes 5
0-4.00
b. Data Hasil Seleksi Masuk Jalur Prestasi
No. Nama
Atribut Penjelasan
Nilai
1. Nomor urut
Atribut ini
merupakan nama alias dari
nomor mahasiswa
pada tiap obyek 1-126
2. Final
Merupakan 0-4.00
atribut nilai dari rata-rata
nilai kognitif
pada rapor
c. Data Hasil Seleksi Masuk Gabung
No. Nama
Atribut Penjelasan
Nilai
1. Nomor urut
Atribut ini
merupakan nama alias dari
nomor mahasiswa
pada tiap obyek 1-126
2. Ips1
Merupakan atribut nilai dari
Indeks Prestasi mahasiswa
semester 1 0-4.00
3. Ips2
Merupakan atribut nilai dari
Indeks Prestasi mahasiswa
semester 2 0-4.00
4. Ips3
Merupakan atribut nilai dari
Indeks Prestasi mahasiswa
semester 3 0-4.00
5. Ips4
Merupakan
atribut nilai dari Indeks Prestasi
mahasiswa semester 4
6. Final
Merupakan atribut nilai dari
rata-rata nilai
kognitif pada
rapor 0-4.00
4.2.2 Proses Sistem
Proses sistem deteksi outlier adalah sebagai berikut: 1.
Pengambilan Data Pada tahap ini, user dapat melakukan pengambilan data dengan
memasukan data yang berekstensi .xls dan .csv. Selain itu, user dapat mengambil data pada tabel dalam database. Setelah itu akan di
tampilkan atribut-atribut yang di gunakan, kemudian user akan memilih atau menyeleksi atribut-atribut yang sekiranya di perlukan
dalam proses pendeteksian outlier. 2.
Perhitungan Jarak Obyek Data Pada tahap ini akan di lakukan perhitungan jarak antar obyek
menggunakan rumus Euclidean Distance. Perhitungan ini di lakukan agar di dapatkan jarak masing-masing obyek dengan obyek lainnya.
3. Pencarian Outlier Berdasarkan Parameter k
Pada tahap ini akan di lakukan pendeteksian outlier menggunakan algoritma Connectivity-based Outlier Factor. Akan di
masukan parameter k, dimana parameter k digunakan untuk mengetahui tetangga terdekat dari suatu obyek.
Start
Data bertipe .xls
Data bertipe .csv
Data dari tabel database
Pilih seleksi atribut
Proses Seleksi Atribut
Input nilai parameter k
Proses pendeteksian
Outlier
Hasil Pendektesian
Outlier
End Ya
Tidak
Gambar 4.1 Proses umum Sistem Deteksi Outlier Menggunakan Algoritma Connectivity-based Outlier Factor.
4.2.3 Output Sistem
Kategori