75
BAB V IMPLEMENTASI SISTEM
Bab ini berisi tentang implementasi Sistem Deteksi Outlier yang menggunakan Algoritma Local Correlation Integral. Implementasi sistem ini
dilakukan dengan menggunakan NetBeans IDE 6.9.1 pada komputer dengan spesifikasi processor Inter Core 2 Duo 2.2 GHz, RAM 2.00 GB, dan hardisk 320
GB. Sistem ini dibuat sesuai dengan perancangan sistem yang dibuat pada bab sebelumnya. Dan sistem ini dibuat dengan menggunakan bahasa pemrograman
Java.
5.1 Implementasi Antarmuka
Sistem Pendeteksi Outlier menggunakan Algoritma Local Correlation Integral telah selesai dibuat menjadi sebuah aplikasi. Berikut ini adalah
tampilan antarmuka dari Sistem Pendeteksian Outlier menggunakan Algoritma Local Correlation Integral.
5.1.1 Implementasi Halaman Awal
Halaman awal adalah tampilan yang pertama kali keluar pada saat sistem dijalankan. Pada halaman ini terdapat tombol ‘Masuk’.
Jika pengguna ingin masuk kedalam sistem Pendeteksi Outlier menggunakan Algoritma Local Correlation Integral, maka pengguna
harus menekan tombol ‘Masuk’.
Gambar 5.1 Antarmuka Halaman Awal
5.1.2 Implementasi Halaman Utama
Halaman utama akan muncul setelah pengguna menekan tombol ‘Masuk’. Pada halaman utama ini terdapat dua Tabbed Pane yaitu tab
Preprosessing dan tab Deteksi Outlier. Pada halaman utama ini juga terdapat tombol ‘Bantuan’, tombol ‘Tentang’, dan tombol ‘Keluar’ di
sebelah kiri halaman utama. Halaman utama ini merupakan fungsi inti dari sistem.
Pada tab Preprosessing terdapat tombol ‘Pilih File’, tombol
‘Pilih Database’, tombol ‘Tandai’, tombol ‘Tandai Semua’, tombol ‘Batal’, tabel ‘dataPreprocessTable’, tabel ‘dataOutlierTable’, dan
terdapat text field ‘jumlahDataSeleksiTextField’ dan text field ‘pilihFileTextField’.
Pada tab Deteksi Outlier terdapat tombol ‘Proses’, tombol
‘Simpan’, dan tombol ‘Hapus’, text field ‘radiusTextField’, ‘alphaTextField’,
‘jumlahDataOutlierTextField’, dan
‘jumlahOutlierTextField’. Terdapat juga tabel ‘dataOutlierTable’ dan ‘HasilOutlierTable’.
Jika pengguna ingin mengolah data berformat .xls atau .csv maka pengguna menekan tombol ‘Pilih File’ untuk mencari data yang
akan diolah seperti dibawah ini.
Gambar 5.2 Kotak Dialog saat memilih File
Setelah memilih file kemudian pengguna menekan tombol ‘Open’. Setelah menekan tombol ‘Open’ maka data tersebut akan
ditampilkan dalam tabel seperti tampak pada antarmuka di bawah ini:
Gambar 5.3 Antarmuka Halaman Utama data file .xls tertampil
Kemudian pengguna melakukan seleksi atribut untuk memilih atribut mana yang akan di gunakan untuk proses deteksi dengan cara
memilih 1 atau lebih atribut yang akan dihapus.
Gambar 5.4 Kotak Seleksi Atribut Selanjutnya pengguna meneka tombol ‘Hapus’ untuk
menghapus atribut yang tidak digunakan untuk proses deteksi. Kemudian sistem akan menampilkan tab Deteksi Outlier. Kemudian
pada tab Deteksi Outlier pengguna menginputkan nilai radius, alpha, dan konstanta.
Gambar 5.5 Proses Deteksi Outlier
Setelah pengguna menginputkan nilai radius, alpha, dan konstanta
pengguna menekan tombol ‘Proses’.
Gambar 5.6 Tampilan Hasil Outlier
Selanjutnya pengguna dapat menyimpan hasil outlier dengan menekan tombol ‘Simpan’. Hasil outlier dapat disimpan dengan
format .doc, .xls, dan .txt.
Gambar 5.7 Tampilan Save Dialog
Setelah selesai menyimpan, jika file berhasil disimpan akan muncul pesan “Hasil Deteksi Outlier Telah Berhasil Disimpan di
E:\ Hasil Outlier”.
Gambar 5.8 Pesan Ketika Proses Penyimpanan Hasil Outlier Berhasil Dilakukan
5.1.3 Implementasi Halaman Pilih Database
Kategori