1. Home
  2. Kesehatan & Pengobatan

Perancangan Halaman Perancangan Halaman

35 X Sistem Identifikasi Outlier Menggunakan Algoritma ECODB BERANDA Angela Mediatrix Melly – 135314074 Fakultas Sains dan Teknologi 2017 _ PANDUAN PENGGUNAAN SISTEM Halaman tentang merupakan halaman yang berisi penjelasan mengenai identitas pembuat sistem atau perangkat lunak. Pada halaman tentang terdapat tombol “BERANDA”. Tombol “BERANDA” digunakan untuk menuju halaman awal atau halaman home . 4.9.5 Perancangan Halaman Bantuan Perancangan antarmuka halaman tentang dapat dilihat pada gambar 4.8 berikut ini : Halaman tentang merupakan halaman yang berisi penjelasan mengenai identitas pembuat sistem atau perangkat lunak. Pada halaman tentang terdapat tombol “BERANDA”. Tombol Gambar 4. 8 Antarmuka Halaman Bantuan 36 “BERANDA” digunakan untuk menuju halaman awal atau halaman home . 37

BAB V IMPLEMENTASI DAN PENGUJIAN PERANGKAT LUNAK

5.1 Implementasi Rancangan Perangkat Lunak

Perangngkat lunak identifikasi outlier menggunakan algoritma ECODB terdapat 12 kelas yang terdiri dari tiga kelas model , lima kelas view , dan empat kelas controller . 5.1.1 Implementasi Kelas Model Implementasi kelas model dapat dilihat pada tabel berikut ini : Tabel 5. 1 Implementasi Kelas Model No Nama Kelas Nama File Fisik Nama File Excetable 1 Data Data.java Data.class 2 HasilECODB HasilECODB.java HasilECODB.class 3 Jarak Jarak.java Jarak.class

5.1.2 Implementasi Kelas

View Implementasi kelas view dapat dilihat pada tabel berikut ini : Tabel 5. 2 Implementasi Kelas View No Use Case Antarmuka Nama Kelas Boundary 1 Memilih data Gambar 4.3 preprocessing.class 2 Identifikasi outlier Gambar 4.4 hasil.class 3 Simpan hasil Gambar 4.4 hasil.class Spesifikasi detail dari kelas home dapat dilihat pada tabel 5.3 berikut ini. 38 Tabel 5. 3 Spesifikasi Detail Kelas Home.java Id_Objek Jenis Teks Keterangan lblogo Label logo.png Gambar logo Universitas Sanata Dharma. lbjudul Label SISTEM IDENTIFIKASI OUTLIER Judul sistem atau perangkat lunak yang dibangun. lbjudul1 Label MENGGUNAKAN ALGORITMA ECODB Judul sistem atau perangkat lunak yang dibangun. sistem Button MASUK SISTEM Jika di click maka akan menuju halaman preprocessing. lbnama Label Angela Mediatrix Melly-135314074 Identitas pembuat sistem atau perangkat lunak. lbfakultas Label Fakultas Sains dan Teknologi Identitas fakultas pembuat sistem atau perangkat lunak. lbtahun Label 2017 Tahun pembuatan sistem atau perangkat lunak. tentang Button TENTANG Jika di click maka akan menuju halaman tentang. bantuan Button BANTUAN Jika di click maka akan menuju halaman bantuan.

Dokumen yang terkait

Penerapan algoritma MixCBLOF berbasis klaster untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas, dan akreditasi SMA di Daerah Istimewa Yogyakarta.

1 5 140

Deteksi outlier untuk nilai ujian Sekolah Menengah Atas (Sma) menggunakan Algoritma Influenced Outlierness (INFLO).

0 1 373

Deteksi outlier menggunakan Algoritma Connectivity Based Outlier Factor : studi kasus data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma.

0 4 252

Deteksi outlier pada data campuran numerik dan kategorikal menggunakan algoritma Enhanced Class Outlier Distance Based (ECODB) : studi kasus data kredit BPR XYZ.

0 4 106

Imputasi Missing Value Pada Data Yang Mengandung Outlier.

1 1 2

Deteksi outlier menggunakan Algoritma Connectivity Based Outlier Factor studi kasus data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma

1 8 250

Deteksi outlier pada data campuran numerik dan kategorikal menggunakan algoritma Enhanced Class Outlier Distance Based (ECODB) studi kasus data kredit BPR XYZ

0 1 104

Penerapan algoritma MixCBLOF berbasis klaster untuk identifikasi outlier pada data hasil ujian nasional, indeks integritas, dan akreditasi SMA di Daerah Istimewa Yogyakarta

0 5 138

PENCOCOKAN NAMA SEKOLAH MENENGAH ATAS PADA DATA SEKOLAH MENGGUNAKAN ALGORITMA HAMMING DISTANCE DAN JARO-WINKLER DISTANCE.

0 0 4

Penentuan Anomali Paket Data Jaringan Menggunakan Metode Outlier

1 1 6