Diagram Aktivitas Diagram Kelas Analisis

4.2.6 Output Sistem

Sistem yang dibuat merupakan sistem yang dapat mendeteksi adanya outlier dalam suatu data beserta atribut yang dimiliki data tersebut. berikut ini adalah keluaran yang dihasilkan sistem : 1. Proses input akan menampilkan : a. Sampel data yang akan dideteksi, beserta jumlah data baris dan jumlah atributnya. b. Daftar atribut yang akan dipakai untuk proses deteksi. 2. Proses deteksi outlier akan menampilkan : a. Hasil outlier untuk setiap data yang diuji beserta nilai atribut yang dimiliki. b. Parameter k dan  yang digunakan dalam perhitungan algoritma Local Outlier Probability . c. Jumlah data. d. Jumlah outlier. e. Lama deteksi outlier. f. Label serta derajat LoOP yang bertujuan untuk memberikan peringkat outlier dari yang nilai LoOP paling tinggi ke nilai LoOP paling rendah. g. Ranking outlier.

4.3 Perancangan Sistem

4.3.6 Diagram Aktivitas

Diagram aktivitas digunakan untuk menggambarkan alur aktivitas sekuensial yang dilakukan oleh pengguna dan sistem dalam setiap use case yang telah disebutkan pada lampiran 1. Whitten Bentley, 2005 Berikut ini adalah diagram aktivitas dari setiap use case : 1. Diagram Aktivitas Input Data File .xls dan .csv 2. Diagram Aktivitas Input Data Tabel Basis Data 3. Diagram Aktivitas Seleksi Atribut 4. Diagram Aktivitas Deteksi Outlier 5. Diagram Aktivitas Simpan Hasil Outlier Diagram aktivitas yang telah disebutkan di atas dipaparkan pada lampiran 5 dalam tugas akhir ini.

4.3.7 Diagram Kelas Analisis

Diagram kelas analisis dapat dilihat di lampiran 6. Sedangkan keterangan diagram kelas analisis dapat dilihat pada Tabel 4.1 di bawah ini : Tabel 4.1 Tabel Keterangan Diagram Kelas Analisis No Nama Kelas Jenis Keterangan 1 DataLoop Model Kelas ini berfungsi untuk menyimpan data hasil outlier 2 koneksiDB Model Kelas ini berisi tentang atribut- atribut yang berfungsi untuk melakukan koneksi antara sistem dengan server basis data. Atribut tersebut antara lain : username, password, dan jdbc URL. 3 seleksiAtribut Model Kelas ini berfungsi untuk menyimpan daftar atribut yang ada dalam tabel preprocessing. Daftar atribut ini akan muncul di tabel seleksi di tab preprocessing. 4 Vertex Model Kelas ini berfungsi untuk menyimpan atribut-atribut yang digunakan dalam proses penghitungan pencarian outlier . 5 checkBoxTableModel Model Kelas ini berfungsi untuk mengatur pembuatan tabel seleksi atribut di halaman utama pada tab preprocessing. 6 LoOPTabelModel Model Kelas ini berfungsi untuk mengatur format tabel untuk menampilkan tabel hasil deteksi outlier yang berisi label data, derajat loop, dan ranking 7 DBControl Control Kelas ini berfungsi untuk mengatur konfigurasi koneksi database agar sistem dapat terhubung dengan server database sehingga dapat mengakses tabel yang diinginkan pengguna. 8 graph Control Kelas ini berisi proses perhitungan yang ada dalam algoritma LoOP meliputi : perhitungan jarak antar data, standard distance, probabilistic distance, probabilistic LOF, agregat probabilistic LOF, dan derajat LoOP 9 HalamanAwal View Kelas ini menampilkan halaman saat pertama kali menjalankan sistem. 10 HalamanUtama View Kelas ini merupakan inti dari sistem, kelas ini menampilkan 2 tabbed pane yaitu preprocessing dan deteksi. Pada tab preprocessing pengguna dapat menginput tabel lalu menyeleksi atribut yang akan digunakan untuk deteksi. Selanjutnya pada proses deteksi, pengguna menginputkan parameter k dan lamda lalu setelah diklik proses maka sistem akan menampilkan hasil outlier pada tabel. Selain itu pengguna juga dapat menyimpan hasil deteksi outlier tersebut. 11 HalamanPilihFile View Kelas ini digunakan untuk menampilkan direktori pada computer untuk menginputkan file inputan beripa xls atau csv 12 HalamanPilihDatabase View Kelas ini digunakan untuk login ke basisdata untuk mengambil tabel dalam basisdata tersebut 13 HalamanPilihTabel View Kelas ini berfungsi untuk menampilkan tabel dengan syarat pengguna sistem harus login ke basisdata. 14 HalamanTentang View Kelas ini menampilkan informasi umum mengenai sistem nama sistem, pembuat, instansi, tahun 15 HalamanBantuan View Kelas ini menampilkan informasi panduan sistem.

4.3.8 Diagram

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 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