3. HalamanDeteksiOutl
ier HalamanDeteksiOutl
ier.java HalamanDeteksiOutl
ier.class 4.
HalamanPilihDataba se
HalamanPilihDataba se.java
HalamanPilihDataba se.class
5. HalamanPilihTable
HalamanPilihTable.j ava
HalamanPilihTable.c lass
6. HalamanPreprocess
HalamanPreprocess.j ava
HalamanPreprocess. class
7. HalamanTentang
HalamanTentang.jav a
HalamanTentang.cla ss
Kelas – kelas implementasi di atas memiliki rincian atribut dan method dari
masing – masing kelasnya. Rincian tersebut ada dalam Listing Program
yang ada pada Lampiran 10.
5.3. IMPLEMENTASI STRUKTUR DATA
5.3.1. Implementasi Kelas Vertex
Kelas vertex berisi atribut dari masing-masing obyek data. Atribut dari obyek data ini digunakan untuk melambangkan masing-masing
obyeknya yang akan dipanggil dalam proses deteksi. Semuanya ada dalam kelas yang bernama ModelVertex.java. Atribut yang ada
dalam kelas tersebut bertipe ‘private’. Penjelasan dari masing – masing atribut adalah sebagai berikut :
private String label; menyimpan label dari obyek, bertipe String
private ListDouble nilai; menyimpan nilai dari obyek, bertipe ListDouble
private Double jarak; menyimpan nilai jarak dari obyek, bertipe Double
private ListDouble jarakEuclidean;
menyimpan jarakEuclidean dari obyek, bertipe ListDouble private Boolean flagKunjungan = false;
menyimpan keterangan kunjungan dari obyek, bertipe Boolean private ListInteger ranking_nn;
menyimpan nilai ranking dari NN obyek, bertipe ListInteger private ListString nn;
menyimpan NN dari obyek, bertipe ListString private ListString anggotaNN;
menyimpan anggota dari NN obyek, bertipe ListString private ListDouble jarak_nn;
menyimpan jarak NN dari obyek, bertipe ListDouble private ListString rnn;
menyimpan RNN dari obyek, bertipe ListString private ListString is;
menyimpan IS gabungan NN dan RNN dari obyek, bertipe ListString
private Double kDistanceDouble; menyimpan nilai k-distance dari masing-masing obyek, bertipe
Double private ListDouble kDistance;
menyimpan nilai k-distance dari semua k-distance milik anggota NN, bertipe ListDouble
private Double densityDouble; menyimpan nilai density dari masing-masing obyek, bertipe
Double private ListDouble density;
menyimpan nilai density dari semua density milik anggota NN, bertipe ListDouble
private Double averageDensity; menyimpan nilai average density dari masing-masing obyek,
bertipe Double private Double inflo;
menyimpan nilai INFLO dari masing-masing obyek, bertipe Double
5.3.2. Implementasi Kelas Graph
Kelas graph merupakan kelas yang berisi method yang digunakan untuk membuat suatu graf dari semua vertex obyek. Graf dibuat
dengan menghubungkan antar vertex menggunakan edge jarak. Untuk pembuatan graf, dibutuhkan atribut seperti berikut ini :
private ModelVertex vertexList[]; private Double edge[][];
private Integer jmlhVertex = 0; private Double value = -1.0;
vertexList[] yang merupakan array 1 dimensi memiliki tipe ModelVertex digunakan untuk menggambarkan vertex atau obyek
dari seluruh data. Lalu edge yang menghubungkan antar obyek berupa array 2 dimensi yang bertipe Double digunakan untuk
membuat jarak antar obyek. Lalu jumlahVertex yang sudah diinisialisasikan dengan nilai 0 bertipe Integer. Terakhir ada value
yang juga sudah diinisialisasikan dengan nilai -1 bertipe Double. Semua atribut tersebut memiliki metode enkapsulasi masing-
masing, karena untuk dipanggil dalam kelas kontrol.
Metode atau langkah yang digunakan untuk pembuatan graf adalah sebagai berikut :
public ModelGraphInteger maxVertex { vertexList = new ModelVertex[maxVertex];
edge = new Double[maxVertex][maxVertex]; for int i = 0; i edge.length; i++ {
for int j = 0; j edge.length; j++ { if i == j {
edge[i][j] = 0.0; } else {
edge[i][j] = value; }
} }
}
101
6. BAB VI
PENGUJIAN DAN ANALISIS HASIL PENGUJIAN
6.1. RENCANA PENGUJIAN
Pengujian sistem ada 5 metode, yaitu metode pengujian dengan menggunakan black box, metode pengujian dengan menggunakan efek
perubahan nilai atribut nilai ‘k’ jumlah tetangga terdekat, pengujian akurasi dengan confusion matrix, dan yang terakhir adalah metode
pengujian
perbandingan perhitungan manual dan hasil deteksi sistem, metode pengujian waktu kinerja sistem dalam proses deteksi.
Metode pengujian dengan menggunakan black box merupakan pengujian dari penggunaan sistem. Pengujian ini dilakukan dengan
menggunakan semua fungsi, baik input proses output, dari sistem. Maka akan muncul hasil pengujian fungsi sistem yang sudah berjalan dengan
benar ataupun yang belum. Metode pengujian yang kedua adalah dengan menggunakan efek
perubahan nilai atribut nilai ‘k’ jumlah tetangga terdekat. Pengujian ini dengan mengubah nilai ‘k’ dari data yang sama. Hasil deteksi dari masing-
masing perubahan nilai ‘k’ tersebut dibandingkan dan akan mendapatkan suatu analisa baru.
Metode pengujian yang ketiga adalah metode
pengujian
perbandingan perhitungan manual dan hasil deteksi sistem. Metode ini
