Perbandingan Perhitungan Manual dan Perhitungan Sistem Kesimpulan Hasil Review Pengguna

6.1.4 Kesimpulan Hasil Pengujian dengan Perubahan Nilai Parameter

k 1. Pada pengujian di atas dengan perubahan nilai parameter k, dapat di simpulkan bahwa semakin bertambahnya nilai k maka jumlah outlier yang di temukan akan semakin berkurang. Terbukti dari dua angkatan yang diuji, jumlah outlier akan berkurang dan perubahan nilai k juga merubah nilai derajat outlier. 2. Perubahan derajat outlier juga akan mempengaruhi ranking atau peringkat dari outlier tersebut. Hal ini terbukti pada pengujian angkatan 2007-2008 jalur tes, ketika pengujian di lakukan pada atribut ips3 menggunakan Min Pts = 7 dan r = 8, mahasiswa 50 merupakan outlier dengan ranking ke 2 dengan derajat outliernya 1.805237654923072, ketika Min Pts di ubah menjadi 10 dan r = 11, maka mahasiswa 50 menjadi outlier dengan ranking ke 3 dengan derajat outliernya 1.6756354110772265. 3. Dalam hal ini dapat di simpulkan bahwa k sangat mempengaruhi derajat nilai COF. Semakin tinggi nilai k suatu obyek, maka semakin luas pula kepadatan jarak antar obyek. Oleh karena itu, apabila suatu obyek menggunakan nilai k yang tinggi, maka derajat outliernya akan lebih tinggi dari obyek yang menggunakan nilai k yang lebih rendah.

6.1.5 Hasil Pengujian Validitas dan Review oleh Pengguna

6.1.5.1 Perbandingan Perhitungan Manual dan Perhitungan Sistem

Dalam pengujian kali ini, akan di uji sejumlah data yaitu sampel data dari angkatan 2007 yang masuk melalui jalur tes dan berjumlah 13 data. Akan di lakukan pengujian menggunakan perhitungan manual dengan tools Microsoft Office dan perhitungan sistem deteksi outlier menggunakan algoritma Connectivity-based Outlier Factor . Atribut yang akan di gunakan dalam pengujian ini adalah ips1, nil1, nil2, nil3, nil4, dan nil5. Tabel 6.10 Daftar Nilai Per Atribut NO IPS1 NIL1 NIL2 NIL3 NIL4 NIL5 1 2,94 2,80 2,00 2,00 2,00 1,60 2 1,72 1,20 0,80 3,20 1,20 0,40 3 2,56 2,40 1,60 2,00 2,80 2,00 4 2,44 2,00 2,00 2,40 2,00 2,00 5 2,94 2,40 1,60 2,40 1,20 2,80 6 1,89 2,40 2,00 2,40 2,40 2,80 7 4,00 2,40 2,40 1,60 1,60 2,80 8 1,44 4,00 2,00 3,60 2,40 2,80 9 3,72 3,20 2,40 2,40 2,80 2,00 10 1,72 2,80 2,40 3,20 3,20 0,80 11 3,28 2,80 2,40 2,80 2,40 2,40 12 2,89 2,40 2,00 2,00 2,80 2,00 13 2,89 2,00 2,00 3,20 2,00 2,80 Di bawah ini akan di tampilkan tabel perhitungan perbandingan perhitungan manual dengan perhitungan oleh sistem deteksi outlier menggunakan algoritma Connectivity-based Outlier Factor. Hasil Perhitungan Manual: nomor_mhs COF Ranking 2 2,002771653 1 10 1,730865914 2 8 1,703444168 3 7 1,347484376 4 Hasil Perhitungan Sistem: nomor_mhs COF Ranking 2 2.002771653021513 1 10 1.7308659140546045 2 8 1.7034441683267105 3 7 1.3474843760503517 4

6.1.5.2 Kesimpulan

Perbandingan Perhitungan Manual dan Perhitungan Sistem Dari pengujian perhitungan manual dan perhitungan sistem deteksi outlier menggunakan algoritma Connectivity-based Outlier Factor diatas, dapat di simpulkan bahwa perhitungan ke dua cara tersebut menghasilkan outlier dengan jumlah outlier, derajat outlier, dan ranking outlier yang sama. Hal ini berarti sistem deteksi outlier menggunakan algoritma Connectivity-based Outlier Factor dapat mendeteksi tepat samasesuai dengan perhitungan manualnya.

6.1.5.3 Hasil Review Pengguna

Pengujian dilakukan untuk membuktikan bahwa data yang terindikasi atau berpotensi sebagai outlier tersebut memang benar-benar merupakan outlier. Oleh karena itu di butuhkan validasi oleh user atau pengguna dari sistem deteksi outlier menggunakan algoritma Conectivity-based Outlier Factor ini yaitu Kaprodi Teknik Informatika Universitas Sanata Dharma. Dalam pengujian ini akan di lakukan tiga kali uji data yaitu data akademik mahasiswa angkatan 2007-2008 jalur tes, data akademik mahasiswa angkatan 2007-2008 jalur prestasi, dan data akademik mahasiswa angkatan 2007-2008. Berikut adalah tabel pengujian yang telah dilakukan: 1. Hasil outlier untuk data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma angkatan 2007-2008 jalur tes pada semester 1 sampai 4 menggunakan parameter k = 10. Nilai batas outlier= 1.6 dengan jumlah data 54 record data. Tabel 6.11 Hasil Deteksi Outlier Data Akademik Mahasiswa Teknik Informatika Angkatan 2007-2008 Jalur Tes Se m Nom or ips 1 ips 2 ips 3 ips 4 nilai1 1 nilai1 2 nilai1 3 nilai1 4 nilai1 5 COF 1 28 1,7 2 - - - 1,20 0,80 3,20 1,20 0,40 2,093 73 27 4,0 - - - 2,40 2,40 1,60 1,60 2,80 1,652 72 2 28 - 1,6 5 - - 1,20 0,80 3,20 1,20 0,40 2,026 80 3 28 - - 1,5 3 - 1,20 0,80 3,20 1,20 0,40 2,115 15 74 - - 0,1 9 - 3,20 2,00 3,60 3,20 1,60 1,819 25 50 - - 0,5 9 - 2,00 2,00 2,00 1,60 2,80 1,675 64 4 28 - - - 1,6 8 1,20 0,80 3,20 1,20 0,40 2,151 34 2. Hasil outlier untuk data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma angkatan 2007-2008 jalur prestasi pada semester 1 sampai 4 menggunakan parameter k = 20. Nilai batas outlier= 1.6 dengan jumlah data 74 record data. Tabel 6.12 Hasil Deteksi Outlier Data Akademik Mahasiswa Teknik Informatika Angkatan 2007-2008 Jalur Prestasi Sem Nomor ips1 ips2 ips3 ips4 final COF 1 76 0,85 - - - 2,85 4,329895 124 1,45 - - - 2,90 2,272061 15 1,67 - - - 2,72 1,73662 10 3,89 - - - 3,08 1,627632 2 17 - 0,32 - - 2,72 4,014297 124 - 0,44 - - 2,90 3,598753 107 - 3,92 - - 3,33 2,216697 86 - 2,80 - - 3,22 1,967725 94 - 1,35 - - 2,77 1,690341 3 17 - - 0,69 - 2,72 7,309803 107 - - 3,76 - 3,33 1,984868 117 - - 2,00 - 2,89 1,740475 3 - - 3,78 - 2,78 1,689841 4 88 - - - 0,94 2,89 3,295088 94 - - - 1,20 2,77 2,622358 122 - - - 1,47 3,05 2,05038 107 - - - 3,78 3,33 1,973157 98 - - - 3,15 3,22 1,843327 89 - - - 3,90 2,97 1,612266 3. Hasil outlier untuk data akademik mahasiswa Teknik Informatika Universitas Sanata Dharma angkatan 2007-2008 pada semester 1 sampai 4 menggunakan parameter k = 20. Nilai batas outlier= 1.6 dengan jumlah data 126 record data. Tabel 6.13 Hasil Deteksi Outlier Data Akademik Mahasiswa Teknik Informatika Angkatan 2007-2008 Sem Nomor ips1 ips2 ips3 ips4 final COF Jalur Tes 1 28 1,72 - - - 1,12 2,832182 Tes 76 0,85 - - - 2,85 2,698741 Prestasi 27 4,00 - - - 2,32 2,476131 Tes 26 1,44 - - - 2,96 1,704439 Tes 58 2,30 - - - 1,60 1,614494 Tes 2 28 - 1,65 - - 1,12 2,757748 Tes 17 - 0,32 - - 2,72 2,402557 Prestasi 124 - 0,44 - - 2,90 2,23014 Prestasi 107 - 3,92 - - 3,33 2,142604 Prestasi 86 - 2,80 - - 3,22 2,003432 Prestasi 58 - 2,61 - - 1,60 1,838364 Tes 3 28 - - 1,53 - 1,12 2,978759 Tes 74 - - 0,19 - 2,56 2,90763 Tes 50 - - 0,59 - 2,56 2,421761 Tes 17 - - 0,69 - 2,72 2,285508 Prestasi 72 - - 1,73 - 2,96 2,090689 Tes 107 - - 3,76 - 3,33 2,027778 Prestasi 55 - - 3,72 - 2,24 1,807945 Tes 58 - - 2,50 - 1,60 1,782962 Tes 46 - - 1,31 - 2,76 1,704525 Tes 31 - - 1,55 - 2,12 1,631952 Tes 4 28 - - - 1,68 1,12 2,96454 Tes 107 - - - 3,78 3,33 2,003851 Prestasi 68 - - - 0,00 2,00 1,949267 Tes 67 - - - 0,00 2,04 1,930298 Tes 98 - - - 3,15 3,22 1,857202 Prestasi 27 - - - 3,70 2,32 1,821053 Tes 47 - - - 0,05 2,40 1,802944 Tes 58 - - - 2,50 1,60 1,778459 Tes 46 - - - 0,31 2,76 1,654389 Tes 69 - - - 1,85 1,96 1,603947 Tes

6.1.5.4 Kesimpulan Hasil Pengujian Validitas dan Review Oleh

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 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 Local Outlier Probability studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma

1 9 263

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