4. BAB IV PERANCANGAN
4.5 Konstruksi Perangkat Lunak
4.5.2 Deskripsi Use Case
Berikut ini adalah deskripsi dari 7 use case utama dalam konstruksi aplikasi.
1. Memasukkan Data Pada
Tabel 4-14 merupakan use case description untuk “memasukkan data”
Tabel 4-14 Use Case Decription "Memasukkan Data" UC-1 Memasukkan Data
Purpose Memasukkan data yang akan diolah
file excel sebagai input data
Actors Pengguna aplikasi
Pre Condition Pengguna telah membuka aplikasi
Post Condition Data telah masuk ke aplikasi
Typical
Course Event 1. Memilih file excel Actor System yang menjadi
sumber data
2. Mengambil data di excel, tiap kolom data menjadi variabel yang akan diolah
3. Menampilkan semua nama variabel
4. Mencentang variabel yang ingin dijadikan masukan model 5. Mengklik tombol “Select Atributtes” 6. Mengambil index variabel kemudian menyimpannya menjadi input variabel model
7. Mengambil semua data untuk tiap variabel 8. Menampilkan index
dan nama variabel pada textbox.
Alternate Flow of Events Exceptional
Flow of Events Aplikasi tertutup otomatis karena error Step 3 : Nama variable tidak dapat ditampilkan karena format yang berbeda .
Step 7 : Data variabel tidak dapat diambil karena format data tidak dapat terbaca.
2. Memrediksi Intensitas Hujan dengan Metode CART Maksimal
Pada Tabel 4-15 merupakan use case description untuk “Memrediksi Intensitas Hujan dengan Metode CART Maksimal”
Tabel 4-15 Use case description "Memrediksi Intensitas Hujan dengan Metode CART Maksimal"
UC-2 Memrediksi Intensitas Hujan dengan Metode CART Maksimal
Purpose Memrediksi intensitas hujan dengan Metode CART Maksimal
Overview Dimulai ketika user berada di tab CART, dengan data sudah terinput dan user melakukan training model lalu memprediksi intensitas hujan dengan data hari sebelumnya
Actors Pengguna aplikasi
Pre Condition -Pengguna telah membuka aplikasi
-Pengguna telah memasukkan data untuk diolah -Data pada index terakhir dijadikan input untuk prediksi sesuai index atribut yang dipilih
Post Condition Hasil prediksi intensitas hujan dihasilkan
Typical
Course Event 1. Mengklik tombol Actor System
“CART” 2. Menampilkan halaman untuk pembuatan model dan prediksi dengan teknik CART 3. Memasukkan nilai %Trainsize (0-1) 4. Memasukkan Nilai MinLeaf 5. Memasukkan Nilai MinParentSize 6. Klik tombol “START” 7. Menampilkan nilai TestSize (1-%Trainsize) 8. Menampilkan nilai level tree 9. Menampilkan hasil kinerja model (index attribut, nama attribut, hasil akurasi train, hasil akurasi tes, confusion matrix, sensitivity dan specifity)
10. Mengklik tombol
“Prediksi” 11. Menghasilkan kelas prediksi dari data hasil index terakhir
Alternate Flow
of Events Step 4: Tidak memasukkan nilai Minleaf, maka menggunakan nilai default: Step 5: Tidak memasukkan nilai MinParentsize, maka menggunakan nilai default
Exceptional
3. Memrediksi Data dengan Metode CART Pruned Pada Tabel 4-16 merupakan use case description untuk “Memrediksi Data dengan Metode CART Pruned”
Tabel 4-16 Use case description "Memrediksi Data dengan Metode CART Pruned"
UC-3 Memrediksi Data dengan Metode CART Pruned
Purpose Memrediksi Data dengan Metode CART Pruned (Dipangkas)
Overview Dimulai ketika user berada di tab CART dan user telah membuat model dengan CART maksimal lalu melakukan pruning model , lalu memprediksi intensitas hujan dengan data hari sebelumnya
Actors Pengguna aplikasi
Pre Condition -Pengguna telah membuka aplikasi
-Pengguna telah memasukkan data untuk diolah -Data pada index terakhir dijadikan input untuk prediksi sesuai index atribut yang dipilih
-Pengguna telah membuat model dengan CART Maksimal
Post Condition Hasil prediksi intensitas hujan dihasilkan
Typical
Course Event 1. Mengklik tombol Actor System
“Best Level” 2. Mengkalkulasi best level untuk nilai pruning
(pemangkasan) 3. Menampilkan nilai
best level 4. Memasukkan nilai
best level pada textbox
5. Mengklik tombol “PRUNE”
6. Memangkas model sesuai nilai level pruning
7. Menampilkan hasil kinerja model yang terpangkas (index attribut, nama attribut, hasil akurasi train, hasil akurasi tes, confusion matrix,
sensitivity dan specifity)
8. Mengklik tombol
“Prediksi” 9. Menghasilkan kelas prediksi dari data hasil index terakhir
Alternate Flow
of Events Step 1 & 2 : Tidak menghitung nilai Best Level, namun langsung ke Step 3 dengan memasukkan nilai level yang akan dipangkas langsung
Exceptional
Flow of Events Aplikasi tertutup otomatis karena error Step 5 : memasukkan nilai yang akan dipruning namun lebih besar daripada nilai level maksimum, menghasilkan error
4. Melihat Variable Importance CART Pada
Tabel 4-17 merupakan use case description untuk “Melihat Variable Importance CART”
Tabel 4-17 Use case description "Melihat Variable Importance CART"
UC-4 Melihat Variable Importance CART
Purpose Melihat Variable Importance CART
Overview Dimulai ketika user berada di tab CART dan user telah membuat model dengan CART lalu mengklik tombol “Variable Importance” untuk melihat grafik kepentingan attribut
Actors Pengguna aplikasi
Pre Condition -Pengguna telah membuka aplikasi
-Pengguna telah memasukkan data untuk diolah -Data pada index terakhir dijadikan input untuk prediksi sesuai index atribut yang dipilih
-Pengguna telah membuat model dengan CART (Maksimal atau Pruned)
Post Condition Grafik “Variable Importance”
Typical
Course Event 1. Mengklik tombol Actor System
Importance”
Alternate Flow of Events Exceptional
Flow of Events Aplikasi tertutup otomatis karena error 5. Melihat Grafik Tree untuk CART
Pada
Tabel 4-18 merupakan use case description untuk “Melihat Grafik Tree untuk CART”
Tabel 4-18 Use case description "Melihat Grafik Tree untuk CART"
UC-5 Melihat Grafik Tree untuk CART
Purpose Melihat Grafik Tree untuk CART
Overview Dimulai ketika user berada di tab CART dan user telah membuat model dengan CART lalu mengklik tombol “Tree” untuk melihat grafik tree model CART (Maksimal atau Pruned)
Actors Pengguna aplikasi
Pre Condition -Pengguna telah membuka aplikasi
-Pengguna telah memasukkan data untuk diolah -Data pada index terakhir dijadikan input untuk prediksi sesuai index atribut yang dipilih
-Pengguna telah membuat model dengan CART (Maksimal atau Pruned)
Post Condition Grafik “Variable Importance”
Typical
Course Event 1. Mengklik tombol Actor System
“Tree” 2. Menghasilkan grafik pohon keputusan (tree) untuk model
Alternate Flow of Events Exceptional
Flow of Events Aplikasi tertutup otomatis karena error 6. Memrediksi Data dengan Metode Random Forest
Pada
Tabel 4-19 merupakan use case description untuk “Memrediksi Data dengan Metode Random Forest”.
Tabel 4-19 Use case description "Memrediksi Data dengan Metode Random Forest "
UC-6 Memrediksi Data dengan Metode Random Forest
Purpose Memrediksi Data dengan Metode Random Forest
Overview Dimulai ketika user berada di tab RANDOMFOREST, dengan data sudah terinput dan user melakukan training model lalu memprediksi intensitas hujan dengan data hari sebelumnya
Actors Pengguna aplikasi
Pre Condition -Pengguna telah membuka aplikasi
-Pengguna telah memasukkan data untuk diolah -Data pada index terakhir dijadikan input untuk prediksi sesuai index atribut yang dipilih
Post
Condition Hasil prediksi intensitas hujan dihasilkan Typical
Course Event 1. Mengklik tombol Actor System “RANDOMFORES
T”
2. Menampilkan
halaman untuk pembuatan model dan prediksi dengan teknik RANDOMFOREST 3. Memasukkan nilai %Trainsize (0-1) 4. Memasukkan Nilai Atrribut Acak 5. Memasukkan Nilai Jumlah Tree 6. Klik tombol “START” 7. Menampilkan nilai TestSize (1-%Trainsize) 8. Menampilkan hasil kinerja model (index attribut, nama attribut, hasil akurasi train, hasil akurasi tes, confusion matrix, sensitivity dan specifity)
9. Mengklik tombol
“Prediksi” 10. Menghasilkan kelas prediksi dari hasil data index terakhir
Alternate
Flow of Events Step 4 : Tidak memasukkan nilai Attribut Acak, maka aplikasi akan menggunakan nilai default yaitu √ Exceptional
Flow of Events Aplikasi tertutup otomatis karena error Step 4 : Memasukkan nilai Attribut acak lebih dari jumlah total attribut, maka aplikasi akan error
7. Melihat Variable Importance Random Forest Pada
Tabel 4-20 merupakan use case description untuk “Melihat Variable Importance Random Forest”.
Tabel 4-20 Use case description "Melihat Variable Importance Random Forest "
UC-7 Melihat Variable Importance Random Forest
Purpose Melihat Variable Importance Random Forest
Overview Dimulai ketika user berada di tab RANDOMFOREST dan user telah membuat model dengan RANDOMFOREST lalu mengklik tombol “Variable Importance” untuk melihat grafik kepentingan attribut
Actors Pengguna aplikasi
Pre Condition -Pengguna telah membuka aplikasi
-Pengguna telah memasukkan data untuk diolah -Data pada index terakhir dijadikan input untuk prediksi sesuai index atribut yang dipilih
-Pengguna telah membuat model dengan Random Forest
Post Condition Grafik “Variable Importance”
Typical
Course Event 1. Mengklik tombol Actor System “Variable Importance” 2. Menghasilkan grafik Variabel Importance Alternate Flow of Events Exceptional