Pengujian Terhadap Masukan Perangkat Lunak
1. Pengujian terhadap “String Koneksi” pada bagian konfigurasi basis data Pengujian dilakukan dengan membuat “String Koneksi” melalui form konfigurasi basis data. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “String Koneksi” sembarang nilai. Lakukan koneksi ke basis dat
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “String Koneksi” dibuat melalui
API pembuatan koneksi basis data atau sesuai dengan aturan-aturan pembuatan string koneksi basis data
Koneksi berhasil, tabel-tabel pada basis data tersebut ditampilkan
Sesuai dengan hasil yang diharapkan
2. Pengujian terhadap “Tabel Data Mining” pada bagian konfigurasi basis data Pengujian dilakukan dengan memilih “Tabel Data Mining” melalui form konfigurasi basis data. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Tabel Data Mining” berisi kosong Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Tabel Data Mining” berisi salah
satu pilihan tabel yang ada pada basis data
Atribut-atribut dari tabel ditampilkan
Sesuai dengan hasil yang diharapkan
3. Pengujian terhadap “Jumlah Neuron pada Hidden Layer 1” pada bagian konfigurasi base classifier
Pengujian dilakukan dengan memasukan nilai pada “Jumlah Neuron pada Hidden Layer 1” melalui form konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Jumlah Neuron pada Hidden Layer 1” berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Jumlah Neuron pada Hidden
Layer 1” berisi bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Jumlah Neuron pada Hidden
Layer 1” berisi kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Jumlah Neuron pada Hidden
Layer 1” berisi bilangan integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Jumlah Neuron pada Hidden
Layer 1” berisi bilangan integer > 0 Masukan “Jumlah Neuron pada Hidden Layer 1” diterima
Sesuai dengan hasil yang diharapkan
4. Pengujian terhadap “Jumlah Neuron pada Hidden Layer 2” pada bagian konfigurasi base classifier
Pengujian dilakukan dengan memasukan nilai pada “Jumlah Neuron pada Hidden Layer 2” melalui form konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Jumlah Neuron pada Hidden Layer 2” berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Jumlah Neuron pada Hidden
Layer 2” berisi bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Jumlah Neuron pada Hidden
Layer 2” berisi kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Jumlah Neuron pada Hidden
Layer 2” berisi bilangan integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Jumlah Neuron pada Hidden
Layer 2” berisi bilangan integer > 0 Masukan “Jumlah Neuron pada Hidden Layer 2” diterima
Sesuai dengan hasil yang diharapkan
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Jumlah Kelas” berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Jumlah Kelas” berisi bilangan
float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Jumlah Kelas” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 4 “Jumlah Kelas” berisi bilangan
integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Jumlah Kelas” berisi bilangan
integer > 0
Masukan “Jumlah Kelas” diterima
Sesuai dengan hasil yang diharapkan
6. Pengujian terhadap “Learning Rate” pada bagian konfigurasi base classifier Pengujian dilakukan dengan memasukan nilai pada “Learning Rate” melalui
form konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai
berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Learning Rate” berisi karakter selain bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Learning Rate” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 3 “Learning Rate” berisi bilangan
integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Learning Rate” berisi bilangan
float / real > 0 Masukan “Learning Rate” diterima
Sesuai dengan hasil yang diharapkan
7. Pengujian terhadap “Momentum” pada bagian konfigurasi base classifier Pengujian dilakukan dengan memasukan nilai pada “Momentum” melalui
form konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai
berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Momentum” berisi karakter selain
bilangan float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Momentum” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 3 “Momentum” berisi bilangan
integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Momentum” berisi bilangan float /
real > 0
Masukan “Momentum” diterima
Sesuai dengan hasil yang diharapkan
8. Pengujian terhadap “Epoch Maksimum” pada bagian konfigurasi base
classifier
Pengujian dilakukan dengan memasukan nilai pada “Epoch Maksimum” melalui form konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Epoch Maksimum” berisi karakter
selain bilangan integer Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Epoch Maksimum” berisi
bilangan float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Epoch Maksimum” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 4 “Epoch Maksimum” berisi
bilangan integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Epoch Maksimum” berisi
bilangan integer > 0
Masukan “Epoch Maksimum” diterima
Sesuai dengan hasil yang diharapkan
9. Pengujian terhadap “MSE Minimum” pada bagian konfigurasi base classifier Pengujian dilakukan dengan memasukan nilai pada “MSE Minimum” melalui
form konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai
berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “MSE Minimum” berisi karakter selain bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “MSE Minimum” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 3 “MSE Minimum” berisi bilangan
integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “MSE Minimum” berisi bilangan
float / real > 0 Masukan “MSE Minimum” diterima
Sesuai dengan hasil yang diharapkan
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Seed Acak Bobot” berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Seed Acak Bobot” berisi bilangan
float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Seed Acak Bobot” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 4 “Seed Acak Bobot” berisi bilangan
integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Seed Acak Bobot” berisi bilangan
integer > 0
Masukan “Seed Acak Bobot” diterima
Sesuai dengan hasil yang diharapkan
11. Pengujian terhadap “Nomor rekord” untuk klasifikasi pada bagian klasifikasi dan prediksi base classifier
Pengujian dilakukan dengan memasukan nilai pada “Nomor rekord” untuk klasifikasi melalui form klasifikasi dan prediksi base classifier. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Nomor rekord” untuk klasifikasi berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Nomor rekord” untuk klasifikasi
berisi bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Nomor rekord” untuk klasifikasi
berisi kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Nomor rekord” untuk klasifikasi
berisi bilangan integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Nomor rekord” untuk klasifikasi
berisi bilangan integer > jumlah rekord pada tabel
Pesan kesalahan Sesuai dengan hasil yang diharapkan 6 Nomor rekord dari > Nomor rekord
sampai
Pesan kesalahan Sesuai dengan hasil yang diharapkan 7 “Nomor rekord” untuk klasifikasi
berisi bilangan integer > 0 dan < jumlah rekord pada tabel
“Nomor rekord” untuk klasifikasi diterima
Sesuai dengan hasil yang diharapkan
12. Pengujian terhadap “Nomor rekord” untuk prediksi pada bagian klasifikasi dan prediksi base classifier
Pengujian dilakukan dengan memasukan nilai pada “Nomor rekord” untuk prediksi melalui form klasifikasi dan prediksi base classifier. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Nomor rekord” untuk prediksi berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Nomor rekord” untuk prediksi
berisi bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Nomor rekord” untuk prediksi
berisi kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Nomor rekord” untuk prediksi
berisi bilangan integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Nomor rekord” untuk prediksi
berisi bilangan integer > jumlah rekord pada tabel
Pesan kesalahan Sesuai dengan hasil yang diharapkan
6 Nomor rekord dari > Nomor rekord
sampai Pesan kesalahan Sesuai dengan hasil yang diharapkan 7 “Nomor rekord” untuk prediksi
berisi bilangan integer > 0 dan < jumlah rekord pada tabel
“Nomor rekord” untuk prediksi diterima
Sesuai dengan hasil yang diharapkan
13. Pengujian terhadap “Jumlah rekord ditangani” pada bagian konfigurasi SEA Pengujian dilakukan dengan memasukan nilai pada “Jumlah rekord ditangani” melalui form konfigurasi SEA. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Jumlah rekord ditangani” berisi
karakter selain bilangan integer Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Jumlah rekord ditangani” berisi
bilangan float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Jumlah rekord ditangani” berisi
kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Jumlah rekord ditangani” berisi
bilangan integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Jumlah rekord ditangani” berisi
bilangan integer > 0
“Jumlah rekord ditangani” diterima
Sesuai dengan hasil yang diharapkan
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Ukuran Ensemble” berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Ukuran Ensemble” berisi bilangan
float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Ukuran Ensemble” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 4 “Ukuran Ensemble” berisi bilangan
integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Ukuran Ensemble” berisi bilangan
integer > 0
“Ukuran Ensemble” diterima
Sesuai dengan hasil yang diharapkan
15. Pengujian terhadap “Faktor Correctness” pada bagian konfigurasi SEA
Pengujian dilakukan dengan memasukan nilai pada “Faktor Correctness” melalui form konfigurasi SEA. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Faktor Correctness” berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Faktor Correctness” berisi
bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Faktor Correctness” berisi kosong Pesan kesalahan Sesuai dengan hasil
yang diharapkan 4 “Faktor Correctness” berisi
bilangan integer < 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Faktor Correctness” berisi
bilangan integer > 100 Pesan kesalahan Sesuai dengan hasil yang diharapkan 6 “Faktor Correctness” berisi
bilangan integer ≥ 0 dan ≤ 100 “Faktor Correctness” diterima
Sesuai dengan hasil yang diharapkan
16. Pengujian terhadap “Nomor rekord” untuk klasifikasi pada bagian klasifikasi dan prediksi SEA
Pengujian dilakukan dengan memasukan nilai pada “Nomor rekord” untuk klasifikasi melalui form klasifikasi dan prediksi SEA. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Nomor rekord” untuk klasifikasi berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Nomor rekord” untuk klasifikasi
berisi bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Nomor rekord” untuk klasifikasi
berisi kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Nomor rekord” untuk klasifikasi
berisi bilangan integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Nomor rekord” untuk klasifikasi
berisi bilangan integer > 0 “Nomor rekord” untuk klasifikasi diterima
Sesuai dengan hasil yang diharapkan
17. Pengujian terhadap “Stop rekord ke” untuk klasifikasi pada bagian klasifikasi dan prediksi SEA
Pengujian dilakukan dengan memasukan nilai pada “Stop rekord ke” untuk klasifikasi melalui form klasifikasi dan prediksi SEA. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 “Stop rekord ke” untuk klasifikasi berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan
2 “Stop rekord ke” untuk klasifikasi
berisi bilangan float / real Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Stop rekord ke” untuk klasifikasi
berisi kosong Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Stop rekord ke” untuk klasifikasi
berisi bilangan integer ≤ 0
Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Stop rekord ke” untuk klasifikasi
berisi bilangan integer > jumlah rekord pada tabel
Pesan kesalahan Sesuai dengan hasil yang diharapkan 6 “Stop rekord ke” untuk klasifikasi
berisi bilangan integer > 0 dan < jumlah rekord pada tabel
“Stop rekord ke” untuk klasifikasi diterima
Sesuai dengan hasil yang diharapkan
No. Kasus Uji Hasil yang Diharapkan
Hasil uji
1 “Nomor rekord” untuk prediksi berisi karakter selain bilangan integer
Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 “Nomor rekord” untuk prediksi
berisi bilangan float / real
Pesan kesalahan Sesuai dengan hasil yang diharapkan 3 “Nomor rekord” untuk prediksi
berisi kosong
Pesan kesalahan Sesuai dengan hasil yang diharapkan 4 “Nomor rekord” untuk prediksi
berisi bilangan integer ≤ 0 Pesan kesalahan Sesuai dengan hasil yang diharapkan 5 “Nomor rekord” untuk prediksi
berisi bilangan integer > jumlah rekord pada tabel
Pesan kesalahan Sesuai dengan hasil yang diharapkan
6 Nomor rekord dari > Nomor rekord
sampai Pesan kesalahan Sesuai dengan hasil yang diharapkan 7 “Nomor rekord” untuk prediksi
berisi bilangan integer > 0 dan ≤ jumlah rekord pada tabel
“Nomor rekord” untuk klasifikasi diterima
Sesuai dengan hasil yang diharapkan
Pengujian Terhadap Fungsionalitas Perangkat Lunak
1. Pengujian terhadap fungsi untuk melakukan koneksi pada basis data
Pengujian dilakukan dengan mencoba melakukan koneksi dengan basis data melalui form konfigurasi basis data. Pertama kali string koneksi dibuat, kemudian mengklik tombol koneksi. Hasilnya jika tidak muncul pesan bahwa string koneksi error maka basis data sudah tersambung.
Setelah dilakukan pengujian melalui langkah-langkah ini maka basis data dapat tersambung dengan perangkat lunak seperti yang diharapkan.
2. Pengujian terhadap fungsi untuk memperoleh tabel pada basis data
Pengujian dilakukan dengan mencoba melakukan koneksi dengan basis data melalui form konfigurasi basis data, kemudian dapat memilih tabel yang ada pada basis data. Setelah basis data tersambung, maka pada “Tabel Data Mining” akan muncul nama tabel apa saja yang ada pada basis data.
Setelah dilakukan pengujian melalui langkah-langkah ini maka tabel pada basis data dapat diperoleh seperti yang diharapkan.
3. Pengujian terhadap fungsi untuk menampilkan atribut dari tabel pada basis data
Pengujian dilakukan dengan mencoba melakukan koneksi dengan basis data melalui form konfigurasi basis data, kemudian memilih tabel yang ada pada basis data, serta menampilkan atribut pada tabel yang dipilih tersebut. Setelah “Tabel Data Mining” dipilih dan di-klik “OK” maka atribut-atibut dari tabel yang dipilih tersebut akan ditampilkan.
Setelah dilakukan pengujian melalui langkah-langkah ini maka atribut-atribut pada tabel dapat diperoleh seperti yang diharapkan.
4. Pengujian terhadap fungsi untuk membuka file konfigurasi basis data
Pengujian dilakukan dengan meng-klik “Buka Konfigurasi” untuk file konfigurasi basis data, kemudian memilih file yang mengandung konfigurasi basis data. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 Masukan file tidak sesuai Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 Masukan file sesuai Nilai masukan
yang ada pada
form konfigurasi
basis data sesuai dengan yang ada di file
Sesuai dengan hasil yang diharapkan
5. Pengujian terhadap fungsi untuk menyimpan file konfigurasi basis data
Pengujian dilakukan dengan meng-klik “Simpan Konfigurasi” untuk file konfigurasi basis data. Hasil adalah file yang berisi konfigurasi basis data. Setelah dilakukan pengujian melalui langkah-langkah ini maka file yang menampung nilai-nilai untuk konfigurasi basis data sesuai dengan nilai-nilai
Setelah dilakukan pengujian dengan data pada Tabel II.1 (Play Sports) maka mengeluarkan hasil:
• Jumlah Rekord = 14 • Nama Tabel = Play Sports • Jumlah Atribut = 5
Hal ini sesuai dengan yang diharapkan.
7. Pengujian terhadap fungsi untuk menambahkan rekord pada basis data Pengujian dilakukan dengan menambahkan rekord pada tabel “Play Sports”. Setelah dilakukan pengujian dengan menambahkan rekord berikut:
• Outlook = Rainy • Temperature = 85 • Humidity = 80 • Windy = False • Play = Yes
Maka pada tabel terlihat bahwa rekord telah bertambah, hal ini sesuai dengan yang diharapkan.
8. Pengujian terhadap fungsi untuk mengubah rekord pada basis data Pengujian dilakukan dengan mengubah rekord pada tabel “Play Sports”. Setelah dilakukan pengujian dengan mengubah rekord berikut:
• Outlook = Sunny • Temperature = 85 • Humidity = 85 • Windy = False • Play = No menjadi: • Outlook = Sunny • Temperature = 85 • Humidity = 85 • Windy = False • Play = Yes
Maka pada tabel terlihat bahwa rekord telah berubah, hal ini sesuai dengan yang diharapkan.
9. Pengujian terhadap fungsi untuk menghapus rekord pada basis data Pengujian dilakukan dengan menghapus rekord pada tabel “Play Sports”. Setelah dilakukan pengujian dengan menghapus rekord berikut:
• Outlook = Sunny • Temperature = 80 • Humidity = 90 • Windy = True • Play = No
Maka pada tabel terlihat bahwa rekord telah hilang, hal ini sesuai dengan yang diharapkan.
10. Pengujian terhadap fungsi untuk mengecek jumlah kelas pada data
Pengujian dilakukan dengan menggunakan data tabel “Play Sports”. Setelah jumlah kelas dicek maka menghasilkan “Jumlah Kelas” = 2. Hal ini sesuai dengan banyaknya kelas yang ada pada data jika ditelusuri secara manual.
11. Pengujian terhadap fungsi untuk membuka file konfigurasi base classifier Pengujian dilakukan dengan meng-klik “Buka Konfigurasi” untuk file konfigurasi base classifier, kemudian memilih file yang mengandung konfigurasi base classifier. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 Masukan file tidak sesuai Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 Masukan file sesuai Nilai masukan
yang ada pada
Sesuai dengan hasil yang diharapkan
12. Pengujian terhadap fungsi untuk menyimpan file konfigurasi base classifier Pengujian dilakukan dengan meng-klik “Simpan Konfigurasi” untuk file konfigurasi base classifier. Hasil adalah file yang berisi konfigurasi base
classifier.
Setelah dilakukan pengujian melalui langkah-langkah ini maka file yang menampung nilai untuk konfigurasi base classifier sesuai dengan nilai-nilai yang ada pada form konfigurasi base classifier saat dilakukannya penyimpanan.
13. Pengujian terhadap fungsi untuk melakukan klasifikasi pada base classifier Pengujian dilakukan untuk menguji apakah pelatihan base classifier dapat berjalan. Data yang digunakan adalah “Play Sports”, dengan pengaturan konfigurasi base classifier sebagai berikut:
• Jumlah Neuron pada Hidden Layer 1 = 9 • Jumlah Neuron pada Hidden Layer 2 = 3 • Fungsi Aktivasi Hidden Layer 1 = Radial Basis • Fungsi Aktivasi Hidden Layer 2 = Radial Basis • Fungsi Aktivasi Output Layer = Radial Basis • Jumlah Kelas = 2
• Learning Rate = 0,025 • Momentum = 1
• Epoch Maksimum = 1000 • MSE Minimum = 0,01
• Seed Acak Bobot = 19081985
Setelah diuji untuk data pelatihan dari nomor rekord 1 sampai 12 maka pelatihan dapat berjalan dengan baik dengan adanya penurunan error. Hasilnya akhirnya yaitu:
• MSE Epoch Terakhir = 0,00990380878759153 • Jumlah Epoch = 286
• Waktu Pelatihan = 1.546 ms
Grafik penurunan error-nya selama pelatihannya ditunjukkan pada sebagai berikut:
14. Pengujian terhadap fungsi untuk melakukan prediksi pada base classifier Dari hasil pelatihan yang dilakukan pada pengujian fungsionalitas nomor 13, maka dilakukanlah pengujian apakah dari hasil pelatihan dapat digunakan untuk melakukan prediksi dengan baik. Dalam melakukan prediksi base
classifier maka akan menggunakan data baru yaitu data “Play Sports” dengan
nomor rekord 13 sampai 14, serta menggunakan data pelatihan yaitu data “Play Sports” dengan nomor 1 sampai 12.
Dapat dilihat bahwa prediksi pada base classifier dapat berjalan dengan baik. Untuk prediksi data test dapat dilihat bahwa persentase kebenaran hasil prediksinya adalah 50%. Untuk prediksi data pelatihan dapat dilihat bahwa kebenaran hasil prediksinya adalah 100%.
15. Pengujian terhadap fungsi untuk membuka file konfigurasi SEA
Pengujian dilakukan dengan meng-klik “Buka Konfigurasi” untuk file konfigurasi SEA, kemudian memilih file yang mengandung konfigurasi SEA. Hasil pengujiannya dapat dilihat sebagai berikut:
No. Kasus Uji Hasil yang
Diharapkan
Hasil uji
1 Masukan file tidak sesuai Pesan kesalahan Sesuai dengan hasil yang diharapkan 2 Masukan file sesuai Nilai masukan
yang ada pada
form konfigurasi
SEA sesuai dengan yang ada di file
Sesuai dengan hasil yang diharapkan
16. Pengujian terhadap fungsi untuk menyimpan file konfigurasi SEA
Pengujian dilakukan dengan meng-klik “Simpan Konfigurasi” untuk file konfigurasi SEA. Hasil adalah file yang berisi konfigurasi SEA.
Setelah dilakukan pengujian melalui langkah-langkah ini maka file yang menampung nilai-nilai untuk konfigurasi SEA sesuai dengan nilai-nilai yang ada pada form konfigurasi SEA saat dilakukannya penyimpanan.
17. Pengujian terhadap fungsi untuk melakukan klasifikasi pada SEA
Pengujian dilakukan untuk menguji apakah pelatihan SEA dapat berjalan. Data yang digunakan adalah “Play Sports”, dengan pengaturan konfigurasi
base classifier sebagai berikut:
• Jumlah Neuron pada Hidden Layer 1 = 9 • Jumlah Neuron pada Hidden Layer 2 = 3 • Fungsi Aktivasi Hidden Layer 1 = Radial Basis • Fungsi Aktivasi Hidden Layer 2 = Radial Basis