BAB III HASIL DAN PEMBAHASAN
3.1. Fuzzy CART
Algoritma CART termasuk dalam anggota analisis klasifikasi yang disebut decision trees karena proses analisis dari CART digambarkan dalam bentuk atau
struktur yang menyerupai sebuah pohon, lebih tepatnya pohon klasifikasi yang berbentuk biner Damayanti, 2011. Algoritma CART dapat mengklasifikasikan
data dari semua jenis skala data, baik nominal, ordinal, interval maupun rasio. Algoritma ini menghasilkan output berupa data yang telah terkelompok
berdasarkan kesamaan kelas klasifikasi yang tegas crisp. Pada himpunan tegas crisp, nilai keanggotaan yang berbeda sedikit dapat
terpisah pada dua kelas klasifikasi. Pengelompokkan variabel dalam analisis klasifikasi sangat tegas, sedikit perbedaan data dapat menyebabkan perbedaan
kelas klasifikasi. Misalnya untuk kelas usia dengan rentang 35 – 55 tahun disebut
setengah baya, maka 34 tahun dikatakan muda, pendekatan crips ini tidak adil untuk menetapkan hal-hal yang bersifat kontinu Kusumadewi, 2004.
Logika fuzzy didasarkan pada logika Boolean yang umum digunakan dalam komputasi. Secara ringkas, teorema fuzzy memungkinkan komputer
berpikir tidak hanya dalam skala hitam-putih 0 dan 1, mati atau hidup tetapi juga dalam skala abu-abu. Dalam logika fuzzy suatu preposisi dapat direpresentasikan
dalam derajat kebenaran truthfulness atau kesalahan falsehood tertentu Chandrakar Kothari, 2008.
Universitas Sumatera Utara
42
Bandar 2002 memperkenalkan bahwa fuzzy dapat diinduksikan ke dalam analisis decision tree. Algoritma induksi fuzzy dapat digunakan untuk
melunakkan soften batasan keputusan yang tajam sharp pada algoritma pohon keputusan decision tree tradisional.
Fuzzy dapat memperhalus batasan data, khususnya pada data kategorik. Sesuai dengan komponen utama himpunan fuzzy yang memiliki dua atribut
Kusumadewi, 2004; yang pertama linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami,
contohnya : muda, parobaya, tua. Yang kedua numerik, yaitu suatu nilai angka yang menunjukkan ukuran dari suatu variabel, contohnya : 3, 4, 17. Oleh karena
itu fuzzy hanya dapat digunakan pada data berskala ordinal. Salah satu jenis Fuzzy Inference System adalah yang dikembangkan oleh
Mamdani, yang mampu meningkatkan formulasi awal Zadeh dengan cara yang memungkinkan untuk diterapkan pada sistem kontrol fuzzy. Sistem fuzzy ini juga
dikenal sebagai logika fuzzy controller. Seperti sebelumnya, fuzzification memungkinkan FIS metode Mamdani untuk menangani nilai input yang tegas,
pemetaan dari nilai tegas untuk himpunan fuzzy didefinisikan dalam semesta pembicaraan. Sistem inferensi menetapkan pemetaan antara himpunan fuzzy
dalam domain input dan himpunan fuzzy dalam domain output. Defuzzifikasi mengubah output fuzzy berdasarkan aturan fuzzy menjadi output non-fuzzy
Bandar, 2002. Penelitian ini memperkenalkan Fuzzy CART atau bisa disingkat menjadi
FCART. Berdasarkan studi literatur seperti yang telah dipaparkan dalam BAB
Universitas Sumatera Utara
43
sebelumnya, dapat diambil pemahaman bahwa FCART hanya dapat diaplikasikan pada data dengan skala ordinal, karena terkait konsep pemikiran dan penilaian
manusia dalam batas-batas variabel linguistiknya. Dalam teknik penggabungan algoritma CART dengan Fuzzy, Fuzzy
diinduksikan setelah data melewati seluruh proses klasifikasi pada CART, output algoritma CART tersebut dijadikan rules pada Fuzzy Inference System metode
Mamdani. Kemudian melakukan proses inferensi hingga selesai. Sesuai dengan penelitian yang dilakukan Bandar 2002, langkah-langkah
induksi Fuzzy pada algoritma pohon keputusan yang diperkenalkan adalah sebagai berikut :
1. Memisahkan dataset menjadi learning dan testing data;
2. Melakukan Proses analisis CART. Dalam proses ini terdiri atas tiga
tahapan yaitu pemecahan node, pelabelan kelas, dan pemangkasan pohon klasifikasi sehingga menghasilkan pohon optimal;
3. Pembentukan aturan rule Fuzzy dari Pohon Keputusan CART
sebagai Pengetahuan Dasar; 4.
Menentukan fungsi keanggotaan membership function; 5.
Penerapan Fuzzy Inference System dengan metode Mamdani. Metode ini terdiri dari empat tahapan utama yaitu pembentukan himpunan
fuzzy, aplikasi fungsi implikasi, komposisi aturan dengan metode max, dan defuzzifikasi.
Universitas Sumatera Utara
44
Ketika menghitung akurasi persentase untuk dataset di mana variabel target merupakan diskrit, jumlah klasifikasi yang benar dari setiap hasil akan
menentukan ukuran keseluruhan kinerja algoritma FCART.
3.2. Uji coba pada Database