Pemangkasan Pohon Rules untuk Induksi Fuzzy

51 1 2 3 4 5 6 7 4 Tsize 0.4457 0.5543 0.4941 0.0011 1.2 0.4541 0.5459 0.4958 3 0.3793 0.6207 0.4709 5 Pnode 0.4457 0.5543 0.4941 0.0095 1 0.4563 0.5437 0.4962 2.3 0.0000 1.0000 0.0000 6 Pnode 0.4457 0.5543 0.4941 0.0031 1.2 0.4492 0.5508 0.4948 3 0.0000 1.0000 0.0000 7 Esterogen 0.4457 0.5543 0.4941 0.0007 1 0.4327 0.5673 0.4910 2.3 0.4713 0.5287 0.4983 8 Esterogen 0.4457 0.5543 0.4941 0.0022 1.2 0.4318 0.5682 0.4907 3 0.5263 0.4737 0.4986 Proses ini terus dilakukan hingga terbentuk pohon maksimal T max seperti terlihat pada lampiran 2 dan lampiran 3.

d. Pemangkasan Pohon

Setelah pohon maksimal T max terbentuk, maka dilakukan proses pemangkasan pohon klasifikasi. Jika diperoleh dua child node dan parent node yang memenuhi persamaan � � � , maka child node � dan � dipangkas. Sebagai contoh, berikut proses pemangkasan node 13. Node 13 T = 95 TT = 117 Tsize 1 dan 2 3 Node 23 Node 24 T = 88 T = 7 TT = 102 TT = 15 Gambar 13. Node 13 dan Kedua Child Node Universitas Sumatera Utara 52 � � � � �� � � �� � � �� � Sehingga diperoleh : � � � Universitas Sumatera Utara 53 Karena � � � maka kedua child node dari node 13 node 23 dan node 24 dipangkas. Proses pemangkasan ini dilakukan pada setiap subtree dari pohon T max hingga tidak ada lagi node yang bisa dipangkas. Pohon optimal terbentuk setelah proses pemangkasan diakhiri, seperti gambar berikut. Node 0 T = 302 TT = 247 Progesteron 1 2 dan 3 Node 1 Node 2 T = 115 T = 187 TT = 143 TT = 104 Usia 1 dan 2 3 Node 5 Node 6 T = 32 T = 155 TT = 27 TT = 77 Gambar 14. Pohon Klasifikasi CART Dari diagram di atas dapat disimpulkan bahwa yang mempengaruhi tersensor atau tidaknya adalah variabel kadar progesteron dan variabel usia pasien.

e. Rules untuk Induksi Fuzzy

Dari output pohon klasifikasi CART, terbentuk 3 tiga kelas klasifikasi yang berbeda. Tahap selanjutnya, bentuk aturan-aturan fuzzy “IF...THEN...” yang telah dipilih berdasarkan aturan-aturan klasifikasi hasil algoritma CART dalam penelitian ini. Aturan-aturan tersebut diberikan sebagai berikut : 1 If Progesteron is SEDIKIT then Sensor is TIDAK TERSENSOR Universitas Sumatera Utara 54 2 If Usia is MUDA and Progesteron is NORMAL then Sensor is TERSENSOR 3 If Usia is PAROBAYA and Progesteron is NORMAL then Sensor is TERSENSOR 4 If Usia is MUDA and Progesteron is BANYAK then Sensor is TERSENSOR 5 If Usia is PAROBAYA and Progesteron is BANYAK then Sensor is TERSENSOR 6 If Usia is TUA and Progesteron is NORMAL then Sensor is TERSENSOR 7 If Usia is TUA and Progesteron is BANYAK then Sensor is TERSENSOR Operator yang digunakan pada sistem adalah operator standard Zadeh “AND”. Proses defuzzifikasi menggunakan Metode Centroid. Selanjutnya, aturan- aturan “IF...THEN...” di atas digunakan sebagai input pada tahap inferensi fuzzy.

f. Fungsi Keanggotaan Variabel Fuzzy