Model Regresi Klasik Pemodelan Berbasis Fuzzy Regression

5 dengan batasan ฀ ฀ ∑ [ ∑ | | ] ฀ ฀ ∑ [ ∑ | | ] i = 1, … , N, α j R, c ≥ 0, j=1,2,…,n Shapiro, 2005. Persamaan tersebut harus dijamin memenuhi syarat sebagai himpunan fuzzy normal. Pada persamaan di atas, output i berupa himpunan fuzzy sebagai data pengamatan atau Y i himpunan non fuzzy sebagai data perkiraan harus jatuh di antara selang yang dibentuk oleh h. h adalah ukuran kecocokan terbaik yang digunakan dalam menilai model yang dibentuk. FLR yang dijelaskan di atas adalah awal mula perkembangan beberapa metode terkait dalam melengkapi dan menutupi kekurangan yang ada dari metode yang digunakan. Metode yang digunakan tidak selalu berkisar tentang FLR semata. Jika dilihat perkembangannya, tahun 1982 adalah awal terbentuknya FLR dan sejak itu banyak ilmuwan berlomba-lomba mengembangkan konsep ini. Pada tahun 1987, Tanaka et al mengemukakan tentang fuzzy linear regression yang menjelaskan lebih lanjut tentang hubungan antar variabel yang memiliki kekaburan berupa non fuzzy input dan fuzzy parameter. Selanjutnya, banyak peneliti melakukan perkembangan metode menggunakan pendekatan ini di antaranya ada Bardossy 1990, Peters 1994, Lucczynski dan Matloka 1995, Tanaka et al. 1995, Tanaka dan Lee 1999 dan Yen et al. 1999. Bardossy 1990 memperkenalkan bentuk umum dari persamaan regresi dan menunjukkan bagaimana masalah fuzzy regresi bisa diformulasikan sebagai masalah pemograman matematika. Pada tahun 1998, Tanaka dan Lee memperkenalkan regresi interval. Lalu, Wang dan Tsaur pada tahun 2000 memberikan pengertian terhadap interval regression sehingga analisis interval regression, analisis tipe data dan seleksi variabel bisa diperiksa. Pada tahun yang sama, Entani dan Tanaka memperluas persamaan menjadi exponential possibility regression kedalam interval outputnya Taheri 2003. FUZZY REGRESSION MODELS 3.1 Review Jurnal 3.1.1 On Fuzzy Regression Adapting Partial Least Square Alper Basaran et al. 2010. Dalam jurnal terbitan tahun 2010 yang ditulis oleh Alper Basaran, Biagio Simonetti, dan Luigi D’ambra dijelaskan mengenai metode fuzzy regression models yang dapat dikombinasikan dengan metode lainnya. Metode lain yang akan dikombinasikan dalam jurnal ini adalah metode parsial least square. Dalam 1.7 1.8