=
=
4.3.3 Desain Arsitektur ANFIS
Arsitektur jaringan diperoleh melalui identifikasi struktur dan parameter menggunakan pohon regresi CART. Identifikasi struktur menggunakan pohon
regresi digunakan untuk membentuk penyekatan pohon partition tree pada ruang input yang dapat digunakan sebagai jawaban terhadap masalah curse of
dimensionality yang terjadi pada grid partition ANFIS, yaitu terjadinya penambahan jumlah aturan secara eksponensial sesuai dengan penambahan
jumlah input. Pohon regresi pertama kali dibentuk dengan pemilahan yang rekursif
berdasar kriteria tertentu. Pada penelitian ini banyak amatan pada simpul akhir ditetapkan ≤ 10, kemudian secara iteratif pohon tersebut dipangkas pruning
menjadi pohon yang makin kecil dengan menggunakan ukuran minimum cost complexity dan terakhir dipilih pohon terbaik dengan menggunakan validasi silang
cross validation sample, pada penelitian ini digunakan validasi silang lipat 5.
4.3.3.1 Identifikasi Struktur dan Parameter ANFIS
Pada permasalahan klasifikasi classification, setiap terminal node mengandung sebuah huruf yang menunjukkan kelas perkiraan dari vektor yang
diberikan, pada permasalahan regresi regression tree setiap terminal node
merupakan sebuah konstanta yang merupakan output dari vektor input Jang et al. 1997. Selengkapnya program algoritme CART dapat dilihat pada Lampiran 5.
Algoritme CART melalui pohon regresinya dapat digunakan untuk melihat hubungan antara peubah respon dan peubah penduga. Algoritme CART dapat
mengetahui peubah dominan dari sederet peubah yang dilibatkan dan dapat pula
mengidentifikasi peubah-peubah yang hanya berpengaruh dan berinteraksi secara lokal dalam kelompok tertentu.
Pada setiap model dilakukan proses pembentukan dan pemangkasan tree. Berikut adalah proses pembentukan dan pemangkasan tree yang dilakukan.
1. Pembentukan
dan Pemangkasan Tree Model Ekto1
Hasil pembentukan tree untuk model Ekto1 dapat dilihat pada Gambar 21. Dari Gambar 21 dapat dilihat peubah yang menjadi akar root tree adalah suhu
pada nilai 27.5, penyekat selanjutnya untuk nilai suhu 27.5 adalah KTK pada nilai 26, dan untuk nilai suhu
≥ 27.5 disekat oleh aluminium pada nilai 20.5. Pohon awal yang terbentuk berukuran tiga puluh tujuh daun leaf.
Gambar 21 Pembentukan tree model Ekto1.
Hasil pemangkasan tree untuk model Ekto1 dapat dilihat pada Gambar 22. Dari Gambar 22 terlihat variabel terpilih sebagai output dari algoritme CART
untuk Ekto1 adalah : suhu pada nilai 27.2 dan 19, kemudian KTK pada nilai 26, dan Al pada nilai 20.5 dan 27.5. Hasil ini kemudian dikonfirmasikan kepada
pakar. Menurut pakar, nilai Al yang ada pada data terlalu besar, sebab pada keadaan sesungguhnya dilapangan, pada nilai Al 3 mikoriza tidak dapat hidup.