Pembangkitan Rule Menggunakan Rough Set Pada Fungsi Keanggotaan Fuzzy
ix
ABSTRAK
Rule dalam permasalahan fuzzy umumnya didasarkan pada pembangkit fungsi
keanggotaan yang daerah keanggotaannya ditentukan menggunakan pengelompokan
berdasarkan kategori secara kasat mata. Rough set dapat membentuk rule
menggunakan cara melalui batas wilayah. Batas wilayah dalam rough set adalah
elemen yang berada diluar set yang mungkin milik set. Rough set sering digunakan
untuk pengambilan keputusan. Keuntungan utama dari teori rough set dalam analisis
data adalah bahwa tidak memerlukan informasi awal dan tambahan tentang data
seperti probabilitas dan statistik, kelas keanggotaan atau nilai kemungkinan dalam
himpunan fuzzy teori. Dalam Rough Set kumpulan objek disebut sebagai Information
System. Dari Information System tersebut objek-objek diklasifikasikan kedalam areaarea tertentu yang disebut dengan lower approximation, Upper approximation,
boundary. Salah satu mekanisme yang turut berperan didalam penentuan rule pada
Rough Set adalah penentuan fungsi keanggotaan yang didapat dari himpunan fuzzy
kedalam nilai keanggotaan yang memiliki interval antara 0 sampai dengan 1. Tujuan
penelitian ini adalah untuk membangkitkan rule pada teori rough set. Rule yang
dibangkitkan dengan rough set lebih banyak dari pada menggunakan logika fuzzy,
artinya dalam pengambilan keputusan lebih teliti. Untuk 100 data, rule yang
dihasilkan memiliki perbandingan 0,3% : 0,29%.
Kata Kunci : Rough set, rule, lower approximation, Upper approximation, boundary,
fuzzy, Tsukamoto.
Universitas Sumatera Utara
x
RULES GENERATED ON FUZZY MEMBERSHIP FUNCTION
USING ROUGH SET
ABSTRACT
Rule the fuzzy problems are generally based on the membership function generator
area membership is determined using grouping by category by naked eye. Rough rule
sets can be formed using the way through boundaries. Boundaries in the rough set is a
set of elements that are outside that may belong to the set. Rough sets are often used
for decision making. The main advantage of rough set theory in data analysis is that it
does not require initial and additional information about the data such as probability
and statistics, grade or grades of membership in the fuzzy set theory possibility. In
Rough Set collection of objects called the Information System. The Information
System of the objects are classified into specific areas called lower approximation,
upper approximation, and boundary. One of the mechanisms that play a role in
determining the rule on Rough Set is the determination of membership function
derived from fuzzy set membership that has a value between 0 and 1. The purpose of
this study is to generate rule on rough set theory. Rule generated by rough sets more
than the use of fuzzy method, that is to say in the decision more carefully. For 100 of
data, resulting rule has a ratio of 0.3% : 0.29%.
Keyword: Rough set, rule, lower approximation, Upper approximation, boundary,
fuzzy, Tsukamoto
Universitas Sumatera Utara
ABSTRAK
Rule dalam permasalahan fuzzy umumnya didasarkan pada pembangkit fungsi
keanggotaan yang daerah keanggotaannya ditentukan menggunakan pengelompokan
berdasarkan kategori secara kasat mata. Rough set dapat membentuk rule
menggunakan cara melalui batas wilayah. Batas wilayah dalam rough set adalah
elemen yang berada diluar set yang mungkin milik set. Rough set sering digunakan
untuk pengambilan keputusan. Keuntungan utama dari teori rough set dalam analisis
data adalah bahwa tidak memerlukan informasi awal dan tambahan tentang data
seperti probabilitas dan statistik, kelas keanggotaan atau nilai kemungkinan dalam
himpunan fuzzy teori. Dalam Rough Set kumpulan objek disebut sebagai Information
System. Dari Information System tersebut objek-objek diklasifikasikan kedalam areaarea tertentu yang disebut dengan lower approximation, Upper approximation,
boundary. Salah satu mekanisme yang turut berperan didalam penentuan rule pada
Rough Set adalah penentuan fungsi keanggotaan yang didapat dari himpunan fuzzy
kedalam nilai keanggotaan yang memiliki interval antara 0 sampai dengan 1. Tujuan
penelitian ini adalah untuk membangkitkan rule pada teori rough set. Rule yang
dibangkitkan dengan rough set lebih banyak dari pada menggunakan logika fuzzy,
artinya dalam pengambilan keputusan lebih teliti. Untuk 100 data, rule yang
dihasilkan memiliki perbandingan 0,3% : 0,29%.
Kata Kunci : Rough set, rule, lower approximation, Upper approximation, boundary,
fuzzy, Tsukamoto.
Universitas Sumatera Utara
x
RULES GENERATED ON FUZZY MEMBERSHIP FUNCTION
USING ROUGH SET
ABSTRACT
Rule the fuzzy problems are generally based on the membership function generator
area membership is determined using grouping by category by naked eye. Rough rule
sets can be formed using the way through boundaries. Boundaries in the rough set is a
set of elements that are outside that may belong to the set. Rough sets are often used
for decision making. The main advantage of rough set theory in data analysis is that it
does not require initial and additional information about the data such as probability
and statistics, grade or grades of membership in the fuzzy set theory possibility. In
Rough Set collection of objects called the Information System. The Information
System of the objects are classified into specific areas called lower approximation,
upper approximation, and boundary. One of the mechanisms that play a role in
determining the rule on Rough Set is the determination of membership function
derived from fuzzy set membership that has a value between 0 and 1. The purpose of
this study is to generate rule on rough set theory. Rule generated by rough sets more
than the use of fuzzy method, that is to say in the decision more carefully. For 100 of
data, resulting rule has a ratio of 0.3% : 0.29%.
Keyword: Rough set, rule, lower approximation, Upper approximation, boundary,
fuzzy, Tsukamoto
Universitas Sumatera Utara