Fuzzy Regression Models Pemodelan Berbasis Fuzzy Regression

7 Dari hasil perhitungan yang diperoleh model sebagai berikut : = 45187 ; 37,034X 1 + 5833 ; 0X 2 + 4781 ; 0X 3. 2.3 Pada persamaan 2.4 bisa dilihat bahwa banyaknya variabel bebas adalah tiga. Meskipun dalam prosedurnya FRM bukan untuk seleksi variabel, namun ternyata untuk kasus ini metode FRM dapat berperan juga sebagai metode seleksi variabel. Hal ini menjadi salah satu kelebihan yang ditonjolkan oleh FRM. Kasus 2 : Masih berhubungan dengan penjualan, dalam kasus dua ini akan dibuat sebuah model harga kue dengan mempertimbangkan kandungan gizi yang ada di dalamnya. Variabel tak bebas Y adalah harga kue per buah dan adalah variabel bebas masing-masing ukuran kue, energi yang dikandung, protein, lemak, karbohidrat dan sodium. Data yang dimiliki pada kasus dua ini adalah data non-fuzzy atau crips, sehingga FRM juga kesulitan dalam membangun model persamaan yang akan mewakili data. Parsial least square PLS digunakan sebelum membuat model menggunakan FRM. PLS membuat kombinasi linear yang memuat unsur yang saling berkolerasi satu sama lain lalu dilanjutkan dengan proses FRM untuk mendapatkan model yang dinginkan. Input data m � ′ m ∑ ∑ Akan dicari nilai sebaran menggunakan : ∑ ∑ е ∑ ∑ е Akan dicari nilai tengah dengan bentuk pertidaksaman : Didapat nilai koefisien A Nilai koefisien A dimasukkan ke dalam model = Ã + Ã 1 X 1 + Ã 2 X 2 + Ã 3 X 3 + Ã 4 X 4 + Ã 5 X 5 i = + X 1 + X 2 + X 3 + X 4 + X 5 8 Tujuan dari kasus dua ini adalah menentukan model harga sebuah kue. Data yang digunakan adalah data dari tujuh kasus yang telah disurvei sebelumnya. Model yang digunakan sebagai berikut : = Ã + Ã 1 X , 2.4 dengan = harga kue, = kombinasi linear dari X 1 = ukuran kue, X 2 = energi yang dikandung, X 3 = protein, X 4 = lemak, X 5 = karbohidrat dan, X 6 = sodium, Ã n = koefisien fuzzy j , c j , n=0,..,5 j = nilai tengah dari fuzzy number triangular, c j = nilai sebaran dari fuzzy number triangular. Dari penjelasan di atas, bisa digambarkan urutan pengerjaan yang dilakukan sebagai berikut Input data m � ′ m ∑ ∑ Akan dicari nilai sebaran menggunakan : ∑ ∑ е ∑ ∑ е Lalu akan dicari nilai tengah dengan bentuk pertidaksamaan : Didapat nilai koefisien A Nilai koefisien A dimasukkan ke dalam model = Ã + Ã 1 i = +