Penentuan Rule Menggunakan Rough Set pada Metode Tsukamoto

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%.

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%.