Reduksi Atribut dengan Teori Fuzzy-rough Set

ASMA ASIAH PRASTOWO, Noor Akhmad Setiawan, S. T., M. T., Ph. D.; Ridi Ferdiana, Dr., S.T., M.T.

2018 | Skripsi | S1 TEKNOLOGI INFORMASI

Dalam klasifikasi data, seringkali ada atribut yang berlebih (redudant), sehingga perlu dilakukan reduksi atribut, salah satunya dengan teori rough set. Akan tetapi, reduksi dengan teori tersebut tidak bisa digunakan untuk data berupa data numerik, sehingga perlu dibuat cara untuk bisa mereduksi dari atribut yang datanya bersifat campuran antara nominal dan numerik. Reduksi atribut dengan fuzzy rough set bisa digunakan untuk menyelesaikan masalah tersebut, namun performa metode tersebut untuk berbagai macam data belum banyak diteliti. Penelitian ini menerapkan reduksi atribut dengan fuzzy rough set untuk mereduksi data yang heterogen untuk mengetahui performa metode fuzzy rough set untuk berbagai dataset. Hasil percobaan menunjukkan bahwa metode fuzzy rough set mampu mereduksi atribut dengan baik.

In data classification, is common to find redundant attribute. Because of that, attribute reduction is needed. It can be done using rough set theory. But rough set theory itself can't be used for numerical data, so finding a way to reduct data with mixed type (nominal and numeric) is needed. To reduct data with both nominal and numeric type, attribute reduction with fuzzy-rough set can be used, however the performance of fuzzy-rough set method applied to many datasets has not been widely explored. The objective of this work is to apply attribute reduction with fuzzy-rough set for reduct data with heterogenous datasets to know the performance of the method. The result show that fuzzy rough set method is able to reduce the attributes with good performance.

Kata Kunci : klasifikasi, reduksi atribut, fuzzy-rough set