Page 79 - Trends in Science and Technology fo Sustainable Living
P. 79

40     Fakultas Sains dan Teknologi
                   Universitas Terbuka (2023)


                 N-soft set. Melalui analisis ini, pola asosiasi yang signifikan dapat
                 diidentifikasi,  yang  mengungkapkan  hubungan  antara  item-tem
                 tertentu yang muncul bersama secara berulang. Pendekatan ini
                 memungkinkan organisasi untuk mendapatkan wawasan tentang
                 hubungan dan korelasi yang ada dalam data mereka dengan
                 mempertimbangkan tingkat keanggotaan objek dalam kelas-kelas
                 yang relevan.
                       Penelitian sebelumnya telah menggabungkan konsep
                 soft set dengan  association rule mining.  Penelitian Herawan
                 dan Deris menggunakan  mining regular association rules  dan
                 maximal association rules  dengan menggunakan teori  soft set
                 pada  dataset transaksional (2011). Penelitian dilakukan dengan
                 mengubah transformasi  dataset transaksional menjadi sistem
                 informasi bernilai Boolean. Dalam konteks ini, dataset transaksional
                 direpresentasikan sebagai soft set. Dengan menggunakan konsep
                 co-occurrence  parameter dalam sebuah transaksi, peneliti telah
                 mendefinisikan  gagasan  regular  dan  maximal association rules
                 antara dua set parameter, juga  support,  confidence,  maximal
                 support, dan  maximal  confidences  yang  didefinisikan  dengan
                 benar menggunakan teori  soft  set. Hasil penelitian menunjukkan
                 bahwa soft regular dan soft maximal association rules memberikan
                 aturan  yang identik  dibandingkan dengan  regular  dan  maximal
                 association rules.  Pada  penelitian  tersebut  meyakini  bahwa
                 implementasi teori soft set pada data mining berbagai tingkatan
                 association rules dan sistem pendukung keputusan akan menjadi
                 lebih mudah.
                       Selain itu,  data mining dengan menggunakan metode
                 clustering  dapat mengelompokkan objek-objek dalam  dataset
                 berdasarkan tingkat keanggotaan mereka dalam kelas-kelas
                 yang diwakili oleh N-soft set. Proses ini memungkinkan identifikasi
                 berbagai kelompok yang memiliki karakteristik atau pola yang
                 mirip. Dengan demikian, organisasi dapat mengidentifikasi segmen
                 pelanggan, kategori produk, atau kelompok data lainnya yang
                 dapat memberikan wawasan yang berharga dalam pengambilan
                 keputusan. Penelitian sebelumnya telah menggunakan pendekatan
   74   75   76   77   78   79   80   81   82   83   84