Page 80 - Trends in Science and Technology fo Sustainable Living
P. 80
Trends in Science and Technology 41
for Sustainable Living
soft set untuk klasterisasi dataset penilaian siswa (Saedudin, Kasim,
Mahdin, Hasibuan, 2017). Pada penelitian tersebut menggunakan
Maximum Degree of Domination dalam teori soft set (MDDS). MDDS
digunakan untuk memilih fitur terbaik dalam pengelompokkan data
pendidikan. Pemilihan fitur memperhatikan derajat keanggotaan
untuk menemukan fitur yang bermakna dari dataset sehingga
fitur yang ada memiliki korelasi tinggi atau saling ketergantungan
tinggi satu sama lain. Hasil yang diperoleh pada penelitian tersebut
berpotensi memberikan rekomendasi dalam memberikan nilai
akhir suatu mata kuliah dengan lebih cepat dan akurat.
Penerapan metode classification dalam data mining juga
dapat memanfaatkan representasi N-soft set dalam menentukan
kelas-kelas objek. Pengklasifikasian objek ke dalam kelas tertentu
akan mempertimbangkan tingkat keanggotaan objek dalam
kelas-kelas yang diwakili oleh N-soft set. Dengan cara ini, data
mining dapat membangun model klasifikasi yang lebih fleksibel
dan dapat menangani ketidakpastian atau ambiguitas dalam
pengklasifikasian objek. Penelitian sebelumnya telah menggunakan
fuzzy soft set (FSS) dalam pengklasifikasian berdasarkan
pengukuran kesamaan jarak Hamming, yang disebut HDFSSC
(Yanto, Saedudin, Lashari, & Haviluddin, 2018). Model yang diusulkan
melalui empat fase, yaitu akuisisi data, fuzzifikasi fitur, fase pelatihan,
dan fase pengujian. Hasil eksperimen menunjukkan bahwa HFSSC
memiliki akurasi yang tinggi bahkan dengan kompleksitas yang
lebih rendah pada tahap pengujian.
Secara keseluruhan, metode-metode pencarian pola
dengan memanfaatkan representasi N-soft set dalam data
mining dapat menghasilkan penemuan yang lebih informati dan
berharga. Dalam proses ini, tingkat keanggotaan objek dalam
kelas-kelas tertentu memberikan informasi tambahan yang
memperkaya analisis pola yang dilakukan. Penggunaan N-soft set
dalam memberikan tanda atau ciri kepada objek sehingga dapat
diketahui fitur tersebut berpengaruh atau tidak pada variabel
terikat. Dengan demikian, penggunaan N-soft set dalam pencarian
pola dalam data mining dapat meningkatkan kualitas hasil analisis
dan mendukung pengambilan keputusan yang lebih baik.