Pengaruh Membership Function Pada Fuzzy Dempster-Shafer

Abstrak

Proses klasifikasi adalah proses pemberian label kelas terhadap sekumpulan data yang belum memiliki label kelas. Pada proses klasifikasi selalu akan muncul ketidakpastian. Ketidakpastian berupa kemungkinan bahwa label kelas yang dipilih tidak tepat sehingga menyebabkan keraguan. Salah satu metode untuk menangani hal ini adalah menggunakan metode Fuzzy dan Dempster – Shafer (DS). Penelitian ini akan mengkombinasikan tahap Fuzzification dari metode Fuzzy untuk mendapatkan nilai Belief yang kemudian akan digunakan pada perhitungan klasifikasi DS.

Penelitian ini bertujuan untuk mengetahui pengaruh dari penggunaan Membership Function (MF) yang berbeda – beda dalam proses klasifikasi serta parameter optimal masing-masing MF yang digunakan. Tahap Fuzzification menggunakan bentuk Membership Function (MF) segitiga dan bell untuk menghasilkan nilai kepercayaan atau nilai Belief terhadap kelas. Pengujian parameter kurva MF dibagi menjadi dua bagian perbandingan, yaitu bagian pertama adalah di mana parameter titik pusat kurva berada di dalam rentang data input yang dibandingkan dengan bagian kedua, yaitu menggunakan parameter titik pusta kurva yang berada di luar rentang data input.

Perbandingan parameter titik pusat kurva MF memberikan hasil bahwa parameter yang optimal bagi bentuk MF segitiga adalah a1 = a2 = 4, b1 = b2 = 10, c1 = 0 dan c2 = 11 dan bentuk MF bell adalah a1 = -11, b1 = 0, c1 = 11 dan a2 = 0, b2 = 1, c2 = 22. 2. Hasil penelitian menunjukkan bahwa bentuk MF bell dengan akurasi 88,87% lebih baik daripada MF segitiga.