Metode Fuzzy Regression digunakan untuk mencari hubungan yang tidak jelas anatara variabel independen dan variabel dependen berdasarkan ketepatan/ketidaktepatan data. Berikut ini 2 pendeketan untuk membentuk Fuzzy Regression:

1. Pendekatan Kemungkinan
2. Pendekatan Fuzzy Least Squares

Untuk menyelesaikan masalah data dengan variansi yang sangat besar, maka digunakan model nonparametrik. Salah satunya yaitu MARS (Multivariate Adaptive Regression Splines) dengan menggunakan variabel yang sedikit. Non linieritas diaproksimasi melalui slop regresi yang terpisah di interval yang berbeda.
MARS+Math Programming menghasilkan model Hybrid Fuzzy Regression yang digunakan untuk menanggulangi masalah pemodelan dan analisis untuk data bervariansi besar.

MARS digunakan untuk aproksimasi hubungan antara variabel independen dan dependen khususnya ketika datanya memiliki variansi yang besar dan hubungan antara kedua variabel tersebut tidak mengikuti fungsi linier. Model Fuzzy Regression:

dengan

Dari contoh kasus pada jurnal dapat dilihat pada grafik bahwa tidak dapat digunakan simple polinomial apapun yang fit dengan data sehingga tidak dapat dilakukan analisis terhadap data, sehingga digunakanlah Fuzzy Regression (MARS).

Sebenarnya tujuan dari MARS-Fuzzy Regression Model adalah untuk memodelkan secara umum dan tidak ada pembatasan apapun (asumsi), sehingga bisa digunakan untuk memodelkan berbagai data dimana data pengamatan pada variabel dependen tidak tepat (variansinya besar) dibanding data pengamatan pada variabel dependennya.

Semoga Artikelnya bermanfaat dan membuat teman – teman tahu lebih tentang statistika ya
sekian terima kasih 😀
Sampai jumpa di artikel berikutnya
dahh ….