As we can see from the above defini

As we can see from the above definitions, the first fraction of relation (3) is the normalized sum of weights of the concordance coalition attributes, which corresponds to the second principle. On the other hand, the second fraction of relations (3) and (4) is the normalized sum of weights of the concordance coalition attributes that have zero value differences, in the context of the concordance coalition attributes. It corresponds to the first principle and along with bonus(j), aims at strengthening the above attributes, that is, the ones with strong matching capabilities.
Having defined the concordance indices and the corresponding concordance thresholds for the comparisons between an object and every decision rule, we will now exclude from the classification pro¬cess the weakest of the decision rules, through the concordance test. The concordance test is given by the following relation:
CI(xj,yi)~CT(xj,yi), j=1, ..., d (5)
Clearly, inequality (5) is satisfied if the normalized sum of weights of the concordance coalition attributes exceeds m(i). Decision rules for which CI(xj,yi) < CT(xj,yi), are considered too weak to be in¬cluded in the classification process. The concordance test is outlined below:
FOR EVERY decision rule xj, j = 1, ..., d
IF CI(xj,yi)~CT(xj,yi) THEN
Decision rule xj will take part in the classification process
ELSE
Decision rule xj is excluded from the classification process
END IF NEXT FOR
The rules not excluded from the concordance test are then used in Step 2.2.
Note 2—parameter bonus(j): Parameter bonus(j) increases the value of the indices that include zero value differences, because these dif-ferences represent a stronger indication of similarity between the corresponding attribute values of yi and xj. In fact, the larger the number of the zero value differences the larger bonus(j) must be set. Ideally, bonus(j) will take its larger value, when all the differ¬ences of the attributes of the concordance coalition, are zero val

Results (Indonesian) 1:

Seperti yang kita lihat dari definisi di atas, Bagian pertama dari hubungan (3) adalah jumlah menormalkan bobot Konkordans koalisi atribut, yang sesuai dengan prinsip kedua. Di sisi lain, kedua fraksi hubungan (3) dan (4) adalah jumlah menormalkan bobot Konkordans koalisi atribut yang memiliki perbedaan nilai nol, dalam konteks atribut koalisi kesesuaian. Hal ini sesuai dengan prinsip pertama dan dengan bonus(j), bertujuan untuk memperkuat atribut di atas, yaitu, orang-orang dengan kemampuan besar yang sesuai.Memiliki didefinisikan Konkordans indeks dan ambang Konkordans sesuai untuk perbandingan antara objek dan setiap aturan keputusan, kami akan sekarang mengecualikan dari pro¬cess klasifikasi yang paling lemah dari aturan keputusan, melalui tes kesesuaian. Tes Konkordans diberikan oleh hubungan berikut:CI(XJ,Yi)~CT(XJ,Yi), j = 1,..., d (5)Jelas, ketidaksetaraan (5) puas jika jumlah menormalkan bobot atribut koalisi Konkordans melebihi m(i). Keputusan aturan untuk CI(xj,yi) yang < CT(xj,yi), dianggap terlalu lemah untuk menjadi in¬cluded dalam proses klasifikasi. Tes Konkordans diuraikan dibawah ini:UNTUK setiap keputusan aturan xj, j = 1,..., dJika CI(xj,yi)~CT(xj,yi) kemudianKeputusan aturan xj akan mengambil bagian dalam proses klasifikasiLAINKeputusan aturan xj dikecualikan dari proses klasifikasiAKHIR JIKA BERIKUTNYA UNTUKAturan-aturan yang tidak dikecualikan dari tes Konkordans kemudian digunakan dalam langkah 2.2.Catatan 2-parameter bonus(j): Parameter bonus(j) meningkatkan nilai indeks yang mencakup perbedaan nilai nol, karena dif-ferences ini merupakan indikasi yang kuat dari kesamaan antara nilai atribut yang sesuai Yi dan xj. Pada kenyataannya, semakin besar jumlah nol menghargai perbedaan bonus(j) lebih besar harus ditetapkan. Idealnya, bonus(j) akan mengambil nilai yang lebih besar, ketika semua differ¬ences atribut dari koalisi kesesuaian, yang val nol

Results (Indonesian) 2:

Seperti yang bisa kita lihat dari definisi di atas, fraksi pertama hubungan (3) adalah jumlah normalisasi bobot dari koalisi konkordansi atribut, yang sesuai dengan prinsip kedua. Di sisi lain, fraksi kedua hubungan (3) dan (4) adalah jumlah normalisasi bobot atribut koalisi konkordansi yang memiliki perbedaan nilai nol, dalam konteks konkordansi atribut koalisi. Hal ini sesuai dengan prinsip pertama dan bersama dengan bonus (j), bertujuan untuk memperkuat atribut di atas, yaitu, orang-orang dengan kemampuan pencocokan kuat.
Setelah mendefinisikan indeks konkordansi dan ambang konkordansi yang sesuai untuk perbandingan antara obyek dan setiap keputusan aturan, kita sekarang akan mengecualikan dari klasifikasi pro¬cess terlemah dari aturan keputusan, melalui uji konkordansi. Tes konkordansi diberikan oleh hubungan berikut:
CI (xj, yi) ~ CT (xj, yi), j = 1, ..., d (5)
Jelas, ketidaksetaraan (5) puas jika jumlah normalisasi bobot dari atribut koalisi konkordansi melebihi m (i). Aturan keputusan yang CI (xj, yi) <CT (xj, yi), dianggap terlalu lemah untuk in¬cluded dalam proses klasifikasi. Tes konkordansi diuraikan di bawah:
UNTUK SETIAP aturan keputusan XJ, j = 1, ..., d
IF CI (xj, yi) ~ CT (xj, yi) MAKA
aturan Keputusan XJ akan mengambil bagian dalam proses klasifikasi
ELSE
aturan Keputusan XJ dikeluarkan dari proses klasifikasi
END IF BERIKUTNYA UNTUK
Aturan tidak dikecualikan dari uji konkordansi kemudian digunakan pada Langkah 2.2.
Catatan bonus 2-parameter (j): bonus Parameter (j) meningkatkan nilai indeks yang mencakup nilai nol perbedaan, karena ini dif-perbedaan-mewakili indikasi kuat kesamaan antara nilai atribut yang sesuai yi dan XJ. Bahkan, semakin besar jumlah perbedaan nol nilai bonus yang lebih besar (j) harus ditetapkan. Idealnya, bonus (j) akan mengambil nilai yang lebih besar, ketika semua differ¬ences atribut dari koalisi konkordansi, adalah nol val