from Step 2.1. It constitutes a mea

from Step 2.1. It constitutes a measure of the quality of the decision rules. If AV is large enough (denoted by AV >1) then the quality of the set of the decision rules is considered good. In such a case, L1 which is a limit that will allow only the decision rules with strong matching capabilities with the object to continue in the classification process, will take a large value and vice versa. It should be noted that in order to thoroughly investigate the matching capabilities of the decision rules, L1 may take two different values when AV ~ 1. These values are defined by the lower bounds of the domains of AV (that is 1/3 and 0, respectively).
However, the decision rules that do not satisfy relation (6) can-not be properly evaluated by the matching rationale of Huang, con¬sidering the relatively small number of attributes that will match each other on the comparisons between the object and the decision rules. In such a case the decision rules will remain in the classifi¬cation process, only if their coverage and accuracy have sufficiently large values. The coverage and accuracy of a decision rule are im¬portant evaluation measures (e.g. [28–30]). In order to define them, the “Body ~ Head” form of the if-then rules will be used, where “Body” and “Head” are the “if” and “then” parts of a decision rule, respectively. Thus, the coverage of a decision rule is defined as the fraction of the objects of the training set YTR that are covered by the body of the rule. That is:

Results (Indonesian) 1:

dari langkah 2.1. Ini merupakan ukuran kualitas aturan keputusan. Jika AV cukup besar (dilambangkan oleh AV > 1) maka kualitas seperangkat aturan keputusan dianggap baik. Dalam kasus tersebut, L1 mana batas yang akan memungkinkan hanya aturan keputusan dengan kuat kemampuan cocok dengan objek untuk melanjutkan proses klasifikasi, akan mengambil besar nilai dan sebaliknya. Perlu dicatat bahwa untuk benar-benar menyelidiki kemampuan pencocokan aturan keputusan, L1 dapat mengambil dua berbeda nilai ketika AV ~ 1. Nilai-nilai ini didefinisikan oleh batas-batas bawah domain yang AV (yang adalah 1/3 dan 0, masing-masing).Namun, keputusan aturan yang tidak memenuhi dapat hubungan (6)-tidak menjadi benar dievaluasi oleh alasan pencocokan Huang, con¬sidering relatif kecil jumlah atribut yang akan cocok satu sama lain pada perbandingan antara objek dan aturan keputusan. Dalam kasus seperti aturan keputusan akan tetap dalam proses classifi¬cation, hanya jika mereka jangkauan dan akurasi memiliki nilai cukup besar. Jangkauan dan akurasi keputusan memerintah adalah im¬portant langkah-langkah evaluasi (misalnya [28 – 30]). Untuk menentukan nasib mereka, "Tubuh ~ kepala" bentuk aturan jika-maka akan digunakan, mana "Tubuh" dan "Kepala" yang "jika" dan "selanjutnya" bagian dari keputusan yang berkuasa, masing-masing. Dengan demikian, cakupan aturan keputusan didefinisikan sebagai bagian dari objek pelatihan set YTR yang tercakup oleh badan pemerintahan. Yaitu:

Results (Indonesian) 2:

dari Langkah 2.1. Ini merupakan ukuran kualitas aturan keputusan. Jika AV cukup besar (dilambangkan dengan AV> 1) maka kualitas dari himpunan aturan keputusan dianggap baik. Dalam kasus tersebut, L1 yang merupakan batas yang akan memungkinkan hanya aturan keputusan dengan kemampuan pencocokan kuat dengan objek untuk melanjutkan proses klasifikasi, akan mengambil nilai yang besar dan sebaliknya. Perlu dicatat bahwa untuk menyelidiki kemampuan pencocokan aturan keputusan, L1 mungkin mengambil dua nilai yang berbeda ketika AV ~ 1. Nilai-nilai ini ditentukan oleh batas bawah dari domain dari AV (yang 1/3 dan 0 , masing-masing).
Namun, aturan keputusan yang tidak memenuhi hubungan (6) dapat-tidak benar dievaluasi oleh pemikiran pencocokan Huang, con¬sidering jumlah yang relatif kecil dari atribut yang akan cocok satu sama lain pada perbandingan antara objek dan aturan keputusan. Dalam kasus seperti aturan keputusan akan tetap di proses classifi¬cation, hanya jika cakupan dan akurasi mereka memiliki nilai yang cukup besar. Cakupan dan akurasi dari aturan keputusan adalah tindakan evaluasi im¬portant (misalnya [28-30]). Dalam rangka untuk menentukan mereka, "Tubuh ~ Kepala" bentuk jika-maka aturan akan digunakan, di mana "Tubuh" dan "Kepala" adalah "jika" dan "maka" bagian dari aturan keputusan, masing-masing. Dengan demikian, cakupan aturan keputusan didefinisikan sebagai fraksi objek dari training set YTR yang dicakup oleh tubuh dari aturan. Itu adalah: