Penelitian yang dilakukan oleh Xiaoqin Ma dan rekan-rekannya menghadirkan sebuah terobosan dalam pengelolaan data hybrid melalui pengurangan atribut berbasis fuzzy conditional information entropy. Algoritma ini tidak hanya memberikan pengurangan atribut yang signifikan hingga 84,04%, tetapi juga meningkatkan akurasi klasifikasi hingga 11,25%, yang merupakan pencapaian yang luar biasa dalam konteks pengelolaan data kompleks. Dengan penerapan supervised distance dan hubungan fuzzy, algoritma ini juga mampu menangani ketidakpastian dan anomali dalam data, menjadikannya solusi yang lebih handal dibandingkan metode tradisional.
Implikasi dari penelitian ini sangat penting bagi berbagai industri, termasuk kesehatan, keuangan, dan e-commerce, yang berhadapan dengan data beragam dan kompleks setiap harinya. Pengurangan atribut yang efektif seperti yang diusulkan oleh penelitian ini dapat membantu organisasi menghemat sumber daya, meningkatkan efisiensi operasional, dan menghasilkan keputusan yang lebih akurat. Di era big data saat ini, kemampuan untuk memproses dan menganalisis data hybrid dengan lebih cepat dan akurat akan menjadi salah satu kunci keberhasilan bagi bisnis dan institusi yang ingin terus berkembang di masa depan.
Referensi
Ma, X., Wang, J., Yu, W., & Zhang, Q. (2024). Attribute reduction of hybrid decision information systems based on fuzzy conditional information entropy. Computers, Materials & Continua, 79(2), 2064-2082. https://doi.org/10.32604/cmc.2024.049147