Deteksi Kanker berdasarkan Klasifikasi Data Microarray menggunakan Functional Link Neural Network dengan Seleksi Fitur Genetic Algorithm

Abstract

According to Data and Information Center, Ministry of Health Republic of Indonesia in 2015, cancer is one of the major causes of death in the world. In fact, in 2012 there were 8.2 million people death caused by cancer. The number of death is estimated to increase every year even, in the two next decades will increase 15 million to 22 million. The cancer can be known and detected early have possibilty to get better handling, and microarray technology has a role in it. In recent years, microarray technology has a great impact for determining genes informative causes cancer. Microarray has capability to determine the expression of thousands genes simultaneously monitoring biological processes. By analyzing microarray data, the thousand genes expression that represent a human, would be classified as a cancer or not. In this final project, the author implements Functional Link Neural Network with Legendre Polynomial basis functions for the accurate classification of data and uses Genetic Algorithm as a feature selection to reduce the high dimensional does exist on microarray data. Thus after all the processes have been conducted, then we retrieved the highest performance against the classification of microarray data of Colon Tumors of 92.3% and classification for Leukemia of 87.5%. The differences of performance is caused by the difference of the acquired characteristics of data respectively.Keywords: cancer detection, microarray, Functional Link Neural Network, Genetic Algorithm Abstrak Berdasarkan Pusat Data dan Informasi Kementerian Kesehatan RI Tahun 2015, penyakit kanker merupakan salah satu penyebab kematian utama di seluruh dunia, dan di tahun 2012, sekitar 8,2 juta kematian disebabkan oleh kanker. Diperkirakan penderita kanker terus meningkat setiap tahunnya bahkan dalam dua dekade berikutnya akan meningkat dari 14 juta pada 2012 menjadi 22 juta. Kanker yang dapat diketahui dan dideteksi lebih awal memiliki probabilitas untuk mendapatkan penanganan yang lebih baik, dan teknologi microarray memiliki peran dalam hal itu. Di beberapa tahun terakhir, pemanfaatan teknologi microarray memiliki pengaruh besar dalam menentukan gen informatif yang menyebabkan kanker. Micorarray mampu menentukan ekspresi ribuan gen dan secara simultan memantau proses bilogis yang sedang berlangsung. Dengan melakukan analisa terhadap data micorarray, selanjutnya ekspresi dari ribuan gen yang merepresentasikan suatu jaringan pada manusia, akan diklasifikasikan sebagai jaringan kanker atau bukan. Dalam penelitian ini, penulis mengimplementasikan Functional Link Neural Network dengan fungsi basis Legendre Polynomial untuk klasifikasi data yang akurat dan menggunakan Genetic Algorithm sebagai seleksi fitur untuk mereduksi data berdimensi tinggi yang sering ditemukan pada data microarray. Dengan serangkaian proses yang telah dilakukan, maka diperoleh kinerja tertinggi terhadap klasifikasi data microarray OPEN ACCESS

Klasifikasi Microarray “Prostate Cancer” Menggunakan Metode Fuzzy Support Vector Machine (FSVM)-Genetic Algorithm

“…Micorarray mampu menentukan ekspresi ribuan gen dan secara simultan memantau proses biologis yang sedang berlangsung [3]. Microarray merupakan bagian dari high dimensional data karena memiliki ratusan sampai dengan ribuan fitur [4].…”

“…Micorarray mampu menentukan ekspresi ribuan gen dan secara simultan memantau proses bilogis yang sedang berlangsung [3].Selanjutnya ekspresi dari ribuan gen yang merepresentasikan suatu jaringan pada manusia, akan diklasifikasikan sebagai jaringan kanker atau bukan khususnya pada penyakit prostate. Karakteristik microarray data adalah jumlah data sedikit dan jumlah variabelyang sangat banyak sedangkan jumlah data sedikit karena harga untuk mendapatkan data sangat mahal.Data ini berisi informasi gen karena itu jumlahvariabel-nya sangat banyak.…”

“…Sebelum melakukan analisis FSVM, maka dilakukan partisi data menjadi data training dan data testing dengan proporsi 90:10. Pembagiannya menggunakan 10-fold.Selanjutnya akan dilakukan analisis klasifikasi dengan menggunakan metode FSVM dengan mencari parameter yang optimal dengan nilai cost berada diantara 2 -5 , 2 -4 , 2 -3 ,..., 2 13 , 2 14 , 2 15 , 100, 1000 dan nilai gamma diantara 2 -15 , 2 -14 , 2 -13 ,..., 2 1 , 2 2 , 2 3 . Sehingga diperoleh jumlah kombinasi cost dan gamma sebanyak 437 kombinasi atau melakukan running data sebanyak 437 kali.Didapatkan nilai cost dan gamma yang paling optimal dari data training adalah2 9 , 1000 dan 2 -15 , 2 -14 dengan nilai rata-rata akurasinya sebesar 100%.Hasil ukuran performansi yang didapat dari parameter cost dan gamma yang optimaldiperoleh akurasi sebesar 90,18% menggambarkan kemampuan dalam membedakan sampel berdasarkan kelas dan sisanya masuk dalam kesalahan klasifikasi.…”

Cancer Detection based on Microarray Data Classification Using FLNN and Hybrid Feature Selection

“…In that research, Kumar got an accuracy value of 97.22%, 98.42% and 85.57%. Putri Tsatsabilla Ramadhani et.al [5] with colon and leukemia cancer dataset got the accuracy value of 92.3% and 87.5%. RESTI Journal (System Engineering and Information Technology) Vol.…”

“…RESTI Journal (System Engineering and Information Technology) Vol. 5 No. 4 (2021) 794 -801 DOI: https://doi.org/10.29207/resti.v5i4.3352 Creative Commons Attribution 4.0 International License (CC BY 4.0) 795…”