Implementasi Mutual Information Dan Naive Bayes Untuk Klasifikasi Data Microarray

Mohamad Syahrul Mubarok, Kurnia C Widiastuti, Adiwijaya Adiwijaya

Abstract

Abstract. Menurut data dari World Health Oeganization (WHO), kanker merupakan salah satu penyakit penyumbang utama kematian didunia. Sekitar 8,2 juta orang meninggal karena kanker. Oleh karena berbahayanya penyakit ini berbagai cara dilakukan untuk melakukan pencegahan maupun pendeteksian secara dini. Namun pendeteksian penyakit kanker sangatlah rentan terjadi berbagai kesalahan yang dilakukan manusia, seperti yang dimuat pada Jurnal kesehatan BMJ, kesalahan medis menyebabkan 251.454 kematian setiap tahunnya di Amerika Serikat. Guna menanggulangi masalah tersebut digunakanlah teknologi gene expression dengan bantuan teknologi microarray. Masalah muncul, kurang memungkinkan pengolahan data microarray karena besarnya dimensi yang dimiliki. Apabila dimensi dikurangi secara tiba-tiba tentu akan merusak informasi yang dimiliki dan akan berakibat data tidak dapat diklasifikasikan. Karenanya dibutuhkan sistem yang mampu mengklasifikasi data microarray tanpa menghilangkan informasi penting. Pada penelitian ini, sistem dibangun dengan menggunakan pendekatan machine learning yaitu dengan Naive Bayes. Untuk mencapai pendekatan ini, dibutuhkan feature selection berupa Mutual Information. Feature tersebut menangani kasus reduksi dimensi, yang mana memisahkan variabel terpenting dari keseluruhan variabel. Untuk mengukur performansi sistem yang dibangun, digunakan F1-score. Sistem yang dibangun mampu mengklasifikasi kanker pada data microarray dengan rata-rata F1-score mencapai 0.89.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0