Implementasi Minimum Redudancy Maksimum Relevance (mrmr) Dan Genetic Algorithm (ga) Untuk Reduksi Dimensi Pada Klasifikasi Data Microarray Menggunakan Functional Link Neural Network (flnn)

Abstract

Abstrak Dalam bidang kesehatan DNA microarray banyak digunakan untuk memprediksi penyakit kanker, dimana sel kanker dapat mengalami abnormalitas dalam mengekspresikan gennya. DNA microarray ini memungkinkan untuk mengetahui tahapan perkembangan sel kanker dengan melihat level ekspresi gennya. Analisis data ekspresi gen dalam bentuk microarray dapat memudahkan ahli medis dalam mendeteksi dan mendiagnosis apakah seseorang menderita kanker atau tidak. Data microarray sendiri memiliki dimensi yang besar sehingga dapat mempengaruhi proses dan akurasi klasifikasinya. Oleh karena itu, untuk melakukan proses pengklasifikasian pada data microarray, perlu dilakukan sebuah proses yaitu reduksi dimensi. Reduksi dimensi ini bertujuan agar mengurangi redudancy dan meningkatkan relevance pada data yang dimiliki. Dalam hal ini, penulis menggunakan metode Minimum Redudancy Maksimum Relevance (MRMR) yang dioptimasi menggunakan metode Genetic Algorithm (GA). Secara singkat MRMR adalah teknik yang digunakan untuk mengidentifikasi himpunan gen yang memiliki relevansi tinggi terhadap atribut kelas akan tetapi memiliki redudansi yang rendah antar atributnya. MRMR berupaya untuk mengatasi permasalahan ini dengan menghapus subset atribut yang dianggap tidak diperlukan. Kemudian algoritma Functional Link Neural Network (FLNN) dengan basis Legendre Polynomial digunakan untuk proses pengklasifikasian pada data microarray. Pada pengujian MRMR GA dengan klasifikasi Functional Link Neural Network (FLNN) didapatkan kenaikan hasil akurasi pada data Colon Tumor sebesar 5,55% - 16,66%, pada data Lung sebesar 2,78 - 5,56% dan pada data Ovarian sebesar 2% - 2,67%.

Kata kunci: Klasifikasi, FLNN, MRMR, GA, DNA microarray Abstract In the field of health DNA microarrays are widely used to predict cancer, in which cancer cells can experience abnormalities in expressing their genes. This DNA microarray makes it possible to determine the stages of development of cancer cells by looking at the level of gene expression. Analysis of gene expression data in the form of microarrays can facilitate medical experts in detecting and diagnosing whether a person has cancer or not. Microarray data itself has large dimensions so that it can affect the process and classification accuracy. Therefore, to do the classification process in microarray data, it is necessary to do a process that is dimension reduction. This dimension reduction aims to reduce redundancy and increase the relevance of the data owned. In this case, the author uses the Minimum Reduction Maximum Relevance (MRMR) method which is optimized using the Genetic Algorithm (GA) method. In short MRMR is a technique used to identify a set of genes that has high relevance to class attributes but has low redundancy between attributes. MRMR seeks to overcome this problem by removing the subset of attributes that are considered unnecessary. Then the Functional Link Neural Network (FLNN) algorithm with Legendre Polynomial base is used for the classification process in microarray data. In the GA MRMR test with the Functional Link Neural Network (FLNN) classification we found an increase in the accuracy of the Colon Tumor data of 5.55% - 16.66%, in the Lung data of 2.78 - 5.56% and in the Ovarian data of 2 % - 2.67%.

Keywords: classification, FLNN, MRMR, GA, DNA microarray