Klasifikasi Data Microarray Menggunakan Discrete Wavelet Transform dan Extreme Learning Machine
Abstrak: Data microarray
digunakan sebagai alternatif untuk diagnosa penyakit kanker karena kesulitan
dalam dignosa kanker berdasarkan bentuk morfologis, yaitu perbedaan morfologis yang
tipis antar jenis kanker yang berbeda. Penelitian ini bertujuan untuk membangun
pengklasifikasi data microarray. Proses klasifikasi diawali dengan reduksi
dimensi data microarray menggunakan DWT, dengan cara mendekomposisi sampel
hingga level tertentu, kemudian mengambil nilai koefisien aproksimasi pada
level tersebut sebagai fitur sampel. Fitur tersebut selanjutnya menjadi masukan
untuk klasifikasi. Metode klasifikasi yang digunakan adalah ELM yang diterapkan
pada RBFN. Dataset yang digunakan adalah data microarray multikelas, yaitu
dataset GCM (16.063 gen, 14 kelas) dan Subtypes-Leukemia (12.600 gen, 7 kelas).
Pengujian dilakukan dengan cara membagi data latih dan data uji secara
random sepuluh kali dengan proporsi data yang sama. Classifier yang dihasilkan
dari penelitian ini untuk dataset GCM belum memiliki performa yang cukup baik,
ditunjukkan dengan nilai akurasi sekitar 75% ± 6,25% dan nilai minimum
sensitivity yang masih rendah, yaitu 15% ± 19,95% menunjukkan bahwa sensitivity
untuk tiap kelas belum merata, terdapat beberapa kelas yang sensitivity-nya
masih rendah. Namun, classifier untuk dataset Subtypes-Leukemia yang memiliki
jumlah kelas lebih sedikit dari dataset GCM memiliki performa yang cukup baik, ditunjukkan
dengan nilai akurasi 87,68% ± 2,88% dan minimum sensitivity 51,90% ± 20,29%.
Penulis: Khadijah, Sri Hartati
Kode Jurnal: jptinformatikadd150272
