CANCER DETECTION BASED ON CLASSIFICATION
MICROARRAY GENE EXPRESSION DATA USING PRINCIPAL COMPONENT ANALYSIS 
AND
CONJUGATE GRADIENT BACK PROPAGATION

Adiyasa Nurfalah

Informasi Umum

Kode

21312001

Klasifikasi

620 - Engineering and allied operations

Jenis

Karya Ilmiah - Thesis (S2) - Reference

Subjek

Engineering

Dilihat

233 kali

Informasi Lainnya

Abstraksi

Kanker adalah penyebab utama kematian di dunia nomor satu berdasarkan data dari WHO pada tahun 2012, yaitu sekitar 8.2 juta penduduk dunia mati karena kanker dan diperkirakan meningkat tiap tahun karena pola hidup yang tidak sehat [2]. Kematian disebabkan oleh kanker sebenarnya dapat dicegah jika kanker telah terdeteksi sejak dini. Dalam beberapa dekade ini microarray telah mengambil peranan penting dalam penelitian kanker. Microarray adalah teknologi yang mampu menyimpan ribuan ekspresi gen yang diambil dari beberapa jaringan tertentu dari manusia sekaligus. Dengan data microarray , dapat diketahui seseorang terkena kanker atau tidak. Pada penelitian ini dibangun framework untuk deteksi kanker berdasarkan klasifikasi data microarray menggunakan metode Principal Component Analysis (PCA) dan Conjugate Gradient Back Propagation (disebut MBP). MBP adalah modifikasi dari Standard Back Propagation (BP) dengan mengimplementasikan conjugate gradient pada training BP. Kelebihan dari MBP adalah lebih cepat melakukan training dibandingkan dengan back propagation . Dari hasil eksperimen yang dilakukan dengan menggunakan 5-fold cross validation terhadap 3 data public yaitu data kanker ovarian,data kanker usus besar, dan data leukemia, terbukti bahwa PCA+MBP membutuhkan hanya sekitar 1-5 detik untuk training . Hasil tersebut menjadi hasil terbaik jika dibandingkan dengan MBP, Back Propagation (BP), dan PCA+BP. Dalam hal akurasi testing, secara umum PCA+MBP menghasilkan sekitar 76%-97% untuk semua data. Hasil tersebut memang tidak dapat mengungguli PCA+BP yang menghasilkan akurasi sekitar 83%-98% namun MBP mendapatkan akurasi yang terbaik yaitu sekitar 83.03%-100% untuk semua data.