Analisis Perbandingan Support Vector Machine-Recursive Feature Elimination dan Chi-Square pada Klasifikasi Microarray untuk Deteksi Kanker dengan Naïve Bayes

TALITHA KAYLA AMORY

Informasi Umum

Kode

21.04.1217

Klasifikasi

658.403 801 1 - Information management-Systems, Information systems

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatics

Dilihat

311 kali

Informasi Lainnya

Abstraksi

Kanker adalah penyakit mematikan yang terkenal di dunia. Berdasarkan World Health Organization (WHO), kanker adalah penyebab utama kematian kedua di dunia dan bertanggung jawab atas perkiraan 9,6 juta kematian pada tahun 2018. Salah satu teknik terkenal untuk pendeteksian kanker adalah teknik DNA microarray. Teknik DNA microarray memberikan kesempatan bagi para peneliti untuk menganalisis ribuan profil gene expression dalam waktu yang bersamaan untuk mengetahui apakah seseorang menderita kanker atau tidak. Namun, salah satu masalah yang ada pada data DNA microarray adalah jumlah fitur yang sangat banyak sehingga perlu dilakukan feature selection. Dalam nengatasi permasalahan tersebut, maka penelitian ini akan menggunakan metode feature selection Support Vector Machine-Recursive Feature Elimination (SVM-RFE) dan Chi-Square dan menggunakan metode klasifikasi Naïve Bayes. Hasil akurasi dari penggunaan feature selection dengan yang tidak, akan dibandingkan. Hasil akurasi antara penggunaan kedua metode feature selection juga akan dibandingkan, untuk mencari metode feature selection mana yang lebih baik jika digabungkan dengan metode klasifikasi Naïve Bayes. Untuk mendapatkan gambaran keseluruhan tentang perbandingan performa, penelitian ini juga mempertimbangkan precision, recall, dan F1-score. Hasil akurasi terbaik yang didapat untuk data lung cancer sebesar 100% dengan SVM-RFE dan Chi-Square, ovarian cancer sebesar 99.6% dengan SVM-RFE, breast cancer sebesar 93.7% dengan SVM-RFE, dan colon cancer sebesar 90% dengan SVM-RFE.