Abstrak
Kanker adalah penyakit yang dapat menyerang semua organ manusia. Berdasarkan data World Health Organization (WHO) fact-sheets tahun 2018, kematian akibat kanker telah mencapai 9.6 juta jiwa. Salah satu cara yang dikenal untuk mendeteksi kanker yaitu Teknik Microarray, tetapi data microarray memiliki dimensi yang besar karena jumlah fitur yang sangat banyak dibandingkan dengan jumlah sampelnya. Oleh karena itu, reduksi dimensi harus dilakukan untuk menghasilkan akurasi yang optimal. Dalam makalah ini, membandingkan Minimum Redundancy Maximum Relevance (MRMR) dan Least Absolute Shrinkage and Selection Operator (LASSO) untuk mengurangi dimensi pada data microarray. Selain itu, dengan menggunakan Klasifikasi Random Forest (RF), kinerja klasifikasi (pada deteksi kanker) juga dibandingkan. Berdasarkan simulasi, dapat disimpulkan bahwa LASSO lebih baik daripada MRMR karena dapat menghasilkan evaluasi 100% pada lung cancer dan ovarian cancer, 92% pada colon cancer, 93% pada prostate tumor dan 83% pada central nervous system.
Kata kunci : Kanker, Microarray, Minimum Redundancy Maximum Relevance (MRMR), Least Absolute Shrinkage and Selection Operator (LASSO), Random Forest.