ABSTRAKSI: Diantara hal yang menyebabkan kematian di seluruh dunia adalah penyakit kanker, salah satunya penyakit kanker prostat yang paling umum diderita pada kaum pria. Dewasa ini, penyakit kanker prostat sangat meningkat tajam dan menyebabkan banyaknya pasien yang menderita penyakit kanker prostat. Adanya peningkatan jumlah pasien,maka mendorong untuk membuat sistem klasifikasi kanker prostat menggunakan metode Principal Component Analysis (PCA) dan metode Least Squares Support Vector Machine (LS-SVM).
Pada tugas akhir ini data ekspresi gen yang terdiri dari ribuan dimensi direduksi dengan menggunakan metode PCA. Berdasarkan data hasil reduksi digunakan untuk mengklasifikasi menggunakan metode LS-SVM. Sedangkan analisis dan implementasi pengukuran ketepatan klasifikasi (classification accuracy), ketepatan dari kejadian yang diinginkan (sensitifity), dan kejadian yang tidak diinginkan (specifity) dilakukan dengan menggunakan confusion matrix .
Hasil pengujian proses reduksi untuk data training yaitu dengan 12600 dimensi dapat diringkas menjadi 94 PC dan untuk data testing dari 12600 dimensi dapat diringkas menjadi 32 PC. Pengujian sistem menggunakan banyaknya PC 32,24,16,8,4,3,2,1 untuk proses klasifikasi. Hasil pengujian sistem klasifikasi secara keseluruhan menghasilkan rata-rata akurasi 61,364% dengan waktu komputasi terbaik 0.819785 detik untuk Linear dan 72.727% dengan waktu komputasi terbaik 0.839288 detik untuk RBF kernel. Dari hasil pengujian yang dilakukan penggabungan metode PCA dan LS-SVM dapat digunakan untuk memperoleh hasil klasifikasi dari ribuan dimensi yang dimiliki.Kata Kunci : Kanker Prostat, Principal Component Analysis (PCA), Least Square Support Vector Machine (LS-SVM), classification accuracy, sensitivity, specificity.ABSTRACT: Causes of death worldwide is cancer, one of example is prostate cancer that most commonly affects the men. Today, prostate cancer is increased because of increasing patients infected. With increased number of patients, so it can make classification prostate cancer using Principal Component Analysis (PCA) method and Least Squares Support Vector Machine (LS-SVM) method .
This final Project, the data of gene expression has thousand dimension to reduced by using PCA method. Based on the result of data reduction used to classify using LS-SVM method. While analysis and implementation of measurement accuracy (classification accuracy), the accuracy of the desired events (sensitivity), and undesirable events (specify) is done by using the confusion matrix.
Result of reduction for data training is 12.600 dimension that can be summed up to 94 PC and for data testing is 12.600 dimension that can be summed up to 32 PC. Test of system use sum of PC by 32, 24, 16, 8, 4, 3, 2, 1 PC to procces of classification. Overall result of classification system generate an average accuracy 61,364% with best time of computation 0.819785 second for Linear and 72,7273% with best time of computation 0.839288 second for RBF kernel. From the testing performed merging PCA method and LS-SVM can be used to get classification result from possessed dimensions.Keyword: Prostate cancer, Principal Component Analysis (PCA), Least Square Support Vector Machine (LS-SVM), classification accuracy, sensitivity, specificity.