Klasifikasi DNA Microarray Menggunakan Principal Component Analysis (PCA) dan Artificial Neural Network (ANN)

Abstract

Kanker merupakan suatu kelompok penyakit tingkat molekular yang ditandai dengan pembelahan sel tidak terkendali yang memiliki potensi untuk menyerang jaringan biologis lainnya, baik dengan pertumbuhan pada jaringan sekitar (invasi) atau dengan perpindahan ke jaringan lain (metastatic). Banyaknya jumlah ekspresi gen serta besarnya data yang terkandung pada DNA membuat diagnosis bagi pasien penderita kanker terhambat. Lama waktu yang dibutuhkan untuk diagnosis kanker membuat perawatan yang diberikan tertunda, sehingga sel kanker sering kali telah menginvasi organ lain yang kemudian memicu tingginya tingkat kematian akibat kanker. DNA microarray merupakan suatu metode baru dalam dunia teknologi yang membantu proses analisis tingkat ekspresi jutaan gen pada suatu waktu. Melalui ekspresi gen ini, diagnosis penyakit, identifikasi tumor, serta deteksi mutasi dapat dilakukan secara efektif dan efisien. Dalam tugas akhir ini, salah satu kelas dari Artificial Neural Network (ANN), yakni Multilayer Perceptron (MLP), diaplikasikan sebagai metode klasifikasi. Untuk meningkatkan efisiensi proses klasifikasi, data yang berukuran besar direduksi dimensionalitasnya menggunakan metode Principal Component Analysis (PCA). Dua sub-tipe kanker paru-paru, yakni Adenocarcinoma (AC) dan Squamous Cell Carcinoma (SCC) digunakan sebagai data penguji untuk memvalidasi keberhasilan metode yang diajukan. Hasil klasifikasi dari dataset PCA dengan nilai variance yang meningkat menunjukkan nilai akurasi yang meningkat pula dengan nilai maksimal akurasi dari dataset variance 100% sebesar 90,02%.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).