Analisis Pengaruh Metode Reduksi Dimensi Minimum Redundancy Maximum Relevance pada Klasifikasi Kanker Berdasarkan Data Microarray Menggunakan Classifier Support Vector Machine

Kanker adalah salah satu penyebab utama kematian di seluruh dunia dengan total 8,8 juta orang meninggal akibat kanker di tahun 2015 [1]. Teknologi DNA microarray yang dikembangkan oleh Patrick O. Brown, Joseph DeRisi, dan David Botstein memungkinkan untuk mengamati beribu-ribu ekspresi gen dalam waktu bersamaan. Dengan adanya teknologi DNA microarray yang merupakan salah satu penggabungan dan pemanfaatan bidang komputer dan sains, studi terhadap klasifikasi kanker semakin berkembang dan memberikan keuntungan bagi para peneliti juga khalayak umum. Namun, permasalahan yang dihadapi terhadap penggunaan teknologi microarray ini adalah karakteristik data microarray yang memiliki dimensi yang besar. Dimensi yang besar ini akan berpengaruh terhadap performansi klasifikasi. Untuk menyelesaikan masalah tersebut, penelitian ini menggunakan Minimum Redundancy Maximum Relevance (MRMR) dan Principal Component Analysis (PCA) sebagai metode reduksi dimensi, juga Support Vector Machine (SVM) sebagai classifier. MRMR adalah metode reduksi dimensi yang menyeleksi fitur berdasarkan nilai relevansi yang tinggi dan nilai redundansi yang rendah. Sedangkan PCA adalah metode yang mengektraksi fitur berdasarkan principal component yang diperoleh dari perhitungan nilai eigen dan vektor eigen. Data yang digunakan pada penelitian ini adalah data kanker usus besar, data kanker paru-paru, data kanker ovarium, dan data kanker leukemia. Hasil pengujian pada data kanker paru-paru dan kanker ovarium membuktikan bahwa sistem yang diusulkan dapat memberikan F1-score sebesar 1 dari penggunaan metode reduksi dimensi MRMR dan classifier SVM dengan fungsi kernel, yang artinya performansi klasifikasi sangatlah bagus dan akurasinya adalah 100%. Kata kunci: data microarray, kanker, klasifikasi, SVM, PCA, MRM