Analisis Pengaruh Metode Reduksi Dimensi Independent Principal Component Analysis (IPCA) pada Klasifikasi Data Ekspresi Gen Menggunakan Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) (Studi Kasus: Data Ekspresi Gen Kanker Payudara (GSE43837), Kanker Pankreas (GSE16515) dan Acute Myocardial Infarction (GSE48060))

Abstract

Teknologi microarray memungkinkan untuk mengamati beribu-ribu ekspresi gen dalam waktu bersamaan. Namun data microarray memiliki dimensi yang sangat besar yang akan berpengaruh terhadap performansi klasifikasi. Untuk menyelesaikan masalah tersebut, maka digunakan Independent Principal Component Analysis (IPCA) sebagai metode reduksi dimensi dan Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) sebagai metode klasifikasi. Data yang digunakan adalah data ekspresi gen dari kanker payudara, kanker pankreas dan Acute Myocardial Infarction (AMI). Tujuan yang ingin dicapai adalah untuk mengetahui pengaruh metode reduksi dimensi IPCA terhadap klasifikasi data ekspresi gen menggunakan SVM dan NBC. Berdasarkan hasil reduksi dimensi terhadap data ekspresi gen, dapat disimpulkan bahwa 10 IPC pertama dapat menjelaskan lebih dari 60% dari total variansi yang dapat mewakili sebagian besar set data asal. Hasil klasifikasi SVM dan NBC berdasarkan jumlah fitur IPC dari ketiga set data memperoleh rata-rata nilai akurasi sebesar 87,78% dan nilai AUC rata-rata sebesar 84,62% yang menunjukkan bahwa model klasifikasi yang diperoleh merupakan classifier yang baik (good claissifier). Kata Kunci: Microarray, Kanker, Reduksi Dimensi, IPCA, Klasifikasi, SVM, NBC