Visualisasi Hasil Klasifikasi Ekspresi Genetika Pada Kanker Lymphoma Dengan Metode Support Vector Mechine

Abstract

Kanker limfoma adalah kanker kelenjar getah bening pada sistem limfatik. Banyak faktor yang dibutuhkan untuk menentukan apakah seseorang didiagnosis positif kanker atau tidak berdasarkan ekspresi gen. Jumlah ekspresi gen yang ada di setiap manusia sedang berjumlah ribuan. Di sisi lain, orang yang menderita kanker ini jumlahnya sangat kecil daripada orang normal. Dalam proses klasifikasi menjadi topik yang menarik untuk dibahas di daerah penelitian karena jumlah variabel yang didapat lebih besar sedangkan jumlah pengamatan yang lebih kecil. Untuk itu diperlukan suatu metode yang dapat menangani masalah ini. Salah satu jawabannya adalah dengan menggunakan metode pembelajaran mesin. Support Vector Machine adalah metode klasifikasi dalam pembelajaran mesin yang mampu mengklasifikasikan tipe data tersebut. Makalah ini bertujuan untuk membuat visualisasi pengklasifikasi SVM, kemudian memperoleh nilai akurasinya untuk memiliki pengklasifikasi optimal dengan kesalahan klasifikasi jumlah kecil. Visualisasi hasil klasifikasi menggambarkan plot data dari 2 kelas kanker limfoma yaitu diffuse dan follicle. Tingkat akurasi klasifikasi yang baik ditunjukkan dengan persentase hasil yang mendekati 100%. Akurasi klasifikasi terbaik menggunakan fungsi kernel linier memiliki akurasi klasifikasi sebesar 86% pada proses training dan pada proses testing memiliki akurasi klasifikasi sebesar 78%.