METODE EKSTRAKSI FITUR PADA PENGKLASIFIKASIAN DATA MICROARRAY BERBASIS INFORMASI PASANGAN GEN. Nopember, Surabaya, Indonesia.

Transkripsi

1 METODE EKSTRAKSI FITUR PADA PENGKLASIFIKASIAN DATA MICROARRAY BERBASIS INFORMASI PASANGAN GEN Rully Solaiman,, Sha Agustianty, Yudhi Purwananto, dan I K Eddy Purnama Jurusan Tknik Informatika, Fakultas Tknologi Informasi, Institut Tknologi Suluh Nombr, Surabaya, Indonsia Program Pascasarjana, Jurusan Tknik Elktro, Fakultas Tknologi Industri, Institut Tknologi Suluh Nombr, Surabaya, Indonsia rully@isitsacid Abstrak Pngnalan tknologi DNA microarray mmbuat rolhan data microarray mnjadi lbih mudah Hal ini smakin mmicu rsoalan tntang bagaimana cara trbaik dalam mngkstraksi dan mmih fitur dari data yang brdimnsi bsar trsbut Mtod-mtod trdahulu mngabaikan adanya hubungan antargn shingga mmungkinkan hangnya informasi nting yang trsiman dalam suatu gn ada saat kstraksi fitur Mskiun brbagai macam mtod tlah digunakan, ngmbangan mtod kstraksi dan slksi fitur dari data microarray yang lbih owrful dan fisin masih dirlukan untuk mningkatkan rforma klasifikasi kankr Dalam nlitian ini diimlmntasikan sbuah mtod dalam mlakukan kstraksi fitur dari data microarray yang mmanfaatkan modl klasifikasi brbasis informasi asangan gn, yaitu asangan gn yang mmiki rbdaan signifikan ada dua jnis saml tissu Has uji coba trhada dua data microarray mnunjukkan bahwa fitur has kstraksi mnggunakan mtod ini daat mningkatkan rforma klasifikasi Bahkan akurasi 00% daat dirolh ada uji coba trhada data lymhoma Kata kunci : algoritma gntika, data microarray, kstraksi fitur, informasi asangan gn, klasifikasi kankr Pndahuluan Pngnalan tknologi DNA microarray mmbuat rolhan data microarray smakin mudah Hal ini mmicu rsoalan tntang bagaimana cara trbaik dalam mlakukan kstraksi dan slksi fitur dari data yang brdimnsi sangat bsar trsbut Brbagai macam mtod tlah diusulkan dalam mlakukan kstraksi dan slksi fitur dari data microarray Akan ttai, mtod-mtod trdahulu mngabaikan adanya hubungan antar gn (intrrlation) shingga mmungkinkan hangnya informasi nting yang trsiman ada suatu gn ada saat kstraksi fitur Hal ini mngakibatkan mtod trsbut masih blum daat mmbantu ara muwan biologi untuk mnmukan informasi nting ada gn, trutama mngnai masalah klasifikasi kankr [] Mskiun brbagai macam mtod tlah digunakan untuk mngkstrak dan mmih fitur dari data microarray, ngmbangan mtod kstraksi dan slksi fitur dari data microarray yang lbih kuat dan fisin untuk mningkatkan rforma klasifikasi kankr masih mnjadi rsoalan yang rlu dislsaikan [] Olh karna itu dalam nlitian ini diusulkan sbuah imlmntasi mtod kstraksi fitur yang mmrlakukan informasi asangan gn, yaitu asangan gn yang mmiki kolrasi tinggi ada satu jnis saml jaringan (tissu saml) dan mmiki rbdaan yang signifikan ada ti tissu saml lain, sbagai suatu ksatuan yang digunakan untuk kstraksi fitur dari modl klasifikasi brbasis informasi asangan gn Scara umum informasi asangan gn didaatkan mlalui mbangunan kmungkinan-kmungkinan modl klasifikasi yang mmiki tingkat kofisin korlasi yang tinggi ada satu klas dan rndah di klas lainnya scara acak Sbanyak n to rankd modl klasifikasi dngan tingkat akurasi yang lbih tinggi dibagi mnjadi dua klomok Klomok brisi modl klasifikasi yang brkorlasi tinggi di klas Klomok brisi modl klasifikasi yang brkorlasi tinggi di klas Kmudian to-rankd modl klasifikasi dari masing-masing klomok digunakan untuk mmbuat dua subst modl klasifikasi Subst modl brisi fitur-fitur yang mmiki ran bsar untuk mnjadi gn rtama (g) ada informasi asangan gn Subst modl

2 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama Modl Modl Modl 3 Modl nt KELOMPOK Modl Modl Modl 3 Modl k KELOMPOK Modl Modl Modl 3 Modl k SUBSET MODEL Fitur Fitur Fitur k SUBSET MODEL Fitur Fitur Fitur k SUBSET MODEL Fitur Fitur Fitur k SUBSET MODEL Fitur Fitur Fitur k KROMOSOM Amb n fitur dari SM dan n fitur dari SM KROMOSOM Amb n fitur dari SM dan n fitur dari SM SUBSET FITUR {Fitur, Fitur } {Fitur, Fitur } {Fitur, Fitur } {Fitur, Fitur } SUBSET FITUR {Fitur, Fitur } {Fitur, Fitur } {Fitur, Fitur } {Fitur, Fitur } SUBSET FITUR TERPILIH Gambar Dsain modl sistm scara umum diawali dari ross mbangkitan modl klasifikasi sbanyak nt samai didaatkan subst fitur trih brisi fitur-fitur yang mmiki ran bsar untuk mnjadi gn kdua (g) ada informasi asangan gn Pross slksi subst fitur ditrakan mnggunakan algoritma gntika untuk mndaatkan subst aling otimal di masingmasing klasnya Subst fitur trbaik akan trih di akhir sistm Dalam subst trsbut trdaat asangan-asangan informasi gn yang trlibat bsrta tingkat akurasi ngklasifikasiannya Algoritma sistm ini mruakan usulan dari [] Dsain modl sistm yang diimlmntasikan daat dihat ada Gambar Informasi Pasangan Gn Dua macam gn g dan g yang diuji k dalam dua jnis jaringan saml (sbagai contoh, jaringan normal dan jaringan kankr) daat disbut dngan informasi asangan gn aaba mmnuhi karaktristik sbagai brikut: Kduanya mmiki tingkat korlasi tinggi k klas (atau klas ) Exrssion lvl dari g dan atau g mmiki rubahan yang signifikan yang mmbuat kdua jnis saml daat diisahkan Aaba trdaat asangan gn g dan g yang diuji ada dua ti tissu saml yang brbda, rlasi di antara kduanya daat digambarkan mnggunakan modl rgrsi linir ktika kduanya mmiki korlasi tinggi ada sbuah ti tissu saml (ti tissu saml untuk slanjutnya disbut dngan klas) Contohnya ktika asangan gn trsbut mmiki korlasi tinggi ada klas rtama, artinya bahwa ada klas rtama nai ksrsi g daat scara akurat dirdiksi dari nai ksrsi g mnggunakan modl linir Modl yang didaat dari klas rtama trsbut masih daat digunakan untuk mmrdiksi nai ksrsi g dari g ada klas kdua ktika rlasi antara g dan g mmiki rbdaan yang signifikan ada klas kdua, yang mnghaskan nai bias yang lbih bsar antara nai has rdiksi dngan nai ssungguhnya Nai bsar atau kcnya bias inah yang mnunjukkan saml brasal dari klas kdua atau rtama, shingga dua macam klas daat dibdakan brdasarkan nai rdiksi bias Brdasarkan mikiran trsbut dirknalkan modl klasifikasi brbasis informasi asangan gn [] 3 Modl Klasifikasi 3 Pmbuatan Modl Klasifikasi Diasumsikan dua jnis saml diuji dalam rcobaan microarray, k mruakan jumlah gn, n dan n (n = n + n) mruakan jumlah saml ada klas dan Data microarray daat dirrsntasikan k dalam bntuk matriks Y=(y i ) k n, X=(x i ) k n, di mana y i (x i ) mnunjukkan xrssion lvl dari gn k-i ada saml k-() yang dimiki olh klas k- (atau klas k-) Jika dibrikan gn k-i dan k-j (informasi asangan gn) yang sangat brkolrasi ada klas, maka untuk saml k- dari klas, y i daat dirdiksi mlalui modl rgrsi brikut ˆ ˆ ˆ y n () y 0 j ˆ 0 dan ˆ distimasikan dari datast, (y i, y j ), (y i, y j ),, (y in, y jn ) mnggunakan mtod last suar [3] Nai rsidual didaatkan dngan rumus = y i ŷ yakni slisih antara nai yang ditinjau y i

3 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama dngan nai yang dirdiksi ŷ Untuk smua saml ada klas, daat dirolh subst E srti ada modl () E { ˆ ˆ yi 0 y j, n} () Untuk saml k- ada klas, tta digunakan modl () untuk mmrdiksi nai xi srti yang trlihat ada modl (3) brikut: ˆ ˆ ˆ x n (3) x 0 j dngan nai rsidual: = xi Untuk smua saml dari klas, daat dirolh modl (4) E { ˆ ˆ xi 0 x j, n} (4) Aturan klasifikasi yang digunakan modl rgrsi untuk mminimalisasi ksalahan dalam mmbdakan lmn mnjadi dua subst E dan E diawali dngan mndfinisikan fungsi brikut: f ( ) i { count({,, E, n E, n }) } (5) dngan mruakan bangan ral, count() mnunjukkan jumlah lmn yang trdaat dalam subst Jika =, fi() = max(fi()), maka nai thrshold d daat dirolh mlalui rumus: d (max({ min({,, E ) E }))/ (6) Olh karna itu ktika diih saml scara acak dari ksluruhan saml, maka xrssion lvl gn k-i dan k-j dalam masing-masing saml adalah w i dan w j, ross klasifikasi daat dakukan dngan aturan brikut Ditmatkan k dalam klas jika: ˆ w i wi d, yakni, w i 0 wj d dan ditmatkan k dalam klas jika sbaliknya ˆ ˆ (7) 3 Evaluasi Modl Klasifikasi Trdaat sjumlah bsar modl klasifikasi yang diusulkan dalam data microarray ttai banyak di antaranya tidak rlvan dngan fungsi klasifikasi Dngan dmikian dirlukan adanya nyaringan trhada modl klasifikasi yang tidak baik trsbut dan mmih modl dngan rform,a klasifikasi yang lbih baik [] Karna untuk mngvaluasi sluruh kmungkinan modl klasifikasi akan mmbutuhkan waktu komutasi yang sangat lama, modl klasifikasi yang akan divaluasi hanyalah modl klasifikasi yang mmnuhi kritria yaitu mlbihi nai thrshold kofisin korlasi ( h ) Shingga modl klasifikasi yang nai kofisin korlasi [4] di klas dan klas brada di bawah nai thrshold tidak akan divaluasi Trdaat tiga mtod yang sring digunakan dalam mngvaluasi rforma modl klasifikasi [5] Aaba ksluruhan saml digunakan sbagai data training skaligus data tsting maka tingkat akurasi klasifikasi mnunjuk ada nggunaan mtod yang disbut within saml classification accuracy (WSCA) Mtod WSCA ditrakan dalam dua ross Pross rtama adalah digunakan untuk mngvaluasi tia modl klasifikasi has mbangkitan sdangkan yang kdua adalah digunakan untuk mngvaluasi fitur subst ada saat masuk k langkah slksi fitur Prhitungan nai WSCA scara mudah daat dirolh mlalui has bagi jumlah lmn yang bnar diklasifikasikan dngan jumlah lmn yang diklasifikasikan 4 Slksi Subst Fitur Slksi fitur mruakan tknik yang digunakan untuk mmih fitur trbaik dari skian banyak fitur yang trsdia ada sbuah data Pross slksi fitur yang ditrakan ada kasus imlmntasi mtod kstraksi fitur dalam ngklasifikasian data microarray brbasis informasi asangan gn ini digunakan untuk mmih subst modl klasifikasi dalam hal ini di dalamnya trdaat asanganasangan informasi gn ihan trbaik yang daat mngklasifikasikan dngan tingkat akurasi yang lbih tinggi Mtod yang digunakan dalam ross ini adalah algoritma gntika Algoritma gntika diih karna trbukti mruakan mtod otimasi volusionr yang fktif [6,7] Pada kasus ini algoritma gntika digunakan untuk mncari subst fitur yang otimal dari to rankd subst modl klasifikasi ada klas (atau ) [] Trdaat bbraa aramtr yang rlu dlaskan dalam mngimlmntasikan algoritma gntika, diantaranya adalah: 4 Dfinisi individu Individu atau yang sring disbut dngan kromosom dinyatakan dalam rrsntasi binr Satu individu trdiri atas dua gn, gn rtama mrrsntasikan to rankd subst modl yang mmiki ran nting untuk mnjadi gn rtama dalam suatu informasi asangan gn sdangkan gn

4 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama kdua mrrsntasikan to rankd subst modl yang mmiki ran nting untuk mnjadi gn kdua dalam suatu informasi asangan gn Misal subst A dan B ada Gambar a di bawah ini mruakan subst modl klasifikasi yang brisi fitur, subst A brisi to rankd 5 fitur trbaik yang yang brran di suatu klas untuk mnjadi gn rtama sdangkan subst B brisi to rankd 5 fitur trbaik yang brran di klas yang sama untuk mnjadi gn kdua Rrsntasi kromosom binr dari subst di atas ada algoritma gntika daat dihat ada Gambar b Tia bit dari kromosom ini mruakan rrsntasi satu fitur Bit dan 0 mrrsntasikan hadir atau tidaknya fitur trsbut dalam sbuah individu Dalam satu kromosom trdaat satu titik otong P yang brfungsi mmbdakan fitur dari subst A (fitur untuk gn rtama) dngan fitur dari subst B (fitur untuk gn kdua) A (a) B P (b) Gambar Contoh rrsntasi kromosom (a) Dua subst modl klasifikasi yang akan dikonvrsi mnjadi kromosom (b) Contoh rrsntasi kromosom binr dari gabungan subst A dan subst B 4 Inisialisasi oulasi Poulasi awal dibangkitkan scara random dari to rankd LC modl klasifikasi yang tlah didaat ada langkah sblumnya dngan asumsi bahwa aaba didkodkan k dalam dsimal tia individu dalam oulasi awal ini mmiki angka yang unik untuk mnghindari adanya individu yang kmbar dan tidak dibolhkan ada angka 0 untuk mnghindari ksalahan Poulasi yang diakai brukuran 50 Smakin tinggi nai oulasi akan mmbutuhkan waktu kskusi yang lbih lama 43 Pmihan individu untuk diasangkan Cara slksi yang digunakan adalah sbagai brikut: dua kromosom trbaik akan langsung masuk k gnrasi slanjutnya (ross litism), sdangkan 48 kromosom sisanya dibri bobot ssuai dngan rlativ fitnss (8) untuk gnrasi arnt (robabistically) atau biasa disbut dngan Roultt Whl f f i (8) ri 48 f, i 48 k k dngan f ri adalah nai rlativ fitnss dari koromosom k-i, f i adalah nai fitnss dari kromosom k-i 44 Mngkombinasikan individu Kombinasi individu ini mruakan has indah sang (crossovr) dua individu yang trih dalam aliran oulasi yang brtujuan untuk mnctak individu baru ada gnrasi brikutnya Crossovr yang digunakan ada kasus ini adalah two oint crossovr dngan robabitas trjadinya crossovr adalah 09 Probabitas ini trmasuk k dalam rang aramtr control yang tlah diusulkan olh [8] 45 Mutasi Mutasi adalah rubahan gn yang bukan brasal dari arnt Pross mutasi dakukan dngan cara nggantian dngan nai invrsinya, bit 0 mnjadi atau bit mnjadi 0 Pross ini dakukan scara acak ada osisi trtntu ada individuindividu yang trih untuk dimutasikan Probabitas trjadinya mutasi ada kasus ini adalah 005 Probabitas ini juga trmasuk k dalam rang aramtr control yang tlah diusulkan olh [8] 46 Kritria brhnti (stoing critria) Kritria brhnti yang dittakan adalah ktika jumlah gnrasi mncaai lbih dari 00 dan knaikan nai fitnss (otimal fitnss valu) lbih rndah dari 0000 dalam 0 utaran 47 Fungsi fitnss Tujuan dari algoritma gntika ini adalah mmih subst modl klasifikasi yang aling otimal untuk mngkstraksi subst fitur yang daat mmbrikan rforma klasifikasi yang lbih baik dngan mnggunakan gn yang lbih sdikit Olh karna itu, subst modl klasifikasi divaluasi mlalui rforma subst fitur yang dikstraksi dari subst modl yang brsangkutan 47 Ekstraksi fitur dari subst modl klasifikasi Fungsi fitnss digunakan untuk mnghitung rforma dari tia individu Tlah dlaskan sblumnya bahwa fungsi fitnss dihitung dngan mnggunakan rforma subst fitur yang dikstraksi dari subst modl klasifikasi Olh karna itu, di sini akan dlaskan trlbih dahulu mngnai mtod kstraksi fitur dari subst modl klasifikasi untuk mndaatkan subst fitur Stlah individu

5 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama didkodkan mnjadi subst modl klasifikasi, slanjutnya kita harus mndaftarkan smua kmungkinan informasi asangan gn yang daat dibuat dari subst modl trsbut Pasangan informasi gn ini yang akan digunakan untuk ross kstraksi subst fitur Stia informasi asangan gn (gn k-i dan gn k-j) akan mmroyksikan xrssion valus gn k-i ada dua jnis saml k dalam dua subst Ei dan Ei Untuk m asangan informasi gn: (i,j ),, (i m,j m ) yang mmiki tingkat kolrasi tinggi ada klas, daat dibuat m modl rgrsi linirnya yang mmroyksikan xrssion valus gn m (i, i,, i m ) ada dua jnis saml k dalam m asang subst: (E,E ), (E,E ),, (E imjm,e imjm ) Untuk saml k- dari klas dan saml k- dari klas ditrakan rumus (8) dan (9): m m m l m l jl jl,, jl jl E E jl jl (9) (0) diih sbagai fitur dari saml k- dan sbagai fitur dari saml k- Jadi untuk smua saml dalam data microarray akan mnghaskan subst fitur (0) U,,,,,,, } () { n n Dngan cara yang sama, untuk m asangan informasi gn: (i,j ),, (i m,j m ) yang mmiki tingkat kolrasi tinggi ada klas, daat dibuat m modl rgrsi linirnya yang mmroyksikan xrssion valus gn m(i, i,, i m ) ada dua jnis saml k dalam m asang subst: (E i j,e i j ),(E i j,e i j ),,(E i mj m,e i mj m ) Untuk saml k- dari klas dan saml k- dari klas, mlalui rumus () dan (): m ' i' j', i' j' E () l l l l i' l j' l m ' m l m l daat diih juga i' j', i ' j' E l l l l i' l j' l (3) ' sbagai fitur dari saml k dan ' sbagai fitur dari saml k- Jadi untuk smua saml dalam data microarray akan mnghaskan subst fitur (3) U ' { ', ',, ' n, ', ',, ' n } (4) 47 Rumusan Fungsi Fitnss Pross kstraksi fitur akan mnghaskan subst fitur untuk tia subst modl klasifikasi Subst fitur ini akan digunakan untuk mnghitung nai fitnss karna rforma subst fitur mrrsntasikan rforma dari subst modl klasifikasi (atau individu dalam algoritma gntika) Untuk ross rhitungan fitnss, ada 3 oin ukuran (trms) yang daat digunakan untuk mngukur rforma dari subst fitur, yaitu: Tingkat akurasi dari klasifikasi subst fitur, Batasan (margin) dari classifir yang datih olh subst fitur, 3 Jumlah gn yang trlibat dalam subst fitur Jika subst fitur yg dikstrak dari subst modl klasifikasi mmunyai nai akurasi yang sama, subst fitur diih adalah yang daat mlatih classifir dngan margin yang lbih bsar Jika nai akurasi dan margin sama, subst dngan jumlah gn lbih sdikit yang akan diih Untuk mngkombinasikan ktiga ukuran di atas, kita gunakan fungsi fitnss (5) brikut: fitnss Acc Acc ( LC Fn) LC Mg 0 MM 4 ( LC Fn) LC if if Acc Acc (5) dngan Acc = WSCA dari subst fitur, Fn = jumlah asangan gn yang trdaat dalam subst fitur, LC = anjang kromosom, Mg/MM = magnitud dari margin classifir WSCA dihitung mnggunakan aturan klasifikasi yang sama ada diskriminasi subst E dan E Sbagai contoh, WSCA subst fitur U = {µ, µ,, µ n, µ, µ,, µ n }, dihitung mnggunakan aturan brikut: Pih saml scara random dari total saml (nai fitur valunya µ i ) Tmatkan saml ada klas jika µ i µ d, klas jika sbaliknya, di mana µ d mruakan nai otimal thrshold yang daat mminimalisir rror dalam mmbdakan lmn k dalam subst: {µ, µ,, µ n }, {µ, µ,, µ n } Jika Acc = 00%, maka Mg = min(µ, µ,, µ n ) max(µ, µ,, µ n ), dan MM brdasarkan modl (0) daat dihitung mnggunakan rumus brikut: MM abs( n n i i n n i ) i (6) Rang nai akurasi antara 05 samai dngan, Mg/MM antara 0 samai dngan, sdangkan trm ktiga brkisar antara 0 samai dngan 0000

6 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama 5 Uji Coba dan Analisis Datast microarray yang digunakan sbagai uji coba sistm ini adalah data colon cancr [9] dan diffus larg B cll lymhoma (DLBCL) [0] Colon cancr mmiki 000 fitur dan 6 saml ( mruakan jaringan normal dan 40 mruakan jaringan kankr), sdangkan DLBCL mmiki 406 fitur dan 4 saml ( mruakan jaringan grminal cntr B-lik DLBCL dan mruakan jaringan activd B-lik DLBCL) Trdaat tiga data masukan yang dibutuhkan dalam sistm, yaitu datast, thrshold kofisin korlasi ( h ), anjang subst fitur (LC) Data kluaran dari sistm ini adalah subst fitur has kstraksi bsrta informasi asangan gn yang trdaat di dalamnya dan nai within saml classification accuracy (WSCA) dari subst fitur trsbut Dua sknario akan ditrakan dalam uji coba sistm Sknario rtama adalah nambahan nai thrshold h yang digunakan sbagai ftring kofisin korlasi sdangkan sknario kdua adalah nambahan nai LC yang mruakan anjang subst fitur yang ingin dihaskan Masing-masing sknario akan ditrakan ada dua data uji coba yang tlah dlaskan sblumnya, yaitu data Colon Cancr dan data DLBCL 5 Sknario Pada sknario rtama ini dakukan nambahan nai thrshold ( h ) kmudian dakukan analisis ngaruhnya trhada tingkat akurasi yang daat dakukan olh subst fitur yang trih bsrta jumlah asangan gn yang trlibat dalam subst fitur Slain itu dakukan juga analisis trhada tingkat akurasi yang daat dakukan olh masing-masing informasi asangan gn trtinggi dalam subst fitur yang trih 5 Data Colon Cancr Uji coba rtama, kdua, ktiga, dan kmat scara brturut-turut h brnai 06, 07, 08, 09 dngan anjang subst fitur LC yang sama yaitu 0 Has kluaran brua otimal fitnss valu (OFV), nai within saml classification accuracy (WSCA), bsrta banyaknya asangan gn yang trlibat dalam subst yang trih (Fn) trlihat ada Tabl Tabl Prbandingan Trhada Pnambahan Nai Thrshold Pada Data Colon Cancr h OFV WSCA (%) Fn Tabl Daftar Informasi Pasangan Gn yang Trlibat dalam Subst Fitur Data Colon Cancr h Gn Gn WSCA(%) Kofisin korlasi Emat uji coba di atas dakukan dngan mnggunakan has mbangkitan modl klasifikasi scara random yang sama yaitu ada saat h 06 Hal ini dakukan untuk daat mnganalisis has subst fitur yang didaat ktika trdaat knaikan nai h saat ross slksi Dari has yang trlihat ada Tabl trsbut daat dianalisis bahwa nambahan nai h brngaruh trhada nai WSCA subst fitur yang trih bsrta jumlah asangan gn yang trlibat di dalamnya (Fn) Smakin tinggi nai h yang diinutkan maka smakin tinggi ula nai WSCA subst fitur yang didaat, slain itu jumlah asangan informasi gn yang trlibat dalam subst fitur juga smakin banyak Namun trjadi nurunan ktika nai h yang diinutkan trlalu tinggi Hal ini dikarnakan ross random modl klasifikasi di awal dakukan dngan mnggunakan h 06 shingga asanganasangan informasi gn yang daat mlbihi nai h 09 ada saat ross slksi mnjadi smakin sdikit

7 Informasi Gn Colon Cancr k 576 Informasi Gn Colon Cancr k 576 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama 8 Plotting Colon Cancr dg Rgrssion Modl 7 Has Klasifikasi Colon Cancr normal cancr 65 normal cancr 7 modl rgrsi batas 6 6 batas Informasi Gn Colon Cancr k Informasi Gn Colon Cancr k 843 (a) (b) Gambar 3 Plotting nai ksrsi data colon cancr mnggunakan informasi asangan gn k 843 dan k 576 (a) Data sblum diklasifikasikan Pross klasifikasi dakukan dngan aturan yaitu data yang brada dalam dua garis batas brwarna hau akan diklasifikasikan k dalam klas normal, dan diklasifikasikan k dalam klas cancr jika sbaliknya (b) Has stlah diklasifikasikan Pncaaian nai WSCA subst fitur trtinggi adalah ktika h brnai antara 07 samai 08 Tingkat akurasi ngklasifikasian sbsar 95,6% didaat dngan mlibatkan sbanyak 3 samai 4 informasi asangan gn Untuk mngtahui lbih dta mngnai subst fitur yang trih, brikut akan ditamkan daftar informasi asangan gn yang trlibat ada masingmasing subst fitur yang trih ada kmat uji coba Daftar informasi asangan gn ada uji coba rtama samai kmat daat dihat ada Tabl yaitu brua asangan gn (gn dan gn ), nai within saml classification accuracy (WSCA), bsrta nai kofisin korlasi asangan gn yang brsangkutan Dari tabl trsbut trlihat bahwa asangan informasi gn yang aling dominan dan mmiki tingkat akurasi ngklasifikasian aling tinggi adalah asangan 843 dan 576 yaitu dngan tingkat akurasi 9355% dan kofisin korlasi 094 Visualisasi gambar ross klasifikasi mnggunakan informasi asangan gn ini daat dihat ada Gambar 3 Tingginya kofisin korlasi ada satu klas trlihat ada brkumulnya saml-saml yang brada dalam klas normal sdmikian shingga saml-saml trsbut mmiki sbuah jarak yang daat digunakan untuk mmbdakannya dngan klas kankr 5 Data DLBCL Uji coba rtama, kdua, ktiga, dan kmat scara brturut-turut h brnai 05, 06, 07, 08 dngan anjang subst fitur LC yang sama yaitu 0 Has kluaran brua otimal fitnss valu (OFV), nai within saml classification accuracy (WSCA), nai magnitud classifir (Mg/MM), bsrta banyaknya asangan gn yang trlibat dalam subst yang trih (Fn) trlihat ada Tabl 3 Emat uji coba di atas dakukan dngan mnggunakan has mbangkitan modl klasifikasi scara random yang sama yaitu ada saat h 05, hal ini dakukan untuk daat mnganalisis has subst fitur yang didaat ktika trdaat knaikan nai h saat ross slksi Has yang trlihat ada Tabl 3 trsbut daat dianalisis bahwa nambahan nai h brngaruh trhada nai WSCA subst fitur yang trih bsrta jumlah asangan gn yang trlibat di dalamnya (Fn) Smakin tinggi nai h yang digunakan maka smakin tinggi ula nai WSCA subst fitur yang didaat, Slain itu jumlah asangan informasi gn yang trlibat dalam subst fitur juga smakin banyak Namun trjadi nurunan ktika nai h yang diinutkan trlalu tinggi Hal ini dikarnakan ross random modl klasifikasi di awal dakukan dngan mnggunakan h 05 shingga asanganasangan informasi gn yang daat mlbihi nai h 08 ada saat ross slksi mnjadi smakin sdikit Untuk mngtahui lbih dta mngnai subst fitur yang trih, brikut akan ditamkan daftar informasi asangan gn yang trlibat ada masingmasing subst fitur yang trih ada kmat uji coba Daftar informasi asangan gn ada uji coba rtama daat dihat ada Tabl 4 yaitu brua asangan gn (gn dan gn ), nai within saml classification accuracy (WSCA), bsrta nai kofisin korlasi asangan gn yang brsangkutan Dari Tabl 4 trlihat bahwa asangan informasi gn yang aling dominan dan mmiki tingkat akurasi ngklasifikasian aling tinggi adalah asangan 37 dan 03 yaitu dngan tingkat akurasi 954% dan kofisin korlasi 068 Visualisasi gambar

8 Informasi Gn DLBCL k 03 Informasi Gn DLBCL k 03 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama Plotting DLBCL dg Rgrssion Modl Has Klasifikasi DLBCL grminal cntr B-lik activ B-lik modl rgrsi batas batas Informasi Gn DLBCL k grminal cntr B-lik activ B-lik Informasi Gn DLBCL k 37 (a) (b) Gambar 4 Plotting nai ksrsi data DLBCL mnggunakan informasi asangan gn k 37 dan k 03 (a) Data sblum diklasifikasikan Pross klasifikasi dakukan dngan aturan yaitu data yang brada dalam dua garis batas brwarna hau akan diklasifikasikan k dalam klas grminal cntr B-likd, dan diklasifikasikan k dalam klas activ B-lik jika sbaliknya (b) Has stlah diklasifikasikan ross klasifikasi mnggunakan informasi asangan gn ini daat dihat ada Gambar 4 Tingginya kofisin korlasi ada satu klas trlihat ada brkumulnya saml-saml yang brada dalam klas grminal cntr B-lik, sdmikian shingga saml-saml trsbut mmiki sbuah jarak yang daat digunakan untuk mmbdakannya dngan klas activ B-lik Tabl 3 Prbandingan Trhada Pnambahan Nai Thrshold ada Data DLBCL h OFV WSCA (%) Mg/MM Fn Tabl 4 Daftar Informasi Pasangan Gn yang Trlibat dalam Subst Fitur Data DLBCL h Gn Gn WSCA(%) Kofisin korlasi Sknario Pada sknario kdua dakukan nambahan anjang subst fitur (LC) kmudian dakukan analisis ngaruhnya trhada tingkat akurasi yang daat dakukan olh subst fitur yang trih bsrta jumlah asangan gn yang trlibat dalam subst fitur Slain itu dakukan juga analisis trhada tingkat akurasi yang daat dakukan olh masing-masing informasi asangan gn trtinggi dalam subst fitur yang trih Has uji coba yang dakukan ada dua datast akan dlaskan ada sub bab brikut ini 5 Data Colon Cancr Uji coba rtama, kdua, ktiga, samai ktujuh scara brturut-turut LC brnai 0, 0, 30, 40, 50, 00, 50 dngan nai thrshold h yang sama yaitu 08 Has kluaran brua otimal fitnss valu (OFV), nai within saml classification accuracy (WSCA), bsrta banyaknya asangan gn yang trlibat dalam subst yang trih (Fn) trlihat ada Tabl 5 Tabl 5 Prbandingan Trhada Pnambahan Panjang Subst Fitur ada Data Colon Cancr LC OFV WSCA (%) Fn Tujuh uji coba di atas dakukan dngan mnggunakan has mbangkitan modl klasifikasi scara random yang sama yaitu ada saat h 08 Hal ini dakukan untuk daat mnganalisis has subst fitur yang didaat ktika trdaat knaikan anjang subst fitur (LC) Dari has yang trlihat ada Tabl 5 trsbut daat dianalisis bahwa nambahan nai LC brngaruh trhada nai WSCA subst fitur yang trih bsrta jumlah asangan gn yang trlibat di dalamnya (Fn)

9 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama Smakin tinggi nai LC yang diinutkan maka smakin tinggi ula nai WSCA subst fitur yang didaat, slain itu jumlah asangan informasi gn yang trlibat dalam subst fitur juga smakin banyak Namun trjadi nurunan nai WSCA ktika nai LC yang diinutkan trlalu bsar Hal ini dikarnakan smakin bsar nai LC, maka smakin banyak ula kmungkinan asangan gn (modl klasifikasi) yang dibntuk ada saat ross slksi fitur mnggunakan algoritma gntika Trlalu banyaknya modl klasifikasi yang dibntuk trsbut itulah yang mmicu nurunan nai WSCA yang didaat Nai Fn brbanding lurus dngan bsarnya nai LC yang diinutkan, srti yang dlaskan sblumnya bahwa smakin bsar nai LC maka smakin banyak ula asangan gn yang trlibat dalam suatu subst fitur Pncaaian nai WSCA subst fitur trtinggi adalah ktika LC brnai antara 30 samai 40 Tingkat akurasi ngklasifikasian sbsar 98,4% didaat dngan mlibatkan sbanyak samai 4 informasi asangan gn 5 Data DLBCL Uji coba rtama, kdua, ktiga, samai ktujuh scara brturut-turut LC brnai 0, 0, 30, 40, 50, 00, 50 dngan nai thrshold h yang sama yaitu 08 Has kluaran brua otimal fitnss valu (OFV), nai within saml classification accuracy (WSCA), nai magnitud classifir (Mg/MM), bsrta banyaknya asangan gn yang trlibat dalam subst yang trih (Fn) trlihat ada Tabl 6 Tabl 6 Prbandingan Trhada Pnambahan Panjang Subst Fitur ada Data DLBCL LC OFV WSCA (%) Mg/MM Fn Tujuh uji coba di atas dakukan dngan mnggunakan has mbangkitan modl klasifikasi scara random yang sama yaitu ada saat h 08 Hal ini dakukan untuk daat mnganalisis has subst fitur yang didaat ktika trdaat knaikan anjang subst fitur (LC) Dari has yang trlihat ada Tabl 6 trsbut daat dianalisis bahwa nambahan nai LC brngaruh trhada nai WSCA subst fitur yang trih bsrta jumlah asangan gn yang trlibat di dalamnya (Fn) Karna dari ktujuh uji coba di atas mnghaskan nai WSCA subst fitur yang sama, analisis akan dakukan trhada nai magnitud (Mg/MM) dan banyaknya informasi asangan gn yang trlibat di dalamnya (Fn) Smakin tinggi nai LC yang diinutkan maka smakin tinggi ula nai magnitud yang didaat, slain itu jumlah asangan informasi gn yang trlibat dalam subst fitur juga smakin banyak Namun nai magnitud mngalami nurunan ktika nai LC yang diinutkan trlalu tinggi Hal ini dikarnakan smakin tinggi nai LC, smakin banyak ula kmungkinan asangan gn (modl klasifikasi) yang dibntuk ada saat ross slksi fitur mnggunakan algoritma gntika Trlalu banyaknya modl klasifikasi yang dibntuk trsbut itulah yang mmicu nurunan nai magnitud yang didaat Nai Fn brbanding lurus dngan bsarnya nai LC yang diinutkan, srti yang dlaskan sblumnya bahwa smakin bsar nai LC maka smakin banyak ula asangan gn yang trlibat dalam suatu subst fitur 6 Ksimulan Stlah dakukan uji coba dan analisis has trhada alikasi yang tlah dibuat maka daat diamb ksimulan sbagai brikut: a Suatu informasi asangan gn yang mmiki karaktristik nai kofisin korlasi yang sangat tinggi ada suatu klas, dan nai dari kdua gn trsbut mmiki rbdaan yang signifikan shingga daat digunakan untuk mmbdakan antara klas satu dngan lainnya trbukti daat dadikan sbagai modl untuk ross ngklasifikasian b Ekstraksi fitur yang mmanfaatkan modl klasifikasi brbasis informasi asangan gn daat mnghaskan drtan fitur (subst fitur) yang mamu mningkatkan akurasi ross klasifikasi c Gabungan informasi asangan gn yang trdaat dalam subst fitur daat mmbntuk gabungan modl klasifikasi Gabungan dari bbraa modl klasifikasi yang digunakan untuk mngklasifikasikan ini daat mmbrikan tingkat akurasi yang lbih tinggi dariada hanya mnggunakan satu modl klasifikasi saja d Smakin tinggi nai aramtr thrshold kofisin korlasi dan anjang subst fitur yang digunakan tidak mnjamin mnghaskan subst fitur yang baik Brdasarkan has uji coba daat disimulkan bahwa subst fitur yang otimal daat dihaskan dngan mnggunakan aramtr thrshold untuk colon cancr adalah 07, sdangkan untuk DLBCL adalah 06, dan aramtr anjang subst fitur untuk colon cancr adalah 30, sdangkan untuk DLBCL adalah 0

10 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama REFERENSI [] Li, J, Tang, X, Liu, J, Huang, J, dan Wang, Y, A novl aroach to fatur xtraction from classification modl basd on information gn airs, Pattrn Rcognition, 4 : 6 Juni, 008 [] Li, J, Tang, X, A nw classification modl with siml dcision rul for discovring otimal fatur gn airs, Comutrs in Biology and Mdicin 37, 007 [3] Thodoridis, S, Koutroumbas, K, Pattrn Rcognition Third Edition, China: Machin Prss P 495, 003 [4] Walol, RE, Myrs, RH, Myrs, SL, Y, K, Probabity & Statistics for Enginrs & Scintist Svnth Edition Prntic Hall, 356, 00 [5] Xiong, M, Fang, X, Zhao, J, Biomarkr idntification by fatur wrar, Gnom Rs, 00 [6] Gn, M, Chng, R, Gntic Algorithm and Enginring Dsign, Jaan: A wy-intrscinc Publication, John Wy & Sons, Inc, 997 [7] Goldbrg, DE, Gntic Algorithm in Sarch, Otimization, and Machin Larning, USA: Addition Wsly Publishing Comany, Inc, 989 [8] Srinivas, M, Patnaik, LM, Gntic algorithm: a survy, IEEE Comut 7, 994 [9] Alon, U Barkai, N, Nottrman, Gish, K, Ybarra, S, Mack, D, and Lvinr, J, Data rtaining to th articl Broad attrns of gn xrssion rvald by clustring of tumor and normal colon tissus robd by oligonuclotid arrays, 999, htt://microarray rinctondu/oncology/affydata /indxhtml [0] Alizadh, AA, Eisn, MB, Davis, RE, Ma, C, Lossos, IS, Rosnwald, A, t al, Th Wb Sulmnt to Distinct Tys of Diffus Larg B-Cll Lymhoma Idntifid By Gn Exrssion Profing, 000, htt://llmnihgov/lymhoma/data/rawdata

11 Rully Solaiman, Sha Agustianty, Yudhi Purwananto, dan IK Eddy Purnama