Perpustakaan Digital ITB

Kanker merupakan salah satu penyakit mematikan di dunia dan perlu dideteksi gejalanya sejak dini. Kanker dapat direpresentasikan dengan data microarray dengan mengukur perubahan yang terjadi pada tingkat ekspresi gen. Deteksi kanker dapat dilakukan dengan melakukan teknik klasifikasi terhadap data microarray. Salah satu metode yang diterapkan untuk klasifikasi adalah Deep Learning seperti Convolutional Neural Network (CNN). Ini telah memberikan dampak dalam klasifikasi tetapi sensitif terhadap data noise. Data microarray memiliki fitur yang besar (dimensi tinggi) dimana tidak semua fitur memiliki informasi penting (noise tinggi) dan sampel yang kecil menyebabkan klasifikasi sulit dan mempengaruhi akurasi. Cuckoo Search (CS) merupakan salah satu algoritma optimasi pencarian yang dapat menemukan fitur yang optimal. Tujuan dalam penelitian ini adalah mengimplementasikan dan menganalisis pengaruh seleksi fitur dan klasifikasi pada data microarray menggunakan CS sebagai seleksi fitur dan CNN sebagai pengklasifikasi. Dengan penerapan CS sebagai fitur seleksi dan CNN sebagai classifier mampu menemukan fitur yang paling signifikan. Pengaruh pemilihan fitur pada klasifikasi memainkan peran penting dalam menghindari data noise memprediksi klasifikasi secara akurat.