Membandingkan Seleksi variabel Pada Data Microarray Menggunakan Important Variable Value dan Genetic Algorithm (Studi Kasus Lung Cancer Dataset dan Prostate Cancer Dataset)

 Abstract views: 22 ,  downloads: 23
  • Diana Nurlaily Institut Teknologi Kalimantan
  • Farida Nur Hayati Institut Teknologi Kalimantan
  • Elly Pusporani
Keywords: Feature selection, microarray, important variable value, genetic algorithm

Abstract

Teknologi DNA microarray menarik minat yang luar biasa baik di kalangan komunitas ilmiah maupun kalangan industri. Meskipun data microarray telah diterapkan dalam berbagai bidang, penanganan volume data besar yang dihasilkan bukanlah perkara yang mudah. Ukuran sampel kecil dengan dimensi tinggi adalah tantangan utama analisis menggunakan data microarray. Oleh karena itu perlu dilakukan analisis lebih lanjut untuk mengatasi hal ini. Banyak penelitian yang telah dirancang berkaitan dengan data microarray misalnya untuk menyelidiki mekanisme genetik kanker, dan untuk mengklasifikasikan berbagai jenis kanker atau membedakan antara jaringan kanker dan non-kanker. Semua penelitian ini bertujuan untuk menghasilkan kesimpulan dan interpretasi yang bermanfaat dari kumpulan data yang kompleks. Dalam penelitian ini, data yang digunakan adalah data kanker paru-paru sebanyak 24257 Variabel dan data kanker prostat sebanyak 12626 Variabel. Data tersebut kemudian akan dianalisis dengan beberapa metode feature selection yaitu important variable value dan genetic algorithm untuk memilih dimensi atau variabel data sehingga dapat meningkatkan akurasi klasifikasi data. Berdasarkan hasil analisis feature selection menggunakan data kanker paru-paru, didapatkan jumlah variabel terpilih sebanyak 112 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 12266 variabel. Pada data kanker prostat, didapatkan jumlah variabel terpilih sebanyak 299 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 6359 variabel.

 

Downloads

Download data is not yet available.

References

Dash, R. (2020). A two stage grading approach for feature selection and classification of microarray data using Pareto based feature ranking techniques: A case study. Journal of King Saud University –Computer and Information Sciences, 232-247.

Djellali, C., & Adda, M. (2017). A New Predictive Approach to Variables Selection Through Genetic Algorith and Fuzzy Adaptive Resonance Theory Using Medical Diagnosis as a Case. Procedia Computer Science, 448-457.

Hambali, M. A., Oladele, T. O., & Adewole, K. S. (2020). Microarray cancer feature selection: Review, challenges and research directions. International Journal of Cognitive Computing in Engineering , 78-97.

Hjerpe, A., 2016. Computing Random Forest Variable Importance Measures (VIM) on Mixed Continous and Categorical Data. Stockholm, Sweden: KTH Royal Institute of Technology School of Computer Science and Communication.

Hira, Z. M., & Gillies, D. F. (2015). A Review of Feature Selection and Feature Extraction Methods. Advaces in Bioinformatics , 1-13.

Nurlaily, D., Irhamah, Purnami, S. W. & Kuswanto, H., 2019. Support Vector Machine for Imbalanced Microarray Dataset Classification Using Ant Colony Optimization and Genetic Algorithm. s.l., AIP Publishing.

Rad, M. R., Koohkan, S., Fanaei, H. R., & Rad, M. R. (2015). Application of Artificial Neural Networks to predict the final fruit weight and random forest to select important variables in native population of melon (Cucumis melo L.). Scientia Horticulture, 108-112.

Sayed, S., Nassef, M., Badr, A., & farag, I. (2019). A Nested Genetic Algorithm for Feature Selection in High-dimensional Cancer Microarray Datasets. Microarray Datasets.

Wang, L., Huang, Z., & Wang, R. (2021). Discrimination of cracked soybean seeds by near-infrared spectroscopy and random forest variable selection. Infrared Physics and Technology.

Wang, X., & Simon, R. (2011). Microarray Based Cancer Prediction using Single Genes. BMC Bioinformatics , Vol. 12, hal. 391-400.

Published
2021-07-31
How to Cite
Nurlaily, D., Nur Hayati, F., & Pusporani, E. (2021). Membandingkan Seleksi variabel Pada Data Microarray Menggunakan Important Variable Value dan Genetic Algorithm (Studi Kasus Lung Cancer Dataset dan Prostate Cancer Dataset). J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 14(1), 38-43. https://doi.org/10.36456/jstat.vol14.no1.a3853