IMPLEMENTASI SMOTE DAN EXTREME LEARNING MACHINES PADA KLASIFIKASI DATASET MICROARRAY

  • Ivan Sitohang Universitas Lambung Mangkurat
  • Triando Hamonangan Saragih Program Studi Ilmu Komputer. Fakultas MIPA, Universitas Lambung Mangkurat
  • Dwi Kartini Universitas Lambung Mangkurat
  • Radityo Adi Nugroho Universitas Lambung Mangkurat
  • Mohammad Reza Faisal Universitas Lambung Mangkurat

Abstract

Tumor otak merupakan salah satu penyakit penyebab kematian terbesar secara global. Banyak cara untuk mendeteksi penyakit tumor otak dengan cara pengambilan struktur DNA microarray pada protein tumor otak lalu melakukan klasifikasi dengan menggunakan machine learning. Hasil penelitian ini adalah untuk mengetahui keakuratan dalam pengklasifikasian tumor otak dengan menggunakan metode Extreme Learning Machines dengan dan tanpa menggunakan oversampling SMOTE pada keseluruhan data. Performa kinerja klasifikasi tertinggi setiap model antara lain model Extreme Learning Machines mendapatkan akurasi sebesar 97.43% pada hidden neuron = 500. Lalu Extreme Learning Machines menggunakan oversampling SMOTE pada keseluruhan data menghasilkan akurasi sebesar 92.30% pada hidden neuron = 200. Pada penelitian ini didapatkan bahwa penggunaan hidden neuron serta penyeimbangan data pada klasifikasi data microarray sangat berpengaruh dalam akurasi yang akan didapatkan dalam penelitian ini.

 

Downloads

Download data is not yet available.

References

Adiwijaya, A. (2018). Deteksi Kanker Berdasarkan Klasifikasi Microarray Data. Jurnal Media Informatika Budidarma, 2(4), 181. https://doi.org/10.30865/mib.v2i4.1043
Angga Ginanjar Mabrur, L. R. (2012). Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit. Jurnal Komputer Dan Informatika (KOMPUTA), 1(1), 53–57.
Asniar, Maulidevi, N. U., & Surendro, K. (2021). SMOTE-LOF for noise identification in imbalanced data classification. Journal of King Saud University - Computer and Information Sciences, xxxx.
Balakrishnan, R., & Karthikeyan, T. (2019). Microarray gene expression and multiclass cancer classification using extreme learning machine (ELM) with refined group search optimizer (RGSO). Int Sci J Sci Eng Technol, 3, 64–76.
Dewi, S. (2016). Komparasi 5 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Keberhasilan Pemasaran Produk Layanan Perbankan. Techno Nusa Mandiri, 13(1), 60–66.
Eska, J. (2016). Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5 STMIK Royal Ksiaran. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 2, 9–13.
Fadilla, I., Adikara, P. P., & Setya Perdana, R. (2018). Klasifikasi Penyakit Chronic Kidney Disease (CKD) Dengan Menggunakan Metode Extreme Learning Machine (ELM). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3397–3405.
Gillies, M. H. and D. F. (2015). A Review of Feature Selection and Feature Extraction Methods Applied on Microarray Data. Computational and Mathematical Methods in Medicine, 2015(1), 2–4.
Gumelar, G., Ain, Q., Marsuciati, R., Bambang, S. A., & Sunyoto, A. (2021). Kombinasi Algoritma Sampling dengan Algoritma Klasifikasi untuk Meningkatkan Performa Klasifikasi Dataset Imbalance. Sisfotek, 250–255.
Huang, G. Bin, Zhu, Q. Y., & Siew, C. K. (2006). Extreme learning machine: Theory and applications. Neurocomputing, 70(1–3), 489–501.
Ihsani, D. A., Arifin, A., & Fatoni, M. H. (2020). Klasifikasi DNA Microarray Menggunakan Principal Component Analysis (PCA) dan Artificial Neural Network (ANN). Jurnal Teknik ITS, 9(1).
Khadijah, K., & Hartati, S. (2015). Klasifikasi Data Microarray Menggunakan Discrete Wavelet Transform dan Extreme Learning Machine. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 9(1), 33.
Mayadewi, P., & Rosely, E. (2015). Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining. Seminar Nasional Sistem Informasi Indonesia, November, 329–334.
Mubarok, M. S., Purbolaksono, M. D., & Adiwijaya, A. (2017). Implementasi Mutual Information Dan Bayesian Network untuk Klasifikasi Data Microarra. E-Proceeding of Engineering, 4(2), 3292–3304.
Munawarah, R., Soesanto, O., & Faisal, M. R. (2016). Penerapan Metode Support Vector Machine. Kumpulan JurnaL Ilmu Komputer (KLIK), 04(01), 103–113.
Nasari, F., & Darma, S. (2015). Penerapan K-means clustering pada data penerimaan mahasiswa baru (studi kasus : Universitas Potensi Utama). 6–8.
Ranjani Rani, R., & Ramyachitra, D. (2018). Microarray cancer gene feature selection using spider monkey optimization algorithm and cancer classification using SVM. Procedia Computer Science, 143, 108–116.
Rusamsi, S. R., Adiwijaya, & Rohmawati, A. A. (2018). Deteksi Kanker Berdasarkan Klasifikasi Microarray Data Menggunakan Wavelet Transform dan Backpropagation Termodifikasi dengan Conjugate Gradient Flechter Reeves. E-Proceeding of Engeneering, 5(1), 1772–1779.
Siringoringo, R. (2018). Klasifikasi Data Tidak Seimbang Menggunakan Algoritma SMOTE dan k-Nearest Neighbor. Jurnal ISD, 3(1), 44–49.
Sulistiyowati, N., & Jajuli, M. (2020). Integrasi Naive Bayes Dengan Teknik Sampling Smote Untuk Menangani Data Tidak Seimbang. Nuansa Informatika, 14(1), 34.
Turlapati, V. P. K., & Prusty, M. R. (2020). Outlier-SMOTE: A refined oversampling technique for improved detection of COVID-19. Intelligence-Based Medicine, 3–4(July), 100023.
Wahid, R. R., Anggraeny, F. T., & Nugroho, B. (2020). Implementasi Metode Extreme Learning Machine untuk Klasifikasi Tumor Otak pada Citra Magnetic Resonance Imaging. Prosiding Seminar Nasional Informatika Bela Negara (SANTIKA), 1, 16–20.
Zhou, Z.-H. (2009). Ensemble Learning. Encyclopedia of Biometrics, 270–273.
How to Cite
[1]
I. Sitohang, T. H. Saragih, D. Kartini, R. A. Nugroho, and M. R. Faisal, “IMPLEMENTASI SMOTE DAN EXTREME LEARNING MACHINES PADA KLASIFIKASI DATASET MICROARRAY”, JIP, vol. 8, no. 4, pp. 9-16, Aug. 2022.