PERBANDINGAN NILAI AKURASI KLASIFIKASI KANKER PAYUDARA DENGAN DATA MICRORNA MENGGUNAKAN METODE DEEP NEURAL NETWORK (DNN) TANPA DAN DENGAN OPTIMASI BATCH NORMALIZATION

Abstract

Kanker payudara merupakan salah satu penyebab kematian terbanyak di dunia. Salah satu upaya yang dapat dilakukan untuk mengurangi jumlah kasus kematian akibat kanker ini adalah melakukan deteksi dini dengan menggunakan data MicroRNA. MicroRNA merupakan salah satu biomarker kanker yang dapat membantu dalam proses klasifikasi. MicroRNA dapat digunakan untuk mengenali apakah suatu sel merupakan sel kanker atau bukan bahkan dalam stadium paling awal. Metode Deep Neural Network (DNN) terdiri dari dua atau lebih lapisan belajar mandiri (hidden layer), dengan bobot unit yang terhubung sepenuhnya antara dua lapisan yang berdekatan dapat dipelajari secara otomatis. Namun, DNN masih memiliki kelemahan yaitu perubahan dalam distribusi inputsetiap lapisan yang menyebabkan masalah karena lapisan perlu terus beradaptasi dengan distribusi baru sehingga menghasilkan nilai akurasi yang kurang optimal. Dikarenakan perubahan distribusi input setiap lapisan ini, salah satu solusi untuk mengoptimalkan kinerja DNN adalah dengan menggunakan algoritma Batch Normalization. Batch Normalization menjadikan normalisasi sebagai bagian dari arsitektur model yang membuat jaringan lebih stabil dengan rentang gradient yang lebih kecil. Penelitian ini dilakukan untuk mengoptimalkan kinerja metode DNN yang digunakan untuk klasifikasi kanker payudara menggunakan data MicroRNA dengan menambahkan algoritma Batch Normalization. Hasil penelitian pada DNN standar dengan 4 hidden layer dengan masing-masing 200 hidden unit, dan dropout rate 50% menghasilkan rata-rata nilai akurasi sebesar 58.67%. Sedangkan hasil penelitian menunjukkan bahwa penerapan algoritma Batch Normalization pada DNN standar dengan 2 hidden layer dengan masingmasing 200 hidden unit, dan dropout rate 50% menghasilkan rata-rata nilai akurasi terbaik yaitu sebesar 93.67%. Menggunakan data MicroRNA kanker payudara, penerapan metode DNN dengan algoritma Batch Normalization terbukti mampu meningkatkan akurasi DNN standar untuk jumlah hidden layer kecil. Kata Kunci : Kanker payudara, MicroRNA, Deep Neural Network, Batch Nornalization