SELEKSI FITUR DAN OPTIMASI PARAMETER JARINGAN SYARAF TIRUAN BACKPROPAGATION BERBASIS ALGORITMA GENETIKA UNTUK KLASIFIKASI KANKER PAYUDARA BERDASARKAN PROFIL MICRORNA

Abstract

Kanker payudara merupakan jenis kanker yang paling sering ditemukan pada wanita. Kanker payudara mengalami peningkatan angka mortalitas setiap tahunnya karena belum ditemukan suatu metode deteksi dini yang tepat. MicroRNA dapat dijadikan sebagai biomarker yang potensial, karena profil fitur microRNA pada kanker payudara akan mengalami penurunan atau peningkatan nilai ekspresi jika dibandingkan dengan kondisi normal. Namun karena jenis microRNA penyusun kanker payudara berjumlah ribuan, maka diperlukan biaya yang besar untuk mendeteksi seluruhnya. Metode Jaringan Saraf Tiruan Backpropagation memiliki performa yang baik dalam generalisasi, sehingga cocok digunakan sebagai metode untuk klasifikasi dengan banyak fitur. Hasil klasifikasi dari model jaringan syaraf tiruan akan lebih akurat jika parameter yang digunakan dapat dioptimalkan secara tepat. Algoritma genetika dapat digunakan untuk melakukan optimasi parameter jaringan syaraf tiruan backpropagation sekaligus melakukan seleksi fitur karena karakteristik pencarian global yang dimilikinya. Penelitian ini bertujuan untuk membandingkan kinerja jaringan syaraf tiruan backpropagation yang dioptimasi menggunakan algoritma genetika serta dikombinasikan dengan seleksi fitur (GABPNN_FS) terhadap jaringan syaraf tiruan backpropagation yang dioptimasi menggunakan algoritma genetika tanpa seleksi fitur (GABPNN). Hasil penelitian menunjukkan bahwa GABPNN memiliki hasil yang lebih baik dengan nilai akurasi, sensitifitas, dan spesifisitas yaitu 98.00%, 99.00%, dan 97.00%. Namun GABPNN_FS memiliki rata-rata durasi proses yang lebih cepat yaitu 53.2689 detik. Hasil penerjemahan kromosom dari individu terbaik pada GABPNN_FS untuk klasifikasi kanker payudara berdasarkan profil microRNA yaitu random state = 6098, learning rate = 0.7, jumlah hidden neuron = 6, dan jumlah fitur terpilih = 707 fitur yang menghasilkan nilai akurasi, sensitifitas, dan spesifisitas yaitu 97.50%, 99.00%, dan 96.00%. Kata Kunci : Kanker payudara, MicroRNA, Jaringan syaraf tiruan, Backpropagation, Optimasi parameter, Seleksi fitur, dan Algoritma genetika