Implementasi Metode Support Vector Machine dan Naïve Bayes pada Data Ekspresi Gen Microarray (Studi Kasus: Klasifikasi Data Ekspresi Gen Induced Sputum Pada Pasien Penderita Penyakit Asma GSE76262)

Abstract

Asma adalah penyakit yang terjadi karena adanya penyempitan saluran udara karena infeksi atau peradangan. dikematian tahunan di seluruh dunia akibat asma diperkirakan mencapai 250.000 jiwa, karena hal tersebut perlu dilakukan tindakan pemeriksaan untuk pasien penderita penyakit asma dengan mengambil cairan lendir pekat atau dahak pada penderita asma dengan menggunakan teknik yaitu induced sputum atau penginduksian dahak. Teknik induksi sputum bertujuan untuk mendapatkan sputum yang memadai dari saluran napas bawah. Pada penelitian ini penginduksian sputum dilakukan pada pasien penderita asma kategori berat (severe), sedang (moderate), dan healthy control. Digunakan cabang ilmu bioinformatika dalam menganalisis permasalahan ini. Pada penelitian ini dilakukan analisis klasifikasi pada data microarray hasil dari ekspresi gen pada pasien penderita penyakit asma yang dilakukan penginduksian sputum dengan kode series GSE76262. Digunakan metode SVM dan Naïve Bayes untuk melakukan klasifikasi pada dataset yang digunakan. Diperoleh nilai akurasi untuk masing-masing metode tersebut, dimana dengan metode SVM diperoleh nilai akurasi 78.57%, dan untuk metode naïve bayes didaptkan nilai akurasi sebesar 71.43%. Dilakukan penanganan imbalanced data dengan SMOTE, dan dianalisis kembali menggunakan metode yang sama, sehingga diperoleh hasil klasifikasi berupa nilai akurasi untuk SVM dengan SMOTE sebesar 98.25, dan untuk metode naïve bayes dengan SMOТЕ sebesar 68.42%. Diketahui bahwa metode SVM dengan SMOTE merupakan metode yang paling baik dalam mengklasifikasikan data ekspresi gen pada pasien asma. Selain itu juga diperoleh nilai AUC dari metode terbaik yaitu SVM dengan SMOTE, diperoleh nilai AUC sebesar 99.13%, nilai tersebut termasuk dalam kategori excellent classifier atau metode tersebut merupakan metode yang sangat baik dan akurat dalam melakukan klasifikasi.