Perbandingan Performa XGBoost, Random Forest, dan SVM pada Klasifikasi Pasien COPD Menggunakan Data Ekspresi Gen. (Studi Kasus : Dataset GSE151052)

Abstract

Chronic Obstructive Pulmonary Disease (COPD) merupakan penyakit paru kronis yang ditandai dengan keterbatasan aliran udara progresif dan tidak sepenuhnya reversibel. Penyakit ini berkaitan dengan proses inflamasi kronis yang memicu perubahan ekspresi gen pada jaringan paru. Penelitian ini bertujuan untuk mengidentifikasi gen-gen yang berbeda ekspresinya antara pasien COPD dan individu sehat serta membangun model klasifikasi berbasis machine learning. Data yang digunakan merupakan data sekunder microarray jaringan paru manusia dari dataset GSE151052 yang diperoleh melalui Gene Expression Omnibus (GEO) NCBI. Analisis diawali dengan prapemrosesan data menggunakan metode Robust Multi-array Average (RMA), kemudian dilakukan penyaringan gen sehingga diperoleh 3.170 gen yang digunakan sebagai fitur dalam analisis klasifikasi. Selanjutnya, analisis klasifikasi dilakukan menggunakan algoritma eXtreme Gradient Boosting (XGBoost), Random Forest, dan Support Vector Machine (SVM). Untuk mengatasi ketidakseimbangan data, diterapkan metode Synthetic Minority Over-sampling technique (SMOTE) pada data pelatihan. Hasil dari analisis yang dilakukan menunjukkan bahwa metode klasifikasi Random Forest mampu memperoleh performa tinggi dengan nilai F1-score sebesar 1,00 dan specificity sebesar 1,00. Sementara itu, metode Support Vector Machine (SVM) memperoleh nilai F1-score sebesar 0,94 dan specificity sebesar 0,75. Adapun metode klasifikasi eXtreme Gradient Boosting (XGBoost) memperoleh nilai F1-score sebesar 0,96 dan specificity sebesar 0,87. Analisis feature importance menunjukkan bahwa gen C1QTNF7, TRPC6, ABCA8, dan LINC02880 memiliki kontribusi penting dalam proses klasifikasi.