Model Klasifikasi Analisis Diskriminan Dengan Metode Partial Least Squares Discriminant Analysis (PLSDA) Pada Data Berdimensi Tinggi

Main Author: Zharfani, Durrah Izza
Format: Thesis NonPeerReviewed
Terbitan: , 2019
Subjects:
Online Access: http://repository.ub.ac.id/179686/
Daftar Isi:
  • Analisis diskriminan adalah analisis multivariat yang diterapkan untuk memodelkan hubungan antara peubah respon yang bersifat kategorik dengan peubah prediktor yang bersifat numerik. Analisis diskriminan yang memiliki jumlah peubah prediktor lebih banyak daripada jumlah amatannya harus ditangani dengan suatu metode yaitu metode Partial Least Squares Discriminant Analysis (PLSDA). Dampak adanya data berdimensi tinggi mengakibatkan prediksi yang dihasilkan kurang akurat. Salah satu contoh data berdimensi tinggi adalah data berupa gen-gen pada manusia yang menderita suatu jenis kanker. Tujuan penelitian ini adalah untuk mengetahui gen yang paling berpengaruh pada masing-masing jenis kanker. Pada penelitian ini digunakan data dengan jumlah gen sebanyak 685 dan amatan sebanyak 60 pasien yang diklasifikasikan ke dalam lima jenis kanker. Jenis kanker pada penelitian ini adalah BRCA (Breast Carnicoma), COAD (Colon Adenocarcinoma), KIRC (Kidney Renal Clear Cell Carnicoma), LUAD (Lung Adenocarcinoma) dan PRAD (Prostate Adenocarcinoma). Hasil penelitian ini didapatkan gen-gen yang menjadi penciri pada masing-masing jenis kanker. Peubah penciri pada kanker jenis BRCA adalah Gen 452 dan Gen 634. Peubah penciri pada kanker jenis COAD adalah Gen 452 dan Gen 165. Peubah penciri pada kanker jenis KIRC adalah Gen 115 dan Gen 616. Peubah penciri pada kanker jenis LUAD adalah Gen 452 dan Gen 176. Peubah penciri pada kanker jenis PRAD adalah Gen 115 dan Gen 165.