Implementasi SMOTE dan Extreme Learning Machines Untuk Menyeimbangkan Data Microarray pada Klasifikasi Tumor Otak

Abstract

Tumor otak merupakan salah satu penyakit penyebab kematian terbesar secara global. Banyak cara untuk mendeteksi penyakit tumor otak dengan cara pengambilan struktur DNA microarray pada protein tumor otak lalu melakukan klasifikasi dengan menggunakan machine learning. Hasil penelitian ini adalah untuk mengetahui keakuratan dalam pengklasifikasian tumor otak dengan menggunakan metode Extreme Learning Machines dengan dan tanpa menggunakan oversampling SMOTE pada keseluruan data. Performa kinerja klasifikasi tertinggi setiap model antara lain model Extreme Learning Machines mendapatkan akurasi sebesar 97.69% pada hidden neuron = 500. Lalu Extreme Learning Machines menggunakan oversampling SMOTE pada keseluruan data menghasilkan akurasi sebesar 94.61% pada hidden neuron = 90. Pada penelitian ini didapatkan bahwa penggunaan hidden neuron serta penyeimbangan data pada klasifikasi data microarray sangat berpengaruh dalam akurasi yang akan didapatkan dalam penelitian ini.