Kanker adalah penyakit keganasan yang
terjadi pada jaringan tubuh dimana terdapat sel-sel abnormal yang tumbuh secara
berlebihan dan tidak terkoordinasi. Terdapat
408.661 kasus baru leukemia dan 242.988 kematian akibat leukemia di indonesia.
Secara umum, kejadian leukemia lebih banyak
terjadi pada laki-laki sebesar 6.4 kasus daripada perempuan sebesar 4.0 kasus
dengan kondisi yang terjadi di indonesia.Penelitian
ini menunjukkan bahwa PCA (Principal Component Analysis) dapat meningkatkan
performa dari algoritma klasifikasi machine learning dalam mendeteksi leukemia
AML (Akut Myeloid Leukemia) yang bergantung pada ekspresi gen pada sel
mononuklear sumsum tulang.Model yang akan dievaluasi adalah model dengan
menggunakan 6 algoritma klasifikasi machine learning, yaitu : Naïve Bayes,
Neural Network, Support Vector Machine(SVM), kNN, Random Forest, dan Decision
Tree dengan berdasarkan beberapa metode pengukuran diantara lain: confusion
matrix, accuracy, precision, recall, F1-score, Area Under ROC Curve, dan
Matthew Coefficient Correlation yang bertujuan membandingkan performa model
sehingga hasilnya lebih baik dari penelitian sebelumnya.Hasil dari
penggabungan Principal Component Analysis
(PCA) dengan algoritma Neural Network dengan nilai akurasi 97.3%, recall (sensitivitas) 97.3%,
spesifisitas 97.8%, F1-Score 97.3%, MCC 94.6?n AUC 99.7%.Dalam penelitian ini, dilakukan klasifikasi data ekspresi gen menggunakan
algoritma klasifikasi machine learning
yang dikombinasikan dengan reduksi dimensi PCA dalam mendeteksi leukemia AML
sehingga diharapkan penggunaan PCA dapat meningkatkan kinerja algoritma
klasifikasi machine learning dan
menghasilkan akurasi yang tinggi dalam mendeteksi leukemia AML.
