Deteksi Polycystic Ovarian Syndrome (pcos) Menggunakan Klasifikasi Microarray Data Dengan Algoritma Artificial Neural Network (ann) Backpropagation Dan Fitur Seleksi Principal Component Analysis

Abstract

Abstrak PCOS (polycystic ovary syndrome) atau sindrom ovarium polikistik merupakan kondisi terganggunya fungsi ovarium pada wanita yang berada di usia subur. Kondisi ini menyebabkan hormon wanita yang menderita PCOS menjadi tidak seimbang karena hal-hal yang tidak diketahui. Penelitian ini bertujuan untuk membuat sistem klasifikasi menggunakan data yang berbentuk microarray karena berguna untuk menganalisis beribu-ribu sampel pada waktu bersamaan yang dapat membantu analisis dan diagnosis terhadap penyakit PCOS. Sistem klasifikasi akan terdiri dari tiga tahapan, yaitu pre-processing data dengan normalisasi, ekstraksi fitur dengan menggunakan Principal Component Analysis, dan klasifikasi menggunakan metode Artificial Neural Network yaitu Backpropagation, dan didapatkan hasil akurasi sebesar 50% - 100%.

Kata kunci:PCOS, microarray, Principal Component Analysis, Artificial Neural Network

Abstract PCOS (polycystic ovary syndrome) or polycystic ovary syndrome is a condition of impaired ovarian function in women in childbearing age. This condition causes female hormones that suffer from PCOS to become unbalanced because of things that are not known. This study aims to make a classification system using data in the form of a microarray because it is useful to analyze thousands of samples at the same time which can help analysis and diagnosis of PCOS disease. The classification system will consist of three stages, namely pre-processing data with normalization, feature extraction using Principal Component Analysis, and classification using the Artificial Neural Network method, namely Backpropagation, and the results are 50%-100%.

Keywords:PCOS, microarray, Principal Component Analysis, Artificial Neural Network