Klasifikasi kanker berdasarkan data RNA menggunakan Elman Recurrent Neural Network

Kanker termasuk salah satu penyakit mematikan yang jumlah penderitanya terus bertambah setiap tahunnya. Perkembangan dari sel kanker dapat dengan cepat menyebar ke seluruh bagian tubuh melalui aliran darah atau dari sistem limfatik sehingga dapat menyebabkan kematian. Hal tersebut dapat terjadi karena terdapat kekacauan yang ada pada gen. Hal dasar dalam genetika yaitu pemantauan dari ekspresi gen itu sendiri, yaitu dengan mengukur dari mRNA bukan dari proteinnya dikarenakan urutan dari mRNA yang akan berhibridasi dengan komplementer dari DNA dan juga RNA. Tujuan dari penelitian ini yaitu klasifikasi kanker berdasarkan data RNA menggunakan metode Elman Recurrent Neural Network. Dalam jaringan recurrent terdapat sebanyak dua buah input, yaitu input sebenarnya dan contextual input. Proses jalannya iterasi jauh lebuh cepat karena adanya feedback, sehingga pembaruan parameter serta konvergensi juga menjadi lebih cepat. Data yang digunakan adalah data RNA dengan empat kelas yaitu BRCA atau breast adenocarcinoma (kanker payudara), KIRC atau kidney renal clear cell carcinoma (kanker ginjal), UCEC atau uterine corpus endometrial carcinoma (kanker rahim), dan LUAD atau lung adenocarcinoma (kanker paru-paru). Data akan dilakukan preprocessing menggunakan minmax scaler kemudian diklasifikasi menggunakan ERNN dengan uji coba pembagian data, learning rate, dan jumlah hidden layer. Kombinasi parameter paling baik didapatkan pada 20 node hidden layer I, 50 node hidden layer II, dan learning rate 0.1. Pada model tersebut didapatkan akurasi mencapai 99.19 %, sensitivitas sebesar 99.03 % dan Spesifisitas sebesar 99.72 %. Waktu yang dibutuhkan untuk model tersebut yaitu 19 detik.