plagiat merupakan tindakan tidak terpuji - … · type based on protein structure using decision...

i

KLASIFIKASI PENENTUAN JENIS KANKER PAYUDARA

DAN PARU-PARU BERDASARKAN SUSUNAN PROTEIN

DENGAN ALGORITMA DECISION TREE

SKRIPSI

Ditujukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana

Program Studi Teknik Informatika

Oleh :

ANDHINI AYU SUSANTI

10 5314 097

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNVERSITAS SANATA DHARMA

YOGYAKARTA

2016

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

THE CLASSIFFICATION OF BREAST CANCER AND LUNG CANCER

TYPE BASED ON PROTEIN STRUCTURE

USING DECISION TREE ALGORITM

A THESIS

Presented Partial Fulfillment of the Requirements

To Obtain the Sarjana Komputer Degree

In Informatics Engineering Department

By:

Andhini Ayu Susanti

10 5314 097

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCINCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2016


iii


iv


v

HALAMAN PERSEMBAHAN

“By three methods we may learn wisdom: First, by reflection, which is

noblest; Second, by imitation, which is easiest; and third by experience,

which is the bitterest”

_Confucius_

“Jangan mencari yang besar-besar, cukup mengerjakan

yang kecil-kecil dengan cinta yang besar”

_Mother Teresa_

“Scared is what you’re feeling. Brave is

What you’re doing”

_Emma Donoghue_

Skripsi ini kupersembahkan untuk :

Tuhan Yang Maha Esa

Keluargaku

Sahabat dan Teman-teman


vi

PERNYATAAN KEASLIAN KARYA

Saya yang bertanda tangan dibawah ini menyatakan bahwa, saya menyatakan

dengan sungguh-sungguh bahwa skripsi yang saya tulis ini karya atau bagian dari

karya orang lain, kecuali yang telah disebutkan dalam kutipan atau daftar pustaka,

sebagaimana layaknya karya ilmiah

Yogyakarta, 29 Februari 2016

Penulis,

Andhini Ayu Susanti


vii




ABSTRAK

Angka kematian di Indonesia karena penyakit kanker menurut WHO pada

tahun 2014 mencapai 195.300 orang dengan kematian terbanyak pada laki-laki

sebanyak 103.100 dengan penyakit kanker paru-paru pada tingkat pertama sebesar

21,8% dan pada wanita sebanyak 92.200 dengan penyakit kanker payudara pada

tingkat pertama sebesar 21.4%. Ilmu informatika dapat membantu menganalisa

masalah ini dengan mengunakan cabang ilmu bioinformatika, yang merupakan

penerapan teknis komputasional untuk mengolah dan menganalisa informasi

biologi seperti data DNA, RNA dan Protein.

Penelitian ini membahas tentang pendeteksian jenis kanker payudara dan

paru-paru berdasarkan susunan protein berupa asam amino. Data protein yang

digunkan berformat .fasta yang diambil dari database protein yaitu UniProt dan

NCBI (National Center for Biotechnology Information). Metode klasifikasi

digunakan untuk mendekteksi secara dini penyakit kanker berdasakan susunan

protein. Algoritma yang digunakan pada penelitian ini adalah decision tree, yaitu

salah satu algoritma yang digunakan dalam bidang bioinformatika.

Sebelum tahap klasifikasi dilakukan tahap pre-processing data sekuen

protein bertipe String ditransformasikan terlebih dahulu menggunakan EIIP

(Electron-Ion Interaction Potential) based protein value. Data sekuen protein

yang telah ditransformasikan menjadi numerik selanjutnya diektraksi ciri menjadi

sinyal frequency based dengan menggunakan FFT (Fast Fourier Transform) dan

LPC (Linear Prediction Coding) dan turunan dari LPC dengan order 8 dan 12.

Klasifikasi dengan decision tree dilakukan setelah proses ekstraksi ciri

selesai. Pada penelitian ini dilakukan pengujian kombinasi feature LPC pada saat

proses ekstraksi ciri. Dari seluruh pengujian (16 pengujian) yang dilakukan,

didapatkan hasil akurasi terbesar yaitu 79,85% dan waktu yang diperlukan untuk

membuat tree 29,09 detik dengan akurasi rata-rata sebesar 74.82% pada feature

LPC order 8.


viii

THE CLASSIFFICATION OF BREAST CANCER AND LUNG CANCER

TYPE BASED ON PROTEIN STRUCTURE

USING DECISION TREE ALGORITM

ABSTRACT

The death rate from cancer in Indonesia by WHO in 2014 reached 195.300

people with the number of death in men at 103.100 from lung cancer at the first

level by 21.8% and in women at 92.200 from breast cancer at the first level by

21.4%. Science of Informatics can help analyze this problem by using a branch of

bioinformatics, which is the computational technique application to process and

analyze the data of biological information such as DNA, RNA and Protein.

This research discusses the detection of breast cancer and lung cancer

based on the composition of proteins in the form of amino acids. The protein data

used the format of .fasta derived from the protein database UniProt and NCBI

(National Center for Biotechnology Information). The classification method that

used for early detection of cancer based on protein structure. The algorithm used

in this study is a decision tree, which is one of the algorithms used in

bioinformatics.

Before classification phase, pre-processing phase of protein sequence data

of String type are transformed beforehand using EIIP (Electron-Ion Interaction

Potential) based on protein valueconducted. Protein sequence data that have been

transformed into numeric, then the feature extracted to become frequency based

signal by using FFT (Fast Fourier Transform) and LPC (Linear Prediction

Coding) and a derivative of LPC with order of 8 and 12.

Classification by decision tree is happened after the feature extraction

process is complete. In this research, testing the combination of LPC feature

during the process of feature extraction conducted. From all the tests (16 tests)

were conducted, showed the greatest accuracy is 79.85% and time to bulid tree

29.09 second with an average accuracy of 74.82% in order 8 of LPC feature.


ix

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Andhini Ayu Susanti

NIM : 105314097

Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan

Univesitas Sanata Dharma karya ilmiah saya yang berjudul :




Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan

data, mendistribusikannya secara terbatas dan mempublikasikannya di internet

atau media lain demi kepentingan akademis tanpa perlu meminta ijin dari saya

maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya

sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di Yogyakarta,

Pada tanggal :

Yang menyatakan,

Andhini Ayu Susanti


x

KATA PENGANTAR

Puji syukur kepada Tuahn Yang Maha Esa atas karunia, berkat dan

rahmat-Nya yang melimpah sehingga penulis dapat menyelesaikan skripsi dengan

judul “Klasifikasi Penentuan Jenis Kanker Payudara dan Paru-Paru

Berdasarkan Susunan Protein Dengan Algoritma Decision Tree”. Dalam

kesempatan ini, penulis ingin mengucapkan terima kasih yang sebesar- besarnya

kepada semua pihak yang turut memberikan semangat, dukungan dan bantuan

sehingga selesainya skripsi ini :

1. Tuhan Yang Maha Esa atas segala berkat dan rahmatNya.

2. Romo Dr. Cyprianus Kuntoro Adi, S.J., M.A., M.Sc. selaku dosen

pembimbing, terima kasih atas bimbingan, saran, waktu, dan

kesabaranya dalam membimbing dan mengarahkan penulis dalam

menyelesaikan tugas akhir ini.

3. Bapak Sudi Mungkasi, S.Si., M.Math. Sc., Ph.D selaku Dekan

Fakultas Sains dan Teknologi Universitas Sanata Dharma

Yogyakarta.

4. Ibu Dr. Anastasia Rita Widiarti M.Kom selaku Kaprodi dan Dosen

Penguji

5. Bapak Eko Hari Parmadi, S.Si., M.Kom. selaku Dosen Penguji

6. Ibu P.H. Prima Rosa, S.Si., M.Sc. selaku dosen pembimbing

akademik.

7. Seluruh staff pengajar Prodi Teknik Informatika Fakultas Sains dan

Teknologi Universitas Sanata Dharma Yogyakarta.

8. Kedua orang tua saya, Ganeshan dan Harjanti Kusumawati, terima

kasih atas doa, semangat dan perhatian yang diberikan serta

dukungan material selama perkulihan.

9. Keluarga besar saya, terima kasih atas semangat, doa dan motivasi

yang diberikan.

10. Audris Evan Utomo, Romo Poldo atas tempat belajar bersama.


xi

11. Teman-teman seperjuangan skripsi, Lutgardis Festidita, Renny

Nita dan Stella Filensia atas semangat dan segala waktu untuk

belajar dan berdiskusi bersama.

12. Amelia Endah, Karl Haryo, Sepen Mulyani, dan Gregorius

Airlangga atas motivasi dan dorongan semangat untuk penulis

yang tak pernah lelah diberikan untuk menyelesaikan tugas akhir

ini.

13. Temen-teman “second home” dan “ccp”, Maria Fernandez, Ria

Regina, Fransisca Novia, Yovita Metty, Fa Febrian, Yohanes

Teddy, Theodorus Adi Nugraha, I Nyoman Rama, Wisnu Yoga,

Alfonsus Doni, Christan Ardy dan Eduardus Hardika yang

berjuang bersama baik suka maupun duka dalam menyusun tugas

akhir ini.

14. Ratna Yani, Reti Erwiyanti, Astrian, Leslie, Adita, Pradita Eka,

Neva, Mario, Merry, Artha dan Ayu atas semangatnya.

15. Teman-teman Teknik Informatika angakatan 2010 atas

kebersamaan dan dukungnya.

16. Terima kasih kepada semua pihak yang tidak dapat penulis

sebutkan secara langsung dan tidak langsung.

Penulis menyadari bahwa tugas akhir ini jauh dari

sempurna, oleh karena itu kritik dan saran yang sifatnya

membangun sangat penulis harapkan. Akhir kata, semoga skripsi

ini bermanfaat bagi pembaca dan pikah yang membutuhkan.

Yogyakarta, 29 Februari 2016

Penulis


xii

DAFTAR ISI

HALAMAN JUDUL ..................................................................................................................... i

HALAMAN PERSETUJUAN ................................................... Error! Bookmark not defined.

HALAMAN PENGESAHAN ..................................................... Error! Bookmark not defined.

HALAMAN PERSEMBAHAN ................................................................................................ v

PERNYATAAN KEASLIAN KARYA .................................................................................. vi

ABSTRAK ................................................................................................................................... vii

ABSTRACT ............................................................................................................................... viii

LEMBAR PERNYATAAN PERSETUJUAN ...................................................................... ix

DAFTAR ISI ............................................................................................................................... xii

BAB I .............................................................................................................................................. 1

PENDAHULUAN ........................................................................................................................ 1

1.1 Latar Belakang ............................................................................................................... 1

1.2 Rumusan Masalah .......................................................................................................... 3

1.3 Tujuan Penelitian ........................................................................................................... 3

1.4 Batasan Masalah ............................................................................................................. 3

1.5 Luaran yang Diharapkan .............................................................................................. 3

1.6 Metodelogi ...................................................................................................................... 4

1.7 Sistematis Penulisan ...................................................................................................... 4

BAB II ............................................................................................................................................. 5

LANDASAN TEORI ................................................................................................................... 5

2.1 Kanker ............................................................................................................................. 5

2.2.1. Kanker Payudara .................................................................................................... 6

2.1.2. Kanker Paru - paru ................................................................................................. 7

2.2 Bioinformatika ................................................................................................................ 8

2.2.1. Protein ...................................................................................................................... 9

2.2.2. Asam Amino .........................................................................................................10

2.3 Pengenalan Pola ...........................................................................................................10

2.4 Preprocessing dan Ekstraksi Ciri ...............................................................................11


xiii

2.4.1. Electron- Ion Interaction Potential (EIIP) .........................................................11

2.4.2. Fast Fourier Transform (FFT) ............................................................................13

2.4.3. Linier Predictive Coding (LPC) .........................................................................14

2.5 Algoritma Decision Tree .............................................................................................15

2.6 K-Fold Cross Validation ............................................................................................17

BAB III .........................................................................................................................................19

METODOLOGI .........................................................................................................................19

3.1 Data ................................................................................................................................19

3.2 Metode Penelitian ........................................................................................................20

3.2.1 Preprocessing ........................................................................................................21

3.2.2 Ekstraksi Ciri ........................................................................................................22

3.2.3 Proses Training .....................................................................................................25

3.2.4 Tahap Klasifikasi Decision Tree ........................................................................26

3.2.5 Pengujian ...............................................................................................................28

BAB IV .........................................................................................................................................30

ANALISIS HASIL DAN IMPLEMENTASI SISTEM .....................................................30

4.1 Analisis Hasil ................................................................................................................30

4.2 Analisis Coding ....................................................................................................................32

4.2.1. Ekstraksi Ciri ........................................................................................................32

4.2.2. Algoritma Decision Tree .....................................................................................38

4.2.3. Akurasi Tree .........................................................................................................42

4.3 User interface .........................................................................................................................43

BAB V ...........................................................................................................................................47

KESIMPULAN DAN SARAN ................................................................................................47

5.1 Kesimpulan ...................................................................................................................47

5.2 Saran ..............................................................................................................................48

DAFTAR PUSTAKA ................................................................................................................49

LAMPIRAN I : Code Program ..................................................................................................51


xiv

DAFTAR TABEL

TABEL 2. 1EIIP VALUE AMINO ACID ...................................................................................................... 12

TABEL 2. 2 3-FOLD CROSS VALIDATION ................................................................................................ 18


xv

DAFTAR GAMBAR

GAMBAR 2. 1 GAMBAR PRESENTASE KANKER PAYUDARA.................................................... 7

GAMBAR 2. 2 MEKANISME PENGENALAN POLA ................................................................. 10

GAMBAR 2. 3 BLOK DIAGRAM PROSES PREPROCESSING DAN EKSTRAKSI CIRI .................. 11

GAMBAR 2. 4 BLOK DIAGRAM ANALISIS LPC .................................................................... 15

GAMBAR 2. 5 CONTOH POHON KEPUTUSAN ....................................................................... 16

GAMBAR 3. 1 DIAGRAM PROSES TRAINING DAN TESTING ................................................... 21

GAMBAR 3. 2 DIAGRAM PREPROCESSING ........................................................................... 22

GAMBAR 3. 3GRAFIK SEKUEN PROTEIN ASAM AMINO A2KUC3 ........................................ 22

GAMBAR 3. 4 DIAGRAM EKSTRAKSI CIRI ............................................................................ 23

GAMBAR 3. 5 SINYAL STEM EKSTRAKSI CIRI DENGAN ........................................................ 23

GAMBAR 3. 6 SINYAL STEM LPC, DELTA LPC, .................................................................. 24

GAMBAR 3. 7 SINYAL STEM LPC, DELTA LPC, .................................................................. 25

GAMBAR 3. 8 CONTOH DATA TRAINING 1 ........................................................................... 26

GAMBAR 3. 9 DECISION TREE KOSONG ................................................................................ 27

GAMBAR 3. 10 ENTROPY DARI VARIABEL BINARI .............................................................. 27

GAMBAR 3. 11 CONTOH LEVEL PERTAMA DECISION TREE ................................................... 28

GAMBAR 3. 12 HASIL TREE YANG TERBENTUK DARI TRAINING 3 ....................................... 28

GAMBAR 4. 1 TABEL HASIL PERBANDINGAN AKURASI DAN WAKTU ................................... 30

GAMBAR 4. 2 GRAFIK AKURASI RATA-RATA FEATURE LPC ............................................... 31

GAMBAR 4. 3 USER INTERFACE HALAMAN UTAMA ............................................................ 44

GAMBAR 4. 4 HALAMAN EKSTRAKSI CIRI .......................................................................... 44

GAMBAR 4. 5 PROSES PREPROSES DAN EKSTRAKSI CIRI ...................................................... 45

GAMBAR 4. 6 HALAMAN TREE ........................................................................................... 45

GAMBAR 4. 7 HALAMAN AKURASI TREE ........................................................................... 46

GAMBAR 4. 8 HALAMAN UJI TUNGGAL .............................................................................. 46


1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Penyakit Kanker merupakan salah satu penyakit pembunuh teratas di

dunia. Pada tahun 2012, sekitar 8,2 juta kematian disebabkan oleh kanker, dengan

spesifikasi kanker paru, hati, perut, kolorektal, dan kanker payudara adalah

penyebab terbesar kematian akibat kanker setiap tahunnya (INFODATIN, 2014).

Berdasarkan data profil mortalitas Kanker (Cancer Mortality Profile) yang dirilis

oleh WHO pada tahun 2014, menyebutkan angka kematian yang disebabkan oleh

kanker di Indonesia mencapai 195.300 orang dengan prevalensi kematian

terbanyak pada laki-laki sebanyak 103,100 dengan penyakit kanker paru-paru

pada tingkat pertama sebesar 21,8% orang dan perempuan mencapai 92,200

orang dengan penyakit kanker payudara pada tingkat pertama sebesar 21,4 %.

Penyakit kanker adalah penyakit yang timbul akibat pertumbuhan tidak

normal sel jaringan tubuh yang berubah menjadi sel kanker, sedangkan tumor

adalah kondisi dimana pertumbuhan sel tidak normal sehingga membentuk suatu

lesi atau dalam banyak kasus, benjolan di tubuh. Tumor terbagi menjadi dua, yaitu

tumor jinak dan tumor ganas. Tumor jinak memiliki ciri-ciri, yaitu tumbuh secara

terbatas, memiliki selubung, tidak menyebar bila dioperasi,dapat dikeluarkan

secara utuh sehingga dapat sembuh sempurna, sedangkan tumor ganas memiliki

ciri-ciri, yaitu dapat menyusup ke jaringan sekitarnya, dan sel kanker dapat

ditemukan pada pertumbuhan tumor. Penyakit kanker tidak dapat diketahui

secara langsung dalam satu kali pemeriksaan yang dilakukan oleh dokter.

Diperlukan serangkaian uji laboratorium yang berguna untuk mendeteksi sel-sel

kanker tersebut dalam tubuh manusia (Infodatin,2015).

Bioinformatika adalah ilmu yang mempelajari penerapan teknis

komputasional untuk mengelola dan menganalisa informasi biologis. Bidang ini

mencakup penerapan metode-metode matematika, statistika, dan informatika

untuk memecahkan masalah-masalah biologis, terutama dengan menggunakan


2

sekuen DNA dan asam amino serta infomasi yang terkaitan.

Peranan bioinformatika dalam penelitian ini untuk membantu dalam

proses mendeteksi penyakit kanker payudara dan kanker paru-paru. Dengan

menggunakan data sekuen protein dari tubuh manusia, maka mendeteksi secara

dini penyakit kanker dan mengklasifikasikan jenis kanker dapat dilakukan.

Pendeteksian penyakit kanker secara dini di dalam tubuh penderita salah

satu data yang dapat digunakan adalah data sekuen protein. Protein yang

digunakan dalam penelitian ini adalah asam amino. Data sekuen protein

berformat .fasta dan bertipe String. Tahap awal dalam mengolah data sekuen

protein yaitu asam amino dalam penelitian ini adalah tahap pre-processing yaitu

data sekuen protein yang berupa string akan ditransformasikan menjadi data

numerik untuk mempermudah perhitungan dan panjang sekuen protein tidak harus

sama.

Pada peneilitian ini jenis kanker yang diteliti berdasarkan susunan sekuen

protein (asam amino) adalah kanker payudara dan kanker paru-paru yang

dibandingkan dengan manusia sehat atau non-cancer. Data sekuen protein berasal

dari bank protein dunia yang dapat diakses melalui website antara lain UniProt

(www.UniProt.org) dan National Center for Biotechnology Information

(www.ncbi.nlm.nih.gov).

Tahap pre-processing data sekuen protein ditransformasikan terlebih

dahulu menggunakan EIIP (Electron-Ion Interaction Potential) based protein

value. Data sekuen protein yang telah ditransformasikan menjadi numerik

selanjutnya diektraksi ciri menjadi sinyal frequency based dengan menggunakan

FFT (Fast Fourier Transform) dan LPC (Linear Prediction Coding) dan turunan

dari LPC dengan order 8 dan 12 untuk nyeragamkan panjang data dan

mendapatkan ciri data.

Berdasarkan pada penelitian sebelumnya yaitu menentukan jenis kanker

berdasarkan susunan protein metode yang digunakan adalah pengelompokan

menggunakan K-Means dan klasifikasi KNN. Metode yang digunakan merupakan

gabungan antara pengelompokan dan klasifikasi yang bertujuan agar proses

klasifikasi KNN dapat dilakukan dengan mudah dan optimal, namun pada

kenyataannya error yang dihasilkan dalam penelitian tersebut masih cukup tinggi


http://www.ncbi.nlm.nih.gov/

3

yaitu sekitar 52,00% .

Pada penelitian ini hanya menggunakan satu algoritma saja untuk proses

Klasifikasi. Ada beberapa metode dan algoritma yang dapat digunakan untuk

mengklasifikasi menentukan jenis kanker berdasarkan susunan protein. Algoritma

yang digunakan dalam penelitian ini adalah algoritma decission tree. Algoritma

decision tree akan menghasilkan tree atau pohon keputusan. Algoritma decision

tree yang telah digunakan dalam beberapa penelitian lain dan menghasilkan

tingkat keakurasian yang baik yaitu sekitar 70% - 85%.

1.2 Rumusan Masalah

Masalah yang dirumuskan dalam penelitian ini adalah :

Bagaimana klasifikasi dengan menggunakan algoritma decision tree mampu

mengenal jenis kanker payudara dan kanker paru-paru cepat dan tepat?

1.3 Tujuan Penelitian

Penelitian ini bertujuan untuk melakukan klasifikasi terhadap susunan protein

yaitu asam amino untuk mendeteksi kanker payudara dan kanker paru-paru

dengan cepat dan tepat.

1.4 Batasan Masalah

Batasan-batasan dalam penelitian ini adalah :

1. Ekstrasi ciri yang digunakan FFT, LPC dan turunan LPC (delta LPC dan

delta delta LPC) dengan order 8 dan 12.

2. Pre-processing yang digunakan adalah EIIP based value protein

3. Metode klasifikasi yang digunakan adalah greedy decision tree.

1.5 Luaran yang Diharapkan

Luaran yang dihasilkan dari penelitian ini adalah prototype yang bisa

menentukan apakah seseorang menderita penyakit kanker payudara,

kanker paru-paru atau sehat.


4

1.6 Metodelogi

Metodologi penelitian yang digunakan antara lain :

1. Studi literatur untuk mempelajari bioinformatika khususnya mengenai

susunan asam amino.

2. Studi literatur untuk mempelajari mengenai EIIP ,FFT dan LPC.

3. Studi literatur untuk mempelajari data mining klasifikasi yaitu

algoritma Decision Tree.

4. Analisis data untuk mengetahui bagaimana cara mendapatkan data

susunan protein yang akan digunakan dalam penelitian ini.

5. Implementasi merupakan proses membuat model yang telah dibuat

dalam bentuk yang dapat diesksekusi. Implementasi mengunakan

MATLAB 2010.

6. Pengujian menggunakan k-fold cross validation untuk mengetahui

akurasi dari algoritma decision tree yang digunakan.

1.7 Sistematis Penulisan

BAB I PENDAHULUAN

Bab ini berisi latar belakang, rumusan masalah, tujuan, batasan masalah,

keluaran yang dihasilkan, metodologi dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini berisi landasan teori yang dipakai untuk pembahasan tugas akhir.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi analisis dan perancangan sistem yang akan

diimplementasikan.

BAB IV IMPLEMENTASI SISTEM DAN ANALISIS HASIL

Bab ini berisi tentang proses implementasi sistem dan analisis hasil

Implementasi sistem.

BAB V KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dan saran.


5

BAB II

LANDASAN TEORI

Bab ini menjelaskan tentang dasar teori yang digunakan dalam penyusunan

tugas akhir ini untuk memperjelas materi-materi yang sedikit sudah dijelaskan

mulai dari kanker, bioinformatika, dan pengenalan pola yang meliputi ekstraksi

fitur yaitu EIIP, FFT dan LPC, algoritma decision tree dan cross-validation. Teori

–teori tersebut dijelaskan sebagai berikut :

2.1 Kanker

Kanker atau neoplasma adalah suatu penyakit sel dengan ciri gangguan atau

kegagalan mekanisme multiplikasi dan fungsi homeostasis lainnya pada

organisme multiseluler sehingga terjadi pertumbuhan jaringan yang tak terkontrol

(van Cauteren, et al,1996). Kadang istilah kanker sering di kacaukan dengan

tumor, padahal ada perbedaan yang mendasar. Perbedaan utama yaitu kanker

adalah neoplasma yang menyebar dan ganas (Malignant neoplasm) dan tumor

adalah neoplasma yang tidak menyebar dan tidak ganas (benigh neoplasm).

Kanker dapat menyerang berbagai sel pada seluruh organ dalam tubuh, dari

kepala sampai ujung kaki. Dalam keadaan normal sel hanya akan membelah diri

bila tubuh membutuhkan, misalnya ada sel-sel yang perlu diganti karena mati atau

rusak. Sedangkan sel kanker akan membelah meskipun tidak diperlukan, sehingga

terjadi sel-sel baru yang berlebihan. Sel-sel baru mempunyai sifat seperti

induknya yang sakit yaitu tidak mempunyai daya atur.

Dalam daftar Badan Kesehatan Dunia (WHO) penyakit kanker masuk dalam

urutan teratas dari kelompok penyakit. Hal ini dapat dimengerti, karena penyakit

ini merupakan penyakit yang paling mematikan di dunia. Kalau penyakit kanker

di dunia menempati urutan kedua, setelah penyakit jantung , di Indonesia kanker

termasuk urutan ke-6 sebagai penyakit kematian. Penyakit kanker diperkirakan

diidap oleh 15 orang per 100.000 penduduk di dunia (Saffiot dalam

Mulyadi,1997).


6

Jenis kanker yang sering terjadi pada kelompok pria adalah kanker paru-paru,

prostat dan kolon (usus besar). Sedangkan pada kelompok wanita adalah kanker

payudara, servix uteri, paru-paru dan kolon. Pada kelompok anak-anak jenis

kanker yang paling sering adalah leukemia(kanker darah) (Sunarto,1997:82-84).

2.1.1. Kanker Payudara

Kanker payudara adalah kanker yang banyak menyerang kaum wanita dan

merupakan kanker penyebab kematian kedua bagi wanita di dunia. Kanker ini

banyak menyerang wanita umur antara 35 – 50 tahun. Berdasarkan laporan

dari Pathology of Breast Cancer in New South Wales Women pada tahun 1995

ditemukan bahwa 60% dari kaum wanita mempunyai benjolan pada

payudaranya yang berdiameter kurang dari 2cm yang dikenal sebagai kanker

panyudara stadium awal (dini). Kanker payudara umunnya terjadi pada kaum

wanita namun dapat pula menyerang kaum pria, pria dengan Klinefelter

Syndrome mempunyai resiko 60 kali lebih besar dibandingkan dengan pria

normal(Sri Hartati Yuliani. 2000).

Menurut data GLOBOCAN (IARC) pada tahun 2012 diketahui bahwa

penyakit kanker payudara merupakan penyakit kanker dengan presentase

kasus baru tertinggi pada wanita yaitu sebesar 43.3% dan presentase kematian

akibat penyakit kanker payudara sebesar 12,9%. (IinfoDatin. 2015).


7

Gambar 2. 1 Gambar presentase kanker payudara

pada tahun 2013 di provinsi- provinsi di Indonesia.

2.1.2. Kanker Paru - paru

Kanker paru-paru adalah tumor mengancam (malignant tumour) pada

paru-paru. Paling biasa adalah bronchogenic carcinoma (sekitar 90%).Kanker

paru-paru adalah tumor mengancam yang paling bahaya di seluruh dunia,

menyebabkan sampai 3 juta kematian setiap tahun.

Pengungkapan kepada karsinogen, seperti diakibatkan asap tembakau,

menyebabkan perubahan kecil pada selaput jaringan pada bronkus di paru-

paru (bronchial mucous membrane). Efek ini akan menyebabkan jaringan

rusak sehingga tumor terbentuk. Jika tumor tumbuh ke dalam asap tembakau


8

akan menghalangi jalur udara menyebabkan sulit bernafas. Paru-paru akan

runtuh dan akan terkena infeksi dan menyebabkan bisul paru-paru (lung

abscess). Penderita akan mulai batuk dan mengeluarkan lendir berdarah.

Namun jika tumor membesar ke luar paru-paru, penderita tidak menyadarinya

sehingga mulai menginfeksi bagian tubuh yang lain[3].

Menurut data GLOBOCAN (IARC) pada tahun 2012 diketahui bahwa

penyakit kanker paru- paru merupakan penyakit kanker dengan presentase

kasus baru tertinggi pada laki-laki yaitu sebesar 34,2% dan presentase

kematian akibat penyakit kanker paru-paru sebesar 30,0%. Penyakit kanker

paru-paru tidak hanya diderita oleh kaum laki-laki saja namun kaum

perempuan penderita penyakit kanker paru-paru dengan presentase kasus baru

sebesar 13,6% dan presentase kematian akibat penyakit kanker paru-paru

sebesar 11,1%. (infoDatin. 2015).

Penyakit kanker payudara dan paru-paru dapat dideteksidengan

menggunakan data sekuen protein yaitu data asam amino dari penderita

penyakit tersebut cabang ilmu yang digunakan adalah Bioinfomatika adalah

ilmu yang mempelajari penerapan teknis komputasional untuk mengelola dan

menganalisa informasi biologis. Data yang digunakan biasanya berupa DNA

dan asam amino.

2.2 Bioinformatika

Bioinformatika merupakan bidang ilmu pengetahuan baru dimana biologi

molekular dan ilmu komputer saling berhubungan untuk mengembangkan cara-

dara yang lebih baik dalam mengeksplor, menganalisis dan memahami data-data

genetis (St. Clair, Caroline dan Jonathan Visick. 2010).Data yang digunakan

adalah data DNA dan protein atau asam amino. Data-data tersebut digunakan

antara lain untuk mendapatkan informasi genetik, mengetahui struktur molekul,

menentukan fungsi biokimia. Selanjutnya informasi-informasi yang ada

digabungkan dan di analisis yang kemudian hasilnya digunakan untuk penemuan

obat maupun prediksi suatu penyakit.Data dalam bioinformatika ini merupakan

data yang sangat besar sehingga dibutuhkan database untuk menyimpannya.

Database tersebut terletak di berbagai negara antara lain Amerika Serikat, Jepang


9

dan Inggris. Para peneliti sering mencari informasi dari database yang ada seperti

susunan asam amino, struktur gen atau protein.

Ada satu alat yang sering dalam bioinformatika yaitu The Basic Alignment

Search Tool (BLAST). BLAST melakukan perbandingan antara input sekuen

dengan seluruh sekuen yang ada dalam database untuk mendapatkan sekuen yang

paling mirip.

2.2.1. Protein

Protein merupakan komponen utama dalam semua sel hidup. Fungsinya

terutama adalah sebagai unsur pembentuk struktur sel, misalnya dalam

rambut, wol, kolagen, jaringan penghubung, membran sel dan lain-lain. Selain

itu dapat pula berfungsi sebagai protein yang aktif, seperti misalnya enzim,

yang berperan sebagai katalis segala proses biokimia dalam sel. Protein aktif

selain enzim yaitu hormone, pembawa O2 (hemoglobin), protein yang terkait

pada gen, toksin, antibodi/antigen, dan lain-lain. Beberapa ciri utama molekul

protein yaitu:

1. Berat molekulnya besar, ribuan sampai jutaan, sehingga merupakan suatu

markro molekul.

2. Umumnya terdiri atas 2 asam amino. Asam amino berikatan (secara

kovalen) satu dengan yang lain dalam variasi urutan yang bermacam-

macam, membentuk suatu rantai polipeptida. Ikatan polipeptida

merupakan ikatan antara gugus α-karboksil dari asam amino yang satu

dengan gugus α-amino dari asam amino yang lain.

3. Terdapat ikatan kimia lain, yang menyebabkan terbentuknya lengkungan-

lengkungan rantai polipeptida menjadi struktur tiga dimensi protein.

Sebagai contoh misalnya ikatan hidrofob (ikatan apolar), ikatan ion atau

elektrostatik dan ikatan Van der Waals.

4. Strukturnya tidak stabil terhadap beberapa factor seperti pH, radiasi,

temperature, medium pelarut organic dan deterjen.

5. Umumnya reaktif dan sangat spesifik, disebabkan terdapatnya gugus

samping yang reaktif dan susunan khas struktur makro

molekulnya.berbagai macam gugus samping yang biasa terdapat adalah

gugus kation, anion, hidroksil alifatik, amin, amida, tiol, dan gugus


10

hoterosiklik.

2.2.2. Asam Amino

Asam Amino merupakan bagian struktur protein dan menentukan banyak

sifatnya yang penting. Gilisin merupakan asam amino pertama yang telah

diisolasi dari hidrolisat protein, sedangkan teronin adalah asam amino

pembentuk protein yang paling akhir dapat diisolasi, yaitu dari hidrolisat

fibrin. Ke-20 macam amino berserta simbol kependekannya yaitu Alamin (A),

Arginin (R), Asparagin (N), Asam Aspartat (D), Sistein (C), Glutamin (Q),

Asam Glutamat (E), Glisin (G), Histidin (H), Isolesin (I), Lesin (L), Lisin (K),

Metionim (M), Femilalanim (F), Prolin (P), Serin (S), Treonin (T), Triptofan

(W), Tirosin (Y), Valin (V) (Muhamad Wirawadikusma. 1977).

2.3 Pengenalan Pola

Secara umum pengenalan pola (pattern recognition) adalah ilmu untuk

mengklasifikasikan atau menggambarkan sesuatu berdasarkan kuantitatif fitur

(ciri) atau sifat utama dari suatu objek. Pola sendiri adalah suatu entitas yang

terdefinisi dan didefinisikan serta dapat diberi nama. Sidik jari adalah suatu

contoh pola. Pola biasanya merupakan hasil kumpulan hasil suatu pengukuran

atau pemantauan dan bisa dinyatakan dalam notasi vector atau matrik. (Putra,

2010).

Gambar 2. 2 Mekanisme Pengenalan Pola

Pengenalan pola berkaitan dengan menemukan algoritma dan metode atau alat

yang bisa membuata implementasi komputer yang digunakan untuk berbagai

macam tugas pengenalan yang biasa dilakukan oleh manusia. Tujuan dari

mengerjakan apa yang tidak bisa dilakukan oleh manusia seperti membaca

barcode, dan membuat proses pembuatan keputusan menjadi otomatis yang

mengarah ke pengenalan klasifikasi. (Sankar K. Pal and Pabita Mitra. 2004).

Pra-

pengolahan

n

Pencarian dan

seleksi fitur

Algoritma

klasifikasi


11

Terdapat tiga tahapan dalam pengenalan pola yaitu yaitu pre-processing,

ekstraksi ciri atau seleksi fitur dan klasifikasi. Pre-processing merupakan tahapan

awal dalam mengolah data inputan sebelum masuk pada proses klasifiksi. Data

pre-processing kemudian masuk pada tahap ekstraksi ciri. Ekstraksi ciri adalah

suatu pengambilan ciri atau fitur dari suatu data, dimana nilai yang didapatkan

dianalisis untuk proses klasifikasi. Tahap terakhir adalah klasifikasi, data yang

sudah diekstrak akan digunakan untuk klasifikasi yang mengevaluasi informasi

yang masuk dan menghasilkan keputusan akhir.

2.4 Preprocessing dan Ekstraksi Ciri

Ekstraksi ciri merupakan proses mendapatkan ciri tertentu dari data yang

sudah dikumpulkan. Tujuan dari proses ekstraksi ciri ini adalah mencari

karakteristik penting yang berguna untuk proses pengenalan dan mengurangi

dimesi (reduksi dimensi) pengukuran ruang sehingga efektif dan algoritma dengan

komputasi yang mudah bisa digunakan untuk klasifikasi yang efektif.

Gambar 2. 3 Blok diagram Proses Preprocessing dan Ekstraksi Ciri

Langkah Pertama untuk mendapatkan ciri dari data sekuen protein

adalah tahap pre-processing yaitu mengubah data .fasta yang bertipe String

menjadi bertipe numerik dengan memberikan nilai Electron- Ion Interaction

Potential (EIIP), lalu diproses menggunakan Fast Fourier Transform (FFT)

untuk mengubah data dari numerik menjadi data sinyal dan Linier Predictive

Coding (LPC) mendapatkan ciri dari setiap data.

2.4.1. Electron- Ion Interaction Potential (EIIP)

EIIP adalah salah satu paremeter asam amino yang digunakan untuk

mengubah data sekuen asam amino menjadi sekuen numerik dimana setiap

Data Sekuen

Protein

EIIP FFT LPC


12

asam amino akan diberikan nilai konstanta berdasarkan EIIP value.

Perhitungan dalam EIIP value adalah menggunakan energi dari elektron

valensi dan dihitung untuk setiap asam amino menggunakan model umum dari

pseudopotensial adalah sebagai berikut.

W = 0.25Z∗ sin(1.04πZ∗)

2π (2.1)

Dimana Z* memwakili dari rata-rata nilai equevalensi, dengan rumus

dibawah ini:

Z∗ =1

N∑ ni

mi=1 Zi (2.2)

Dimana Zi adalah nomer valensi dari i-komponen atom, ni adalah nomer

dari i-komponen atom, m adalah nomer komponen atom di monekul, dan N

adalah total nomer atom. Seperti telah menunjukan bahwa perioditas dari

EIIP disepanjang sekuen protein berkorelasi dengan biologis protein,

terutama dengan interaksi spesifik dengan ligan dan protein lainnya.

(Branislava Gemovic et al . 2013).

Tabel 2. 1EIIP value amino acid

Amino Acid 1-Letter code Numerical code

EIIP

Leucine L 0.0000

Isoluecine I 0.0000

Asparagine N 0.0036

Glycine G 0.0050

Valine V 0.0057

Glutamic Acid E 0.0058

Proline P 0.0198

Histidine H 0.0242

Lysine K 0.0371

Alanine A 0.0373

Tyrosine Y 0.0516

Trytophan W 0.0548


13

Glutamine Q 0.0761

Methionine M 0.0823

Serine S 0.0829

Cysteine C 0.0829

Threonine T 0.0941

Phenylalanine F 0.0954

Arginine R 0.0956

Aspartic Acid D 0.1263

2.4.2. Fast Fourier Transform (FFT)

Algoritma Alihragam Fourier Cepat atau Fast Fourier Transform (FFT)

merupakan prosedur penghitungan DFT yang efisien sehingga akan

mempercepat proses penghitungan DFT. Bila diterapkan pada kawasan waktu

maka algoritma ini disebut juga sebagai FFT penipisan dalam waktu atau

decimation-in-time (DIT). Penipisan kemudian mengarah pada pengurangan

yang signifikan dalam sejumlah perhitungan yang dilakukan pada data

kawasan waktu. Persamaanya menjadi :

H1(k) = ∑ h(n)WNnk, untuk 0 ≤ k ≤ (N − 1)N−1

n=0 (2.3)

Dimana faktor 𝑒−𝑗2𝜋

𝑁 akan ditulis sebagai :

WN = e−j2π

N⁄ = cos( 2πN⁄ ) − j sin(2π

N⁄ ) (2.4)

Akhiran n pada Persamaan (2.4) diperluas dari n=0 sampai dengan n=N-1,

bersesuaian dengan nilai data h(0), h(1), h(2), h(3)...h(N-1). Runtun bernomor

genap adalah h(0), h(2), h(4)....h(N-2) dan runtun bernomor ganjil adalah h(1),

h(3)....h(N-1). Kedua runtun berisi N/2-titik. Runtun genap dapat ditandakan

h(2n) dengan n=0 sampai n=N/2-1, sedangkan runtun ganjil menjadi h(2n-1).

Kemudian Persamaan selanjutnya dapat ditulis ulang menjadi :

H1(k) = ∑ h(2n)WN2nk + ∑ h(2n − 1)WN

2(2n+1)kN

2−1⁄

n=0

N2−1⁄

n=0

= ∑ h(2n)W N2nk + WN

k ∑ h(2n − 1)W N2nk

N2−1⁄

n=0

N2−1⁄

n=0 ,


14

untuk 0 ≤ k ≤ (N − 1) (2.5)

Selanjutnya dengan menganti 𝑊 𝑁2𝑛𝑘 menjadi 𝑊 𝑁

2⁄𝑛𝑘 maka persamaan

selanjutnya menjadi : (Nandra Pradipta. 2011)

H1(k) = ∑ h(2n)W N2⁄

nk + WNk ∑ h(2n − 1)W N

2⁄nk

N2−1⁄

n=0

N2−1⁄

n=0 (2.6)

Untuk melakukan analisis frekuensi di dalam MATLAB, telah tersedia

command “Fast Fourier Transform” (FFT) sebagai berikut:

y = fft(x) (2.7)

2.4.3. Linier Predictive Coding (LPC)

Analisa Linear Predictive Coding (LPC) adalah salah satu cara untuk

mendapatkan sebuah pendekatan mengenai spektrum bunyi. Prinsip dasar dari

pemodelan sinyal dengan menggunakan LPC adalah bahwa pencuplikan

sinyal ucapan s(n) pada waktu ke-n dapat diperkirakan sebagai kombinasi

linear dari p cuplikan sinyal ucapan sebelumnya yaitu :

s(n) ≈ a1s(n − 1) + a2s(n − 2) + ⋯ + aps(n − p), p < 𝑛 (2.8)

Dimana koefisien a1, a2,…,ap diasumsikan konstan selama analisi frame

suara (Novi Aryanto, 2011).

Secara umum metode yang digunakan utuk mendapatkan informasi dari

ciri yang dinamis biasa disebut dengan delta-feature. Turunan watu dari ciri

dapat dihitung dengan beberapa metode, hasil dari perhitungan delta akan

ditambahkan ke vector ciri, sehingga menghasilkan vector ciri yang lebih

besar.

∆yt =yt+D − yt−D (2.9)

Dimana D mewakili jumlah dari frame untuk menutup kedua sisi frame

saat ini dan dengan demikian dapat mengontrol window y dengan pembedaan

operasi. D diset bernilai 1 atau 2. ∆yt adalah koefisien delta yang dihitung

dari frame t untuk vektor fitur LPC (F.Z. Chelali, etc, 2015).

Nilai dari delta akan diturunkan sekali lagi terhadpa waktu menjadi nilai

delta delta pada beberapa kasus delta delta disebut dengan koefisien


15

percepatan, kerena nilai tersebut turunan dari kuadrat waktu dari koefisien.

∆∆yt =∆yt+D − ∆yt−D (2.10)

Pengukuran energi merupakan salah satu cara untuk menambah nilai

koefisien yang dihitung dari LPC, nilai tersebut merupakan log energy signal.

Ini berarti pada setiap frame tredapat nilai energi yang ditambahkan, berikut

rumus untuk menghitung nilai energi :

Em = log ∑ x_windowed2k−1k=0 (k; m) (2.11)

Dimana x_windowed adalah sinyal hasil windowing, k adalah jumlah

frame dan m adalah panjang frame (Muslim Sidiq, etc, 2015).

Analisis LPC pada dasarnya digunakan untuk mendapatkan koefisien LPC

yang diperlihatkan pada gambar 2.4.

Gambar 2. 4 Blok diagram analisis LPC

2.5 Algoritma Decision Tree

Pohon keputusan (decision tree) merupakan metode penambangan data

meodel klasifikasi. Salah satu metode data mining yang umum digunakan adalah

decision tree. Konsep decision tree adalah suatu struktur flowcart yang

menyerupain tree (pohon), dimana setiap simpul internal menandakan suatu tes

pada atribut, setiap cabang mempresentasikan hasil tes dan simpul daun

mempresentasikan kelas atau distribusi kelas. Alur pada decision tree di telusuri

dari simpul akar ke simpil daun yang memegang prekdisi kelas untuk untuk

contoh tersebut. (Jiawei Han dan Micheline Kamber. 2006).

Sinyal ucap

diskret

Pembingkian

sinyal (Frame)

Penjendelaan Metode

Autokorelasi

Parameter

Keluaran


16

Gambar 2. 5 Contoh Pohon Keputusan

Decision tree digunakan untuk kasus-kasus yang menghasilkan output bernilai

diskrit. Walaupun banyak variasi model decision tree dengan tingkat kemampuan

dan syarat yang berbeda, pada umumnya beberapa ciri khusus yang cocok untuk

diterapkan dengan metode decision tree :

1. Data dinyatakan dengan pasangan atribut dan nilainya.

2. Label /output data biasanya bernilai diskrit.

3. Data mempunyai missing value.

Dalam decision tree setiap atribut ditanyakan disimpul. Jawaban dari atribut

ini dinyatakan dalam cabang sampai akhirnya ditemukan kategori/jenis dari suatu

objek disimpul akhir .Untuk membuat decision tree perlu diperhatikan beberapa

syarat berikut : (Budi Santoso. 2007)

1. Atribut mana yang akan dipilih untuk memisahan objek

2. Urutan atribut mana yang akan dipilih terlebih dahulu

3. Struktur tree

4. Kriteria pemberhentian

5. Pruning

Masalah pertama pada decision tree adalah atribut manakah yang digunakan

sebagai akar atau root dari tree yang akan dibentuk. Akar yang dimaksud adalah

pemisah pertama dari decision tree. Dikenal dengan istilah Bayesian Score yang

menilai suatu atribut atau dalam decision tree disebut dengan entropy. Entropy

dihitung dengan rumus sebagai berikut: (Prabowo, Rahmadya dan Herlawati.

Akar

Daun Daun

Kemungkinan

Kejadian

Kemungkinan

Kejadian

caban

g


17

2013)

Entropy (S) = − ∑ pini=1 ∗ log2( pi ) (2.12)

Keterangan :

S = Himpunan Kasus

n = jumlah partisi atribut S

pi = proporsi Si terhadap S

Setelah mendapatkan nilai entropy untuk suatu kumpulan sampel data, maka

dapat melakukan pengukuran efektoivitas suatu atribut dalam pengklasifikasikan

data. Ukuran efektivitas ini yang disebut dengan information gain. Information

Gain adalah salah satu alat ukur seleksi atribut yang digunakan untuk memilih

data test atribut tiap node pada tree. Atribut dengan information Gain tertinggi

dipilih sebagai data test atribut dari suatu node selanjutnya. Rumus untuk

information Gain adalah: (Kantardzic. 2003)

Gain(S, A) = Entropy(S) − ∑|Si|

|S|∗ Entropy(S)n

i=1 (2.10)

Keterangan :

S = Himpunan Kasus

A = Fiture

n = jumlah partisi atributA

│Si│ = proporsi Si terhadap S

│S│ = jumlah kasus pada S

2.6 K-Fold Cross Validation

Cross validation adalah metode statistic yang mengevaluasi dan

membandingkan algoritma pembelajaran dengn membagi data menjadi dua yaitu

data training dan data testing. Bentuk dari cross validation adalah k-fold cross

validation. (Payam R., Lie Tang dan Huan Liu. 2008). Metode k-fold cross

validation yang sering dipakai adalah 3-fold cross validation dan 5-fold cross

validation. Dalam cross validation, tentukan nilai folds atau partisi untuk data.

Prinsip dari k-fold cross validation adalah membagi tiap kelompok data menjadi k


18

bagian kelompok data yang selanjutnya, data tersebut secara bergantian akan

digunakan untuk training dan testing sejumlah k pengujian.

Tabel 2. 2 3-Fold cross validation

Training Testing

2,3 1

1,3 2

1,2 3

Misalkan untuk 3-fold cross validation data dibagi menjadi 3 bagian. Setiap

bagian yang akan digunakan unruk training dan testing secara bergantian. Dua

dari tiga bagian data digunakan untuk training maka bagian data ketiga digunakan

untuk testing (Ian H., Frank Eibe, Mark A. Hall . 2010). Jika bagian data pertama

dan kedua digunakan untuk training maka data kedua digunakan untuk testing.

Jiaka bagian data kedua dan ketiga yang digunakan untuk training maka bagian

data pertama yang digunakan untuk testing.


19

BAB III

METODOLOGI

Bab metodologi ini berisi gambaran proses yang akan dilakukan dalam

penilitian dan penjelasan cara kerja sistem, serta data sekuen protein yang

digunakan dalam penilitian.

3.1 Data

Dalam penelitian ini, data yang digunakan untuk klasifikasi kanker paru-

paru dan kanker payudara dengan algoritma decision tree adalah data sekuen

protein yang berupa sekumpulan asam amino. Data sekuen protein diperoleh

dari salah satu bank protein dunia yaitu Uniprot.org dan NCBI. Data sekuen

protein yang digunakan berformat .fasta. Sekuen protein yang terdiri dari

sekumpulan asam amino. Asam amino memiliki 20 macam yaitu Alamin (A),

Arginin (R), Asparagin (N), Asam Aspartat (D), Sistein (C), Glutamin (Q),

Asam Glutamat (E), Glisin (G), Histidin (H), Isolesin (I), Lesin (L), Lisin (K),

Metionim (M), Femilalanim (F), Prolin (P), Serin (S), Treonin (T), Triptofan

(W), Tirosin (Y), Valin (V). Data sekuen protein yang digunakan bertipe

String dengan panjang sekuen yang beda-beda pada setiap data.

Data sekuen protein yang digunakan dipre-processing dan diekstraksi ciri

terlebih dahulu sebelum digunakan dalam proses klasifikasi dengan algoritma

decision tree. Tahap pertama dilakukan adalah pre-prosesing yaitu dengan

mentrasformasikan data asam amino yang bertipe String menjadi numerik

menggunakan EIIP based protein value tahap kedua adalah ektraksi ciri yaitu

mengubah data bertipe numeric yang berupa time based menjadi sinyal

frequency based mengunakan FFT dan tahap yang terakhir ekstraksi ciri

menggunakan LPC dan turunan LPC dengan order 8 dan 12 untuk

mendapatkan ciri dari setiap data. Data yang telah diekstraksi ciri selanjutnya


20

dicleaning yaitu dengan menganti data yang memiliki missing value berupa

nilai NaN dengan nilai 0.

Untuk penelitian ini data yang digunakan sebanyak 417 sekuen protein

asam amino yang terdiri dari :

a. 37 sekuen protein asam amino manusia sehat

b. 255 sekuen protein asam amino kanker paru-paru (lung cancer)

c. 125 sekuen protein asam amino kanker payudara (breast cancer)

Contoh data sekuen protein asam amino jenis lung cancer yang digunakan:

Tabel 3 1 Contoh data sekuen protein

>sp|O14672|ADA10_HUMAN Disintegrin and metalloproteinase

domain-containing protein 10 OS=Homo sapiens GN=ADAM10 PE=1

SV=1

MVLLRVLILLLSWAAGMGGQYGNPLNKYIRHYEGLSYNVDSL

HQKHQRAKRAVSHEDQFLRLDFHAHGRHFNLRMKRDTSLFSD

EFKVETSNKVLDYDTSHIYTGHIYGEEGSFSHGSVIDGRFEGFIQ

TRGGTFYVEPAERYIKDRTLPFHSVIYHEDDINYPHKYGPQGGC

ADHSVFERMRKYQMTGVEEVTQIPQEEHAANGPELLRKKRTT

SAEKNTCQLYIQTDHLFFKYYGTREAVIAQISSHVKAIDTIYQTT

DFSGIRNISFMVKRIRINTTADEKDPTNPFRFPNIGVEKFLELNSE

QNHDDYCLAYVFTDRDFDDGVLGLAWVGAPSGSSGGICEKSK

LYSDGKKKSLNTGIITVQNYGSHVPPKVSHITFAHEVGHNFGSP

HDSGTECTPGESKNLGQKENGNYIMYARATSGDKLNNNKFSL

CSIRNISQVLEKKRNNCFVESGQPICGNGMVEQGEECDCGYSD

QCKKRRRPPQPIQQPQRQRPRESYQMGHMRR

3.2 Metode Penelitian

Metode penelitian menjelaskan urutan proses yang dilakukan dalam sistem

dengan dataset masukan berupa data protein berformat .fasta. Proses pelatihan

atau training bertujuan untuk membentuk model yang dalam penelitian ini


21

berupa tree. Proses pengujian sistem atau testing bertujuan sebagai pengenalan

atau penentuan jenis kanker. Proses training terdiri dari ekstraksi ciri dan

klasifikasi decision tree untuk membentuk model. Proses testing terdiri dari

ekstraksi ciri, klasifikasi dan validasi sehingga terbentuk presentase akurasi.

Alur proses dari sistem bisa dilihat pada block diagram pada gambar 3.1 :

Gambar 3. 1 Diagram proses training dan testing

3.2.1 Preprocessing

Tahap pre-processing merupakan tahapan awal dalam mengolahan data

inputan sebelum masuk pada proses klasifikasi. Data yang dipre-

processing kemudian akan masuk dalam tahap ekstraksi ciri. Tahap pre-

processing pada penelitian ini menggunakan Electron- Ion Interaction

Potential (EIIP) yang merupakan based protein value.

Data Protein

Ekstraksi Ciri

Training Testing

Modeling

Decision tree

Model Jenis

Kanker

Data Protein

Ekstraksi Ciri

Klasifikasi

Decision tree

Validasi

Output Jenis

Kanker

Preprocessing Preprocessing

Data Sekuen

Protein

Electron- Ion Interaction

Potential (EIIP) based

protein value


22

Gambar 3. 2 Diagram Preprocessing

Langkah pertama tahap pre-processing adalah data sekuen protein dengan

format .fasta memilki dua bagian yaitu header dan sequence, bagian sequence

yang berupa 1-latter code dari asam amino yang akan digunakan dalam tahap

pre-processing menggunakan EIIP based protein value. Fungsi dari EIIP

adalah mentransformasikan sequence yang bertipe String menjadi numerik

berdasarkan nilai asam amino yang telah ditetapkan pada tabel 2. EIIP value

amino acid. Berikut ini adalah contoh sequence yang telah ditransformasikan,

yang divisualisasikan pada grafik seperti gambar 3.3 :

Gambar 3. 3Grafik sekuen protein asam amino A2KUC3

yang telah ditrasformasikan dengan EIIP based protein value

3.2.2 Ekstraksi Ciri

Ekstraksi ciri merupakan proses mendapatkan ciri dari data yang sudah

dikumpulkan, tujuan ekstraksi ciri ini adalah mendapatkan ciri penting dari

data sekuen protein.

Data Hasil

Preprocessing

FFT LPC


23

Gambar 3. 4 Diagram ekstraksi ciri

Sekuen protein asam amino yang telah ditransformasikan menjadi

numerik menggunakan EIIP based protein value , selanjutnya masuk kedalam

proses ekstraksi ciri dengan menggunakan Fast Fourier Transform (FFT)

yaitu mengubah sinyal time base (hasil pre-processing) menjadi sinyal

frequency based. Hasil dari proses FFT bisa dilihat pada grafik steam gambar

dibawah ini :

Gambar 3. 5 Sinyal stem ekstraksi ciri dengan

FFT pada sekuen protein A2KUC3

Data yang telah diubah menjadi sinyal frequency based, selanjutnya

ekstraksi ciri lagi dengan LPC. Fungsi LPC adalah untuk mendapatkan ciri

dari setiap data yaitu dengan menghapus redundansi pada sinyal. Order yang

digunakan dalam penelitian ini adalah order 8 dan order 12. Pemilihan order

LPC berhubungan dengan pole, dimana pole yang berhubungan pada

frekuensi. Pole yang biasa digunakan adalah pole 3 dan 4. Penelitian ini

menggunakan pole 4 dengan order standar order 8 dan order 12 yang


24

merupakan nilai order pole kedua (8+4). Nilai order yang dipilih pada

penelitian ini berpengaruh pada nilai turunan LPC. Jika nilai order semakin

besar, maka nilai ciri pada turuanan dari LPC semakin kecil. Pada penelitian

ini, menggunakan 3 feature LPC yaitu LPC, delta LPC dan delta delta LPC.

Delta LPC adalah turunan pertama dari LPC dan delta delta LPC adalah

turunan kedua dari LPC. Turunan LPC digunakan untuk mendapatkan

informasi dari ciri yang dinamis dari fitur statis.

Pada order 8, setiap feature menghasilkan 8 ciri dan 1 energi. Jika semua

feature (LPC, deltaLPC, delta delta LPC) digabungkan menjadi satu, maka

panjang data yang terbentuk sebanyak 27, dimana panjang data akan menjadi

atribut dari data dalam proses klasifikasi. Hasil dari proses LPC dengan

order 8 feature LPC, delta LPC dan delta delta LPC pada gambarr dibawah ini

:

Gambar 3. 6 Sinyal stem LPC, delta LPC,

delta delta LPC order 8 sekuen protein A2KUC3

Sedangkan, untuk order 12, setiap feature LPC menghasilkan 12 ciri dan

1 energi. Jika semua feature (LPC, deltaLPC, delta delta LPC) digabungkan

menjadi satu, maka panjang data yang terbentuk sebanyak 39, dimana panjang

data akan menjadi atribut dari data dalam proses klasifikasi. Hasil dari proses

LPC dengan order 12 dengan feature LPC, delta LPC dan delta delta LPC

bisa dilihat pada grafik steam gambar 3.7 :


25

Gambar 3. 7 Sinyal stem LPC, delta LPC,

delta delta LPC order 12 sekuen protein A2KUC3

Setelah proses ektraksi ciri selasai, maka dilakukan cleaning data dari

hasil ekstraksi ciri yang memiliki missing value. Pada penelitian ini missing

value berupa nilai NaN akan diberi nilai baru yaitu nilai 0, untuk

menormalisasikan nilai data tanpa merubah nilai. Proses ini melooping semua

data yang dimiliki nilai NaN pada setiap baris dan kolom.

Pada proses ini juga penambahan label data berupa kelas 1 sampai 3.

Dimana kelas 1 berupa data sehat, kelas 2 berupa data kanker paru-paru dan

kelas 3 berupa data kanker payudara. Pemberian label dilakukan secara

otomatis berdasarkan banyaknya data dari folder class (sehat, kanker paru-

paru, dan kanker payudara). Label ditaruh dibagian kolom pertama dari data

dan kolom selanjutnya berupa atribut.

3.2.3 Proses Training

Pada proses training, data dari tahap ekstraksi ciri akan diklasifikasi

dengan menggunakan algoritma decision tree. Data sekuen protein yang telah

dilakukan ekstraksi ciri akan disimpan dalam format .mat. K-fold cross

validation yang digunakan pada penelitian ini adalah dengan menggunakan 3-


26

fold cross-validation. Proses pembagian data mengunakan cv partition milik

matlab dimana data akan dipartisi sebanyak k, dimana nilai k adalah 3, data

dipartisi menjadi 3 bagian untuk data training dan 3 bagian untuk data data

testing. Data sebanyak 417 akan dibagi menjadi 3 bagian masing-masing 278

untuk training 1, 278 untuk training 2, dan 278 untuk training 3. Proses

training digunakan untuk mendapatkan model dari klasifikasi dengan

menggunakan algoritma decision tree yaitu berupa tree. Berikut ini contoh

data training 1 pada feature LPC dengan order 8.

Gambar 3. 8 Contoh data training 1

feature LPC dengan order 8

3.2.4 Tahap Klasifikasi Decision Tree

Data sekuen protein yang sudah diekstraksi ciri, selanjutnya masuk dalam

proses klasifikasikan menggunakan algoritma decision tree. Data yang telah

dipartisi menjadi training 1, training 2, dan training 3, selanjutnya tiap training

dan feature LPC dengan order 8 dan 12 akan dibuat model atau tree. Pada

penelitian ini menghasilkan 18 tree yang terbentuk berdasarkan kombanasi

feature LPC dan training. Algoritma decision tree yang digunakan adalah


27

greedy decision tree. Langkah membuat tree dengan algoritma greedy

decision tree:

a. Dimulai dari membuat decision tree kosong

Gambar 3. 9 decision tree kosong

b. Pisahkan pada yang memiliki atribut terbaik.

1. Hitung nilai entropy untuk semua atribut.

Entropy (S) = − ∑ pini=1 ∗ log2( pi ) (3.1)

Lalu cari nilai binari untuk setiap atribut terhadap kelas,

nilai binary digunakan untuk perhitungan entropy terhadap

komposisi kelas.

Entropy (S) = −p log2 p − ( 1 − p) log2(1 − p) (3.2)

Dimana nilai p = 0.5 merupakan nilai p terbaik untuk

variabel binary.

Gambar 3. 10 entropy dari variabel binari

2. Hitung nilai entropy untuk semua data terhadap komposisi

kelas

Entropy (S|A) = ∑|Si|

|S|∗ Entropy(S)n

i=1 (3.3)

3. Hiitung nilai information gain untuk setiap atribut.


28

Gain(S, A) = Entropy(S) − ∑|Si|

|S|∗ Entropy(Si)

ni=1 (3.4)

Gambar 3. 11 Contoh level pertama decision tree

c. Ulangi (rekursif) langkah 2 untuk setiap daun

Gambar 3. 12 Hasil Tree yang terbentuk dari training 3

3.2.5 Pengujian

Pengujian dilakukan untuk mengetahui akurasi dari proses klasifikasi.

Akurasi merupakan presentase data yang terklasifikasi dengan benar. Dari

tahap pengujian dapat dibuktikan bahwa jenis kanker paru-paru, kanker

payudara dan sehat dapat dikenali dengan benar sesuai label. Pengujian dan

training menggunakan 3-fold cross-validation yaitu dengan membagi data

Att b

>= 19,9 < 19,9


29

menjadi tiga bagian. Data sebanyak 417 akan dibagi menjadi 3 bagian (untuk

testing) masing-masing 139, 139, 139. Dua bagian data akan digunakan untuk

training dan satu bagian digunakan untuk testing. Proses akurasi untuk

menghitung nilai akurasi dengan mencocokan label kelas data testing dengan

prediksi kelas, lalu hitung data yang sama antara label kelas data testing

dengan prediksi lalu dibagi dengan jumlah data testing dan dikalikan 100 %.

Berikut ini contoh tabel validasi yaitu data pencocokan data testing.

Gambar3. 1 Contoh data pencocokan data testing

Dari tabel validasi diatas, dapat dihitung akurasi dari percobaan

yang telah dilakukan.

Akurasi =∑ data benar

∑ total data× 100% (3.5)

Keterangan :

∑ data benar = jumlah data yang benar pada kelas prediksi

∑ total data = jumlah total data yang digunakan


30

BAB IV

ANALISIS HASIL DAN IMPLEMENTASI SISTEM

Pada bab ini akan dibahas hal-hal yang berkaitan dengan implentasi

sistem, hasil yang akan didapatkan dari pengujian-pengujian yang akan dilakukan,

serta analisis dari hasil pengujian.

4.1 Analisis Hasil

Berdasarkan hasil pengujian yang dilakukan dengan menggunakan model

dari klasifikasi yaitu berupa tree dengan kombinasi feature LPC dan

kombinasi order dengan ketiga data training. Dari proses pengujian ini

dihasilkan nilai akurasi, nilai akurasi rata-rata, waktu pembuatan tree dan nilai

pembuatan tree rata-rata yang berbeda-beda pada setiap feature LPC. Hasil

pengujian tree yang dilakukan dengan kombinasi feature LPC dan kombinasi

order dihadirkan secara keseluruhan pada tabel yang ditunjukan pada gambar

berikut ini.

Gambar 4. 1 Gambar tabel hasil perbandingan akurasi dan waktu


31

Dari kedelapan belas pengujian feature LPC dengan data training yang

berbeda didapatkan tree yang berbeda-beda, hasil akurasi rata-rata yang paling

baik sebesar 74,82% dengan waktu rata-rata 28,34 detik dengan feature LPC

order 8 dengan nilai akurasi training yang paling baik sebesar 79.85 % dengan

waktu 29.09 detik dan feature LPC, Delta LPC order 8 memiliki nilai akurasi

rata-rat terendah yaitu sebesar 68,70% dengan waktu rata-rata 33,64 detik

dengan nilai akurasi training terrendah sebesar 64.02 dengan waktu 32,2 detik

Grafik hasil akurasi rata-rata pengujian tree ditunjukan melalui grafik dibawah

ini :

Gambar 4. 2 Grafik akurasi rata-rata feature LPC

Nilai akurasi tree merupakan pengaruh dari besarnya range data yang

digunakan pada proses klasifikasi, dimana data berasal dari hasil ekstraksi ciri.

Range nilai atribut yang besar berpengaruh pada perhitungan entrory dan

information gain yang digunakan dalam perhitungan untuk membuat tree.

Lamanya waktu pembuatan tree merupakan pengaruh dari banyaknya atribut

yang digunakan pada proses klasifikasi, dimana banyaknya atribut berasal

total panjang order dari kombinasi feature LPC.


32

4.2 Analisis Coding

2.1.1. Ekstraksi Ciri

Proses Ekstraksi ciri diawali dengan tahap pre-processing data sekuen

protein, dan dilanjutkan dengan proses ekstraksi ciri. Proses ekstraksi ciri

berjalan jika tombol proses diklik kemudian semua data sekuen yang akan

digunakan dilooping satu persatu. Data sekuen protein yang tersimpan

dalam sebuah folder, untuk melakukan looping nilai i diset untuk folder

yang menunjukkan banyaknya kelas yang dimiliki, dalam penelilitian ini

ada 3, dalam setiap folder terdapat data sekuen protein yang berbeda-

beda, untuk data sehat 37 data sekuen protein, data kanker paru-paru 254

data sekuen protein dan data kanker payudara 125 data sekuen protein.

Data sekuen protein harus berformat .fasta, untuk proses looping

ditunjukan pada potongan source code berikut.

for i=1:3

folder=['C:\Users\quadran\Documents\MATLAB\decision

tree\class ',num2str(n),'\'];

j = 1;

file = [folder,'class ',num2str(n),' (',num2str(j),').fasta'];

Kode Program 4. 1 Looping data sekuen protein

Proses pre-processing data sekuen protein menggunakan EIIP

based protein value, yaitu mentransformasikan data sekuen protein

berformat String menjadi berformat numerik, untuk proses pre-processing

ditunjukan pada potongan source kode berikut.

while exist(file, 'file') == 2

%ekstraksi ciri

[f,databaru] = preprosses(file);

Kode Program 4. 2 Pre-processing data sekuen protein

Proses transformasi dengan EIIP based protein value. Tahap

pertama yang dilakukan membaca data sekuen protein berformat .fasta

dengan menggunakan fungsi fastaread milik matlab, bagian data yang

digunakan adalah bagian sequence yang berisi single letter-code dari asam

amino. Setiap single letter-code dari asam amino diberi nilai berdasarkan


33

EIIP based protein value. Berikut ini potongan source code transformasi

EIIP.

a=fastaread(x);

s=a.Sequence;

l = length(s);

ds = [];

for i = 1:l

hr = s(i);

if hr == 'L'

ds(i)=0.0000;

elseif hr == 'I'

ds(i)=0.0000;

elseif hr == 'N'

ds(i)=0.0036;

elseif hr == 'G'

ds(i)=0.0050;

elseif hr == 'V'

ds(i)=0.0057;

elseif hr == 'E'

ds(i)=0.0058;

elseif hr == 'P'

ds(i)=0.0198;

elseif hr == 'H'

ds(i)=0.0242;

elseif hr == 'K'

ds(i)=0.0371;

elseif hr == 'A'

ds(i)=0.0373;

elseif hr == 'Y'

ds(i)=0.0516;

elseif hr == 'W'

ds(i)=0.0548;

elseif hr == 'Q'

ds(i)=0.0761;

elseif hr == 'M'

ds(i)=0.0823;

elseif hr == 'S'

ds(i)=0.0829;

elseif hr == 'C'

ds(i)=0.0829;

elseif hr == 'T'

ds(i)=0.0941;

elseif hr == 'F'

ds(i)=0.0954;

elseif hr == 'R'


34

ds(i) =0.0956;

elseif hr == 'D'

ds(i)=0.1263;

end

end

f=ds;

Kode Program 4. 3 Transformasi sekuen protein menggunakan EIIP

based value protein

Proses selanjutnya adalah ektraksi ciri menggunakan FFT. Data sekuen

protein ditransformasikan menjadi data bertipe numerik diekstraksi ciri menjadi

sinyal frequency based dengan menggunakan FFT. FFT berfungsi mengubah

sinyal dari time-base menjadi frequency-base (Yan-Zhi GUO, Meng-Long L, et

al. 2005). Proses ini menggunakan function FFT milik matlab, yang ditunjukan

pada potongan source code berikut.

%fft

FreqBase = fft(ds);

plot(1:l,abs(FreqBase(1:l)));figure(gcf);

Kode Program 4. 4 Proses FFT data sekuen protein

Data sekuen protein yang telah menjadi sinyal frequency-base selanjutnya

diekstraksikan ciri kembali dengan mengunakan LPC dan turunan dari LPC (delta

LPC dan delta delta LPC). LPC digunakan untuk menyeragamkan panjang sinyal

yang ditentukan berdasarkan order dan mendapatkan ciri dari setiap data. Pada

penelitian ini order yang digunakan adalah order 8 dan order 12. Berikut ini

adalah potongan source code dari function dolpc.m dan deltas.m

[nbands,nframes] = size(x);

if nargin < 2

modelorder = 8;

end

% Calculate autocorrelation

r = real(ifft([x;x([(nbands-1):-1:2],:)]));

% First half only

r = r(1:nbands,:);

% Find LPC coeffs by durbin

[y,e] = levinson(r, modelorder);

% Normalize each poly by gain

y = y'./repmat(e',(modelorder+1),1);

end

Kode Program 4. 5 LPC


35

if nargin < 2

w = 9;

end

[nr,nc] = size(x);

if nc == 0

% empty vector passed in; return empty vector

d = x;

else

% actually calculate deltas

% Define window shape

hlen = floor(w/2);

w = 2*hlen + 1;

win = hlen:-1:-hlen;

% pad data by repeating first and last columns

xx = [repmat(x(:,1),1,hlen),x,repmat(x(:,end),1,hlen)];

% Apply the delta filter

d = filter(win, 1, xx, [], 2); % filter along dim 2 (rows)

% Trim edges

d = d(:,2*hlen + [1:nc]);

end

Kode Program 4. 6 Delta LPC

Setiap data yang telah diolah menggunakan LPC dan deltaLPC dengan

order tertentu selanjutnya digabungkan menjadi satu data. Setiap feature

menghasilkan nilai sesuai order yang digunakan ditambah satu energi. Contoh

feature LPC dengan order 8 menghasilkan 9 nilai pada setiap data yang terdiri dari

8 ciri dan 1 energi. Setiap feature digabungkan menjadi satu data baru yang

ditampilkan dengan sinyal steam, yang ditunjukan pada potongan source code

berikut.

lpc =dolpc (FreqBase,8);

% stem(dellpc,'DisplayName','dellpc');figure(gcf);

deltalpc = deltas(lpc,8);

% stem(deltalpc,'DisplayName','deltalpc');figure(gcf);

deltadeltalpc = deltas(deltalpc,8);

% stem(deltadeltalpc,'DisplayName','deltadeltalpc');figure(gcf);

databaru = [lpc; deltalpc; deltadeltalpc];

plot(1:27,databaru);


36

stem(databaru,'DisplayName','databaru');figure(gcf)

f=databaru;

end

Kode Program 4. 7 Penggabungan LPC, delta LPC, delta delta LPC

Data feature LPC yang telah digabungkan selanjutnya ditampilkan pada

halaman ekstraksi ciri menggunakan function axes milik matlab. Function axes

digunakan untuk menampilkan data dalam bentuk grafik figure yang ditunjukan


axes(handles.axTotalLPC)

stem(databaru,'DisplayName','databaru');

pause(0.01);

Kode Program 4. 8 Menampilkan data pada halaman Ekstraksi Ciri

Nilai hasil ekstraksi disimpan dalam suatu variabel dan dilakukan proses

transpose matriks dengan memberikan (‘) pada variabel yang akan ditranspose.

Transpose matriks digunakn untuk mengubah baris menjadi kolom atau

sebaliknya. Tujuan dilakukannya transpose adalah untuk memepermudah

pembacaan data pada proses klasifikas, yang ditunjukan pada potongan source

code berikut.

f = f';

Hasilf=[Hasilf;f]

Kode Program 4. 9 Trasnpose hasil ekstraksi ciri

Data hasil ekstraksi ciri yang telah tersimpan dalam suatu variabel

selanjutnya diberi label sesuai dengan kelas dari setiap data. Pemberian label

berdasakan folder data yang digunakan dalam proses pre-processing dan ekstraksi

ciri. Pemberia label berguna pada proses klasifikasi dan akurasi untuk

mencocokan data berada pada kelas mana. Berikut ini adalah potongan source

code untuk pelabelan data.

class(m)=n;

m=m+1;

j=j+1;


end

n=n+1;

end


37

class=class';

[m,n]=size(Hasilf);

Kode Program 4. 10 Pemberian label kelas pada data

Sebelum proses klasifikasi data yang telah diekstraksi ciri dilakukukan

cleaning data yaitu data memiliki missing value diberi nilai baru. Pada peneleitian

ini data yang memiliki nilai NaN diberikan nilai baru yaitu 0, yang ditunjukan


%missing value

for i=1:m

for j=1:n

if isnan(Hasilf(i,j))

Hasilf(i,j)=0;

end

end

end

Kode Program 4. 11 Missing Value

Sebelum masuk dalam proses klasifikasi data dipartisi menjadi n-bagian

menggunakan k-fold cross validation. Pada penelitian ini menggunakan 3-fold

cross validation. Partisi data menggunakan cvpartition milik matlab. Cvpartition

mempartisi data training dan testing secara random, sehingga data yang telah

diolah harus disimpan sebelum dilakukan proses klasifikasi. Berikut ini adalah

potongan source code partisi data.

Kode Program 4. 12 Partisi Data

Data hasil pre-processing, ekstraksi ciri, pelabelan, missing value disimpan

dalam variabel data Hasilf sedangkan hasil partisi berupa data training dan data

testing disimpan didalam variabel data Training 1, Trainining 2, Training 3,

Testing 1, Testing 2 dan Testing3. Semua data yang telah disimpan dijadikan satu.

Data disimpan dengan format .mat untuk mempermudah pemanggilan data dalam

proses klasifikasi. Berikut potongan source code menyimpan data.

Hasilf=[class,Hasilf];

[Training1, Testing1, Training2, Testing2, Training3, Testing3] = foldSaya(

[N] = size(Hasilf,1);

k = 3;

c1 = cvpartition(N,'kfold',k);


38

Hasilf );

save('hasilPre-processing.mat','Hasilf' , 'Training1', 'Testing1', 'Training2',

'Testing2', 'Training3', 'Testing3');

Kode Program 4. 13 Save Data

2.1.2. Algoritma Decision Tree

Pengujian dilakukan dengan membuat pohon keputusan atau tree

untuk setiap proses training. Untuk melakukan klasifikasi, langkah

pertama adalah memanggil dataset dari pre-processing dan ekstraksi ciri

yang telah dipartisi yang disimpan dalam format.mat dengan function load

dari matlab. Pilih data training yang digunakan dalam proses klasifikasi.

Pisah data training menjadi dua bagian yaitu data atribut dan data kelas.

Beri nama untuk setiap atribut sesuai dengan panjang data. Untuk

membuat tree dibutuhkan function bulid_tree.m dengan inputan berupa

kelas, atribut, dan nama atribut, yang ditunjukan pada source code berikut

ini.

load('hasilPre-processing.mat');

Data = Training3;

% We want to predict the first column...

Y = Data(:,1);

% ...based on the others

X = Data(:,2:end);

cols =

{'att1','att2','att3','att4','att5','att6','att7','att8','att9','att10','att11','att12','a

tt13','att14','att15','att16','att17','att18',...

'att19','att20','att21','att22','att23','att24','att25','att26','att27'};

t = build_tree(X,Y,cols);

Kode Program 4. 14 Build decision tree

Langkah pertama yang dilakukan dalam build tree adalah membuat

root kosong lalu buat cabang pada root, yang ditunjukan pada source code

berikut ini.

[inds p labels bVal coloum] = split_node(X, Y, inds, p,labels, cols, 1,

bVal,coloum);

Kode Program 4. 15 Membuat root kosong


39

Untuk membuat cabang pada root, langkah pertama adalah cek

nilai Y (kelas) yang memiliki nilai unique dan cek nilai X (atribut) pada

baris yang memiliki nilai unique. Looping setiap atribut untuk mendapat

nilai information gain terbaik dengan cara yaitu untuk setiap nilai yang

unique dipisahakan jika nilai atribut pada saat itu tidak bisa membuat

cabang (jumlah nilai unique < 2) maka atribut tersebut akan dilewati.

Untuk menghitung information gain perlu mencari nilai biner dari setiap

nilai split. Hitung information gain dengan menghitung nilai entropy

semua data pada komposisi kelas dan nilai entropy kondisi kelas pada

setiap nilai atribut, jika nilai entropy sudah dihitung maka nilai Informatin

gain merupakan hasil dari entropy semua data terhadap kompisis kelas

dikurangi entropy kondisi kelas pada setiap nilai atribut. Cari information

gain terbaik pada nilai atribut yang unique lalu proses information gain

terbesar antar atribut untuk mendapatkan nilai pemisah, yang ditampilkan

pada source code berikut

Function [inds p labels bVal coloum] = split_node(X, Y, inds, p,

labels, cols, node, bVal, coloum)

% Recursively splits nodes based on information gain

% Check if the current leaf is consistent

if numel(unique(Y(inds{node}))) == 1

return;

end

if size(unique(X(inds{node},:),'rows'),1) == 1

return;

end

best_ig = -inf; %best information gain

best_feature = 0; %best feature to split on

best_val = 0; % best value to split the best feature on

curr_X = X(inds{node},:);

curr_Y = Y(inds{node});

% Loop over each feature

for i = 1:size(X,2)

feat = curr_X(:,i);

% Deterimine the values to split on

vals = unique(feat);


40

splits = 0.5*(vals(1:end-1) + vals(2:end));

if numel(vals) < 2

continue

end

% Get binary values for each split value

bin_mat = double(repmat(feat, [1 numel(splits)]) < repmat(splits',

[numel(feat) 1]));

% Compute the information gains

H = ent(curr_Y);

H_cond = zeros(1, size(bin_mat,2));

for j = 1:size(bin_mat,2)

H_cond(j) = cond_ent(curr_Y, bin_mat(:,j));

end

IG = H - H_cond;

% Find the best split

[val ind] = max(IG);

if val > best_ig

best_ig = val;

best_feature = i;

best_val = splits(ind);

end

end

Kode Program 4. 16 Split node

Hal yang pertama dilakukan dalam membuat node adalah siapkan

cabang terlebih dahulu, lalu cari nilai atribut terbaik pada saat itu yang

lebih kecil dari nilai pemisah terbaik, cabang kiri untuk cabang yang

memiliki nilai lebih kecil sedangkan cabang kanan untuk cabang yang

memiliki nilai yang lebih besar. Beri label untuk cabang kiri dan kanan

berupa nama atribut dan nilai terbaik dari pemisah terbaik. Ulangi untuk

membuat node baru yaitu mencari split node (Kode Program 4. 17).

Berikut ini source code yang digunakan.


41

% Split the current node into two nodes

feat = curr_X(:,best_feature);

feat = feat < best_val;

inds = [inds; inds{node}(feat); inds{node}(~feat)];

inds{node} = [];

p = [p; node; node];

labels = [labels; sprintf('%s < %2.2f', cols{best_feature}, best_val);

sprintf('%s >= %2.2f', cols{best_feature}, best_val)];

bVal = [bVal; best_val; best_val];

coloum = [coloum;best_feature;best_feature];

% Recurse on newly-create nodes

n = numel(p)-2;

[inds p labels bVal coloum] = split_node(X, Y, inds, p, labels, cols,

n+1, bVal,coloum);

[inds p labels bVal coloum] = split_node(X, Y, inds, p, labels, cols,

n+2, bVal,coloum);

Kode Program 4. 18 Membuat cabang

Tree yang sudah terbentuk ditampikan dalam sebuah figure baru

(terlepas dari halaman tree) agar tree dapat lebih mudah dilihat. Untuk

menampilkan tree menggunakan treeplot dan treelayout. Treeplot

digunakan untuk menampilkan kerangka tree berupa node-node dan

cabang, sedangkan treelayout untuk membuat koordinasi dari tree. Setelah

tree ditampilkan niali dari tree akan disimpan sebagai model utuk proses

akurasi. Berikut ini source code yang digunakan.

h1 = figure;

%% Display the tree

treeplot(t.p');

title('Decision tree (Visual Tree)');

[xs,ys,h,s] = treelayout(t.p');

for i = 2:numel(t.p)

% Get my coordinate

my_x = xs(i);

my_y = ys(i);

% Get parent coordinate

parent_x = xs(t.p(i));

parent_y = ys(t.p(i));

% Calculate weight coordinate (midpoint)

mid_x = (my_x + parent_x)/2;

mid_y = (my_y + parent_y)/2;


42

% Edge label

text(mid_x,mid_y,t.labels{i-1});

% Leaf label

if ~isempty(t.inds{i})

val = Y(t.inds{i});

if numel(unique(val))==1

text(my_x, my_y, sprintf('y=%2.2f\nn=%d', val(1), numel(val)));

else

%inconsistent data

text(my_x, my_y, sprintf('**y=%2.2f\nn=%d', mode(val),

numel(val)));

end

end

end

save ('tree.mat','t');

Kode Program 4. 19 Menampilkan Tree

2.1.3. Akurasi Tree

Proses akurasi dilakukan dengan testing tree terlebih dahulu.

Proses testing dilakukan pada setiap baris dengan cara mencari cabang

node yang memiliki parent yang berupa root. Proses berikut ini

berlangsung selama tree masih memiliki cabang. Tentukan nilai atribut

node berada pada cabang kanan (lebih besar) atau kiri (lebih kecil). Setelah

ditentukan atribut masuk dalam cabang kiri atau kanan, maka cabang

tesebut akan menjadi node berikutnya. Tahap selanjutnya adalah mencari

cabang node yang memiliki parent dari cabang node yang telah ditentukan

sebelumnya. Setelah menemukan node terakhir (tidak memiliki cabang),

didapatkan lah prediksi kelas. Data prediksi kelas di simpan dalam sebuah

array. Berikut ini source code yang digunakan.

for i = 1 : size(att, 1)

curr = 1;

idx = find(tree.p == curr);

while isempty(tree.inds{curr})

if(att(i, tree.coloum{idx(1) - 1}) < tree.bVal{idx(1) - 1})

curr = idx(1);

else

curr = idx(2);


43

end


end

tree.inds{curr};

val = X(tree.inds{curr});

class = [class unique(val)];

end

Kode Program 4. 20 Testing tree

Langkah pertama untuk menghitung nilai akurasi dengan

mencocokan label kelas data testing dengan prediksi kelas yang

didapatkan dari proses Testing tree, lalu hitung rata-rata data yang sama

antara label kelas data testing dengan prediksi kelas, yang ditampilkan

pada source code dibawah ini.

for i = 1 : size(result, 1)

if(result(i, 1) == result(i, 2))

equ = equ + 1;

end

tot = tot + 1;

end

acc = equ * 100 / tot;

Kode Program 4. 21 Menghitung akurasi

4.3 User interface

Untuk mempermudah dalam melakukan tahap klasifikasi pada penelitian

ini dibuat user interface. User interface ini dibuat untuk membantu dalam pre-

processing, ekstraksi fitur sehingga mendapatkan hasil klasifikasi berupa tree,

akurasi dan pengujian dengan data uji tunggal. Pada halaman utama terdiri

dari beberapa menu untuk ekstraksi ciri, klasifikasi, akurasi dan pengujian

dengan data tunggal. Berikut merupakan halaman utama dalam penelitian ini :


44

Gambar 4. 3 User Interface Halaman Utama

Halaman ekstraksi ciri digunakan untuk menampilkan bagian

tahap pre-processing dan ekstraksi ciri. Implementasi menu ekstraksi ciri

dapat dilihat pada gambar di bawah ini :

Gambar 4. 4 Halaman Ekstraksi ciri

Pada halaman ekstraksi ciri menunjukan bahwa data sekuen protein

yang sedang mengalami proses pre-processing dan ekstraksi ciri, data


45

sekuen protein yang ditampilkan pada halaman tersebut akan berubah

sesuai dengan data yang sedah diproses.

Gambar 4. 5 Proses preproses dan ekstraksi ciri

pada halaman ekstraksi ciri

Halaman tree merupakan halaman yang menampilkan hasil

klasifikasi (tree) dengan algoritma decision tree. Dataset yang digunakan

sebanyak 278 data sekuen protein untuk training 1, 278 data sekuen

protein untuk training 2 dan 278 data sekuen protein untuk training 3.

Gambar 4. 6 Halaman Tree

Halaman akurasi tree merupakan halaman yang menampilkan hasil

akurasi dari tree yang terbentuk pada tahap klasifikasi. Nilai akurasi tree

yang ditunjukan didapatkan dari perhitungan jumlah data yang bener

dibagi dengan seluruh data yang digunakan.


46

Gambar 4. 7 Halaman Akurasi Tree

Halaman uji tunggal digunakan untuk menguji satu data sekuen

protein. Pada halaman ini masukan berupa nomor indek data sekuen

protein yang telah di pre-processing dan diekstraksi ciri, data yang

digunakan adalah testing. Keluaran dari proses uji tunggal adalah kelas

dan nama kanker dari data yang diolah.

Gambar 4. 8 Halaman Uji Tunggal


47

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan percobaan dan penelitian yang telah dilakukan untuk

klasifikasikan jenis kanker paru- paru dan payudara berdasarkan susunan

protein dengan algoritma decision tree ini dapat ditarik kesimpulan sebagai

berikut :

1. Metode ekstraksi ciri dengan mengunakan LPC dapat

meyeragamkan panjang data dan mendapatkan ciri dari setiap data

yang diolah dengan pada proses klasifikasi.

2. Proses cleaning data dengan mengganti nilai data yang memiliki

missing value (NaN) dapat membantu pada proses klasifikasi.

3. Pada klasifikasi jenis kanker paru- paru dan payudara berdasarkan

susunan protein dengan algoritma decision tree, data sekuen

protein yang gunakan sejumlah 417, yang terdiri dari 37 data

sekuen protein sehat, 255 data sekuen protein kanker paru-paru

dan 125 data sekuen protein kanker payudara. Data sekuen protein

di bagi menggunakan 3-fold cross validation dengan nilai training

278,278 dan 278 dan nilai testing 139,139 dan 139 menghasilkan

akurasi paling tinggi sebesar 79,85% pada feature LPC order 8

dan akurasi paling rendah sebesar 64,02% pada pada feature LPC,

delta LPC order 8.

4. Klasifikasi dilakukan dengan memodifikasi kombinasi feature

LPC, delta LPC dan delta delta LPC deng order 8 dan 12 pada

proses ekstraksi ciri. Dari keenam pengujian didapatkan ketepatan

dan kecepatan klasifikasi terbaik pada feature LPC order 8 dengan

akurasi rata-rata sebesar 74,82% dan waktu rata-rata pembuatan

tree 28.34 detik dengan akurasi tertinggi dari training 1 sebesar

79,85 % dan waktu pembuatan tree 29.09 detik.


48

5.2 Saran

Saran untuk penelitian akhir ini adalah :

1. Data sekuen protein ditambah lebih banyak terutama untuk data

sekuen protein sehat dan penambahan tingkat stadium untuk setiap

data sekuen protein kanker payudara dan paru-paru.

2. Range nilai dalam atribut disederhanakan dengan interval nilai

atau kategorisasi.

3. Menggunakan pre-processing dan ekstraksi ciri yang berbeda

untuk penelitian selanjutnya.

4. Pada algoritma decision tree dapat ditambah method prune untuk

menambah peningkatan akurasi.


49

DAFTAR PUSTAKA

Branslava Gemovic, Vladimir Perovic, et al. Feature –Base Classification of

Amino Acid Subtantions outside Conserved Functional Protein Domains.

Hindawai Publishing Corporation The Scientific Word Journal.

F.Z. Chelali, K. Sadeddine, et al. Speaker indetification system using LPC-

Application on Berber language.HD-SKD Internasional Jurnal.

Han, Jiawei and Micheline Kamber. Data Mining : Concepts and techniques 2nd

edition. 2006. Morgan Kaufmann. Sanfrancisco, CA.

http://labrosa.ee.columbia.edu/matlab/rastamat/dolpc.m. Diakses pada tanggal 5

Mei 2014.

http://www.uniprot.org/uniprot/. Diakses pada tanggal 20 november 2013

Kementerian Kesehatan RI. infoDatin, Pusat Data dan Informasi Kementrian

Kesehatan RI, STOP KANKER. 2015. Jakarta.

Luciana Kuswibawati. Kanker. 2000. Universitas Sanata Dharma. Yogyakarta.

Mining. 2004. CRC Press LLC. USA.

Mitra, Sushmita dan Tinku Acharya. Data Mining : multimedia, soft computing,

and bioinformatics. 2003. John Wiley & Sons, Inc.. New Jersey.

Nandra Pradipta. Implementasi Algoritma FFT (Fast Fourier Transform) Pada

Digital Signal Processor (DSP) TMS320C542. Jurnal Universitas

Diponegoro

Novi Arya Kurnianto. Pententuan Jenis Kelamin Itik dengan Metode Dinamic

Time Warping (DWT). Jurnal Universitas Diponegoro.

Pal, Sankar K. dan Pabitra Mitra. Pattern Recognition Algorithms for Data

Mining. 2004. CRC Press LLC.USA.


http://labrosa.ee.columbia.edu/matlab/rastamat/dolpc.m

http://www.uniprot.org/uniprot/?query=disease:(lung%20cancer)

50

Prabowo pudjo Widodo, et al. Penerapan Data Mining dengan Matlab.2013.

Rekayasa Sains. Bandung.

Putra, dharma .Pengolahan Citra Digital . 2010.Andi Offset. Yogyakarta

Ria K., Marji, Widodo. Penggunaan Metode Pengelompokkan K-Means pada

Klasifikasi KNN Untuk Penentuan Jenis Kanker Berdasarkan Susunan

Protein. Jurnal Universitas Brawijaya.

Rizki., 1 desemeber 2008., Bioinformatika. http://bioinformatika-q.blogspot.co.id.

Diakses pada tanggal 28 November 2013.

Santoso, Budi. DATA MINING : Teknik Pemanfaatan Data untuk Keperluan

Bisnis. 2007. Graha Ilmu. Yogyakarta.

Sri Hartanti Yuliana. Kanker. 2000. Universitas Sanata Dharma. Yogyakarta.

St. Clair, Caroline dan Jonathan Visick. Exploring Bioinformatics : A

Projectbased Approach. 2010. Jones and Bartlett Publishers. USA.

Tim kumpulan isitilah .2013. Pengertian kanker paru-paru

http://www.kumpulanistilah.com. Diakses pada tanggal 28 November

2013

Wahab Naira S., 25 agustus 2015., Mengapa Kanker Paru dan Kanker Payudara

tertinggi diindonesia?. http://www.kompasiana.com. Diakses pada tanggal

8 November 2015

Wirahadikusuma, Muhamad. Biokimia “protein, enzim dan asam nukleat”. 1977.

ITB Bandung. Bandung.


http://bioinformatika-q.blogspot.co.id/

http://www.kompasiana.com/

51

LAMPIRAN I : Code Program

1. File Preprosesing.mat

function [f,databaru] = preprosses(x)

%UNTITLED4 Summary of this function goes here

% Detailed explanation goes here

%membaca fasta%

%x =

'C:\Users\quadran\Documents\MATLAB\program\databaru\kelas1\kelas1

(1).fasta';

a=fastaread(x);

%hanya mengambil sequence%

s=a.Sequence;

l = length(s);

ds = [];

for i = 1:l

hr = s(i);

if hr == 'L'

ds(i)=0.0000;

elseif hr == 'I'

ds(i)=0.0000;

elseif hr == 'N'

ds(i)=0.0036;

elseif hr == 'G'

ds(i)=0.0050;

elseif hr == 'V'

ds(i)=0.0057;

elseif hr == 'E'


52

ds(i)=0.0058;

elseif hr == 'P'

ds(i)=0.0198;

elseif hr == 'H'

ds(i)=0.0242;

elseif hr == 'K'

ds(i)=0.0371;

elseif hr == 'A'

ds(i)=0.0373;

elseif hr == 'Y'

ds(i)=0.0516;

elseif hr == 'W'

ds(i)=0.0548;

elseif hr == 'Q'

ds(i)=0.0761;

elseif hr == 'M'

ds(i)=0.0823;

elseif hr == 'S'

ds(i)=0.0829;

elseif hr == 'C'

ds(i)=0.0829;

elseif hr == 'T'

ds(i)=0.0941;

elseif hr == 'F'

ds(i)=0.0954;

elseif hr == 'R'

ds(i) =0.0956;

elseif hr == 'D'

ds(i)=0.1263;

end


53

end

f=ds;

timeBase = fft(ds);

%

% fs = 100;

% l = length(ds);

% w =(1:l)/l*(fs/2);

plot(1:l,abs(timeBase(1:l)));figure(gcf);

% satulpc = lpc (timeBase,8);

% stem(satulpc,'DisplayName','satulpc');figure(gcf)

lpc =dolpc (timeBase,8);

% stem(dellpc,'DisplayName','dellpc');figure(gcf);

deltalpc = deltas(lpc,8);

% stem(deltalpc,'DisplayName','deltalpc');figure(gcf);

deltadeltalpc = deltas(deltalpc,8);

% stem(deltadeltalpc,'DisplayName','deltadeltalpc');figure(gcf);

databaru = [lpc; deltalpc; deltadeltalpc];

%databaru = [lpc; deltalpc];

%databaru = [lpc];

%plot(1:39,databaru);

plot(1:27,databaru);

stem(databaru,'DisplayName','databaru');figure(gcf)

f=databaru;

%f=databaru;


54

end

2. foldSaya.mat

function [Training1, Testing1, Training2, Testing2, Training3, Testing3] =

foldSaya( Hasilf )

%UNTITLED Summary of this function goes here

[N] = size(Hasilf,1);

k = 3;

c1 = cvpartition(N,'kfold',k);

Training1 = Hasilf(find(c1.training(1) == 1), :);

Testing1 = Hasilf(find(c1.test(1) == 1), :);





end

3. doLPC.mat

function y = dolpc(x,modelorder)

%y = dolpc(x,modelorder)

%

% compute autoregressive model from spectral magnitude samples

%

% rows(x) = critical band

% col(x) = frame

%

% row(y) = lpc a_i coeffs, scaled by gain

% col(y) = frame

%

% modelorder is order of model, defaults to 8

% 2003-04-12 [email protected] after [email protected]


55

[nbands,nframes] = size(x);

if nargin < 2

modelorder = 8;

end

% Calculate autocorrelation

r = real(ifft([x;x([(nbands-1):-1:2],:)]));

% First half only

r = r(1:nbands,:);

% Find LPC coeffs by durbin

[y,e] = levinson(r, modelorder);

% Normalize each poly by gain

y = y'./repmat(e',(modelorder+1),1);

end

4. deltas.mat

function d = deltas(x, w)

% D = deltas(X,W) Calculate the deltas (derivatives) of a sequence

% Use a W-point window (W odd, default 9) to calculate deltas using a

% simple linear slope. This mirrors the delta calculation performed

% in feacalc etc. Each row of X is filtered separately.

% 2003-06-30 [email protected]

if nargin < 2

w = 9;

end


56

[nr,nc] = size(x);

if nc == 0

% empty vector passed in; return empty vector

d = x;

else

% actually calculate deltas

% Define window shape

hlen = floor(w/2);

w = 2*hlen + 1;

win = hlen:-1:-hlen;

% pad data by repeating first and last columns

xx = [repmat(x(:,1),1,hlen),x,repmat(x(:,end),1,hlen)];

% Apply the delta filter

d = filter(win, 1, xx, [], 2); % filter along dim 2 (rows)

% Trim edges

d = d(:,2*hlen + [1:nc]);

end

5. ent.mat

function result = ent(Y)

% Calculates the entropy of a vector of values

% Get frequency table


57

tab = tabulate(Y);

prob = tab(:,3) / 100;

% Filter out zero-entries

prob = prob(prob~=0);

% Get entropy

result = -sum(prob .* log2(prob))

6. cond_ent.mat

function result = cond_ent(Y, X)

% Calculates the conditional entropy of y given x

result = 0;

tab = tabulate(X);

% Remove zero-entries

tab = tab(tab(:,2)~=0,:);

for i = 1:size(tab,1)

% Get entropy for y values where x is the current value

H = ent(Y(X == tab(i,1)));

% Get probability

prob = tab(i, 3) / 100;

% Combine

result = result + prob * H;

end

7. build_tree.mat

function t = build_tree(X,Y,cols)

% Builds a decision tree to predict Y from X. The tree is grown by

% recursively splitting each node using the feature which gives the best

% information gain until the leaf is consistent or all inputs have the same

% feature values.


58

%

% X is an nxm matrix, where n is the number of points and m is the

% number of features.

% Y is an nx1 vector of classes

% cols is a cell-vector of labels for each feature

%

% RETURNS t, a structure with three entries:

% t.p is a vector with the index of each node's parent node

% t.inds is the rows of X in each node (non-empty only for leaves)

% t.labels is a vector of labels showing the decision that was made to get

% to that node

% Create an empty decision tree, which has one node and everything in it

inds = {1:size(X,1)}; % A cell per node containing indices of all data in

that node

p = 0; % Vector contiaining the index of the parent node for each node

labels = {}; % A label for each node

bVal = {};

coloum = {};

% Create tree by splitting on the root

[inds p labels bVal coloum] = split_node(X, Y, inds, p,labels, cols, 1,

bVal,coloum);

t.inds = inds;

t.p = p;

t.labels = labels;

t.bVal = bVal;

t.coloum = coloum;


59

function [inds p labels bVal coloum] = split_node(X, Y, inds, p, labels,

cols, node, bVal, coloum)

% Recursively splits nodes based on information gain

% Check if the current leaf is consistent

if numel(unique(Y(inds{node}))) == 1

return;

end

% Check if all inputs have the same features

% We do this by seeing if there are multiple unique rows of X

if size(unique(X(inds{node},:),'rows'),1) == 1

return;

end

% Otherwise, we need to split the current node on some feature

best_ig = -inf; %best information gain

best_feature = 0; %best feature to split on

best_val = 0; % best value to split the best feature on

curr_X = X(inds{node},:);

curr_Y = Y(inds{node});

% Loop over each feature

for i = 1:size(X,2)

feat = curr_X(:,i);

% Deterimine the values to split on

vals = unique(feat);

splits = 0.5*(vals(1:end-1) + vals(2:end));


60

if numel(vals) < 2

continue

end

% Get binary values for each split value

bin_mat = double(repmat(feat, [1 numel(splits)]) < repmat(splits',

[numel(feat) 1]));

% Compute the information gains

H = ent(curr_Y);

H_cond = zeros(1, size(bin_mat,2));

for j = 1:size(bin_mat,2)

H_cond(j) = cond_ent(curr_Y, bin_mat(:,j));

end

IG = H - H_cond;

% Find the best split

[val ind] = max(IG);

if val > best_ig

best_ig = val;

best_feature = i;

best_val = splits(ind);

end

end

% Split the current node into two nodes

feat = curr_X(:,best_feature);

feat = feat < best_val;

inds = [inds; inds{node}(feat); inds{node}(~feat)];

inds{node} = [];

p = [p; node; node];


61

labels = [labels; sprintf('%s < %2.2f', cols{best_feature}, best_val);

sprintf('%s >= %2.2f', cols{best_feature}, best_val)];

bVal = [bVal; best_val; best_val];

coloum = [coloum;best_feature;best_feature];

% Recurse on newly-create nodes

n = numel(p)-2;

[inds p labels bVal coloum] = split_node(X, Y, inds, p, labels, cols, n+1,

bVal,coloum);

[inds p labels bVal coloum] = split_node(X, Y, inds, p, labels, cols, n+2,

bVal,coloum);

8. MainGUI.mat

function varargout = GUIAkhir(varargin)

% MAINGUI M-file for MainGUI.fig

% MAINGUI, by itself, creates a new MAINGUI or raises the existing

% singleton*.

%

% H = MAINGUI returns the handle to a new MAINGUI or the handle

to

% the existing singleton*.

%

% MAINGUI('CALLBACK',hObject,eventData,handles,...) calls the

local

% function named CALLBACK in MAINGUI.M with the given input

arguments.

%

% MAINGUI('Property','Value',...) creates a new MAINGUI or raises

the

% existing singleton*. Starting from the left, property value pairs are

% applied to the GUI before MainGUI_OpeningFcn gets called. An

% unrecognized property name or invalid value makes property

application

% stop. All inputs are passed to MainGUI_OpeningFcn via varargin.


62

%

% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows

only one

% instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help MainGUI

% Last Modified by GUIDE v2.5 31-Jan-2016 23:01:37

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename, ...

'gui_Singleton', gui_Singleton, ...

'gui_OpeningFcn', @MainGUI_OpeningFcn, ...

'gui_OutputFcn', @MainGUI_OutputFcn, ...

'gui_LayoutFcn', [] , ...

'gui_Callback', []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1});

end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

gui_mainfcn(gui_State, varargin{:});

end

% End initialization code - DO NOT EDIT


63

% --- Executes just before MainGUI is made visible.

function MainGUI_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn.

% hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

% varargin command line arguments to MainGUI (see VARARGIN)

% Choose default command line output for MainGUI

handles.output = hObject;

% Update handles structure

guidata(hObject, handles);

% UIWAIT makes MainGUI wait for user response (see UIRESUME)

% uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line.

function varargout = MainGUI_OutputFcn(hObject, eventdata, handles)

% varargout cell array for returning output args (see VARARGOUT);

% hObject handle to figure



% Get default command line output from handles structure

varargout{1} = handles.output;

% --- Executes on button press in BtnProses.


64

function BtnProses_Callback(hObject, eventdata, handles)

% hObject handle to BtnProses (see GCBO)



clc;

warning off;

set(handles.axTotalLPC,'Visible','on');

n=1;

m=1;

Hasilf=[];

class=[];

for i=1:3

folder=['C:\Users\quadran\Documents\MATLAB\decision tree\class

',num2str(n),'\'];

j = 1;


while exist(file, 'file') == 2

[f,databaru] = preprosses(file);

axes(handles.axTotalLPC)

stem(databaru,'DisplayName','databaru');

pause(0.01);

f = f';

Hasilf=[Hasilf;f];

class(m)=n;

m=m+1;

j=j+1;


end


65

n=n+1;

end

class=class';

[m,n]=size(Hasilf);

for i=1:m

for j=1:n

if isnan(Hasilf(i,j))

Hasilf(i,j)=0;

end

end

end

for i=1:37

classAwal{i,1}='normal';

end

for i=38:292

classAwal{i,1}='KPr';

end

for i=293:416

classAwal{i,1}='KPy';

end

Hasilf=[class,Hasilf];

[Training1, Testing1, Training2, Testing2, Training3, Testing3] =

foldSaya( Hasilf );

% seedstruct = se_getseeds(foldsaya(Hasilf));


66

save('hasilPre-processing.mat','Hasilf','classAwal' , 'Training1', 'Testing1',

'Training2', 'Testing2', 'Training3', 'Testing3');

uiwait(msgbox('Pre-processing sudah selesai.'));

% --- Executes on button press in BtnAkurasi.

function BtnAkurasi_Callback(hObject, eventdata, handles)

% hObject handle to BtnAkurasi (see GCBO)




load('tree.mat','t');

class = testingTree(Testing3(:, 2:end), t, Training3(:, 1))';

result = [Testing3(:, 1), class];

acc = CalculateAcc(result);

save('acc.mat', 'acc');

set(handles.HasilAkurasi, 'String', strcat(int2str(acc), '%'));

function class = testingTree(att,tree,X)

%% X = Class awal

class = [];

for i = 1 : size(att, 1)

curr = 1;


while isempty(tree.inds{curr})

%att(tree.coloum(idx(1)))

if(att(i, tree.coloum{idx(1) - 1}) < tree.bVal{idx(1) - 1})


67

curr = idx(1);

else

curr = idx(2);

end


end

tree.inds{curr};

%%mencocokan data

val = X(tree.inds{curr});

class = [class unique(val)];

end

function acc = CalculateAcc(result)

equ = 0;

tot = 0;

for i = 1 : size(result, 1)

if(result(i, 1) == result(i, 2))

equ = equ + 1;

end

tot = tot + 1;

end

acc = equ * 100 / tot;

% --- Executes on button press in BtnTree.

function BtnTree_Callback(hObject, eventdata, handles)

% hObject handle to BtnTree (see GCBO)



68


%% Load the auto data


M = Training3;

% We want to predict the first column...

Y = M(:,1);

% ...based on the others

X = M(:,2:end);

%%untuk orde 8

%cols = {'att1','att2','att3','att4','att5','att6','att7','att8','att9'};

%cols =

{'att1','att2','att3','att4','att5','att6','att7','att8','att9','att10','att11','att12','att13',

'att14','att15','att16','att17','att18'};

cols =

{'att1','att2','att3','att4','att5','att6','att7','att8','att9','att10','att11','att12','att13',

'att14','att15','att16','att17','att18',...

'att19','att20','att21','att22','att23','att24','att25','att26','att27'};

%%untuk orde 12

%cols =

{'att1','att2','att3','att4','att5','att6','att7','att8','att9','att10','att11','att12','att13'

};

%cols ={'att1','att2','att3','att4','att5','att6','att7','att8','att9','att10','att11',...

%'att12','att13','att14','att15','att16','att17','att18','att19','att20','att21','att22','

att23','att24','att25','att26'};

%cols ={'att1','att2','att3','att4','att5','att6','att7','att8','att9','att10','att11',...

% 'att12','att13','att14','att15','att16','att17','att18','att19','att20','att21',...

%'att22','att23','att24','att25','att26','att27','att28','att29','att30','att31',....

%'att32','att33','att34','att35','att36','att37','att38','att39'};

%% Build the decision tree


69

t = build_tree(X,Y,cols);

h1 = figure;

%% Display the tree

treeplot(t.p');

title('Decision tree (Visual Tree)');

[xs,ys,h,s] = treelayout(t.p');

for i = 2:numel(t.p)

% Get my coordinate

my_x = xs(i);

my_y = ys(i);

% Get parent coordinate

parent_x = xs(t.p(i));

parent_y = ys(t.p(i));

% Calculate weight coordinate (midpoint)

mid_x = (my_x + parent_x)/2;

mid_y = (my_y + parent_y)/2;

% Edge label

text(mid_x,mid_y,t.labels{i-1});

% Leaf label

if ~isempty(t.inds{i})

val = Y(t.inds{i});

if numel(unique(val))==1

text(my_x, my_y, sprintf('y=%2.2f\nn=%d', val(1), numel(val)));


70

else

%inconsistent data

text(my_x, my_y, sprintf('**y=%2.2f\nn=%d', mode(val),

numel(val)));

end

end

end

save ('tree.mat','t');

% --- Executes on button press in UTbutton.

function UTbutton_Callback(hObject, eventdata, handles)

% hObject handle to UTbutton (see GCBO)




load('tree.mat');

index =str2double(get(handles.IndexInputUT,'String'));

dataIndex = Testing3(index, 2:end);

hasilclass = testingTree(Testing3(index, 2:end), t, Training3(:, 1))';

save('UT.mat', 'hasilclass');

% a = hasilclass;

% %check the boolean condition

% if a == 1

% % if condition is true then print the following

% fprintf('Normal' );

% elseif( a == 2)

% % if else if condition is true

% fprintf('Kanker Paru - paru)' );

% elseif a == 3

% % if else if condition is true


71

% fprintf('kanker payudara' );

% else

% % if none of the conditions is true '

% fprintf('maaf anda salah');

% end

set(handles.HasilUT, 'String', strcat(' ', int2str(hasilclass)));

set(handles.UTData,'Data',dataIndex);

function IndexInputUT_Callback(hObject, eventdata, handles)

% hObject handle to IndexInputUT (see GCBO)



% Hints: get(hObject,'String') returns contents of IndexInputUT as text

% str2double(get(hObject,'String')) returns contents of IndexInputUT

as a double

% --- Executes during object creation, after setting all properties.

function IndexInputUT_CreateFcn(hObject, eventdata, handles)

% hObject handle to IndexInputUT (see GCBO)


% handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.

% See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'),

get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end


72
