ABSTRAK
Dengan berkembangnya ilmu pengetahuan dan teknologi, cara pengobatan kanker usus besar dan obat-obatan untuk penyembuhannya semakin banyak. Penyembuhannya juga meningkat dalam derajat tertentu, namun, di antara mereka, penyembuhan terhadap penderita kanker usus besar dini lebih baik daripada penderita serupa yang telah berat.
Data mining yang merupakan sebuah proses untuk mengeksplorasi dan menganalisis data dalam jumlah yang besar dan bertujuan untuk menemukan pola dan keteraturan yang berguna dalam proses pengambilan keputusan di masa depan, muncul sebagai solusi untuk pencegahan dini terhadap kanker usus besar ini.
Pada tugas akhir ini akan diimplementasikan bagaimana pencegahan dini tersebut dapat dilakukan, yaitu dengan menggunakan Predictive by Collective Likelihoods (PCL) yang sangat berguna untuk mengefektifkan penggunaan rule. Dimana untuk mengekspresikan profile suatu gen dalam data kedokteran, penggunaan rule-rule sederhana lebih efektif, karena rule-rule tersebut dapat membantu kita untuk lebih memahami tentang masalahnya. Rule-rule tersebut didapat dengan membuat interval terhadap data numerik dengan menggunakan discretization, kemudian rule-rule tersebut diubah menjadi Emerging Pattern. Emerging Pattern inilah yang nantinya sangat berguna untuk Predictive by Collective Likelihoods (PCL).
1.1 Latar Belakang
Seiring dengan berkembangnya ilmu pengetahuan dan teknologi serta ilmu kedokteran, banyak penyakit yang membahayakan menjadi tidak menakutkan, tetapi mayoritas penyakit kanker tetap sulit disembuhkan. Kanker yang disebut juga tumor ganas, adalah penyakit yang berciri pertumbuhan abnormal serta pengalihan sel-sel. Dalam pengobatan penyakit kanker, penemuan, diagnosa, dan pengobatan dini terhadap penyakit kanker mempunyai arti penting. Penderita kanker usus besar jika dapat menjalani pengobatan dini, maka 90 persen penderita dapat terus hidup setidaknya 5 tahun lagi.
Dari data-data yang sudah ada mengenai penderita kanker usus besar, dapat diperoleh rule-rule yang nantinya dapat dibuat menjadi suatu prediksi yang berguna untuk pengobatan dini. Pengambilan keputusan terhadap data merupakan hal yang sangat penting dalam mendiagnosa suatu penyakit, karena dalam pendiagnosaan suatu penyakit, alasan yang dihasilkan mungkin akan menjadi hal yang sangat penting dalam pendiagnosaan selanjutnya.
Oleh karena itu, dalam tugas akhir ini dibangun suatu implementasi Prediction by Collective Likelihoods (PCL), yaitu salah satu metode klasifikasi yang menggunakan Emerging Pattern. Emerging Pattern ini menghasilkan rule yang menarik, yaitu rule yang memenuhi suatu interval dan frekuensi tertentu, yang nantinya dapat membantu untuk memprediksi pendiagnosan suatu penyakit dalam kasus ini kanker usus besar, dimana Emerging Pattern dapat dikombinasikan menjadi rule yang sangat reliable untuk memprediksi.
Ide dasar dari Prediction by Collective Likelihoods (PCL) adalah memeriksa hubungan antara top ranked Emerging Pattern (K-EP) dan Emerging Pattern yang terkandung pada sampel berdasar K-EP yang digunakan. Setelah itu, Prediction by Collective Likelihoods (PCL) mengkalkulasi hubungan yang ada, sehingga dapat diprediksi kelas dari sampel.
1.2 Perumusan Masalah
Dengan mengacu pada latar belakang masalah diatas, maka permasalahan yang dibahas dan diteliti adalah :
1. Bagaimana menerapkan metode Prediction by Collective Likelihoods (PCL) dengan menggunakan rule-rule Emerging Pattern dari dataset yang sudah di discretization.
2. Bagaimana performansi Prediction by Collective Likelihoods (PCL) dalam menganalisis suatu kasus.
1.3 Tujuan Pembahasan
Mengimplementasikan metode Prediction by Collective Likelihoods (PCL) untuk menemukan pola-pola (rule) yang menarik yaitu rule yang dihasilkan oleh emerging pattern setelah di discretization.
2. Melakukan analisis terhadap rule tersebut serta mencari jumlah Emerging Pattern (K-EP) yang paling optimum untuk memprediksi data test sehingga dapat mengetahui bagaimana performansi dari Prediction by Collective Likelihoods (PCL).
yang dibahas adalah suatu implementasi menggunakan metode Prediction by Collective Likelihoods (PCL) dengan batasan masalahnya sebagai berikut :
1. Datasets yang digunakan harus bertipe numerik.
2. Datasets yang digunakan adalah datasets kanker usus besar.
3. Data input untuk Prediction by Colective Likelihoods (PCL) telah melalui proses pre-processing yaitu discretization dan Emerging Pattern.
0 komentar:
Posting Komentar