IDEKTIFIKASI GEN MARKER PBMCS ISCHEMIC STROKE MENGGUNAKAN ANALISIS BIOINFORMATIKA DAN SUPPORT VECTOR MACHINE

Abstrak

Penyakit stroke adalah kondisi ketika aliran darah ke otak terhambat atau terputus, mengakibatkan kerusakan pada sel-sel otak. Diperkirakan ada 50 juta kasus stroke di seluruh dunia, dengan 9 juta di antaranya mengakibatkan kecacatan berat. Penelitian ini bertujuan untuk melakukan klasifikasi dan melihat genomic profiling antara penderita stroke iskemik kontrol dan non kontrol dengan analisis support vector machine (SVM). Data yang digunakan adalah data microarray dengan kode series GSE22255 dari Institut Kedokteran Molekuler di kota Lisbon, Portugal. Untuk melihat perbandingan akurasi yang dihasilkan, analisis dilakukan dengan beberapa skema berdasarkan kernel dan nilai cost optimal pada metode SVM yaitu kernel linier, polinomial, RBF dna sigmoid. Dari hasil analisis diketahui bahwa metode SVM dengan skema kernel terbaik yaitu menggunakan kernel RBF dan optimal cost 1 dengan nilai akurasi sebesar 88.0%, Model SVM dengan kernel sigmoid tidak dapat digunakan untuk klasifikasi karena nilai akurasinya yang sangat rendah. Sementara itu, SVM dengan kernel linear dan polynomial masih tetap dapat digunakan karena nilai akurasinya >70% .