<![CDATA[AbstrakDalam bidang kesehatan DNA microarray banyak digunakan untuk memprediksi penyakit kanker, dimanasel kanker dapat mengalami abnormalitas dalam mengekspresikan gennya. DNA microarray inimemungkinkan untuk mengetahui tahapan perkembangan sel kanker dengan melihat level ekspresigennya. Analisis data ekspresi gen dalam bentuk microarray dapat memudahkan ahli medis dalammendeteksi dan mendiagnosis apakah seseorang menderita kanker atau tidak. Data microarray sendirimemiliki dimensi yang besar sehingga dapat mempengaruhi proses dan akurasi klasifikasinya. Oleh karenaitu, untuk melakukan proses pengklasifikasian pada data microarray, perlu dilakukan sebuah proses yaitureduksi dimensi. Reduksi dimensi ini bertujuan agar mengurangi redudancy dan meningkatkan relevancepada data yang dimiliki. Dalam hal ini, penulis menggunakan metode Minimum Redudancy MaksimumRelevance (MRMR) yang dioptimasi menggunakan metode Genetic Algorithm (GA). Secara singkat MRMRadalah teknik yang digunakan untuk mengidentifikasi himpunan gen yang memiliki relevansi tinggiterhadap atribut kelas akan tetapi memiliki redudansi yang rendah antar atributnya. MRMR berupayauntuk mengatasi permasalahan ini dengan menghapus subset atribut yang dianggap tidak diperlukan.Kemudian algoritma Functional Link Neural Network (FLNN) dengan basis Legendre Polynomialdigunakan untuk proses pengklasifikasian pada data microarray. Pada pengujian MRMR GA denganklasifikasi Functional Link Neural Network (FLNN) didapatkan kenaikan hasil akurasi pada data ColonTumor sebesar 5,55% - 16,66%, pada data Lung sebesar 2,78 - 5,56% dan pada data Ovarian sebesar 2%- 2,67%.Kata kunci: Klasifikasi, FLNN, MRMR, GA, DNA microarray AbstractIn the field of health DNA microarrays are widely used to predict cancer, in which cancer cells canexperience abnormalities in expressing their genes. This DNA microarray makes it possible to determinethe stages of development of cancer cells by looking at the level of gene expression. Analysis of geneexpression data in the form of microarrays can facilitate medical experts in detecting and diagnosingwhether a person has cancer or not. Microarray data itself has large dimensions so that it can affect theprocess and classification accuracy. Therefore, to do the classification process in microarray data, it isnecessary to do a process that is dimension reduction. This dimension reduction aims to reduce redundancyand increase the relevance of the data owned. In this case, the author uses the Minimum ReductionMaximum Relevance (MRMR) method which is optimized using the Genetic Algorithm (GA) method. Inshort MRMR is a technique used to identify a set of genes that has high relevance to class attributes but haslow redundancy between attributes. MRMR seeks to overcome this problem by removing the subset ofattributes that are considered unnecessary. Then the Functional Link Neural Network (FLNN) algorithmwith Legendre Polynomial base is used for the classification process in microarray data. In the GA MRMRtest with the Functional Link Neural Network (FLNN) classification we found an increase in the accuracyof the Colon Tumor data of 5.55% - 16.66%, in the Lung data of 2.78 - 5.56% and in the Ovarian data of 2% - 2.67%.Keywords: classification, FLNN, MRMR, GA, DNA microarray ]]>
