Kanker payudara adalah salah satu penyakit kanker mematikan di dunia.
Diagnosa dini penyakit kanker payudara diperlukan agar penyakit kanker dapat
ditangani dengan baik. Penelitian ini menggunakan data microarray untuk
mendiagnosa penyakit kanker payudara. Sebelum proses analisa data dilakukan
normalisasi data menggunakan min-max normalization. Data microarray kanker
payudara yang digunakan memiliki 22283 fitur. Fitur tersebut terdiri dari gen-gen
yang terdapat dalam tubuh manusia. Semua fitur memungkinkan tidak memberi
pengaruh signifikan terhadap data sehingga perlu dilakukan proses seleksi fitur.
Proses seleksi fitur menggunakan metode Support Vector Machine-Recursive
Elimination (SVM-RFE) dan digunakan sebagai masukan untuk membangun
sebuah model menggunakan metode Support Vector Machine (SVM). Dalam
penelitian ini juga membandingkan evaluasi hasil klasifikasi kanker payudara
menggunakan semua fitur dan menggunakan fitur yang telah terseleksi.
Kompleksitas algoritma SVM-RFE adalah ????(????(????3)). Hasil dari penelitian ini
menunjukkan bahwa klasifikasi kanker payudara menggunakan semua fitur
menghasilkan akurasi sebesar 87.2% tetapi dengan adanya proses seleksi fitur
sebelum membangun model, dengan menggunakan 128 fitur terseleksi akurasi
yang dihasilkan lebih tinggi mencapai 90.6%.
Kata Kunci : Data Microarray, Gen Kanker Payudara, Seleksi Fitur, Support
Vector Machine Recursive Feature Elimination (SVM-RFE).