Kajian Regresi Logistik Terpenalti pada Data Dimensi Tinggi

Abstract

Klasifikasi merupakan salah satu teknik data mining yang paling populer. Analisis klasifikasi sering melibatkan data berdimensi tinggi dimana peubah penjelas jauh lebih banyak dari pada amatan. Salah satu data dimensi tinggi adalah microarray. Microarray memuat data ekspresi gen yang memiliki puluhan ribu gen dengan jumlah amatan yang lebih sedikit. Pada data berdimensi tinggi sering terjadi pelanggaran syarat multikolinieritas. Kemudian, peubah respon hanya terkait dengan sejumlah kecil peubah penjelas, diantara sejumlah besar peubah yang mungkin. Maka dari itu, seleksi peubah penting dilakukan untuk menentukan gen gen yang relevan pada data ekspresi gen. Salah satu metode yang tepat untuk analisis ekspresi gen dengan peubah respon biner yang bisa mengatasi masalah multikolinieritas adalah regresi logistik terpenalti. Penelitian ini membandingkan dua metode regresi logistik terpenalti, yaitu Correlation based penalized logistic regression (CBPLR) dan Adjusted adaptive elastic net (AAElastic). Penelitian ini terdiri dari kajian simulasi dan kajian terapan dengan data rill. .. dst