Klasifikasi Stadium Kanker Payudara Berbasis Gen-miRNA dengan SVM dan Ridge Regression serta Seleksi Fitur ANOVA-RFE

Agustinus, Agustinus (2025) Klasifikasi Stadium Kanker Payudara Berbasis Gen-miRNA dengan SVM dan Ridge Regression serta Seleksi Fitur ANOVA-RFE. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (177MB)
	PDF BAB_I.pdf Download (4MB)
	PDF BAB_II.pdf Download (4MB)
	PDF BAB_III.pdf Download (4MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_V.pdf Download (4MB)
	PDF DAFTAR_PUSTAKA.pdf Download (4MB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)

Abstract

Kanker payudara merupakan penyebab utama kematian pada wanita, di mana deteksi stadium dini krusial untuk meningkatkan prognosis pasien. Penelitian ini bertujuan mengembangkan model klasifikasi berbasis machine learning untuk membedakan stadium I dan III kanker payudara menggunakan data ekspresi gen dari The Cancer Genome Atlas (TCGA) pada wanita ras kulit putih. Pendekatan yang digunakan melibatkan seleksi fitur dengan Analysis of Variance (ANOVA) untuk memilih 1000 fitur awal, dilanjutkan Recursive Feature Elimination (RFE) hingga diperoleh 35 fitur optimal, dan klasifikasi menggunakan Logistic Regression dengan penalti L2. Hasil penelitian menunjukkan model terbaik mampu mencapai akurasi 97%, presisi 97%, recall 97%, dan F1-score 97% pada skenario stadium I vs. III, dengan durasi komputasi hanya 8 detik. Performa ini lebih unggul dibandingkan skenario stadium II vs. III (F1-score maksimum 88%) dan penggunaan data miRNA (F1-score maksimum 82%), menegaskan efektivitas data ekspresi gen dalam klasifikasi stadium. Sebanyak 35 gen kandidat biomarker berhasil diidentifikasi, dengan 10 gen didukung literatur terkait kanker payudara, sementara 25 lainnya berpotensi sebagai penanda baru. Analisis ROC AUC individual menunjukkan nilai maksimum 0,639, mengindikasikan kekuatan prediktif bergantung pada kombinasi multivariat. Penelitian ini membuktikan potensi pendekatan pembelajaran mesin dalam mendeteksi stadium kanker payudara secara akurat dan efisien.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Ekspresi Gen, Kanker Payudara, Klasifikasi Stadium, Machine learning, Seleksi Fitur
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	29 Jul 2025 11:02
Last Modified:	29 Jul 2025 11:02
URI:	https://kc.umn.ac.id/id/eprint/39399

Actions (login required)

View Item