Prediksi Stadium Kanker Payudara Berbasis Data miRNA dan Gen dengan Seleksi Fitur dan Voting Classifier

Leeman, Renfred (2025) Prediksi Stadium Kanker Payudara Berbasis Data miRNA dan Gen dengan Seleksi Fitur dan Voting Classifier. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (258kB)
	PDF BAB_II.pdf Download (487kB)
	PDF BAB_III.pdf Download (509kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (211kB)
	PDF DAFTAR_PUSTAKA.pdf Download (234kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (897kB)

Abstract

Kanker payudara merupakan salah satu penyebab utama kematian pada perempuan di seluruh dunia. Deteksi dini terhadap stadium kanker payudara sangat penting untuk meningkatkan peluang keberhasilan pengobatan. Penelitian ini bertujuan untuk membangun model klasifikasi stadium kanker payudara (early stage dan advanced stage) dengan memanfaatkan data ekspresi gen dan miRNA dari basis data The Cancer Genome Atlas (TCGA). Proses penelitian melibatkan tahapan praproses data, seleksi gen dan miRNA berdasarkan dan tanpa analisis Differentially Expressed Genes (DEG) menggunakan metode limma, dilanjutkan dengan seleksi fitur menggunakan kombinasi Logistic Regression (L1) dan Recursive Feature Elimination (RFE). Model klasifikasi dilatih menggunakan algoritma Support Vector Machine (SVM), Random Forest (RF), Logistic Regression (LR), dan Voting Classifier. Evaluasi dilakukan secara realistis menggunakan pembagian data train dan test. Hasil penelitian menunjukkan bahwa data ekspresi gen dengan model Voting Classifier mampu mencapai akurasi hingga 92,6% pada data pengujian. Selain itu, penelitian ini berhasil mengidentifikasi kombinasi biomarker potensial sebanyak 41 fitur, yang menunjukkan kontribusi kolektif yang lebih kuat dibandingkan penggunaan fitur tunggal. Temuan ini menegaskan bahwa seleksi fitur terstruktur dan pendekatan multivariabel dapat meningkatkan akurasi klasifikasi stadium kanker payudara serta mendukung identifikasi biomarker molekuler secara lebih efisien dan aplikatif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Leeman, Renfred (00000056836)
Contributors:	Vasty Overbeek, Marlinda Agustriawan, David
Keywords:	Biomarker, Differentially Expressed Genes, Gen, Kanker payudara, miRNA
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:10
URI:	https://kc.umn.ac.id/id/eprint/40095

Actions (login required)

View Item