Klasifikasi Stadium Kanker Prostat Menggunakan LR dan RF dengan Seleksi Fitur Lasso-RFE berbasis Data Gen dan miRNA

Wijaya, Ivandy (2025) Klasifikasi Stadium Kanker Prostat Menggunakan LR dan RF dengan Seleksi Fitur Lasso-RFE berbasis Data Gen dan miRNA. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (847kB)
	PDF BAB_I.pdf Download (218kB)
	PDF BAB_II.pdf Download (292kB)
	PDF BAB_III.pdf Download (369kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (224kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (811kB)

Abstract

Kanker prostat merupakan salah satu jenis kanker yang paling umum terjadi pada pria dan menghadirkan tantangan dalam proses penentuan stadium kanker yang dini dan akurat. Penelitian ini bertujuan untuk menggunakan pendekatan berbasis pembelajaran mesin dalam mengklasifikasikan kanker prostat stadium II dan III menggunakan data transkriptomik (RNA-seq dan miRNA) dari The Cancer Genome Atlas Prostate Adenocarcinoma (TCGA-PRAD). Dua pendekatan seleksi fitur digunakan, yaitu analisis gen yang diekspresikan secara berbeda (Differentially Expressed Genes/DEG) dan penyaringan statistik (LASSO + RFE). Delapan skenario eksperimen dikembangkan dengan menggabungkan berbagai jenis data, metode seleksi fitur, dan algoritma klasifikasi (Logistic Regression dan Random Forest). Performa terbaik diperoleh dari kombinasi data ekspresi gen dengan metode seleksi fitur LASSO + RFE serta algoritma Logistic Regression. Model yang dihasilkan mencapai akurasi sebesar 99,17%, precision sebesar 99,05%, recall sebesar 90%, dan F1-score sebesar 90%. Sebanyak 25 gen terpilih digunakan dalam model optimal akhir. Analisis lanjutan menunjukkan bahwa meskipun kemampuan diskriminatif tiap gen secara individu terbatas, penggunaan gabungan gen-gen tersebut memberikan performa klasifikasi yang unggul, yang menyoroti pentingnya interaksi antar gen.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Wijaya, Ivandy (00000061844)
Contributors:	Widjaja, Moeljono Agustriawan, David
Keywords:	Ekspresi Gen, Kanker prostat, miRNA, Pembelajaran mesin, Seleksi fitur
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:42
URI:	https://kc.umn.ac.id/id/eprint/40459

Actions (login required)

View Item