Klasifikasi Stadium Kanker Payudara Berbasis Data Ekspresi Gen Menggunakan Algoritma Stacking Ensembel Learning

Yoga Wijaya, Pra (2025) Klasifikasi Stadium Kanker Payudara Berbasis Data Ekspresi Gen Menggunakan Algoritma Stacking Ensembel Learning. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (2MB)
	PDF BAB_I.pdf Download (242kB)
	PDF BAB_II.pdf Download (434kB)
	PDF BAB_III.pdf Download (413kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (903kB)
	PDF BAB_V.pdf Download (216kB)
	PDF DAFTAR_PUSTAKA.pdf Download (219kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (973kB)

Abstract

Kanker payudara merupakan salah satu penyebab utama kematian pada wanita. Deteksi dini terhadap stadium kanker payudara sangat diperlukan sebagai tindakan untuk meningkatkan angka keberlangsungan hidup pasien. Penelitian ini bertujuan untuk membangun model klasifikasi stadium kanker payudara (early stage dan late stage) berbasis machine learning dengan menggunakan data ekspresi gen (RNA- seq) dari The Cancer Genome Atlas Breast cancer (TCGA-BRCA). Pendekatan yang dilakukan melibatkan seleksi fitur bioinformatika dan statistika, menggunakan Differentially Expressed Genes (DEG) dengan paket limma sebagai seleksi fitur bioinformatika dan menggunakan Logistic Regression, serta Analysis of Variance (ANOVA) sebagai pendekatan seleksi fitur statistika. Model klasifikasi dibangun dengan algoritma Stacking Ensembel Learning dengan Random Forest, XGBoost, Support Vector Machine (SVM), dan Logistic Regression sebagai base learners. Model terbaik pada penelitian ini mampu mencapai accuracy 93,47%, precision 93,52%, recall 93,47%, dan f1-score 93,49%. Berdasarkan model terbaik, terdapat 48 gen kandidat potensial biomarker, 7 gen diantaranya telah didukung oleh literatur terdahulu terkait kanker payudara. Pengujian biomarker juga dilakukan dengan menghitung nilai ROC-AUC individual gen dan didapatkan bahwa nilai tertinggi hanya mencapai 0.638, menunjukan bahwa kontribusi setiap gen dapat menghasilkan model yang lebih kuat dibandingkan secara individual. Penelitian ini mendukung potensi pendekatan machine learning dalam klasifikasi stadium kanker payudara pada data ekspresi gen RNA-seq secara efektif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Yoga Wijaya, Pra (00000061956)
Contributors:	Widjaja, Moeljono Agustriawan, David
Keywords:	Biomarker, Kanker Payudara, Machine Learning, RNA-seq, Seleksi Fitur
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:45
URI:	https://kc.umn.ac.id/id/eprint/40473

Actions (login required)

View Item