Penerapan Multilayer Perceptron dengan Optimisasi Pemilihan Fitur untuk Klasifikasi Stadium Kanker Prostat

Mulia, Adithama (2026) Penerapan Multilayer Perceptron dengan Optimisasi Pemilihan Fitur untuk Klasifikasi Stadium Kanker Prostat. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (596kB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (401kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (702kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (211kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (543kB)
	Archive (ZIP) 00000067958_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Perkembangan kanker prostat menunjukkan variasi yang cukup besar akibat faktor biologis dan ras. DNA methylation telah banyak diteliti sebagai biomarker potensial untuk deteksi dan pemantauan perkembangan kanker, namun pemanfaatannya bersama metode machine learning pada populasi dengan latar belakang ras yang berbeda masih terbatas. Penelitian ini bertujuan untuk mengembangkan model klasifikasi stadium kanker prostat menggunakan data DNA methylation dari kelompok ras mayoritas (White) serta mengevaluasi kinerjanya pada kelompok ras lainnya. Data DNA methylation dan data klinis diperoleh dari dataset TCGA- PRAD. Analisis Differentially Methylated Positions (DMP) dilakukan untuk mengidentifikasi situs CpG yang berhubungan dengan stadium kanker prostat. Fitur yang diperoleh kemudian diseleksi lebih lanjut menggunakan Recursive Feature Elimination (RFE) untuk mendapatkan fitur yang paling relevan. Fitur terpilih digunakan sebagai masukan untuk melatih model Multilayer Perceptron (MLP) yang mengklasifikasikan pasien ke dalam stadium awal (stadium I­II) dan stadium lanjut (stadium III­IV). Selain itu, metode SHAP dan LIME digunakan untuk membantu interpretasi model dan mengidentifikasi fitur yang paling berpengaruh terhadap hasil prediksi. Model terbaik menghasilkan akurasi sebesar 95% dan nilai Area Under the Curve (AUC) hingga 99% pada data kelompok White dengan menggunakan 90 fitur CpG terpilih. Namun, performa model menurun secara signifikan ketika diterapkan pada kelompok ras minoritas. Hasil ini menunjukkan adanya perbedaan pola methylation antar ras serta pengaruh ketidakseimbangan jumlah sampel terhadap kemampuan generalisasi model. Secara keseluruhan, penelitian ini menekankan pentingnya pengembangan model yang mempertimbangkan faktor ras untuk meningkatkan akurasi klasifikasi stadium kanker prostat berbasis DNA methylation.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Mulia, Adithama (00000067958)
Contributors:	Agustriawan, David
Keywords:	Kanker prostat, metilasi DNA, pembelajaran mesin, Multilayer Perceptron (MLP), klasifikasi stadium kanker.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	25 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/48118

Actions (login required)

View Item