Optimasi Model Klasifikasi Stadium Kanker Prostat Menggunakan Algoritma XGBoost pada Data Ekspresi MicroRNA Berdasarkan Ras

Syechlo, Jheno (2026) Optimasi Model Klasifikasi Stadium Kanker Prostat Menggunakan Algoritma XGBoost pada Data Ekspresi MicroRNA Berdasarkan Ras. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (588kB)
	PDF BAB_I.pdf Download (214kB)
	PDF BAB_II.pdf Download (383kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (390kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (323kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (235kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (574kB)
	Archive (ZIP) 00000067872_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Kanker prostat merupakan salah satu kanker dengan tingkat kejadian dan kematian yang tinggi pada pria di seluruh dunia. Perbedaan ras diketahui memengaruhi karakteristik biologis kanker prostat sehingga dapat berdampak pada performa model klasifikasi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi stadium kanker prostat berbasis data ekspresi microRNA (miRNA) menggunakan algoritma XGBoost serta mengevaluasi pengaruh metode seleksi fitur dan perbedaan ras terhadap performa model. Dataset diperoleh dari GDC TCGA melalui UCSC Xena Browser dan terdiri atas data ekspresi miRNA serta data klinis pasien kanker prostat. Seleksi fitur dilakukan menggunakan T-test, Mutual Information, Chi-square, dan limma, sedangkan penyeimbangan data menggunakan Random Oversampler, SMOTE, SMOTEENN, dan BorderlineSMOTE. Interpretasi model dilakukan menggunakan Local Interpretable Model-agnostic Explanations (LIME). Hasil penelitian menunjukkan bahwa model terbaik menggunakan 20 fitur miRNA hasil seleksi limma dengan teknik Random Oversampler dan rasio data 70:30, menghasilkan akurasi 86%, presisi 89%, recall 96%, dan F1-score 92% pada data pasien ras White. Pengujian pada data pasien ras Black menghasilkan akurasi 74%, yang menunjukkan adanya pengaruh perbedaan ras terhadap kemampuan generalisasi model. Penelitian ini menunjukkan bahwa kombinasi seleksi fitur dan XGBoost efektif untuk klasifikasi stadium kanker prostat berbasis data miRNA.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Syechlo, Jheno (00000067872)
Contributors:	Agustriawan, David
Keywords:	Explainable Artificial Intelligence, Kanker Prostat, miRNA, Seleksi Fitur, XGBoost.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	27 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/48204

Actions (login required)

View Item