PEMILIHAN PROFIL FITUR EKSPRESI MICRORNA UNTUK KLASIFIKASI STADIUM KANKER OVARIUM MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION

Anjarwati , Anjarwati and Wibowo, Adi (2017) PEMILIHAN PROFIL FITUR EKSPRESI MICRORNA UNTUK KLASIFIKASI STADIUM KANKER OVARIUM MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

394Kb

Abstract

Penyakit kanker ovarium adalah penyakit mematikan dan memerlukan penanganan serius. Kanker ovarium juga merupakan penyebab ke-5 terbanyak dari kematian wanita yang disebabkan oleh kanker. Di Indonesia kanker ovarium menempati urutan ke empat dengan angka kejadian 15 kasus per 100.000 wanita. Deteksi dini diperlukan agar penyakit kanker dapat diketahui di stadium awal. Tingginya angka mortalitas kanker ovarium disebabkan oleh kurang efektifnya strategi untuk deteksi dini penyakit tersebut, padahal jika ditemukan pada stadium awal angka harapan hidup penderita kanker ovarium akan jauh meningkat jika dibandingkan dengan dideteksi saat sel kanker sudah menyebar (metastasis) atau dalam stadium lanjut. MicroRNA dapat dijadikan sebagai biomarker yang potensial untuk penyakit kanker, karena profil fitur dari microRNA pada kanker ovarium akan mengalami penurunan atau peningkatan ekspresi jika dibandingkan dengan profil fitur dari microRNA normal. Prediksi dapat dilakukan dengan menggunakan metode jaringan syaraf tiruan. Salah satu model jaringan syaraf tiruan yang mendukung prediksi adalah backpropagation. Dalam penelitian tugas akhir ini, penulis mencoba memilih profil fitur ekspresi microRNA terbaik untuk klasifikasi stadium kanker ovarium menggunakan jaringan saraf tiruan Backpropagation. Stadium kanker ovarium yang diklasifikasikan yaitu sebelum metastasis dan setelah metastasis. Hasil penelitian menunjukkan bahwa profil fitur ekspresi microRNA terbaik untuk klasifikasi stadium kanker ovarium menggunakan jaringan saraf tiruan Backpropagation adalah miR-200a, miR-200c, dan miR-141 dengan konfigurasi, alpha = 0.8, hidden neuron = 3, error target = 0.0001, dan maksimal epoch = 100.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:60639
Deposited By:Mrs. Rismiyati .
Deposited On:09 Feb 2018 11:05
Last Modified:09 Feb 2018 11:05

Repository Staff Only: item control page