Text

Klasifikasi Kanker Payudara Berdasarkan Profil Microrna Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Dengan Optimasi Algoritma Nguyen-Widrow dan Stimulus-Sampling

---

ABSTRAK

Kanker payudara sebagai salah satu penyebab kematian terbanyak di dunia, berpotensi lebih tinggi terjadi pada negara berkembang, termasuk Indonesia. Salah satu upaya yang dapat dilakukan untuk mengurangi jumlah kasus kematian akibat kanker adalah melakukan deteksi dini. MicroRNA merupakan salah satu biomarker untuk kanker payudara dan dengan bantuan teknologi jaringan saraf tiruan memungkinkan untuk membantu dalam proses klasifikasi. Metode Jaringan Saraf Tiruan Backpropagation atau bisa disebut Backpropagation memiliki performa yang baik dalam generalisasi serta memiliki kemampuan belajar yang baik, sehingga cocok digunakan sebagai metode klasifikasi dengan banyak fitur. Namun, Backpropagation masih mempunyai kelemahan, yaitu lamanya waktu pelatihan yang dibutuhkan. Kemampuan pemrosesan Backpropagation ini di antaranya ditentukan oleh pola hubungan antar neuron dan penentuan bobot. Algoritma Nguyen-Widrow diketahui dapat menurunkan waktu pelatihan Backpropagation yang dibutuhkan, tetapi algoritma ini masih belum dapat meningkatkan akurasi, sensitifitas, dan spesifisitas Backpropagation secara signifikan. Penerapan algoritma Stimulus-Sampling dapat meningkatkan akurasi, sensitifitas, dan spesifisitas Backpropagation. Penelitian ini bertujuan untuk melakukan klasifikasi kanker payudara berdasarkan profil MicroRNA menggunakan metode Backpropagation dengan optimasi algoritma Nguyen-Widrow dan Stimulus-Sampling. Menggunakan data profil MicroRNA kelas normal dan kelas kanker payudara, penelitian menghasilkan nilai 0.4 sebagai nilai alpha terbaik dan 4 sebagai jumlah hidden unit terbaik pada metode Backpropagation. Selanjutnya, algoritma Nguyen-Widrow dan Stimulus-Sampling diterapkan pada metode Backpropagation. Hasil penelitian menunjukkan bahwa kombinasi penggunaan algoritma Nguyen-Widrow dan Stimulus-Sampling menghasilkan kinerja Backpropagation terbaik dengan akurasi 99.05%, sensitifitas 98.60%, spesifisitas 99.60%, dan nilai AUC 0.9912.
Kata Kunci : Kanker payudara, MicroRNA, Jaringan saraf tiruan Backpropagation, Nguyen-Widrow, Stimulus-Sampling, Nguyen-Widrow dan Stimulus-Sampling

ABSTRACT

Breast cancer, as one of the leading causes of death in the world, had higher potential to occurs in developing countries, including Indonesia. One way that could be done to reduce the cancer death rate was to do early detection. MicroRNA was known as biomarker for breast cancer and with the help of artificial neural network technology made it possible to perform a classification process. Backpropagation Neural Network had good performance in generalization and learning ability, so it was suitable to be the classification method with many features. However, Backpropagation had a drawback related to its long training time. Nguyen-Widrow algorithm could shorten the training time, but the accuracy, sensitifity, and specificity was not increased significantly. The use of Stimulus-Sampling algorithm coud increase the accuracy, sensitifity, and specificity of Backpropagation. This research was conducted to classify breast cancer based on MicroRNA profiles using Backpropagation with Nguyen-Widrow and Stimulus-Sampling algorithm optimization. Using MicroRNA profile data, this research yielded 0.4 as the best alpha value and 4 as the best hidden units for Backpropagation method. Then, Nguyen-Widrow and Stimulus-Sampling algorithm was applied to Backpropagation method. The results showed that the combination of Nguyen-Widrow and Stimulus-Sampling algorithm produced the best Backpropagation performance with 99.05% accuracy, 98.60% sensitivity, 99.60% specificity, and AUC value of 0.9962.
Keywords : Artificial neural network, Backpropagation, Nguyen-Widrow, Stimulus-Sampling, Breast cancer, MicroRNA, Nguyen-Widrow and Stimulus-Sampling

---

Ketersediaan

671F18IV

671 F 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

671 F 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

620105

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Dwi Setianto

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar