Text

Perbandingan Nilai Akurasi Klasifikasi Kanker Payudara Dengan Data Microrna Menggunakan Metode Deep Neural Network (DNN) Tanpa Dan Dengan Optimasi Batch Normalization

---

ABSTRAK
Kanker payudara merupakan salah satu penyebab kematian terbanyak di dunia. Salah satu
upaya yang dapat dilakukan untuk mengurangi jumlah kasus kematian akibat kanker ini
adalah melakukan deteksi dini dengan menggunakan data MicroRNA. MicroRNA merupakan
salah satu biomarker kanker yang dapat membantu dalam proses klasifikasi. MicroRNA
dapat digunakan untuk mengenali apakah suatu sel merupakan sel kanker atau bukan bahkan
dalam stadium paling awal. Metode Deep Neural Network (DNN) terdiri dari dua atau lebih
lapisan belajar mandiri (hidden layer), dengan bobot unit yang terhubung sepenuhnya antara
dua lapisan yang berdekatan dapat dipelajari secara otomatis. Namun, DNN masih memiliki
kelemahan yaitu perubahan dalam distribusi input setiap lapisan yang menyebabkan masalah
karena lapisan perlu terus beradaptasi dengan distribusi baru sehingga menghasilkan nilai
akurasi yang kurang optimal. Dikarenakan perubahan distribusi input setiap lapisan ini, salah
satu solusi untuk mengoptimalkan kinerja DNN adalah dengan menggunakan algoritma
Batch Normalization. Batch Normalization menjadikan normalisasi sebagai bagian dari
arsitektur model yang membuat jaringan lebih stabil dengan rentang gradient yang lebih
kecil. Penelitian ini dilakukan untuk mengoptimalkan kinerja metode DNN yang digunakan
untuk klasifikasi kanker payudara menggunakan data MicroRNA dengan menambahkan
algoritma Batch Normalization. Hasil penelitian pada DNN standar dengan 4 hidden layer
dengan masing-masing 200 hidden unit, dan dropout rate 50% menghasilkan rata-rata nilai
akurasi sebesar 58.67%. Sedangkan hasil penelitian menunjukkan bahwa penerapan
algoritma Batch Normalization pada DNN standar dengan 2 hidden layer dengan masingmasing 200 hidden unit, dan dropout rate 50% menghasilkan rata-rata nilai akurasi terbaik
yaitu sebesar 93.67%. Menggunakan data MicroRNA kanker payudara, penerapan metode
DNN dengan algoritma Batch Normalization terbukti mampu meningkatkan akurasi DNN
standar untuk jumlah hidden layer kecil.
Kata Kunci : Kanker payudara, MicroRNA, Deep Neural Network, Batch Nornalization

ABSTRACT
Breast cancer is one of the most common causes of death in the world. One way that can be
done to reduce the number of death cases are to do early detection using MicroRNA data.
MicroRNA is one of the cancer biomarkers that can help in the classification process.
MicroRNA can be used to identify whether a cell is a cancer cell or not even in the earliest
stages. Deep Neural Network (DNN) method consists of two or more layers of self-learning
units (hidden units). The weight of hidden units that are fully connected between two layers
can be learn automatically. However, DNN still has a weakness, namely changes in the
distribution of each layer’s inputs that cause problems, because the layers need to continue
to adapt to the new distribution and produce less optimal accuracy values. Due to changes
in the distribution of each layer’s inputs, one solution to optimize DNN's performance is to
use the Batch Normalization algorithm. Batch Normalization makes normalization a part of
the model architecture that make the network more stable, where the gradient has a smaller
range. This research was conducted to optimize the performance of the DNN method used
for the classification of breast cancer by adding a batch normalization algorithm. The results
showed that the implementation of the standard DNN with 4 hidden layers, 200 hidden units,
and a 50% dropout rate resulted the average accuracy value of 58.67%. The implementation
of Batch Normalization algorithm on a standard DNN with 2 hidden layers with each 200
hidden units, and a dropout rate of 50% produces the average value of the best accuracy of
93.67%. By using MicroRNA breast cancer data, the DNN method with the Batch
Normalization algorithm is proven to be able to increase the accuracy of standard DNN for
a small number of hidden layers.
Keywords : Breast Cancer, MicroRNA, Deep Neural Network, Batch Nornalization

---

Ketersediaan

716F19II

716 F 19

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

716 F 19

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

333.75

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Anggun Cahya Ningrum

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar