Text

Aplikasi Klasifikasi Kanker Serviks Menggunakan Data MicroRNA Dengan Algoritma Random Forest

---

ABSTRAK

Kanker serviks merupakan salah satu penyakit paling mematikan bagi kaum wanita di dunia. Kematian akibat kanker serviks terbesar dialami negara-negara berpenghasilan rendah atau menengah, termasuk Indonesia. Salah satu upaya pencegahan untuk menanggulangi kematian akibat kanker serviks adalah melakukan deteksi dini kanker serviks. Teknologi terbaru deteksi dini kanker adalah dengan menggunakan pembelajaran mesin untuk klasifikasi yang menghasilkan prediksi kondisi pasien, sehingga bisa digunakan untuk pedoman awal pengobatan kanker. Tetapi, para peneliti biomedis tidak semuanya bisa melakukan klasifikasi dan memerlukan sebuah alat yang bisa memfasilitasi mereka dalam melakukan klasifikasi. Dengan demikian, dibuat aplikasi menggunakan framework Django untuk klasifikasi kanker serviks menggunakan data microRNA dengan algoritma Random Forest. Dalam kasus kanker, microRNA bisa digunakan sebagai biomarker diagnostik untuk deteksi dini kanker sehingga bisa membantu perencanaan perawatan penderita kanker. Algoritma Random Forest dipilih karena menghasilkan visualisasi model berupa pohon keputusan yang mudah dipahami oleh peneliti biomedis dan bisa melakukan perhitungan feature importance untuk rekomendasi biomarker. Aplikasi ini dibangun menggunakan model proses waterfall yang pada fase pengumpulan persyaratan aplikasinya didasarkan pada analisis metodologi CRISP-DM. Hasil pengujian aplikasi ini menyatakan bahwa aplikasi ini layak digunakan sebagai solusi baru untuk memfasilitasi peneliti biomedis pada domain kanker serviks.
Kata Kunci : Aplikasi, Klasifikasi, Kanker Serviks, MicroRNA, Random Forest, Model Proses Waterfall, CRISP-DM, Django

ABSTRACT

Cervical cancer is one of the deadliest diseases for women in the world. Deaths from cervical cancer are greatest in low or middle income countries, including Indonesia. One effort to tackle deaths from cervical cancer is early detection of cervical cancer. The latest technology for early detection of cancer is to use machine learning for classification that produces patient predictions, so that it can be used to guide the initial treatment of cancer. However, not all biomedical researchers can classify and ask for a tool that can facilitate them in classifying. Thus, applications made using the Django framework for classification of cervical cancer using microRNA data with the Random Forest algorithm. In the case of cancer, the microRNA can be used as a biomarker for early detection of cancer so that it can help plan the treatment of cancer patients. Random Forest Algorithms are chosen because they produce a visualization model that forms decision trees that are easily approved by biomedical researchers and can calculate important features for biomarker assessment. This application was built using the waterfall process model which at the stage of fulfilling the application requirements was based on the analysis carried out by CRISP-DM. The results of testing this application state that this application is worthy of being used as a new solution to facilitate biomedical researchers in the cervical cancer domain.
Keywords: Application, Classification, Cervical Cancer, MicroRNA, Random Forest, Waterfall Process Model, CRISP-DM, Django.

---

Ketersediaan

741F19III

741 F 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

741 F 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

530.44

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Eko Abdul Aziz

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar