View/Open

Author

Advisor
Tirta, Setiawan

Koleksi
Undergraduate Thesis

Publisher

Kanker merupakan penyakit yang timbul akibat pertumbuhan sel-sel abnormal dan tidak terkendali. Pendeteksian kanker sering kali membutuhkan biaya mahal dan waktu lama. Oleh karena itu, pemanfaatan metode komputasi dan data RNA berupa ekspresi gen transcript per million (TPM) menjadi alternatif yang lebih murah dan efisien. Dalam penelitian ini, metode yang digunakan adalah 1-Dimensional Con volutional Neural Network (1D-CNN) dengan berbagai konfigurasi hyperparameter dan keseimbangan kelas untuk mencari model yang optimal dan tidak mengalami overfitting. Pelatihan model dilakukan menggunakan dataset dari program TCGA yang terdiri dari 4500 sampel individu yang terkena kanker dan 19961 gen peng kode protein sebagai fitur. Hasil penelitian menunjukkan bahwa model 1D-CNN dengan kernel 16 memiliki ketahanan yang lebih baik terhadap overfitting. Hal ini dibuktikan dengan nilai rata-rata akurasi validasi dan rata-rata akurasi test yang le bih tinggi dibandingkan model 1D-CNN dengan kernel 8 untuk semua jenis dropout (10%, 30%, dan 50%), serta gap yang lebih kecil antara akurasi pelatihan dan aku rasi validasi untuk dropout 10

URI
https://repo.itera.ac.id/depan/submission/SB2409230038

Keyword
1-Dimensional Convolutional Neural Network, Cancer