Klasifikasi Kanker Berdasarkan Data RNA dengan Pemanfaatan Metode 1D-CNN
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