Werdhana, Reynaldi Wisnu (2017) Klasifikasi Gen Yang Terkait Sindrom Alzheimer Menggunakan Metode Naïve Bayes Classifier Dan Logistic Regression Ensemble. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1313100097_Undergraduate_Theses.pdf - Published Version Download (3MB) | Preview |
Abstract
Alzheimer merupakan penyakit degeneratif dan penyebab paling umum dari kasus dimensia. Salah satu kunci menangani penyakit ini adalah deteksi dini. Deteksi tersebut dapat diketahui melalui ekspresi dari gen yang terkandung dalam DNA, dengan memanfaatkan teknologi Microarray DNA. Masalah paling mendasar dalam memprediksi ekspresi adalah mendapatkan metode terbaik. Dalam penelitian ini, metode Logistic Regression Ensemble (LORENS) akan dibandingkan dengan metode Naive Bayes Classifier serta Binary Logistic Regression dengan mempertimbangkan 20 variabel yang diduga berpengaruh dalam proses klasifikasi. Variabel dalam penelitian ini berjumlah 178, yang terdiri dari 2 kelas yaitu gen Alzheimer sebanyak 98 pengamatan dan gen normal sebanyak 80 pengamatan. Hasil analisis menggunakan prosedur evaluasi full training set menghasilkan metode terbaik adalah metode LORENS 4 partisi dan threshold 0,5 memberikan hasil paling baik. Akurasi yang dihasilkan model ini adalah 76,4% dan nilai AUC 0,774. Dengan menggunakan prosedur evaluasi Cross Validation, metode LORENS adalah metode terbaik. Metode LORENS dengan 10 folds memberikan hasil partisi optimal yang digunakan adalah 5 partisi dengan threshold 0,5. Akurasi yang dihasilkan sebesar 75,28% dan nilai AUC sebesar 0,759. Metode terbaik untuk menangani masalah klasifikasi gen menggunakan data microarray dalam penelitian ini adalah metode LORENS Cross Validation 5 partisi dengan threshold 0,5.
=================================================================
Alzheimer is a degenerative disease and most common case of dementia. One of the keys to treat Alzheimer is early detection. The detection can be carned out by analyzing the expression of the genes contained in DNA, using DNA microarray technology. The most basic problem in classification is to find a best method. In this research, Logistic Regression Ensemble (LORENS) is applied and compared with Naïve Bayes Classifier and Binary Logistic Regression. Research examines to 178 observation, consisting of 2 classes, where 98 observations as a Alzheimer’s genes and 80 observations as a normal genes. The result of the analysis using full training set found that LORENS with 4 partitions and threshold of 0,5 is the best setting. This method has accuracy of is the best method. Meanwhile, LORENS has been proven to outier from the others by Cross Validation evalution, where the optional result is obtained by 5 partition and threshold of 0,5. The accuracy is 75,28% with AUC of 0,759.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 519.542 Wer k |
| Uncontrolled Keywords: | Alzheimer, Microarray, LORENS, Naive Bayes Classifier, Cross Validation, AUC |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Reynaldi Wisnu Werdhana |
| Date Deposited: | 14 Dec 2017 06:01 |
| Last Modified: | 05 Mar 2019 07:46 |
| URI: | http://repository.its.ac.id/id/eprint/47946 |
Actions (login required)
 |
View Item |