Bayesian Model Averaging (BMA) Berbasis Regresi Logistik Untuk Seleksi Gen Dan Klasifikasi Penyakit Tumor Hewan Pada Data Microarray

Fitriana, Ika Nur Laily (2019) Bayesian Model Averaging (BMA) Berbasis Regresi Logistik Untuk Seleksi Gen Dan Klasifikasi Penyakit Tumor Hewan Pada Data Microarray. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211540000013-Undergraduate_Theses.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penyakit tumor pada hewan merupakan salah satu penyakit yang mematikan. Klasifikasi penyakit tumor hewan berdasarkan ekspresi gen terdiri dari ratusan gen, namun jumlah sampel yang diambil berukuran kecil yang disebut data microarray. Pendekatan model tunggal bisa menjadi masalah untuk data berdimensi tinggi karena tidak melibatkan ketidakpastian model. Bayesian Model Averaging (BMA) mempertimbangkan ketidakpastian model dengan merata-ratakan distribusi posterior dari semua model terbaiknya, diboboti dengan probabilitas model posteriornya. Pemilihan sejumlah gen yang relevan untuk diagnosis penyakit tumor hewan sangat penting untuk dilakukan, sehingga harus dilakukan seleksi variabel. Seleksi variabel prediktor dilakukan dengan pendekatan algoritma iterative BMA. Hasil BMA menunjukkan dari 335 ekspresi gen, terpilih 12 gen yang relevan untuk mengklasifikasikan hewan termasuk dalam kelas tumor atau normal. Selain itu, dari 2 kemungkinan model yang terbentuk, terpilih 12 model terbaik. Keakuratan hasil BMA diukur menggunakan nilai Brier Score. Nilai Brier Score yang dihasilkan sebesar 0,00231799. Nilai tersebut cukup kecil sehingga dapat dikatakan model BMA cukup baik untuk mengklasifikasikan hewan termasuk dalam kategori tumor atau normal.
==================================================================================================================================
Animal tumor is one of deadly diseases. Classification of tumor disease based on genes expression consists of hundreds genes, but only the small amount of sample that is taken. They are microarray data. The choice of a single model can be a problem for high dimensional data because it ignores model uncertainty. Bayesian Model Averaging (BMA) consider the uncertainty model by averaging the posterior distribution of all the best models, weighted by their posterior model probabilities. The selection of relevant genes to diagonist of animal tumor is very important, so variable selection must be done. Predictor variables are carried out by using iterative BMA algorithm. The BMA results showed that from 335 gene expressions, 12 genes are selected to be relevant genes for classify animals. In addition, from 2335 selected models formed, 12 of the best models are selected. The accuracy of BMA results is assessed using the Brier Score value. The result of Brier Score is 0.00231799. This value is quite small, so it can be stated that the BMA model is good enough to classify animals wether they have tumor or not.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bayesian Model Averaging, Ekspresi Gen, Microarray, Tumor Hewan
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory. R Medicine > RB Pathology
Divisions:	Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Ika Nur Laily Fitriana
Date Deposited:	23 Jul 2026 02:24
Last Modified:	23 Jul 2026 02:24
URI:	http://repository.its.ac.id/id/eprint/64959

Actions (login required)

View Item