Klasifikasi Data Ekspresi Gen Penyakit Kanker Artificial Neural Network dengan Menggunakan Apriori dan Principal Component Analysis sebagai Seleksi Fitur

SITI HAFIZAH LELYANTI

Informasi Dasar

18.04.2110
C
Karya Ilmiah - Skripsi (S1) - Reference

Analisis tentang microarray DNA atau ekspresi gen telah memodernisasi pendekatan biologi sehingga saat ini para ilmuan telah mampu untuk mengukur tingkat akurasi dari ribuan gen dalam satu eksperimen tunggal. Dengan adanya seleksi fitur dapat mengekstrak gen yang akan mempengaruhi keakuratan klasifikasi dengan meghilangkan gen yang tidak diinginkan dan berlebihan. Pada penelitian Tugas Akhir ini digunakan dua tahap seleksi fitur yaitu Pricipal Component Analisys dan Apriori untuk meningkatkan persentase akurasi dan klasifikasi dengan Bakcpropogation. Dari penelitian ini didapatkan hasil sebesar 78,94 % dengan menggunakan Principal Component Analisys dan Apriori sebagai seleksi fitur.

Kata kunci :microarray DNA, seleksi fitur, algoritma PA(PCA+Apriori), backpropogation

Subjek

Skripsi
 

Katalog

Klasifikasi Data Ekspresi Gen Penyakit Kanker Artificial Neural Network dengan Menggunakan Apriori dan Principal Component Analysis sebagai Seleksi Fitur
 
 
 

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

SITI HAFIZAH LELYANTI
Perorangan
Fhira Nhita, Danang Triantoro
 

Penerbit

Universitas Telkom
 
2018

Koleksi

Kompetensi

  • CNH4E3 - DATA MINING
  • CNH4F3 - SOFT COMPUTING
  • CCH4B4 - TUGAS AKHIR
  • CII4E4 - TUGAS AKHIR
  • III4A4 - TUGAS AKHIR

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini