ANALISIS KLASIFIKASI DATA BIOINFORMATICS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Studi Kasus : Data Sel Kanker Payudara

Setiawan, Arif and Setiaji, Pratomo ANALISIS KLASIFIKASI DATA BIOINFORMATICS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Studi Kasus : Data Sel Kanker Payudara. Technical Report. Universitas Muria Kudus.

KLIK BACA DISINI UNTUK MEMBACA SECARA ONLINE

[thumbnail of Laporan Penelitian Arif Setiawan 2017 KPD]
Preview
Text (Laporan Penelitian Arif Setiawan 2017 KPD)
6 Laporan Penelitian 2017 Kanker PD.pdf - Published Version

Download | Baca Disini

Abstrak

Bioinformatics merupakan ilmu yang mempelajari penerapan teknik komputasi untuk mengelola dan menganalisis informasi hayati. Bidang ini mencakup penerapan metode – metode matematika, statistika, dan informatika untuk memecahkan masalah – masalah biologi, terutama yang terkait dengan data bioinformatics. Salah satu bidang ilmu bioinformatics adalah penggunaan machine learning untuk klasifikasi data bioinformatics. Untuk bisa mengaplikasikan teknik-teknik machine learning, hal yang pertama harus ada adalah data. Pada penelitian ini kegiatan yang dilakukan adalah menganalisa data bioinformatics menggunakan klasifikasi, metode yang digunakan adalah artificial neural network yaitu backpropagation, dengan studi kasus sel kanker payudara. Hasil dari penelitian ini adalah melakukan analisa klasifikasi data bioinformatics sel kanker payudara untuk stadium ringan, sedang dan akut, dengan menggunakan 5 node simpul dengan bobot yang diacak secara random, untuk nilai learning = 0,3 dan momentum atau bias = 0.2 serta proses iterasi atau perulangan yang digunakan sebanyak 500 kali Kata Kunci : bioinformatics, machine learning, klasifikasi, bioinformatics, artificial neural network, sel kanker payudara

Item Type: Monograph (Technical Report)
Subjects: Teknologi > T1 Teknologi (Umum)
Program Studi: Fakultas Teknik > S1 Sistem Informasi
Depositing User: Mr Arif Setiawan
Date Deposited: 22 Jan 2025 19:10
Last Modified: 22 Jan 2025 19:10
URI: http://eprints.umk.ac.id/id/eprint/22521

Actions (login required)

View Item View Item