<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="145719">
 <titleInfo>
  <title>DETEKSI KANKER PAYUDARA MENGGUNAKAN DATA BIOMARKER DNA DENGAN PENDEKATAN RECURRENT NEURAL NETWORK</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>M.ZULHAMSYAH</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro dan Komputer</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Abstrak- Data kanker seluruh dunia pada tahun 2023 menunjukkan kanker payudara menyumbang 12% dari seluruh kanker di seluruh dunia. Kanker payudara adalah jenis kanker paling umum pada wanita, mencakup sekitar 25% dari semua diagnosis kanker dan merupakan penyebab utama kematian akibat kanker sebesar 16%. Salah satu cara untuk mendeteksi kanker payudara adalah dengan menggunakan gen BRCA1, BRCA2 dan biomarker DNA lainnya untuk memeriksa malfungsi yang dapat menyebabkan kanker payudara melalui deregulasi pembelahan sel. Data biomarker DNA pada gen memiliki proses dan informasi yang berbeda, sehingga memerlukan pendekatan khusus dalam analisisnya. Tujuan penelitian ini untuk mengembangkan model deteksi kanker payudara menggunakan data biomarker DNA dengan pendekatan recurrent neural network. Data telah dibagi menjadi dua kelas yaitu payudara normal dan kanker payudara lalu preprocessing menggunakan BLAST, alignment, integer encoding dan label encoder. Metode yang digunakan adalah bidirectional long short term memory dan bidirectional gated recurrent unit lalu membandingkan performa akurasi maksimal antar kedua metode. Berdasarkan hasil perbandingan kedua metode terbukti deteksi kanker payudara menggunakan metode bidirectional gated recurrent unit dengan learning rate 0,001 memperoleh hasil akurasi dan loss pada data testing masing-masing sebesar 98% dan 4% serta nilai precision, recall dan F measure pada data testing masing-masing sebesar 99%, 99% dan  99% dibandingkan metode BiLSTM menggunakan learning rate 0,001 dengan epoch 50 memperoleh nilai akurasi dan loss pada data testing masing-masing sebesar 95% dan loss sebesar 23% serta nilai precision, recall dan F measure masing-masing sebesar 94%, 97% dan 96%. Metode BiGRU menunjukkan hasil akurasi maksimal meningkat 1,5% dari penelitian sebelumnya yang hanya sebesar 96,5% sehingga metode BiGRU lebih baik dibandingkan metode BiLSTM untuk melakukan deteksi kanker payudara menggunakan data biomarker DNA.&#13;
&#13;
Kata kunci : Kanker payudara, Recurrent Neural Network, biomarker DNA payudara.&#13;
</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>BREAST CANCER - MEDICINE</topic>
 </subject>
 <subject authority="">
  <topic>NEURAL NETWORKS (COMPUTER SCIENCE)</topic>
 </subject>
 <classification>006.32</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>145719</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-01-08 10:26:47</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-01-08 10:43:10</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>