| dc.description.abstract | Meduloblastoma merupakan kelompok heterogen tumor ganas dari system saraf pusat (Central Nerveous System(CNS)). Penderita medulloblastoma antara 18%-20% dari semua tumor otak pada anak-anak serta 70% dari penderita medulloblastoma terdeteksi pada usia 10 tahun ke bawah. Fingkelstein melakukan pendataan pada 76 pasien usia muda yang terjangkit medulloblastoma di St Jude Children's Research Hospital disimpan dalam microarray dengan kode akses GSE37418. Penderita medulloblastoma memiliki 4 subrup yaitu WNT(wingless), SHH(sonic hedgehog), Subgroup 3, dan subgroup 4. Berdasarkan data finkelstein akan dilakukan klasifikasi menggunakan metode support vevtor machine (SVM) menggunakan program R.3.4.2 dengan tambahan packages dari bioconductor. Terdapat 4 tahap dalam pengolahannya yaitu Input data, Preprocessing yang memproses data microarray agar datanya representatif, Filtering yang memilih data dan mengkualifikasinya, dan analisis SVM untuk klasifikasi. Berdasarkan hasil analisis SVM mampu memprediksi kelas penderita dengan akurasi 95% dengan nilai AUC 98%. Terdapat probe yang memiliki bobot cukup tinggi yang merupakan gen yang aktif pada berbagai tumor seperti insulinomas, kanker kerongkongan, dan kanker usus besar.
Meduloblastoma is a heterogeneous group of malignant tumors of the central nerve system (CNS). Medulloblastoma is relatively rare, 18%-20% of all cancerous pediatric brain tumors, 70% of all pediatric medulloblastomas are diagnosed in children under age 10. According Fingkelstein research collected 76 data infected pediatric medulloblastoma at St. Jude Children Research Hospital stored in a microarray with access code GSE37418. Medulloblastoma has 4 subroup namely WNT(wingless), SHH(sonic hedgehog), Subgroup 3, dan subgroup 4. The Data has collected by Finkelstein will be classified using the support vevtor machine method on R.3.4.2 with additional packages of bioconductor. There is 4 step in processing that is input the data, preprocesiing to get representative data, Filtering for qualified data, and implement the SVM method for classification. Base on the result, SVM can predict sample with accuration 95% and AUC 98%. Some of the probe that has a high enough weight, the probe is a gene that is active in various tumors such as insulinomas, esophageal cancer, and colon cancer | en_US |
