ABSTRAK Nama : Fakhirah Dianah Ghaisani Program Studi : Magister Ilmu Komputer Judul : Metode Klasifikasi dengan Deep Belief Network dan Bayesian Network untuk Prognosis Kanker Kanker merupakan salah satu penyakit tidak menular yang utama. Analisis prognosis kanker diperlukan untuk menentukan penanganan yang tepat untuk pasien kanker. Namun, analisis data pasien kanker sulit dilakukan karena perlu mempertimbangkan berbagai faktor, termasuk gen dan kondisi klinis pasien. Penelitian ini bertujuan membangun model prediksi untuk prognosis kanker menggunakan data klinis dan ekspresi gen (microarray). Pada penelitian ini, digunakan KNN-impute untuk mengestimasi nilai hilang. Selanjutnya, Principal Component Analysis (PCA) diterapkan untuk mereduksi dimensi data microarray, kemudian dilakukan pelatihan model Deep Belief Network (DBN) untuk data klinis dan microarray secara terpisah. Probabilitas yang diperoleh dari model DBN Klinis dan DBN Microarray ini diintegrasikan dengan softmax node pada struktur Bayesian Network. Berdasarkan berbagai eksperimen yang dilakukan, model DBN Klinis terbaik yang diperoleh adalah DBN 89-12-12-12-2 yang dilatih dengan konfigurasi ukuran mini-batch 50, momentum 0.5-0.0, fine-tuning epoch 200 dan laju pemelajaran 0.1, sedangkan model DBN Microarray terbaik yang diperoleh adalah DBN 125-14-14-2 yang dilatih dengan konfigurasi ukuran mini-batch 150, momentum 0.5-0.0, fine-tuning epoch 200 dan laju pemelajaran 0.1. Model integrasi DBNBN terbaik dibentuk dari DBN Klinis dan DBN Microarray tersebut dengan ratarataakurasi73.3535%untukprediksioverallsurvivaldan71.3434%untukprediksi disease-free survival. Keseluruhan model prediksi ini dapat dimaanfaatkan dalam analisis penyakit kanker untuk membantu dokter dalam menentukan penanganan yang tepat untuk pasien. Kata Kunci: kanker, prognosis, principal component analysis, reduksi dimensi, deep belief network,bayesiannetwork,integrasidata,harmonisasidata,microarray,ekspresigen.