PEMODELAN BIPLOT PADA KLASIFIKASI DATA METAGENOM DENGAN K-MERS SEBAGAI EKSTRAKSI CIRI DAN LVQ SEBAGAI CLASSIFIER
RINDI ANTIKA
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Biplot pada Klasifikasi Data Metagenom dengan K-Mers sebagai Ekstraksi Ciri dan LVQ sebagai Classifier adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Desember 2014 Rindi Antika NIM G64124011
ABSTRAK RINDI ANTIKA. Pemodelan Biplot pada Klasifikasi Data Metagenom dengan KMers sebagai Ekstraksi Ciri dan LVQ sebagai Classifier Dibimbing oleh AGUS BUONO. Pembacaan genom satu organisme telah menjadi hal yang sudah biasa bagi sebagian besar para ilmuwan, sekarang para ilmuwan beralih ke pembacaan metagenom, yaitu pembacaan beberapa genom yang diambil sampel dari lingkungan. Namun dalam pembacaan fragmen metagenom bisa terjadi percampuran fragmen milik organisme A dengan organisme B yang disebabkan rangkaian overlap yang sama antar keduanya. Hal ini dapat di atasi dengan proses binning, dengan tujuan untuk mengklasifikasikan fragmen ke dalam tingkat taksonomi yang berbeda. Hasil akurasi yang diperoleh menggunakan metode LVQ berkisar 78.10% sampai 90.90%. Akurasi yang paling tinggi adalah 90.90 %, yaitu pada percobaan dengan data organisme sudah dikenal yang mempunyai panjang fragmen 10000 bp dan tidak menggunakan biplot. Hasil akurasi yang diperoleh tanpa menggunakan biplot lebih besar dibandingkan nilai akurasi yang menggunakan biplot karena biplot dilakukan reduksi dimensi hingga ±80% dari fitur/ ciri semula. Kata kunci: metagenom, k-mers, biplot, LVQ
ABSTRACT RINDI ANTIKA. Modeling on the Biplot Metagenom Data Classification with Kmers as Feature Extraction and LVQ as Classifier. Supervised by AGUS BUONO. The reading of the genome one organism that it had become is used for the majority of the scientists, now the scientists turn to recitation metagenom , that is the reading of a sample of the genome taken some of the neighborhood. But in reading the fragment metagenom can happen the mixture of fragments of organisms A with B organism caused the same set of overlap between the two. This can be corrected with an binning process, with the purpose to classify fragments into different taxonomy levels. This can be corrected with an binning process, with the purpose to classify fragments into different taxonomic levels. Accuracy results obtained using methods lvq ranges 78.10 % to 90.90 %.Accuracy is 90.90 %, most high namely on trial with those organisms that have long been known and not use 10000 fragments bp biplot.Accuracy results obtained without using biplot larger than the value of accuracy that uses biplot because biplot done reduction finite-dimensional ± 80 % of features. Keyword: metagenom, k-mers, biplot, LVQ
PEMODELAN BIPLOT PADA KLASIFIKASI DATA METAGENOM DENGAN K-MERS SEBAGAI EKSTRAKSI CIRI DAN LVQ SEBAGAI CLASSIFIER
RINDI ANTIKA
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Penguji : 1 2
Dr Wisnu Anata Kusuma, ST MT Toto Haryanto, SKom MSi
Judul Skripsi : Pemodelan Biplot pada Klasifikasi Data Metagenom dengan Kmers sebagai Ekstraksi Ciri dan LVQ sebagai Classifier Nama : Rindi Antika NIM : G64124011
Disetujui oleh
Dr Ir Agus Buono, MSi MKom Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur, selalu dan senantiasa dipanjatkan ke hadirat Allah atas rahmat dan hidayah-Nya sehingga laporan tugas akhir telah berhasil diselesaikan. Shalawat dan salam selalu dihaturkan ke pangkuan Nabi Muhammad SAW.Tema yang dipilih dalam penelitian ini sejak bulan Juli 2014 adalah Pemodelan Biplot pada Klasifikasi Data Metagenom dengan K-mers sebagai Ekstraksi Ciri dan LVQ sebagai Classifier. Terima kasih penulis ucapkan kepada Bapak Dr Ir Agus Buono, MSi MKom selaku dosen pembimbing yang di tengah-tengah kesibukannya telah banyak memberikan bimbingan dan pengarahan. Bapak Dr Wisnu Anata Kusuma, ST MT dan Bapak Toto Haryanto, SKom MSi selaku penguji atas waktu, saran, dan koreksiannya. Ungkapan terima kasih juga diucapkan kepada Ayahanda Asid, Ibunda Saleha, serta keluarga yang senantiasa memberikan doa, semangat dan didikan serta dukungan moril, materiil, dan spirituil. Terima kasih diucapkan juga kepada teman-teman Ilmu Komputer Alih Jenis angkatan 7 atas kebersamaannya selama ini. Serta terimakasih kepada Bapak/Ibu Dosen dan Staf TU yang telah begitu banyak membantu baik selama pelaksanaan penelitian maupun pada masa perkuliahan. Karya tulis ini masih jauh dari kesempurnaaan. Oleh karena itu, penulis mengharapkan saran dan kritik yang dapat digunakan untuk perbaikan di masamasa yang akan datang. Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2014 Rindi Antika
DAFTAR ISI DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
Perumusan Masalah
2
Ruang Lingkup Penelitian
2
Manfaat Penelitian
3
METODE PENELITIAN
3
Penyiapan Data
4
K-Mers
4
Biplot
5
K-Fold Cross Validation
6
Klasifikasi Learning Vector Quantization (LVQ)
6
Pengujian
7
Analisis dan Pembahasan
7
Ruang Lingkup Implementasi
7
HASIL DAN PEMBAHASAN Praproses
8 8
K-Fold Cross Validation
11
Pelatihan
11
Pengujian
11
Evaluasi
12
SIMPULAN DAN SARAN
19
Simpulan
19
Saran
19
DAFTAR PUSTAKA
19
RIWAYAT HIDUP
30
DAFTAR TABEL 1 2 3 5 4 6 7 8 9 11 10
Rincian data organisme dikenal (10000 fragmen) Rincian data organisme belum dikenal (5000 fragmen) Parameter LVQ Hasil akurasi biplot (λ=2), organisme dikenal Hasil akurasi tanpa biplot, organisme dikenal Hasil akurasi biplot (λ=10), organisme dikenal Hasil akurasi biplot (λ=64), organisme dikenal Hasil akurasi tanpa biplot, organisme belum dikenal Hasil akurasi biplot, organisme belum dikenal Perbandingan waktu komputasi organisme belum dikenal Perbandingan akurasi data organisme belum dikenal
8 8 11 12 12 13 15 17 17 18 17
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Metode Penelitian K-Mers Arsitektur LVQ Biplot pada data 500bp, λ = 2 Biplot pada data 1000bp, λ = 2 Biplot pada data 5000bp, λ = 2 Biplot pada data 10000bp, λ = 2 Hasil akurasi tanpa biplot, dengan panjang fragmen 10000 Hasil akurasi biplot (λ=2), dengan panjang fragmen 10000 Hasil akurasi biplot (λ=10), dengan panjang fragmen 10000 Hasil akurasi biplot (λ=64), dengan panjang fragmen 10000 Perbandingan akurasi pada dataset organisme belum dikenal Perbandingan waktu pada dataset organisme belum dikenal Perbandingan akurasi pada data uji organisme yang belum dikenal Perbandingan waktu komputasi pada data uji organisme yang belum dikenal
3 4 6 9 9 10 10 12 13 14 15 16 16 17 18
DAFTAR LAMPIRAN 1 2 3 4 5
Dataset organisme sudah dikenal (fragmen 10000) Dataset oragnisme belum dikenal (fragmen 5000) Pasangan basa yang diambil berdasarkan perhitungan nilai singular Hasil percobaan pada organisme yang sudah dikenal Hasil percobaan pada organisme yang belum dikenal
21 21 22 23 29
PENDAHULUAN Latar Belakang Genom merupakan informasi genetik berupa set lengkap molekul DNA yang dimiliki oleh organisme hidup. Informasi genetik yang dimiliki organisme hidup diturunkan ke generasi berikutnya. Deoxyribonucleic acid (DNA) adalah rantai ganda molekul sederhana (nukleotida) yang diikat bersama-sama dalam struktur helix yang dikenal dengan double helix. Nukleotida terdiri atas empat basa nitrogen, yaitu adenine, thymin, guanine, dan cytosine. Keempat basa nitrogen tersebut dapat direpresentasikan dalam alfabet yaitu A, T, G, dan C (de Carvalho 2003). Urutan nukleotida pada genom seluruhya telah dipetakan dengan menggunakan teknik sequencing untuk memperoleh fragmen genom. Pembacaan genom satu organisme telah menjadi hal yang sudah biasa bagi sebagian besar para ilmuwan. Sekarang ini ilmuwan beralih ke pembacaan genom yang lebih kompleks, yaitu pembacaan genom yang diambil dari lingkungan atau disebut metagenom, yaitu pembacaan dilakukan tidak hanya satu organisme tapi beberapa organisme yang terkandung di dalamnya (Helianti 2008). Metagenomika merupakan ilmu yang mempelajari materi genetik yang langsung diperoleh dari sampel lingkungan tanpa budidaya laboratorium atau isolasi genom individu (Wu 2008). Sampel yang diambil dari lingkungan kemudian dilakukan sequencing. Sequencing tesebut menghasilkan beberapa fragmen milik banyak organisme, sehingga bisa terjadi percampuran fragmen milik organisme A dengan organisme B yang disebabkan rangkaian overlap yang sama antar keduanya. Hal ini mengakibatkan contigs yang dihasilkan salah. Untuk meminimalkan kesalahan ini, dapat diatasi dengan proses binning. Proses binning bertujuan untuk mengklasifikasikan fragmen ke dalam tingkat taksonomi yang berbeda, seperti pada level genus (Wooley at all. 2010). Terdapat dua pendekatan proses binning, salah satunya pendekatan komposisi. Pendekatan komposisi yaitu masukan yang digunakan untuk pembelajaran berupa pasangan basa yang dihasilkan dari ekstraksi ciri. Pendekatan komposisi dibagi menjadi dua, yaitu pembelajaran yang dilakukan dengan contoh (supervised learning) dan pembelajaran yang dilakukan dengan observasi (unsupervised learning). Dalam pendekatan komposisi menggunakan unsupervised learning dilakukan pengelompokan (clustering). Pendekatan komposisi menggunakan supervised learning dilakukan pelatihan (trainning) untuk menunjukkan kelas observasi dan data baru (testing) akan diklasifikasikan berdasarkan kelas yang sudah ada. Wu (2008) meggunakan k-mers untuk melakukan ektsraksi ciri DNA dengan metode Principal Component Analysis (PCA). Hasil dari penelitian Wu menunjukkan bahwa PCA dengan k-mers dapat menangkap karakter intrinsik dari fragmen metagenom pada berbagai tingkat taksonomi. Kombinasi linear PCA berbasis frekuensi k-mers cenderung lebih efektif dan stabil ketika panjang fragmen genom meningkat. Pengklasifikasian linear agak sederhana dapat mencapai akurasi yang tinggi untuk fragmen genom dari berbagai tingkat taksonomi bahkan pada tingkat spesifik seperti spesies.
2 Kusuma dan Akiyama (2011) melakukan penelitian mengenai klasifikasi fragmen metagenom berdasarkan characterization vector. Data yang digunakan terdiri dari atas data, yaitu 10000 data latih yang mempresentasikan organisme yang telah diketahui dan 5000 data uji yang mempresentasikan organisme baru. Panjang fragmen terdiri atas 500bp, 1kbp, 5kbp, 10kbp. Akurasi yang diperoleh dari penelitian tersebut untuk data latih adalah 81% pada panjang fragmen 500bp, 85% pada panjang fragmen 1kbp, 90% pada panjang fragmen 92% 10kbp. Sedangkan akurasi yang diperoleh untuk data uji adalah 78% pada panjang fragmen 500bp, 80% pada panjang fragmen 1kbp, 86% pada panjang fragmen 5kbp, 87% pada panjang fragmen 10kbp. Elliyana (2014) juga melakukan penelitian mengenai klasifikasi fragmen metagenom. Data yang digunakan sama dengan penelitian Kusuma dan Akiyama (2011). Pada penelitian ini akurasi yang didapat cukup tinggi, pada organisme latih akurasi yang dicapai berkisar 88% sampai 99%, sedangkan untuk organisme uji akurasi yang dihasilkan berkisar 86% sampai 97%. Berdasarkan hasil penelitian yang dilakukan oleh para peneliti sebelumnya. Dalam penelitian ini dilakukan pemodelan biplot pada klasifikasi data metagenom. Ekstraksi cir yang digunakan untuk fragmen metagenom adalah kmers. Sedangkan pengklasifikasian yang dilakukan menggunakan metode learning vector quantization (LVQ). Biplot dilakukan untuk mereduksi dimensi fitur/ ciri dengan cara memilih mers yang sesuai.
Tujuan Penelitian Tujuan penelitian ini adalah memodelkan biplot pada klasifikasi data metagenom dengan k-mers sebagai ekstraksi ciri dan lerning vektor quantization sebagai classifier.
Perumusan Masalah Adapun perumusan masalah yang akan menjadi bahan analisis pada penelitian ini adalah: 1 Bagaimana akurasi yang diperoleh jika menggunakan metode LVQ? 2 Apakah penggunaan biplot mempengaruhi penilaian akurasi ? 3 Bagaimana perbedaan waktu komputasi jika menggunakan biplot dan tidak menggunakan biplot?
Ruang Lingkup Penelitian Ruang lingkup penelitian ini meliputi: 1 Data yang digunakan merujuk dari penelitian Kusuma dan Akiyama (2011), yaitu dataset genus Agrobacterium, Bacillus, dan Staphylococcus 2 Jumlah data yang akan digunakan sebanyak 10000 fragmen organisme dikenal dan 5000 fragmen organisme belum dikenal 3 Panjang fragmen 500 bp, 1000 bp, 5000 bp, dan 10000 bp. Fragmen dihasilkan dari perangkat lunak Metasim.
3 4
Fragmen metagenom diasumsikan bebas error.
Manfaat Penelitian Penelitian ini diharapkan dapat membantu para peneliti dalam pengklasifikasian fragmen metagenom berdasarkan tingkat genus khususnya genus Agrobacterium, Bacillus, dan Staphylococcus.
METODE PENELITIAN Skema metode penelitian dapat dilihat pada Gambar 1. Pada tahap awal yang dilakukan adalah mempelajari pustaka yang berkaitan dengan penelitian yang dilakukan. Studi mencakup metegenome, k-mers, biplot, klasifikasi learning vector quantization. Mulai Studi Literatur Penyiapan Data Biplot
Tanpa Biplot
K-Mers
K-Fold Cross Validation
K-Fold Cross Validation
Data Latih
LVQ
Data Uji
Pengujian
Data Uji
Data Latih
Pengujian
LVQ
Pengujian 1: organisme dikenal
Pengujian 1: organisme dikenal
Perbandingan hasil
Data Latih LVQ
Data Uji Pengujian
Pengujian 2: organisme belum dikenal
Perbandingan hasil Dokumentasi Selesai
Gambar 1 Metode Penelitian
4 Penelitian ini dilakukan dengan beberapa tahapan proses, yaitu: penyiapan data fragmen metagenom, ekstraksi fitur fragmen dengan k-mers, pemodelan biplot, dataset organisme dikenal akan dibagi menjadi dua yaitu data uji dan data latih dengan metode k-fold cross validation, pengujian dilakukan dua kali dengan data yang berbeda, yaitu pada dataset organisme dikenal (10000 fragmen) dan dataset organisme belum dikenal (5000 fragmen). Data uji pada organisme dikenal diperoleh dari fungsi fold cross validation, kemudian dilakukan pengujian berdasarkan model LVQ yang diperoleh dari pelatihan. Demikian juga pada data organisme belum dikenal dilakukan hal yang sama. Dari hasil pengujian tersebut diperoleh akurasi, kemudian hasil akurasi tersebut akan dibandingkan hasilnya dengan hasil percobaan yang lainnya. Tahap terakhir adalah dilakukan dokumentasi. Penyiapan Data Data yang digunakan adalah dataset dari genus Agrobacterium, Bacillus, dan Staphylococcus. Dataset yang digunakan dibagi menjadi dua kelompok yaitu, data organisme yang sudah dikenal dan data organisme yang belum dikenal. Data organisme yang sudah dikenal teridiri dari 10 spesies dari 3 genus, sedangkan data organisme yang sudah dikenal terdiri dari 9 spesies dari 3 genus. Dataset tersebut dibangkitkan dengan menggunakan perangkat lunak Metasim dengan format FASTA. Panjang fragmen yang digunakan adalah 500 bp, 1000bp, 5000bp, dan 1000 bp. Rincian dataset yang digunakan disajikan pada Lampiran 1 dan Lampiran 2.
K-Mers K-Mers merupakan metode ekstraksi ciri yang biasa digunakan pada biomolekuler. K-mers akan memunculkan pola k pada suatu waktu dalam sequence. Misal, jika ingin mendapatkan pola dari nukleotida dengan 4 basa utama, yaitu adenin, timin, guanin, sitosin. Nilai k yang digunakan adalah k=3, maka, hasil untuk trinukleotida adalah 43 = 64 base pair (bp). Perhitungan frekuensi k-mers ditunjukkan seperti Gambar 2.
Gambar 2 K-Mers Metode ini digunakan untuk mengetahui intensitas atau banyaknya kemunculan substring tertentu pada sebuah string. Intensitas kemunculan string
5 tersebut dapat dijadikan sebagai penciri dari suatu kelompok string. Data sekuens DNA merupakan data string. Oleh karena itu ekstraksi ciri yang digunakan pada penelitian ini untuk dataset DNA adalah K-Mers dengan k=3.
Biplot Analisis biplot merupakan salah satu analisis eksplorasi peubah ganda yang mendeskripsikan keterkaitan antarpeubah serta perbandingan antar objek yang disajikan secara visual dalam grafik dua dimensi. Analisis biplot pertama kali menggunakan teknik penguraian nilai singular (singular value decomposition SVD) (Buono 2014). Setiap matriks nXp dapat ditulis dalam bentuk: nXp
= nUr x rLr x r(AT)p
Dalam hal ini, r adalah pangkat matriks X, sedangkan U, L dan A ditentukan berdasar akar ciri dan vektor ciri matriks XTX. Akar ciri disebut juga dengan eigen value atau karakteristik vektor atau latent root dan vector ciri disebut dengan eigen vektor atau karakteristik vektor atau latent vector. Jika i merupakan akar ciri terbesar matriks XTX sehingga berlaku: 1 2 ... r > r+1 > ... >n = 0 Dengan vektor ciri yang bersesuaian dengan akar ciri ke i adalah vi. Matriks U, L, dan A di atas dirumuskan sebagai: A = [v1 v2 ... vr] L = diagonal {i} =
1 0 0
... ... ...
U = [1 2 .... r] dengan i =
0 0 r
1
i
Xv i
Perumusan biplot: X= U LAT= G H G = U = [g1 g2 ... gn]T H = LAT = [h1 h2 ... hp] G mempresentasikan baris (biasanya objek) dan H mempresentasikan kolom (biasanya peubah). hi =
1 hi n 1
dan gi =
n 1 gi
6 Pada tahapan penelitian ini dilakukan reduksi dimensi dari hasil ektraksi ciri dengan biplot yaitu dengan cara memilih mers yang sesuai. Pemilihan mers yang sesuai yaitu dengan melihat panjang vektor hi ( |hi| ).
K-Fold Cross Validation K-Fold Cross Validation merupakan metode yang membagi data ke dalam k bagian. Hasil masing-masing dari bagian data tersebut akan dilakukan klasifikasi. Nilai k adalah nilai yang menunjukkan jumlah pembagian data menjadi k-subset data. Pada penelitian ini data dibagi menjadi dua yaitu 80% untuk data latih dan 20% untuk data uji. Oleh karena itu nilai k yang akan digunakan adalah 5. Perulangan yang akan dilakukan sebanyak 5 kali. Salah satu subset dijadikan sebagai data uji, sedangkan kempat data subset lainnya dijadikan data latih. K-fold cross validation diterapkan pada dataset organisme dikenal (10000 fragmen).
Klasifikasi Learning Vector Quantization (LVQ) Learning Vector Quantization (LVQ) adalah sebuah metode klasifikasi yang setiap unit output mempresentasikan sebuah kelas. LVQ mengklasifikasikan vektor input ke dalam kelas yang sama untuk vektor input yang memiliki vektor bobot terdekat (Widodo 2005). Arsitektur LVQ seperti yang ditunjukkan pada Gambar 3. a1
Keterangan:
w w
a2
w
w
X
w
Y
w ... w
X, Y, Z
: class
a1, a2, …, an
: neuron input
w
: bobot
w w
Z
an
Gambar 3 Arsitektur LVQ Keterangan dari arsitektur LVQ sebagai berikut: X, Y, dan Z merupakan kelas yang digunakan dalam pelatihan LVQ, w merupakan bobot dari LVQ, dan a1, a2, .., an adalah vector input. LVQ digunakan untuk pengklasifikasian dengan target/ kelas sudah ditentukan. Arsitektur LVQ pada dasarnya sama dengan jaringan saraf tiruan, namun tidak ada topologi ketetanggan pada unit keluaran dan setiap unit keluaran mewakili jumlah kelas yang ada. Cara kerja LVQ ditunjukkan pada Gambar 3. Algoritme LVQ (Fausett 1994), yaitu: 1 Tentukan vektor referensi. Tentukan learning rate α(0). 2 Selama kondisi berhenti belum terpenuhi, lakukan langkah 3-6. 3 Untuk setiap vektor masukan x, lakukan langkah 4-5.
7 4 Temukan J sehingga ‖x -wj ‖ bernilai minimum. 5 Update nilai w sesuai ketentuan berikut: Jika T = Cj maka w (new) = w(old) + [x – w(old)] Jika T ≠ Cj maka w (new) = w (old) - [x – w(old)] 6 Kurangi learning rate. 7 Cek kondisi berhenti. Pada tahapan ini akan dilakukan pengklasifikasian pada data latih menggunakan Learning Vector Quantization (LVQ) sehingga didapatkan kelasnya.
Pengujian Pengujian dilakukan dua kali yaitu pada dataset uji organisme dikenal yang diperoleh dari k-fold cross validation dan data organisme belum dikenal (5000 fragmen). Dataset uji akan diprediksi masuk ke dalam kelas sesuai dengan genusnya. Prediksi dilakukan berdasarkan data latih yang telah diklasifikasikan dengan menggunakan metode LVQ.
Analisis dan Pembahasan Hasil prediksi tersebut akan dibandingkan dengan kelas aktualnya, hal ini dilakukan untuk membuktikan apakah dataset uji benar diklasifikasi atau salah diklasifikasi. Perhitungan nilai akurasi menggunakan persamaan berikut: akurasi=
data uji benar x 100% data uji
Dari hasil akurasi tersebut akan diambil yang paling tinggi (maksimum) dari setiap fold, kemudian akan dibandingkan hasilnya.
Ruang Lingkup Implementasi Lingkungan implementasi penelitian ini terdiri dari perangkat keras dan perangkat lunak, yaitu: 1 Perangkat keras berupa notebook: Intel ® Dual Core ™ @ 2.20 GHz RAM 2 GB Harddisk kapasitas 320 GB 2 Perangkat lunak: Sistem operasi Microsoft Windows 7 Professional Simulator metagenom MetaSim versi 0.9.1 CodeBlocks Matlab 7.7 (R2008b)
8
HASIL DAN PEMBAHASAN Praproses Setiap data dilakukan praproses menggunakan metsim, yaitu mengambil informasi DNA dengan panjang fragmen yang berbeda-beda, yaitu 500bp, 1000bp, 5000bp, 10000bp. Langkah selanjutnya adalah mengekstraksi fitur/ ciri menggunakan k-mers, k yang digunakan adalah k=3. Rincian data yang digunakan disajikan dalam Tabel 1 dan Tabel 2. Tabel 1 Rincian data organisme dikenal (10000 fragmen) Genus Agrobacterium Bacillus Staphylococcus
500 bp 2579 5216 2205
Panjang fragmen 1000 bp 5000 bp 2639 2661 5060 5063 2301 2276
10000 bp 2630 5174 2196
Tabel 2 Rincian data organisme belum dikenal (5000 fragmen) Genus Agrobacterium Bacillus Staphylococcus
500 bp 1284 2384 1332
Panjang fragmen 1000 bp 5000 bp 1328 1285 2264 2303 1408 1412
10000 bp 1258 2292 1450
Pada penelitian ini dilakukan 48 percobaan, yaitu percobaan 1 sampai 40 menggunakan data uji yang diperoleh dari fold cross validation dan percobaan 41 sampai 48 menggunakan dataset organisme belum dikenal. Percobaan 1 sampai percobaan 4 data yang digunakan adalah data yang tidak dilakukan reduksi dimensi, dan percobaan 5 sampai percobaan 40 data yang digunakan adalah data yang telah direduksi dimensi dengan menggunakan biplot. Nilai λ (pangkat matriks) yang digunakan bervariasi yaitu 2, 10, dan 64. Banyaknya peubah yang diambil adalah 10, 20, dan 30 sehingga dimensi matriks awalnya 10000 x 64 setelah direduksi dimensi matriks yang dihasilkan 10000 x 10, 10000 x 20, 10000 x 30. Percobaan 41 sampai 44 dengan dataset organisme belum dikenal dan tidak dilakukan reduksi dimensi (tanpa biplot). Percobaan 45 sampai 48 dengan dataset organisme belum dikenal dan dilakukan reduksi dimensi dengan biplot, λ (pangkat matriks) yang digunakan adalah 64 dengan peubah 30, sehingga dimensi dari data tersebut adalah 5000 x 30. Hasil plot pada data organisme dikenal (10000 fragmen) dengan panjang fragmen 500 bp ditunjukkan pada Gambar 4.
9
Gambar 4 Biplot 500bp, λ = 2 Hasil plot pada data organisme dikenal dengan panjang fragmen 1000 bp ditunjukkan pada Gambar 5.
Gambar 5 Biplot 1000bp, λ = 2 Hasil plot pada data organisme dikenal dengan panjang fragmen 5000 bp ditunjukkan pada Gambar 6.
10
Gambar 6 Biplot 5000bp, λ = 2 Hasil plot pada data organisme dikenal dengan panjang fragmen 10000 bp ditunjukkan pada Gambar 7.
Gambar 7 Biplot pada data 10000bp, λ = 2 Rincian pasangan basa (peubah) yang diambil setelah dilakukan perhitungan nilai singular disajikan pada Lampiran 3.
11 K-Fold Cross Validation Setelah dilakukan praproses kemudian dilakukan pembagian data dengan menggunakan k-fold cross validation, k yang digunakan adalah k=5 untuk semua percobaan. Penentuan data uji dan data latih berdasarkan data kelas. data kelas ini digunakan sebagai input pada fungsi cross validation. Kemudian data dipisahkan menjadi data latih dan data uji, dengan jumlah data latih ±8000, dan data uji ±2000 pada setiap fold. Kemudian data latih dan data uji akan dilakukan pelatihan dan pengujian menggunakan LVQ.
Pelatihan Pada tahapan ini dilakukan proses pelatihan dengan data latih yang diperoleh dari k-fold cross validation. Kemudian data latih tersebut dilakukan pelatihan dengan metode LVQ, sehingga mendapatkan model LVQ. Nilai bobot yang digunakan pada penelitian ini adalah data pertama dari setiap kelas. Parameter yang digunakan untuk setiap percobaan disajikan pada Tabel 3. Tabel 3 Parameter LVQ Parameter LVQ Neuron Input 10, 20, 30, dan 64 Neuron Output 3 Vector Input ± 8000 Epoch 300 Learning Rate 0.3 Penuurunan Learning Rate 0.977 Neuron masukan merupakan jumlah fitur penciri dari suatu fragmen DNA, neuron output merupakan jumlah kelas yang digunakan, jumlah kelas yang digunakan pada penelitian sebanyak 3 kelas, yaitu kelas Agrobacterium, Bacillus, dan Staphylococcus. Vektor masukan merupakan jumlah data yang akan dilakukan pelatihan. Hasil dari pelatihan ini adalah sebuah model yang nantinya akan digunakan pada data uji.
Pengujian Pengujian dilakukan sebanyak dua kali yaitu dengan data uji organisme dikenal yang diperoleh dari fold cross validation dan dataset organisme belum dikenal. Kemudian data tersebut diklasifikasikan berdasarkan model LVQ yang telah didapatkan dari pelatihan data latih. Pengujian kedua dilakukan pada dataset organisme belum dikenal (5000 fragmen). Hasil akurasi yang diperoleh pada setiap percobaan pada Lampiran 4 dan Lampiran 5.
12 Evaluasi Hasil akurasi akan dibandingkan hasilnya, kemudian akan dievaluasi. Berikut evaluasi dari setiap percobaan. Percobaan 1-4 : Tanpa biplot, data organisme dikenal Pada percobaan 1 sampai percobaan 4 akurasi yang diperoleh paling rendah adalah 81.90 % pada panjang fragmen 500 bp dan paling tinggi adalah 90.90 % pada panjang fragmen 10000 bp. Rata-rata waktu yang dibutuhkan untuk melakukan pelatihan dan pengujian adalah 188.25 detik. Hasil akurasi ditunjukkan pada Tabel 4 dan Gambar 8. Tabel 4 Hasil akurasi tanpa biplot, organisme dikenal
Akurasi (%)
Panjang fragmen 500 bp 1000 bp 5000 bp 10000 bp Rata-rata
Akurasi (%) 81.90 85.49 88.85 90.90 86.78
Waktu (detik) 190 187 187 189 188.25
100 90 80 70 60 50 40 30 20 10 0 500
1000
5000
10000
Panjang Fragmen (bp)
Gambar 8 Hasil akurasi tanpa biplot, organisme dikenal Percobaan 5-16 : Biplot, organisme dikenal Pada percobaan 5 sampai percobaan 16, akurasi yang diperoleh paling rendah adalah 78.19% pada panjang fragmen 500 bp dengan jumlah peubah =10 dan paling tinggi adalah 87.44% pada panjang fragmen 10000 bp dengan jumlah peubah = 30. Rata-rata waktu yang dibutuhkan untuk melakukan pelatihan dan pengujian adalah 126.33 detik. Hasil akurasi ditunjukkan pada Tabel 5 dan Gambar 9.
13 Tabel 5 Hasil akurasi biplot (λ=2), organisme dikenal Jumlah peubah 10
20
Akurasi (%)
30
Panjang fragmen 500 bp 1000 bp 5000 bp 10000 bp 500 bp 1000 bp 5000 bp 10000 bp 500 bp 1000 bp 5000 bp 10000 bp Rata-rata
Akurasi (%) 78.19 81.55 85.15 87.05 78.79 81.25 85.29 86.36 79.55 83.05 86.59 87.44
Waktu (detik) 109 108 105 105 129 130 122 131 144 149 143 141 126.33
100 90 80 70 60 50 40 30 20 10 0 500 bp
1000 bp
5000 bp
10000 bp
Panjang Fragmen Jumlah Peubah = 10
Jumlah Peubah = 20
Jumlah Peubah = 30
Gambar 9 Hasil akurasi biplot (λ=2), organisme dikenal Rata-rata untuk panjang fragmen 500 bp adalah 78.84%, panjang fragmen 1000 bp adalah 81.95%, panjang 5000 bp adalah 85.68%, dan panjang fragmen 10000 bp adalah 86.95%. Percobaan 17-28 : Biplot, organisme dikenal Pada percobaan 17 sampai percobaan 28 akurasi yang diperoleh paling rendah adalah 78.10 % pada panjang fragmen 500 bp dengan jumlah peubah = 10 dan paling tinggi adalah 88.25 % pada panjang fragmen 10000 bp dengan jumlah peubah = 30. Rata waktu yang dibutuhkan adalah 130.83 detik. Hasil akurasi ditunjukkan pada Tabel 6 dan Gambar 10.
14 Tabel 6 Hasil akurasi biplot (λ=10), organisme dikenal Jumlah Peubah 10
20
30
Panjang fragmen 500 bp 1000 bp 5000 bp 10000 bp 500 bp 1000 bp 5000 bp 10000 bp 500 bp 1000 bp 5000 bp 10000 bp Rata-rata
Akurasi (%) 78.10 81.15 85.86 87.31 78.50 81.99 86.75 87.89 79.25 82.09 86.80 88.25
Waktu (detik) 11 128 112 113 134 130 127 128 142 154 146 145 130.83
100 90
Akurasi (%)
80 70 60 50 40 30 20 10 0 500 bp
1000 bp
5000 bp
10000 bp
Panjang Fragmen Jumlah Peubah = 10
Jumlah Peubah = 20
Jumlah Peubah = 30
Gambar 10 Hasil akurasi biplot (λ=10), organisme dikenal Rata-rata untuk panjang fragmen 500 bp adalah 78.62%, panjang fragmen 1000 bp adalah 81.74%, panjang 5000 bp adalah 86.47%, dan panjang fragmen 10000 bp adalah 87.82%.
15 Percobaan 29-40 : Biplot, organisme dikenal Pada percobaan 29 sampai percobaan 40 akurasi yang diperoleh paling rendah adalah 78.10 % pada panjang fragmen 500 bp dengan jumlah peubah =10 dan paling tinggi adalah 87.74 % pada panjang fragmen 10000 bp dengan jumlah peubah = 20. Rata-rata waktu yang dibutuhkan untuk melakukan pelatihan dan pengujian adalah 126.25 detik. Hasil akurasi ditunjukkan pada Tabel 7 dan Gambar 11. Tabel 7 Hasil akurasi biplot (λ=64), organisme dikenal
Akurasi (%)
Panjang fragmen 500 bp 1000 bp Jumlah peubah = 10 5000 bp 10000 bp 500 bp 1000 bp Jumlah peubah = 20 5000 bp 10000 bp 500 bp 1000 bp Jumlah peubah = 30 5000 bp 10000 bp Rata-rata
Akurasi (%) 78.10 81.15 85.45 86.35 79.53 82.40 86.30 87.74 79.50 82.35 86.54 87.65
Waktu (detik) 108 106 116 109 123 129 139 126 137 138 138 146 126.25
100 90 80 70 60 50 40 30 20 10 0 500 bp
1000 bp
5000 bp
10000 bp
Panjang Fragmen Jumlah Peubah = 10
Jumlah Peubah = 20
Jumlah Peubah = 30
Gambar 11 Hasil akurasi biplot (λ=64), organisme dikenal Rata-rata untuk panjang fragmen 500 bp adalah 79.04%, panjang fragmen 1000 bp adalah 81.97%, panjang 5000 bp adalah 86.10%, dan panjang fragmen 10000 bp adalah 87.25%. Berdasarkan percobaan 5 sampai percobaan 40 dapat diperoleh informasi bahwa semakin panjang fragmen maka nilai akurasi semakin meningkat. Akurasi
16
Akurasi (%)
yang diperoleh pada percobaan tanpa biplot lebih tinggi dibandingkan percobaan menggunakan biplot, selisih berkisar 2.77% - 3.60%. Perbandingan akurasi pada dataset organisme dikenal ditunjukkan pada Gambar 12. 100.00 90.00 80.00 70.00 60.00 50.00 40.00 30.00 20.00 10.00 0.00 500 bp
1000 bp 5000 bp Panjang Fragmen
10000 bp
Min (Biplot)
Rata2 (Biplot)
Max (Biplot)
Min (Tanpa Biplot)
Rata2 (Tanpa Biplot)
Max (Tanpa Biplot)
Gambar 12 Perbandingan akurasi organisme dikenal Pada percobaan tanpa biplot membutuhkan waktu komputasi lebih lama dibandingkan percobaan menggunakan biplot, selisihnya berkisar 56-63 detik. Perbandingan waktu komputasi ditunjukkan pada Gambar 13.
Waktu (detik)
200.00 150.00 100.00 50.00 0.00 500 bp
1000 bp
5000 bp
10000 bp
Panjang Fragmen Tanpa Biplot
Biplot
Gambar 13 Perbandingan waktu pada organisme dikenal Percobaan 41-48: Data yang digunakan organisme belum dikenal Pada percobaan 41 sampai percobaan 48 menggunakan dataset organisme belum dikenal. Percobaan tidak menggunakan biplot dimensi yang digunakan adalah 5000 x 64 dan yang menggukan biplot dimensinya adalah 5000 x 30. Pada percobaan ini hasil akurasi tertinggi adalah 90.90% pada panjang fragmen 10000 bp, sedangkan akurasi terendah adalah 81.86% pada panjang fragmen 500 bp. Rata-rata waktu yang dibutuhkan pada percobaan ini adalah 189.25 detik. Hasil akurasi tanpa biplot ditunjukkan pada Tabel 8.
17 Tabel 8 Hasil akurasi tanpa biplot, organisme belum dikenal Panjang Fragmen 500 bp 1000 bp 5000 bp 10000 bp Rata-rata
Akurasi (%) 81.86 84.16 89.44 90.90
Waktu (detik) 191 188 188 190 189.25
Pada percobaan yang menggunakan biplot diambil nilai λ dan jumlah peubah secara acak, yaitu λ=64 dan jumlah peubah=30. Pada percobaan ini hasil akurasi tertinggi adalah 87.56% pada panjang fragmen 10000 bp, sedangkan akurasi terendah adalah 79.04% pada panjang fragmen 500 bp. Rata-rata waktu yang dibutuhkan pada percobaan ini adalah 140.75 detik. Nilai akurasi ditunjukkan pada Tabel 9. Tabel 9 Hasil akurasi biplot, organisme belum dikenal Panjang Fragmen 500 bp 1000 bp 5000 bp 10000 bp Rata-rata
Akurasi (%) 79.04 80.84 86.30 87.56
Waktu (detik) 138 139 139 147 140.75
Tabel 10 Perbandingan akurasi data organisme belum dikenal Panjang fragmen 500 bp 1000 bp 5000 bp 10000 bp
Akurasi Tanpa Biplot (%) 81.86 84.16 89.44 90.52
Akurasi Biplot (%)
Selisih (%)
79.04 80.84 86.30 87.56
2.82 3.32 3.14 2.96
Akurasi (%)
Perbandingan akurasi pada dataset organisme belum dikenal ditunjukkan pada Tabel 10 dan Gambar 14. 100.00 90.00 80.00 70.00 60.00 50.00 40.00 30.00 20.00 10.00 0.00 500 bp
1000 bp
5000 bp
10000 bp
Panjang Fragmen Tanpa Biplot
Biplot
Gambar 14 Perbandingan akurasi organisme belum dikenal
18 Pada percobaan tanpa biplot menghasilkan akurasi lebih rendah dibandingkan menggunkan biplot, namun perbedaannya tidak terlalu jauh, yaitu berkisar 2.82 % sampai 3.32 %. Pada percobaan tanpa biplot membutuhkan waktu komputasi lebih lama dibandingkan percobaan menggunakan biplot, selisihnya berkisar 56-63 detik. Perbandingan waktu komputasi ditunjukkan pada Tabel 11 dan Gambar 15. Tabel 11 Perbandingan waktu komputasi organisme belum dikenal Panjang fragmen 500 bp 1000 bp 5000 bp 10000 bp
Waktu Komputasi Waktu Komputasi Selisih (detik) Tanpa Biplot (detik) Biplot (detik) 191 127 63.67 188 131 56.67 188 128 59.44 190 128 61.78
250.00
Waktu (detik)
200.00 Tanpa Biplot 150.00 Biplot 100.00 50.00 0.00 500 bp
1000 bp
5000 bp
10000 bp
Panjang Fragmen
Gambar 15 Perbandingan waktu komputasi organisme belum dikenal Berdasarkan hasil pengujian pada organisme dikenal dan organisme belum dikenal menggunakan metode LVQ akurasi yang diperoleh berkisar 78.10% sampai 90.90%. Akurasi yang diperoleh ketika data tersebut tidak direduksi menggunakan biplot hasilnya lebih besar dibandingkan akurasi yang diperoleh ketika data tersebut direduksi dengan biplot, namun perbedaannya tidak terlalu jauh berkisar 2-3%. Salah satu faktor yang menyebabkan penurunan nilai akurasi karena fitur/ ciri yang direduksi sampai 80% dari fitur semula, dimensi yang digunakan setelah biplot adalah 10000 x 10 (peubah=10), 10000 x 20 (peubah=20), 10000 x 30 (peubah = 30). Selain itu perbedaan ketika menggunakan biplot dengan tidak menggunakan biplot adalah waktu komputasi. Pada percobaan yang menggunakan biplot waktu komputasi lebih efektif, yaitu membutuhkan waktu rata-rata 130 detik untuk proses pelatihan dan pengujian, sedangkan percobaan yang tidak menggunakan biplot membutuhkan waktu rata-rata 189 detik. Hal ini dikarenakan dimensi yang menggunakan biplot lebih kecil sehingga pada proses pelatihan dan pengujian tidak membutuhkan waktu lama. Panjang fragmen juga dapat
19 mempengaruhi akurasi, semakin panjang fragmen maka semakin besar pula nilai akurasinya.
SIMPULAN DAN SARAN Simpulan Pada penelitian ini disimpulkan bahwa akurasi yang dihasilkan cukup baik yaitu berkisar 78.10% sampai 90.90% untuk semua data dengan menggunakan metode metode klasifikasi LVQ, dan ekstraksi ciri digunakan k-mers dengan nilai k=3. Akurasi yang paling tinggi adalah 90.90 %, yaitu pada percobaan dengan data organisme dikenal yang mempunyai panjang fragmen 10000 bp dan tidak menggunakan biplot (reduksi dimensi/ ciri). Pemodelan biplot juga berhasil dalam penelitian ini, akurasi yang diperoleh menggunakan biplot perbedaannya tidak terlalu besar, berkisar 2-3%, namun waktu komputasi menggunakan biplot lebih cepat dibandingkan tanpa biplot.
Saran Akurasi yang diperoleh menggunakan biplot mungkin masih dapat ditingkatkan lagi, yaitu membentuk peubah baru dengan cara mengkombinasikan peubah yang mempunyai nilai keragaman kecil, sehingga tidak ada yang dihilangkan dari informasi data tersebut.
DAFTAR PUSTAKA Buono, Agus. 2014. Lecture note kuliah magister matematika dan statistika ilmu komputer. Bogor (ID): Institut Pertanian Bogor. de Carvalho Jr SA. 2003. Sequence Alignment Algorithms [disertasi]. London (GB): University for London. Elliyana, F. 2014. Klasifikasi fragmen metagenom menggunakan fitur spaced NMers dan K-Nearest Neighbor [skripsi]. Bogor (ID): Institut Pertanian Bogor. Fausett L. 1994. Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. New Jersey (US): Prentice Hall. Helianti I. 2008. Metagenomik, Era Baru Bioteknologi [Internet]. [di unduh 26 Juni 2014]. Tersedia pada: http://ishelianti.wordpress.com/tag/metagenome/. Kusuma WA, Akiyama Y. 2011. Metagenome fragmen binning based on characterization vector. International Conference on Bioinformatics and Biomedical Technology (ICBBT 2011); 2011 Mar 25–27; Sanya, China. Widodo TN. 2005. Sistem Neuro Fuzzy, Graha Ilmu, Yogyakarta. Wooley JC, Godzik A, Friedberg I. 2010. A primer on metagenomics. PLos Computational Biology. 6(2):1–13. doi: 10.1371/journal.pcbi.1000667.
20 Wu H. 2008. PCA-Based Linear Combinations Of Oligonucleotide Frequencies For Metagenomic Dna Fragmen Binning. Computational Intelligence in Bioinformatics and Computational Biology 2008. hlm 46-53.
21 Lampiran 1 Dataset organisme sudah dikenal (fragmen 10000) Spesies
Genus
Agrobacterium radiobacter K48 chromosome 2 Agrobacterium circular
tumefaciens
str.
C58
Agrobacterium
chromosome
Agrobacterium vitis S4 chromosome 1 Bacillus amyloliquefaciens FZB42
Bacillus
Bacillus anthracis str. ‘Ames Ancestor’ Bacillus cereus 03BB102 Bacillus pseudofirmus OF4 chromosome Staphylococcus aureus subsp. Sureus JH1
Staphylococcus
Staphylococcus epidermidis 1228 chromosome Staphylococcus haemolyticus JCSC1435 chromosome
Lampiran 2 Dataset oragnisme belum dikenal (fragmen 5000) Spesies
Genus
Agrobacterium radiobacter K48 chromosome 1
Agrobacterium
Agrobacterium tumefaciens str. C58 chromosome linear Agrobacterium vitis S4 chromosome 2 Bacillus pumilus SAFR-032
Bacillus
Bacillus subtilis subsp. subtilis str. 16B chromosome Bacillus thuringiensis str. Al Hakam chromosome Staphylococcus chromosome
carnosus
subsp.
carnosus
TM300
Staphylococcus lugdunensis HKU09-01 chromosome Staphylococcus ATCC 15305
saprophyticus
subsp.
saprophyticus
Staphylococcus
22 Lampiran 3 Pasangan basa yang diambil berdasarkan perhitungan nilai singular Panjang fragmen 500bp
Pangkat matriks (λ) 2
Jumlah peubah 10 20
30
64
10 20 30
1000bp
2
10 20
30
64
10 20
30
5000bp
2
10
Pasangan Basa yang diambil AAA TAT AAA TAT GCC GCT AAA TAT GCC GCT TAC AAA ATA AAA ATA AAA ATA TTC ACT GGC AAA TAT AAA TAT GCC AGC AAA TAT GCC AGC GAA AAA TAT AAA TAT GCG CTA AAA TAT GCG CTA AGA AAA
TTT TAA TTA AAT ATA CGC CGC TTT TAA TTA AAT ATA CGC CCG GCG GGC CTA CTT TAG AGC TTT TAA TTA AAT ATA CGC CCG GCG GGC CTA CTT TAG AGC ACG CGT GTT GTA TTC GAA ACT TTT AAT TAA TTA TAT AAG CTT TTT AAT TAA TTA TAT AAG CTT TTT AAT TAA TTA TAT AAG CTT CCG GAA AGT TAC CGG GTA AGA TAG GCG GCT AGC AAC TCT TTT TTA TAA ATT ATA GCG CGC TTT TTA TAA ATT ATA GCG CGG CGC GGC CTT AAG CTA GCT TTT TTA TAA ATT ATA GCG CGG CGC GGC CTT AAG CTA GCT CGT GTT AAC GTA TAC TTC AGT TTT TTA TAA ATT ATA AAG CTT TTT TTA TAA ATT ATA AAG CTT CGG GGC CGC GCC TTC TAG TTT TTA TAA ATT ATA AAG CTT CGG GGC CGC GCC TTC TAG TCT TAC AGT AGC ACT GCT GTT TTT TTA TAA ATT
ATT ATT CGG AAG ATT CGG AAG AAC AGT ATT ATT ATT CGC GCC CTA GTT AAT AAT CCG TAG AAT CCG TAG ACG ACT AAT AAT CCG GAA AAT CCG GAA GTA AAC AAT
23 Panjang fragmen
Pangkat matriks (λ)
Jumlah peubah 20
30
64
10 20
30
10000bp
2
10 20
30
64
10 20
30
Pasangan Basa yang diambil TAT AAA TAT GGC TAG AAA TAT GGC TAG ACG TTT ATA TTT ATA CGG CTA TTT ATA CGG CTA AGT AAA ATA AAA ATA GGC GCT AAA ATA GGC GCT CGT AAA GCA AAA GCA ATA GAC AAA GCA ATA GAC AGC
ATA CGC TTT TTA ATA CGC GCC CTT AGC TTT TTA ATA CGC GCC CTT AGC GTT TTC TAC AAA TTA AAT AAG AAA TTA AAT AAG GAA CCG TAG AAA TTA AAT AAG GAA CCG TAG AAC AGC AGA TTT TTA TAT GCG TTT TTA TAT GCG GCC CTT AGC TTT TTA TAT GCG GCC CTT AGC AAC ACG TAC CAA GAA TCA AGA CAA GAA TCA AGA CTA GTA TAC CAA GAA TCA AGA CTA GTA TAC ACC CGC GGC
GCG TAA ATT AAT GCG CGG CCG AAG GCT CTA TAA ATT GCG CGG AAG GCT AAC GAA GTA ACT TAA ATT CTT TAA ATT CTT CGC TTC GCC
AAT CCG CTA CGT AGT TAT
TAA ATT CTT CGC TTC GCC ACT GTT TCT TAC TAA ATT GGCp TAA ATT CGG CGC AAG CTA
TAT GCG GGC GCT GTA AAT
TAA ATT CGG CGC AAG CTA GTT GAA GTA ACT TAA ACA CGA TAA ACA CGA GGA TTA AAC
AAT CCG TAG TTC AGT CCA
TAA ACA CGA GGA TTA AAC CCC GCC TGC ATC
CCA TGA CAC TCC CTC
Lampiran 4 Hasil percobaan pada organisme yang sudah dikenal
TAT GCG GGC
AAT CCG TAG
CCA TGA CAC
24 Percobaan 1
Panjang fragmen 500bp
Akurasi 80.11 % 81.65 % 80.74 % 79.60 % 81.86 %
2
1000bp
84.25 % 84.16 % 85.49 % 83.25 % 83.65 %
3
4
5
6
7
8
Iterasi / fold 1 2 3 4 5 Akurasi maksimum = 81.90 % 1 2 3 4 5 Akurasi maksimum = 85.49 % 5000bp 1 2 3 4 5 Akurasi maksimum = 88.85 % 10000bp 1 2 3 4 5 Akurasi maksimum = 90.90 % 500bp 1 2 3 4 5 Akurasi maksimum = 78.19 % 1000bp 1 2 3 4 5 Akurasi maksimum = 81.55 % 5000bp 1 2 3 4 5 Akurasi maksimum = 85.15 % 1000bp 1 2 3 4
88.85 % 87.64 % 87.99 % 88.40 % 87.36 % 90.05 % 90.90 % 88.55 % 88.65 % 89.34 % 77.86 % 52.15 % 77.25 % 78.19 % 76.70 % 50.60 % 50.60 % 81.55 % 50.60 % 78.65 % 85.15 % 84.90 % 84.84 % 85.00 % 85.15 % 84.45 % 85.30 % 85.55 % 86.20 %
25 Percobaan
9
10
11
12
13
14
15
16
Panjang fragmen
Iterasi / fold 5 Akurasi maksimum = 87.05 % 500bp 1 2 3 4 5 Akurasi maksimum = 78.79 % 1000bp 1 2 3 4 5 Akurasi maksimum = 81.25 % 5000bp 1 2 3 4 5 Akurasi maksimum = 85.29 % 10000bp 1 2 3 4 5 Akurasi maksimum = 86.36 % 500bp 1 2 3 4 5 Akurasi maksimum = 79.55 % 1000bp 1 2 3 4 5 Akurasi maksimum = 83.05 % 5000bp 1 2 3 4 5 Akurasi maksimum = 86.59 % 10000bp 1 2 3
Akurasi 87.05 % 52.15 % 77.70 % 52.17 % 78.79 % 76.45 % 80.70 % 81.25 % 80.95 % 80.50 % 79.30 % 85.29 % 84.04 % 84.20 % 84.41 % 85.01 % 84.70 % 85.60 % 86.36 % 86.19 % 85.25 % 79.55 % 77.20 % 79.15 % 78.50 % 77.35 % 80.90 % 80.45 % 83.05 % 81.20 % 81.40 % 85.90 % 85.25 % 84.71 % 84.40 % 86.59 % 87.44 % 87.15 % 86.50 %
26 Percobaan
17
18
19
20
21
22
23
24
Panjang fragmen
Iterasi / fold 4 5 Akurasi maksimum = 87.44 % 500 bp 1 2 3 4 5 Akurasi maksimum = 78.10 % 1000 bp 1 2 3 4 5 Akurasi maksimum = 81.15 % 5000 bp 1 2 3 4 5 Akurasi maksimum = 85.86 % 10000 bp 1 2 3 4 5 Akurasi maksimum = 87.31 % 500 bp 1 2 3 4 5 Akurasi maksimum = 78.50 % 1000 bp 1 2 3 4 5 Akurasi maksimum = 81.99 % 5000 bp 1 2 3 4 5 Akurasi maksimum = 86.75 % 10000 bp 1 2
Akurasi 86.06 % 86.10 % 52.15 % 78.10 % 52.17 % 52.18 % 52.15 % 50.57 % 50.60 % 50.62 % 79.45 % 81.15 % 85.86 % 85.19 % 50.62 % 84.85 % 84.06 % 84.40 % 86.60 % 86.15 % 85.09 % 87.31 % 78.50 % 78.25 % 52.17 % 52.18 % 77.10 % 81.35 % 81.30 % 81.85 % 81.99 % 79.80 % 84.00 % 86.75 % 85.64 % 86.55 % 84.65 % 87.55 % 87.89 %
27 Percobaan
25
26
27
28
29
30
31
32
Panjang fragmen
Iterasi / fold 3 4 5 Akurasi maksimum = 87.89 % 500 bp 1 2 3 4 5 Akurasi maksimum = 79.25 % 1000 bp 1 2 3 4 5 Akurasi maksimum = 82.09 % 5000 bp 1 2 3 4 5 Akurasi maksimum = 86.80 % 10000 bp 1 2 3 4 5 Akurasi maksimum = 88.25 % 500bp 1 2 3 4 5 Akurasi maksimum = 78.10 % 1000bp 1 2 3 4 5 Akurasi maksimum = 80.15 % 5000bp 1 2 3 4 5 Akurasi maksimum = 85.45 % 1000bp 1
Akurasi 86.20 % 86.15 % 85.96 % 78.29 % 78.66 % 78.85 % 79.25 % 77.90 % 81.80 % 81.61 % 82.09 % 81.20 % 81.70 % 86.80 % 86.56 % 85.40 % 84.10 % 84.64 % 87.11 % 88.25 % 85.85 % 86.55 % 86.64 % 52.15 % 78.10 % 52.17 % 52.18 % 52.15 % 50.57 % 50.60 % 50.62 % 79.45 % 81.15 % 84.65 % 84.60 % 85.45 % 50.65 % 85.30 % 85.74 %
28 Percobaan
33
34
35
36
37
38
39
Panjang fragmen
Iterasi / fold 2 3 4 5 Akurasi maksimum = 86.35 % 500bp 1 2 3 4 5 Akurasi maksimum = 79.53 % 1000bp 1 2 3 4 5 Akurasi maksimum = 82.40 % 5000bp 1 2 3 4 5 Akurasi maksimum = 86.30 % 10000bp 1 2 3 4 5 Akurasi maksimum = 87.74 % 500bp 1 2 3 4 5 Akurasi maksimum = 79.50 % 1000bp 1 2 3 4 5 Akurasi maksimum = 82.35 % 5000bp 1 2 3 4 5 Akurasi maksimum = 86.54 %
Akurasi 85.75 % 86.35 % 85.61 % 85.95 % 78.00 % 52.15 % 79.53 % 77.86 % 76.25 % 82.35 % 81.50 % 82.40 % 81.15 % 19.90 % 85.39 % 86.30 % 85.30 % 85.70 % 84.69 % 86.65 % 87.74 % 86.66 % 86.90 % 86.05 % 79.44 % 79.50 % 78.70 % 77.81 % 77.90 % 81.85 % 81.15 % 80.86 % 81.19 % 82.35 % 85.16 % 86.54 % 85.00 % 84.54 % 85.85 %
29 Percobaan 40
Panjang fragmen 10000bp
Iterasi / fold 1 2 3 4 5 Akurasi maksimum = 87.65 %
Lampiran 5 Hasil percobaan pada organisme yang belum dikenal Percobaan 41 42 43 44 45 46 47 48
Panjang fragmen 500 bp 1000 bp 5000 bp 10000 bp 500 bp 1000 bp 5000 bp 10000 bp
Akurasi 81.90 % 85.49 % 88.85 % 90.90 % 79.50 % 82.35 % 86.54 % 87.65 %
Akurasi 85.95% 87.15% 87.65% 86.00 % 86.75 %
30
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 14 Maret 1992 dengan nama Rindi Antika. Penulis merupakan anak pertama dari dua bersaudara pasangan Asid dan Saleha. Penulis menyelesaikan pendidikan Sekolah Menengah Atas di SMA Negeri 75 Jakarta, lulus pada tahun 2009. Pada tahun yang sama penulis melanjutkan pendidikan di Institut Pertanian Bogor Direktorat Program Diploma, Program Keahlian Teknik Komputer melalui jalur reguler. Pada tahun 2012, penulis melanjutkan studi ke program S1 Ilmu Komputer Alih Jenis, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
