Clustering Fragmen Metagenome Menggunakan Som Dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix (Glcm) Pada Variasi Panjang Fragmen

Abstract

Penelitian di bidang bioinformatika berkembang semakin pesat, terutama penelitian mengenai metagenome. Namun, pada penelitian metagenome masih terdapat kelemahan, yaitu proses sequencing secara langsung akan memungkinkan bercampurnya fragmen sehingga dapat mempengaruhi perakitan fragmen. Oleh sebab itu, penelitian ini menggunakan teknik clustering untuk mengantisipasi kesalahan perakitan tersebut. Data yang digunakan dalam penelitian ini adalah data metagenome yang diunduh dari situs National Center for Biotechnology Information (NCBI) sebanyak 100 organisme dari 10 genus. Terdapat 4 variasi panjang fragmen yang digunakan, yaitu 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp. Clustering pada fragmen dilakukan dengan menggunakan metode Self Organizing Maps (SOM) dan pada tahap ekstraksi fitur menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Proses clustering yang telah dilakukan mencapai akurasi 92% - 93.6%. Nilai spesifisitas berada pada rentang 85.9% - 87.4%, sedangkan nilai sensitivitas berada pada rentang 61% - 65%. Dari penelitian yang telah dilakukan, tidak terlihat adanya pengaruh panjang fragmen terhadap hasil akurasi clustering.