Optimasi Parameter pada Fast Correlation Based Filter Menggunakan Metode Particle Swarm Optimization untuk Klasifikasi Metagenom
View/ Open
Date
2017Author
Nainggolan, Esty Herlina
Haryanto, Toto
Hardhienata, Medria
Metadata
Show full item recordAbstract
Bioinformatika memiliki banyak bidang kajian penting yang terus
berkembang, salah satunya adalah analisis metagenom. Metagenom merupakan
materi genetik yang diperoleh dari sampel yang diambil langsung dari lingkungan
tanpa budidaya di laboratorium. Untuk mengklasifikasikan fragmen metagenom ke
dalam tingkat taksonomi yang berbeda, proses binning perlu dilakukan. Dalam
penelitian ini, proses binning dilakukan dengan pendekatan komposisi berbasis
metode supervised learning. Pendekatan komposisi ini memiliki tahapan ekstraksi
fitur yang dilakukan dengan metode k-mers. Untuk mereduksi dimensi fitur yang
dihasilkan k-mers digunakan algoritme Fast Correlation Based Filter (FCBF).
Untuk klasifikasi, kami menggunakan metode k-nearest neighbour (KNN).
Penelitian ini bertujuan untuk meningkatkan hasil akurasi pengklasifikasian
metagenome dengan mengoptimasi nilai parameter threshold pada algoritme FCBF
dengan menggunakan Particle Swarm Optimization (PSO). Hasil penelitian
menunjukkan bahwa PSO dapat digunakan untuk mengoptimasi nilai parameter
threshold. Selain itu, dapat diamati bahwa nilai fitness dan akurasi
pengklasifikasian berpotensi untuk ditingkatkan dengan menambah jumlah partikel
PSO dan iterasi.
Collections
- UT - Computer Science [2322]