View Item 
      •   IPB Repository
      • Dissertations and Theses
      • Undergraduate Theses
      • UT - Faculty of Mathematics and Natural Sciences
      • UT - Computer Science
      • View Item
      •   IPB Repository
      • Dissertations and Theses
      • Undergraduate Theses
      • UT - Faculty of Mathematics and Natural Sciences
      • UT - Computer Science
      • View Item
      JavaScript is disabled for your browser. Some features of this site may not work without it.

      Analisis Fitur untuk Identifikasi Single Nucleotide Polymorphism Studi Kasus pada DNA Glycine max [L.] Merr

      No Thumbnail [100%x80]
      View/Open
      Fulltext (16.04Mb)
      Date
      2019
      Author
      Oktaviani, Shelvinta
      Hasibuan, Lailan Sahrina
      Metadata
      Show full item record
      Abstract
      Single Nucleotide Polymorphism (SNP) merupakan marka DNA yang menunjukkan adanya variasi satu buah nukleotida pada suatu populasi spesies yang sama namun varietas berbeda. Identifikasi SNP atau SNP Calling merupakan tahapan penting untuk analisis keterkaitan SNP dan fenotipe. Tujuan penelitian ini adalah mengidentifikasi SNP menggunakan Boostrap Agregating (Bagging) CART dan Support Vector Machine. Bagging CART merupakan teknik klasifikasi dengan kompleksitas yang sederhana O(n log n) namun mampu memberikan alasan atas keputusan pengklasifikasian data. Sementara itu, SVM merupakan metode klasifikasi yang handal namun memiliki kompleksitas yang tinggi O(n3). Penelitian ini bertujuan untuk membandingkan kemampuan Bagging CART dan SVM dalam melakukan SNP Calling. Data yang digunakan adalah whole-genome kedelai budidaya (Glycine max [L.] Merr.) yang disekuen dengan teknologi Next-Generation Sequecing (NGS) Illumina. Data tersebut dibagi ke dalam 3 set data yang dibedakan berdasarkan kelompok fitur yang digunakan. Berdasarkan metode Bagging CART, dataset 2 memperoleh nilai f-measure yang tertinggi yaitu 0.63. Nilai ini lebih tinggi dibandingkan model yang dibangun menggunakan dataset 1 dan 3 yaitu 0.62. Adapun berdasarkan metode SVM , data yang memperoleh nilai f-measure tertinggi adalah dataset 1 yaitu sebesar 0.59. Nilai ini lebih tinggi dibandingkan model yang dibangun menggunakan dataset 2 dan 3 yaitu 0.56. Berdasarkan hasil yang diperoleh, metode Bagging CART lebih baik dibandingkan metode SVM untuk identifikasi SNP.
      URI
      http://repository.ipb.ac.id/handle/123456789/101483
      Collections
      • UT - Computer Science [2339]

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository
        

       

      Browse

      All of IPB RepositoryCollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

      My Account

      Login

      Application

      google store

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository
        

       

      NoThumbnail