Klasifikasi Fragmen Metagenom Menggunakan Metode Probabilistic Neural Network (PNN)

Abstract

Teknologi pada bidang bioinformatika terus berkembang, khususnya untuk analisis metagenom. Metagenom merupakan komunitas mikrob genom yang sampelnya diambil langsung dari lingkungan. Fragmen metagenom yang dihasilkan dari pengambilan sampel masih bercampur antar-organisme. Tujuan penelitian ini adalah melakukan klasifikasi fragmen metagenom ke dalam takson genus. Penelitian ini menggunakan metode Probabilistic Neural Network (PNN) dengan ekstraksi fitur Gray Level Co-occurence Matrix (GLCM). Penelitian dilakukan pada panjang fragmen 200 bp, 400 bp, 800 bp, dan 1 Kbp. Data yang digunakan sebanyak 100 organisme dalam variasi 10 genus dengan 5-fold cross validation. Untuk mendapatkan nilai fitur fragmen dibutuhkan formulasi 8 fitur persamaan haralick. Setelah hasil fitur didapat, kemudian diklasifikasi dengan metode PNN. Dari klasifikasi PNN, diperoleh akurasi pada rentang 92.8%-93.6% berdasarkan panjang fragmen. Nilai spesifisitas pada keempat panjang fragmen mencapai 96%. Berbeda dengan spesifisitas, nilai sensitivitas yang diperoleh sekitar 64%-68%. Selisih akurasi, sensitivitas, dan spesifisitas pada panjang 200 bp dan 1 Kbp tidak jauh berbeda. Dari hasil tersebut, terdapat kecenderungan bahwa semakin panjang fragmen yang digunakan maka akurasi semakin meningkat.