dc.description.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. | id |