Klasifikasi Fragmen Metagenom Menggunakan Ekstraksi Spaced N mers dan Probabilistic Neural Network sebagai Classifier

Abstract

Metagenomika merupakan cabang genetika yang secara khusus ditujukan untuk mempelajari materi genetik yang diambil langsung dari sampel lingkungan, diikuti dengan menganalisis informasi genetika tersebut. Proses sekuensing dari sampel lingkungan menghasilkan fragmen-fragmen pendek yang berasal dari beberapa mikroorganisme yang terdapat pada sampel tersebut. Kondisi seperti ini menyebabkan proses perakitan fragmen menjadi tidak akurat, yaitu dengan dimungkinkannya terbentuknya cymeric contigs. Keberadaan cymeric contigs ini dapat diminimalkan dengan melakukan binning. Proses binning dapat dilakukan dengan pengklusteran atau pengklasifikasian. Penelitian ini dilakukan menggunakan metode probabilistic neural network untuk proses klasifikasi dan spaced n-mers untuk ekstraksi fiturnya karena sudah terbukti akurat dan menghasilkan akurasi yang baik. Data yang dipakai mempunyai panjang fragmen 500 bp, 1000 bp, 5000 bp, dan nilai n-mers yang dipakai adalah 3. Akurasi yang terbaik dihasilkan dengan menggunakan nilai smoothing parameter 11 untuk pengujian organisme dikenal. Selanjutnya pengujian dengan organisme tidak dikenal menghasilkan akurasi sebesar 64.40% untuk panjang fragmen 500 bp, 68.60% untuk panjang fragmen 1000 bp, 69.62% untuk panjang fragmen 5000 bp.