Clustering Metagenom dengan Metode K-Medoids pada Model Pemrograman Map-Reduce

Abstract

Metagenom adalah ilmu yang mempelajari materi genetik yang diambil langsung dari lingkungan tanpa budidaya. Kendala yang terjadi pada analisis metagenom adalah bercampurnya fragmen DNA dan ukuran data yang sangat besar. Penelitian ini bertujuan untuk mengimplementasikan metode k-medoids menggunakan model pemograman map-reduce. Map-reduce adalah model pemrograman yang berguna untuk mengatasi data berukuran besar yang dapat diimplementasikan menggunakan Hadoop. Pada penelitian ini n-mers frequency digunakan untuk melakukan ekstraksi ciri dan Euclidean distance untuk mengukur jarak antar fragmen. Evaluasi clustering diukur menggunakan indeks Davies-Bouldin dan purity. Hasil implementasi map-reduce dievaluasi dengan speedup. Hasil evaluasi clustering menunjukan cluster dengan jumlah 3 memiliki nilai Indeks Davies-Bouldin terbaik dengan nilai 2.002. Nilai purity dari hasil clustering tersebut adalah 0.618 pada tingkat genus.