Klasifikasi Fragmen Metagenom menggunakan PNN dengan Ekstraksi Fitur GLCM pada setiap Fragmen

Abstract

Analisis metagenom adalah salah satu bidang kajian bioinformatika yang sedang berkembang di Indonesia. Bidang ini terkait dengan analisis sequencing genom yang diperoleh langsung dari lingkungan, namun sequencing secara langsung tersebut dapat menyebabkan kesalahan rekayasa atau perakitan fragmen dalam suatu kelompok mikroorganisme. Oleh karena itu, diperlukan suatu algoritme yang tepat dalam pengelompokan dari organisme yang memiliki ciri sesuai dengan kelompok tersebut. Tujuan dari penelitian ini adalah menerapkan algoritme klasifikasi probabilistic neural network (PNN) dengan ekstraksi fitur dari gray level co-occurrence matrix (GLCM). Pada proses ekstraksi fiturnya dilakukan dua variasi perlakuan GLCM yaitu ekstraksi untuk seluruh fragmen dan ekstraksi untuk tiap fragmen pada masing-masing organisme, dan didapatkan akurasi maksimum 86% pada perlakuan untuk tiap fragmen dan 73% untuk perlakuan seluruh fragmen. Nilai spesifisitas pada kedua perlakuan ekstraksi mencapai 98.33%, sedangkan sensitivitas diperoleh pada nilai 70%–85% .