Clustering Fragmen Metagenom Menggunakan K-means dan Ekstraksi Fitur GLCM dengan Variasi Coverage

Abstract

Analisis metagenom merupakan salah satu bidang kajian bioinformatika yang sedang berkembang saat ini. Bidang yang terkait analisis metagenom adalah genome sequencing dari sampel yang diperoleh langsung dari lingkungan (sampel metagenom). Sequencing dengan sampel metagenom tersebut dapat menyebabkan kesalahan perakitan fragmen dalam suatu kelompok mikroorganisme karena fragmen-fragmen yang dihasilkan bercampur. Oleh karena itu, diperlukan suatu algoritme yang tepat untuk mengelompokkan fragmen-fragmen dari organisme yang memiliki ciri sesuai dengan kelompok tersebut. Tujuan dari penelitian ini adalah menerapkan algoritme K-means dengan ekstraksi fitur dari Gray Level Cooccurrence Matrix (GLCM) pada tiap fragmen dengan variasi coverage. Hasil dari clustering dievaluasi dengan melihat nilai ragam yang diperoleh. Nilai ragam terkecil yang diperoleh adalah sebesar 0.1172 pada coverage 10 dan jumlah cluster sebanyak 11.