Klasifikasi Metagenom dengan Metode Naïve Bayes Classifier

Dian Kartika Utami, Wisnu Ananta Kusuma, Agus Buono

Abstrak

Studi metagenom merupakan langkah penting pada pengelompokan taksonomi. Pengelompokan pada metagenom dapat dilakukan dengan menggunakan metode binning. Binning diperlukan untuk mengelompokkan contigs yang dimiliki oleh masing-masing kelompok spesies filogenetik. Pada penelitian ini, binning dilakukan dengan menggunakan pendekatan komposisi berdasarkan supervised learning (pembelajaran dengan contoh). Metode supervised learning yang digunakan yaitu Naïve Bayes Classifier. Adapun metode yang digunakan untuk ekstraksi ciri adalah dengan melakukan perhitungan frekuensi k-mer. Klasifikasi pada metagenom dilakukan berdasarkan tingkat takson genus. Dari proses klasifikasi yang dilakukan, akurasi yang diperoleh dengan menggunakan fragmen pendek (400 bp) adalah 49.34 % untuk ekstraksi ciri 3-mer dan 53.95 % untuk ekstrasi ciri 4-mer. Sementara itu, untuk fragmen panjang (10 kbp), akurasi mengalami peningkatan yaitu 82.23 % untuk ekstraksi ciri 3-mer dan 85.89 % untuk esktraski ciri 4-mer. Dari hasil tersebut dapat disimpulkan bahwa akurasi semakin tinggi seiring dengan semakin panjangnya ukuran fragmen. Selain itu, penelitian ini juga menyimpulkan bahwa metode ekstrasi ciri yang memberikan hasil paling maksimal adalah dengan menggunakan ekstraksi ciri 4-mer.

Kata Kunci: metagenom, k-mer, Naïve Bayes Classifier, binning, klasifikasi

Penulis

Dian Kartika Utami
Wisnu Ananta Kusuma
ananta@ipb.ac.id (Kontak utama)
Agus Buono
Author Biographies

Dian Kartika Utami, Institut Pertanian Bogor

Departemen Ilmu Komputer

Wisnu Ananta Kusuma, Institut Pertanian Bogor

Departemen Ilmu Komputer

Agus Buono, Institut Pertanian Bogor

Departemen Ilmu Komputer
UtamiD. K., KusumaW. A., & BuonoA. (2017). Klasifikasi Metagenom dengan Metode Naïve Bayes Classifier. Jurnal Ilmu Komputer Dan Agri-Informatika, 3(1), 9-17. https://doi.org/10.29244/jika.3.1.9-17
Copyright and license info is not available

Rincian Artikel

Perbandingan Algoritma Klasifikasi untuk Mendeteksi Kebutuhan Nitrogen Tanaman Padi Berdasarkan Data Citra Multi-spectral Drone

Kahfi Gunardi, Karlisa Priandana, Medria Kusuma Dewi Hardhienata, Wulandari, Mohamad Solahudin
Abstract View : 172
Unduh :122

Analisis Potensi Lokasi dan Klasifikasi Electronic Data Capture (EDC) pada UMKM BNI Agen46

Fiqhri Mulianda Putra, Marimin, Sony Hartono Wijaya, Reinaldy Jalu Nusantara
Abstract View : 151
Unduh :108

Pemodelan Berbasis Jaringan untuk Pengklasifikasian Kanker Payudara Berdasarkan Data Molekuler

Mushthofa, Chamdan L Abdulbaaqiy, Sony Hartono Wijaya, Muhammad Asyhar Agmalaro, Lailan Sahrina...
Abstract View : 455
Unduh :557

Perbandingan Model AlexNet dan ResNet dalam Klasifikasi Citra Bunga Memanfaatkan Transfer Learning

Bana Falakhi, Elmira Faustina Achmal, Muhammad Rizaldi, Renata Rizki Rafi' Athallah, Novanto...
Abstract View : 887
Unduh :1885