Pengelompokan Fragmen Metagenom dengan Agglomerative Hierarchical Clustering

Kurniadi, Alex (2021) Pengelompokan Fragmen Metagenom dengan Agglomerative Hierarchical Clustering. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (452kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (396kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (346kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (302kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (289kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (219kB)
[img]
Preview
PDF
BAB_V.pdf

Download (51kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (913kB) | Preview

Abstract

Tidak seperti ilmu genomika yang mempelajari tentang mikroorganisme yang dikultur secara khusus, metagenomika adalah ilmu yang mempelajari tentang bagaimana meneliti sampel mikroorganisme yang diperoleh secara langsung dari lingkungan. Sampel yang diambil demikian menghasilkan beragam kumpulan fragmen saat disekuensi, di mana banyak di antaranya termasuk spesies yang belum dikenali atau diketahui. Percobaan perakitan terhadap kumpulan fragmen tersebut rentan menghasilkan gabungan-gabungan yang mempersulit pengenalan spesies sampel, sehingga diperlukan teknik-teknik binning yang dapat membantu menggolongkan fragmen-fragmen tersebut terhadap suatu tingkat tertentu pada pohon filogenetika. Penelitian ini mencoba menerapkan kumpulan algoritma dan metode seperti k-mers untuk ekstraksi ciri, linear discriminant analysis (LDA) untuk reduksi dimensi, dan agglomerative hierarchical clustering (dikenal juga sebagai AGNES) untuk pengelompokan fragmen metagenom terhadap tingkat taksonomi genus. Percobaan dilakukan terhadap serangkaian acuan pengamatan yang berbeda, termasuk variasi panjang akhir fragmen metagenom dari 0,5 Kbp sampai dengan 10 Kbp dalam masing-masing konteks 3-mer dan 4-mer (k = 3 dan k = 4). Rata-rata tingkat validitas hasil pengelompokan dari himpunan latih dan himpunan uji yang dihitung menggunakan silhouette index adalah sebesar 0,6945 dan 0,0879 dalam konteks 3-mer, serta 0,5219 dan 0,1884 dalam konteks 4-mer.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: AGNES, k-fold, k-mers, LDA, pembelajaran mesin
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 20:07
Last Modified: 24 Aug 2021 20:07
URI: http://kc.umn.ac.id/id/eprint/16064

Actions (login required)

View Item View Item