Metode Spectral Alignment Berbasis Fuzzy Untuk Pengoreksian Sequence Dna Dari Next Generation Sequencer

PENGEMBANGAN METODE SPECTRAL ALIGNMENT BERBASIS
FUZZY UNTUK PENGOREKSIAN SEQUENCE DNA
DARI NEXT GENERATION SEQUENCER

KANA SAPUTRA S

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa disertas berjudul Pengembangan Metode
Spectral Alignment Berbasis Fuzzy untuk Pengoreksian Sequence DNA dari Next
Generation Sequencer adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, Agustus 2015

Kana Saputra S
NIM G651130271

RINGKASAN
KANA SAPUTRA S. Metode Spectral Alignment Berbasis Fuzzy untuk
Pengoreksian Sequence DNA dari Next Generation Sequencer. Dibimbing oleh
WISNU ANANTA KUSUMA dan AGUS BUONO.
Teknologi sequencing terus berkembang dari traditional Sanger Shotgun
sequencing menjadi Next Generation Sequencing (NGS). Teknologi ini
menghasilkan short read dalam jumlah yang banyak dan membutuhkan waktu yang
relatif singkat dalam sekali menjalankan program. Teknologi yang digunakan saat
ini masih menghasilkan kesalahan atau error dalam proses pembacaan urutan
sekuen DNA. Kesalahan pembacaan urutan sekuen DNA dapat mengakibatkan
akurasi data yang rendah dan menambah waktu pada saat proses DNA sequence
assembly. Permasalahan ini dapat diatasi dengan melakukan pendeteksian dan
pengoreksian DNA sequencing error.
Metode untuk mendeteksi dan mengoreksi DNA sequencing error

menggunakan metode spectral alignment. Metode tersebut hanya menggunakan
aspek frekuensi kemunculan tuple (multiplicity). Penelitian lain untuk mendeteksi
dan mengoreksi DNA sequencing error menggunakan model statistika dengan
melihat aspek kualitas basa. Dalam penelitian ini akan menggabungkan aspek
multiplicity dan kualitas basa. Kemudian muncul permasalahan bagaimana
menentukan batas multiplicity dan kualitas tuple yang tidak mengandung error.
Fuzzy inference system (FIS) dipilih karena dapat mengatasi permasalahan ini. FIS
digunakan untuk mengklasifikasikan sebuah tuple masuk ke dalam solid atau weak
tuples.
Metode spectral alignment berbasis fuzzy diimplementasikan sebagai tahap
preprocessing sebelum proses DNA sequence assembly. Keberhasilan proses
pendeteksian dan pengoreksian DNA sequencing error dilihat dari aspek
perhitungan jumlah nodes. Perhitungan jumlah nodes dihasilkan oleh Velvet
assembler. Untuk memastikan akurasi data set yang telah dikoreksi maka akan
dilakukan proses evaluasi. Evaluasi dilakukan dengan melihat kualitas contigs dan
perhitungan similarity antara data set yang telah dikoreksi dengan data reference.
Data reference diperoleh dari National Center for Biotechnology Information
(NCBI). Tool yang digunakan untuk menghitung similarity menggunakan Basic
Local Alignment Search (BLAST).
Penelitian ini berhasil mendapatkan model fuzzy inference system (FIS) yang

sesuai untuk mengklasifikasikan tuple ke dalam solid atau weak tuple yang menjadi
inputan untuk metode spectral alignment sebagai tahapan preprocessing. Data set
yang dikoreksi menggunakan metode spectral alignment berbasis fuzzy
menghasilkan jumlah nodes yang lebih sedikit dibandingkan dengan data set yang
belum dikoreksi (uncorrected read) dan data set yang hanya dikoreksi
menggunakan metode spectral alignment dengan mempertahankan akurasi data dan
kualitas contigs. Ini menunjukkan bahwa pendeteksian dan pengoreksian DNA
sequencing error menggunakan menggunakan metode spectral alignment berbasis
fuzzy dapat menyederhanakan graf dibandingkan dengan hanya menggunakan
metode spectral alignment.
Kata Kunci: DNA sequencing error, fuzzy inference system, next generation
sequencing, metode spectral alignment, velvet.

SUMMARY
KANA SAPUTRA S. Fuzzy-based Spectral Alignment Method for Correcting
DNA Sequence from Next Generation Sequencing. Supervised by WISNU
ANANTA KUSUMA and AGUS BUONO.
Sequencing technology continues to evolve from traditional Sanger Shotgun
sequencing into the Next Generation Sequencing (NGS). This technology produces
short read in large numbers and requires a relatively short time in a running program.

The technology still generates an error in the DNA sequencing process. DNA
sequencing error could result low data accuracy and increase time of process of
DNA sequence assembly. This problem can be handled by performing DNA
sequencing error detection and correction.
The method used for detecting and correcting DNA sequencing errors in
this research was spectral alignment method. This method uses only frequency of
tuple occurrence aspect (multiplicity). Another reserach for detecting and
correcting DNA sequencing errors was done statistical models to look at the bases
quality aspect. In this research we will combine aspects of multiplicity and bases
quality. Then the problem is how to define the limits of multiplicity and tuple
quality that contains no errors. Fuzzy Inference System (FIS) has been able to
overcome these problems. FIS is used to classify a tuple into the solid or weak
tuples.
Fuzzy based spectral alignment method is implemented as a preprocessing
step before the process of DNA sequence assembly. The success of detection and
correction DNA sequencing error is seen from the aspect of the calculation of total
nodes. Calculation of the total nodes produced by Velvet assembler. To ensure
accuracy of the data set that has been corrected, an evaluation process will be
conducted. Evaluation is done by looking at the quality of contigs and calculation
of similarity between data sets that have been corrected with reference data.

Reference data was obtained from the National Center for Biotechnology
Information (NCBI). The tool used to calculate the similarity using the Basic Local
Alignment Search (BLAST).
This research successfully obtained a model of fuzzy inference system (FIS)
appropriate to classify a tuple into a solid or weak tuples as input for spectral
alignment method as a preprocessing step. Data sets were corrected using fuzzy
based spectral alignment method generated fewer number of nodes compared with
data sets that have not been corrected (uncorrected read) and the data set that is only
corrected using the spectral alignment method to maintain data accuracy and quality
of the contigs. This shows that the detection and correction DNA sequencing error
using fuzzy based spectral alignment method can simplify graph as compared to
just using spectral alignment method.
Keywords: DNA sequencing error, fuzzy inference system, next generation
sequencing, spectral alignment method, velvet.

© Hak Cipta Milik IPB, Tahun 2015
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau
menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau

tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apapun tanpa izin IPB

PENGEMBANGAN METODE SPECTRAL ALIGNMENT BERBASIS
FUZZY UNTUK PENGOREKSIAN SEQUENCE DNA
DARI NEXT GENERATION SEQUENCER

KANA SAPUTRA S

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Ilmu Komputer
pada
Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2015

Penguji Luar Komisi pada Ujian Tesis: Irman Hermadi, SKom MS PhD

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan September 2014 ini ialah
pengoreksian DNA sequencing error, dengan judul Pengembangan Metode
Spectral Alignment Berbasis Fuzzy untuk Pengoreksian Sequence DNA dari Next
Generation Sequencer.
Terima kasih penulis ucapkan kepada Bapak Dr Eng Wisnu Ananta Kusuma
ST MT dan Bapak Dr Ir Agus Buono MSi MKom selaku pembimbing, serta Bapak
Irman Hermadi SKom MS PhD yang telah banyak memberi saran. Di samping itu,
penghargaan penulis sampaikan kepada M. Syafiuddin Usman, Auriza Akbar, dan
Abrar Istiadi dari Laboratorium Apllied Computing yang telah membantu selama
penelitian ini. Ungkapan terima kasih juga disampaikan kepada ayahanda Aiptu
Saparuddin Saragih, ibunda Salmina, adinda Putri Sasalia S, serta seluruh keluarga
dan ilkom angkatan 15, atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2015

Kana Saputra S

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

1 PENDAHULUAN
Latar Belakang
Perumusan Masalah

Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian

1
1
2
2
3
3

2 TINJAUAN PUSTAKA
Deoxyribonucleid Acid (DNA)
DNA Sequencing
DNA Sequencing Error
FASTQ
Metode Spectral Alignment
Logika Fuzzy
Himpunan fuzzy
Fungsi keanggotaan (Membership function)

Fuzzy inference system (FIS)
Metode mamdani
Proses defuzzifikasi

4
4
4
4
5
5
7
7
7
8
8
8

3 METODE
Tahapan Penelitian
Pengumpulan Data

Konversi Kualitas Basa
Menentukan Multiplicity dan Kualitas Tuple
Normalisasi Multiplicity dan Kualitas Tuple
Implementasi Fuzzy Inference System (FIS)
Pendefinisian variabel input dan output
Pendefinisian himpunan fuzzy
Penentuan kombinasi rules
Proses deffuzifikasi
Deteksi Error
Koreksi Error
Evaluasi
Perhitungan jumlah nodes
Evaluasi kualitas contigs
Evaluasi similarity
Lingkungan Implementasi

9
9
9
10
10
11
11
11
12
12
12
12
12
13
13
13
13
14

4 HASIL DAN PEMBAHASAN
Data set
Analisis Metode Spectral Alignment
Analisis Metode Spectral Alignment Berbasis Fuzzy
Pemodelan fuzzy
Pengklasifikasian tuples
Evaluasi
Perhitungan jumlah nodes
Evaluasi kualitas contigs
Evaluasi similarity

15
15
15
16
16
19
20
20
21
22

5 SIMPULAN DAN SARAN
Simpulan
Saran
Ucapan Terima Kasih

23
23
23
23

DAFTAR PUSTAKA

24

LAMPIRAN

26

RIWAYAT HIDUP

41

DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
12

Perbandingan Next Generation Sequencing (NGS) pada tahun 2012
Definisi variabel input dan output
Karakteristik data set
Jumlah solid dan weak tuples (Metode spectral alignment)
Himpunan fuzzy
Kombinasi rules
Jumlah solid tuples dan weak tuples (Metode spectral alignment berbasis
fuzzy)
Penentuan range untuk solid tuples
Evaluasi perhitungan jumlah nodes
Hasil evaluasi kualitas contigs untuk k = 17
Hasil evaluas kualitasi contigs untuk k = 21
Hasil perhitungan rata-rata similarity

5
11
15
15
16
18
19
20
21
21
22
22

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11

Contoh isi dari file FASTQ
Tahapan penelitian metode spectral alignment
Representasi kurva membership function trapesium
Tahapan penelitian metode spectral alignment berbasis fuzzy
Interface dari DNA Data Bank of Japan (DDBJ)
Contoh konversi kode ASCII menjadi skor Phred
Representasi dari variabel input dan output
Representasi membership function untuk variabel multiplicity
Representasi membership function untuk variabel kualitas
Representasi membership function untuk variabel keputusan
Representasi salah satu hasil proses defuzzifikasi

5
6
7
9
10
10
11
16
17
18
19

DAFTAR LAMPIRAN
1
2
3
4
5
6

Model fuzzy inference system (FIS) 1 yang telah diimplementasikan
Model fuzzy inference system (FIS) 2 yang telah diimplementasikan
Model fuzzy inference system (FIS) 3 yang telah diimplementasikan
Model fuzzy inference system (FIS) 4 yang telah diimplementasikan
Source Code (Menghitung multiplicity dan kualitas tuple)
Source Code (Menghitung kedekatan antara weak tuple dengan solid
tuple menggunakan jarak Levenshtein)
7 Source Code (Menggantikan weak tuple yang terdapat di data set
menjadi solid tuple - string matching)
8 Source Code (Menghitung number of contigs, N50 size, dan maximum
contig length)

27
28
29
30
31
34
36
38

1

PENDAHULUAN
Latar Belakang

Dalam ilmu biologi dan kesehatan, deoxyribonucleic acid (DNA)
merupakan makromolekul yang sangat penting. DNA berfungsi untuk menyimpan
semua informasi tentang genetika dari makhuk hidup (Bryce & Pacini 1998). Proses
sequencing diperlukan untuk mengetahui urutan DNA. Dengan kata lain,
sequencing merupakan suatu proses pembacaan urutan DNA. Hasil yang diperoleh
berupa sekuen DNA yang dapat digunakan untuk menemukan gen, menemukan
daerah yang memiliki kode untuk suatu protein yang spesifik, dan dapat
membandingkan homologous DNA sequences dari organisme yang berbeda
(Rogers 2011). Proses sequencing saat ini juga diterapkan untuk berbagai sampel
tumor dalam upaya untuk mengidentifikasi mutasi terkait dengan kanker (Chong et
al. 2012).
Saat ini teknologi untuk melakukan sequencing terus berkembang dari
traditional Sanger Shotgun sequencing menjadi next generation sequencing (NGS).
NGS yang digunakan masih menghasilkan kesalahan atau error dalam pembacaan
urutan sekuen DNA. NGS yang memiliki throughput tinggi dan waktu sequencing
yang cepat telah dikembangkan, misalnya Solexa/Illumina, Applied Biosystems
SoLiD, dan Roche/454 Life Sciences yang dapat menghasilkan jutaan short reads
setiap program dijalankan. Jutaan short reads yang dihasilkan oleh NGS masih
memungkinkan terjadinya kesalahan pembacaan (error). Terdapat beberapa jenis
error yang dihasilkan oleh sequencer, yaitu substitution, insertion, dan deletion
(Chevreux 2005). Hasil sequencing yang dibaca menggunakan Illumina merupakan
salah satu dari teknologi NGS paling terkenal dan umum digunakan menghasilkan
reads dengan panjang berkisar 35-125 bp. Pembacaan urutan DNA mengandung
kesalahan (error) berkisar antara 0,5-2,5%, sebagian besar berupa substitution
error (Kelley et al. 2010).
Kesalahan pembacaan (error sequencing) yang dihasilkan oleh Illumina
adalah substitution (Liu et al. 2012). Error ini dapat mengakibatkan terbentuknya
graf yang memiliki cabang sehingga menambah jumlah node yang dihasilkan. Hal
ini didukung oleh pendapat Miller et al. (2010) yang menyebutkan bahwa
sequencing error menyebabkan graf yang dihasilkan pada proses DNA sequence
assembly menjadi lebih kompleks. Oleh karena itu, pengoreksian error sangat
penting dilakukan untuk meningkatkan akurasi DNA yang dihasilkan oleh NGS
(Yang et al. 2012) dan mengurangi kompleksitas graf. Mengenai hal tersebut
Pevzner et al. (2001) telah mengembangkan metode untuk mendeteksi dan
mengoreksi DNA sequencing errors, yaitu metode spectral alignment. Selanjutnya
metode spectral alignment dikembangkan oleh Shi et al. (2009) menggunakan
CUDA dan Caesar et al. (2013) berdasarkan frekuensi kemunculan tuple
(multiplicity). Selain itu, Wijaya et al. (2009) telah mengembangkan tool
RECOUNT untuk mengoreksi bias hasil sequencing berbasis algoritma expectation
maximization (EM) dan skor kualitas basa (skor Phred).

2
Dari beberapa penelitian di atas, belum ada yang menggabungkan aspek
multiplicity dan kualitas tuple. Permasalahan yang mucul dalam kasus ini adalah
bagaimana menentukan range multiplicity dan kualitas tuple yang baik. Metode
yang dapat digunakan untuk mengatasi masalah penentuan range tersebut adalah
logika fuzzy. Logika fuzzy mampu menangani ketidakjelasan dan ketidakpastian
dari berbagai variabel inputan (Thamrin 2012). Logika fuzzy yang digunakan adalah
fuzzy inference system (FIS) untuk memproses kedua aspek tersebut. Penelitian
menggunakan FIS sebelumnya telah diterapkan oleh Qidway et al. (2007) untuk
kasus memprediksi Failed Back Surgery Syndrome (FBSS) dengan tingkat akurasi
88%. Penelitian lain mengenai FIS dilakukan oleh Othman et al. (2002) untuk
mengintegrasikan kapasitas produksi dan keseimbangan muatan selama aktifitas
penjadwalan dan Abdullah et al. (2012) untuk mengklasifikasikan likelihoods dari
pembelian asuransi kesehatan. Oleh karena itu, penelitian ini akan mencoba
menerapkan beberapa model FIS untuk mengurangi kompleksitas graf. Model FIS
yang terbentuk diharapkan merupakan model FIS yang sesuai.
Penelitian ini bertujuan menerapkan dan memperoleh model FIS yang
sesuai untuk mendeteksi dan mengoreksi DNA sequencing error menggunakan
metode spectral alignment sebagai tahapan preprocessing sebelum proses DNA
assembly dilakukan. Model FIS berfungsi untuk mengklasifikasikan sebuah tuple
menjadi solid tuple atau weak tuple. Untuk mengevaluasi metode ini, reads yang
telah dikoreksi akan dirakit menggunakan Velvet assembler untuk melihat
penurunan jumlah nodes, dan tingkat akurasi berdasarkan similarity yang
menunjukkan keberhasilan pengoreksian DNA sequencing error.
Perumusan Masalah
Berdasarkan uraian pada latar belakang, maka rumusan masalah dalam
penelitian ini adalah bagaimana meningkatkan akurasi data hasil pengoreksian
menggunakan metode spectral alignment berbasis fuzzy dan bagaimana
mengklasifikasikan tuple ke dalam solid tuples atau weak tuples menggunakan
model FIS berdasarkan multiplicity dan kualitas tuple yang menjadi input untuk
metode spectral alignment yang dilakukan oleh Caesar et al. (2013).
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Mendapatkan model FIS yang sesuai untuk mengklasifikasikan tuple ke dalam
solid tuples atau weak tuples.
2. Memperbaiki metode spectral alignment yang diterapkan oleh Caesar et al.
(2013) dengan menerapkan FIS yang dapat menyederhanakan graf dengan
mempertahankan akurasi dan kualitas contigs.

3
Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah memperoleh data DNA
dari suatu organisme yang lebih akurat dan mengurangi kompleksitas graf yang
terbentuk setelah proses assembly.
Ruang Lingkup Penelitian
Ruang lingkup dari penelitian ini adalah:
1. Mengoreksi kesalahan substitusi (error substitution).
2. Fokus pada hasil akurasi, tanpa memperhatikan efisiensi.
3. Data sekuens DNA yang digunakan pada penelitian ini merupakan data dalam
format FASTQ.

4

2

TINJAUAN PUSTAKA
Deoxyribonucleic acid (DNA)

Deoxyribonucleic acid (DNA) pertama kali ditemukan pada pertengahan
abad kedelapan belas, ketika dokter Swiss dan biokimia Friedrich Miescher
mengisolasi inti dari sel-sel darah putih dalam nanah pada perban kotor (Lewis
2010). DNA atau asam deoksiribosa nukleat (ADN) merupakan tempat
penyimpanan informasi genetik. DNA merupakan makromolekul polinukleotida
yang tersusun atas polimer nukleotida yang berulang-ulang, tersusun rangkap,
membentuk DNA heliks ganda dan berpilin ke kanan. Ada tiga komponen utama
penyusun DNA, yaitu basa nitrogen, fosfat, dan pentosa (Nelson & Cox 2008).
Informasi aktual yang terkandung dalam DNA dikodekan oleh empat basa berbeda:
Adenine (A), Cytosine (C), Guanine (G) dan Thymine (T) (Higgs & Attwood 2005).
DNA ini biasanya ditemukan sebagai untai ganda (double helix) dan memiliki
fungsi sebagai tempat penyimpanan informasi genetik dari suatu makhluk hidup.
DNA Sequencing
DNA Sequencing atau pengurutan DNA adalah proses atau teknik
penentuan urutan basa pada suatu molekul DNA (Alphey 1997). Urutan tersebut
dikenal sebagai sekuens DNA, yang merupakan informasi paling mendasar suatu
gen atau genom karena mengandung instruksi yang dibutuhkan dalam pembentukan
tubuh makhluk hidup. DNA sequencing dapat dimanfaatkan untuk menentukan
identitas maupun fungsi gen atau fragmen DNA lainnya dengan membandingkan
sekuens-nya dengan sekuens DNA lain yang sudah diketahui. Alasan mendasar
mengetahui urutan molekul DNA adalah untuk membuat prediksi tentang fungsinya
dan memfasilitasi manipulasi molekul.
Ada dua metode yang dapat digunakan untuk mengurutkan molekul DNA.
Metode Maxam-Gilbert dan metode Sanger. Kedua metode tersebut menghasilkan
fragmen-fragmen DNA dengan panjang bervariasi. Teknik yang digunakan adalah
gel-gel poliakrilamid pendenaturasi (denaturing polyacrylamide gels). Gel agarosa
dapat memisahkan molekul-molekul DNA dengan perbedaan panjang 30-50 basa,
sedangkan gel poliakrilamid dapat memisahkan molekul-molekul DNA dengan
perbedaan panjang satu basa. Gel-gel pendenaturasi menyebabkan molekul DNA
menjadi beruntai tunggal dan tetap dalam keadaan seperti itu sepanjang proses
elektroforesis. Gel pendenaturasi mengandung urea dan dijalankan dengan suhu
yang ditinggikan. Kedua hal tersebut mendorong terjadinya pemisahan kedua untai
molekul DNA.
DNA Sequencing Error
DNA sequencing error merupakan kesalahan mesin (sequencer) dalam
membaca sekuen DNA. Ada beberapa jenis error yang dihasilkan oleh sequencer,
yaitu substitution, insertion, dan deletion (Chevreux 2005). DNA sequencing error
masih terjadi pada semua sequencer. Berikut perbandingan Next Generation

5
Sequencing (NGS) yang umum digunakan terlihat pada Tabel 1 (Liu et al. 2012;
Yang et al. 2012).
Tabel 1 Perbandingan NGS pada tahun 2012
Sequencer

Illumina

Applied
Biosystems

Teknik

Reversible
terminator

Sequencing
by ligation

Helicos
454 Life
IonTorrent
BioSciences Sciences
Single
Sequencing Ion semiconductor
molecule
by
sequencing synthesis
sequencing

Panjang
36, 50, 100,
Reads (bp)
125
Throughput/ 105 – 600 Gb
Time per run 2 – 11 hari

35, 60, 75

25 - 55

700

200

120 Gb
7 – 14 hari

Error

Substitution

21 - 35 Gb
Insertion
Deletion

700 Mb
1 hari
Insertion
Deletion

>1 Gb
1/12 hari
Insertion
Deletion

Substitution

Tabel 1 menunjukkan bahwa untuk setiap sequencer masih mengandung
error dengan jenis error yang berbeda. Penelitian ini hanya fokus terhadap data
hasil sequencing menggunakan Illumina. Jenis error yang dihasilkan Illumina
adalah substitution error.
FASTQ
Dalam bidang DNA sequencing format FASTQ telah umum digunakan
untuk menyimpan data DNA. Format FASTQ adalah format berbasis teks untuk
menyimpan urutan biologis (urutan basa). Pada FASTQ terdapat tambahan
informasi, yaitu kode skor kualitas basa. Skor kualitas basa dikodekan dengan
karakter American Standard Code for Information Interchange (ASCII) tunggal
agar lebih singkat. FASTQ pada awalnya dikembangkan di Wellcome Trust Sanger
Institute oleh oleh Jim Mullikin (Cock et al. 2009). Contoh isi dari file FASTQ
dapat dilihat pada Gambar 1.

Gambar 1 Contoh isi dari file FASTQ
Gambar 1 menunjukkan contoh data yang tersimpan dalam format FASTQ.
Baris pertama menunjukkan kode read, baris kedua menunjukkan read, baris ketiga
menunjukkan kode kualitas basa, dan baris keempat menunjukkan kualitas basa.
Metode Spectral Alignment
Metode untuk mendeteksi dan mengoreksi DNA sequencing error, yaitu
metode spectral alignment pertama dilakukan oleh Pevzner et al. (2001).
Selanjutnya metode spectral alignment dikembangkan oleh Shi et al. (2009)

6
menggunakan CUDA dan Caesar et al. (2013) berdasarkan frekuensi kemunculan
tuple (multiplicity). Penelitian ini akan memperbaiki metode spectral alignment
yang dilakukan oleh Caesar et al. (2013).
Tahapan penelitian yang dilakukan pada metode spectral alignment seperti
yang terlihat pada Gambar 2.
Mulai

Pengumpulan Data
Selesai
FASTA

Multiplicity

Evaluasi
(Menghitung Jumlah Nodes)

Deteksi Error

PreGraph

Solid dan
Weak Tuples

Koreksi Error

De Novo Assembly (Velvet)

Gambar 2 Tahapan penelitian metode spectral alignment
Metode spectral alignment ini masih memiliki kelemahan, sehingga
dibutuhkan perbaikan. Beberapa kelemahan yang ditemukan adalah:
1. Kesulitan dalam menentukan batas multiplicity untuk mengklasifikasikan
sebuah tuple masuk ke dalam solid atau weak tuples.
2. Tahapan evaluasi hanya menghitung jumlah nodes tanpa memperhatikan
kualitas contigs dan akurasi data yang terbentuk setelah proses DNA
assembly.
3. Aspek yang digunakan sebagai justifikasi hanya dari sisi multiplicity tanpa
memperhatikan kualitas basa.
Dari beberapa kelemahan yang ada, maka salah satu dari tujuan penelitian
ini adalah memperbaiki metode spectral alignment tersebut dengan menambahkan
aspek kualitas basa, menerapkan metode fuzzy inference system (FIS) untuk
mengklasifikasikan sebuah tuple masuk ke dalam solid atau weak tuples, dan
menambah tahapan evaluasi untuk melihat dan mempertahankan kualitas contigs
dan akurasi data setelah dikoreksi.

7
Logika Fuzzy
Logika Fuzzy (Fuzzy Logic) merupakan modifikasi dari teori himpunan
dimana setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu
antara 0 sampai 1 yang pertama kali dikenalkan oleh Lotfi A Zadeh pada tahun
1965 (Kusumadewi 2002). Penggunaan logika fuzzy dipilih karena memiliki
kelebihan sebagai berikut :
1. Konsep logika fuzzy mudah dimengerti, karena konsep matematis yang
mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat.
4. Logika fuzzy memodelkan fungsi nonlinier yang sangat kompleks.
5. Dengan logika fuzzy dapat dibangun dan diaplikasikan pengalaman para
pakar secara langsung tanpa melalui proses pelatihan.
6. Logika fuzzy didasarkan pada bahasa alami.
Himpunan fuzzy
Himpunan fuzzy adalah teknik yang secara matematis mampu
mengekspresikan keambiguan dalam bahasa (Marimin 2002). Contohnya jika
seseorang dikatakan muda, kita tidak dapat mendefinisikan dengan tepat berapa
tahunkah seseorang dikatakan muda. Dengan himpunan fuzzy ini, kasus
keambiguan di atas dapat ditangani.
Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan
fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real
pada interval [0,1]. Dengan kata lain, nilai keanggotaannya menunjukkan bahwa
semesta pembicaraan tidak hanya berada pada 0 atau 1, tetapi nilai tersebut juga
terletak diantaranya.
Fungsi keanggotaan (Membership function)
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik input data ke dalam nilai keanggotaannya (derajat
keanggotaan) yang memiliki interval antara 0 sampai 1. Kurva membership function
yang digunakan dalam penelitian ini adalah trapesium. Representasi kurva
trapesium ini pada dasarnya mirip dengan kurva segitiga, yaitu memiliki segmen
garis lurus, tidak halus pada titik-titik sudut yang ditentukan oleh parameter. Kurva
trapesium memiliki 4 parameter yaitu a, b, c, dan d. Representasi kurva trapesium
dapat dilihat pada Gambar 3.

1

a

b

c

d

Gambar 3 Representasi kurva membership function trapesium

8
Membership function untuk kurva trapesium ada pada persamaan (1).

( ; , , , )=

0,

1,

≤
,
,

≤

≤

≤

≥
≤

≤

(1)

≤

Fuzzy inference system (FIS)
Fuzzy inference system adalah sistem komputasi berdasarkan pada konsep
teori fuzzy, dan aturan if-then fuzzy. Sistem ini telah sukses pada beberapa bidang
seperti klasifikasi data, analisa keputusan, sistem pakar, dan pattern recognition.
Dalam metode FIS, input dapat berupa nilai fuzzy atau nilai crisp tetapi output selalu
berupa himpunan fuzzy. Dalam beberapa kasus kita perlu output sebagai crisp,
terutama ketika FIS digunakan sebagai kontrol. Namun, dalam penelitian ini
dimana FIS digunakan untuk mengkasifikasikan sebuah tuple ke dalam weak atau
solid tuple dibutuhkan nilai crisp. Dalam hal ini diperlukan metode defuzzifikasi
untuk mengekstrak suatu nilai crisp yang merepresentasikan kondisi terbaik
himpunan fuzzy.
Metode mamdani
Metode Mamdani sering dikenal sebagai metode Max-Min. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan
output menurut Kusumadewi (2002), diperlukan 4 tahapan, yaitu:
1. Pembentukan himpunan fuzzy
2. Aplikasi fungsi implikasi
3. Komposisi rules (Metode Max, Metode Additive, Metode Probabilistik OR)
4. Penegasan (defuzzifikasi)
Proses defuzzifikasi
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh
dari komposisi rules fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu
himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp
tertentu sebagai output. Ada beberapa metode defuzzifikasi yang bisa digunakan
pada komposisi aturan Mamdani, antara lain: metode centroid, metode smallest of
maximum, dan lainnya. Penelitian ini menggunakan metode centroid dengan rumus
seperti yang terlihat pada persamaan (2).

=

∑

∑

( )

( )

(2)

9

3

METODE

Tahapan Penelitian
Metode pada penelitian ini terdiri atas beberapa tahapan proses. Tahapan
penelitian digambarkan dalam bagan yang ditampilkan pada Gambar 4.
Mulai

Pengumpulan Data
Selesai
FASTQ

Evaluasi

Evaluasi Similarity

Konversi Kualitas
Menghitung Multiplicity &
Kualitas Tuple
Normalisasi Multiplicity
& Kualitas Tuple
Multiplicity
& Kualitas

Jalankan FIS

Menghitung Jumlah Nodes

Evaluasi Contigs

PreGraph

Contigs

Deteksi Error

Solid dan
Weak Tuples

Koreksi Error

De Novo Assembly (Velvet)

Gambar 4 Tahapan penelitian metode spectral alignment berbasis fuzzy
Gambar 4 menunjukkan langkah-langkah yang akan dilakukan dalam
penelitian ini. Penelitian ini dimulai dari pengumpulan data dalam format FASTQ
sampai dengan tahapan evaluasi untuk melihat keberhasilan dari proses
pendeteksian dan pengoreksian DNA sequencing error.
Pengumpulan Data
Tahapan awal akan menelusuri data dalam format FASTQ dari DNA Data
Bank of Japan (DDBJ). Data yang akan digunakan merupakan data hasil
sequencing menggunakan Illumina. Data tersebut masih mengandung karakter N,
yaitu karakter yang menunjukkan ketidakmampuan sequencer dalam menentukan
basa. Interface dari DDBJ dapat dilihat pada Gambar 5.

10

Gambar 5 Interface dari DNA Data Bank of Japan (DDBJ)
(Sumber : http://www.ddbj.nig.ac.jp/)

Konversi Kualitas Basa
Kualitas basa dalam file FASTQ berupa kode American Standard Code for
Information Interchange (ASCII). Oleh karena itu, kode tersebut akan dilakukan
konversi dari kode ASCII ke bilangan (skor Phred). Akan tetapi sebelum
mengkonversi kode ASCII menjadi skor Phred, perlu diperhatikan platform yang
digunakan dan jenis Phred. Setelah diperoleh informasi mengenai jenis platform
dan Phred, maka kode ASCII dapat langsung dikonversi menjadi skor Phred.
Contoh konversi kode ASCII menjadi skor Phred dapat dilihat pada Gambar 6.

Gambar 6 Contoh konversi kode ASCII menjadi skor Phred
Menentukan Multiplicity dan Kualitas Tuple
Multiplicity adalah banyaknya kemunculan tuple dengan panjang tertentu.
Panjang tuple yang digunakan dalam penelitian ini adalah 5 sesuai dengan
penelitian sebelumnya yang dilakukan oleh Caesar et al. (2013). Penentuan kualitas
tuple berdasarkan kualitas masing-masing basa. Kualitas basa yang baik adalah 30,
dengan kata lain apabila kualitas suatu basa adalah 30 maka tingkat akurasi
kebenarannya mencapai 99,99% (Illumina, Inc 2011). Akan tetapi dalam penelitian
ini yang digunakan adalah tuple, bukan basa. Oleh karena itu, kualitas tuple dalam
penelitian ini adalah penjumlahan kualitas basa dibagi dengan banyaknya basa
(rerata).

11
Normalisasi Multiplicity dan Kualitas Tuple
Proses normalisasi untuk hasil perhitungan multiplicity dan kualitas tuple
dibutuhkan karena range data keduanya terlalu jauh. Normalisasi menggunakan
metode Max-Min dengan rumus seperti pada persamaan (3).

=

(3)

Keterangan:
- = data yang telah dinormalisasi
- x = data awal
- l = data minimum
- u = data maksimum
Implementasi Fuzzy Inference System (FIS)
Hasil perhitungan multiplicity dan kualitas tuple akan menjadi inputan untuk
fuzzy inference system (FIS). Dari proses tersebut diharapkan memperoleh model
yang sesuai agar dapat mengklasifikasikan tuple ke dalam solid tuples atau weak
tuples.
Pendefinisian variabel input dan output
Tahapan ini akan menentukan variabel input dan output yang akan
digunakan untuk mengklasifikasikan tuple ke dalam solid tuples atau weak tuples.
Pendefinisian variabel input dan output dapat dilihat pada Tabel 2.
Tabel 2 Definisi variabel input dan output
Fungsi
Nama Variabel Keterangan
Multiplicity
Frekuensi kemunculan tuple
Input
Kualitas
Kualitas tuple
Output
Keputusan
Penentuan solid atau weak tuple
Setelah menentukan variabel input dan output, maka selanjutnya akan
ditentukan membership function dan model FIS yang dapat mengklasifikasikan
tuple ke dalam solid tuples atau weak tuples. Representasi dari diagram FIS dapat
dilihat pada Gambar 7.

Gambar 7 Representasi dari variabel input dan output

12
Gambar 7 menunjukkan ikon varibel input yang terdiri atas 2 inputan, yaitu
multiplicity dan kualitas tuple dan 1 output, yaitu variabel keputusan. Setelah
pendefinisian variabel maka selanjutnya akan menentukan himpunan fuzzy,
menentukan kombinasi rules, dan proses defuzzifikasi.
Pendefinisian himpunan fuzzy
Tahapan ini akan menentukan himpunan fuzzy yang digunakan pada
variabel input dan output. Dalam penelitian ini himpunan fuzzy untuk variabel input
adalah “Rendah”, “Sedang”, dan “Tinggi”, sedangkan untuk variabel output berupa
keputusan suatu tuple diklasifikasikan ke dalam solid tuple atau weak tuple.
Penentuan kombinasi rules
Penentuan kombinasi rules dibuat berdasarkan seluruh kemungkinan yang
mungkin terjadi. Ini dilakukan karena tidak adanya informasi mengenai variabel
yang digunakan.
Proses defuzzifikasi
Proses terakhir adalah defuzzifikasi, yaitu proses untuk mendapatkan nilai
crisp dari suatu himpunan fuzzy. Nilai tersebut akan dijadikan sebagai penentuan
dalam mengklasifikasikan suatu tuple ke dalam solid tuple atau weak tuple.
Deteksi Error
Tahap ini merupakan pendeteksian DNA sequencing error berdasarkan
multiplicity dan kualitas tuple. Kedua aspek tersebut akan menjadi inputan untuk
memperoleh model FIS yang sesuai, sehingga dapat mengklasifikasikan suatu tuple
ke dalam solid tuple atau weak tuple. Weak tuple tersebut merupakan himpunan
tuple yang mengandung error sehingga harus dikoreksi.
Koreksi Error
Proses pengoreksian DNA sequencing error dilakukan berdasarkan skor
yang menyatakan jarak kedekatan antara tuple yang berada dalam himpunan weak
tuples dengan tuple yang berada dalam himpunan solid tuples. Jarak yang akan
digunakan adalah jarak Levenshtein (Levenshtein VI 1966). Jarak Levenshtein
digunakan untuk menentukan skor yang menyatakan kedekatan antara dua string
sekuen DNA. Dalam implementasi penelitian ini, setiap operasi atau perubahan
akan diberikan skor satu, sehingga dua buah tuple dikatakan dekat apabila skornya
minimum. Setelah diperoleh masing-masing tuple yang memiliki kedekatan, maka
proses selanjutnya adalah string matching. Proses string matching merupakan
proses penggantian weak tuples yang terdapat pada data set dengan solid tuple.
Proses ini dilakukan pada setiap reads.

13
Evaluasi
Proses evaluasi dilakukan untuk melihat keberhasilan proses pendeteksian
dan pengoreksian DNA sequencing error. Proses evaluasi dilakukan dengan cara
menghitung jumlah nodes. Untuk mendukung kebenaran dari hasil perhitungan
jumlah nodes maka ada dua aspek tambahan yang digunakan, yaitu evaluasi
kualitas contigs dan evaluasi similarity. Proses evaluasi ini akan menggunakan
Velvet assembler. Velvet assembler adalah sebuah tool untuk merakit data set hasil
koreksi menggunakan metode spectral alignment dan metode spectral alignment
berbasis fuzzy.
Perhitungan jumlah nodes
Ada dua file berisi graf De Bruijn yang saling berhubungan hasil dari Velvet
assembler (Zerbino & Birney 2008). Dua file tersebut adalah “PreGraph” dan
“LastGraph”. Kedua file tersebut mengandung jumlah nodes yang
merepresentasikan graf De Bruijn. Dalam penelitian ini hanya file “PreGraph” yang
menjadi perhatian, karena file tersebut merupakan file yang berisi graf De Bruijn
yang belum dilakukan error removal oleh Velvet assembler. Jadi, file tersebut
digunakan untuk melihat indikasi keberhasilan dari metode yang digunakan.
Evaluasi kualitas contigs
File hasil assembly menggunakan Velvet assembler juga menghasilkan file
contigs. Contigs terbentuk dari hasil reads yang saling overlap. Untuk memperoleh
contigs terbaik, ada tiga aspek yang diperhatikan. Ketiga aspek tersebut adalah N50
size, number of contigs, dan maximum contig length (Kusuma et al. 2011). Setelah
perhitungan ketiga aspek tersebut, dibutuhkan evaluasi akurasi data yang telah
dikoreksi. Akurasi data set yang telah dikoreksi akan dihitung kedekatan
(similarity) dengan data reference. Program dijalankan menggunakan command
prompt dengan cara mengetik perintah:
assembly_quality_stats --no_hist contigs.fa
Keterangan :
- --no_hist : perintah untuk tidak mencetak grafik
- Contigs.fa : nama file inputan
Evaluasi similarity
Perhitungan similarity dilakukan untuk melihat akurasi dari data set yang
telah dikoreksi. Akurasi diperoleh dengan cara menghitung kedekatan (similarity)
antara data set (contigs) dengan data reference. Similarity dihitung untuk ketiga
data set tersebut dengan masing-masing data reference. Data reference diperoleh
dari National Center for Biotechnology Information (NCBI). Data reference
merupakan data yang menjadi rujukan dengan tingkat kebenaran yang tinggi.
Software yang digunakan untuk menghitung similarity adalah Basic Local
Alignment Search Tool (BLAST). Penelitian ini menggunakan software BLAST
offline. Software dijalankan menggunakan command prompt dengan cara mengetik
perintah:

14
blastn -subject data_ref.fasta -query data_set.fasta -out hasil_blastn

Keterangan :
- subject : perintah untuk memanggil data reference dari NCBI
- data_ref.fasta : data reference dari NCBI
- query : perintah untuk memanggil data set yang digunakan
- data_set.fasta : data set yang digunakan
- out : perintah untuk mencetak data hasil blastn
- hasil_blastn : file hasil menjalankan program blastn
Lingkungan Implementasi
Sistem perangkat lunak yang digunakan adalah:
a. Sistem operasi: Windows 8 Pro
b. MATHLAB_R2013A : Menentukan model FIS menggunakan Toolbox.
c. Notepad ++ : Editor
d. Pyhton 3.4.0 : Menentukan multiplicity dan kualitas, string matching,
menghitung jarak Levenshtein, dan evaluasi contigs.
e. Velvet : Melakukan DNA assembly.
f. BLASTN : Menghitung similarity.
Spesifikasi perangkat keras yang digunakan adalah:
a. Processor Intel (R) Core (TM) i3-3217U CPU @ 1.80GHz 1.8GHz
b. Memori 4,00 GB RAM
c. Hardisk 500 GB.

15

4

HASIL DAN PEMBAHASAN
Data set

Data set diperoleh dari DNA Data Bank of Japan (DDBJ) dengan panjang
read adalah 100 bp dan jumlah read bervariasi. Data set direpresentasikan dalam
format FASTQ. Karakteristik data set yang digunakan dapat dilihat pada Tabel 3.
Tabel 3 Karakteristik data set
Organisme
Jumlah Reads
Caenorhabditis elegans
27887
Drosophila melanogaster
76364
Streptococcus anginosus
1741

Mean (bp)
100
100
100

Tabel 3 menunjukkan karakteristik data set yang merupakan hasil
sequencing menggunakan Illumina sequencer. Reads yang dihasilkan oleh Illumina
memiliki sequencing error dan simbol selain Adenine (A), Cytosine (C), Guanine
(G), dan Thymine (T), yaitu N. N adalah sebuah simbol yang menunjukkan
ketidakmampuan sequencer dalam menentukan basa. Penelitian ini fokus pada
substitution error.
Analisis Metode Spectral Alignment
Berdasarkan penelitian yang dilakukan oleh Caesar et al. (2013), kriteria
tuple yang termasuk ke dalam weak tuples adalah tuple yang memiliki multiplicity
kurang dari atau sama dengan 10 dan/atau terdapat karakter N, sebaliknya untuk
solid tuples. Adapun hasil perhitungan jumlah solid dan weak tuples untuk metode
spectral alignment dapat dilihat pada Tabel 4.
Tabel 4 Jumlah solid dan weak tuples
Organisme
Caenorhabditis elegans
Drosophila melanogaster
Streptococcus anginosus

Jumlah tuple
3124
3124
2851

Tuples
Solid
Weak
1024
2100
1024
2100
1022
1829

Tabel 4 menunjukkan bahwa terdapat data set yang memiliki jumlah tuple
yang berbeda. Ini terjadi karena jumlah tuple diperoleh berdasarkan variasi basa
yang terdapat pada data set. Jumlah solid tuples dan weak tuples untuk
Caenorhabditis elegans dan Drosophila melanogaster adalah sama karena hampir
semua kemungkinan kombinasi tuple terbentuk, sedangkan Streptococcus
anginosus tidak semua kemungkinan kombinasi tuple terbentuk. Untuk ketiga data
set menunjukkan jumlah weak tuples lebih banyak dibandingkan solid tuples, ini
menunjukkan error tuple lebih banyak dibandingkan tuple yang tidak mengandung
error.

16
Analisis Metode Spectral Alignment Berbasis Fuzzy
Pemodelan fuzzy
Penelitian ini menggunakan model fuzzy inference system (FIS). Model FIS
ini menggunakan Mamdani inference (Musi 2009) yang memungkinkan sistem
untuk mengambil satu set nilai input crisp dan menerapkan satu set fuzzy rules
untuk memperoleh suatu nilai output. Berikut adalah langkah-langkah untuk
mengklasifikasikan tuple ke dalam solid atau weak tuple.
Langkah 1: Pendefinisian variabel input and output
Multiplicity and kualitas tuple merupakan variabel input untuk Mamdani inference
dan output dari sistem merupakan keputusan suatu tuple diklasifikasikan ke dalam
weak tuple atau solid tuple.
Langkah 2: Pendefinisian himpunan fuzzy
Untuk menentukan parameter, maka terlebih dahulu ditentukan himpunan fuzzy
untuk setiap variabel. Himpunan fuzzy untuk variabel input didefinisikan menjadi
tiga istilah linguistic, yaitu “Rendah”, “Sedang”, dan “Tinggi”, sedangkan variabel
output menjadi dua istilah linguistic, yaitu “weak tuple” dan “solid tuple”.
Himpunan fuzzy untuk setiap variabel dapat dilihat pada Tabel 5.
Tabel 5 Himpunan fuzzy
Variabel
Nama Himpunan Fuzzy
Rendah
Multiplicity (x) Sedang
Tinggi
Rendah
Kualitas (y)
Sedang
Tinggi
Weak Tuples
Keputusan (z)
Solid Tuples

Parameter
[0 0 0.1 0.2]
[0.1 0.3 0.5 0.8]
[0.4 0.6 1 1]
[0 0 0.1 0.2]
[0.1 0.3 0.5 0.8]
[0.4 0.6 1 1]
[0 0 0.1 0.5]
[0.1 0.3 1 1]

Tabel 5 menunjukkan bahwa parameter untuk setiap himpunan fuzzy. Variabel input
memiliki parameter yang sama. Parameter tersebut mempengaruhi nilai output
fuzzy. Parameter tersebut diperoleh berdasarkan hasil try and error.
Setiap variabel direpresentasikan dengan menggunakan kurva trapesium.
Representasi variabel tersebut dapat dilihat pada Gambar 8 sampai dengan
Gambar 10.

Gambar 8 Representasi membership function untuk variabel multiplicity

17
Membership function untuk variabel multiplicity:

( )

( )

( )

1,
0 ≤ ≤ 0,1
0,2 −
=
, 0,1 ≤ ≤ 0,2
0,2 − 0,1
0,
≥ 0,2
0,

≤ 0,1

− 0,1
, 0,1 ≤
0,3 − 0,1
=
1,
0,3 ≤
0,8 −
, 0,5 ≤
0,8 − 0,5
0,

≥ 0,8

≤ 0,3

≤ 0,5

≤ 0,8

≤ 0,4
− 0,4
=
, 0,4 ≤ ≤ 0,6
0,6 − 0,4
1,
0,6 ≤ ≤ 1

Gambar 9 Representasi membership function untuk variabel kualitas
Membership function untuk variabel kualitas:

( )

( )

1,
0 ≤ ≤ 0,1
0,2 −
=
, 0,1 ≤ ≤ 0,2
0,2 − 0,1
0,
≥ 0,2
0,

≤ 0,1

− 0,1
, 0,1 ≤
0,3 − 0,1
=
1,
0,3 ≤
0,8 −
, 0,5 ≤
0,8 − 0,5

≥ 0,8

≤ 0,3

≤ 0,5

≤ 0,8

18

( )

=

0,

≤ 0,4

− 0,4
, 0,4 ≤ ≤ 0,6
0,6 − 0,4
1,
0,6 ≤ ≤ 1

Gambar 10 Representasi membership function untuk variabel keputusan
Membership function untuk variabel keputusan:
( )
( )

1,
0 ≤ ≤ 0,1
0,5 −
=
, 0,1 ≤ ≤ 0,5
0,5 − 0,1
0,
≥ 0,5

0,
≤ 0,1
− 0,1
=
, 0,1 ≤ ≤ 0,3
0,3 − 0,1
1,
0,3 ≤ ≤ 1

Jenis kurva membership function untuk setiap variabel pada Gambar 8 sampai
dengan Gambar 10 merupakan hasil try and error. Jenis kurva tersebut yang dapat
menghasilkan suatu nilai output fuzzy yang dapat digunakan untuk
mengklasifikasikan sebuah tuple masuk ke dalam weak atau solid tuple.
Langkah 3: Pendefinisian fuzzy rules
Langkah berikutnya adalah pendefinisian If-Then rules untuk menjelaskan perilaku
sistem. Rules didesain untuk mendeskripsikan pentingnya variabel keputusan. Pada
langkah ini, multiplicity dan kualitas dari suatu tuple menjadi masukan ke dalam
sistem. Berbasis pada expert knowledge, permasalahan ini dinyatakan ke dalam
istilah logical rules. Kombinasi rules yang digunakan dapat dilihat pada Tabel 6.
Tabel 6 Kombinasi rules
Rules
Kode
[R1] IF kualitas tuple rendah AND multiplicity rendah THEN Weak tuple
[R2] IF kualitas tuple rendah AND multiplicity sedang THEN Weak tuple
[R3] IF kualitas tuple rendah AND multiplicity tinggi THEN Solid tuple
[R4] IF kualitas tuple sedang AND multiplicity rendah THEN Weak tuple
[R5] IF kualitas tuple sedang AND multiplicity sedang THEN Weak tuple
[R6] IF kualitas tuple sedang AND multiplicity tinggi THEN Solid tuple
[R7] IF kualitas tuple tinggi AND multiplicity rendah THEN Solid tuple
[R8] IF kualitas tuple tinggi AND multiplicity sedang THEN Solid tuple
[R9] IF kualitas tuple tinggi AND multiplicity tinggi THEN Solid tuple

19
Jumlah rules yang proporsional untuk FIS adalah jumlah membership function
dipangkatkan dengan jumlah variabel input (Tang & Shozo 1999). Penelitian ini
menggunakan 9 rules yang diperoleh dari 3 membership functions dipangkatkan
dengan 2 variabel input.
Langkah 4: Proses defuzzifikasi
Langkah defuzzifikasi dibutuhkan untuk mengkonversi semua inputan ke dalam 3
istilah linguistic yang dapat digunakan untuk mengklasifikasikan tuples. Proses
defuzzifikasi mentransformasikan himpunan fuzzy ke dalam nilai crisp. Sebagai
contoh, jika sebuah tuple memiliki multiplicity adalah 0,6 dan kualitasnya adalah
0,9 maka hasil defuzzifikasi menunjukkan nilai output 0,6. Salah satu hasil proses
defuzzifikasi dapat dilihat pada Gambar 11.

Gambar 11 Representasi salah satu hasil proses defuzzifikasi
Pengklasifikasian tuples
Sebuah tuple yang memiliki nilai output fuzzy lebih dari 0,4 dan tidak
mengandung karakter N diklasifikasikan sebagai solid tuple, selain dari itu
diklasifikasikan sebagai weak tuple. Jumlah solid dan weak tuples dapat dilihat
pada Tabel 7.
Tabel 7 Jumlah solid tuples dan weak tuples
Organisme
Caenorhabditis elegans
Drosophila melanogaster
Streptococcus anginosus

Jumlah tuple
3124
3124
2851

Tuples
Solid
Weak
1022
2102
1022
2102
1024
1827

Tabel 7 menunjukkan pengelompokkan tuple ke dalam solid dan weak
tuples. Weak tuples yang terbentuk lebih dominan dibandingkan solid tuples. Ini
menunjukkan masih banyak terdapat error tuples. Terdapat perbedaan antara
jumlah solid tuples dan weak tuples yang dibentuk oleh metode spectral alignment
dan model FIS. Solid tuples yang dibentuk oleh model FIS lebih sedikit

20
dibandingkan metode spectral alignment. Ini menunjukkan model FIS lebih banyak
mendeteksi error tuples dibandingkan metode spectral alignment.
Dari pengelompokan tuple kedalam solid tuples dan weak tuples, maka
dapat ditentukan range untuk kualitas tuple dan multiplicity. Penentuan range untuk
solid tuples dapat dilihat pada Tabel 8.
Tabel 8 Penentuan range untuk solid tuples
Model FIS
Organisme
Multiplicity
Kualitas
Caenorhabditis elegans
5.467 – 13.243 12,1 – 30,25
Drosophila melanogaster
5.877 – 14.679
16 – 36,98
Streptococcus anginosus
218 - 542
15 – 35
Tabel 8 menunjukkan range dari kualitas tuple dan multiplicity. Ketiga
organisme memiliki range kualitas tuple dan multiplicity yang berbeda karena
perbedaan jumlah reads dan variasi kombinasi basa. Dari ketiga organisme tersebut
diperoleh range dari solid tuples untuk kualitas tuple adalah 12,1 – 36,98 dan
multiplicity adalah 218 – 14.679, selain itu masuk ke dalam weak tuples. Penentuan
range belum dapat dispesifikkan, karena range sangat bergantung kombinasi basa
yang terdapat pada data set.
Evaluasi
Proses evaluasi menggunakan Velvet assembler. Evaluasi dilakukan untuk
melihat keberhasilan dari proses pendeteksian dan pengoreksian DNA sequencing
error. Proses evaluasi dilakukan dengan cara menghitung jumlah nodes. Untuk
mendukung kebenaran dari hasil perhitungan jumlah nodes maka ada dua aspek
tambahan yang digunakan, yaitu evaluasi kualitas contigs dan evaluasi similarity.
Perhitungan jumlah nodes
Perhitungan jumlah nodes dilakukan untuk melihat kompleksitas graf yang
terbentuk. Perhitungan jumlah nodes dilakukan untuk ketiga organisme
menggunakan Velvet. Data set yang menjadi inputan adalah data set yang belum
dikoreksi (uncorrected read), data set yang dikoreksi menggunakan metode
spectral alignment, dan data set yang dikoreksi menggunakan metode spectral
alignment berbasis fuzzy. Data set yang menjadi inputan dalam format FASTA.
Untuk setiap proses DNA sequence assembly menggunakan Velvet,
parameter panjang hash harus ditentukan. Panjang hash adalah panjang dari k-mers
yang termasuk dalam tabel hash. Nilai k harus menggunakan bilangan ganjil. Dalam
penelitian ini, nilai k yang digunakan adalah 17, 19, 21, 23, 25, 27, dan 29. Hasil
DNA sequence assembly dapat dilihat pada Tabel 9.

21
Tabel 9 Evaluasi perhitungan jumlah nodes
Organisme
Caenorhabditis
elegans

Drosophila
melanogaster

Streptococcus
anginosus

Metode
Uncorrected read
Corrected read
(Spectral Alignment)
Corrected read
(FIS)
Uncorrected read
Corrected read
(Spectral Alignment)
Corrected read
(FIS)
Uncorrected read
Corrected read
(Spectral Alignment)
Corrected read
(FIS)

17

19

21

Nilai k
23

25

27

29

32251

15669

10149

7214

5529

4658

3946

29480

14301

9295

6610

5367

4618

3844

29471

14310

9290

6625

5405

4622

3849

68156

39163

28609

23559

19733

17355

15657

66999

39341

28904

23707

19706

17435

15704

63821

37228

27920

23227

19550

17342

15636

597

402

187

98

69

50

43

358

156

108

81

69

57

50

356

156

108

81

69

57

50

Tabel 9 menunjukkan bahwa pengurangan jumlah nodes hanya terpenuhi
untuk nilai k tertentu. Pengurangan jumlah nodes untuk metode spectral alignment
berbasis fuzzy hanya terjadi untuk nilai k = {17, 21}. Ini menunjukkan bahwa
kompleksitas graf yang dibentuk oleh data set yang telah dikoreksi menggunakan
metode spectral alignment berbasis fuzzy untuk nilai k = {17, 21} lebih rendah
dibandingkan dengan data set yang belum dikoreksi (uncorrected read) dan data
set yang dikoreksi hanya menggunakan metode spectral alignment. Untuk
memastikan hasil tersebut, dibutuhkan proses evaluasi untuk melihat akurasi data
dan kualitas contigs yang sama atau tidak berbeda jauh dari metode spectral
alignment.
Evaluasi kualitas contigs
Tahapan evaluasi ini dilakukan untuk mendapatkan contig yang berkualitas.
Terdapat tiga aspek yang diperhatikan, yaitu N50 size, number of contigs, dan
maximum contig length. Number of contigs terkecil adalah number of contigs
terbaik, N50 size terbesar adalah N50 size terbaik, dan maximum contig length
terbesar adalah maximum contig length terbaik. Perbandingan ketiga aspek tersebut
dilakukan pada contig untuk nilai k = {17, 21}. Hasil