Pemodelan Support Vector Machine untuk Klasifikasi Bakteri Patogen dan Non Patogen Berdasarkan Data Sekuens Genom
PEMODELAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI
BAKTERI PATOGEN DAN NON PATOGEN BERDASARKAN
DATA SEKUENS GENOM
ESKAWATI KURNIA DWIMARDYASTUTI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Support
Vector Machine untuk Klasifikasi Bakteri Patogen dan Non Patogen Berdasarkan
Data Sekuens Genom adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun 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 tulisan ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2015
Eskawati Kurnia Dwimardyastuti
NIM G64124045
ABSTRAK
ESKAWATI KURNIA DWIMARDYASTUTI. Pemodelan Support Vector
Machine untuk Klasifikasi Bakteri Patogen dan Non Patogen Berdasarkan Data
Sekuens Genom. Dibimbing oleh MUHAMMAD ASYHAR AGMALARO.
Bakteri merupakan mikroorganisme yang dapat dibedakan menjadi 2
domain yaitu patogenik (bakteri berbahaya) dan bakteri non patogenik (bakteri
tidak berbahaya). Tujuan penelitian ini adalah membuat pemodelan klasifikasi
bakteri patogen dan non patogen berdasarkan data sekuens genom dan menguji
pengaruh kernel dan panjang fragmen terhadap hasil akurasi. Data sekuens genom
diperoleh dari NCBI dengan panjang fragmen 100 bp, 400 bp, 800 bp, 1000 bp,
dan 5000 bp yang kemudian dilakukan ekstraksi ciri menggunakan metode KMers dan metode Support Vector Machine (SVM) dengan 3 kernel utama yaitu
Kernel Linear, Radial Basic Function (RBF), dan Polynomial sebagai metode
klasifikasinya. Dari proses tersebut didapatkan panjang fragmen 5000 bp dengan
kernel RBF merupakan akurasi tertinggi yaitu mencapai 96.61%.
Kata kunci : K-Mers, non patogenik, patogenik, SVM,
ABSTRACT
ESKAWATI KURNIA DWIMARDYASTUTI. Modeling Support Vector
Machine for Pathogenic and Non-Pathogenic Bacteria Based on Data from the
Sequence Genome. Supervised by MUHAMMAD ASYHAR AGMALARO.
Bacteria are microorganisms that can be divided into two domains,
pathogenic (harmful bacteria) and non-pathogenic bacteria (bacteria are
harmless). The purpose of this research is making modeling clasifications of
pathogenic bacteria and non pathogenic based on the sequence genom and test
the effect of kernels and fragment length of the accuration result. The genome
sequence obtained from NCBI with long fragments 100 bp, 400 bp, 800 bp, 1000
bp, and then 5000 bp extraction features done using methods K-Mers and
methods of Support Vector Machine (SVM) with 3 main kernel, that is Linear,
Radial Basic Function (RBF) and a Polynomial as a method of classifier. From
this process, 5000 bp fragment length is obtained with RBF is the highest
accuracy reached 96.61%.
Keywords : K-Mers, non pathogenic, pathogenic, SVM
PEMODELAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI
BAKTERI PATOGEN DAN NON PATOGEN BERDASARKAN
DATA SEKUENS GENOM
ESKAWATI KURNIA DWIMARDYASTUTI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015
Penguji
1
2
:
Auzi Asfarian, SKom MKom
Aziz Kustiyo, SSi MKom
Judul Skripsi : Pemodelan Support Vector Machine untuk Klasifikasi Bakteri
Patogen dan Non Patogen Berdasarkan Data Sekuens Genom
Nama
: Eskawati Kurnia Dwimardyastuti
NIM
: G64124045
Disetujui oleh
Muhammad Asyhar Agmalaro, SSi MKom
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom
Ketua Departemen
Tanggal Lulus:
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 Juni 2014 ini ialah sekuens
genom, dengan judul Pemodelan Support Vector Machine untuk Klasifikasi
Bakteri Patogen dan Non Patogen Berdasarkan Data Sekuens Genom.
Terima kasih penulis ucapkan kepada Bapak M. Asyhar Agmalaro, SSi
MKom selaku pembimbing, Ibu Wiwin Imro’atun Khoiriyah, MSi yang telah
banyak memberi saran, Bapak Auzi Asfarian, SKom, MKom serta Bapak Aziz
Kustiyo, SSi, MKom selaku dosen penguji. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, seluruh keluarga, teman – teman Vilbar dan Riverside,
seluruh teman-teman Alih Jenis Ilmu Komputer IPB angkatan 7, serta keluarga
besar SMK Pembangunan Bogor Utara atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2015
Eskawati Kurnia Dwimardyastuti
DAFTAR ISI
DAFTAR TABEL
ix
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
3
METODE
3
Studi Literatur
4
Pengumpulan Data
4
Praproses
4
Ekstraksi Ciri K-Mers
4
Normalisasi
5
Pembagian Data
5
Grid Search
6
Pelatihan SVM
6
Pengujian
7
Analisis
8
HASIL DAN PEMBAHASAN
8
Pengumpulan Data
8
Praproses
8
Ekstraksi Ciri
9
Normalisasi
9
K-Fold Cross Validation
9
Grid Search
10
Pelatihan SVM
10
Pengujian SVM
10
Analisis
10
SIMPULAN DAN SARAN
13
Simpulan
13
Saran
14
DAFTAR PUSTAKA
14
LAMPIRAN
15
RIWAYAT HIDUP
19
DAFTAR TABEL
1 Ilustrasi 5-fold cross validation
2 Pembanding parameter
3 Akurasi pada tiap panjang fragmen dan kernel pada 3-Mers
5
8
10
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
Metode penelitian
Ilustrasi K-Mers
Support Vector Machine oleh Nugroho. et al (2003)
Contoh hasil ekstraksi ciri K-Mers dengan nilai K = 3 pada fragmen
100 bp
Normalisasi dengan nilai 3-Mers pada fragmen 100 bp
Perbandingan akurasi kernel pada 3-Mers
Pengaruh nilai K terhadap akurasi pada kernel RBF
Perbedaan akurasi kernel pada 4-Mers
Perbedaan akurasi kernel pada 5-Mers
3
5
6
9
9
11
12
12
13
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9
Nama organisme
Hasil proses grid search
Akurasi pada tiap panjang fragmen dan kernel pada 4-Mers
Akurasi pada tiap panjang fragmen dan kernel pada 5-Mers
Pengaruh nilai K terhadap akurasi pada kernel Polynomial
Pengaruh nilai K terhadap akurasi pada kernel Linear
Selisih akurasi kernel pada 3-Mers
Selisih akurasi kernel pada 4-Mers
Selisih akurasi kernel pada 5-Mers
15
16
16
16
17
17
18
18
18
PENDAHULUAN
Latar Belakang
Bakteri dapat dibedakan menjadi 2 jenis yaitu patogen dan non patogen.
Bakteri patogen adalah bakteri yang merugikan bagi tubuh manusia maupun
makhluk hidup lainnya, sedangkan bakteri non patogen merupakan bakteri yang
tidak merugikan bagi makhluk hidup lainnya. Menurut (Harahap LH 2013)
identifikasi bakteri patogen dan non patogen dapat dilakukan dengan cara
konvensional. Namun, cara konvensional memerlukan waktu yang lama karena
memerlukan proses isolasi, uji fisiologi dan biokimia untuk mengetahui ada atau
tidak ada enzym tertentu dan reaksi hipersensitif, uji morfologi dengan
menggunakan mikroskop untuk melihat struktur eksternal dari bakteri tersebut,
seperti: kapsul, slime (lapisan lendir), fimbriae, dan pili. Sedangkan menurut
(Louws dan Cuppels 2001) identifikasi bakteri dapat menggunakan molekuler
berbasis DNA. Deoxyribo nucleic acid (DNA) adalah rantai ganda molekul
sederhana (nukleotida) yang diikat bersama-sama. Nukleotida DNA ini terdiri atas
adenin (A), guanin (G), sitosin (S), dan timin (T) (de Carvalho 2003). Urutan
nukleotida DNA dalam tubuh suatu organisme disebut sekuen genom, secara
sederhana sekuen genom dapat dianalogikan berupa susunan huruf yang memiliki
makna yang penting dan spesifik tetapi tidak langsung dapat memberikan
informasi genetik dalam suatu spesies.
Identifikasi berbasis DNA memiliki keuntungan karena keakuratan
identifikasi tidak tergantung pada kondisi lingkungan, umur, atau sifat fisiologi
dari organisme tersebut, tetapi lebih tergantung pada kualitas DNA yang
diekstraksi. Oleh karena itu, alternatif pengujian dengan metode yang modern,
cepat dan akurat dapat dilakukan dengan pelatihan DNA. Salah satu metode
pelatihan DNA yang dapat digunakan untuk analisis deteksi bakteri patogen
dengan menggunakan teknik Polymerase Chain Reaction (PCR). Teknik ini
digunakan untuk menelaah profil DNA gen 16S ribosomal Ribonucleic Acid
(16S-rRNA). Penggunaan 16S-rRNA sebagai parameter sistematik molekuler
universal, representatif, dan praktis untuk mengkonstruksi kekerabatan filogenetik
pada tingkat spesies. Salah satu faktor penting yang mempengaruhi kualitas
deteksi molekuler berbasis PCR ialah pemilihan primer yang tepat. Primer PCR
merupakan oligonukleotida yang berperan sebagai inisiasi amplifikasi molekul
DNA dan analisis PCR dengan primer spesifik merupakan langkah terbaik untuk
kepentingan deteksi bakteri patogen karena cukup sensitif dan mudah digunakan
dalam kegiatan rutin. Identifikasi isolat bakteri yang memberikan tingkat
patogenisitas tertinggi dilakukan berdasarkan hasil sequencing gen 16S-rRNA.
Sequencing gen 16S-rRNA terdiri atas tahapan ekstraksi DNA, amplifikasi gen
16S-rRNA dengan PCR dan sequencing dengan mesin Sequencer (Aris M et al
2013). Dengan mesin tersebut para ilmuwan masih harus menerjemahkan hasil
sequencing untuk memahami bagaimana genom tersebut bekerja. Oleh karena itu,
penerjemah hasil sequencing ini dibutuhkan untuk membantu kerja para ilmuwan.
Sekuens DNA memiliki rantai genom yang hampir mirip antara organisme
satu dengan organisme yang lain dan untuk mengatasi hal tersebut perlu dilakukan
ekstraksi ciri. Ekstraksi ciri adalah proses pengambilan penciri yang terdapat pada
2
suatu data. Salah satu metode ekstraksi ciri yang dapat digunakan untuk
melakukan klasifikasi sekuen DNA adalah metode K-Mers. Berdasarkan
penelitian yang telah dilakukan oleh (McHardy et al. 2007), penelitian klasifikasi
terhadap 340 organisme tersebut menggunakan metode ekstraksi ciri K-Mers dan
metode klasifikasi Support Vector Machine (SVM). Hasil akurasi yang didapat
dari penelitian tersebut untuk panjang fragmen ≥ 5 Kilobasepair (Kbp) mencapai
90% disetiap tingkat takson.
Berdasarkan latar belakang di atas dan kelebihan SVM dibanding dengan
metode pelatihan lain yaitu menggunakan strategi Structural Risk Minimization
(SRM) serta berbagai studi empiris menunjukkan bahwa pendekatan SRM pada
SVM memberikan error generalisasi yang lebih kecil dari pada yang diperoleh
dari strategi Empirical Risk Minimization (ERM) pada Neural Network (NN)
maupun metode lain (Nugroho et al. 2003). Dari penelitian ini diharapkan dapat
mengelompokkan bakteri menjadi 2 jenis bakteri, yaitu bakteri patogen dan non
patogen berdasarkan rantai DNA secara otomatis dengan menggunakan metode
klasifikasi SVM dan K-Mers sebagai ekstraksi ciri. Dalam pelatihan SVM digunakan 3 fungsi kernel yang berbeda untuk mengetahui kernel yang dapat menghasilkan model terbaik untuk pengklasifikasian jenis bakteri. Adapun data bakteri yang
akan digunakan pada penelitian ini menggunakan data yang dikembangkan oleh
National Center for Biotechnology Information (NCBI).
Perumusan Masalah
Adapun permasalahan yang akan menjadi bahan analisis pada penelitian ini
ialah :
1 Berapa akurasi yang diperoleh dari hasil klasifikasi dengan metode SVM ?
2 Bagaimana pengaruh kernel yang digunakan terhadap hasil akurasi ?
3 Bagaimana pengaruh panjang fragmen yang digunakan terhadap hasil akurasi ?
Tujuan Penelitian
Tujuan penelitian ini adalah:
1 Mengklasifikasikan bakteri berdasarkan jenisnya, yaitu patogen dan non
patogen dengan membuat pemodelan Support Vector Machine (SVM) dengan
ekstraksi ciri menggunakan metode K-Mers.
2 Menguji pengaruh kernel yang digunakan untuk klasifikasi terhadap hasil
akurasi.
3 Menguji pengaruh panjang fragmen yang digunakan terhadap hasil akurasi.
Manfaat Penelitian
Manfaat yang diperoleh dalam penelitian ini diharapkan mendapatkan
parameter untuk kernel, kernel, dan besar data yang terbaik untuk pengklasifikasian bakteri patogen dan non patogen.
3
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini meliputi :
1 Data sekuens DNA terdiri atas bakteri patogen dan non patogen dengan
panjang fragmen 100 bp, 400 bp, 800 bp, 1 Kbp, dan 5 Kbp.
2 Bakteri yang digunakan hanya bakteri yang patogen dan non patogen pada
manusia.
3 Kernel yang digunakan yaitu Gaussian Radial Basis Function (RBF), linear
kernel, dan polynomial kernel.
METODE
Secara umum dalam penelitian ini terdapat beberapa tahapan seperti yang
ditunjukkan pada Gambar 1
Mulai
Studi Literatur
Data sekuen
genom
Praproses
K-Mers
Data
contoh
Normalisasi
K-Fold Cross
Validation
Data latih
Data uji
Grid Search
Parameter
Pelatihan SVM
Pengujian SVM
SVM
Analisis
Selesai
Gambar 1 Metode penelitian
4
Studi Literatur
Pada tahap ini kegiatan yang dilakukan adalah mempelajari pustaka dan
pengumpulan data yang terkait mengenai K-Mers, SVM, sekuens genom, bakteri
patogen dan non patogen, identifikasi bakteri patogen secara konvensional dan
molekuler. Sumber utama pada penelitian ini adalah buku, skripsi, dan jurnal.
Pengumpulan Data
Pengumpulan data diawali dengan mencari daftar spesies bakteri yang
bersifat patogen dan non patogen terhadap manusia. Data yang digunakan adalah
data sekuen genom pada daftar bakteri patogen dan non patogen yang
dikembangkan oleh National Center for Biotechnology Information (NCBI) yang
dapat diunduh pada alamat website berikut :
www.ncbi.nlm.nih.gov/genome/Bacteria/all.fna.tar,gz.
Setelah didapat data sekuen DNA dari NCBI, selanjutnya data tersebut akan
diproses dengan perangkat lunak MetaSim. MetaSim merupakan perangkat lunak
yang digunakan untuk mengolah data sekuen berdasarkan parameter tertentu
(Richter et al. 2009). Keluaran dari MetaSim berupa fail FastA yang berisi
sekuens DNA yang telah terfagmen sesuai dengan parameter yang ditelah
ditentukan. Sekuen DNA tersebut terdiri atas 4 huruf yang mewakili struktur
primer dari molekul DNA yaitu Adenine (A), Cytosine (C), Guanine (G), dan
Timin (T).
Praproses
Praproses merupakan suatu langkah untuk menyiapkan data sesuai dengan
format libSVM pada Matlab. Data pada penelitian ini merupakan data yang
berbentuk serangkaian string yang sangat panjang yaitu rantai DNA. Kisaran
rantai DNA mencapai 4 juta pasangan basa. Sedangkan alat sequencing saat ini
masih terbatas pada panjang fragmen tertentu. Oleh karena itu, perlu dilakukan
fragmentasi sekuen DNA dengan menggunakan MetaSim untuk memotong
pasangan basa tersebut. Pada penelitian ini panjang fragmen yang digunakan yaitu
100 bp, 400 bp, 800 bp, 1000 bp, dan 5000 bp.
Ekstraksi Ciri K-Mers
Ekstraksi ciri merupakan proses pengambilan penciri pada setiap data. Salah
satu metode ekstraksi ciri adalah K-Mers. K-Mers adalah algoritma untuk mengetahui frekuensi munculnya substring tertentu pada sebuah string. String pada
rangkaian DNA terdiri atas 4 huruf yaitu A, T, G, dan C sehingga string rantai
DNA tersebut menjadi subtring sebanyak 4k (Choi dan Cho 2002). Gambar 2
merupakan ilustrasi K-Mers dengan nilai K = 3.
5
Misal terdapat rantai DNA sebagai berikut : ATTAGCTACGGCATT,
ATTAGCTACGGCATT ATT
ATTAGCTACGGCATT TTA dan seterusnya sehingga K-Mers dengan K = 3
menghasilkan 64 substring dengan frekuensi sebagai berikut :
AAA: 0
AGA: 0 CAA: 0 CGA: 0 GAA: 0 GGA: 0 TAA: 0 TGA: 0
AAC: 0
AGC: 1 CAC: 0 CGC: 0 GAC: 0 GGC: 1 TAC: 1 TGC: 0
AAG: 0
AGG: 0 CAG: 0 CGG: 1 GAG: 0 GGG: 0 TAG: 1 TGG: 0
AAT: 0
AGT: 0 CAT: 1 CGT: 0 GAT: 0 GGT: 0 TAT: 0
TGT: 0
ACA: 0
ATA: 0 CCA: 0 CTA: 1 GCA: 1 GTA: 0 TCA: 0 TTA: 1
ACC: 0
ATC: 0 CCC: 0 CTC: 0
GCC: 0 GTC: 0 TCC: 0
TTC: 0
ACG: 1
ATG: 0 CCG: 0 CTG: 0 GCG: 0 GTG: 0 TCG: 0 TTG: 0
ACT: 0
ATT: 2
CCT: 0
CTT: 0
GCT: 1 GTT: 0
TCT: 0
TTT: 0
Gambar 2 Ilustrasi K-Mers
Frekuensi munculnya substring tersebut dapat digunakan sebagai penciri
dari suatu kelompok string. Nilai K yang akan digunakan yaitu 3,4, dan 5.
Normalisasi
Normalisasi berfungsi untuk mengatur rentang nilai data supaya tidak terlalu
jauh. Normalisasi yang digunakan menggunakan normalisasi min-max (Han J et
al. 2011) dan nilai rentang yang digunakan adalah 0 sampai dengan 1 dengan
rumus sebagai berikut:
vi’ =
(1)
Dimana vi’ adalah nilai yang telah dinormalisasi, vi nilai sebelum
normalisasi dilakukan, minA nilai minimum dari nilai data keseluruhan, sedangkan
maxA merupakan nilai maximum dari nilai data keseluruhan.
Pembagian Data
Untuk pembagian data uji dan data latih digunakan metode K-fold cross
validation. Pada pelatihan ini data sample dibagi menjadi beberapa subsample.
Saat proses pelatihan setiap 1 subsample dijadikan data uji dan subsample yang
lain sebagai data latih. Penentuan subsample ini berdasarkan nilai K yaitu 5,
seperti yang diilustrasikan pada Tabel 1.
Tabel 1 Ilustrasi 5-fold cross validation
Data Uji
Subsample_1
Subsample_2
Subsample_3
Subsample_4
Subsample_5
Data Latih
Subsample_2, Subsample_3, Subsample_4, Subsample_5
Subsample_1, Subsample_3, Subsample_4, Subsample_5
Subsample_1, Subsample_2, Subsample_4, Subsample_5
Subsample_1, Subsample_2, Subsample_3, Subsample_5
Subsample_1, Subsample_2, Subsample_3, Subsample_4
Akurasi
Akurasi_1
Akurasi_2
Akurasi_3
Akurasi_4
Akurasi_5
Dengan melalui 5-fold cross validation akan menghasilkan perbandingan
data latih : data uji sebesar 80% : 20%.
6
Grid Search
Pada SVM pemilihan parameter kernel sangat berpengaruh terhadap akurasi.
Pemilihan parameter kernel dapat dengan cara melakukan percobaan
menggunakan parameter kernel yang berbeda-beda. Salah satu metode percobaan
untuk mencari parameter kernel terbaik adalah grid search.
Metode grid search adalah proses nestedloop (proses looping di dalam
looping) yang digunakan untuk mencoba berbagai nilai parameter pada pelatihan
dengan sekali menjalankan program. Proses grid search pada penelitian ini
menggunakan data contoh sebanyak 10% dari jumlah fragmen keselurruhan.
Pengambilan data 10% ini dilakukan mengacu pada penelitian yang telah
dilakukan oleh (McHardy et al. 2007). Berbagai parameter yang telah dicobakan
tersebut akan dihasilkan nilai parameter terbaik yaitu parameter yang
menghasilkan akurasi tertinggi pada data contoh. Dari parameter terbaik pada data
contoh diharapkan menghasilkan optimum margin pada proses pelatihan SVM
pada data latih.
Pada pelatihan SVM grid search dilakukan untuk menentukan parameter
cost (C) , gamma ( ) untuk kernel RBF serta C, gamma ( ), degree (d), dan koef
0 (r) untuk parameter pada kernel Polynomial. Namun, pada penelitian ini, nilai r
menggunakan nilai default yaitu 0.
Pelatihan SVM
Proses pelatihan SVM dilakukan untuk data latih hasil ekstraksi ciri.
Support Vector Machine (SVM) adalah metode untuk menemukan hyperplane
(bidang pemisah) terbaik yang dapat memisahkan dimensi data dengan sempurna
ke dalam 2 kelas (kelas +1 dan kelas -1) sehingga memperoleh margin yang
maksimal antara ruang input bukan linear dengan ruang ciri menggunakan kernel.
Sehingga dari label data penelitian ini yaitu kelas 1 dan kelas 2 akan berubah
secara otomatis menjadi kelas +1 dan kelas -1.
Gambar 3 Support Vector Machine oleh Nugroho. et al (2003)
Margin adalah jarak yang memaksimalkan jarak geometri hyperplane ke
support vector-nya (Boswell 2002). Pada Gambar 3 diilustrasikan kondisi data
yang dapat dipisahkan secara linear dengan hyperplane yang memiliki margin
terbesar. Margin terbesar dapat ditemukan dengan memaksimalkan nilai jarak
antara hyperplane dan titik terdekat, yaitu 1/||w||. Hal ini dapat dirumuskan sebagai
masalah Quadratic Programming (QP), yaitu mencari titik minimal. QP ini dapat
7
diselesaikan dengan berbagai teknik komputasi, diantaranya Lagrange Multiplier.
Himpunan {x1,x2,...,xn} adalah dataset dan yi {+1, -1} adalah label kelas dari
data xi. Kondisi data yang dapat dipisahkan secara linear terpenuhi jika dicari
pasangan (w, b) sedemikian sehingga :
xi.w + b ≥ 1, xi kelas +1,
xi.w + b ≤ -1, xi kelas -1,
dimana w adalah bidang normal dan b merupakan posisi bidang relatif terhadap
pusat koordinat. Ruang hipotesis untuk data tersebut ialah set fungsi yang
diberikan oleh :
Fungsi keputusan untuk menentukan kelas dari data uji x adalah :
dengan = koefisien Lagrange multiplier, yang bernilai nol atau positif
(
.
Salah satu kendala dalam pengklasifikasian ialah ketersediaan data yang
besar dan beragam yang dapat mengakibatkan data tersebut tidak dapat dipisahkan
secara linear. Untuk itu, SVM menawarkan kernel yang dapat merepresentasikan
atau mentransformasikan data ke dimensi lebih tinggi (lebih besar dari 2) dengan
fungsi transformasi
. Sehingga, data yang sudah berada di dimensi
lebih tinggi tersebut dapat dengan mudah dipisahkan dengan hyperplane secara
linear (Boswell 2002). Jika terdapat sebuah fungsi kernel K, maka fungsi
transformasi tidak perlu diketahui secara tepat. Sehingga fungsi yang dihasilkan
dari pelatihan adalah :
Beberapa fungsi kernel yang umum digunakan (Boswell 2002):
1. Linear Kernel :
K(xi,x) = . X.
2. Polynomial Kernel :
K(xi,x) = (
. x+r)d
3. Radial Basic Function Kernel :
K(xi,x) = exp(
)
Pengujian
Dari proses K-fold cross validation menghasilkan sebuah data uji, data uji
ini akan digunakan untuk menguji model yang dihasilkan oleh proses pelatihan.
Karena fold yang digunakan pada penelitian ini adalah 5, makan data uji yang
dihasilkan sebanyak 20% dari jumlah fragmen keseluruhan yaitu 2000 fragmen.
Proses pengujian semua organisme pada data uji menghasilkan prediksi
kelas pengklasifikasian. Dari prediksi tersebut dihitung persentase keberhasilan
pengklasifikasian yang menggambarkan seberapa akurat model yang didapatkan
dari sebuah metode (akurasi).
Persamaan akurasi akhir klasifikasi adalah sebagai berikut :
8
Akurasi
=
x100%
Akurasi Akhir =
; n=5
(2)
(3)
Analisis
Analisis ini dilakukan untuk mengetahui model SVM yang terbaik
berdasarkan kernel, panjang fragmen dan nilai K pada proses ekstraksi ciri yang
digunakan dengan membandingkan hasil akurasi yang telah didapat dari proses
pengujian. Tabel 2 adalah catatan pembanding pada tiap parameter yang diteliti.
Tabel 2 Pembanding parameter
Parameter
Kernel
Panjang Fragmen
Nilai K pada K-Mers
Pembanding
Panjang fragmen
Nilai K pada K-Mers
Kernel
HASIL DAN PEMBAHASAN
Pengumpulan Data
Data yang berupa sekuen DNA dalam format data FastA yang telah didapat
dari NCBI dibuka dengan menggunakan MetaSim dan diambil 40 organisme
bakteri yang terdiri atas 20 organisme yang bersifat patogenesis dan 20 organisme
yang tidak bersifat patogenesis. Nama organisme tersebut didapat dari beberapa
literatur mengenai mikrobiologi farmasi, patogenesis, dan mikrobiologi industri.
Adapun daftar organisme bakteri terdapat pada Lampiran 1.
Selain data sekuen DNA pada penelitian ini diperlukan data kelas dari setiap
organism, sehingga dibuat data kelas yang terdiri atas 2 kelas yaitu kelas 1 adalah
kelas patogen dan kelas 2 merupakan kelas non patogen. Pembuatan data kelas ini
dilakukan secara manual dengan menggunakan Ms. Excel.
Praproses
Sebelum data sekuen DNA diklasifikasikan, terlebih dahulu data sekuen
diuraikan fragmennya menggunakan MetaSim. Proses penguraian fragmen ini
dilakukan untuk mengambil sample dari rantai DNA suatu organisme. Panjang
fragmen tiap organisme yang digunakan adalah 100 bp, 400 bp, 800 bp, 1000 bp,
dan 5000 bp dengan masing-masing organisme diambil sample sebanyak 250 kali.
Sehingga keluaran MetaSim dalam 1 fail mempunyai panjang fragmen yang sama
menghasilkan 250 rantai DNA organisme berupa format FastA.
Karena organisme yang digunakan sebanyak 40 maka akan ada 40 fail
FastA untuk setiap panjang fragmen yang sama, yang berarti akan ada 160 fail
FastA. Dan dari 40 fail FastA yang mempunyai panjang fragmen yang sama
disatukan dalam satu fail berformat teks (txt). Sehingga akan ada 5 fail FastA
9
yang masing-masing fail terdiri atas 10000 organisme. Jumlah sample dapat
dilihat pada Lampiran 1.
Ekstraksi Ciri
Ekstraksi ciri menggunakan K-Mers dengan nilai K = 3,4, dan 5. Proses
ekstraksi ciri menghasilkan banyaknya pasangan 3-nukleotida, 4-nukleotida, dan
5-nukleotida, bergantung pada nilai K yang digunakan. Untuk K=3 menghasilkan
43 atau 64 pasangan 3-nukleotida yang terdiri atas AAA sampai GGG, sedangkan
K = 4 menghasilkan 44 atau 256 pasangan 4-nukleotida yang terdiri atas AAAA
sampai GGGG, dan K = 5 menghasilkan 45 atau 1024 pasangan 5-nukleotida yang
terdiri atas AAAAA sampai GGGGG. Gambar 2 di bawah ini merupakan contoh
hasil ekstraksi ciri K = 3 pada fragmen 100 bp :
Gambar 4 Contoh hasil ekstraksi ciri K-Mers dengan nilai K = 3 pada fragmen
100 bp
Normalisasi
Proses normalisasi menggunakan data keluaran dari ekstraksi ciri. Dan dari
proses normalisasi ini menghasilkan struktur angka double dengan rentang 0
sampai dengan 1 sebanyak matriks dari hasil ekstraksi ciri, yaitu untuk 3-Mers
matriks yang dihasilkan 10000 x 64, untuk 4-Mers matriks yang dihasilkan 10000
x 256, dan 10000 x 1024 untuk 5-Mers. Berikut Gambar 5 adalah hasil
normalisasi dengan Persamaan 1 dan nilai 3-Mers pada fragmen 100 bp :
Gambar 5 Normalisasi dengan nilai 3-Mers pada fragmen 100 bp
Normalisasi dilakukan untuk menghindari fitur yang bernilai tinggi
sehingga dapat mempermudah perhitungan selama proses pengklasifikasian.
K-Fold Cross Validation
Proses K-fold ini digunakan untuk membagi data menjadi subsample dan
untuk menentukan banyaknya percobaan sebanyak nilai K yang telah ditentukan
yaitu 5. Perbandingan data latih dan data uji adalah 4:1 atau 80% : 20% dari
10000 fragmen sehingga setiap percobaan menghasilkan 8000 fragmen untuk data
latih dan 2000 fragmen untuk data uji.
10
Grid Search
Proses grid search menghasilkan parameter terbaik untuk kernel RBF dan
Polynomial. Dari proses grid search menghasilkan salah satu parameter terbaik
untuk cost = 0.5 dan gamma = 8 dengan kernel RBF dan fragmen 100 bp dan 3Mers, sedangkan dengan kernel Polynomial dengan data yang sama menghasilkan
parameter terbaik untuk cost = 0.03 gamma = 8 dan degree = 3. Adapun hasil
grid search yang lain dapat dilihat pada Lampiran 2.
Pelatihan SVM
Pelatihan SVM dilakukan pada semua panjang fragmen dan K-Mers yang
telah ditentukan dan dinormalisasi dengan menggunakan parameter terbaik yang
dihasilkan pada proses grid search pada masing-masing data dan kernel. Data
yang digunakan sebagai data latih terdiri atas 8000 data dan 2000 data uji.
Pembagian data tersebut diperoleh dari proses k-fold cross validation. Dari
pelatihan ini akan menghasilkan pemodelannya.
Pada setiap kernel dilakukan sebanyak 15 pelatihan dengan panjang
fragmen dan nilai K-Mers yang telah ditentukan. Pelatihan ini menggunakan 3
kernel yaitu RBF, Polynomial, dan Linear, sehingga total pelatihan yang
dilakukan sebanyak 45 pelatihan.
Pengujian SVM
Pengujian SVM dilakukan untuk menghitung akurasi setiap percobaan. Data
yang digunakan dalam pengujian menggunakan 2000 fragmen. Dari proses
pelatihan sebelumnya menghasilkan model yang dapat digunakan untuk
mengklasifikasikan data uji dan mendapatkan akurasi dengan menggunakan
Persamaan 2 dan Persamaan 3.
Analisis
Analisis dilakukan berdasarkan akurasi yang telah didapatkan dari pelatihan
dan pengujian SVM.
Panjang Fragmen dan Kernel
Akurasi dihitung dengan percobaan pada panjang fragmen yang berbeda,
yaitu: 100 bp, 400 bp, 800 bp, 1 Kbp, dan 5 Kbp. Hasil akurasi dengan 3-Mers
ditunjukkan pada Tabel 3. Adapun hasil akurasi yang lain dapat dilihat pada
Lampiran 3 dan Lampiran 4.
Tabel 3 Akurasi pada tiap panjang fragmen dan kernel pada 3-Mers
Panjang
Fragmen
Akurasi
Kernel RBF (%)
100 bp
400 bp
800 bp
1000 bp
63.86
76.84
84.57
85.61
Akurasi
Kernel Polynomial
(%)
64.10
76.42
79.28
85.28
Akurasi
Kernel Linear (%)
61.51
62.71
70.91
73.59
11
Panjang
Fragmen
Akurasi
Kernel RBF (%)
5000 bp
95.32
Akurasi
Kernel Polynomial
(%)
94.81
Akurasi
Kernel Linear (%)
81.67
Berdasarkan Tabel 3 apabila dapat dikatakan bahwa panjang fragmen
semakin panjang maka akurasi yang didapat akan semakin besar begitu sebaliknya.
Dan kernel yang menghasilkan akurasi yang tertinggi adalah Kernel RBF seperti
yang terlihat pada Gambar 6.
100
90
Akurasi (%)
80
70
60
50
Kernel Linear
40
Kernel Polynomial
30
Kernel RBF
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 6 Perbandingan akurasi kernel pada 3-Mers
Dari Gambar 6 terlihat bahwa selisih antara RBF dengan Polynomial hanya
sedikit, tetapi selisih antara RBF dengan Linear dan Polynomial dengan Linear
cukup besar berkisar antara 2.35% - 14.13% atau 47 - 283 fragmen dari 2000
fragmen. Hal ini menunjukkan bahwa data tersebut merupakan data non linear
separable. Data non linear separable adalah data yang tidak dapat terpisah secara
sempurna oleh hyperplane.
Nilai K pada K-Mers
Nilai K pada kernel RBF tidak berpengaruh besar. Untuk panjang fragmen
100 bp sampai dengan 1000 bp K= 3 ke K= 4 akurasi meningkat antara 0.1%
hingga 2.96% dan dari K = 4 ke K = 5 akurasi menurun. Hal ini terjadi karena
pada panjang fragmen tersebut dengan 5-Mers menghasilkan banyak nilai 0 untuk
hasil cirinya tetapi untuk panjang fragmen 5000 bp semakin tinggi nilai K yang
digunakan akurasi semakin meningkat pula seperti ditunjukkan pada Gambar 6.
Pada kasus ini hasil K-Mers serupa dengan hasil penelitian oleh Mc Hardy et al.
(2007), yaitu pada panjang fragmen ≤ 5000 bp akurasi yang diperoleh sangat kecil.
Dari Gambar 6 membuktikan bahwa K = 5 dengan panjang fragmen 5000
bp menghasilkan akurasi tertinggi hingga mencapai 96.61%. Untuk hasil yang
lainnya dapat dilihat pada Lampiran 5 dan Lampiran 6.
12
100
90
80
Akurasi (%)
70
60
50
Akurasi 3-Mers (%)
40
Akurasi 4-Mers (%)
30
Akurasi 5-Mers (%)
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 7 Pengaruh nilai K terhadap akurasi pada kernel RBF
Kemudian pada 4-Mers dan 5-Mers selisih antara kernel linear dan non
linear semakin berkurang yaitu berkisar antara 1.25% hingga 11.56% untuk 4Mers dan 0.53% hingga 7.93% untuk 5-Mers, seperti yang ditunjukkan pada
Gambar 8 dan Gambar 9. Adapun rincian selisih dapat dilihat pada Lampiran 7,
Lampiran 8, dan Lampiran 9.
100
90
80
Akurasi (%)
70
60
50
Kernel Linear
40
Kernel Polynomial
Kernel RBF
30
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 8 Perbedaan akurasi kernel pada 4-Mers
13
100
90
80
70
Akurasi (%)
60
Kernel Linear
50
Kernel Polynomial
Kernel RBF
40
30
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 9 Perbedaan akurasi kernel pada 5-Mers
Hal ini membuktikan bahwa semakin tinggi nilai K pada K-Mers semakin
dapat memisahkan data secara linear.
SIMPULAN DAN SARAN
Simpulan
Klasifikasi telah dilakukan dengan hasil akurasi yang cukup baik mulai dari
panjang fragmen 400Bp dengan kernel RBF atau Polynomial dengan akurasi
mencapai 79.3% untuk kernel RBF dan 76.42% untuk kernel Polynomial. Namun,
untuk kernel Linear menghasilkan akurasi yang cukup bagus ketika menggunakan
panjang fragmen 800 bp dengan hasil akurasi mencapai 70.91%.
Penggunaan nilai K pada proses ekstraksi ciri menunjukkan bahwa nilai
tertinggi pada kasus ini berada pada K = 5 dengan akurasi mencapai 96.61% pada
panjang fragmen 5000 bp. Dan semakin besar nilai K maka data semakin mudah
dipisahkan secara linear.
Pengaruh pemilihan kernel terhadap hasil akurasi cukup tinggi yaitu
mencapai 14.13% yang menandakan bahwa data yang ada bersifat non linear
separable, karena hasil dari menggunakan kernel Linear menunjukkan akurasi
yang lebih rendah dari pada menggunakan kernel RBF maupun Polynomial. Dan
pada kasus ini kernel terbaik adalah kernel RBF.
14
Saran
Saran untuk penelitian selanjutnya adalah sebagai berikut :
1 Melakukan optimasi SVM dengan Metode Algoritma Genetika sehingga
diharapkan dapat meningkatkan akurasi.
2 Melakukan ektraksi ciri dengan Space K-Mers.
DAFTAR PUSTAKA
Aris M, et al. 2013. Identifikasi molekuler bakteri patogen dan desain primer
PCR. Budidaya Perairan 1: 43-50.
Boswell D. 2002. Introduction to support vector machine [Internet]. [diunduh
2014 Juni 26]. Tersedia pada: http://www.work.caltech.edu/~boswell/
IntroToSVM.pdf
Choi JH, Cho HG. 2002. Analysis of common k-mers for whole genome sequence
using SSB-tree. Genome Information. 13 : 30-41
de Carvalho Junior SA. 2003. Sequence Alignment Algorithms. London. King’s
College.
Han J, Kamber M, Pei J. 2011. Data Mining Concept and Techniques Third
Edition. USA : Morgan Kaufmann. Hlm 113-115.
Harahap LH. 2013. Mengenal Bakteri [Internet]. [diunduh 2014 November 26].
Tersedia pada :
http://bbkpbelawan.deptan.go.id/wpcontent/uploads/2013/02/MENGENAL%2
0BAKTERI.pdf
Hidayat N, Masdiana CP, Suhartini S. 2006. Mikrobiologi Industri. Yogyakarta :
Andi Offset.
Louws FJ, Cuppels DA. 2001. Appendix. Molecular techniques. Di dalam :
Schaad NW. et al., editor. Laboratory Guide for Identification of PF Plant
Pathogenic Bacteria. Third Edition. APS Press. St. Paul Minnesota. Hal 321337
McHardy AC, et al. 2007. Accurate phylogonetic classification of variablelenghth DNA fragment. Nature Methods, 4(1):63-72, doi:10.1038/nmeth976.
Mims, Cedric A. 1987. The Pathogenesis of Infection Diasese. London (GB) :
Academic Press.
Nugroho AS, Wirarto AB, Handoko D. 2003. Support Vector
Machine[Internet].[diunduh 2014 Juni 21]. Tersedia pada : http:
//www.komputer.com
Pratiwi ST, (editor) Astikawati R, Safitri A. 2008. Mikrobiologi Farmasi. Jakarta :
Erlangga.
Richter DC, et al. 2009. User manual for MetaSim V0.9.5 [Internet]. [diunduh
2014 Juni 5]. Tersedia pada:
ab.informatik.uni.tuebigen.de/software/metasim/download/V 0 9 5/manual.pdf
15
Lampiran 1 Nama organisme
No
1
2
Nama Bakteri
Bacillus anthracis
Bartonella
bacilliformis
Kelas
Patogen
Patogen
No
21
22
3
Bordetella
pertussis
Borrelia
recurrentis
Brucella abortus
Patogen
23
Patogen
24
Patogen
25
Corynebacterium
diphteriae
Escherichia coli
Patogen
26
Patogen
27
Haemophilus
influenzae
Haemophilus
ducreyi
Legionella
pneumophilla
Listeria
monocytogenes
Mycobacterium
tuberculosis
Mycobacterium
leprae
Neisseria
gonorrhoeae
Shigella flexneri
Patogen
28
Patogen
29
Patogen
30
Patogen
31
Patogen
32
Patogen
33
Patogen
34
Patogen
35
Streptococcus
salivarius
Streptococcus
pyogenes
Streptococcus
mutans
Streptococcus
agalactiae
Patogen
36
Patogen
37
Patogen
38
Patogen
39
Pseudomonas
aeruginosa
Patogen
40
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Nama Bakteri
Bacillus subtilis
Bifidobacterium
animals
Bifidobacterium
bifidum
Bifidobacterium
breve
Bifidobacterium
adolescentis
Bifidobacterium
longum
Corynebacterium
phage P1201
Enterococcus
faecium
Lactobacillus
delbrueckii
Lactobacillus
acidophilus
Lactobacillus brevis
Lactobacillus casei
tp bkn yg str
Lactobacillus
fermentum
Lactobacillus
reuteri
Lactobacillus
plantarum
Lactobacillus
helveticus
Leuconostoc
mesenteroides
Pediococcus
pentosaceus
Propionibacterium
freudenreichii subps
shermanii
Streptococcus
thermophillus
Kelas
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
*Setiap bakteri difragmen sepanjang 100 Bp, 400 Bp, 800 Bp, 1 Kbp, dan 5 Kbp
dengan masing-masing panjang fragmen diambil sebanyak 250 kali.
*Sumber : (Hidayat N et al. 2006), (Mims et al. 1987), dan (Pratiwi ST et al.
2008)
16
Lampiran 2 Hasil proses grid search
panjang
fragmen
100 bp
400 bp
800 bp
1Kbp
5 Kbp
Kernel RBF
k
cost
3
4
5
3
4
5
3
4
5
3
4
5
3
4
5
0.5
0.5
2
2
2
2
2
2
2
8
2
2
8
2
2
gamma
8
2
8
8
8
2
8
8
8
8
8
8
8
8
8
panjang
fragmen
100 bp
400 bp
800 bp
1Kbp
5 Kbp
Kernel Polynomial
K
cost
gamma
3
4
5
3
4
5
3
4
5
3
4
5
3
4
5
0.03
2
0.125
0.5
0.5
0.125
0.125
0.125
0.5
0.125
2
0.125
2
8
0.125
8
2
8
2
2
8
2
9
2
2
2
8
2
2
8
degree
3
3
3
6
6
3
6
8
3
9
6
6
6
6
6
Lampiran 3 Akurasi pada tiap panjang fragmen dan kernel pada 4-Mers
Panjang
Fragmen
Akurasi
Kernel RBF (%)
Akurasi
Kernel Polynomial (%)
Akurasi
Kernel Linear (%)
100 bp
400 bp
800 bp
1000 bp
5000 bp
63.96
79.30
86.39
88.57
95.86
64.25
78.37
84.94
87.82
95.71
62.71
71.15
75.69
77.01
87.09
Lampiran 4 Akurasi pada tiap panjang fragmen dan kernel pada 5-Mers
Panjang
Fragmen
Akurasi
Kernel RBF (%)
Akurasi
Kernel Polynomial (%)
Akurasi
Kernel Linear (%)
100 bp
400 bp
800 bp
1000 bp
5000 bp
63.10
77.33
81.28
87.21
96.61
63.81
77.75
84.72
87.68
96.54
62.57
72.00
77.65
79.75
90.81
17
Lampiran 5 Pengaruh nilai K terhadap akurasi pada kernel Polynomial
100
90
Akurasi (%)
80
70
60
50
Akurasi 3-Mers (%)
40
Akurasi 4-Mers (%)
30
Akurasi 5-Mers (%)
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Lampiran 6 Pengaruh nilai K terhadap akurasi pada kernel Linear
100
90
Akurasi (%)
80
70
60
50
Akurasi 3-Mers (%)
40
Akurasi 4-Mers (%)
30
Akurasi 5-Mers (%)
20
10
0
100 bp
400 bp
800 bp
1000 bp
Panjang fragmen
5000 bp
18
Lampiran 7 Selisih akurasi kernel pada 3-Mers
Panjang
Fragmen
(bp)
100
400
800
1000
5000
RBF dengan
Polynomial
Selisih
Selisih
(%)
(data)
0.24
5
0.42
8
5.29
106
0.33
7
0.51
10
RBF dengan Linear
Selisih
(%)
2.35
14.13
13.66
12.02
13.65
Selisih
(data)
47
283
273
240
273
Polynomial dengan
Linear
Selisih
Selisih
(%)
(data)
2.59
52
13.71
274
8.37
167
11.69
234
13.14
263
Lampiran 8 Selisih akurasi kernel pada 4-Mers
Panjang
Fragmen
(bp)
100
400
800
1000
5000
RBF dengan
Polynomial
Selisih
Selisih
(%)
(data)
0.29
0.93
1.45
0.75
0.15
6
19
29
15
3
RBF dengan Linear
Selisih
(%)
Selisih
(data)
1.25
8.15
10.7
11.56
8.77
25
163
214
231
175
Polynomial dengan
Linear
Selisih
Selisih
(%)
(data)
1.54
7.22
9.25
10.81
8.62
31
144
185
216
172
Lampiran 9 Selisih akurasi kernel pada 5-Mers
Panjang
Fragmen
(bp)
100
400
800
1000
5000
RBF dengan
Polynomial
Selisih
Selisih
(%)
(data)
0.71
0.42
3.44
0.47
0.07
14
8
69
9
1
RBF dengan Linear
Selisih
(%)
Selisih
(data)
0.53
5.33
3.63
7.46
5.8
11
107
73
149
116
Polynomial dengan
Linear
Selisih
Selisih
(%)
(data)
1.24
5.75
7.07
7.93
5.73
25
115
141
159
115
19
RIWAYAT HIDUP
Penulis dilahirkan di Boyolali, Jawa Tengah pada tanggal 16 Maret 1991
dari Bapak Supratman dan Ibu Sri Sudarwati. Penulis merupakan putri bungsu
dari 2 bersaudara. Penulis menyelesaikan pendidikan menengah atas di SMA
Negeri 1 Boyolali pada tahun 2009 dan melanjutkan pendidikan diploma 3 di
Institut Pertanian Bogor melalui jalur undangan Jurusan Teknik Komputer dan
menyelesaikannya pada tahun 2012. Kemudian pada tahun yang sama, penulis
terdaftar sebagai mahasiswa Departemen Ilmu Komputer Fakultas Matematika
dan Ilmu Pengetahuan Institut Pertanian Bogor dan bekerja sebagai guru di SMK
Pembangunan Bogor Utara.
BAKTERI PATOGEN DAN NON PATOGEN BERDASARKAN
DATA SEKUENS GENOM
ESKAWATI KURNIA DWIMARDYASTUTI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Support
Vector Machine untuk Klasifikasi Bakteri Patogen dan Non Patogen Berdasarkan
Data Sekuens Genom adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun 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 tulisan ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2015
Eskawati Kurnia Dwimardyastuti
NIM G64124045
ABSTRAK
ESKAWATI KURNIA DWIMARDYASTUTI. Pemodelan Support Vector
Machine untuk Klasifikasi Bakteri Patogen dan Non Patogen Berdasarkan Data
Sekuens Genom. Dibimbing oleh MUHAMMAD ASYHAR AGMALARO.
Bakteri merupakan mikroorganisme yang dapat dibedakan menjadi 2
domain yaitu patogenik (bakteri berbahaya) dan bakteri non patogenik (bakteri
tidak berbahaya). Tujuan penelitian ini adalah membuat pemodelan klasifikasi
bakteri patogen dan non patogen berdasarkan data sekuens genom dan menguji
pengaruh kernel dan panjang fragmen terhadap hasil akurasi. Data sekuens genom
diperoleh dari NCBI dengan panjang fragmen 100 bp, 400 bp, 800 bp, 1000 bp,
dan 5000 bp yang kemudian dilakukan ekstraksi ciri menggunakan metode KMers dan metode Support Vector Machine (SVM) dengan 3 kernel utama yaitu
Kernel Linear, Radial Basic Function (RBF), dan Polynomial sebagai metode
klasifikasinya. Dari proses tersebut didapatkan panjang fragmen 5000 bp dengan
kernel RBF merupakan akurasi tertinggi yaitu mencapai 96.61%.
Kata kunci : K-Mers, non patogenik, patogenik, SVM,
ABSTRACT
ESKAWATI KURNIA DWIMARDYASTUTI. Modeling Support Vector
Machine for Pathogenic and Non-Pathogenic Bacteria Based on Data from the
Sequence Genome. Supervised by MUHAMMAD ASYHAR AGMALARO.
Bacteria are microorganisms that can be divided into two domains,
pathogenic (harmful bacteria) and non-pathogenic bacteria (bacteria are
harmless). The purpose of this research is making modeling clasifications of
pathogenic bacteria and non pathogenic based on the sequence genom and test
the effect of kernels and fragment length of the accuration result. The genome
sequence obtained from NCBI with long fragments 100 bp, 400 bp, 800 bp, 1000
bp, and then 5000 bp extraction features done using methods K-Mers and
methods of Support Vector Machine (SVM) with 3 main kernel, that is Linear,
Radial Basic Function (RBF) and a Polynomial as a method of classifier. From
this process, 5000 bp fragment length is obtained with RBF is the highest
accuracy reached 96.61%.
Keywords : K-Mers, non pathogenic, pathogenic, SVM
PEMODELAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI
BAKTERI PATOGEN DAN NON PATOGEN BERDASARKAN
DATA SEKUENS GENOM
ESKAWATI KURNIA DWIMARDYASTUTI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015
Penguji
1
2
:
Auzi Asfarian, SKom MKom
Aziz Kustiyo, SSi MKom
Judul Skripsi : Pemodelan Support Vector Machine untuk Klasifikasi Bakteri
Patogen dan Non Patogen Berdasarkan Data Sekuens Genom
Nama
: Eskawati Kurnia Dwimardyastuti
NIM
: G64124045
Disetujui oleh
Muhammad Asyhar Agmalaro, SSi MKom
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom
Ketua Departemen
Tanggal Lulus:
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 Juni 2014 ini ialah sekuens
genom, dengan judul Pemodelan Support Vector Machine untuk Klasifikasi
Bakteri Patogen dan Non Patogen Berdasarkan Data Sekuens Genom.
Terima kasih penulis ucapkan kepada Bapak M. Asyhar Agmalaro, SSi
MKom selaku pembimbing, Ibu Wiwin Imro’atun Khoiriyah, MSi yang telah
banyak memberi saran, Bapak Auzi Asfarian, SKom, MKom serta Bapak Aziz
Kustiyo, SSi, MKom selaku dosen penguji. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, seluruh keluarga, teman – teman Vilbar dan Riverside,
seluruh teman-teman Alih Jenis Ilmu Komputer IPB angkatan 7, serta keluarga
besar SMK Pembangunan Bogor Utara atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2015
Eskawati Kurnia Dwimardyastuti
DAFTAR ISI
DAFTAR TABEL
ix
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
3
METODE
3
Studi Literatur
4
Pengumpulan Data
4
Praproses
4
Ekstraksi Ciri K-Mers
4
Normalisasi
5
Pembagian Data
5
Grid Search
6
Pelatihan SVM
6
Pengujian
7
Analisis
8
HASIL DAN PEMBAHASAN
8
Pengumpulan Data
8
Praproses
8
Ekstraksi Ciri
9
Normalisasi
9
K-Fold Cross Validation
9
Grid Search
10
Pelatihan SVM
10
Pengujian SVM
10
Analisis
10
SIMPULAN DAN SARAN
13
Simpulan
13
Saran
14
DAFTAR PUSTAKA
14
LAMPIRAN
15
RIWAYAT HIDUP
19
DAFTAR TABEL
1 Ilustrasi 5-fold cross validation
2 Pembanding parameter
3 Akurasi pada tiap panjang fragmen dan kernel pada 3-Mers
5
8
10
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
Metode penelitian
Ilustrasi K-Mers
Support Vector Machine oleh Nugroho. et al (2003)
Contoh hasil ekstraksi ciri K-Mers dengan nilai K = 3 pada fragmen
100 bp
Normalisasi dengan nilai 3-Mers pada fragmen 100 bp
Perbandingan akurasi kernel pada 3-Mers
Pengaruh nilai K terhadap akurasi pada kernel RBF
Perbedaan akurasi kernel pada 4-Mers
Perbedaan akurasi kernel pada 5-Mers
3
5
6
9
9
11
12
12
13
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9
Nama organisme
Hasil proses grid search
Akurasi pada tiap panjang fragmen dan kernel pada 4-Mers
Akurasi pada tiap panjang fragmen dan kernel pada 5-Mers
Pengaruh nilai K terhadap akurasi pada kernel Polynomial
Pengaruh nilai K terhadap akurasi pada kernel Linear
Selisih akurasi kernel pada 3-Mers
Selisih akurasi kernel pada 4-Mers
Selisih akurasi kernel pada 5-Mers
15
16
16
16
17
17
18
18
18
PENDAHULUAN
Latar Belakang
Bakteri dapat dibedakan menjadi 2 jenis yaitu patogen dan non patogen.
Bakteri patogen adalah bakteri yang merugikan bagi tubuh manusia maupun
makhluk hidup lainnya, sedangkan bakteri non patogen merupakan bakteri yang
tidak merugikan bagi makhluk hidup lainnya. Menurut (Harahap LH 2013)
identifikasi bakteri patogen dan non patogen dapat dilakukan dengan cara
konvensional. Namun, cara konvensional memerlukan waktu yang lama karena
memerlukan proses isolasi, uji fisiologi dan biokimia untuk mengetahui ada atau
tidak ada enzym tertentu dan reaksi hipersensitif, uji morfologi dengan
menggunakan mikroskop untuk melihat struktur eksternal dari bakteri tersebut,
seperti: kapsul, slime (lapisan lendir), fimbriae, dan pili. Sedangkan menurut
(Louws dan Cuppels 2001) identifikasi bakteri dapat menggunakan molekuler
berbasis DNA. Deoxyribo nucleic acid (DNA) adalah rantai ganda molekul
sederhana (nukleotida) yang diikat bersama-sama. Nukleotida DNA ini terdiri atas
adenin (A), guanin (G), sitosin (S), dan timin (T) (de Carvalho 2003). Urutan
nukleotida DNA dalam tubuh suatu organisme disebut sekuen genom, secara
sederhana sekuen genom dapat dianalogikan berupa susunan huruf yang memiliki
makna yang penting dan spesifik tetapi tidak langsung dapat memberikan
informasi genetik dalam suatu spesies.
Identifikasi berbasis DNA memiliki keuntungan karena keakuratan
identifikasi tidak tergantung pada kondisi lingkungan, umur, atau sifat fisiologi
dari organisme tersebut, tetapi lebih tergantung pada kualitas DNA yang
diekstraksi. Oleh karena itu, alternatif pengujian dengan metode yang modern,
cepat dan akurat dapat dilakukan dengan pelatihan DNA. Salah satu metode
pelatihan DNA yang dapat digunakan untuk analisis deteksi bakteri patogen
dengan menggunakan teknik Polymerase Chain Reaction (PCR). Teknik ini
digunakan untuk menelaah profil DNA gen 16S ribosomal Ribonucleic Acid
(16S-rRNA). Penggunaan 16S-rRNA sebagai parameter sistematik molekuler
universal, representatif, dan praktis untuk mengkonstruksi kekerabatan filogenetik
pada tingkat spesies. Salah satu faktor penting yang mempengaruhi kualitas
deteksi molekuler berbasis PCR ialah pemilihan primer yang tepat. Primer PCR
merupakan oligonukleotida yang berperan sebagai inisiasi amplifikasi molekul
DNA dan analisis PCR dengan primer spesifik merupakan langkah terbaik untuk
kepentingan deteksi bakteri patogen karena cukup sensitif dan mudah digunakan
dalam kegiatan rutin. Identifikasi isolat bakteri yang memberikan tingkat
patogenisitas tertinggi dilakukan berdasarkan hasil sequencing gen 16S-rRNA.
Sequencing gen 16S-rRNA terdiri atas tahapan ekstraksi DNA, amplifikasi gen
16S-rRNA dengan PCR dan sequencing dengan mesin Sequencer (Aris M et al
2013). Dengan mesin tersebut para ilmuwan masih harus menerjemahkan hasil
sequencing untuk memahami bagaimana genom tersebut bekerja. Oleh karena itu,
penerjemah hasil sequencing ini dibutuhkan untuk membantu kerja para ilmuwan.
Sekuens DNA memiliki rantai genom yang hampir mirip antara organisme
satu dengan organisme yang lain dan untuk mengatasi hal tersebut perlu dilakukan
ekstraksi ciri. Ekstraksi ciri adalah proses pengambilan penciri yang terdapat pada
2
suatu data. Salah satu metode ekstraksi ciri yang dapat digunakan untuk
melakukan klasifikasi sekuen DNA adalah metode K-Mers. Berdasarkan
penelitian yang telah dilakukan oleh (McHardy et al. 2007), penelitian klasifikasi
terhadap 340 organisme tersebut menggunakan metode ekstraksi ciri K-Mers dan
metode klasifikasi Support Vector Machine (SVM). Hasil akurasi yang didapat
dari penelitian tersebut untuk panjang fragmen ≥ 5 Kilobasepair (Kbp) mencapai
90% disetiap tingkat takson.
Berdasarkan latar belakang di atas dan kelebihan SVM dibanding dengan
metode pelatihan lain yaitu menggunakan strategi Structural Risk Minimization
(SRM) serta berbagai studi empiris menunjukkan bahwa pendekatan SRM pada
SVM memberikan error generalisasi yang lebih kecil dari pada yang diperoleh
dari strategi Empirical Risk Minimization (ERM) pada Neural Network (NN)
maupun metode lain (Nugroho et al. 2003). Dari penelitian ini diharapkan dapat
mengelompokkan bakteri menjadi 2 jenis bakteri, yaitu bakteri patogen dan non
patogen berdasarkan rantai DNA secara otomatis dengan menggunakan metode
klasifikasi SVM dan K-Mers sebagai ekstraksi ciri. Dalam pelatihan SVM digunakan 3 fungsi kernel yang berbeda untuk mengetahui kernel yang dapat menghasilkan model terbaik untuk pengklasifikasian jenis bakteri. Adapun data bakteri yang
akan digunakan pada penelitian ini menggunakan data yang dikembangkan oleh
National Center for Biotechnology Information (NCBI).
Perumusan Masalah
Adapun permasalahan yang akan menjadi bahan analisis pada penelitian ini
ialah :
1 Berapa akurasi yang diperoleh dari hasil klasifikasi dengan metode SVM ?
2 Bagaimana pengaruh kernel yang digunakan terhadap hasil akurasi ?
3 Bagaimana pengaruh panjang fragmen yang digunakan terhadap hasil akurasi ?
Tujuan Penelitian
Tujuan penelitian ini adalah:
1 Mengklasifikasikan bakteri berdasarkan jenisnya, yaitu patogen dan non
patogen dengan membuat pemodelan Support Vector Machine (SVM) dengan
ekstraksi ciri menggunakan metode K-Mers.
2 Menguji pengaruh kernel yang digunakan untuk klasifikasi terhadap hasil
akurasi.
3 Menguji pengaruh panjang fragmen yang digunakan terhadap hasil akurasi.
Manfaat Penelitian
Manfaat yang diperoleh dalam penelitian ini diharapkan mendapatkan
parameter untuk kernel, kernel, dan besar data yang terbaik untuk pengklasifikasian bakteri patogen dan non patogen.
3
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini meliputi :
1 Data sekuens DNA terdiri atas bakteri patogen dan non patogen dengan
panjang fragmen 100 bp, 400 bp, 800 bp, 1 Kbp, dan 5 Kbp.
2 Bakteri yang digunakan hanya bakteri yang patogen dan non patogen pada
manusia.
3 Kernel yang digunakan yaitu Gaussian Radial Basis Function (RBF), linear
kernel, dan polynomial kernel.
METODE
Secara umum dalam penelitian ini terdapat beberapa tahapan seperti yang
ditunjukkan pada Gambar 1
Mulai
Studi Literatur
Data sekuen
genom
Praproses
K-Mers
Data
contoh
Normalisasi
K-Fold Cross
Validation
Data latih
Data uji
Grid Search
Parameter
Pelatihan SVM
Pengujian SVM
SVM
Analisis
Selesai
Gambar 1 Metode penelitian
4
Studi Literatur
Pada tahap ini kegiatan yang dilakukan adalah mempelajari pustaka dan
pengumpulan data yang terkait mengenai K-Mers, SVM, sekuens genom, bakteri
patogen dan non patogen, identifikasi bakteri patogen secara konvensional dan
molekuler. Sumber utama pada penelitian ini adalah buku, skripsi, dan jurnal.
Pengumpulan Data
Pengumpulan data diawali dengan mencari daftar spesies bakteri yang
bersifat patogen dan non patogen terhadap manusia. Data yang digunakan adalah
data sekuen genom pada daftar bakteri patogen dan non patogen yang
dikembangkan oleh National Center for Biotechnology Information (NCBI) yang
dapat diunduh pada alamat website berikut :
www.ncbi.nlm.nih.gov/genome/Bacteria/all.fna.tar,gz.
Setelah didapat data sekuen DNA dari NCBI, selanjutnya data tersebut akan
diproses dengan perangkat lunak MetaSim. MetaSim merupakan perangkat lunak
yang digunakan untuk mengolah data sekuen berdasarkan parameter tertentu
(Richter et al. 2009). Keluaran dari MetaSim berupa fail FastA yang berisi
sekuens DNA yang telah terfagmen sesuai dengan parameter yang ditelah
ditentukan. Sekuen DNA tersebut terdiri atas 4 huruf yang mewakili struktur
primer dari molekul DNA yaitu Adenine (A), Cytosine (C), Guanine (G), dan
Timin (T).
Praproses
Praproses merupakan suatu langkah untuk menyiapkan data sesuai dengan
format libSVM pada Matlab. Data pada penelitian ini merupakan data yang
berbentuk serangkaian string yang sangat panjang yaitu rantai DNA. Kisaran
rantai DNA mencapai 4 juta pasangan basa. Sedangkan alat sequencing saat ini
masih terbatas pada panjang fragmen tertentu. Oleh karena itu, perlu dilakukan
fragmentasi sekuen DNA dengan menggunakan MetaSim untuk memotong
pasangan basa tersebut. Pada penelitian ini panjang fragmen yang digunakan yaitu
100 bp, 400 bp, 800 bp, 1000 bp, dan 5000 bp.
Ekstraksi Ciri K-Mers
Ekstraksi ciri merupakan proses pengambilan penciri pada setiap data. Salah
satu metode ekstraksi ciri adalah K-Mers. K-Mers adalah algoritma untuk mengetahui frekuensi munculnya substring tertentu pada sebuah string. String pada
rangkaian DNA terdiri atas 4 huruf yaitu A, T, G, dan C sehingga string rantai
DNA tersebut menjadi subtring sebanyak 4k (Choi dan Cho 2002). Gambar 2
merupakan ilustrasi K-Mers dengan nilai K = 3.
5
Misal terdapat rantai DNA sebagai berikut : ATTAGCTACGGCATT,
ATTAGCTACGGCATT ATT
ATTAGCTACGGCATT TTA dan seterusnya sehingga K-Mers dengan K = 3
menghasilkan 64 substring dengan frekuensi sebagai berikut :
AAA: 0
AGA: 0 CAA: 0 CGA: 0 GAA: 0 GGA: 0 TAA: 0 TGA: 0
AAC: 0
AGC: 1 CAC: 0 CGC: 0 GAC: 0 GGC: 1 TAC: 1 TGC: 0
AAG: 0
AGG: 0 CAG: 0 CGG: 1 GAG: 0 GGG: 0 TAG: 1 TGG: 0
AAT: 0
AGT: 0 CAT: 1 CGT: 0 GAT: 0 GGT: 0 TAT: 0
TGT: 0
ACA: 0
ATA: 0 CCA: 0 CTA: 1 GCA: 1 GTA: 0 TCA: 0 TTA: 1
ACC: 0
ATC: 0 CCC: 0 CTC: 0
GCC: 0 GTC: 0 TCC: 0
TTC: 0
ACG: 1
ATG: 0 CCG: 0 CTG: 0 GCG: 0 GTG: 0 TCG: 0 TTG: 0
ACT: 0
ATT: 2
CCT: 0
CTT: 0
GCT: 1 GTT: 0
TCT: 0
TTT: 0
Gambar 2 Ilustrasi K-Mers
Frekuensi munculnya substring tersebut dapat digunakan sebagai penciri
dari suatu kelompok string. Nilai K yang akan digunakan yaitu 3,4, dan 5.
Normalisasi
Normalisasi berfungsi untuk mengatur rentang nilai data supaya tidak terlalu
jauh. Normalisasi yang digunakan menggunakan normalisasi min-max (Han J et
al. 2011) dan nilai rentang yang digunakan adalah 0 sampai dengan 1 dengan
rumus sebagai berikut:
vi’ =
(1)
Dimana vi’ adalah nilai yang telah dinormalisasi, vi nilai sebelum
normalisasi dilakukan, minA nilai minimum dari nilai data keseluruhan, sedangkan
maxA merupakan nilai maximum dari nilai data keseluruhan.
Pembagian Data
Untuk pembagian data uji dan data latih digunakan metode K-fold cross
validation. Pada pelatihan ini data sample dibagi menjadi beberapa subsample.
Saat proses pelatihan setiap 1 subsample dijadikan data uji dan subsample yang
lain sebagai data latih. Penentuan subsample ini berdasarkan nilai K yaitu 5,
seperti yang diilustrasikan pada Tabel 1.
Tabel 1 Ilustrasi 5-fold cross validation
Data Uji
Subsample_1
Subsample_2
Subsample_3
Subsample_4
Subsample_5
Data Latih
Subsample_2, Subsample_3, Subsample_4, Subsample_5
Subsample_1, Subsample_3, Subsample_4, Subsample_5
Subsample_1, Subsample_2, Subsample_4, Subsample_5
Subsample_1, Subsample_2, Subsample_3, Subsample_5
Subsample_1, Subsample_2, Subsample_3, Subsample_4
Akurasi
Akurasi_1
Akurasi_2
Akurasi_3
Akurasi_4
Akurasi_5
Dengan melalui 5-fold cross validation akan menghasilkan perbandingan
data latih : data uji sebesar 80% : 20%.
6
Grid Search
Pada SVM pemilihan parameter kernel sangat berpengaruh terhadap akurasi.
Pemilihan parameter kernel dapat dengan cara melakukan percobaan
menggunakan parameter kernel yang berbeda-beda. Salah satu metode percobaan
untuk mencari parameter kernel terbaik adalah grid search.
Metode grid search adalah proses nestedloop (proses looping di dalam
looping) yang digunakan untuk mencoba berbagai nilai parameter pada pelatihan
dengan sekali menjalankan program. Proses grid search pada penelitian ini
menggunakan data contoh sebanyak 10% dari jumlah fragmen keselurruhan.
Pengambilan data 10% ini dilakukan mengacu pada penelitian yang telah
dilakukan oleh (McHardy et al. 2007). Berbagai parameter yang telah dicobakan
tersebut akan dihasilkan nilai parameter terbaik yaitu parameter yang
menghasilkan akurasi tertinggi pada data contoh. Dari parameter terbaik pada data
contoh diharapkan menghasilkan optimum margin pada proses pelatihan SVM
pada data latih.
Pada pelatihan SVM grid search dilakukan untuk menentukan parameter
cost (C) , gamma ( ) untuk kernel RBF serta C, gamma ( ), degree (d), dan koef
0 (r) untuk parameter pada kernel Polynomial. Namun, pada penelitian ini, nilai r
menggunakan nilai default yaitu 0.
Pelatihan SVM
Proses pelatihan SVM dilakukan untuk data latih hasil ekstraksi ciri.
Support Vector Machine (SVM) adalah metode untuk menemukan hyperplane
(bidang pemisah) terbaik yang dapat memisahkan dimensi data dengan sempurna
ke dalam 2 kelas (kelas +1 dan kelas -1) sehingga memperoleh margin yang
maksimal antara ruang input bukan linear dengan ruang ciri menggunakan kernel.
Sehingga dari label data penelitian ini yaitu kelas 1 dan kelas 2 akan berubah
secara otomatis menjadi kelas +1 dan kelas -1.
Gambar 3 Support Vector Machine oleh Nugroho. et al (2003)
Margin adalah jarak yang memaksimalkan jarak geometri hyperplane ke
support vector-nya (Boswell 2002). Pada Gambar 3 diilustrasikan kondisi data
yang dapat dipisahkan secara linear dengan hyperplane yang memiliki margin
terbesar. Margin terbesar dapat ditemukan dengan memaksimalkan nilai jarak
antara hyperplane dan titik terdekat, yaitu 1/||w||. Hal ini dapat dirumuskan sebagai
masalah Quadratic Programming (QP), yaitu mencari titik minimal. QP ini dapat
7
diselesaikan dengan berbagai teknik komputasi, diantaranya Lagrange Multiplier.
Himpunan {x1,x2,...,xn} adalah dataset dan yi {+1, -1} adalah label kelas dari
data xi. Kondisi data yang dapat dipisahkan secara linear terpenuhi jika dicari
pasangan (w, b) sedemikian sehingga :
xi.w + b ≥ 1, xi kelas +1,
xi.w + b ≤ -1, xi kelas -1,
dimana w adalah bidang normal dan b merupakan posisi bidang relatif terhadap
pusat koordinat. Ruang hipotesis untuk data tersebut ialah set fungsi yang
diberikan oleh :
Fungsi keputusan untuk menentukan kelas dari data uji x adalah :
dengan = koefisien Lagrange multiplier, yang bernilai nol atau positif
(
.
Salah satu kendala dalam pengklasifikasian ialah ketersediaan data yang
besar dan beragam yang dapat mengakibatkan data tersebut tidak dapat dipisahkan
secara linear. Untuk itu, SVM menawarkan kernel yang dapat merepresentasikan
atau mentransformasikan data ke dimensi lebih tinggi (lebih besar dari 2) dengan
fungsi transformasi
. Sehingga, data yang sudah berada di dimensi
lebih tinggi tersebut dapat dengan mudah dipisahkan dengan hyperplane secara
linear (Boswell 2002). Jika terdapat sebuah fungsi kernel K, maka fungsi
transformasi tidak perlu diketahui secara tepat. Sehingga fungsi yang dihasilkan
dari pelatihan adalah :
Beberapa fungsi kernel yang umum digunakan (Boswell 2002):
1. Linear Kernel :
K(xi,x) = . X.
2. Polynomial Kernel :
K(xi,x) = (
. x+r)d
3. Radial Basic Function Kernel :
K(xi,x) = exp(
)
Pengujian
Dari proses K-fold cross validation menghasilkan sebuah data uji, data uji
ini akan digunakan untuk menguji model yang dihasilkan oleh proses pelatihan.
Karena fold yang digunakan pada penelitian ini adalah 5, makan data uji yang
dihasilkan sebanyak 20% dari jumlah fragmen keseluruhan yaitu 2000 fragmen.
Proses pengujian semua organisme pada data uji menghasilkan prediksi
kelas pengklasifikasian. Dari prediksi tersebut dihitung persentase keberhasilan
pengklasifikasian yang menggambarkan seberapa akurat model yang didapatkan
dari sebuah metode (akurasi).
Persamaan akurasi akhir klasifikasi adalah sebagai berikut :
8
Akurasi
=
x100%
Akurasi Akhir =
; n=5
(2)
(3)
Analisis
Analisis ini dilakukan untuk mengetahui model SVM yang terbaik
berdasarkan kernel, panjang fragmen dan nilai K pada proses ekstraksi ciri yang
digunakan dengan membandingkan hasil akurasi yang telah didapat dari proses
pengujian. Tabel 2 adalah catatan pembanding pada tiap parameter yang diteliti.
Tabel 2 Pembanding parameter
Parameter
Kernel
Panjang Fragmen
Nilai K pada K-Mers
Pembanding
Panjang fragmen
Nilai K pada K-Mers
Kernel
HASIL DAN PEMBAHASAN
Pengumpulan Data
Data yang berupa sekuen DNA dalam format data FastA yang telah didapat
dari NCBI dibuka dengan menggunakan MetaSim dan diambil 40 organisme
bakteri yang terdiri atas 20 organisme yang bersifat patogenesis dan 20 organisme
yang tidak bersifat patogenesis. Nama organisme tersebut didapat dari beberapa
literatur mengenai mikrobiologi farmasi, patogenesis, dan mikrobiologi industri.
Adapun daftar organisme bakteri terdapat pada Lampiran 1.
Selain data sekuen DNA pada penelitian ini diperlukan data kelas dari setiap
organism, sehingga dibuat data kelas yang terdiri atas 2 kelas yaitu kelas 1 adalah
kelas patogen dan kelas 2 merupakan kelas non patogen. Pembuatan data kelas ini
dilakukan secara manual dengan menggunakan Ms. Excel.
Praproses
Sebelum data sekuen DNA diklasifikasikan, terlebih dahulu data sekuen
diuraikan fragmennya menggunakan MetaSim. Proses penguraian fragmen ini
dilakukan untuk mengambil sample dari rantai DNA suatu organisme. Panjang
fragmen tiap organisme yang digunakan adalah 100 bp, 400 bp, 800 bp, 1000 bp,
dan 5000 bp dengan masing-masing organisme diambil sample sebanyak 250 kali.
Sehingga keluaran MetaSim dalam 1 fail mempunyai panjang fragmen yang sama
menghasilkan 250 rantai DNA organisme berupa format FastA.
Karena organisme yang digunakan sebanyak 40 maka akan ada 40 fail
FastA untuk setiap panjang fragmen yang sama, yang berarti akan ada 160 fail
FastA. Dan dari 40 fail FastA yang mempunyai panjang fragmen yang sama
disatukan dalam satu fail berformat teks (txt). Sehingga akan ada 5 fail FastA
9
yang masing-masing fail terdiri atas 10000 organisme. Jumlah sample dapat
dilihat pada Lampiran 1.
Ekstraksi Ciri
Ekstraksi ciri menggunakan K-Mers dengan nilai K = 3,4, dan 5. Proses
ekstraksi ciri menghasilkan banyaknya pasangan 3-nukleotida, 4-nukleotida, dan
5-nukleotida, bergantung pada nilai K yang digunakan. Untuk K=3 menghasilkan
43 atau 64 pasangan 3-nukleotida yang terdiri atas AAA sampai GGG, sedangkan
K = 4 menghasilkan 44 atau 256 pasangan 4-nukleotida yang terdiri atas AAAA
sampai GGGG, dan K = 5 menghasilkan 45 atau 1024 pasangan 5-nukleotida yang
terdiri atas AAAAA sampai GGGGG. Gambar 2 di bawah ini merupakan contoh
hasil ekstraksi ciri K = 3 pada fragmen 100 bp :
Gambar 4 Contoh hasil ekstraksi ciri K-Mers dengan nilai K = 3 pada fragmen
100 bp
Normalisasi
Proses normalisasi menggunakan data keluaran dari ekstraksi ciri. Dan dari
proses normalisasi ini menghasilkan struktur angka double dengan rentang 0
sampai dengan 1 sebanyak matriks dari hasil ekstraksi ciri, yaitu untuk 3-Mers
matriks yang dihasilkan 10000 x 64, untuk 4-Mers matriks yang dihasilkan 10000
x 256, dan 10000 x 1024 untuk 5-Mers. Berikut Gambar 5 adalah hasil
normalisasi dengan Persamaan 1 dan nilai 3-Mers pada fragmen 100 bp :
Gambar 5 Normalisasi dengan nilai 3-Mers pada fragmen 100 bp
Normalisasi dilakukan untuk menghindari fitur yang bernilai tinggi
sehingga dapat mempermudah perhitungan selama proses pengklasifikasian.
K-Fold Cross Validation
Proses K-fold ini digunakan untuk membagi data menjadi subsample dan
untuk menentukan banyaknya percobaan sebanyak nilai K yang telah ditentukan
yaitu 5. Perbandingan data latih dan data uji adalah 4:1 atau 80% : 20% dari
10000 fragmen sehingga setiap percobaan menghasilkan 8000 fragmen untuk data
latih dan 2000 fragmen untuk data uji.
10
Grid Search
Proses grid search menghasilkan parameter terbaik untuk kernel RBF dan
Polynomial. Dari proses grid search menghasilkan salah satu parameter terbaik
untuk cost = 0.5 dan gamma = 8 dengan kernel RBF dan fragmen 100 bp dan 3Mers, sedangkan dengan kernel Polynomial dengan data yang sama menghasilkan
parameter terbaik untuk cost = 0.03 gamma = 8 dan degree = 3. Adapun hasil
grid search yang lain dapat dilihat pada Lampiran 2.
Pelatihan SVM
Pelatihan SVM dilakukan pada semua panjang fragmen dan K-Mers yang
telah ditentukan dan dinormalisasi dengan menggunakan parameter terbaik yang
dihasilkan pada proses grid search pada masing-masing data dan kernel. Data
yang digunakan sebagai data latih terdiri atas 8000 data dan 2000 data uji.
Pembagian data tersebut diperoleh dari proses k-fold cross validation. Dari
pelatihan ini akan menghasilkan pemodelannya.
Pada setiap kernel dilakukan sebanyak 15 pelatihan dengan panjang
fragmen dan nilai K-Mers yang telah ditentukan. Pelatihan ini menggunakan 3
kernel yaitu RBF, Polynomial, dan Linear, sehingga total pelatihan yang
dilakukan sebanyak 45 pelatihan.
Pengujian SVM
Pengujian SVM dilakukan untuk menghitung akurasi setiap percobaan. Data
yang digunakan dalam pengujian menggunakan 2000 fragmen. Dari proses
pelatihan sebelumnya menghasilkan model yang dapat digunakan untuk
mengklasifikasikan data uji dan mendapatkan akurasi dengan menggunakan
Persamaan 2 dan Persamaan 3.
Analisis
Analisis dilakukan berdasarkan akurasi yang telah didapatkan dari pelatihan
dan pengujian SVM.
Panjang Fragmen dan Kernel
Akurasi dihitung dengan percobaan pada panjang fragmen yang berbeda,
yaitu: 100 bp, 400 bp, 800 bp, 1 Kbp, dan 5 Kbp. Hasil akurasi dengan 3-Mers
ditunjukkan pada Tabel 3. Adapun hasil akurasi yang lain dapat dilihat pada
Lampiran 3 dan Lampiran 4.
Tabel 3 Akurasi pada tiap panjang fragmen dan kernel pada 3-Mers
Panjang
Fragmen
Akurasi
Kernel RBF (%)
100 bp
400 bp
800 bp
1000 bp
63.86
76.84
84.57
85.61
Akurasi
Kernel Polynomial
(%)
64.10
76.42
79.28
85.28
Akurasi
Kernel Linear (%)
61.51
62.71
70.91
73.59
11
Panjang
Fragmen
Akurasi
Kernel RBF (%)
5000 bp
95.32
Akurasi
Kernel Polynomial
(%)
94.81
Akurasi
Kernel Linear (%)
81.67
Berdasarkan Tabel 3 apabila dapat dikatakan bahwa panjang fragmen
semakin panjang maka akurasi yang didapat akan semakin besar begitu sebaliknya.
Dan kernel yang menghasilkan akurasi yang tertinggi adalah Kernel RBF seperti
yang terlihat pada Gambar 6.
100
90
Akurasi (%)
80
70
60
50
Kernel Linear
40
Kernel Polynomial
30
Kernel RBF
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 6 Perbandingan akurasi kernel pada 3-Mers
Dari Gambar 6 terlihat bahwa selisih antara RBF dengan Polynomial hanya
sedikit, tetapi selisih antara RBF dengan Linear dan Polynomial dengan Linear
cukup besar berkisar antara 2.35% - 14.13% atau 47 - 283 fragmen dari 2000
fragmen. Hal ini menunjukkan bahwa data tersebut merupakan data non linear
separable. Data non linear separable adalah data yang tidak dapat terpisah secara
sempurna oleh hyperplane.
Nilai K pada K-Mers
Nilai K pada kernel RBF tidak berpengaruh besar. Untuk panjang fragmen
100 bp sampai dengan 1000 bp K= 3 ke K= 4 akurasi meningkat antara 0.1%
hingga 2.96% dan dari K = 4 ke K = 5 akurasi menurun. Hal ini terjadi karena
pada panjang fragmen tersebut dengan 5-Mers menghasilkan banyak nilai 0 untuk
hasil cirinya tetapi untuk panjang fragmen 5000 bp semakin tinggi nilai K yang
digunakan akurasi semakin meningkat pula seperti ditunjukkan pada Gambar 6.
Pada kasus ini hasil K-Mers serupa dengan hasil penelitian oleh Mc Hardy et al.
(2007), yaitu pada panjang fragmen ≤ 5000 bp akurasi yang diperoleh sangat kecil.
Dari Gambar 6 membuktikan bahwa K = 5 dengan panjang fragmen 5000
bp menghasilkan akurasi tertinggi hingga mencapai 96.61%. Untuk hasil yang
lainnya dapat dilihat pada Lampiran 5 dan Lampiran 6.
12
100
90
80
Akurasi (%)
70
60
50
Akurasi 3-Mers (%)
40
Akurasi 4-Mers (%)
30
Akurasi 5-Mers (%)
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 7 Pengaruh nilai K terhadap akurasi pada kernel RBF
Kemudian pada 4-Mers dan 5-Mers selisih antara kernel linear dan non
linear semakin berkurang yaitu berkisar antara 1.25% hingga 11.56% untuk 4Mers dan 0.53% hingga 7.93% untuk 5-Mers, seperti yang ditunjukkan pada
Gambar 8 dan Gambar 9. Adapun rincian selisih dapat dilihat pada Lampiran 7,
Lampiran 8, dan Lampiran 9.
100
90
80
Akurasi (%)
70
60
50
Kernel Linear
40
Kernel Polynomial
Kernel RBF
30
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 8 Perbedaan akurasi kernel pada 4-Mers
13
100
90
80
70
Akurasi (%)
60
Kernel Linear
50
Kernel Polynomial
Kernel RBF
40
30
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Gambar 9 Perbedaan akurasi kernel pada 5-Mers
Hal ini membuktikan bahwa semakin tinggi nilai K pada K-Mers semakin
dapat memisahkan data secara linear.
SIMPULAN DAN SARAN
Simpulan
Klasifikasi telah dilakukan dengan hasil akurasi yang cukup baik mulai dari
panjang fragmen 400Bp dengan kernel RBF atau Polynomial dengan akurasi
mencapai 79.3% untuk kernel RBF dan 76.42% untuk kernel Polynomial. Namun,
untuk kernel Linear menghasilkan akurasi yang cukup bagus ketika menggunakan
panjang fragmen 800 bp dengan hasil akurasi mencapai 70.91%.
Penggunaan nilai K pada proses ekstraksi ciri menunjukkan bahwa nilai
tertinggi pada kasus ini berada pada K = 5 dengan akurasi mencapai 96.61% pada
panjang fragmen 5000 bp. Dan semakin besar nilai K maka data semakin mudah
dipisahkan secara linear.
Pengaruh pemilihan kernel terhadap hasil akurasi cukup tinggi yaitu
mencapai 14.13% yang menandakan bahwa data yang ada bersifat non linear
separable, karena hasil dari menggunakan kernel Linear menunjukkan akurasi
yang lebih rendah dari pada menggunakan kernel RBF maupun Polynomial. Dan
pada kasus ini kernel terbaik adalah kernel RBF.
14
Saran
Saran untuk penelitian selanjutnya adalah sebagai berikut :
1 Melakukan optimasi SVM dengan Metode Algoritma Genetika sehingga
diharapkan dapat meningkatkan akurasi.
2 Melakukan ektraksi ciri dengan Space K-Mers.
DAFTAR PUSTAKA
Aris M, et al. 2013. Identifikasi molekuler bakteri patogen dan desain primer
PCR. Budidaya Perairan 1: 43-50.
Boswell D. 2002. Introduction to support vector machine [Internet]. [diunduh
2014 Juni 26]. Tersedia pada: http://www.work.caltech.edu/~boswell/
IntroToSVM.pdf
Choi JH, Cho HG. 2002. Analysis of common k-mers for whole genome sequence
using SSB-tree. Genome Information. 13 : 30-41
de Carvalho Junior SA. 2003. Sequence Alignment Algorithms. London. King’s
College.
Han J, Kamber M, Pei J. 2011. Data Mining Concept and Techniques Third
Edition. USA : Morgan Kaufmann. Hlm 113-115.
Harahap LH. 2013. Mengenal Bakteri [Internet]. [diunduh 2014 November 26].
Tersedia pada :
http://bbkpbelawan.deptan.go.id/wpcontent/uploads/2013/02/MENGENAL%2
0BAKTERI.pdf
Hidayat N, Masdiana CP, Suhartini S. 2006. Mikrobiologi Industri. Yogyakarta :
Andi Offset.
Louws FJ, Cuppels DA. 2001. Appendix. Molecular techniques. Di dalam :
Schaad NW. et al., editor. Laboratory Guide for Identification of PF Plant
Pathogenic Bacteria. Third Edition. APS Press. St. Paul Minnesota. Hal 321337
McHardy AC, et al. 2007. Accurate phylogonetic classification of variablelenghth DNA fragment. Nature Methods, 4(1):63-72, doi:10.1038/nmeth976.
Mims, Cedric A. 1987. The Pathogenesis of Infection Diasese. London (GB) :
Academic Press.
Nugroho AS, Wirarto AB, Handoko D. 2003. Support Vector
Machine[Internet].[diunduh 2014 Juni 21]. Tersedia pada : http:
//www.komputer.com
Pratiwi ST, (editor) Astikawati R, Safitri A. 2008. Mikrobiologi Farmasi. Jakarta :
Erlangga.
Richter DC, et al. 2009. User manual for MetaSim V0.9.5 [Internet]. [diunduh
2014 Juni 5]. Tersedia pada:
ab.informatik.uni.tuebigen.de/software/metasim/download/V 0 9 5/manual.pdf
15
Lampiran 1 Nama organisme
No
1
2
Nama Bakteri
Bacillus anthracis
Bartonella
bacilliformis
Kelas
Patogen
Patogen
No
21
22
3
Bordetella
pertussis
Borrelia
recurrentis
Brucella abortus
Patogen
23
Patogen
24
Patogen
25
Corynebacterium
diphteriae
Escherichia coli
Patogen
26
Patogen
27
Haemophilus
influenzae
Haemophilus
ducreyi
Legionella
pneumophilla
Listeria
monocytogenes
Mycobacterium
tuberculosis
Mycobacterium
leprae
Neisseria
gonorrhoeae
Shigella flexneri
Patogen
28
Patogen
29
Patogen
30
Patogen
31
Patogen
32
Patogen
33
Patogen
34
Patogen
35
Streptococcus
salivarius
Streptococcus
pyogenes
Streptococcus
mutans
Streptococcus
agalactiae
Patogen
36
Patogen
37
Patogen
38
Patogen
39
Pseudomonas
aeruginosa
Patogen
40
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Nama Bakteri
Bacillus subtilis
Bifidobacterium
animals
Bifidobacterium
bifidum
Bifidobacterium
breve
Bifidobacterium
adolescentis
Bifidobacterium
longum
Corynebacterium
phage P1201
Enterococcus
faecium
Lactobacillus
delbrueckii
Lactobacillus
acidophilus
Lactobacillus brevis
Lactobacillus casei
tp bkn yg str
Lactobacillus
fermentum
Lactobacillus
reuteri
Lactobacillus
plantarum
Lactobacillus
helveticus
Leuconostoc
mesenteroides
Pediococcus
pentosaceus
Propionibacterium
freudenreichii subps
shermanii
Streptococcus
thermophillus
Kelas
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
Non Patogen
*Setiap bakteri difragmen sepanjang 100 Bp, 400 Bp, 800 Bp, 1 Kbp, dan 5 Kbp
dengan masing-masing panjang fragmen diambil sebanyak 250 kali.
*Sumber : (Hidayat N et al. 2006), (Mims et al. 1987), dan (Pratiwi ST et al.
2008)
16
Lampiran 2 Hasil proses grid search
panjang
fragmen
100 bp
400 bp
800 bp
1Kbp
5 Kbp
Kernel RBF
k
cost
3
4
5
3
4
5
3
4
5
3
4
5
3
4
5
0.5
0.5
2
2
2
2
2
2
2
8
2
2
8
2
2
gamma
8
2
8
8
8
2
8
8
8
8
8
8
8
8
8
panjang
fragmen
100 bp
400 bp
800 bp
1Kbp
5 Kbp
Kernel Polynomial
K
cost
gamma
3
4
5
3
4
5
3
4
5
3
4
5
3
4
5
0.03
2
0.125
0.5
0.5
0.125
0.125
0.125
0.5
0.125
2
0.125
2
8
0.125
8
2
8
2
2
8
2
9
2
2
2
8
2
2
8
degree
3
3
3
6
6
3
6
8
3
9
6
6
6
6
6
Lampiran 3 Akurasi pada tiap panjang fragmen dan kernel pada 4-Mers
Panjang
Fragmen
Akurasi
Kernel RBF (%)
Akurasi
Kernel Polynomial (%)
Akurasi
Kernel Linear (%)
100 bp
400 bp
800 bp
1000 bp
5000 bp
63.96
79.30
86.39
88.57
95.86
64.25
78.37
84.94
87.82
95.71
62.71
71.15
75.69
77.01
87.09
Lampiran 4 Akurasi pada tiap panjang fragmen dan kernel pada 5-Mers
Panjang
Fragmen
Akurasi
Kernel RBF (%)
Akurasi
Kernel Polynomial (%)
Akurasi
Kernel Linear (%)
100 bp
400 bp
800 bp
1000 bp
5000 bp
63.10
77.33
81.28
87.21
96.61
63.81
77.75
84.72
87.68
96.54
62.57
72.00
77.65
79.75
90.81
17
Lampiran 5 Pengaruh nilai K terhadap akurasi pada kernel Polynomial
100
90
Akurasi (%)
80
70
60
50
Akurasi 3-Mers (%)
40
Akurasi 4-Mers (%)
30
Akurasi 5-Mers (%)
20
10
0
100 bp
400 bp
800 bp
1000 bp
5000 bp
Panjang fragmen
Lampiran 6 Pengaruh nilai K terhadap akurasi pada kernel Linear
100
90
Akurasi (%)
80
70
60
50
Akurasi 3-Mers (%)
40
Akurasi 4-Mers (%)
30
Akurasi 5-Mers (%)
20
10
0
100 bp
400 bp
800 bp
1000 bp
Panjang fragmen
5000 bp
18
Lampiran 7 Selisih akurasi kernel pada 3-Mers
Panjang
Fragmen
(bp)
100
400
800
1000
5000
RBF dengan
Polynomial
Selisih
Selisih
(%)
(data)
0.24
5
0.42
8
5.29
106
0.33
7
0.51
10
RBF dengan Linear
Selisih
(%)
2.35
14.13
13.66
12.02
13.65
Selisih
(data)
47
283
273
240
273
Polynomial dengan
Linear
Selisih
Selisih
(%)
(data)
2.59
52
13.71
274
8.37
167
11.69
234
13.14
263
Lampiran 8 Selisih akurasi kernel pada 4-Mers
Panjang
Fragmen
(bp)
100
400
800
1000
5000
RBF dengan
Polynomial
Selisih
Selisih
(%)
(data)
0.29
0.93
1.45
0.75
0.15
6
19
29
15
3
RBF dengan Linear
Selisih
(%)
Selisih
(data)
1.25
8.15
10.7
11.56
8.77
25
163
214
231
175
Polynomial dengan
Linear
Selisih
Selisih
(%)
(data)
1.54
7.22
9.25
10.81
8.62
31
144
185
216
172
Lampiran 9 Selisih akurasi kernel pada 5-Mers
Panjang
Fragmen
(bp)
100
400
800
1000
5000
RBF dengan
Polynomial
Selisih
Selisih
(%)
(data)
0.71
0.42
3.44
0.47
0.07
14
8
69
9
1
RBF dengan Linear
Selisih
(%)
Selisih
(data)
0.53
5.33
3.63
7.46
5.8
11
107
73
149
116
Polynomial dengan
Linear
Selisih
Selisih
(%)
(data)
1.24
5.75
7.07
7.93
5.73
25
115
141
159
115
19
RIWAYAT HIDUP
Penulis dilahirkan di Boyolali, Jawa Tengah pada tanggal 16 Maret 1991
dari Bapak Supratman dan Ibu Sri Sudarwati. Penulis merupakan putri bungsu
dari 2 bersaudara. Penulis menyelesaikan pendidikan menengah atas di SMA
Negeri 1 Boyolali pada tahun 2009 dan melanjutkan pendidikan diploma 3 di
Institut Pertanian Bogor melalui jalur undangan Jurusan Teknik Komputer dan
menyelesaikannya pada tahun 2012. Kemudian pada tahun yang sama, penulis
terdaftar sebagai mahasiswa Departemen Ilmu Komputer Fakultas Matematika
dan Ilmu Pengetahuan Institut Pertanian Bogor dan bekerja sebagai guru di SMK
Pembangunan Bogor Utara.