Pemodelan Biplot pada Klasifikasi Fragmen Metagenom dengan K-Mers Sebagai Ekstraksi Ciri Dan Probabilistic Neural Network Sebagai Classifier

PEMODELAN BIPLOT PADA KLASIFIKASI FRAGMEN
METAGENOM DENGAN K-MERS SEBAGAI EKSTRAKSI
CIRI DAN PROBABILISTIC NEURAL NETWORK
SEBAGAI CLASSIFIER

FERDINAN ANDREAS MANGASI SIMAMORA

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Biplot pada
Klasifikasi Fragmen Metagenom dengan K-Mers sebagai Ekstraksi Ciri dan
Probabilistic Neural Network sebagai Classifier 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 skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2014
Ferdinan Andreas Mangasi Simamora
NIM G64124016

ABSTRAK
FERDINAN ANDREAS MANGASI SIMAMORA. Pemodelan Biplot pada
Klasifikasi Fragmen Metagenom dengan K-Mers sebagai Ekstraksi Ciri dan
Probabilistic Neural Network sebagai Classifier. Dibimbing oleh AGUS BUONO
Metagenom adalah studi terhadap material genetika yang diambil langsung
dari sumber lingkungan organisme dengan melakukan prosedur sekuensing
deoxyribonucleic acid. Sekuensing dilakukan pada sekumpulan genom yang
sudah tercampur dengan beragam organisme lain pada lingkungan tersebut. Hal
ini menyebabkan proses identifikasi organisme diperlukan untuk mencegah
kesalahan perakitan fragmen antar organisme. Penelitian ini bertujuan untuk
mengklasifikasikan fragmen metagenom pada tingkat genus dengan algoritme
Probabilistic Neural Network dan k-mers sebagai pengekstraksi cirinya.
Pemodelan biplot digunakan untuk mereduksi ciri dari hasil k-mers yang memiliki

dimensi cukup besar. Penelitian ini menggunakan 3 genus mikroorganisme yang
dibagi menjadi 2 kelompok dataset yaitu organisme dikenal dan organisme belum
dikenal. Panjang fragmen yang digunakan untuk setiap dataset ialah 500 bp, 1
kbp, 5 kbp, dan 10 kbp. Dari hasil penelitian ini didapatkan akurasi terbaik
sebesar 98.10% untuk data organisme dikenal dan 92.80% untuk data organisme
belum dikenal. Pemodelan biplot berhasil mereduksi 68.75% ciri fragmen dengan
efisiensi waktu pengklasifikasian sebesar 12%.
Kata kunci: metagenom, DNA, k-mers, biplot, PNN.

ABSTRACT
FERDINAN ANDREAS MANGASI SIMAMORA. Biplot Modelling on
Metagenome Fragment Classification using K-Mers as Feature Extraction and
Probabilistic Neural Network as Classifier. Supervised by AGUS BUONO.
Metagenomics is the study of the genetic material taken directly from the
organism's source environment by performing deoxyribonucleic acid sequencing
procedure. Sequencing was performed on a set of genomes that have been mixed
with a variety of other organisms in the environment. This led to the identification
of the organism is required to prevent fragment assembly error between
organisms. This study objectives to classify metagenome fragments at the genus
level with Probabilistic Neural Network algorithms and k-mers as the features

extraction. Biplot modelling is used to reduce features of the k-mers results that
have dimensions large enough. This study uses 3 genuses of microorganisms
which are divided into 2 dataset groups, namely known organisms and unknown
organisms. The length of fragments used for each dataset is 500 bp, 1 kbp, 5 kbp,
and 10 kbp. From the results of this study, the best accuracy for the known
organisms was 98.10% and 92.80% for unknown organisms. Biplot modelling
managed to reduce 68.75% fragment features with classification efficiency of
12%.
Keywords: metagenome, DNA, k-mers, biplot, PNN.

PEMODELAN BIPLOT PADA KLASIFIKASI FRAGMEN
METAGENOM DENGAN K-MERS SEBAGAI EKSTRAKSI
CIRI DAN PROBABILISTIC NEURAL NETWORK
SEBAGAI CLASSIFIER

FERDINAN ANDREAS MANGASI SIMAMORA

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
2014

Penguji:
1 Dr Wisnu Ananta Kusuma, ST MT
2 Toto Haryanto, SKom MSi

Judul Skripsi : Pemodelan Biplot pada Klasifikasi Fragmen Metagenom dengan
K-Mers Sebagai Ekstraksi Ciri Dan Probabilistic Neural Network
Sebagai Classifier
Nama
: Ferdinan Andreas Mangasi Simamora
NIM
: G64124016

Disetujui oleh

Dr Ir Agus Buono, MSi MKom
Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih
dalam penelitian yang dilaksanakan sejak bulan Juli 2014 ini ialah bioinformatika,
dengan judul Pemodelan Biplot pada Klasifikasi Fragmen Metagenom dengan KMers Sebagai Ekstraksi Ciri Dan Probabilistic Neural Network Sebagai
Classifier.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Agus Buono, Msi MKom

selaku pembimbing yang telah mengarahkan penulis dalam menyelesaikan
penelitian ini, serta Bapak Dr Wisnu Ananta Kusuma, ST MT dan Bapak Toto
Haryanto, SKom MSi selaku dosen penguji yang telah memberi saran. Di
samping itu, penghargaan penulis sampaikan kepada rekan-rekan Ekstensi Ilkom
angkatan 7 terutama rekan-rekan satu bimbingan yang telah saling membantu
dalam menyelesaikan penelitian ini. Ungkapan terima kasih juga disampaikan
kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Desember 2014
Ferdinan Andreas Mangasi Simamora

DAFTAR ISI
DAFTAR TABEL

vii

DAFTAR GAMBAR

vii

DAFTAR LAMPIRAN

viii

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

3

METODE

3

Penyiapan Data

4

Ekstraksi Ciri (K-Mers)

4

Reduksi Ciri (Biplot)

5

Pembagian Data

6

Klasifikasi

6

Pengujian, Evaluasi, dan Analisis Hasil

8

Lingkungan Implementasi

8

HASIL DAN PEMBAHASAN

9

Penyiapan Data

9

Ekstraksi Ciri (K-Mers)

10

Reduksi Ciri (Biplot)

11

Pembagian Data

16

Rangkaian Percobaan

16

Evaluasi dan Analisis Seluruh Hasil Percobaan

16

SIMPULAN DAN SARAN

24

Simpulan

24

Saran

25

DAFTAR PUSTAKA

25

LAMPIRAN

26

RIWAYAT HIDUP

34

DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Dataset organisme dikenal
Dataset organisme belum dikenal
Nilai akurasi terbaik dan waktu eksekusi klasifikasi pada pengujian
organisme dikenal
Confusion matrix untuk pengujian terbaik pada pengujian organisme
dikenal
Perbandingan waktu eksekusi klasifikasi antara fragmen dengan biplot
(terbaik) dan tanpa biplot
Waktu eksekusi klasifikasi fragmen dengan menggunakan biplot
(terbaik) pada beberapa percobaan
Waktu eksekusi klasifikasi fragmen tanpa menggunakan biplot pada
beberapa percobaan
Perbandingan akurasi klasifikasi antara fragmen dengan biplot
(terbaik) dan tanpa biplot pada pembagian data latih 60%:40%
Nilai akurasi klasifikasi fragmen menggunakan biplot (terbaik)
dengan pembagian data latih 60%:40% pada beberapa percobaan
Nilai akurasi klasifikasi fragmen tanpa menggunakan biplot dengan
pembagian data latih 60%:40% pada beberapa percobaan
Perbandingan akurasi klasifikasi antara fragmen dengan biplot
(terbaik) dan tanpa biplot pada pembagian data latih 80%:20%
Nilai akurasi klasifikasi fragmen menggunakan biplot (terbaik)
dengan pembagian data latih 80%:20% pada beberapa percobaan
Nilai akurasi klasifikasi fragmen tanpa menggunakan biplot dengan
pembagian data latih 80%:20% pada beberapa percobaan
Nilai akurasi dan waktu eksekusi klasifikasi pada dimensi pengujian
organisme belum dikenal
Confusion matrix untuk pengujian terbaik pada pengujian organisme
belum dikenal
Nilai akurasi klasifikasi fragmen organisme belum dikenal pada
beberapa percobaan

9
10
17
17
18
18
18
19
20
20
21
21
21
23
23
23

DAFTAR GAMBAR
1
2
3
4
5
6
7
8

Diagram alur metode penelitian
Ekstraksi ciri k-mers
Biplot pada 2 sumbu koordinat
Arsitektur PNN
Plot hasil akar ciri fragmen 500 bp dari dekomposisi nilai singular
pada dimensi akar ciri = 2
Plot hasil akar ciri fragmen 1 kbp dari dekomposisi nilai singular pada
dimensi akar ciri = 2
Plot hasil akar ciri fragmen 5 kbp dari dekomposisi nilai singular pada
dimensi akar ciri = 2
Plot hasil akar ciri fragmen 10 kbp dari dekomposisi nilai singular
pada dimensi akar ciri = 2

3
5
6
7
11
12
12
13

9
10
11
12
13
14
15
16

Biplot fragmen 500 bp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah
Biplot fragmen 1 kbp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah
Biplot fragmen 5 kbp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah
Biplot fragmen 10 kbp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah
Plot perbandingan waktu eksekusi klasifikasi antara fragmen dengan
biplot terbaik (■) dan tanpa biplot (♦)
Plot perbandingan akurasi klasifikasi antara fragmen dengan biplot
terbaik dan tanpa biplot pada pembagian data latih 60%:40%
Plot perbandingan akurasi klasifikasi antara fragmen dengan biplot
terbaik dan tanpa biplot pada pembagian data latih 80%:20%
Plot perbandingan akurasi klasifikasi antara fragmen organisme
dikenal dengan organisme belum dikenal

14
14
15
15
19
20
22
24

DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9

10

11

12

Nilai akurasi pada dimensi akar ciri yang berbeda dengan n = 10
peubah dan pembagian data latih dan data uji 60%:40%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan n = 20
peubah dan pembagian data latih dan data uji 60%:40%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan n = 30
peubah dan pembagian data latih dan data uji 60%:40%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan semua
peubah (tanpa biplot) dan pembagian data latih dan data uji 60%:40%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan n = 10
peubah dan pembagian data latih dan data uji 80%:20%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan n = 20
peubah dan pembagian data latih dan data uji 80%:20%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan n = 30
peubah dan pembagian data latih dan data uji 80%:20%
Nilai akurasi pada dimensi akar ciri yang berbeda dengan semua
peubah (tanpa biplot) dan pembagian data latih dan data uji 80%:20%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, n = 10 peubah, dan pembagian data latih dan
data uji 60%:40%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, n = 20 peubah, dan pembagian data latih dan
data uji 60%:40%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, n = 30 peubah, dan pembagian data latih dan
data uji 60%:40%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, semua peubah (tanpa biplot), dan pembagian
data latih dan data uji 60%:40%

26
26
27
27
28
28
29
29

30

30

31

31

13

14

15

16

Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, n = 10 peubah, dan pembagian data latih dan
data uji 80%:20%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, n = 20 peubah, dan pembagian data latih dan
data uji 80%:20%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, n = 30 peubah, dan pembagian data latih dan
data uji 80%:20%
Nilai anomali akurasi beberapa percobaan pada dimensi akar ciri yang
berbeda dengan h = 1, semua peubah (tanpa biplot), dan pembagian
data latih dan data uji 80%:20%

32

32

33

33

PENDAHULUAN
Latar Belakang
Penelitian pada bidang material genetika organisme biasanya dilakukan
dengan membudidayakan organisme yang ingin diteliti pada laboratorium dan
melakukan penyejajaran sekuens untuk menyusun struktur protein dengan metode
pemodelan de novo. Proses ini dilakukan untuk mengekstrak informasi urutan
DNA yang berisi informasi genetika dari organisme. Akan tetapi, dari sekian
banyak mikroorganisme yang ada di dunia hanya 1% yang dapat dibudidayakan.
Untuk mikroorganisme selainnya harus dilakukan dengan mengambil sampel
secara langsung dari lingkungan organisme tersebut. Oleh karena itu, metagenom
berperan sebagai sebuah bidang studi yang mengkaji material genetika yang
diambil langsung dari sumber lingkungan organisme dengan melakukan prosedur
sekuensing DNA pada sekumpulan genom yang tercampur pada lingkungan
tersebut (Kusuma dan Akiyama 2011).
Genom adalah set lengkap molekul-molekul DNA dalam setiap sel dari
organisme hidup yang diturunkan dari generasi ke generasi. Deoxyribonucleic
acid (DNA) bertindak sebagai cetakan dari unit kehidupan karena memiliki
kemampuan mengodekan informasi penting untuk menghasilkan protein-protein
yang dibutuhkan pada proses seluler. DNA berbentuk rantai ganda dari molekul
sederhana (nukleotida) yang diikat bersama-sama dalam struktur helix yang
dikenal dengan double helix. Nukleotida tersebut tersusun atas 4 basa nitrogen
yaitu adenin, timin, guanin, dan sitosin yang dapat direpresentasikan dalam abjad
A, T, G, dan C yang membentuk pasangan basa (base pairs/bp) dengan basa
komplemennya (de Carvalho 2003).
Proses yang dilakukan pada metagenom ialah lisis dan ekstraksi DNA,
kloning dan konstruksi, dan sequencing DNA dari hasil kloning tersebut. Tahap
sequencing menghasilkan fragmen-fragmen metagenom yang saling tercampur
dan overlap antar organisme. Kondisi overlap ini diperlukan sebagai kunci
penyambung fragmen metagenom yang sejenis pada saat proses perakitan. Namun
setiap organisme memiliki peluang kondisi overlap yang serupa dengan
organisme lain yang berbeda jenis. Hal tersebut mengakibatkan proses identifikasi
fragmen diperlukan untuk mencegah kesalahan perakitan fragmen antar
organisme. Untuk tingkatan taksonomi pada hewan mulai dari tertinggi hingga
terbawah yaitu terdiri dari Kingdom, Phyllum (filum), Class (kelas), Ordo
(bangsa), Familia (suku), Genus (marga), dan Species (jenis).
Pada tahun 2008, Wu melakukan penelitian klasifikasi terhadap fragmen
metagenom dengan menggunakan k-mers yang dipadukan dengan PCA. Wu
menggunakan 4 metode klasifikasi sebagai perbandingan yaitu linear, quadratic,
n-nearest neighbor, dan decision tree. Dari penelitian tersebut diperoleh bahwa
akurasi terbaik dihasilkan oleh pengklasifikasi linear. Tidak hanya menghasilkan
akurasi yang paling baik, pengklasifikasi tersebut memiliki kompleksitas
komputasi yang cukup baik diterapkan pada dimensi fitur yang besar (Wu 2008).
Kusuma dan Akiyama (2011) melakukan penelitian klasifikasi fragmen
metagenom dengan menggunakan algoritme SVM dan characterization vector
sebagai pengekstraksi ciri. Penelitian tersebut dilakukan pada 2 kelompok dataset

2
yang merepresentasikan organisme latih dan organisme uji dengan panjang
fragmen 500 bp, 1 kbp, 5 kbp, dan 10 kbp. Akurasi yang dicapai dari penelitian
tersebut yaitu 78% untuk panjang fragmen 500 bp, 80% untuk panjang fragmen 1
kbp, 86% untuk panjang fragmen 5 kbp, dan 87% untuk panjang fragmen 10 kbp.
Elliyana (2014) juga melakukan penelitian klasifikasi fragmen metagenom
dengan ruang lingkup yang sama dengan Kusuma dan Akiyama. Metode
klasifikasi yang digunakan ialah algoritme KNN dengan spaced k-mers sebagai
pengekstraksi ciri. Nilai akurasi yang dicapai yaitu 86.11% untuk panjang
fragmen 500 bp, 91.77% untuk panjang fragmen 1 kbp, 96.60% untuk panjang
fragmen 5 kbp, dan 97.96% untuk panjang fragmen 10 kbp pada nilai k = 3. Dari
kedua penelitian tersebut terlihat bahwa panjang fragmen dan tingkat akurasi
pengklasifikasian memiliki korelasi positif.
Untuk penelitian kali ini akan dilakukan pengklasifikasian fragmen
metagenom menggunakan algoritme Probabilistic Neural Network (PNN) dan kmers sebagai ekstraksi fitur. Namun k-mers memiliki kecenderungan untuk
menghasilkan dimensi yang cukup besar. Hal ini disebabkan nilai k yang
digunakan menjadi pangkat sebagai representasi jumlah kombinasi basa. Oleh
karena itu, untuk mengatasi hal tersebut biplot digunakan sebagai pereduksi
ekstraksi ciri hasil k-mers. Data organisme yang digunakan pada penelitian ini
merujuk pada data penelitian Kusuma dan Akiyama (2011) untuk kemudian
hasilnya akan dianalisis.

Perumusan Masalah
Berdasarkan latar belakang penelitian yang telah diuraikan sebelumnya,
masalah yang akan diteliti sebagai berikut:
1 Bagaimana hasil pengklasifikasian fragmen metagenom pada tingkat genus
dengan menggunakan algoritme PNN pada penelitian ini?
2 Bagaimana pengaruh biplot terhadap hasil akurasi pengklasifikasian?

Tujuan Penelitian
1

2
3

Penelitian ini bertujuan untuk:
Melakukan klasifikasi fragmen metagenom pada tingkat genus dengan
algoritme PNN, k-mers sebagai pengekstraksi ciri, dan biplot sebagai
pereduksi cirinya.
Mendapatkan hasil akurasi dari hasil penelitian.
Menganalisis pengaruh biplot terhadap hasil akurasi pengklasifikasian.

Manfaat Penelitian
1
2

Hasil penelitian ini diharapkan dapat bermanfaat untuk:
Membantu peneliti dalam mengidentifikasi dan mengklasifikasi fragmen
metagenom sesuai dengan tingkat taksonomi untuk genus yang ditentukan.
Mendapatkan algoritme yang lebih baik dalam melakukan pengidentifikasian
fragmen metagenom.

3
3

Mengembangkan teknik pengklasifikasian fragmen metagenom dengan
penerapan biplot.

Ruang Lingkup Penelitian
Ruang lingkup penelitian ini meliputi:
Data yang digunakan merujuk referensi data dari penelitian Kusuma dan
Akiyama (2011). Data terdiri dari 2 kelompok dataset yang dibangkitkan oleh
perangkat lunak MetaSim dengan format FASTA yang merepresentasikan
organisme dikenal dan organisme belum dikenal.
2 Panjang fragmen untuk setiap dataset organisme meliputi 500 bp, 1 kbp, 5
kbp, 10 kbp. Dataset yang digunakan diambil dari genus Agrobacterium,
Bacillus, dan Staphylococcus.
3 Sekuens DNA direpresentasikan sebagai 4 karakter A, T, G, dan C yang
mewakili basa nitrogen adenin, timin, guanin, dan sitosin.

1

METODE
Penelitian ini dilakukan dengan beberapa tahapan proses pengujian.
Rangkaian tahap penelitian mulai dari awal hingga akhir disajikan dengan
diagram alur pada Gambar 1.

Gambar 1 Diagram alur metode penelitian

4
Pada tahap awal data fragmen metagenom disiapkan terlebih dahulu
menjadi 2 kelompok dataset yaitu organisme dikenal dan organisme belum
dikenal. Setelah itu dilakukan ekstraksi ciri metagenom menggunakan k-mers
untuk semua dataset. Hasil ekstraksi ciri dari organisme dikenal dipersiapkan
menjadi 2 skema yaitu tanpa reduksi dan direduksi dengan menggunakan biplot.
Selanjutnya pembagian data dibagi menjadi data latih dan data uji dilakukan
secara manual dengan komposisi 60%:40% dan 80%:20%. Data organisme yang
sudah dibagi kemudian diklasifikasi menggunakan algoritme PNN.
Hasil pengujian tersebut dianalisis untuk disimpulkan data latih mana yang
terbaik untuk digunakan sebagai data penguji di pengujian kedua dengan dataset
organisme belum dikenal. Setelah itu data organisme belum dikenal
diklasifikasikan menggunakan algoritme klasifikasi yang sama untuk hasilnya
dianalisis kemudian.

Penyiapan Data
Data yang digunakan berupa 2 kelompok dataset yang dibangkitkan oleh
perangkat lunak MetaSim dengan format FASTA yang merepresentasikan
organisme dikenal sebagai pengujian pertama dan organisme belum dikenal
sebagai pengujian kedua.
Organisme dikenal berupa 10 spesies dari 3 genus dengan 4 panjang
fragmen berbeda. Sedangkan dataset organisme belum dikenal menggunakan 9
spesies dari 3 genus yang sama dengan 4 panjang fragmen berbeda. Hal yang
membedakan antara organisme dikenal dan belum dikenal ialah pada tingkat
spesiesnya yang berbeda-beda. Panjang fragmen terdiri dari 500 bp, 1 kbp, 5 kbp,
dan 10 kbp. Jumlah fragmen untuk dataset organisme dikenal dan organisme
belum dikenal masing-masing adalah 10 000 dan 5 000.

Ekstraksi Ciri (K-Mers)
Tahapan ini dilakukan untuk mendapatkan fitur/ciri yang akan digunakan
dalam klasifikasi dan pengujian. Ekstraksi ciri dilakukan dengan membaca
frekuensi dari kombinasi nukleotida yang mungkin terbentuk dengan
menggunakan k-mers untuk k = 3.
Pola kemunculan k adalah pola yang menampilkan k pada suatu waktu
dalam suatu sekuen. Pola kemunculan dalam sekuens dihitung menggunakan
empat basa utama (A, C, G, dan T) dipangkat dengan rangkaian pasangan basa
yang ingin digunakan (pola kemunculan 4k , dengan k ≥ 1). Pada penelitian ini
dengan menggunakan k = 3 berarti akan ada 64 pola kemunculan yang terbentuk.
Ilustrasi perhitungan frekuensi pola kemunculan dengan ekstraksi ciri k-mers
dapat dilihat pada Gambar 2.

5

Gambar 2 Ekstraksi ciri k-mers

Reduksi Ciri (Biplot)
Analisis biplot diperkenalkan oleh Gabriel (1971). Analisis ini bertujuan
menggambarkan hubungan antarpeubah serta perbandingan antarobjek yang
disajikan dalam grafik 2 dimensi maupun 3 dimensi (Gabriel 1971). Analisis
biplot menggunakan teknik penguraian nilai singular (singular value
decomposition/SVD) terhadap matriks data (Buono 2014). Untuk matrix data nXp
yang ada dikomposisikan pada Persamaan 1 berikut:
T
(1)
nXp = nUr x rLr x r(A )p
Dalam hal ini r adalah pangkat matriks X, sedangkan U, L, dan A ditentukan
berdasarkan akar ciri dan vektor ciri matrix XTX sehingga berlaku:
λ1 >λ2 > …>λr >λr+1 >λn
dengan vektor ciri yang bersesuaian dengan akar ciri ke-i adalah vi. Matriks U, L,
dan A di atas dirumuskan pada Persamaan 2, 3, dan 4 berikut:
A = [v1 v2 v3 … vr ]
(2)

L = diagonal

λi =

λ1
0
0

…
…
…

U = μ1 μ2 … μr dengan μi =

1
λi

0
0
λr

(3)

Xvi

(4)

Berdasarkan dekomposisi nilai singular di atas maka setiap matriks data nXp
dirumuskan sebagai Persamaan 5 berikut:
X = ULAT = G H
(5)
dengan nilai G dan H pada Persamaan 6 dan 7 berikut:
T

G = U = g 1 g2 … gn
H = LAT = h1 h2 … hp

(6)
(7)

Dalam hal ini G merepresentasikan baris (biasanya objek) dan H
merepresentasikan kolom (biasanya peubah) dengan setiap komponen matriksnya
menggunakan Persamaan 8 dan 9 berikut:

6
1
h
n-1 i

hi =

( 8)

gi = √n-1 gi

( 9)

Biplot pada penelitian ini bertujuan untuk mereduksi ciri/peubah. Oleh
karena itu, untuk setiap nilai H diplotkan ke dalam bentuk biplot (Gambar 3)
untuk menggambarkan karakteristik setiap peubah. Semakin panjangnya garis
peubah dari titik pusat ke titik koordinatnya mengindikasikan semakin besar pula
pengaruhnya sebagai pembeda antarkelas.
HASIL BIPLOT -10000bp.fna.txt
1.8

1.6

1.4

1.2
GGC
GCC
CGC
GCG
CCG
CGG

Component 2

1
CGA
TCG
0.8
GTC
GAC
CCC
GGG
0.6

CAG GCA
CTG
TGC
AGC
GCT

CCA
TGG
ACG
CGT
TCC
GGA
AGG
CCT
GGT
ACC
GAG
CTC

GAT
ATC

CAC
GTG
0.4
ATG
CAT
0.2

TTC
GAA
TCA
TGA
TAG AGT
GTA
CTA
ACT TAC

0

0

0.2

0.4

0.6

0.8

1
Component 1

1.2

TGT
GTT
TCT
ACA
AGA
AAC

TTG
CTT
CAA
AAG

1.4

TTA
TAT
TAA
ATA

TTT
AAA

ATT
AAT

1.6

1.8

2

Gambar 3 Biplot pada 2 sumbu koordinat

Pembagian Data
Pembagian data latih dan data uji pada organisme dikenal dilakukan secara
manual dengan komposisi 60%:40% dan 80%:20%. Total data organisme dikenal
yang digunakan sebanyak 10 000 dengan komposisi 10 spesies berbeda dalam 3
genus. Pembagian dilakukan berimbang dengan mengambil komposisi yang sama
untuk setiap kelasnya.

Klasifikasi
Arsitektur PNN yang memiliki bagian lapisan masukan, pola, penjumlahan,
dan keluaran (Specht 1990) yang disajikan pada Gambar 4. Pada penelitian ini
lapisan masukan berupa hasil ekstraksi data uji. Lapisan pola (pattern layer)
hanya menggunakan satu model PNN yaitu dengan nilai parameter pemulus (h)
tetap. Lapisan penjumlahan akan memroses hasil dari setiap lapisan pola per
kelasnya dan mendapatkan nilai akhir untuk setiap kelas. Lapisan output (decision

7
layer) memiliki 3 target kelas sesuai dengan jumlah genus dan mengambil hasil
dari lapisan penjumlahan yang terbesar dari 3 kelas yang dimiliki.

Gambar 4 Arsitektur PNN
Pada lapisan pola (pattern layer), keluaran dihitung dengan Persamaan 10
sebagai berikut:
d

f( x) =

K
j=1

xj -xij
hj

(10)

dengan:
d = dimensi vektor
2
K( z) = e-0.5*z (kernel normal)
xj = vektor input kolom ke-j
xij = vektor bobot baris ke-i kolom ke-j
hj = parameter pemulus ke-j (smoothing parameter)
Berikutnya, keluaran dari lapisan pola yang bersesuaian dengan
kelas/kategori tertentu akan masuk ke lapisan penjumlahan (summation layer). Di
masing-masing node akan dihitung dengan Persamaan 11 berikut:
1

1
p( x) =
d
(2π)2 h1 h2 …hd n

n

d

K
i=1

j=1

xj -xij
hj

( 11)

8
dengan:
d = dimensi vektor input
n = jumlah data latih di suatu kategori
xj = vektor data uji ke-j
xij = data latih ke-i untuk ciri j
Dengan menjabarkan nilai kernel pada lapisan pola ke dalam lapisan
penjumlahan maka didapatkan Persamaan 12 berikut:
n
( x-xai ) t ( x-xai )
1 1
( 12)
p( x) =
exp
d
2
dn
2h
2
(2π) h i=1
dengan:
x = vektor data uji
xai = data latih ke-i dari kategori A
xij = data latih ke-i untuk ciri-j (Specht 1990)
Terakhir, pada lapisan output (decision layer) akan ditetapkan hasil akhir
kelas yang didapatkan dengan membandingkan setiap nilai dari hasil lapisan
penjumlahan. Untuk nilai yang paling besar ditetapkan sebagai kelas.

Pengujian, Evaluasi, dan Analisis Hasil
Pengujian dilakukan dengan melakukan klasifikasi pada fragmen uji
organisme dikenal dan organisme belum dikenal. Hasil tersebut kemudian
dibandingkan dengan kelas hasil klasifikasi, apakah fragmen uji benar
diklasifikasi atau salah diklasifikasi. Alat ukur pengklasifikasian yang digunakan
ialah confusion matrix. Hasil penelitian diukur menggunakan tingkat akurasi dari
fragmen metagenom yang diuji dan diamati. Nilai akurasi dihitung dengan
Persamaan 13.
∑ data uji yang benar diklasifikasi
Akurasi =
x 100% (13)
∑ data uji
Lingkungan Implementasi
Lingkungan implementasi yang digunakan pada penelitian
sebagai berikut:
1 Perangkat keras berupa notebook:
 AMD Athlon Neo X2 Dual Core Processor
 Memori 2 GB
 Harddisk kapasitas 250 GB
 Monitor dengan resolusi 1280 x 800 piksel
2

ini adalah

Perangkat keras virtual (virtual machine) untuk membantu perhitungan
pengklasifikasian:
 Intel Core i5-3317U CPU @ 1.70GHz (2 core)

9



3

Memori 2 GB
Harddisk kapasitas 60 GB
Monitor dengan resolusi 1280 x 800 piksel

Perangkat lunak:
 Sistem operasi Microsoft Windows XP Professional (perangkat keras
notebook)
 Sistem operasi Microsoft Windows 7 Professional (perangkat keras
virtual)
 Simulator metagenom MetaSim 0.9.1
 Bloodshed Dev-C++
 CodeBlocks 12.11
 Matlab 7.7 (R2008b)

HASIL DAN PEMBAHASAN
Penyiapan Data
Penelitian ini menggunakan fragmen metagenom dari 3 genus, yaitu
Agrobacterium, Bacillus, dan Staphylococcus. Fragmen tersebut dibagi menjadi
kelompok dataset organisme dikenal dan organisme belum dikenal. Pembagian
data organisme dapat dilihat pada Tabel 1 dan Tabel 2.
Tabel 1 Dataset organisme dikenal
Spesies
Kelas Genus
Agrobacterium radiobacter K48 chromosome 2
Agrobacterium
Agrobacterium tumefaciens str. C58 chromosome circular
Agrobacterium vitis S4 chromosome 1
Bacillus amyloliquefaciens FZB42
Bacillus anthracis str. ‘Ames Ancestor’
Bacillus cereus 03BB102
Bacillus pseudofirmus OF4 chromosome

Bacillus

Staphylococcus aureus subsp. Sureus JH1
Staphylococcus epidermidis 1228 chromosome
Staphylococcus haemolyticus JCSC1435 chromosome

Staphylococcus

10
Tabel 2 Dataset organisme belum dikenal
Spesies
Agrobacterium radiobacter K48 chromosome 1
Agrobacterium tumefaciens str. C58 chromosome linear
Agrobacterium vitis S4 chromosome 2

Kelas Genus
Agrobacterium

Bacillus pumilus SAFR-032
Bacillus subtilis subsp. subtilis str. 16B chromosome
Bacillus thuringiensis str. Al Hakam chromosome

Bacillus

Staphylococcus carnosus subsp. carnosus TM300 chromosome
Staphylococcus lugdunensis HKU09-01 chromosome
Staphylococcus saprophyticus subsp. saprophyticus ATCC
15305

Staphylococcus

Organisme belum dikenal diambil dari spesies yang berbeda dari organisme
dikenal namun masih berada dalam satu genus. Organisme tersebut untuk
sementara diasumsikan tidak dikenal dan belum diketahui kelas genusnya. Hal ini
dimaksudkan sebagai skema pengujian kedua yang akan dilakukan untuk
melakukan validasi pengklasifikasian.
Jumlah fragmen yang diambil dari organisme dikenal sebanyak 10 000
fragmen dari 10 spesies, sedangkan dari organisme belum dikenal diambil
sebanyak 5 000 fragmen dari 9 spesies. Jumlah fragmen antara tiap kelas tidak
berimbang. Panjang fragmen yang digunakan untuk kedua dataset tersebut sama,
yaitu 500 bp, 1 kbp, 5 kbp, dan 10 kbp dengan 4 basa penyusunnya yaitu A, G, C,
dan T.

Ekstraksi Ciri (K-Mers)
Proses k-mers akan menghasilkan ciri dari fragmen dengan melakukan
pembacaan terhadap susunan fragmen dengan mengambil k-substring. Nilai k
yang digunakan pada penelitian ini adalah 3. Dengan demikian proses pembacaan
k-mers akan menghasilkan 43 kombinasi basa yaitu sebanyak 64 basa untuk setiap
pembacaan satu fragmen metagenom. Basa-basa tersebut menjadi peubah yang
akan digunakan untuk pengklasifikasian.
Pembacaan fragmen dilakukan terhadap dataset organisme dikenal dan
organisme belum dikenal. Oleh karena itu, hasil ekstraksi ciri dari organisme
dikenal akan menghasilkan matriks berukuran 10 000 x 64 dan untuk organisme
belum dikenal akan menghasilkan matriks berukuran 5 000 x 64 untuk setiap
panjang fragmen. Matriks tersebut berisi informasi frekuensi dari setiap
pembacaan sekuen basa.
Pada penelitian pengklasifikasian metagenom menggunakan Naïve Bayes,
ekstraksi ciri k-mers dapat mencapai hasil yang baik dan memiliki potensi besar
untuk diterapkan pada metagenom (Rosen et al. 2008).

11
Reduksi Ciri (Biplot)
Reduksi ciri dilakukan dengan mengambil basa yang memiliki karakteristik
kuat untuk membedakan data antar kelas dan mengeliminasi basa yang tidak
memiliki karakteristik tersebut. Sebelum masuk ke tahap biplot, matriks hasil
ekstraksi ciri diproses ke dalam mekanisme dekomposisi nilai singular. Rumus
dekomposisi nilai singular yang ditunjukkan pada Persamaan 1,
menginformasikan peubah r yang menunjukkan besarnya dimensi akar ciri (λ).
Nilai peubah ini bisa ditentukan dengan bebas mulai dari nilai minimum akar ciri
sebesar 1 hinggga nilai maksimum akar ciri sebesar 64. Oleh karena itu, nilai
peubah r ini menjadi nilai yang perlu dimasukkan ke skenario percobaan.
Besarnya dimensi akar ciri diambil 3 nilai yaitu 2, 10, dan 64. Nilai 2
digunakan sebagai nilai minimum yang bisa merepresentasikan biplot. Nilai 64
digunakan untuk merepresentasikan nilai dimensi maksimum dari dimensi k-mers
= 3. Nilai 10 diambil sebagai nilai tengah setelah melihat hasil plot terhadap akar
ciri untuk setiap panjang fragmen. Beberapa sampel plot akar ciri ditunjukkan
pada Gambar 5, Gambar 6, Gambar 7, dan Gambar 8.
PLOT AKAR CIRI -500bp.fna.txt
7000

6000

5000

4000

3000

2000

1000

0

0

10

20

30

40

50

60

70

Gambar 5 Plot hasil akar ciri fragmen 500 bp dari dekomposisi nilai singular
pada dimensi akar ciri = 2

12
PLOT AKAR CIRI -1000bp.fna.txt
14000

12000

10000

8000

6000

4000

2000

0

0

10

20

30

40

50

60

70

Gambar 6 Plot hasil akar ciri fragmen 1 kbp dari dekomposisi nilai singular pada
dimensi akar ciri = 2
4

7

PLOT AKAR CIRI -5000bp.fna.txt

x 10

6

5

4

3

2

1

0

0

10

20

30

40

50

60

70

Gambar 7 Plot hasil akar ciri fragmen 5 kbp dari dekomposisi nilai singular pada
dimensi akar ciri = 2

13
4

14

PLOT AKAR CIRI -10000bp.fna.txt

x 10

12

10

8

6

4

2

0

0

10

20

30

40

50

60

70

Gambar 8 Plot hasil akar ciri fragmen 10 kbp dari dekomposisi nilai singular
pada dimensi akar ciri = 2
Mulai dari nilai akar ciri 1 sampai 10 karakteristiknya cenderung menurun
tajam. Kemudian dari nilai akar ciri 10 hingga 64 plot cenderung menurun stabil
dan tidak memiliki perbedaan yang cukup signifikan. Hal ini terjadi pada plot akar
ciri untuk setiap panjang fragmen percobaan. Oleh karena itu, nilai 10 dianggap
sebagai nilai tengah yang bisa mencakup keempat percobaan untuk diujikan.
Hasil dari dekomposisi nilai singular akan digunakan pada Persamaan 5
untuk menghasilkan 2 variabel biplot yaitu variabel G dan H. Variabel G
merepresentasikan baris (biasanya objek) dan variabel H merepresentasikan
kolom (biasanya peubah).
Biplot pada penelitian ini bertujuan untuk mereduksi ciri/peubah. Untuk
setiap nilai H diplotkan ke dalam bentuk biplot untuk menggambarkan
karakteristik setiap peubah. Jika percobaan yang dilakukan menggunakan 2
peubah r yang menunjukkan besarnya dimensi akar ciri (λ) maka dimensi matriks
H yang dihasilkan sebesar 2 x 64. Matriks H kemudian dilakukan operasi
transpose untuk merepresentasikannya sebagai titik koordinat pada 64 peubah.
Semakin panjang garis peubah dari titik pusat ke titik koordinatnya maka
mengindikasikan semakin besar pula pengaruhnya sebagai pembeda antar kelas.
Reduksi ciri dilakukan dengan mengambil n-buah garis terpanjang. Nilai n ini ikut
dimasukkan ke skenario percobaan untuk diteliti. Besarnya nilai n diambil 3 nilai
yaitu 10, 20, dan 30 peubah. Keputusan ini diambil dengan tujuan untuk meneliti
pengaruh reduksi ciri yang dilakukan lebih dari 50% komposisi awal peubah
terhadap hasil pengklasifikasian. Beberapa contoh biplot dengan mengambil 10
peubah terpanjang disajikan pada Gambar 9, Gambar 10, Gambar 11, dan Gambar
12.

14
HASIL BIPLOT -500bp.fna.txt
0.4
0.35

Component 2

0.3
GGC
GCG

0.25

AAA
TTT
TTA
ATT
TAT ATA
AAT
TAA

0.2
0.15
0.1
0.05
0
0

0.05

0.1

0.15

0.2
0.25
Component 1

0.3

0.35

0.4

0.45

Gambar 9 Biplot fragmen 500 bp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah

HASIL BIPLOT -1000bp.fna.txt

0.6

Component 2

0.5

0.4

GCC
CGC

0.3

TTA
TAA ATT TTT
TATATA AAT AAA

0.2

0.1

0
0

0.1

0.2

0.3
0.4
Component 1

0.5

0.6

0.7

Gambar 10 Biplot fragmen 1 kbp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah

15
HASIL BIPLOT -5000bp.fna.txt

1.2

Component 2

1
CGC
GCG

0.8

0.6

AAA
TTA
TAA ATT TTT
AAT
TAT ATA

0.4

0.2

0
0

0.2

0.4

0.6
0.8
Component 1

1

1.2

1.4

Gambar 11 Biplot fragmen 5 kbp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah

HASIL BIPLOT -10000bp.fna.txt
1.8
1.6

Component 2

1.4
1.2

GCC CGC

1

TTA
TAA ATT AAA
TTT
ATATAT AAT

0.8
0.6
0.4
0.2
0
0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

2

Component 1

Gambar 12 Biplot fragmen 10 kbp dari dekomposisi nilai singular pada dimensi
akar ciri = 2 dengan mengambil 10 peubah

16

Pembagian Data
Ciri yang sudah direduksi melalui tahap biplot selanjutnya dibagi menjadi
data latih dan data uji sebelum masuk ke tahap pengklasifikasian. Pembagian data
latih dan data uji pada organisme dikenal dilakukan secara manual dengan
komposisi 60%:40% dan 80%:20%. Total data organisme dikenal yang digunakan
sebanyak 10 000 dengan komposisi 10 spesies berbeda dalam 3 genus. Pembagian
dilakukan berimbang dengan mengambil komposisi yang sama untuk setiap
kelasnya sehingga didapatkan 6 000 data latih dan 4 000 data uji untuk komposisi
60%:40% dan 8 000 data latih dan 2 000 data uji untuk komposisi 80%:20% dari
3 kelas genus.

Rangkaian Percobaan
Dari beberapa metode yang sudah diuraikan sebelumnya ditemukan
beberapa parameter yang perlu diteliti pengaruhnya sehingga dimasukkan ke
dalam skenario percobaan. Parameter tersebut meliputi:
1 Peubah r sebagai besaran dimensi akar ciri (λ) pada SVD. Untuk peubah ini
ditetapkan menggunakan 3 nilai yaitu 2, 10, dan 64.
2 Peubah n sebagai banyaknya peubah yang digunakan dari hasil reduksi ciri.
Untuk peubah ini ditetapkan menggunakan 3 nilai yaitu 10, 20, dan 30
peubah.
3 Persentase pembagian data latih dan data uji. Untuk persentase ini ditetapkan
menggunakan 2 nilai yaitu 60%:40% dan 80%:20%.
Pengklasifikasian PNN yang ditunjukkan pada Persamaan 10 juga memiliki
parameter pemulus (h) ditentukan secara bebas dan akan sangat berpengaruh
terhadap hasil akhir akurasi klasifikasi. Dari beberapa kali percobaan akhirnya
ditentukan 6 nilai yang cukup mencakup kombinasi percobaan untuk diteliti yaitu
nilai h = 1, 8, 9, 10, 11, dan 20.
Percobaan yang akan dilakukan mengombinasikan keempat parameter
tersebut sehingga didapatkan 120 percobaan untuk setiap panjang fragmen. Hasil
dari 120 percobaan dilampirkan pada Lampiran 1 hingga Lampiran 8.

Evaluasi dan Analisis Seluruh Hasil Percobaan
Dari serangkaian kombinasi percobaan yang telah dilakukan dapat
disimpulkan poin-poin sebagai berikut:
1 Hasil akurasi terbaik didapatkan dari percobaan dengan pembagian data latih
80%:20%, menggunakan 20 peubah, dengan besaran dimensi akar ciri r = 10
(SVD), dan nilai h pada klasifikasi PNN sebesar 10. Rata-rata akurasi yang
dihasilkan sebesar 93.08%.
2 Untuk setiap percobaan yang dilakukan, parameter h dengan nilai 1 tidak baik
untuk mengklasifikasi data untuk semua panjang fragmen. Terdapat anomali
nilai klasifikasi mulai dari panjang fragmen 5 kbp hingga 10 kbp yang
cenderung menurun.

17
3

Percobaan dengan pembagian data latih 80%:20% menghasilkan akurasi yang
lebih baik daripada pembagian data latih 60%:40% untuk setiap percobaan.
Oleh karena itu, dapat disimpulkan nilai akurasi dan banyaknya pembagian
data latih memiliki korelasi positif.
4 Pada percobaan data latih dengan 10 peubah, klasifikasi menghasilkan nilai
akurasi yang sama mulai dari dimensi akar ciri (r) sebesar 10 hingga 64 untuk
semua parameter pemulus klasifikasi (h).
5 Penentuan reduksi ciri terbaik tidak dapat dilakukan dengan sembarang.
Semakin banyak peubah dari hasil reduksi yang digunakan tidak menjamin
hasil akurasi yang lebih baik. Hal ini terlihat dari percobaan menggunakan n
= 30 peubah dengan pembagian data latih 60%:40%. Untuk semua besarnya
dimensi vektor nilai akurasi pada percobaan 5 kbp lebih besar dibandingkan
dengan percobaan dengan menggunakan 10 kbp.
6 Nilai h yang terbaik pada parameter PNN berbeda-beda untuk setiap
pembagian data latih. Untuk pembagian data latih 60%:40%, nilai h mencapai
maksimum pada nilai 8, sedangkan untuk pembagian data latih 80%:20%
mencapai maksimum lebih variatif antara 8, 10, dan 20.
7 Besarnya dimensi akar ciri (r) yang maksimum pada dekomposisi nilai
singular tidak menjamin nilai akurasi yang terbaik. Hal ini ditunjukkan oleh
setiap percobaan yang menggunakan dimensi akar ciri 10 memiliki nilai
akurasi lebih besar dibanding dimensi akar ciri 64.
Hasil percobaan data latih terbaik ditampilkan pada Tabel 3 dan Tabel 4 dengan
menunjukkan nilai akurasi, waktu eksekusi klasifikasi, dan confusion matrix.
Tabel 3 Nilai akurasi terbaik dan waktu eksekusi klasifikasi pada pengujian
organisme dikenal
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Akurasi Waktu eksekusi
(%)
klasifikasi (detik)
85.45
155.62
92.85
155.65
95.90
152.36
98.10
155.43
93.08
154.77

Tabel 4 Confusion matrix untuk pengujian terbaik pada pengujian organisme
dikenal
Genus

500 bp
1 kbp
5 kbp
10 kbp
agr bac sta agr bac sta agr bac sta agr bac
sta
agr
503 51
1 512
1
0 531
0
0 525
0
0
bac
13 821 55 15 910 25
1 947 15
1 1 008 10
sta
0 171 385
1 101 435
0 66 440
0
27 429
Keterangan:
 agr
= Agrobacterium
 bac
= Bacillus
 sta
= Staphylococcus

18
Sebagai perbandingan efisiensi waktu antara reduksi menggunakan biplot
terbaik dengan tanpa biplot disajikan hasil percobaan yang telah dilakukan pada
Tabel 5.
Tabel 5 Perbandingan waktu eksekusi klasifikasi antara fragmen dengan biplot
(terbaik) dan tanpa biplot
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Waktu eksekusi klasifikasi (detik)
Dengan biplot
(20 peubah)

Tanpa biplot

Efisiensi waktu
(%)

155.62
155.65
152.36
155.43
154.77

174.37
175.57
178.15
178.05
176.54

10.75
11.35
14.48
12.70
12.33

Untuk melihat variasi waktu eksekusi klasifikasi antara fragmen dengan
menggunakan biplot terbaik dan tanpa biplot dilakukan 4 percobaan tambahan
lain dengan mengubah susunan data latih dan data uji. Hasil dari percobaan variasi
ini disajikan pada Tabel 6 dan Tabel 7.
Tabel 6 Waktu eksekusi klasifikasi fragmen dengan menggunakan biplot
(terbaik) pada beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Waktu eksekusi klasifikasi (detik)
1
2
3
4
5
155.62 159.51 156.65 156.06 158.49
155.65 158.23 157.04 158.39 157.49
152.36 155.15 158.70 159.13 154.58
155.43 157.22 156.89 156.92 157.41
154.77 157.53 157.32 157.63 156.99

Tabel 7 Waktu eksekusi klasifikasi fragmen tanpa menggunakan biplot pada
beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Waktu eksekusi klasifikasi (detik)
1
2
3
4
5
174.37 176.11 176.98 174.94 173.15
175.57 174.21 178.65 174.16 174.41
178.15 174.28 177.01 173.40 174.59
178.05 175.28 177.23 172.24 173.55
176.54 174.97 177.47 173.69 173.93

Hasil perbandingan beberapa percobaan tersebut divisualisasikan dalam bentuk
diagram garis pada Gambar 13.

Waktu eksekusi klasifikasi (detik)

19

185
180
175
170
165
160
155
150
145
140
135
500 bp

1 kbp

5 kbp

10 kbp

Panjang fragmen (base pairs)

Gambar 13 Plot perbandingan waktu eksekusi klasifikasi antara fragmen dengan
biplot terbaik (■) dan tanpa biplot (♦)
Dari percobaan terbaik dengan panjang fragmen berbeda-beda terlihat
adanya efisiensi waktu sebesar lebih dari 10% dengan rata-rata sebesar 12.33%.
Sebagai perbandingan akurasi 60%:40% data antara reduksi menggunakan biplot
dengan tanpa biplot disajikan hasil percobaan yang telah dilakukan pada Tabel 8.
Tabel 8 Perbandingan akurasi klasifikasi antara fragmen dengan biplot (terbaik)
dan tanpa biplot pada pembagian data latih 60%:40%
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Akurasi (%)
Dengan biplot
(20 peubah)

Tanpa biplot

Selisih akurasi
(%)

79.15
86.05
92.37
93.78
87.84

81.60
91.28
95.57
96.38
91.21

2.45
5.23
3.20
2.60
3.37

Untuk melihat variasi nilai akurasi antara fragmen dengan menggunakan
biplot terbaik dengan tanpa biplot pada pembagian data latih 60%:40%, dilakukan
4 percobaan tambahan lain dengan mengubah susunan data latih dan data uji.
Hasil dari percobaan variasi ini disajikan pada Tabel 9 dan Tabel 10.

20
Tabel 9 Nilai akurasi klasifikasi fragmen menggunakan biplot (terbaik) dengan
pembagian data latih 60%:40% pada beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp

1
79.15
86.05
92.37
93.78

Akurasi (%)
2
3
4
79.28 79.38 79.30
86.23 86.20 86.38
92.32 92.70 92.97
93.78 93.83 93.35

5
79.45
86.48
92.67
93.33

Rata-rata
79.31
86.27
92.61
93.61

Tabel 10 Nilai akurasi klasifikasi fragmen tanpa menggunakan biplot dengan
pembagian data latih 60%:40% pada beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp

1
81.60
91.28
95.57
96.38

Akurasi (%)
2
3
4
81.70 81.78 81.88
91.33 91.25 91.25
95.57 95.85 96.10
96.38 96.38 96.03

5
81.80
91.28
96.07
96.03

Rata-rata
81.75
91.28
95.83
96.24

Hasil perbandingan beberapa percobaan tersebut divisualisasikan dalam bentuk
diagram garis pada Gambar 14.

Akurasi (%)

Dengan biplot

Tanpa biplot

100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
500 bp

1 kbp

5 kbp

10 kbp

Panjang fragmen (base pairs)

Gambar 14 Plot perbandingan rata-rata nilai akurasi klasifikasi beberapa
percobaan antara fragmen dengan biplot terbaik dan tanpa biplot pada
pembagian data latih 60%:40%
Sebagai perbandingan akurasi 80%:20% data antara reduksi menggunakan
biplot dengan tanpa biplot disajikan hasil percobaan yang telah dilakukan pada
Tabel 11.

21
Tabel 11 Perbandingan akurasi klasifikasi antara fragmen dengan biplot (terbaik)
dan tanpa biplot pada pembagian data latih 80%:20%
Panjang
fragmen

Akurasi (%)
Dengan biplot
(20 peubah)

Tanpa biplot

Selisih akurasi
(%)

85.45
92.85
95.90
98.10
93.08

86.10
94.20
98.50
99.25
94.51

0.65
1.35
2.60
1.15
1.44

500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Untuk melihat variasi nilai akurasi antara fragmen dengan menggunakan
biplot terbaik dengan tanpa biplot pada pembagian data latih 80%:20%, dilakukan
4 percobaan tambahan lain dengan mengubah susunan data latih dan data uji.
Hasil dari percobaan variasi ini disajikan pada Tabel 12 dan Tabel 13.
Tabel 12 Nilai akurasi klasifikasi fragmen menggunakan biplot (terbaik) dengan
pembagian data latih 80%:20% pada beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp

1
85.45
92.85
95.90
98.10

Akurasi (%)
2
3
4
85.25 85.50 85.35
92.65 92.50 92.65
96.15 96.50 97.15
98.30 98.45 98.45

5
85.15
92.45
97.25
98.50

Rata-rata
85.34
92.62
96.59
98.36

Tabel 13 Nilai akurasi klasifikasi fragmen tanpa menggunakan biplot dengan
pembagian data latih 80%:20% pada beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp

1
86.10
94.20
98.50
99.25

Akurasi (%)
2
3
4
86.15 86.20 86.10
94.30 94.45 94.60
98.55 98.55 98.60
99.30 99.30 99.35

5
86.15
94.75
98.60
99.20

Rata-rata
86.14
94.46
98.56
99.28

Hasil perbandingan beberapa percobaan tersebut divisualisasikan dalam bentuk
diagram garis pada Gambar 15.

22

Akurasi (%)

Dengan biplot

Tanpa biplot

100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
500 bp

1 kbp

5 kbp

10 kbp

Panjang fragmen (base pairs)

Gambar 15 Plot perbandingan rata-rata nilai akurasi klasifikasi beberapa
percobaan antara fragmen dengan biplot terbaik dan tanpa biplot pada
pembagian data latih 80%:20%
Sebelum melanjutkan ke pengujian kedua, nilai anomali akurasi yang
muncul pada setiap percobaan dengan parameter h = 1 diteliti lebih lanjut dengan
melakukan 4 percobaan tambahan. Percobaan tambahan dilakukan dengan
mengambil fragmen baru secara acak dengan panjang fragmen dan jumlah data
fragmen yang sama. Hasil dari percobaan tersebut dilampirkan pada Lampiran 9
hingga Lampiran 16.
Hasil percobaan dengan data fragmen baru acak menunjukkan bahwa untuk
setiap percobaan memiliki pola yang sama, yaitu adanya kecenderungan nilai
akurasi yang menurun mulai dari panjang fragmen 5 kbp hingga 10 kbp.
Kesimpulan yang diambil dari percobaan tersebut ialah nilai anomali tidak
disebabkan oleh kombinasi data latih yang kurang baik, namun disebabkan oleh
faktor yang lain.
Specht (1990) mengungkapkan bahwa nilai akurasi klasifikasi PNN yang
dihasilkan tergantung dari ketepatan penggunaan nilai parameter pemulus (h)
yang mendasari fungsi kepekatan peluang. Nilai h yang kecil mengakibatkan pola
acak individu dalam semakin berpengaruh, sedangkan nilai h yang besar
menujukkan sebaliknya dengan pola yang umum. Oleh karena itu, sesuai formula
PNN pada Persamaan 12, nilai anomali pada klasifikasi sangat dipengaruhi oleh
variasi individu dalam kelas untuk panjang fragmen 5 kbp hingga 10 kbp.
Semakin panjang fragmennya semakin tinggi juga variasi antar kelas yang
menyebabkan anomali hasil akurasi.
Data latih terbaik dari pengujian pertama selanjutnya digunakan sebagai
data latih untuk menguji dataset organisme belum dikenal di pengujian kedua.
Fragmen organisme belum dikenal juga direduksi dengan menggunakan peubah
yang sama dengan yang digunakan oleh data latihnya. Dari hasil percobaan
tersebut didapatkan hasil akurasi, waktu eksekusi klasifikasi, dan confusion matrix
yang ditunjukkan pada Tabel 14 dan Tabel 15.

23
Tabel 14 Nilai akurasi dan waktu eksekusi klasifikasi pada dimensi pengujian
organisme belum dikenal
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp
Rata-rata

Akurasi Waktu eksekusi
(%)
klasifikasi (detik)
80.46
442.93
88.04
444.36
92.16
445.28
92.80
478.43
88.37
452.75

Tabel 15 Confusion matrix untuk pengujian terbaik pada pengujian organisme
belum dikenal
Genus
agr
bac
sta

agr
1274
10
0

Keterangan:
 agr
 bac
 sta

500 bp
bac
sta
222
17
1662
228
500 1087

agr
1312
15
1

1 kbp
bac
sta
21
0
1917
235
326 1173

agr
1283
2
0

5 kbp
bac
sta
4
0
2235
322
64 1090

agr
1258
0
0

10 kbp
bac
sta
3
1
2259
326
30 1123

= Agrobacterium
= Bacillus
= Staphylococcus

Untuk melihat variasi nilai akurasi antara fragmen organisme belum dikenal
maka dilakukan 4 percobaan tambahan lain dengan mengubah susunan data latih
dan data uji. Hasil dari percobaan variasi ini disajikan pada Tabel 16.
Tabel 16 Nilai akurasi klasifikasi fragmen organisme belum dikenal pada
beberapa percobaan
Panjang
fragmen
500 bp
1 kbp
5 kbp
10 kbp

1
80.46
88.04
92.16
92.80

Akurasi (%)
2
3
4
80.44 80.42 80.38
88.02 87.98 88.00
92.16 92.18 92.14
92.78 92.72 92.68

5
80.38
87.88
92.18
92.72

Rata-rata
80.42
87.98
92.16
92.74

Data latih yang digunakan pada pengujian organisme belum dikenal ialah
data latih dengan biplot terbaik yang ditunjukkan pada Tabel 12. Oleh karena itu,
hasil perbandingan beberapa percobaan organisme belum dikenal tadi
dibandingkan dengan data Tabel 12 dan divisualisasikan dalam bentuk diagram
garis pada Gambar 16.

24

Akurasi (%)

Organisme dikenal

Organisme belum dikenal

100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
500 bp

1 kbp

5 kbp

10 kbp

Panjang fragmen (base pairs)

Gambar 16 Plot perbandingan rata-rata nilai akurasi klasifikasi beberapa
percobaan antara fragmen organisme dikenal dengan organisme belum
dikenal
Pengujian pertama dan kedua menunjukkan hasil yang cukup baik. Nilai
minimum akurasi didapatkan sebesar 85.45% pada pengujian pertama dan 80.46%
pada pengujian kedua. Untuk akurasi maksimum didapatkan sebesar 98.10% pada
pengujian pertama dan 92.80% pada pengujian kedua. Selisih di antara pengujian
pertama dan kedua pun kecil dan kurang lebih berkisar di 5%.
Efisiensi waktu pengklasifikasian yang dihasilkan oleh biplot menunjukkan
nilai sebesar lebih dari 10% untuk setiap panjang fragmen dengan rata-rata
sebesar 12%. Hasil ini dirasakan cukup baik karena hanya menggunakan 20
peubah dari total 64 peubah dengan persentase reduksinya sebesar 68.75%.
Dari confusion matrix yang didapatkan, terlihat bahwa kesalahan klasifikasi
lebih banyak terjadi pada genus Bacillus dan Staphylococcus. Hal ini disebabkan
oleh masih dekatnya kekerabatan antara kedua genus tersebut yang masih berada
dalam satu ordo.

SIMPULAN DAN SARAN
Simpulan
Kombinasi percobaan antara k-mers sebagai ekstraksi ciri, biplot sebagai
pereduksi ciri, dan PNN sebagai classifier disimpulkan baik dalam
mengklasifikasikan fragmen metagenom. Percobaan fragmen metagenom
terpendek berhasil mengklasifikasikan 85.45% organisme dikenal dan 80.46%
organisme belum dikenal. Percobaan f