Clustering Fragmen Metagenome Menggunakan Som Dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix (Glcm) Pada Variasi Panjang Fragmen
CLUSTERING FRAGMEN METAGENOME MENGGUNAKAN
SOM DENGAN EKSTRAKSI FITUR GRAY LEVEL
CO-OCCURRENCE MATRIX (GLCM) PADA
VARIASI PANJANG FRAGMEN
DANIALDI WAHYU PRATAMA
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 Clustering Fragmen
Metagenome Menggunakan SOM dengan Ekstraksi Fitur Gray Level Cooccurrence Matrix (GLCM) Pada Variasi Panjang Fragmen 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, September 2015
Danialdi Wahyu Pratama
NIM G64110050
ABSTRAK
DANIALDI WAHYU PRATAMA. Clustering Fragmen Metagenome
Menggunakan SOM dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix
(GLCM) Pada Variasi Panjang Fragmen. Dibimbing oleh AZIZ KUSTIYO dan
TOTO HARYANTO.
Penelitian di bidang bioinformatika berkembang semakin pesat, terutama
penelitian mengenai metagenome. Namun, pada penelitian metagenome masih
terdapat kelemahan, yaitu proses sequencing secara langsung akan memungkinkan
bercampurnya fragmen sehingga dapat mempengaruhi perakitan fragmen. Oleh
sebab itu, penelitian ini menggunakan teknik clustering untuk mengantisipasi
kesalahan perakitan tersebut. Data yang digunakan dalam penelitian ini adalah
data metagenome yang diunduh dari situs National Center for Biotechnology
Information (NCBI) sebanyak 100 organisme dari 10 genus. Terdapat 4 variasi
panjang fragmen yang digunakan, yaitu 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp.
Clustering pada fragmen dilakukan dengan menggunakan metode Self Organizing
Maps (SOM) dan pada tahap ekstraksi fitur menggunakan metode Gray Level Cooccurrence Matrix (GLCM). Proses clustering yang telah dilakukan mencapai
akurasi 92% - 93.6%. Nilai spesifisitas berada pada rentang 85.9% - 87.4%,
sedangkan nilai sensitivitas berada pada rentang 61% - 65%. Dari penelitian yang
telah dilakukan, tidak terlihat adanya pengaruh panjang fragmen terhadap hasil
akurasi clustering.
Kata kunci: clustering, fragmen, GLCM, metagenome, SOM
ABSTRACT
DANIALDI WAHYU PRATAMA. Metagenome Fragment Clustering Using
SOM With Gray Level Co-occurrence Matrix (GLCM) Feature Extraction on the
Fragment Length Variation. Supervised by AZIZ KUSTIYO and TOTO
HARYANTO.
Research in bioinformatics has developed rapidly, especially research about
metagenome. However, metagenome studies still have weaknesses, for example
direct sequencing process could mix fragments that will affect the assembly of
the fragments. Therefore, in this research we use clustering method to anticipate
that problem. This research uses data downloaded from National Center for
Biotechnology Information (NCBI) website, consisting of 100 organisms from 10
genuses. There are 4 variations of fragment length that we use: 200 bp, 1 Kbp, 3
Kbp and 10 Kbp. The clustering method used in this is the Self Organizing Maps
(SOM). For the feature extraction stage, we used the Gray Level Co-occurrence
Matrix (GLCM) method. Based on clustering process, the accuracy of this
research was 92% - 93.6%. The specificity value was 85.9% - 87.4%, and
sensitivity value was 61% - 65%. Based on the result, fragment length did not
affect clustering accuracy.
Keywords: clustering, fragment, GLCM, metagenome, SOM
CLUSTERING FRAGMEN METAGENOME MENGGUNAKAN
SOM DENGAN EKSTRAKSI FITUR GRAY LEVEL
CO-OCCURRENCE MATRIX (GLCM) PADA
VARIASI PANJANG FRAGMEN
DANIALDI WAHYU PRATAMA
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: Dr Eng Wisnu Ananta Kusuma, ST, MT
Scanned by CamScanner
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 Desember 2014 ini ialah
clustering metagenome, dengan judul Clustering Fragmen Metagenome
Menggunakan SOM dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix
(GLCM) pada Variasi Panjang Fragmen. Penulis juga menyampaikan terima kasih
kepada seluruh pihak yang telah berperan dalam penelitian ini, yaitu:
1
Kedua orang tua, adik, dan keluarga atas doa, motivasi, dan kasih sayangnya
untuk menyelesaikan penelitian ini.
2
Bapak Aziz Kustiyo, SSi, MKom dan Bapak Toto Haryanto, SKom, MSi
selaku dosen pembimbing yang telah memberi ide, saran, dan bantuan
hingga penelitian ini selesai.
3
Bapak Dr Eng Wisnu Ananta Kusuma, ST, MT selaku dosen penguji yang
telah memberi saran dalam penelitian ini.
4
Rekan satu topik penelitian, yaitu Hilda Sudawani atas kerjasama dan saran
selama ini.
5
Rekan satu bimbingan, Selma Siti Lutfiah, Fitri, dan Ulfa Nikmatiya atas
bantuannya selama ini.
6
Rahmanda Wibowo, Randolph Wibowo, Dede Nur Fitriansyah, Firdaus
Saptahadi Pratama, dan rekan-rekan Ilmu Komputer 48 atas segala
kebersamaan, bantuan, dan dukungan selama menjalani studi.
Semoga karya ilmiah ini bermanfaat.
Bogor, September 2015
Danialdi Wahyu Pratama
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
3
METODE
3
Pengambilan Data
3
Praproses Data
4
Ekstraksi Fitur
4
Clustering
5
Analisis dan Evaluasi
6
Lingkungan Pengembangan
7
HASIL DAN PEMBAHASAN
8
Pengambilan Data
8
Praproses Data
8
Ekstraksi Fitur
10
Clustering
11
Analisis dan Evaluasi
11
SIMPULAN DAN SARAN
15
Simpulan
15
Saran
16
DAFTAR PUSTAKA
16
DAFTAR TABEL
1
2
3
4
5
6
7
8
Confusion matrix
Rincian panjang data genus yang digunakan
Perbandingan panjang fragmen dan jumlah fragmen
Hasil clustering pada output 9 cluster
Hasil clustering pada output 10 cluster
Hasil clustering pada output 11 cluster
Perbandingan akurasi clustering dan Indeks Davies Bouldin
Confusion matrix panjang fragmen 200 bp dengan output 9 cluster
7
8
9
12
12
12
14
14
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
Diagram alir penelitian
Ilustrasi pemetaan fragmen ke dalam matrix co-occurrence
Arsitektur SOM
Potongan fragmen hasil praproses data
Proses pemetaan sequence DNA menjadi matrix co-occurrence
Ilustrasi matrix co-occurrence yang telah dinormalisasi
Hasil ekstraksi fitur genus Clostridium
Boxplot fitur correlation pada panjang fragmen (a) 200 bp dan (b) 1
Kbp
9 Boxplot nilai fitur IDM atau homogeneity pada panjang fragmen 200 bp
3
4
6
9
10
10
11
13
15
DAFTAR LAMPIRAN
1 Potongan hasil ekstraksi fitur panjang fragmen 200 bp pada 30
organisme
2 Confusion matrix hasil clustering
3 Boxplot seluruh fitur untuk kesepuluh genus
17
18
22
PENDAHULUAN
Latar Belakang
Ilmu pengetahuan di bidang bioinformatika berkembang semakin pesat.
Bidang bioinformatika yang saat ini banyak dianalisis adalah genome dan
metagenome. Metagenome adalah kumpulan data genome dari suatu komunitas
mikrob yang terdapat di alam. Studi yang mempelajari metagenome disebut
metagenomics. Studi metagenomics tidak memerlukan pure clonal culture atau
dengan kata lain suatu sequence DNA tidak perlu dibiakkan pada preparat melalui
proses laboratorium.
Fragmen-fragmen yang diperoleh dari pendekatan metagenomics masih
memiliki kelemahan, yaitu memungkinkan bercampurnya suatu fragmen dengan
fragmen lain. Hal ini dapat disebabkan oleh keanekaragaman mikroba dalam suatu
ekosistem mikro yang sangat tinggi. Fragmen yang bercampur akan
mempengaruhi proses perakitan fragmen. Untuk mengantisipasi kesalahan
tersebut, proses binning dilakukan dengan metode supervised learning atau
unsupervised learning. Fragmen-fragmen dari proses sequencing akan
dikelompokkan berdasarkan level taksonomi tertentu, contohnya pada level genus
(Meyerdierks dan Glockner 2010).
Salah satu penelitian terkait fragmen metagenome dilakukan McHardy et al.
(2007). Penelitian tersebut menggunakan K-mers dan support vector machine
(SVM) untuk ekstraksi fitur dan tahap klasifikasi. Penelitian McHardy et al.
(2007) mencapai hasil yang cukup tinggi, yaitu antara 60%-90% untuk panjang ≥
5 Kbp. Selanjutnya akurasi terus menurun jika menggunakan panjang fragmen
yang pendek. Pada panjang < 3 Kbp, akurasi yang diperoleh sebesar 40% dan
panjang 1 Kbp sebesar < 10%. Namun, karena menggunakan K-mers dengan k=5,
waktu yang dibutuhkan dalam perhitungan kernel cukup lama. Selain itu,
pemodelan menggunakan SVM cukup kompleks karena pada umumnya SVM
digunakan untuk menyelesaikan masalah klasifikasi dengan dua kelas. Untuk
menyelesaikan masalah dengan dua kelas atau lebih perlu digunakan pendekatan
lain, salah satunya adalah pendekatan one versus rest. Oleh karena itu, pada
penelitian ini menggunakan alternatif lain dalam ekstraksi fitur, yakni
menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan metode
Self Organizing Maps (SOM) untuk pengelompokkan.
Sebelumnya, telah dilakukan beberapa penelitian terkait GLCM dan
fragmen metagenome. Aliefiya (2014) dan Dhira (2014) melakukan klasifikasi
pada fragmen metagenome menggunakan metode KNN dan PNN. Perbedaan
terletak pada variasi yang diteliti. Pada penelitian Aliefiya (2014) variasi yang
diteliti adalah jumlah fragmen, sedangkan Dhira (2014) meneliti pengaruh
panjang fragmen terhadap hasil klasifikasi. Kedua penelitian ini menggunakan
data yang sama yaitu data yang diunduh dari situs National Center for
Biotechnology Information (NCBI) sejumlah 50 organisme dari 5 genus yang
berbeda. Penelitian Aliefiya (2014) dan Dhira (2014) memiliki akurasi yang
sangat baik, yaitu 100% pada seluruh variasi panjang fragmen maupun jumlah
fragmen.
2
Penelitian ini menggunakan data yang lebih banyak dari penelitian Aliefiya
(2014) dan Dhira (2014), yaitu 100 organisme dari 10 genus yang berbeda.
Penambahan data ini dilakukan untuk menguji kedua penelitian sebelumnya yang
memiliki hasil sempurna, dengan jumlah data yang lebih banyak akan
menghasilkan akurasi yang sama atau berbeda, terlepas dari perbedaan metode
yang digunakan.
Pada tahap clustering, penelitian ini menggunakan metode SOM, salah satu
metode clustering yang dikembangkan oleh Teuvo Kohonen dari Finlandia. SOM
adalah metode yang efektif untuk memvisualisasikan data dengan dimensi tinggi
(Kohonen 2001). Proses ekstraksi fitur menggunakan metode GLCM. GLCM
adalah metode untuk menganalisis tekstur atau menemukan fitur pada citra
(Haralick et al. 1973). Dengan menggunakan GLCM, data genome sebesar apapun
akan diekstrak menjadi hanya beberapa fitur. Penelitian ini juga membahas
pengaruh panjang fragmen terhadap hasil akurasi clustering.
Perumusan Masalah
1
2
3
4
Perumusan masalah yang menjadi bahan analisis penelitian ini adalah:
Bagaimana menerapkan metode GLCM untuk ekstraksi fitur pada penelitian
ini?
Bagaimana mengimplementasikan SOM sebagai teknik clustering pada
penelitian ini?
Apakah panjang fragmen akan mempengaruhi hasil clustering?
Bagaimana karakteristik fragmen metagenome dari hasil clustering?
Tujuan Penelitian
1
2
3
4
Tujuan dari penelitian ini, yaitu:
Menerapkan metode GLCM pada proses ekstraksi fitur fragmen.
Melakukan clustering dengan metode SOM terhadap fragmen metagenome
Mengetahui pengaruh panjang fragmen terhadap hasil clustering.
Memperoleh karakteristik fragmen metagenome dari hasil clustering.
Manfaat Penelitian
Manfaat dari penelitian ini diharapkan dapat memberikan kontribusi dalam
perkembangan analisis di bidang metagenome sequence serta dapat
mengembangkan penggunaan metode ekstraksi fitur citra dalam proses
pengelompokan mikroorganisme.
3
Ruang Lingkup Penelitian
1
2
3
4
5
Ruang lingkup penelitian ini meliputi:
Data metagenome terdiri atas 100 organisme. Data tersebut dipilih dari
genus
Bacillus,
Burkholderia,
Campylobacter,
Clostridium,
Corynebacterium,
Lactobacillus,
Mycobacterium,
Mycoplasma,
Pseudomonas, dan Streptococcus.
Variasi panjang fragmen yang digunakan, yaitu 200 bp, 1 Kbp, 3 Kbp, dan
10 Kbp.
Orientasi sudut pada proses GLCM terbatas pada sudut 0° dengan jarak
adalah 1.
Fragmen yang digunakan merupakan hasil simulasi Ilumina sequencer dari
perangkat lunak MetaSim.
Sequence DNA direpresentasikan sebagai 4 karakter A, T, G, dan C yang
mewakili basa nitrogen adenin, timin, guanin, dan sitosin.
METODE
Penelitian ini dimulai dengan tahap pengumpulan data, praproses data,
ekstraksi fitur, proses clustering dan evaluasi. Ilustrasi metode penelitian dapat
dilihat pada Gambar 1.
Gambar 1 Diagram alir penelitian
Pengambilan Data
Data yang digunakan dalam penelitian ini adalah data metagenome yang
diunduh langsung dari situs National Center for Biotechnology Information
(NCBI) sebanyak 100 organisme dari 10 genus. Data metagenome ini merupakan
sequence DNA organisme dengan format fastA. Data ini selanjutnya diproses
menggunakan perangkat lunak MetaSim. Alamat untuk mengunduh data ini yaitu
ftp://ftp.ncbi.nih.gov/genomes/Bacteria/.
4
Praproses Data
Pada tahap praproses data, sequence DNA metagenome yang telah diunduh
dari situs NCBI diuraikan menggunakan perangkat lunak MetaSim. Hasil dari
penguraian sequence DNA menggunakan MetaSim adalah fragmen. Pada
penelitian ini dipilih 10 organisme dari 10 genus. Panjang fragmen yang
ditetapkan untuk setiap kali pengolahan yaitu 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp.
Setelah dilakukan pemilihan data, diperoleh 100 fail fastA dari 10 genus yang
berbeda. Namun terdapat dua organisme yang mengandung error. Organisme
yang error tersebut mengandung nilai N. Pada data yang error, nilai N tidak
dihitung pada tahap pembuatan matrix co-occurrence.
Ekstraksi Fitur
Pada tahap ini dilakukan ekstraksi fitur fragmen yang telah diuraikan
menggunakan perangkat lunak MetaSim. Teknik ekstraksi fitur yang digunakan
pada penelitian ini adalah Gray Level Co-occurrence Matrix (GLCM). Sequence
DNA setiap fragmen akan dipetakan ke dalam sebuah matriks sesuai banyaknya
fragmen dengan jarak 1 dan sudut orientasi 0°. Matriks inilah yang disebut dengan
matrix co-occurrence. Ukuran matrix co-occurrence pada penelitian ini adalah
4x4 yang merupakan representasi dari matriks ACGT x ACGT. Ilustrasi membuat
matrix co-occurrence dapat dilihat pada Gambar 2.
Gambar 2 Ilustrasi pemetaan fragmen ke dalam matrix co-occurrence
Setelah diperoleh matriks total dari tiap fragmen, perlu dilakukan
normalisasi pada matriks tersebut. Normalisasi dilakukan dengan cara membagi
nilai setiap elemen matriks dengan total nilai matriks, normalisasi ini bertujuan
agar nilai elemen matriks jika dijumlahkan hasilnya 1. Selain itu, ekstraksi fitur
sequences DNA hanya dapat dilakukan jika matrix co-occurrence telah
dinormalisasi.
Menurut Haralick et al. (1973) terdapat berbagai fitur ciri tekstural yang
dapat diekstraksi dari matrix co-occurrence. Beberapa dari ekstraksi ciri tersebut
merupakan perhitungan untuk pengenalan karakteristik citra meliputi homogenitas,
kontras dan keberadaan tekstur pada suatu citra. Dalam penelitian ini akan
5
dihitung 8 fitur dari 13 fitur yang diusulkan oleh Haralick. Beberapa perhitungan
tersebut antara lain:
1
2
3
4
5
6
Angular Second Moment (ASM) atau disebut juga energy. Menunjukkan
ukuran sifat homogenitas.
ASM = ∑ ∑ { , }
(1)
Contrast. Menunjukkan ukuran penyebaran (Moment Inertia) elemen
matriks citra.
,
(2)
Con = ∑ , | − |
Correlation. Menunjukkan ukuran ketergantungan linear derajat keabuan
citra.
Cor =
∑ ∑
−�
��
8
(3)
Inverse Different Moment atau disebut juga homogeneity. Menunjukkan
kehomogenan citra yang berderajat keabuan sejenis.
IDM = ∑
� ,
,
(4)
+| − |
Entropy. Menunjukkan ukuran ketidakteraturan bentuk.
ENT = − ∑ ,
, log ,
(5)
Sum Entropy
�
7
−� � ,
�
SENT = ∑ = �
Information Measures of Correlation 1
IMC =
max
−
� {�
+
}
(6)
(7)
,
Information Measures of Correlation 2
IMC = − exp[ . �
Dengan catatan HXY = ∑ ,
, log
dari � dan � , dan
HXY = − ∑ ,
HXY = − ∑
+
,
,
−�
]
/
(8)
HX dan HY adalah entropy
,
log{
log{
}
(9)
} (10)
Clustering
Data fragmen yang telah melalui tahap ekstraksi ciri selanjutnya digunakan
dalam proses clustering dengan algoritme Self Organizing Maps (SOM). SOM
digunakan untuk mereduksi dimensi data melalui jaringan saraf yang
mengorganisasikan dirinya sendiri (self organizing neural networks). Pada tahap
6
kompetisi, setiap input node dihitung jaraknya dengan bobot penelitian dengan
menggunakan jarak Euclidean seperti formula di bawah ini:
= √∑
=
(
,
−
� )
Output yang memiliki jarak terkecil akan menjadi node pemenang. Output
node pemenang pada setiap iterasi akan diperbarui bobotnya dengan
menggunakan formula berikut:
�
� +η �
−
�− =
Proses clustering dilakukan hingga mencapai kriteria pemberhentian.
Kriteria pemberhentian dapat berupa pembatasan jumlah iterasi atau ketika jumlah
η = . Penelitian ini menggunakan 3 variasi kelas output, yaitu output 9 kelas, 10
kelas dan 11 kelas. Ilustrasi arsitektur SOM dapat dilihat pada Gambar 3. Hasil
perhitungan Haralick akan menjadi input, sehingga terdapat 8 ciri untuk setiap
organisme. Selanjutnya keseluruhan input akan dibandingkan kemiripannya
dengan n output.
Gambar 3 Arsitektur SOM
Analisis dan Evaluasi
Tahap evaluasi menggunakan 3 pendekatan. Pendekatan pertama
menggunakan Indeks Davies Bouldin. Pendekatan pengukuran ini untuk
memaksimalkan jarak inter-cluster di antara cluster Ci dan Cj dan pada waktu
yang sama mencoba untuk meminimalkan jarak antar titik dalam sebuah cluster
(Edward 2006). Formula Indeks Davies Bouldin adalah:
=
∑
=
�
≠
{
��
+ ��
|| − ||
}
7
Pada formula tersebut var(Ci) dan var(Cj) adalah jarak intra-cluster dan
||ci – cj|| adalah jarak inter-cluster. Hasil clustering yang optimal menurut Indeks
Davies Bouldin adalah yang memiliki nilai Indeks Davies Bouldin paling kecil.
Evaluasi kedua menggunakan confusion matrix. Confusion matrix
digunakan untuk melihat sebaran data hasil clustering. Confusion matrix adalah
sebuah matriks yang menyimpan nilai aktual dan nilai prediksi dari klasifikasi
atau clustering yang dilakukan (Kohavi dan Provost 1998). Data hasil clustering
menggunakan SOM akan dibandingkan dengan genus metagenome pada data awal.
Keluaran dari evaluasi menggunakan confusion matrix ini adalah berapa banyak
data hasil cluster yang sesuai dengan data awal. Ilustrasi confusion matrix dapat
dilihat pada Tabel 1.
Selain menggunakan confusion matrix, pada tahap evaluasi juga akan
dilakukan perhitungan akurasi, spesifisitas dan sensitivitas untuk memperkuat
hasil dari penelitian. Sensitivitas menyatakan hasil prediksi positif jika diberikan
data aktual positif, sedangkan spesifisitas menyatakan hasil prediksi negatif jika
diberikan data aktual negatif. Nilai akurasi didapatkan dengan menggunakan
persamaan 9. Setiap genus dicari nilai akurasinya dengan menjumlahkan nilai true
positive (TP) dan true negative (TN) lalu dibagi dengan nilai total dari true
positive (TP), true negative (TN), false positive (FP) dan false negative (FN).
Nilai akurasi untuk setiap panjang fragmen didapat dari total nilai akurasi setiap
genus yang dibagi dengan n, dengan n adalah jumlah genus yang digunakan. Nilai
spesifisitas dan sensitivitas didapatkan dengan menggunakan persamaan 10 dan
persamaan 11. Nilai spesifisitas dan sensitivitas untuk setiap panjang fragmen
didapatkan dari jumlah nilai spesifisitas dan sensitivitas 10 genus yang dirataratakan.
Tabel 1 Confusion matrix
Prediksi
Aktual
+
+
TP
FN
FP
TN
akurasi =
n
∑
sensitivitas =
spesifisitas =
i
TP i +TN(i)
x 100%
TP i +TN i +FP i +FN(i)
1
TP(i)
x 100%
∑
n
i TP(i)+FN(i)
1
TN(i)
x 100%
∑
n i TN i +FP(i)
(9)
(10)
(11)
Lingkungan Pengembangan
Spesifikasi perangkat keras yang digunakan dalam penelitian ini adalah
prosesor Intel Core i3-380M 2.53 GHz, memori 4 GB, dan harddisk 320 GB.
Adapun untuk perangkat lunak yang digunakan yaitu MetaSim 0.9.1 sebagai
8
perangkat lunak untuk membangkitkan sequence, Notepad++, Matlab R2008a,
Microsoft Excel 2010, dan Weka 3.7.12 sebagai software alternatif untuk
melakukan clustering.
HASIL DAN PEMBAHASAN
Pengambilan Data
Data yang digunakan pada penelitian ini adalah data metagenome yang
diunduh dari situs NCBI dengan alamat ftp://.ncbi.nih.gov/genomes/Bacteria.
Data tersebut terdiri atas 100 organisme dari 10 genus yang berbeda. Data ini
selanjutnya akan diproses menggunakan perangkat lunak MetaSim pada tahap
praproses data. Rincian data genus yang digunakan pada penelitian ini dapat
dilihat pada Tabel 2.
Tabel 2 Rincian panjang data genus yang digunakan
Total panjang
Jumlah
Nomor
Nama genus
mikroorganisme
organisme
Bacillus
1
47477478
10
Burkholderia
2
31648210
10
Campylobacterium
3
17612241
10
4 Clostridium
37650188
10
5 Corynebacterium
26786828
10
6 Lactobacillus
23652389
10
7 Mycobacterium
51574566
10
8 Mycoplasma
10392924
10
9 Pseudomonas
59316339
10
10 Streptococcus
21203477
10
Praproses Data
Data DNA yang telah diunduh dari situs NCBI dibangkitkan menggunakan
perangkat lunak MetaSim. Panjang fragmen yang digunakanpada penelitian ini
adalah 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp. Untuk menentukan banyak fragmen
yang dibutuhkan pada setiap panjang fragmennya, perlu digunakan formula
berikut:
.
Coverage =
�
n : banyak fragmen yang dibutuhkan.
l : panjang fragmen yang dibutuhkan.
L : total rata-rata dari seluruh panjang mikroorganisme.
9
Coverage adalah rata-rata sekuens DNA yang merepresentasikan sebuah
nukleotida dalam perakitan DNA tersebut. Coverage yang digunakan pada
penelitian ini adalah 5. Nilai coverage tersebut digunakan karena terbilang cukup
untuk merepresentasikan suatu mikroorganisme. Total rata-rata dari seluruh
panjang mikroorganisme didapat dari seluruh panjang tiap mikroorganisme yang
digunakan adalah 3273146. Dengan demikian untuk perbandingan panjang
fragmen dan banyak fragmen yang dibutuhkan dapat dilihat pada Tabel 3.
Tabel 3 Perbandingan panjang fragmen dan
jumlah fragmen
Panjang fragmen
Jumlah fragmen
200 bp
81829
1 Kbp
16365
3 Kbp
5455
10 Kbp
1637
Setelah didapatkan banyak fragmen, nilai dari panjang fragmen dan banyak
fragmen digunakan untuk membangkitkan sequence melalui MetaSim. Contoh
output dari MetaSim dapat dilihat pada Gambar 4. Gambar 4 adalah potongan
fragmen dari organisme Lactobacillus fermentum CECT 5716 dengan panjang
fragmen 200 bp yang telah dibangkitkan menggunakan perangkat lunak MetaSim.
Namun, terdapat dua organisme yang mengandung error, yaitu pada genus
Bacillus dan Campylobacter. Organisme yang error tersebut mengandung nilai N.
Pada data yang error, nilai N tidak dihitung pada tahap pembuatan matrix cooccurrence.
Gambar 4 Potongan fragmen hasil praproses data
10
Ekstraksi Fitur
Output MetaSim berupa sequence DNA yang telah dipotong ke dalam
beberapa variasi panjang fragmen, diproses untuk mendapatkan matrix cooccurrence. Matrix co-occurrence dihitung berdasarkan jarak dan sudut yang
telah ditentukan. Sequence DNA tersebut dihitung pasangan antar elemennya
dengan jarak 1 dan dengan sudut orientasi 0°. Penggunaan sudut 0° pada
penelitian ini dikarenakan sequence DNA merupakan data 1 dimensi dengan
ukuran 1xN dengan N adalah panjang sequence DNA yang digunakan. Jumlah
dari banyaknya pasangan tersebut dimasukkan ke dalam matriks yang berukuran
4x4.
Gambar 5 Proses pemetaan sequence DNA
menjadi matrix co-occurrence
Gambar 5 adalah proses pemetaan sequence DNA menjadi matrix cooccurrence pada potongan sequence organisme Lactobacillus fermentum CECT
5716 dengan panjang fragmen 200 bp. Setiap karakter dipasangkan dengan
karakter tetangganya kemudian dihitung jumlah kemunculan setiap pasangan
karakter tersebut. Matriks yang berisi total kemunculan pasangan karakter disebut
dengan matrix co-occurrence. Matrix co-occurrence yang telah didapat
selanjutnya dilakukan proses normalisasi. Matrix co-occurrence yang telah
dinormalisasi dari setiap organisme akan digunakan dalam perhitungan fitur
Haralick. Ilustrasi matrix co-occurrence yang telah dinormalisasi dapat dilihat
pada Gambar 6 yang merupakan matrix co-occurrence yang telah dinormalisasi
dari organisme Lactobacillus fermentum CECT 5716 dengan panjang fragmen
200 bp.
Gambar 6 Ilustrasi matrix co-occurrence
Proses ekstraksi fitur menggunakan GLCM melibatkan 13 fitur Haralick.
Namun, berdasarkan penelitian yang telah dilakukan Dhira (2014) dan Aliefiya
11
(2014) terdapat beberapa fitur yang hasilnya serupa, terlihat dari boxplot 13 fitur
Haralick. Fitur yang hasilnya sama direduksi sehingga hanya satu fitur saja yang
digunakan. Hingga pada akhirnya hanya 8 fitur yang digunakan pada penelitian
ini untuk mewakili 13 fitur Haralick. Fitur yang digunakan pada penelitian ini
adalah Angular Second Moment, Contrast, Correlation, Entropy, Sum Entropy,
Invers Different Momment, Information Measure of Correlation 1, dan
Information Measure of Correlation 2. Potongan hasil ekstraksi fitur genus
Clostridium pada panjang fragmen 1 Kbp dapat dilihat pada Gambar 7. Hasil
ekstraksi fitur pada beberapa genus dengan panjang fragmen 200 bp dapat dilihat
pada Lampiran 1.
Gambar 7 Hasil ekstraksi fitur genus Clostridium
Clustering
Fitur Haralick dari setiap organisme akan menjadi pencirinya masingmasing dalam proses clustering menggunakan SOM. Proses clustering dilakukan
dengan bantuan perangkat lunak Weka. Terdapat 100 input yang berupa
organisme. Setiap input memiliki 8 penciri. Pada tahap ini digunakan 3 variasi
kelas output, yaitu output 9 cluster, 10 cluster, dan 11 cluster. Variasi banyaknya
output digunakan untuk membandingkan output yang memiliki akurasi paling
baik. Pemilihan tiga variasi tersebut berdasarkan trial and error yang telah
dilakukan.
Analisis dan Evaluasi
Dari proses clustering yang telah dilakukan, pada output 9 cluster nilai
akurasi paling baik sebesar 93% yaitu pada panjang fragmen 200 bp dan 1 Kbp.
Begitu pula pada nilai spesifisitas dan sensitivitas. Nilai tertinggi terdapat pada
panjang fragmen 200 bp dan 1 Kbp. Pada Tabel 4 terlihat bahwa terdapat
hubungan antara nilai akurasi, spesifisitas, dan sensitivitas. Ketika nilai akurasi
tinggi, nilai spesifisitas dan sensitivitas juga tinggi. Bahkan saat terjadi penurunan
nilai akurasi pada panjang fragmen 3 Kbp, nilai spesifisitas dan sensitivitas ikut
turun.
12
Tabel 4 Hasil clustering pada output 9 cluster
Panjang
Akurasi Spesifisitas Sensitivitas
fragmen
200 bp
93.0%
86.5%
65.0%
1 Kbp
93.0%
86.5%
65.0%
3 Kbp
92.4%
86.2%
62.0%
10 Kbp
92.8%
86.4%
64.0%
Seperti yang terlihat pada Tabel 5, nilai spesifitas tertinggi terdapat pada
panjang fragmen 10 Kbp, sama dengan nilai akurasi tertinggi. Saat nilai akurasi
mengalami penurunan pada panjang fragmen 3 Kbp, nilai spesifitas juga ikut
turun. Nilai sensitivitas cenderung tetap, hanya saja mengalami kenaikan pada
panjang fragmen 10 Kbp.
Tabel 5 Hasil clustering pada output 10 cluster
Panjang
Akurasi Spesifisitas Sensitivitas
fragmen
200 bp
92.0%
85.9%
61.0%
1 Kbp
92.8%
86.7%
61.0%
3 Kbp
92.0%
85.9%
61.0%
10 Kbp
93.6%
87.4%
62.0%
Tabel 6 menyajikan secara keseluruhan nilai akurasi pada hasil clustering 11
cluster memiliki nilai yang sama, yaitu 93.6%. Namun, seperti yang terjadi pada
hasil clustering output 9 dan 10 cluster, terjadi penurunan nilai akurasi pada
panjang fragmen 3 Kbp. Pada panjang fragmen 10 Kbp nilai akurasi kembali naik
menjadi 93.6% , sama dengan panjang fragmen 200 bp dan 1 Kbp. Begitu juga
dengan nilai spesifisitas dan sensitivitas yang mengalami penurunan pada panjang
fragmen 3 Kbp. Nilai spesifititas tertinggi terdapat pada panjang fragmen 200 bp
dan 1 Kbp, sedangkan nilai sensitivitas tertinggi terdapat pada panjang fragmen
10 Kbp.
Tabel 6 Hasil clustering pada output 11 cluster
Panjang
Akurasi Spesifisitas Sensitivitas
fragmen
200 bp
93.6%
87.3%
63.0%
1 Kbp
93.6%
87.3%
63.0%
3 Kbp
93.1%
86.9%
62.0%
10 Kbp
93.6%
87.2%
64.0%
Jika dilihat secara keseluruhan, nilai akurasi memiliki rentang antara 92% 93.6%, nilai spesifitas berada pada rentang 85.9% - 87.4%, dan nilai sensitivitas
berada pada rentang 61% - 65%. Terdapat penurunan nilai akurasi terutama pada
panjang 3 Kbp dengan selisih kurang dari 1%. Seharusnya secara eksplisit,
13
semakin panjang fragmen yang digunakan maka nilai akurasi yang didapatkan
lebih baik.
Salah satu faktor yang menyebabkan hal ini terjadi adalah proses agregasi
pada saat ekstraksi fitur. Pada tahap ekstraksi fitur penelitian ini, nilai dari setiap
fragmen diagregasi sehingga satu matrix co-occurrence didapatkan untuk satu
organisme. Setelah matrix co-occurrence didapatkan, matriks tersebut
dinormalisasi dan dilakukan proses perhitungan Haralick, sehingga setiap
organisme hanya diwakili 8 fitur Haralick. Akan lebih baik jika setiap fragmen
dihitung menggunakan fitur Haralick, karena nilai setiap fragmen memiliki
informasi yang berbeda. Jika nilai fragmen tersebut diagregasi atau dijumlahkan
menjadi satu matriks untuk setiap organisme, mengakibatkan informasi tersebut
hilang sehingga mempengaruhi tahap clustering.
Dari Tabel 4, Tabel 5 dan Tabel 6 dapat dilihat bahwa terdapat beberapa
panjang fragmen memiliki nilai akurasi, spesifitas dan sensitivitas yang sama. Jika
mengacu pada Gambar 8 yang memuat boxplot nilai fitur correlation pada
panjang fragmen 200 bp dan 1 Kbp, dapat disimpulkan bahwa kedua panjang
fragmen memiliki pola yang sama dan nilai yang hampir sama. Hal ini dapat
menyebabkan beberapa panjang fragmen memiliki hasil akurasi yang sama,
karena pola tersebut terjadi pada beberapa fitur lain.
Gambar 8 Boxplot fitur correlation pada panjang fragmen (a) 200
bp dan (b) 1 Kbp
Setelah didapatkan hasil clustering, dilanjutkan dengan evaluasi hasil
clustering menggunakan Indeks Davies Bouldin. Indeks Davies Bouldin paling
baik terdapat pada panjang fragmen 200 bp dengan output 10 cluster, sedangkan
yang paling buruk terdapat pada panjang fragmen 10 Kbp dengan output 10
cluster. Terdapat pola yang unik pada hasil Indeks Davies Bouldin, dimana nilai
yang paling buruk selalu terdapat pada panjang fragmen 10 Kbp. Nilai akurasi
yang sama bahkan memiliki nilai Indeks Davies Bouldin yang berbeda. Selain itu,
nilai akurasi yang paling rendah memiliki nilai Indeks Davies Bouldin paling baik.
Nilai Indeks Davies Bouldin pada panjang fragmen 10 Kbp selalu paling tinggi
atau kurang optimal diantara panjang fragmen lain. Hal ini dapat disebabkan
karena keragaman antar cluster semakin kecil. Nilai Indeks Davies Bouldin yang
besar dapat disebabkan oleh nilai intra-cluster yang semakin besar atau nilai intercluster yang semakin kecil. Jika melihat boxplot fitur Haralick, terlihat bahwa
jarak intra-cluster setiap genus tetap, sehingga dapat disumpulkan nilai Indeks
Davies Bouldin pada panjang fragmen 10 Kbp lebih tinggi dari panjang fragmen
lain disebabkan oleh nilai inter-cluster yang semakin kecil. Jika melihat hasil
14
Indeks Davies Bouldin pada Tabel 7, dapat disimpulkan bahwa nilai Indeks
Davies Bouldin tidak berbanding lurus dengan akurasi clustering.
Tabel 7 Perbandingan akurasi clustering dan Indeks Davies Bouldin
Panjang
fragmen
200 bp
1 Kbp
3 Kbp
10 Kbp
9 Cluster
10 Cluster
11 Cluster
Indeks
Indeks
Indeks
Akurasi
Akurasi
Akurasi
DB
DB
DB
93.0%
2.44 92.0%
0.85 93.6%
1.72
93.0%
2.97 92.8%
0.86 93.6%
1.63
92.4%
1.09 92.0%
0.86 93.1%
1.46
92.8%
3.25 93.6%
3.97 93.6%
2.28
Dari tahap clustering yang telah dilakukan, hasil clustering pada panjang
fragmen 200 bp dan 1 Kbp dengan output 9 cluster memiliki sebaran hasil yang
sama. Seluruh genus Burkholderia masuk ke dalam satu cluster, seperti yang
dapat dilihat pada Tabel 8. Begitu pula dengan genus Clostridium. Namun, pada
cluster Clostridium terdapat organisme dari genus lain, yaitu dari genus
Campylobacter. Karena output hanya 9 cluster, maka terdapat satu genus yang
tidak memiliki cluster. Genus yang tidak memiliki cluster adalah Lactobacillus.
Organisme dari genus Lactobacillus tersebar ke dalam cluster genus Bacillus dan
Streptococcus. Untuk melihat sebaran data pada hasil clustering dengan panjang
fragmen berbeda dapat dilihat pada Lampiran 2.
Tabel 8 Confusion matrix panjang fragmen 200 bp dengan output
9 cluster
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
2
0
0
0
7
0
0
0
1
0
lac
5
0
0
0
0
0
0
0
0
5
mcb
0
0
0
0
0
0
7
0
3
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
0
0
2
0
8
0
str
0
0
2
0
0
0
0
0
0
8
Organisme dari genus Lactobacillus tersebar ke dalam cluster Bacillus dan
Streptococcus. Hal ini dapat disebabkan karena ketiga genus tersebut memiliki
kekerabatan yang dekat, yaitu masih dalam satu kelas, yakni Bacilli. Bahkan,
Lactobacillus dan Streptococcus masih dalam satu ordo yang sama, yaitu ordo
Lactobacillales. Selain itu, nilai fitur dari genus Lactobacillus selalu overlap
dengan genus Bacillus dan Streptococcus. Pada Lampiran 3 terlihat dari semua
fitur yang digunakan pada penelitian ini, seluruh fitur menunjukkan ketiga genus
tersebut memiliki rentang nilai fitur yang sama atau saling beririsan.
15
Genus Lactobacillus tidak memiliki cluster pada hasil clustering output 9
cluster. Pada hasil clustering output 10 cluster genus Lactobacillus hanya
memiliki cluster pada hasil clustering dengan panjang fragmen 200 bp dan 3 Kbp.
Sisanya organisme dari genus Lactobacillus menyebar pada cluster Bacillus,
Streptococcus dan Corynobacter. Pada hasil clustering output 11 cluster nilai
akurasi pada genus Lactobacillus dapat dikatakan lebih baik. Genus Lactobacillus
memiliki cluster pada setiap panjang fragmen. Saat panjang fragmen 200 bp, 1
Kbp dan 3 Kbp terdapat 5 organisme yang tercluster dengan benar. Hanya saja
pada panjang fragmen 10 Kbp turun menjadi 4 organisme yang tercluster dengan
benar.
Organisme dari genus Burkholderia selalu terdapat dalam satu cluster. Dari
12 variasi clustering yang dilakukan pada penelitian ini, seluruh hasil clustering
menunjukan genus Burkholderia selalu terdapat dalam satu cluster. Hal ini dapat
disebabkan karena pada 5 dari 8 fitur, nilai fitur dari genus Burkholderia tidak
pernah overlap dengan genus lain. Pada Gambar 9, yaitu fitur IDM atau
homogeneity panjang fragmen 1 Kbp genus Burkholderia terpisah dengan genus
lain. Selain itu, genus Burkholderia memiliki rentang nilai yang paling kecil pada
fitur homogeneity, yaitu kurang dari 0.01. Oleh karena itu, pada saat proses
clustering genus Burkholderia selalu satu cluster dan tidak ada genus lain yang
masuk clusternya.
Gambar 9 Boxplot nilai fitur IDM atau homogeneity pada
panjang fragmen 200 bp
SIMPULAN DAN SARAN
Simpulan
Metode GLCM yang biasa digunakan dalam proses ekstraksi fitur citra,
ternyata dapat digunakan dalam proses ekstraksi fitur pada sequence DNA. Pada
tahap ekstraksi fitur tidak dilakukan perhitungan 13 fitur Haralick, namun hanya 8
fitur berdasarkan penelitian sebelumnya, dengan mengambil fitur yang hasilnya
unik saja. Clustering menggunakan SOM memperoleh hasil sekitar 92% - 93.6%,
16
nilai spesifitas berada pada rentang 85.9% - 87.4%, dan nilai sensitivitas berada
pada rentang 61% - 65%. Akurasi hasil clustering yang paling baik pada panjang
fragmen 200 bp, 1 Kbp dan 3 Kbp dengan output 11 cluster. Dari hasil clustering
tidak terlihat pengaruh panjang fragmen. Karena hasil clustering tidak
menunjukan adanya pola yang tetap saat menggunakan panjang fragmen besar
maupun kecil.
Genus Burkholderia menjadi genus yang paling konsisten karena dari hasil
clustering empat variasi panjang fragmen yang berbeda, semua organisme dari
genus Burkholderia selalu masuk dalam satu cluster. Genus Lactobacillus
memiliki akurasi yang paling buruk diantara genus lain. Hal ini disebabkan nilai
fitur dari Lactobacillus selalu overlap dengan dengan nilai fitur dari genus lain,
terutama dengan genus Bacillus dan Streptococcus. Selain itu, genus
Lactobacillus memiliki kekerabatan yang sama pada ordo dengan Bacillus dan
Streptococcus.
Saran
Beberapa saran untuk penelitian berikutnya:
1 Menggunakan jarak GLCM yang beragam (jarak 1, 2, 3, dan 4).
2 Menghitung fitur GLCM pada setiap fragmen.
DAFTAR PUSTAKA
Aliefiya M. 2014. Klasifikasi fragmen metagenome menggunakan KNN dan PNN
dengan ekstraksi fitur gray level co-occurrence matrix (GLCM) pada variasi
jumlah fragmen [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Dhira M. 2014. Klasifikasi fragmen metagenome menggunakan KNN dan PNN
dengan ekstraksi fitur gray level co-occurrence matrix (GLCM) pada variasi
panjang fragmen [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Edward. 2006. Clustering menggunakan self organizing maps studi kasus:data
PPMB IPB. [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Haralick MR, Shanmugan K, Dinstein I. 1973. Textural feature for image
classification. IEEE Transactions on Systems, Man, and Cybernetics.
3(6):610-621. doi: 10.1109/tmsc.1973.4309314.
Kohavi R, Provost F. 1998. Machine Learning. Boston (US): Springer .
Kohonen T. 2001. Self Organizing Maps: 3rd Edition. Berlin (DE): Springer.
McHardy AC, Martin HG, Tsirigos A, Hugenholtz P, Rigoutsos I. 2007. Accurate
phylogonetic classification of variable-length DNA fragments. Nature
Methods. 4(1):63-72. doi: 10.1038/nmeth976.
Meyerdierks A, Glockner FO. 2010. Metagenome analysis. Advances in Marine
Genomics. 1 : 33 – 71. doi : 10.1007/978-90-481-8639-6_2.
17
Lampiran 1 Potongan hasil ekstraksi fitur panjang fragmen 200 bp pada 30
organisme
Cont
Corr
ASM
IDM
Ent
Sum
Ent
IMC1
IMC2 Genus
2.8604
2.8616
2.8575
1.8991
1.8828
1.8751
2.6761
2.5609
3.0233
3.1521
3.1500
3.3606
2.0240
2.2101
2.2125
2.3455
2.3570
2.1469
1.7104
1.8160
1.8161
2.9919
2.9834
2.9405
1.8426
1.9258
1.9174
2.6921
2.6833
2.6103
0.0730
0.0727
0.0731
-0.0305
-0.0318
-0.0286
0.0848
0.0575
0.0455
0.0341
0.0341
-0.0177
0.0237
0.0807
0.0638
0.1098
0.1094
0.1196
0.0174
0.0314
0.0311
0.1013
0.1038
0.1407
-0.0009
0.0827
0.0727
0.0550
0.0543
0.1281
0.0749
0.0749
0.0748
0.0842
0.0859
0.0860
0.0718
0.0676
0.0798
0.0832
0.0830
0.0846
0.0689
0.0642
0.0639
0.0652
0.0653
0.0640
0.0833
0.0767
0.0767
0.0880
0.0880
0.0952
0.0781
0.0692
0.0698
0.0681
0.0679
0.0725
0.5670
0.5668
0.5670
0.5528
0.5514
0.5524
0.5678
0.5649
0.5651
0.5639
0.5639
0.5471
0.5683
0.5722
0.5624
0.5706
0.5703
0.5927
0.5794
0.5758
0.5757
0.5778
0.5787
0.5921
0.5724
0.5762
0.5758
0.5596
0.5594
0.5749
2.8278
2.8278
2.8278
3.0778
2.9528
3.0000
3.0778
3.0000
3.0778
3.2500
3.2500
3.2500
3.0778
2.2806
2.4835
2.6556
2.6556
2.4056
3.2028
3.0000
3.0000
3.2500
3.3750
3.3750
2.8278
2.6556
3.2500
2.8278
2.8278
3.0000
1.8972
1.8971
1.8971
1.6851
1.6796
1.6803
1.8846
1.8538
1.8691
1.8865
1.8865
1.8753
1.7765
1.8553
1.8423
1.8867
1.8878
1.8708
1.6921
1.7320
1.7318
1.8939
1.8949
1.8911
1.7127
1.8027
1.7937
1.8940
1.8935
1.9156
-0.0037
-0.0037
-0.0037
-0.0313
-0.0338
-0.0336
-0.0183
-0.0201
-0.0102
-0.0081
-0.0081
-0.0076
-0.0046
-0.0085
-0.0053
-0.0119
-0.0119
-0.0080
-0.0109
-0.0089
-0.0089
-0.0117
-0.0118
-0.0140
-0.0083
-0.0100
-0.0099
-0.0113
-0.0119
-0.0097
0.0997
0.0997
0.0997
0.2828
0.2932
0.2923
0.2205
0.2324
0.1632
0.1447
0.1447
0.1403
0.1112
0.1529
0.1202
0.1801
0.1797
0.1482
0.1679
0.1535
0.1531
0.1730
0.1739
0.1875
0.1481
0.1642
0.1633
0.1744
0.1795
0.1607
bacil
bacil
bacil
bul
bul
bul
cam
cam
cam
clo
clo
clo
cor
cor
cor
lac
lac
lac
mcb
mcb
mcb
mcp
mcp
mcp
pse
pse
pse
str
str
str
18
Lampiran 2 Confusion matrix hasil clustering
Confusion matrix hasil clustering output 9 cluster panjang fragmen 200bp
bacil bul cam clo cor lac mcb Mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
2
0
0
0
7
0
0
0
1
0
lac
5
0
0
0
0
0
0
0
0
5
mcb
0
0
0
0
0
0
7
0
3
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
0
0
2
0
8
0
str
0
0
2
0
0
0
0
0
0
8
Confusion matrix hasil clustering output 9 cluster panjang fragmen 1Kbp
bacil bul cam clo cor lac mcb Mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
2
0
0
0
7
0
0
0
1
0
lac
4
0
0
0
0
0
0
0
0
6
mcb
0
0
0
0
0
0
7
0
3
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
0
0
2
0
8
0
str
0
0
2
0
0
0
0
0
0
8
Confusion matrix hasil clustering output 9 cluster panjang fragmen 3Kbp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
1
0
6
2
0
0
0
0
0
1
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
7
0
0
0
3
0
lac
3
0
0
0
2
0
0
0
0
5
mcb
0
0
0
0
0
0
10
0
0
0
mcp
0
0
6
2
0
0
0
2
0
0
pse
0
0
0
0
0
0
5
0
5
0
str
3
0
0
0
0
0
0
0
0
7
19
Lanjutan
Confusion matrix hasil clustering output 9 cluster panjang fragmen 10Kbp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
1
0
lac
4
0
0
0
1
0
0
0
0
5
mcb
0
0
0
0
0
0
5
0
5
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
1
0
2
0
7
0
str
0
0
2
0
0
0
0
0
0
8
Confusion matrix hasil clustering output 10 cluster panjang fragmen 200bp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
2
0
6
2
0
0
0
0
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
lac
2
0
0
0
1
2
0
0
0
5
mcb
0
0
0
0
0
0
5
0
5
0
mcp
0
0
6
2
0
0
0
2
0
0
pse
0
0
0
0
0
3
0
0
7
0
str
3
0
0
0
0
0
0
0
0
7
Confusion matrix hasil clustering output 10 cluster panjang fragmen 1Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
0
0
0
0
5
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
1
0
6
2
0
0
0
0
0
1
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
1
0
0
lac
3
0
0
0
2
0
0
0
0
5
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
0
0
7
0
3
str
3
0
0
0
0
0
0
0
0
7
0
20
Lanjutan
Confusion matrix hasil clustering output 10 cluster panjang fragmen 3Kbp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
1
0
6
2
0
0
0
0
0
1
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
lac
3
0
0
0
0
2
0
0
0
5
mcb
0
0
0
0
0
0
5
0
5
0
mcp
0
0
6
2
0
0
0
2
0
0
pse
0
0
0
0
0
3
0
0
7
0
str
3
0
0
0
0
0
0
0
0
7
Confusion matrix hasil clustering output 10 cluster panjang fragmen 10Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
0
0
0
0
5
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
0
0
1
lac
4
0
0
0
1
0
0
0
0
5
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
2
0
0
0
0
8
0
0
0
pse
0
0
0
0
0
0
0
0
5
0
5
str
0
0
2
0
0
0
0
0
0
8
0
Confusion matrix hasil clustering output 11 cluster panjang fragmen 200bp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
0
lac
2
0
0
0
0
5
0
0
0
3
0
mcb
0
0
0
0
0
0
5
0
0
0
5
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
5
0
5
0
0
str
2
0
0
0
0
0
0
0
0
8
0
21
Lanjutan
Confusion matrix hasil clustering output 11 cluster panjang fragmen 1Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
0
lac
1
0
0
0
0
5
0
0
0
4
0
mcb
0
0
0
0
0
0
5
0
0
0
5
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
5
0
5
0
0
str
2
0
0
0
0
0
0
0
0
8
0
Confusion matrix hasil clustering output 11 cluster panjang fragmen 3Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
0
0
1
lac
1
0
0
0
0
5
0
0
0
4
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
0
0
5
0
5
str
3
0
0
0
0
0
0
0
0
7
0
Confusion matrix hasil clustering output 11 cluster panjang fragmen 10Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
0
0
1
lac
2
0
0
0
1
4
0
0
0
3
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
6
0
0
0
0
2
0
2
0
pse
0
0
0
0
0
0
0
0
5
0
5
str
2
0
0
0
0
0
0
0
0
8
0
22
Lampiran 3 Boxplot seluruh fitur untuk kesepuluh genus
Boxplot fitur angular second moment atau energy panjang fragmen 200bp
Boxplot fitur contrast panjang fragmen 200bp
Boxplot fitur correlation panjang fragmen 200bp
23
Lanjutan
Boxplot fitur invers difference moment atau homogeneity panjang fragmen
200bp
Boxplot fitur entropy panjang fragmen 200bp
Boxplot fitur sum entropy panjang fragmen 200bp
24
Lanjutan
Boxplot fitur information measures of correlation 1 panjang fragmen 200bp
Boxplot fitur information measures of correlation 2 panjang fragmen 200bp
Boxplot fitur angular second moment atau energy panjang fragmen 1Kbp
25
Lanjutan
Boxplot fitur contrast panjang fragmen 1Kbp
Boxplot fitur correlation panjang fragmen 1Kbp
Boxplot fitur invers difference moment atau homogeneity panjang fragmen
1Kbp
26
Lanjutan
Boxplot fitur entropy panjang fragmen 1Kbp
Boxplot fitur sum entropy panjang fragmen 1Kbp
Boxplot fitur information measures of correlation 1 panjang fragmen 1Kbp
27
Lanjutan
Boxplot fitur information measures of correlation 2 panjang fragmen 1Kbp
Boxplot fitur angular second moment atau energy pada panjang fragmen
3Kbp
Boxplot fitur contrast pada panjang fragmen 3Kbp
28
Lanjutan
Boxplot fitur correlation pada panjang fragmen 3Kbp
Boxplot fitur invers difference moment atau homogeneity pada panjang
fragmen 3Kbp
Boxplot fitur entropy pada panjang fragmen 3Kbp
29
Lanjutan
Boxplot fitur sum entropy pada panjang fragmen 3Kbp
Boxplot fitur information measures of correlation 1 pada panjang fragmen
3Kbp
Boxplot fitur information measures of correlation 2 pada panjang fragmen
3Kbp
30
Lanjutan
Boxplot fitur angular second moment atau energy pada panjang fragmen
10Kbp
Boxplot fitur contrast pada panjang fragmen 10Kbp
Boxplot fitur correlation pada panjang fragmen 10Kbp
31
Lanjutan
Boxplot fitur invers difference moment atau homogeneity pada panjang
fragmen 10Kbp
Boxplot fitur entropy pada panjang fragmen 10Kbp
Boxplot fitur sum entropy pada panjang fragmen 10Kbp
32
Lanjutan
Boxplot fitur information measures of correlation 1 pada panjang fragmen
10Kbp
Boxplot fitur information measures of correlation 2 pada panjang fragmen
10Kbp
33
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 4 Januari 1993. Penulis merupakan
anak pertama dari tiga bersaudara pasangan Untung Wahyudi dan Dhiny Kartika.
Penulis mengenyam pendidikan dasar di SD Negeri Polisi 1 Kota Bogor (19992005). Penulis melanjutkan pendidikan menengah pertama di SMP Negeri 1 Kota
Bogor (2005-2008). Kemudian, penulis melanjutkan pendidikan menengah atas di
SMA Negeri 1 Bogor (2008-2011). Penulis berkesempatan melanjutkan studi di
Institut Pertanian Bogor melalui jalur Seleksi Nasional Masuk Perguruan Tinggi
Negeri (SNMPTN) Undangan di Departemen Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam.
Selama masa kuliah penulis menjadi anggota di organisasi kemahasiswaan,
yaitu Himpunan Mahasiswa Ilmu Komputer. Penulis turut berkontribusi dalam
beberapa kegiatan seperti Perkenalan Departemen pada tahun 2013. Penulis juga
aktif membangun komunitas bola basket Departemen Ilmu Komputer dan di tahun
2015 mendapat gelar juara pada kompetisi Bola Basket Spirit FMIPA. Selain itu,
penulis melaksanakan kegiatan Praktik Kerja Lapangan di Pusat Konservasi
Tumbuhan Kebun Raya LIPI pada bulan Juli-Agustus 2014.
SOM DENGAN EKSTRAKSI FITUR GRAY LEVEL
CO-OCCURRENCE MATRIX (GLCM) PADA
VARIASI PANJANG FRAGMEN
DANIALDI WAHYU PRATAMA
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 Clustering Fragmen
Metagenome Menggunakan SOM dengan Ekstraksi Fitur Gray Level Cooccurrence Matrix (GLCM) Pada Variasi Panjang Fragmen 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, September 2015
Danialdi Wahyu Pratama
NIM G64110050
ABSTRAK
DANIALDI WAHYU PRATAMA. Clustering Fragmen Metagenome
Menggunakan SOM dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix
(GLCM) Pada Variasi Panjang Fragmen. Dibimbing oleh AZIZ KUSTIYO dan
TOTO HARYANTO.
Penelitian di bidang bioinformatika berkembang semakin pesat, terutama
penelitian mengenai metagenome. Namun, pada penelitian metagenome masih
terdapat kelemahan, yaitu proses sequencing secara langsung akan memungkinkan
bercampurnya fragmen sehingga dapat mempengaruhi perakitan fragmen. Oleh
sebab itu, penelitian ini menggunakan teknik clustering untuk mengantisipasi
kesalahan perakitan tersebut. Data yang digunakan dalam penelitian ini adalah
data metagenome yang diunduh dari situs National Center for Biotechnology
Information (NCBI) sebanyak 100 organisme dari 10 genus. Terdapat 4 variasi
panjang fragmen yang digunakan, yaitu 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp.
Clustering pada fragmen dilakukan dengan menggunakan metode Self Organizing
Maps (SOM) dan pada tahap ekstraksi fitur menggunakan metode Gray Level Cooccurrence Matrix (GLCM). Proses clustering yang telah dilakukan mencapai
akurasi 92% - 93.6%. Nilai spesifisitas berada pada rentang 85.9% - 87.4%,
sedangkan nilai sensitivitas berada pada rentang 61% - 65%. Dari penelitian yang
telah dilakukan, tidak terlihat adanya pengaruh panjang fragmen terhadap hasil
akurasi clustering.
Kata kunci: clustering, fragmen, GLCM, metagenome, SOM
ABSTRACT
DANIALDI WAHYU PRATAMA. Metagenome Fragment Clustering Using
SOM With Gray Level Co-occurrence Matrix (GLCM) Feature Extraction on the
Fragment Length Variation. Supervised by AZIZ KUSTIYO and TOTO
HARYANTO.
Research in bioinformatics has developed rapidly, especially research about
metagenome. However, metagenome studies still have weaknesses, for example
direct sequencing process could mix fragments that will affect the assembly of
the fragments. Therefore, in this research we use clustering method to anticipate
that problem. This research uses data downloaded from National Center for
Biotechnology Information (NCBI) website, consisting of 100 organisms from 10
genuses. There are 4 variations of fragment length that we use: 200 bp, 1 Kbp, 3
Kbp and 10 Kbp. The clustering method used in this is the Self Organizing Maps
(SOM). For the feature extraction stage, we used the Gray Level Co-occurrence
Matrix (GLCM) method. Based on clustering process, the accuracy of this
research was 92% - 93.6%. The specificity value was 85.9% - 87.4%, and
sensitivity value was 61% - 65%. Based on the result, fragment length did not
affect clustering accuracy.
Keywords: clustering, fragment, GLCM, metagenome, SOM
CLUSTERING FRAGMEN METAGENOME MENGGUNAKAN
SOM DENGAN EKSTRAKSI FITUR GRAY LEVEL
CO-OCCURRENCE MATRIX (GLCM) PADA
VARIASI PANJANG FRAGMEN
DANIALDI WAHYU PRATAMA
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: Dr Eng Wisnu Ananta Kusuma, ST, MT
Scanned by CamScanner
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 Desember 2014 ini ialah
clustering metagenome, dengan judul Clustering Fragmen Metagenome
Menggunakan SOM dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix
(GLCM) pada Variasi Panjang Fragmen. Penulis juga menyampaikan terima kasih
kepada seluruh pihak yang telah berperan dalam penelitian ini, yaitu:
1
Kedua orang tua, adik, dan keluarga atas doa, motivasi, dan kasih sayangnya
untuk menyelesaikan penelitian ini.
2
Bapak Aziz Kustiyo, SSi, MKom dan Bapak Toto Haryanto, SKom, MSi
selaku dosen pembimbing yang telah memberi ide, saran, dan bantuan
hingga penelitian ini selesai.
3
Bapak Dr Eng Wisnu Ananta Kusuma, ST, MT selaku dosen penguji yang
telah memberi saran dalam penelitian ini.
4
Rekan satu topik penelitian, yaitu Hilda Sudawani atas kerjasama dan saran
selama ini.
5
Rekan satu bimbingan, Selma Siti Lutfiah, Fitri, dan Ulfa Nikmatiya atas
bantuannya selama ini.
6
Rahmanda Wibowo, Randolph Wibowo, Dede Nur Fitriansyah, Firdaus
Saptahadi Pratama, dan rekan-rekan Ilmu Komputer 48 atas segala
kebersamaan, bantuan, dan dukungan selama menjalani studi.
Semoga karya ilmiah ini bermanfaat.
Bogor, September 2015
Danialdi Wahyu Pratama
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
3
METODE
3
Pengambilan Data
3
Praproses Data
4
Ekstraksi Fitur
4
Clustering
5
Analisis dan Evaluasi
6
Lingkungan Pengembangan
7
HASIL DAN PEMBAHASAN
8
Pengambilan Data
8
Praproses Data
8
Ekstraksi Fitur
10
Clustering
11
Analisis dan Evaluasi
11
SIMPULAN DAN SARAN
15
Simpulan
15
Saran
16
DAFTAR PUSTAKA
16
DAFTAR TABEL
1
2
3
4
5
6
7
8
Confusion matrix
Rincian panjang data genus yang digunakan
Perbandingan panjang fragmen dan jumlah fragmen
Hasil clustering pada output 9 cluster
Hasil clustering pada output 10 cluster
Hasil clustering pada output 11 cluster
Perbandingan akurasi clustering dan Indeks Davies Bouldin
Confusion matrix panjang fragmen 200 bp dengan output 9 cluster
7
8
9
12
12
12
14
14
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
Diagram alir penelitian
Ilustrasi pemetaan fragmen ke dalam matrix co-occurrence
Arsitektur SOM
Potongan fragmen hasil praproses data
Proses pemetaan sequence DNA menjadi matrix co-occurrence
Ilustrasi matrix co-occurrence yang telah dinormalisasi
Hasil ekstraksi fitur genus Clostridium
Boxplot fitur correlation pada panjang fragmen (a) 200 bp dan (b) 1
Kbp
9 Boxplot nilai fitur IDM atau homogeneity pada panjang fragmen 200 bp
3
4
6
9
10
10
11
13
15
DAFTAR LAMPIRAN
1 Potongan hasil ekstraksi fitur panjang fragmen 200 bp pada 30
organisme
2 Confusion matrix hasil clustering
3 Boxplot seluruh fitur untuk kesepuluh genus
17
18
22
PENDAHULUAN
Latar Belakang
Ilmu pengetahuan di bidang bioinformatika berkembang semakin pesat.
Bidang bioinformatika yang saat ini banyak dianalisis adalah genome dan
metagenome. Metagenome adalah kumpulan data genome dari suatu komunitas
mikrob yang terdapat di alam. Studi yang mempelajari metagenome disebut
metagenomics. Studi metagenomics tidak memerlukan pure clonal culture atau
dengan kata lain suatu sequence DNA tidak perlu dibiakkan pada preparat melalui
proses laboratorium.
Fragmen-fragmen yang diperoleh dari pendekatan metagenomics masih
memiliki kelemahan, yaitu memungkinkan bercampurnya suatu fragmen dengan
fragmen lain. Hal ini dapat disebabkan oleh keanekaragaman mikroba dalam suatu
ekosistem mikro yang sangat tinggi. Fragmen yang bercampur akan
mempengaruhi proses perakitan fragmen. Untuk mengantisipasi kesalahan
tersebut, proses binning dilakukan dengan metode supervised learning atau
unsupervised learning. Fragmen-fragmen dari proses sequencing akan
dikelompokkan berdasarkan level taksonomi tertentu, contohnya pada level genus
(Meyerdierks dan Glockner 2010).
Salah satu penelitian terkait fragmen metagenome dilakukan McHardy et al.
(2007). Penelitian tersebut menggunakan K-mers dan support vector machine
(SVM) untuk ekstraksi fitur dan tahap klasifikasi. Penelitian McHardy et al.
(2007) mencapai hasil yang cukup tinggi, yaitu antara 60%-90% untuk panjang ≥
5 Kbp. Selanjutnya akurasi terus menurun jika menggunakan panjang fragmen
yang pendek. Pada panjang < 3 Kbp, akurasi yang diperoleh sebesar 40% dan
panjang 1 Kbp sebesar < 10%. Namun, karena menggunakan K-mers dengan k=5,
waktu yang dibutuhkan dalam perhitungan kernel cukup lama. Selain itu,
pemodelan menggunakan SVM cukup kompleks karena pada umumnya SVM
digunakan untuk menyelesaikan masalah klasifikasi dengan dua kelas. Untuk
menyelesaikan masalah dengan dua kelas atau lebih perlu digunakan pendekatan
lain, salah satunya adalah pendekatan one versus rest. Oleh karena itu, pada
penelitian ini menggunakan alternatif lain dalam ekstraksi fitur, yakni
menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan metode
Self Organizing Maps (SOM) untuk pengelompokkan.
Sebelumnya, telah dilakukan beberapa penelitian terkait GLCM dan
fragmen metagenome. Aliefiya (2014) dan Dhira (2014) melakukan klasifikasi
pada fragmen metagenome menggunakan metode KNN dan PNN. Perbedaan
terletak pada variasi yang diteliti. Pada penelitian Aliefiya (2014) variasi yang
diteliti adalah jumlah fragmen, sedangkan Dhira (2014) meneliti pengaruh
panjang fragmen terhadap hasil klasifikasi. Kedua penelitian ini menggunakan
data yang sama yaitu data yang diunduh dari situs National Center for
Biotechnology Information (NCBI) sejumlah 50 organisme dari 5 genus yang
berbeda. Penelitian Aliefiya (2014) dan Dhira (2014) memiliki akurasi yang
sangat baik, yaitu 100% pada seluruh variasi panjang fragmen maupun jumlah
fragmen.
2
Penelitian ini menggunakan data yang lebih banyak dari penelitian Aliefiya
(2014) dan Dhira (2014), yaitu 100 organisme dari 10 genus yang berbeda.
Penambahan data ini dilakukan untuk menguji kedua penelitian sebelumnya yang
memiliki hasil sempurna, dengan jumlah data yang lebih banyak akan
menghasilkan akurasi yang sama atau berbeda, terlepas dari perbedaan metode
yang digunakan.
Pada tahap clustering, penelitian ini menggunakan metode SOM, salah satu
metode clustering yang dikembangkan oleh Teuvo Kohonen dari Finlandia. SOM
adalah metode yang efektif untuk memvisualisasikan data dengan dimensi tinggi
(Kohonen 2001). Proses ekstraksi fitur menggunakan metode GLCM. GLCM
adalah metode untuk menganalisis tekstur atau menemukan fitur pada citra
(Haralick et al. 1973). Dengan menggunakan GLCM, data genome sebesar apapun
akan diekstrak menjadi hanya beberapa fitur. Penelitian ini juga membahas
pengaruh panjang fragmen terhadap hasil akurasi clustering.
Perumusan Masalah
1
2
3
4
Perumusan masalah yang menjadi bahan analisis penelitian ini adalah:
Bagaimana menerapkan metode GLCM untuk ekstraksi fitur pada penelitian
ini?
Bagaimana mengimplementasikan SOM sebagai teknik clustering pada
penelitian ini?
Apakah panjang fragmen akan mempengaruhi hasil clustering?
Bagaimana karakteristik fragmen metagenome dari hasil clustering?
Tujuan Penelitian
1
2
3
4
Tujuan dari penelitian ini, yaitu:
Menerapkan metode GLCM pada proses ekstraksi fitur fragmen.
Melakukan clustering dengan metode SOM terhadap fragmen metagenome
Mengetahui pengaruh panjang fragmen terhadap hasil clustering.
Memperoleh karakteristik fragmen metagenome dari hasil clustering.
Manfaat Penelitian
Manfaat dari penelitian ini diharapkan dapat memberikan kontribusi dalam
perkembangan analisis di bidang metagenome sequence serta dapat
mengembangkan penggunaan metode ekstraksi fitur citra dalam proses
pengelompokan mikroorganisme.
3
Ruang Lingkup Penelitian
1
2
3
4
5
Ruang lingkup penelitian ini meliputi:
Data metagenome terdiri atas 100 organisme. Data tersebut dipilih dari
genus
Bacillus,
Burkholderia,
Campylobacter,
Clostridium,
Corynebacterium,
Lactobacillus,
Mycobacterium,
Mycoplasma,
Pseudomonas, dan Streptococcus.
Variasi panjang fragmen yang digunakan, yaitu 200 bp, 1 Kbp, 3 Kbp, dan
10 Kbp.
Orientasi sudut pada proses GLCM terbatas pada sudut 0° dengan jarak
adalah 1.
Fragmen yang digunakan merupakan hasil simulasi Ilumina sequencer dari
perangkat lunak MetaSim.
Sequence DNA direpresentasikan sebagai 4 karakter A, T, G, dan C yang
mewakili basa nitrogen adenin, timin, guanin, dan sitosin.
METODE
Penelitian ini dimulai dengan tahap pengumpulan data, praproses data,
ekstraksi fitur, proses clustering dan evaluasi. Ilustrasi metode penelitian dapat
dilihat pada Gambar 1.
Gambar 1 Diagram alir penelitian
Pengambilan Data
Data yang digunakan dalam penelitian ini adalah data metagenome yang
diunduh langsung dari situs National Center for Biotechnology Information
(NCBI) sebanyak 100 organisme dari 10 genus. Data metagenome ini merupakan
sequence DNA organisme dengan format fastA. Data ini selanjutnya diproses
menggunakan perangkat lunak MetaSim. Alamat untuk mengunduh data ini yaitu
ftp://ftp.ncbi.nih.gov/genomes/Bacteria/.
4
Praproses Data
Pada tahap praproses data, sequence DNA metagenome yang telah diunduh
dari situs NCBI diuraikan menggunakan perangkat lunak MetaSim. Hasil dari
penguraian sequence DNA menggunakan MetaSim adalah fragmen. Pada
penelitian ini dipilih 10 organisme dari 10 genus. Panjang fragmen yang
ditetapkan untuk setiap kali pengolahan yaitu 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp.
Setelah dilakukan pemilihan data, diperoleh 100 fail fastA dari 10 genus yang
berbeda. Namun terdapat dua organisme yang mengandung error. Organisme
yang error tersebut mengandung nilai N. Pada data yang error, nilai N tidak
dihitung pada tahap pembuatan matrix co-occurrence.
Ekstraksi Fitur
Pada tahap ini dilakukan ekstraksi fitur fragmen yang telah diuraikan
menggunakan perangkat lunak MetaSim. Teknik ekstraksi fitur yang digunakan
pada penelitian ini adalah Gray Level Co-occurrence Matrix (GLCM). Sequence
DNA setiap fragmen akan dipetakan ke dalam sebuah matriks sesuai banyaknya
fragmen dengan jarak 1 dan sudut orientasi 0°. Matriks inilah yang disebut dengan
matrix co-occurrence. Ukuran matrix co-occurrence pada penelitian ini adalah
4x4 yang merupakan representasi dari matriks ACGT x ACGT. Ilustrasi membuat
matrix co-occurrence dapat dilihat pada Gambar 2.
Gambar 2 Ilustrasi pemetaan fragmen ke dalam matrix co-occurrence
Setelah diperoleh matriks total dari tiap fragmen, perlu dilakukan
normalisasi pada matriks tersebut. Normalisasi dilakukan dengan cara membagi
nilai setiap elemen matriks dengan total nilai matriks, normalisasi ini bertujuan
agar nilai elemen matriks jika dijumlahkan hasilnya 1. Selain itu, ekstraksi fitur
sequences DNA hanya dapat dilakukan jika matrix co-occurrence telah
dinormalisasi.
Menurut Haralick et al. (1973) terdapat berbagai fitur ciri tekstural yang
dapat diekstraksi dari matrix co-occurrence. Beberapa dari ekstraksi ciri tersebut
merupakan perhitungan untuk pengenalan karakteristik citra meliputi homogenitas,
kontras dan keberadaan tekstur pada suatu citra. Dalam penelitian ini akan
5
dihitung 8 fitur dari 13 fitur yang diusulkan oleh Haralick. Beberapa perhitungan
tersebut antara lain:
1
2
3
4
5
6
Angular Second Moment (ASM) atau disebut juga energy. Menunjukkan
ukuran sifat homogenitas.
ASM = ∑ ∑ { , }
(1)
Contrast. Menunjukkan ukuran penyebaran (Moment Inertia) elemen
matriks citra.
,
(2)
Con = ∑ , | − |
Correlation. Menunjukkan ukuran ketergantungan linear derajat keabuan
citra.
Cor =
∑ ∑
−�
��
8
(3)
Inverse Different Moment atau disebut juga homogeneity. Menunjukkan
kehomogenan citra yang berderajat keabuan sejenis.
IDM = ∑
� ,
,
(4)
+| − |
Entropy. Menunjukkan ukuran ketidakteraturan bentuk.
ENT = − ∑ ,
, log ,
(5)
Sum Entropy
�
7
−� � ,
�
SENT = ∑ = �
Information Measures of Correlation 1
IMC =
max
−
� {�
+
}
(6)
(7)
,
Information Measures of Correlation 2
IMC = − exp[ . �
Dengan catatan HXY = ∑ ,
, log
dari � dan � , dan
HXY = − ∑ ,
HXY = − ∑
+
,
,
−�
]
/
(8)
HX dan HY adalah entropy
,
log{
log{
}
(9)
} (10)
Clustering
Data fragmen yang telah melalui tahap ekstraksi ciri selanjutnya digunakan
dalam proses clustering dengan algoritme Self Organizing Maps (SOM). SOM
digunakan untuk mereduksi dimensi data melalui jaringan saraf yang
mengorganisasikan dirinya sendiri (self organizing neural networks). Pada tahap
6
kompetisi, setiap input node dihitung jaraknya dengan bobot penelitian dengan
menggunakan jarak Euclidean seperti formula di bawah ini:
= √∑
=
(
,
−
� )
Output yang memiliki jarak terkecil akan menjadi node pemenang. Output
node pemenang pada setiap iterasi akan diperbarui bobotnya dengan
menggunakan formula berikut:
�
� +η �
−
�− =
Proses clustering dilakukan hingga mencapai kriteria pemberhentian.
Kriteria pemberhentian dapat berupa pembatasan jumlah iterasi atau ketika jumlah
η = . Penelitian ini menggunakan 3 variasi kelas output, yaitu output 9 kelas, 10
kelas dan 11 kelas. Ilustrasi arsitektur SOM dapat dilihat pada Gambar 3. Hasil
perhitungan Haralick akan menjadi input, sehingga terdapat 8 ciri untuk setiap
organisme. Selanjutnya keseluruhan input akan dibandingkan kemiripannya
dengan n output.
Gambar 3 Arsitektur SOM
Analisis dan Evaluasi
Tahap evaluasi menggunakan 3 pendekatan. Pendekatan pertama
menggunakan Indeks Davies Bouldin. Pendekatan pengukuran ini untuk
memaksimalkan jarak inter-cluster di antara cluster Ci dan Cj dan pada waktu
yang sama mencoba untuk meminimalkan jarak antar titik dalam sebuah cluster
(Edward 2006). Formula Indeks Davies Bouldin adalah:
=
∑
=
�
≠
{
��
+ ��
|| − ||
}
7
Pada formula tersebut var(Ci) dan var(Cj) adalah jarak intra-cluster dan
||ci – cj|| adalah jarak inter-cluster. Hasil clustering yang optimal menurut Indeks
Davies Bouldin adalah yang memiliki nilai Indeks Davies Bouldin paling kecil.
Evaluasi kedua menggunakan confusion matrix. Confusion matrix
digunakan untuk melihat sebaran data hasil clustering. Confusion matrix adalah
sebuah matriks yang menyimpan nilai aktual dan nilai prediksi dari klasifikasi
atau clustering yang dilakukan (Kohavi dan Provost 1998). Data hasil clustering
menggunakan SOM akan dibandingkan dengan genus metagenome pada data awal.
Keluaran dari evaluasi menggunakan confusion matrix ini adalah berapa banyak
data hasil cluster yang sesuai dengan data awal. Ilustrasi confusion matrix dapat
dilihat pada Tabel 1.
Selain menggunakan confusion matrix, pada tahap evaluasi juga akan
dilakukan perhitungan akurasi, spesifisitas dan sensitivitas untuk memperkuat
hasil dari penelitian. Sensitivitas menyatakan hasil prediksi positif jika diberikan
data aktual positif, sedangkan spesifisitas menyatakan hasil prediksi negatif jika
diberikan data aktual negatif. Nilai akurasi didapatkan dengan menggunakan
persamaan 9. Setiap genus dicari nilai akurasinya dengan menjumlahkan nilai true
positive (TP) dan true negative (TN) lalu dibagi dengan nilai total dari true
positive (TP), true negative (TN), false positive (FP) dan false negative (FN).
Nilai akurasi untuk setiap panjang fragmen didapat dari total nilai akurasi setiap
genus yang dibagi dengan n, dengan n adalah jumlah genus yang digunakan. Nilai
spesifisitas dan sensitivitas didapatkan dengan menggunakan persamaan 10 dan
persamaan 11. Nilai spesifisitas dan sensitivitas untuk setiap panjang fragmen
didapatkan dari jumlah nilai spesifisitas dan sensitivitas 10 genus yang dirataratakan.
Tabel 1 Confusion matrix
Prediksi
Aktual
+
+
TP
FN
FP
TN
akurasi =
n
∑
sensitivitas =
spesifisitas =
i
TP i +TN(i)
x 100%
TP i +TN i +FP i +FN(i)
1
TP(i)
x 100%
∑
n
i TP(i)+FN(i)
1
TN(i)
x 100%
∑
n i TN i +FP(i)
(9)
(10)
(11)
Lingkungan Pengembangan
Spesifikasi perangkat keras yang digunakan dalam penelitian ini adalah
prosesor Intel Core i3-380M 2.53 GHz, memori 4 GB, dan harddisk 320 GB.
Adapun untuk perangkat lunak yang digunakan yaitu MetaSim 0.9.1 sebagai
8
perangkat lunak untuk membangkitkan sequence, Notepad++, Matlab R2008a,
Microsoft Excel 2010, dan Weka 3.7.12 sebagai software alternatif untuk
melakukan clustering.
HASIL DAN PEMBAHASAN
Pengambilan Data
Data yang digunakan pada penelitian ini adalah data metagenome yang
diunduh dari situs NCBI dengan alamat ftp://.ncbi.nih.gov/genomes/Bacteria.
Data tersebut terdiri atas 100 organisme dari 10 genus yang berbeda. Data ini
selanjutnya akan diproses menggunakan perangkat lunak MetaSim pada tahap
praproses data. Rincian data genus yang digunakan pada penelitian ini dapat
dilihat pada Tabel 2.
Tabel 2 Rincian panjang data genus yang digunakan
Total panjang
Jumlah
Nomor
Nama genus
mikroorganisme
organisme
Bacillus
1
47477478
10
Burkholderia
2
31648210
10
Campylobacterium
3
17612241
10
4 Clostridium
37650188
10
5 Corynebacterium
26786828
10
6 Lactobacillus
23652389
10
7 Mycobacterium
51574566
10
8 Mycoplasma
10392924
10
9 Pseudomonas
59316339
10
10 Streptococcus
21203477
10
Praproses Data
Data DNA yang telah diunduh dari situs NCBI dibangkitkan menggunakan
perangkat lunak MetaSim. Panjang fragmen yang digunakanpada penelitian ini
adalah 200 bp, 1 Kbp, 3 Kbp, dan 10 Kbp. Untuk menentukan banyak fragmen
yang dibutuhkan pada setiap panjang fragmennya, perlu digunakan formula
berikut:
.
Coverage =
�
n : banyak fragmen yang dibutuhkan.
l : panjang fragmen yang dibutuhkan.
L : total rata-rata dari seluruh panjang mikroorganisme.
9
Coverage adalah rata-rata sekuens DNA yang merepresentasikan sebuah
nukleotida dalam perakitan DNA tersebut. Coverage yang digunakan pada
penelitian ini adalah 5. Nilai coverage tersebut digunakan karena terbilang cukup
untuk merepresentasikan suatu mikroorganisme. Total rata-rata dari seluruh
panjang mikroorganisme didapat dari seluruh panjang tiap mikroorganisme yang
digunakan adalah 3273146. Dengan demikian untuk perbandingan panjang
fragmen dan banyak fragmen yang dibutuhkan dapat dilihat pada Tabel 3.
Tabel 3 Perbandingan panjang fragmen dan
jumlah fragmen
Panjang fragmen
Jumlah fragmen
200 bp
81829
1 Kbp
16365
3 Kbp
5455
10 Kbp
1637
Setelah didapatkan banyak fragmen, nilai dari panjang fragmen dan banyak
fragmen digunakan untuk membangkitkan sequence melalui MetaSim. Contoh
output dari MetaSim dapat dilihat pada Gambar 4. Gambar 4 adalah potongan
fragmen dari organisme Lactobacillus fermentum CECT 5716 dengan panjang
fragmen 200 bp yang telah dibangkitkan menggunakan perangkat lunak MetaSim.
Namun, terdapat dua organisme yang mengandung error, yaitu pada genus
Bacillus dan Campylobacter. Organisme yang error tersebut mengandung nilai N.
Pada data yang error, nilai N tidak dihitung pada tahap pembuatan matrix cooccurrence.
Gambar 4 Potongan fragmen hasil praproses data
10
Ekstraksi Fitur
Output MetaSim berupa sequence DNA yang telah dipotong ke dalam
beberapa variasi panjang fragmen, diproses untuk mendapatkan matrix cooccurrence. Matrix co-occurrence dihitung berdasarkan jarak dan sudut yang
telah ditentukan. Sequence DNA tersebut dihitung pasangan antar elemennya
dengan jarak 1 dan dengan sudut orientasi 0°. Penggunaan sudut 0° pada
penelitian ini dikarenakan sequence DNA merupakan data 1 dimensi dengan
ukuran 1xN dengan N adalah panjang sequence DNA yang digunakan. Jumlah
dari banyaknya pasangan tersebut dimasukkan ke dalam matriks yang berukuran
4x4.
Gambar 5 Proses pemetaan sequence DNA
menjadi matrix co-occurrence
Gambar 5 adalah proses pemetaan sequence DNA menjadi matrix cooccurrence pada potongan sequence organisme Lactobacillus fermentum CECT
5716 dengan panjang fragmen 200 bp. Setiap karakter dipasangkan dengan
karakter tetangganya kemudian dihitung jumlah kemunculan setiap pasangan
karakter tersebut. Matriks yang berisi total kemunculan pasangan karakter disebut
dengan matrix co-occurrence. Matrix co-occurrence yang telah didapat
selanjutnya dilakukan proses normalisasi. Matrix co-occurrence yang telah
dinormalisasi dari setiap organisme akan digunakan dalam perhitungan fitur
Haralick. Ilustrasi matrix co-occurrence yang telah dinormalisasi dapat dilihat
pada Gambar 6 yang merupakan matrix co-occurrence yang telah dinormalisasi
dari organisme Lactobacillus fermentum CECT 5716 dengan panjang fragmen
200 bp.
Gambar 6 Ilustrasi matrix co-occurrence
Proses ekstraksi fitur menggunakan GLCM melibatkan 13 fitur Haralick.
Namun, berdasarkan penelitian yang telah dilakukan Dhira (2014) dan Aliefiya
11
(2014) terdapat beberapa fitur yang hasilnya serupa, terlihat dari boxplot 13 fitur
Haralick. Fitur yang hasilnya sama direduksi sehingga hanya satu fitur saja yang
digunakan. Hingga pada akhirnya hanya 8 fitur yang digunakan pada penelitian
ini untuk mewakili 13 fitur Haralick. Fitur yang digunakan pada penelitian ini
adalah Angular Second Moment, Contrast, Correlation, Entropy, Sum Entropy,
Invers Different Momment, Information Measure of Correlation 1, dan
Information Measure of Correlation 2. Potongan hasil ekstraksi fitur genus
Clostridium pada panjang fragmen 1 Kbp dapat dilihat pada Gambar 7. Hasil
ekstraksi fitur pada beberapa genus dengan panjang fragmen 200 bp dapat dilihat
pada Lampiran 1.
Gambar 7 Hasil ekstraksi fitur genus Clostridium
Clustering
Fitur Haralick dari setiap organisme akan menjadi pencirinya masingmasing dalam proses clustering menggunakan SOM. Proses clustering dilakukan
dengan bantuan perangkat lunak Weka. Terdapat 100 input yang berupa
organisme. Setiap input memiliki 8 penciri. Pada tahap ini digunakan 3 variasi
kelas output, yaitu output 9 cluster, 10 cluster, dan 11 cluster. Variasi banyaknya
output digunakan untuk membandingkan output yang memiliki akurasi paling
baik. Pemilihan tiga variasi tersebut berdasarkan trial and error yang telah
dilakukan.
Analisis dan Evaluasi
Dari proses clustering yang telah dilakukan, pada output 9 cluster nilai
akurasi paling baik sebesar 93% yaitu pada panjang fragmen 200 bp dan 1 Kbp.
Begitu pula pada nilai spesifisitas dan sensitivitas. Nilai tertinggi terdapat pada
panjang fragmen 200 bp dan 1 Kbp. Pada Tabel 4 terlihat bahwa terdapat
hubungan antara nilai akurasi, spesifisitas, dan sensitivitas. Ketika nilai akurasi
tinggi, nilai spesifisitas dan sensitivitas juga tinggi. Bahkan saat terjadi penurunan
nilai akurasi pada panjang fragmen 3 Kbp, nilai spesifisitas dan sensitivitas ikut
turun.
12
Tabel 4 Hasil clustering pada output 9 cluster
Panjang
Akurasi Spesifisitas Sensitivitas
fragmen
200 bp
93.0%
86.5%
65.0%
1 Kbp
93.0%
86.5%
65.0%
3 Kbp
92.4%
86.2%
62.0%
10 Kbp
92.8%
86.4%
64.0%
Seperti yang terlihat pada Tabel 5, nilai spesifitas tertinggi terdapat pada
panjang fragmen 10 Kbp, sama dengan nilai akurasi tertinggi. Saat nilai akurasi
mengalami penurunan pada panjang fragmen 3 Kbp, nilai spesifitas juga ikut
turun. Nilai sensitivitas cenderung tetap, hanya saja mengalami kenaikan pada
panjang fragmen 10 Kbp.
Tabel 5 Hasil clustering pada output 10 cluster
Panjang
Akurasi Spesifisitas Sensitivitas
fragmen
200 bp
92.0%
85.9%
61.0%
1 Kbp
92.8%
86.7%
61.0%
3 Kbp
92.0%
85.9%
61.0%
10 Kbp
93.6%
87.4%
62.0%
Tabel 6 menyajikan secara keseluruhan nilai akurasi pada hasil clustering 11
cluster memiliki nilai yang sama, yaitu 93.6%. Namun, seperti yang terjadi pada
hasil clustering output 9 dan 10 cluster, terjadi penurunan nilai akurasi pada
panjang fragmen 3 Kbp. Pada panjang fragmen 10 Kbp nilai akurasi kembali naik
menjadi 93.6% , sama dengan panjang fragmen 200 bp dan 1 Kbp. Begitu juga
dengan nilai spesifisitas dan sensitivitas yang mengalami penurunan pada panjang
fragmen 3 Kbp. Nilai spesifititas tertinggi terdapat pada panjang fragmen 200 bp
dan 1 Kbp, sedangkan nilai sensitivitas tertinggi terdapat pada panjang fragmen
10 Kbp.
Tabel 6 Hasil clustering pada output 11 cluster
Panjang
Akurasi Spesifisitas Sensitivitas
fragmen
200 bp
93.6%
87.3%
63.0%
1 Kbp
93.6%
87.3%
63.0%
3 Kbp
93.1%
86.9%
62.0%
10 Kbp
93.6%
87.2%
64.0%
Jika dilihat secara keseluruhan, nilai akurasi memiliki rentang antara 92% 93.6%, nilai spesifitas berada pada rentang 85.9% - 87.4%, dan nilai sensitivitas
berada pada rentang 61% - 65%. Terdapat penurunan nilai akurasi terutama pada
panjang 3 Kbp dengan selisih kurang dari 1%. Seharusnya secara eksplisit,
13
semakin panjang fragmen yang digunakan maka nilai akurasi yang didapatkan
lebih baik.
Salah satu faktor yang menyebabkan hal ini terjadi adalah proses agregasi
pada saat ekstraksi fitur. Pada tahap ekstraksi fitur penelitian ini, nilai dari setiap
fragmen diagregasi sehingga satu matrix co-occurrence didapatkan untuk satu
organisme. Setelah matrix co-occurrence didapatkan, matriks tersebut
dinormalisasi dan dilakukan proses perhitungan Haralick, sehingga setiap
organisme hanya diwakili 8 fitur Haralick. Akan lebih baik jika setiap fragmen
dihitung menggunakan fitur Haralick, karena nilai setiap fragmen memiliki
informasi yang berbeda. Jika nilai fragmen tersebut diagregasi atau dijumlahkan
menjadi satu matriks untuk setiap organisme, mengakibatkan informasi tersebut
hilang sehingga mempengaruhi tahap clustering.
Dari Tabel 4, Tabel 5 dan Tabel 6 dapat dilihat bahwa terdapat beberapa
panjang fragmen memiliki nilai akurasi, spesifitas dan sensitivitas yang sama. Jika
mengacu pada Gambar 8 yang memuat boxplot nilai fitur correlation pada
panjang fragmen 200 bp dan 1 Kbp, dapat disimpulkan bahwa kedua panjang
fragmen memiliki pola yang sama dan nilai yang hampir sama. Hal ini dapat
menyebabkan beberapa panjang fragmen memiliki hasil akurasi yang sama,
karena pola tersebut terjadi pada beberapa fitur lain.
Gambar 8 Boxplot fitur correlation pada panjang fragmen (a) 200
bp dan (b) 1 Kbp
Setelah didapatkan hasil clustering, dilanjutkan dengan evaluasi hasil
clustering menggunakan Indeks Davies Bouldin. Indeks Davies Bouldin paling
baik terdapat pada panjang fragmen 200 bp dengan output 10 cluster, sedangkan
yang paling buruk terdapat pada panjang fragmen 10 Kbp dengan output 10
cluster. Terdapat pola yang unik pada hasil Indeks Davies Bouldin, dimana nilai
yang paling buruk selalu terdapat pada panjang fragmen 10 Kbp. Nilai akurasi
yang sama bahkan memiliki nilai Indeks Davies Bouldin yang berbeda. Selain itu,
nilai akurasi yang paling rendah memiliki nilai Indeks Davies Bouldin paling baik.
Nilai Indeks Davies Bouldin pada panjang fragmen 10 Kbp selalu paling tinggi
atau kurang optimal diantara panjang fragmen lain. Hal ini dapat disebabkan
karena keragaman antar cluster semakin kecil. Nilai Indeks Davies Bouldin yang
besar dapat disebabkan oleh nilai intra-cluster yang semakin besar atau nilai intercluster yang semakin kecil. Jika melihat boxplot fitur Haralick, terlihat bahwa
jarak intra-cluster setiap genus tetap, sehingga dapat disumpulkan nilai Indeks
Davies Bouldin pada panjang fragmen 10 Kbp lebih tinggi dari panjang fragmen
lain disebabkan oleh nilai inter-cluster yang semakin kecil. Jika melihat hasil
14
Indeks Davies Bouldin pada Tabel 7, dapat disimpulkan bahwa nilai Indeks
Davies Bouldin tidak berbanding lurus dengan akurasi clustering.
Tabel 7 Perbandingan akurasi clustering dan Indeks Davies Bouldin
Panjang
fragmen
200 bp
1 Kbp
3 Kbp
10 Kbp
9 Cluster
10 Cluster
11 Cluster
Indeks
Indeks
Indeks
Akurasi
Akurasi
Akurasi
DB
DB
DB
93.0%
2.44 92.0%
0.85 93.6%
1.72
93.0%
2.97 92.8%
0.86 93.6%
1.63
92.4%
1.09 92.0%
0.86 93.1%
1.46
92.8%
3.25 93.6%
3.97 93.6%
2.28
Dari tahap clustering yang telah dilakukan, hasil clustering pada panjang
fragmen 200 bp dan 1 Kbp dengan output 9 cluster memiliki sebaran hasil yang
sama. Seluruh genus Burkholderia masuk ke dalam satu cluster, seperti yang
dapat dilihat pada Tabel 8. Begitu pula dengan genus Clostridium. Namun, pada
cluster Clostridium terdapat organisme dari genus lain, yaitu dari genus
Campylobacter. Karena output hanya 9 cluster, maka terdapat satu genus yang
tidak memiliki cluster. Genus yang tidak memiliki cluster adalah Lactobacillus.
Organisme dari genus Lactobacillus tersebar ke dalam cluster genus Bacillus dan
Streptococcus. Untuk melihat sebaran data pada hasil clustering dengan panjang
fragmen berbeda dapat dilihat pada Lampiran 2.
Tabel 8 Confusion matrix panjang fragmen 200 bp dengan output
9 cluster
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
2
0
0
0
7
0
0
0
1
0
lac
5
0
0
0
0
0
0
0
0
5
mcb
0
0
0
0
0
0
7
0
3
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
0
0
2
0
8
0
str
0
0
2
0
0
0
0
0
0
8
Organisme dari genus Lactobacillus tersebar ke dalam cluster Bacillus dan
Streptococcus. Hal ini dapat disebabkan karena ketiga genus tersebut memiliki
kekerabatan yang dekat, yaitu masih dalam satu kelas, yakni Bacilli. Bahkan,
Lactobacillus dan Streptococcus masih dalam satu ordo yang sama, yaitu ordo
Lactobacillales. Selain itu, nilai fitur dari genus Lactobacillus selalu overlap
dengan genus Bacillus dan Streptococcus. Pada Lampiran 3 terlihat dari semua
fitur yang digunakan pada penelitian ini, seluruh fitur menunjukkan ketiga genus
tersebut memiliki rentang nilai fitur yang sama atau saling beririsan.
15
Genus Lactobacillus tidak memiliki cluster pada hasil clustering output 9
cluster. Pada hasil clustering output 10 cluster genus Lactobacillus hanya
memiliki cluster pada hasil clustering dengan panjang fragmen 200 bp dan 3 Kbp.
Sisanya organisme dari genus Lactobacillus menyebar pada cluster Bacillus,
Streptococcus dan Corynobacter. Pada hasil clustering output 11 cluster nilai
akurasi pada genus Lactobacillus dapat dikatakan lebih baik. Genus Lactobacillus
memiliki cluster pada setiap panjang fragmen. Saat panjang fragmen 200 bp, 1
Kbp dan 3 Kbp terdapat 5 organisme yang tercluster dengan benar. Hanya saja
pada panjang fragmen 10 Kbp turun menjadi 4 organisme yang tercluster dengan
benar.
Organisme dari genus Burkholderia selalu terdapat dalam satu cluster. Dari
12 variasi clustering yang dilakukan pada penelitian ini, seluruh hasil clustering
menunjukan genus Burkholderia selalu terdapat dalam satu cluster. Hal ini dapat
disebabkan karena pada 5 dari 8 fitur, nilai fitur dari genus Burkholderia tidak
pernah overlap dengan genus lain. Pada Gambar 9, yaitu fitur IDM atau
homogeneity panjang fragmen 1 Kbp genus Burkholderia terpisah dengan genus
lain. Selain itu, genus Burkholderia memiliki rentang nilai yang paling kecil pada
fitur homogeneity, yaitu kurang dari 0.01. Oleh karena itu, pada saat proses
clustering genus Burkholderia selalu satu cluster dan tidak ada genus lain yang
masuk clusternya.
Gambar 9 Boxplot nilai fitur IDM atau homogeneity pada
panjang fragmen 200 bp
SIMPULAN DAN SARAN
Simpulan
Metode GLCM yang biasa digunakan dalam proses ekstraksi fitur citra,
ternyata dapat digunakan dalam proses ekstraksi fitur pada sequence DNA. Pada
tahap ekstraksi fitur tidak dilakukan perhitungan 13 fitur Haralick, namun hanya 8
fitur berdasarkan penelitian sebelumnya, dengan mengambil fitur yang hasilnya
unik saja. Clustering menggunakan SOM memperoleh hasil sekitar 92% - 93.6%,
16
nilai spesifitas berada pada rentang 85.9% - 87.4%, dan nilai sensitivitas berada
pada rentang 61% - 65%. Akurasi hasil clustering yang paling baik pada panjang
fragmen 200 bp, 1 Kbp dan 3 Kbp dengan output 11 cluster. Dari hasil clustering
tidak terlihat pengaruh panjang fragmen. Karena hasil clustering tidak
menunjukan adanya pola yang tetap saat menggunakan panjang fragmen besar
maupun kecil.
Genus Burkholderia menjadi genus yang paling konsisten karena dari hasil
clustering empat variasi panjang fragmen yang berbeda, semua organisme dari
genus Burkholderia selalu masuk dalam satu cluster. Genus Lactobacillus
memiliki akurasi yang paling buruk diantara genus lain. Hal ini disebabkan nilai
fitur dari Lactobacillus selalu overlap dengan dengan nilai fitur dari genus lain,
terutama dengan genus Bacillus dan Streptococcus. Selain itu, genus
Lactobacillus memiliki kekerabatan yang sama pada ordo dengan Bacillus dan
Streptococcus.
Saran
Beberapa saran untuk penelitian berikutnya:
1 Menggunakan jarak GLCM yang beragam (jarak 1, 2, 3, dan 4).
2 Menghitung fitur GLCM pada setiap fragmen.
DAFTAR PUSTAKA
Aliefiya M. 2014. Klasifikasi fragmen metagenome menggunakan KNN dan PNN
dengan ekstraksi fitur gray level co-occurrence matrix (GLCM) pada variasi
jumlah fragmen [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Dhira M. 2014. Klasifikasi fragmen metagenome menggunakan KNN dan PNN
dengan ekstraksi fitur gray level co-occurrence matrix (GLCM) pada variasi
panjang fragmen [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Edward. 2006. Clustering menggunakan self organizing maps studi kasus:data
PPMB IPB. [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Haralick MR, Shanmugan K, Dinstein I. 1973. Textural feature for image
classification. IEEE Transactions on Systems, Man, and Cybernetics.
3(6):610-621. doi: 10.1109/tmsc.1973.4309314.
Kohavi R, Provost F. 1998. Machine Learning. Boston (US): Springer .
Kohonen T. 2001. Self Organizing Maps: 3rd Edition. Berlin (DE): Springer.
McHardy AC, Martin HG, Tsirigos A, Hugenholtz P, Rigoutsos I. 2007. Accurate
phylogonetic classification of variable-length DNA fragments. Nature
Methods. 4(1):63-72. doi: 10.1038/nmeth976.
Meyerdierks A, Glockner FO. 2010. Metagenome analysis. Advances in Marine
Genomics. 1 : 33 – 71. doi : 10.1007/978-90-481-8639-6_2.
17
Lampiran 1 Potongan hasil ekstraksi fitur panjang fragmen 200 bp pada 30
organisme
Cont
Corr
ASM
IDM
Ent
Sum
Ent
IMC1
IMC2 Genus
2.8604
2.8616
2.8575
1.8991
1.8828
1.8751
2.6761
2.5609
3.0233
3.1521
3.1500
3.3606
2.0240
2.2101
2.2125
2.3455
2.3570
2.1469
1.7104
1.8160
1.8161
2.9919
2.9834
2.9405
1.8426
1.9258
1.9174
2.6921
2.6833
2.6103
0.0730
0.0727
0.0731
-0.0305
-0.0318
-0.0286
0.0848
0.0575
0.0455
0.0341
0.0341
-0.0177
0.0237
0.0807
0.0638
0.1098
0.1094
0.1196
0.0174
0.0314
0.0311
0.1013
0.1038
0.1407
-0.0009
0.0827
0.0727
0.0550
0.0543
0.1281
0.0749
0.0749
0.0748
0.0842
0.0859
0.0860
0.0718
0.0676
0.0798
0.0832
0.0830
0.0846
0.0689
0.0642
0.0639
0.0652
0.0653
0.0640
0.0833
0.0767
0.0767
0.0880
0.0880
0.0952
0.0781
0.0692
0.0698
0.0681
0.0679
0.0725
0.5670
0.5668
0.5670
0.5528
0.5514
0.5524
0.5678
0.5649
0.5651
0.5639
0.5639
0.5471
0.5683
0.5722
0.5624
0.5706
0.5703
0.5927
0.5794
0.5758
0.5757
0.5778
0.5787
0.5921
0.5724
0.5762
0.5758
0.5596
0.5594
0.5749
2.8278
2.8278
2.8278
3.0778
2.9528
3.0000
3.0778
3.0000
3.0778
3.2500
3.2500
3.2500
3.0778
2.2806
2.4835
2.6556
2.6556
2.4056
3.2028
3.0000
3.0000
3.2500
3.3750
3.3750
2.8278
2.6556
3.2500
2.8278
2.8278
3.0000
1.8972
1.8971
1.8971
1.6851
1.6796
1.6803
1.8846
1.8538
1.8691
1.8865
1.8865
1.8753
1.7765
1.8553
1.8423
1.8867
1.8878
1.8708
1.6921
1.7320
1.7318
1.8939
1.8949
1.8911
1.7127
1.8027
1.7937
1.8940
1.8935
1.9156
-0.0037
-0.0037
-0.0037
-0.0313
-0.0338
-0.0336
-0.0183
-0.0201
-0.0102
-0.0081
-0.0081
-0.0076
-0.0046
-0.0085
-0.0053
-0.0119
-0.0119
-0.0080
-0.0109
-0.0089
-0.0089
-0.0117
-0.0118
-0.0140
-0.0083
-0.0100
-0.0099
-0.0113
-0.0119
-0.0097
0.0997
0.0997
0.0997
0.2828
0.2932
0.2923
0.2205
0.2324
0.1632
0.1447
0.1447
0.1403
0.1112
0.1529
0.1202
0.1801
0.1797
0.1482
0.1679
0.1535
0.1531
0.1730
0.1739
0.1875
0.1481
0.1642
0.1633
0.1744
0.1795
0.1607
bacil
bacil
bacil
bul
bul
bul
cam
cam
cam
clo
clo
clo
cor
cor
cor
lac
lac
lac
mcb
mcb
mcb
mcp
mcp
mcp
pse
pse
pse
str
str
str
18
Lampiran 2 Confusion matrix hasil clustering
Confusion matrix hasil clustering output 9 cluster panjang fragmen 200bp
bacil bul cam clo cor lac mcb Mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
2
0
0
0
7
0
0
0
1
0
lac
5
0
0
0
0
0
0
0
0
5
mcb
0
0
0
0
0
0
7
0
3
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
0
0
2
0
8
0
str
0
0
2
0
0
0
0
0
0
8
Confusion matrix hasil clustering output 9 cluster panjang fragmen 1Kbp
bacil bul cam clo cor lac mcb Mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
2
0
0
0
7
0
0
0
1
0
lac
4
0
0
0
0
0
0
0
0
6
mcb
0
0
0
0
0
0
7
0
3
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
0
0
2
0
8
0
str
0
0
2
0
0
0
0
0
0
8
Confusion matrix hasil clustering output 9 cluster panjang fragmen 3Kbp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
1
0
6
2
0
0
0
0
0
1
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
7
0
0
0
3
0
lac
3
0
0
0
2
0
0
0
0
5
mcb
0
0
0
0
0
0
10
0
0
0
mcp
0
0
6
2
0
0
0
2
0
0
pse
0
0
0
0
0
0
5
0
5
0
str
3
0
0
0
0
0
0
0
0
7
19
Lanjutan
Confusion matrix hasil clustering output 9 cluster panjang fragmen 10Kbp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
1
0
lac
4
0
0
0
1
0
0
0
0
5
mcb
0
0
0
0
0
0
5
0
5
0
mcp
0
0
2
0
0
0
0
8
0
0
pse
0
0
0
0
1
0
2
0
7
0
str
0
0
2
0
0
0
0
0
0
8
Confusion matrix hasil clustering output 10 cluster panjang fragmen 200bp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
2
0
6
2
0
0
0
0
0
0
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
lac
2
0
0
0
1
2
0
0
0
5
mcb
0
0
0
0
0
0
5
0
5
0
mcp
0
0
6
2
0
0
0
2
0
0
pse
0
0
0
0
0
3
0
0
7
0
str
3
0
0
0
0
0
0
0
0
7
Confusion matrix hasil clustering output 10 cluster panjang fragmen 1Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
0
0
0
0
5
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
1
0
6
2
0
0
0
0
0
1
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
1
0
0
lac
3
0
0
0
2
0
0
0
0
5
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
0
0
7
0
3
str
3
0
0
0
0
0
0
0
0
7
0
20
Lanjutan
Confusion matrix hasil clustering output 10 cluster panjang fragmen 3Kbp
bacil bul cam clo cor lac mcb mcp pse str
bacil
5
0
0
0
0
0
0
0
0
5
bul
0 10
0
0
0
0
0
0
0
0
cam
1
0
6
2
0
0
0
0
0
1
clo
0
0
0 10
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
lac
3
0
0
0
0
2
0
0
0
5
mcb
0
0
0
0
0
0
5
0
5
0
mcp
0
0
6
2
0
0
0
2
0
0
pse
0
0
0
0
0
3
0
0
7
0
str
3
0
0
0
0
0
0
0
0
7
Confusion matrix hasil clustering output 10 cluster panjang fragmen 10Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
0
0
0
0
5
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
2
2
0
0
0
6
0
0
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
0
0
1
lac
4
0
0
0
1
0
0
0
0
5
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
2
0
0
0
0
8
0
0
0
pse
0
0
0
0
0
0
0
0
5
0
5
str
0
0
2
0
0
0
0
0
0
8
0
Confusion matrix hasil clustering output 11 cluster panjang fragmen 200bp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
0
lac
2
0
0
0
0
5
0
0
0
3
0
mcb
0
0
0
0
0
0
5
0
0
0
5
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
5
0
5
0
0
str
2
0
0
0
0
0
0
0
0
8
0
21
Lanjutan
Confusion matrix hasil clustering output 11 cluster panjang fragmen 1Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
1
0
0
lac
1
0
0
0
0
5
0
0
0
4
0
mcb
0
0
0
0
0
0
5
0
0
0
5
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
5
0
5
0
0
str
2
0
0
0
0
0
0
0
0
8
0
Confusion matrix hasil clustering output 11 cluster panjang fragmen 3Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
7
2
0
0
0
0
1
lac
1
0
0
0
0
5
0
0
0
4
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
6
2
0
0
0
2
0
0
0
pse
0
0
0
0
0
0
0
0
5
0
5
str
3
0
0
0
0
0
0
0
0
7
0
Confusion matrix hasil clustering output 11 cluster panjang fragmen 10Kbp
Tanpa
bacil bul cam clo cor lac mcb mcp pse str
kelas
bacil
5
0
0
0
0
5
0
0
0
0
0
bul
0 10
0
0
0
0
0
0
0
0
0
cam
0
0
6
2
0
0
0
0
0
2
0
clo
0
0
0 10
0
0
0
0
0
0
0
cor
0
0
0
0
9
0
0
0
0
0
1
lac
2
0
0
0
1
4
0
0
0
3
0
mcb
0
0
0
0
0
0
5
0
5
0
0
mcp
0
0
6
0
0
0
0
2
0
2
0
pse
0
0
0
0
0
0
0
0
5
0
5
str
2
0
0
0
0
0
0
0
0
8
0
22
Lampiran 3 Boxplot seluruh fitur untuk kesepuluh genus
Boxplot fitur angular second moment atau energy panjang fragmen 200bp
Boxplot fitur contrast panjang fragmen 200bp
Boxplot fitur correlation panjang fragmen 200bp
23
Lanjutan
Boxplot fitur invers difference moment atau homogeneity panjang fragmen
200bp
Boxplot fitur entropy panjang fragmen 200bp
Boxplot fitur sum entropy panjang fragmen 200bp
24
Lanjutan
Boxplot fitur information measures of correlation 1 panjang fragmen 200bp
Boxplot fitur information measures of correlation 2 panjang fragmen 200bp
Boxplot fitur angular second moment atau energy panjang fragmen 1Kbp
25
Lanjutan
Boxplot fitur contrast panjang fragmen 1Kbp
Boxplot fitur correlation panjang fragmen 1Kbp
Boxplot fitur invers difference moment atau homogeneity panjang fragmen
1Kbp
26
Lanjutan
Boxplot fitur entropy panjang fragmen 1Kbp
Boxplot fitur sum entropy panjang fragmen 1Kbp
Boxplot fitur information measures of correlation 1 panjang fragmen 1Kbp
27
Lanjutan
Boxplot fitur information measures of correlation 2 panjang fragmen 1Kbp
Boxplot fitur angular second moment atau energy pada panjang fragmen
3Kbp
Boxplot fitur contrast pada panjang fragmen 3Kbp
28
Lanjutan
Boxplot fitur correlation pada panjang fragmen 3Kbp
Boxplot fitur invers difference moment atau homogeneity pada panjang
fragmen 3Kbp
Boxplot fitur entropy pada panjang fragmen 3Kbp
29
Lanjutan
Boxplot fitur sum entropy pada panjang fragmen 3Kbp
Boxplot fitur information measures of correlation 1 pada panjang fragmen
3Kbp
Boxplot fitur information measures of correlation 2 pada panjang fragmen
3Kbp
30
Lanjutan
Boxplot fitur angular second moment atau energy pada panjang fragmen
10Kbp
Boxplot fitur contrast pada panjang fragmen 10Kbp
Boxplot fitur correlation pada panjang fragmen 10Kbp
31
Lanjutan
Boxplot fitur invers difference moment atau homogeneity pada panjang
fragmen 10Kbp
Boxplot fitur entropy pada panjang fragmen 10Kbp
Boxplot fitur sum entropy pada panjang fragmen 10Kbp
32
Lanjutan
Boxplot fitur information measures of correlation 1 pada panjang fragmen
10Kbp
Boxplot fitur information measures of correlation 2 pada panjang fragmen
10Kbp
33
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 4 Januari 1993. Penulis merupakan
anak pertama dari tiga bersaudara pasangan Untung Wahyudi dan Dhiny Kartika.
Penulis mengenyam pendidikan dasar di SD Negeri Polisi 1 Kota Bogor (19992005). Penulis melanjutkan pendidikan menengah pertama di SMP Negeri 1 Kota
Bogor (2005-2008). Kemudian, penulis melanjutkan pendidikan menengah atas di
SMA Negeri 1 Bogor (2008-2011). Penulis berkesempatan melanjutkan studi di
Institut Pertanian Bogor melalui jalur Seleksi Nasional Masuk Perguruan Tinggi
Negeri (SNMPTN) Undangan di Departemen Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam.
Selama masa kuliah penulis menjadi anggota di organisasi kemahasiswaan,
yaitu Himpunan Mahasiswa Ilmu Komputer. Penulis turut berkontribusi dalam
beberapa kegiatan seperti Perkenalan Departemen pada tahun 2013. Penulis juga
aktif membangun komunitas bola basket Departemen Ilmu Komputer dan di tahun
2015 mendapat gelar juara pada kompetisi Bola Basket Spirit FMIPA. Selain itu,
penulis melaksanakan kegiatan Praktik Kerja Lapangan di Pusat Konservasi
Tumbuhan Kebun Raya LIPI pada bulan Juli-Agustus 2014.