KLASIFIKASI SITUS UBIQUITINATION PADA SEQUENCE PROTEIN DENGAN ALGORITME EXTREME GRADIENT BOOSTING

SYELA SEPTANIA, 1817051058 (2022) KLASIFIKASI SITUS UBIQUITINATION PADA SEQUENCE PROTEIN DENGAN ALGORITME EXTREME GRADIENT BOOSTING. FAKULTAS MIPA, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
ABSTRAK.pdf

Download (15Kb) | Preview
[img] File PDF
Skripsi FULL.pdf
Restricted to Hanya staf

Download (2140Kb)
[img]
Preview
File PDF
SKRIPSI TANPA BAB PEMBAHASAN.pdf

Download (1721Kb) | Preview

Abstrak

ubiquitination protein merupakan salah satu proses modifikasi pasca translasi (PTM). Identifikasi situs ubiquitination merupakan salah satu proses penting karna banyaknya peran yang dimiliki oleh ubiquitination Identifikasi ini tidak hanya membantu untuk memahami mekanisme molekulernya tetapi juga memberikan fakta berharga untuk studi tambahan tentang pengembangan obat karena peran pengaturannya yang kritis. Oleh sebab itu perlu dilakukannya proses klasifikasi untuk identifikasi situs ubiquitination. Penelitian ini melakukan proses klasifikasi pada sequence protein menggunakan metode Statistical moment untuk ekstraksi fitur dan metode eXtrame Gradient Boosting(XGBOOST) untuk algoritma klasifikasi. Data yang digunakan merupakan dataset benchmark berupa sequence protein yang diakses dari UniProt dan dibuat oleh BMC Bioinformatics tahun 2016. Dataset ini terdiri dari dataset 1, dataset 2 dan dataset 3. dataset 1 berjumlah 300 sequence protein yang mencakup 150, dataset 2 terdapat 6838 sequence protein dan Dataset 3 berisi 12236 sequence protein dimana masing-masing setengah dari dataset tersebut adalah data positif dan setengahnya lagi merupakan data negatif. Hasil tertinggi didapatkan pada dataset 1 menggunakan metode pembagian data 10-fold cross-validation dengan 90 % data training dan 10 % data testing, yaitu 96,59 % akurasi., 100 % sensitivitas, 93,24 % spesifisitas, dan 93,42 % MCC.

Jenis Karya Akhir: Skripsi
Subyek: 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi: FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit: 2208626701 . Digilib
Date Deposited: 23 Nov 2022 01:52
Terakhir diubah: 23 Nov 2022 01:52
URI: http://digilib.unila.ac.id/id/eprint/67090

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir