IMPLEMENTASI ALGORITME SMOTE DAN KLASIFIKASI RANDOM FOREST PADA IMBALANCED DATA METILASI SEQUENCE PROTEIN LISIN

Annisa Nurwalikadani, 1817051037 (2022) IMPLEMENTASI ALGORITME SMOTE DAN KLASIFIKASI RANDOM FOREST PADA IMBALANCED DATA METILASI SEQUENCE PROTEIN LISIN. Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung.

Preview	File PDF ABSTRAK (ABSTRACT).pdf Download (175Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (3324Kb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA PEMBAHASAN.pdf Download (3308Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Salah satu masalah yang sering ditemukan pada saat pengolahan data adalah ketidakseimbangan jumlah sampel dari masing-masing kelas dalam data atau yang biasa disebut dengan imbalanced data. Dalam beberapa tahun terakhir, banyak penelitian mengenai ketidakseimbangan data di bidang bioinformatika, khususnya Post translational Modification (PTM). Studi kasus dalam penelitian ini adalah masalah ketidakseimbangan data metilasi sequence protein lisin. Masalah ketidakseimbangan data tentunya akan mempengaruhi hasil klasifikasi. Oleh karena itu diperlukan suatu metode untuk mengatasi masalah tersebut, salah satunya adalah algoritme SMOTE yang akan digunakan dalam penelitian ini. Tujuan dari penelitian ini adalah untuk menganalisis kinerja algoritma SMOTE dan klasifikasi random forest dalam menangani masalah ketidakseimbangan data. Dataset metilasi urutan protein lisin diperoleh dari http://www.uniprot.org/ dengan mencari kata kunci "metilasi", memiliki 1000 data positif dan 172 data negatif serta memiliki panjang sequence 15 asam amino. Pemisahan dataset menjadi 2, yaitu 80% data latih 20% data uji dan 90% data latih 10% data uji. Fitur ekstraksi yang digunakan adalah AA Index, PseACC, Hydrophobicity, dan CTD. Kemudian, data hasil ekstraksi diolah menggunakan klasifikasi random forest dengan parameter ntree 500, 800, dan 1000 serta mtry 7, 9, dan 14. Hasil tertinggi diperoleh pada pemisahan dataset 80% data latih 20% data uji dengan mtry 14 ntree 500, menghasilkan akurasi 95,65%, sensitivitas 96,2%, spesifisitas 95%, dan MCC 91,25%. One problem that is often encountered when processing data is an imbalance in the number of samples from each class in the data or what is commonly called imbalanced data. In recent years, there have been many studies regarding imbalanced data in the field of bioinformatics, especially Post translational Modification (PTM). The case study in this research is the problem of imbalanced data lysine protein sequence methylation. The problem of imbalanced data will certainly affect the classification results. Therefore, a method is needed to deal with this problem, one of which is the SMOTE algorithm that will be used in this research. The purpose of this research is to analyze the performance of the SMOTE algorithm and random forest classification in handling with imbalanced data problems. The lysine protein sequence methylation dataset was obtained from http://www.uniprot.org/ by searching for the keyword "methylation", has 1000 positive data and 172 negative data and has a sequence length of 15 amino acids. The dataset separation into 2, 80% training data 20% test data and 90% training data 10% test data. The feature extraction used is AA Index, PseACC, Hydrophobicity, and CTD. Then, the extracted data was processed using a random forest classification with ntree parameters 500, 800, and 1000 and mtry 7, 9, and 14. The highest results were obtained in the separation of the dataset 80% training data 20% test data with mtry 14 ntree 500, resulting in 95.65% accuracy, 96.2% sensitivity, 95% specificity, and 91.25% MCC.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2208495796 . Digilib
Date Deposited:	21 Dec 2022 06:40
Terakhir diubah:	21 Dec 2022 06:40
URI:	http://digilib.unila.ac.id/id/eprint/67956

Actions (login required)

Lihat Karya Akhir