YULIA , DWI PUTRI (2024) KLASIFIKASI GEN ESENSIAL PADA SEKUENS PROTEIN DROSOPHILA MELANOGASTER MENGGUNAKAN METODE BIDIRECTIONAL GATED RECURRENT UNIT (BiGRU). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.
|
File PDF
abstrak - Yulia Dwi Putri.pdf Download (11Kb) | Preview |
|
![[img]](http://digilib.unila.ac.id/style/images/fileicons/text.png) |
File PDF
SKRIPSI FULL - Yulia Dwi Putri.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan |
|
|
File PDF
SKRIPSI tanpa pembahasan - Yulia Dwi Putri.pdf Download (1201Kb) | Preview |
Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)
Gen esensial berperan penting dalam kelangsungan hidup organisme, dan identifikasinya memiliki aplikasi luas dalam biologi sintetis dan medis. Namun, teknik eksperimental sering kali mahal dan rumit, sehingga metode komputasional berbasis pembelajaran mesin menjadi alternatif yang lebih efisien. Metode yang digunakan adalah Bidirectional Gated Recurrent Unit (BiGRU) dengan menggunakan Drosophila melanogaster sebagai organisme model. Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja metode Bidirectional Gated Recurrent Unit (BiGRU) dalam sekuens protein pada Drosophila melanogaster. Dataset yang digunakan diperoleh dari penelitian Beder, et al, (2021) dengan 2 jenis dataset yaitu Cellular Essential Gene (CEG) dan Organismal Essential Gene (OEG). Ada dua skema arsitektur model dan dua skenario pembagian data, yaitu 80% training 20% validation dan 90% training 10% validation. Pada dataset CEG memiliki distribusi kelas yang tidak seimbang sehingga dilakukan proses Random Undersampling (RUS). Hasil kinerja yang paling baik pada dataset OEG didapatkan pada skenario pembagian data 80% training 20% validation dengan nilai yang didapat adalah 83 % sensitivitas, 79 % spesifisitas, 80% nilai ROC-AUC dan 85% nilai PR-AUC. Hasil yang paling baik pada dataset CEG diperoleh dari pembagian data 90% training 10% validation dengan nilai yang didapat untuk sensitivitas adalah 73%, spesifisitas 55%, nilai ROC-AUC 64% dan nilai PR-AUC 46%. Kata Kunci: BiGRU, Drosophila melanogaster, Gen Esensial, Sekuens Protein. Essential genes play a crucial role in the survival of organisms, and their identification has wide applications in synthetic biology and medicine. However, experimental techniques are often expensive and complex, making computational methods based on machine learning a more efficient alternative. The method used in this study is the Bidirectional Gated Recurrent Unit (BiGRU), with Drosophila melanogaster as the model organism. The aim of this research is to evaluate the performance of the BiGRU method in protein sequences of Drosophila melanogaster. The dataset used was obtained from the study by Beder et al. (2021) and consists of two types of datasets: Cellular Essential Gene (CEG) and Organismal Essential Gene (OEG). There are two model architecture schemes and two data-splitting scenarios: 80% training and 20% validation, and 90% training and 10% validation. The CEG dataset has an imbalanced class distribution, so Random Undersampling (RUS) was applied. The best performance for the OEG dataset was achieved with the 80% training and 20% validation split, yielding 83% sensitivity, 79% specificity, 80% ROC-AUC, and 85% PR-AUC. The best performance for the CEG dataset was obtained with the 90% training and 10% validation split, yielding 73% sensitivity, 55% specificity, 64% ROC-AUC, and 46% PR-AUC. Keywords: BiGRU, Drosophila melanogaster, Essential Genes, Protein Sequence.
| Jenis Karya Akhir: | Skripsi |
|---|---|
| Subyek: | 000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 500 ilmu pengetahuan alam dan matematika |
| Program Studi: | FAKULTAS MIPA > Prodi Ilmu Komputer |
| Pengguna Deposit: | A.Md Cahya Anima Putra . |
| Date Deposited: | 19 Feb 2025 04:05 |
| Terakhir diubah: | 19 Feb 2025 04:05 |
| URI: | http://digilib.unila.ac.id/id/eprint/84494 |
Actions (login required)
 |
Lihat Karya Akhir |
