title: PREDIKSI METILASI PADA SEQUENCE PROTEIN ARGININE    MENGGUNAKAN RANDOM FOREST
creator: WIWIT MUDYANINGSIH, 1517051225
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
subject: 003 Sistem-sistem
description: One of the popular Post-Translational Modification (PTM) is methylation.  Methylation can occur in the amino acid arginine. Arginine methylation carries  out and regulates several important biological functions, including gene  regulation and signal transduction. Experimental identification of arginine  methylation sites is a daunting task because it is expensive and requires more time  and energy. Therefore reliable predictions play an important task in predicting  quickly and identifying possible methylation sites in proteomes. In the study using  the Random Forest method which is one of the data mining techniques for  classification, and previously performed feature extraction, feature extraction  used is CTD, PseAAc, AA index and QSO by using the protr and bioseqclass  packages in the r programming language. and obtained 138 variables. This study  has 3 types of experiments, training set in 1:1 ratio, Testing data set and  Independent data set. The prediction perform reasonably well with the highest  accuracy obtained in the Independent Data experiment that is equal to 98.08%,  while for Training Data the ratio of 1: 1 gets 93.76% and Testing gets the lowest  accuracy that is equal to 80.32%.    Keywords: Methylation, Random Forest, Prediction, Arginine, Feature  Extraction, Machine Learning  Salah satu Post-Translational Modification (PTM) yang populer adalah metilasi. Metilasi dapat terjadi dalam asam amino arginine. Metilasi arginin melakukan dan  mengatur beberapa fungsi biologis penting, termasuk regulasi gen dan transduksi  sinyal. Identifikasi eksperimental situs arginine metilasi adalah tugas yang berat  dikarenakan mahal serta memerlukan waktu dan tenaga yang lebih. Oleh karena  itu prediksi yang handal memainkan tugas penting dalam memprediksi dengan  cepat dan mengidentifikasi kemungkinan situs metilasi di proteomes. Pada  penelitian menggunakan metode Random forest yang merupakan salah satu teknik  data mining untuk melakukan klasifikasi, serta sebelumnya dilakukan feature  extraction, feature extraction yang digunakan yaitu CTD, PseAAc, AA index dan  QSO dengan menggunakan package protr dan bioseqclass pada bahasa  pemrograman R Programming., dan didapatkan 138 variabel. Penelitian ini  memiliki 3 jenis eksperimen yaitu data Rasio 1:1, Testing dan Independent  dataset. Prediksi ini berkinerja yang cukup baik dengan didapatkan akurasi  tertinggi pada percobaan Data Independent yaitu sebesar 98,08 %, sedangkan  untuk data Training Rasio 1:1 mendapatkan 93,76 % dan Testing mendapat  akurasi terendah yaitu sebesar 80,32 %.  Kata kunci: Metilasi, Random Forest, Prediksi, Arginine, Ekstraksi Fitur,    Machine Learning
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
date: 2019
type: Skripsi
type: NonPeerReviewed
format: text
identifier: http://digilib.unila.ac.id/57732/1/ABSTRAK.pdf
format: text
identifier: http://digilib.unila.ac.id/57732/2/SKRIPSI%20FULL.pdf
format: text
identifier: http://digilib.unila.ac.id/57732/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf
identifier:   WIWIT MUDYANINGSIH, 1517051225  (2019) PREDIKSI METILASI PADA SEQUENCE PROTEIN ARGININE MENGGUNAKAN RANDOM FOREST.  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
relation: http://digilib.unila.ac.id/57732/