KLASIFIKASI PROTEIN FAMILY MENGGUNAKAN

ALGORITME PROBABILISTIC NEURAL NETWORK (PNN)

RIZKY KURNIAWAN

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Klasifikasi Protein

Family Menggunakan Algoritme Probabilistic Neural Network (PNN) adalah

benar karya saya denganarahan 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, 2014

Rizky Kurniawan

NIM G64096055

ABSTRAK

RIZKY KURNIAWAN. Klasifikasi Protein Family Menggunakan Algoritme

Probabilistic Neural Network (PNN). Dibimbing oleh TOTO HARYANTO.

Protein terdiri dari rangkaian dan kombinasi dari 20 asam-amino (amino-

acid) . Protein yang satu memiliki susunan sekuens asam-amino yang berbeda

dengan protein lainnya. Klasifikasi protein sangat membantu sebagai petunjuk

untuk mengetahui struktur, aktivitas dan peranan metabolismenya di dalam

makhluk hidup. Karena banyaknya sekuens baru yang muncul diperlukan metode

untuk mengklasifikasi protein ke dalam kelas yang sesuai. Tujuan dari penelitian

ini adalah untuk menerapkan algoritme Probabilistic Neural Network (PNN)

untuk melakukan klasifikasi protein family. Data protein family yang digunakan

sebanyak tiga kelas, yaitu kelas 1-cysPrx_C, 4HBT dan ABC_Tran. Setiap kelas

diambil sebanyak 100 data. Penelitian ini menggunakan ektraksi ciri rantai

markov orde 1 dan 2. Nilai rata-rata akurasi terbaik Orde Satu sama dengan Nilai

rata-rata akurasi terbaik Orde Dua sebesar 89.667%.

Kata kunci: klasifikasi,Probabilistic Neural Network, Ekstaksi Ciri Rantai Markov,

Protein Family.

ABSTRACT

RIZKY KURNIAWAN. Protein Family Classification Based onProbabilistic

Neural Network (PNN)Algorithm. Supervised by TOTO HARYANTO.

Proteins are composed of series and combination of 20 - amino acid. Each

Protein has the composition of the amino - acid sequence which is different one

from another. The classification of Protein is contributed as a guide to determine

the structure, activity and role in the metabolism of organism. Since necessary to

classifying proteins into appropriate classes, new sequences needed. Since the

number of sequences that appear, new method of classifying proteins into

appropriate classes. The purpose of this study is to apply the algorithm

Probabilistic Neural Network ( PNN ) with four bias to classify the protein family.

There are three classes of protein family data, namely class 1 - cysPrx_C , 4HBT

and ABC_Tran. Each class is taken as 100 Data.

Keywords: classification, Probabilistic Neural Network (PNN), Feature Extraction

Markov Chain, Protein Family.

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ilmu Komputer

pada

Departemen Ilmu Komputer

KLASIFIKASI PROTEINFAMILY MENGGUNAKAN

ALGORITME PROBABILISTIC NEURAL NETWORK (PNN)

RIZKY KURNIAWAN

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

Penguji:

1. Dr. Wisnu Ananta Kusuma, S.T, M.T

2. Muhammad Asyhar Agmalaro, S.Si, M.Kom

Judul Skripsi : Klasifikasi Protein Family Menggunakan Algoritme Probabilistic

Neural Network (PNN)

Nama : Rizky Kurniawan

NIM : G64096055

Disetujui oleh

Toto Haryanto, SKom MSi

Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom

Ketua Departemen

Tanggal Lulus:

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas

segala karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul

“Klasifikasi Protein Family Menggunakan Algoritme Probabilistic Neural

Network (PNN)”. Shalawat serta salam penulis sampaikan kepada Nabi besar

Muhammad shallallahu ‘alaihi wasallam beserta keluarga, sahabat, serta umatnya

hingga akhir zaman.

Terima kasih penulis ucapkan kepada seluruh pihak yang telah berperan

membantu dalam penelitian ini, yaitu:

1. Ibu Suminah beserta Bapak Mudjijono atas kasih sayang, doa dan dorongan

semangat yang telah diberikan kepada penulis sehingga penelitian ini dapat

terselesaikan.

2. Kakak penulis Danu Aditya Yuda beserta keluarga yang telah memberikan

dukungan dan semangat kepada penulis.

3. Nina Maria Priyatina, S. Kom beserta keluarga atas dukungan dan motivasi

yang selama ini diberikan kepada penulis.

4. Bapak Toto Haryanto, S.Kom M.Si selaku pembimbing yang telah bersedia

meluangkan waktunya untuk memberikan bantuan, arahan, serta kritik dan

saran yang bermanfaat selama penelitian ini berlangsung.

5. Bapak Dr. Wisnu Ananta Kusuma, S.T, M.T dan Muhammad Asyhar

Agmalaro, S.Si, M.Kom selaku dosen penguji yang bersedia meluangkan

waktunya dalam seminar dan sidang.

6. Sony Muhammad rekan satu bimbingan penulis yang banyak bertukar fikiran

dalam proses penyelesaian skripsi ini, serta Desta Sandya yang membantu

dalam pembuatan aplikasi.

7. Teman-teman Ekstensi ILKOM angkatan 4 serta Rohis SMA N 4 Depok

angkatan 2009, atas kerjasamanya selama penelitian.

Penulis menyadari bahwa masih terdapat banyak kekurangan dalam

penulisan skripsi ini. Semoga karya ilmiah ini bermanfaat.

Bogor, 2014

Rizky Kurniawan

DAFTAR ISI

DAFTAR TABEL vii

DAFTAR GAMBAR vii

DAFTAR LAMPIRAN viii

PENDAHULUAN 1

Latar Belakang 1

Tujuan 1

Manfaat Penelitian 2

Ruang Lingkup 2

TINJAUAN PUSTAKA 2

Protein 2

Sintesis Protein 3

Kode Genetik 4

ProteinFamily 6

Probabilistic Neural Network (PNN) 6

Ekstraksi Ciri Rantai Markov 7

K-Fold Cross Validation 9

METODE PENELITIAN 9

Kerangka Pemikiran 9

Pengambilan Data 10

Ekstraksi Ciri 10

Pembagian Data Latih dan Data Uji (K-Fold Cross Validation) 11

Analisa Hasil dan Model 11

Implementasi Aplikasi 12

HASIL DAN PEMBAHASAN 12

Pengambilan Data 12

Data Pelatihan dan Data Uji 13

Perhitungan Rata-rata Nilai Akurasi Orde 1 14

Perhitungan Rata-rata Nilai Akurasi Orde 2 16

SIMPULAN DAN SARAN 19

Simpulan 19

Saran 19

DAFTAR PUSTAKA 20

RIWAYAT HIDUP 21

DAFTAR TABEL

1 Cofusion Matrix 11 2 Jenis protein yang digunakan dalam klasifikasi 13 3 Pembagian data uji dan data latih dengan 4-fold cross validation 14 4 Pengujian Orde 1 fold 1 14 5 Pengujian Orde 1 fold 2 14 6 Pengujian Orde 1 fold 3 15 7 Pengujian Orde 1 fold 4 15 8 Pengujian Orde 2 fold 1 16 9 Pengujian Orde 2 fold 2 17

10 Pengujian Orde 2 fold 3 17 11 Pengujian Orde 2 fold 4 18

DAFTAR GAMBAR

1 Daftar Kodon dari mRNA 5 2 Arsitektur Probabilistic Neural Network (PNN) 7 3 Metode Penelitian 9 4 Contoh format FASTA 13 5 Hasil ekstraksi format FASTA 13

6 Grafik Nilai Rata-rata sensitivity dan specificity pada Orde 1 16 7 Grafik Perhitungan Nilai Rata-rata Akurasi pada Orde 1 16

8 Grafik Nilai Rata-rata sensitivity dan specificity pada Orde 2 16 9 Grafik Perhitungan Nilai Rata-rata Akurasi pada Orde 2 19

PENDAHULUAN

Latar Belakang

Protein adalah makromolekul yang paling banyak ditemukan di dalam sel makhluk

hidup dan merupakan 50% atau lebih dari berat kering sel. Protein memiliki jumlah sangat

bervariasi yang mulai dari struktur maupun fungsinya. Peranan protein diantaranya sebagai

katalisator, pendukung, cadangan, sistem imun, alat gerak, sistem transport, dan respon

kimiawi (Lehninger et al., 2004). Protein terdiri dari rangkaian dan kombinasi dari 20

asam-amino (amino-acid). Protein yang satu memiliki susunan sekuens asam-amino yang

berbeda dengan protein lainnya. Klasifikasi protein sangat membantu sebagai petunjuk

untuk mengetahui struktur, aktivitas dan peranan metabolismenya di dalam makhluk hidup.

Terdapat beberapa keuntungan yang dapat diperoleh dari klasifikasi protein (Wu CH et.al

2003), diantaranya (1) memperbaiki hasil identifikasi protein yang sangat sulit apabila

dilakukan dengan teknik pensejajaran pasangan asam amino (2) membantu dalam proses

maintenance yang ada dengan memberikan informasi berbasis family (3) membantu dalam

menemukembalikan informasi biologi yang relevan dari data sangat besar (4) membantu

dalam melakukan analisis kekerabatan atau filogenetik.

Pangkalan data struktur primer protein yang berupa asam amino merupakan hasil

translasi RNA dapat diklasifikasikan dengan beberapa kategori (Polanski dan Kimmel

2007) yaitu: (1) hierarchical family superfamilies/families pada tools PIR-PSD dan

ProtoMap, (2) protein domain pada tools Pfam dan ProDom , (3) motif sekuens pada tools

PROSITE dan PRINT, (4) struktur kelas protein pada tools SCOP dan CATH, dan (5)

integrasi berbagai family pada tools iProClassn dan InterPro. Semua pangkalan data

tersebut memiliki kegunaan yang spesifik.

Penelitian yang terkait dengan klasifikasi protein family pernah dilakukan oleh

Muhammad (2013) menggunakan metode Rantai Markov. Data yang digunakan pada

penelitian Muhammad sama dengan data yang digunakan pada penelitian ini, yaitu terbagi

menjadi tiga kelas protein family yaitu kelas 1-cysPrx_C, 4HBT, dan ABC_Tran. Orde

satu menghasilkan akurasi terbaik sebesar 96% dan orde dua menghasilkan akurasi terbaik

sebesar 89.33%.

Penelitian terkait dilakukan oleh Fajar (2013). Fajar menggunakan metode ektraksi

ciri Rantai Markov dengan orde satu dan orde dua serta metode klasifikasi Probabilistic

Neural Network (PNN) dengan data berupa sequence DNA. Penelitian ini menghasilkan

nilai sensitivity terbaik 0,7136 dan specificity terbaik 0,9284. Hasil ini diperoleh ketika

mengunakan panjang sequence 1000 bp dan metode ekstraksi ciri Rantai Markov Orde

Dua.

Berdasarkan latar belakang tersebut, maka pada penelitian ini ditujukan untuk

mengimplementasikan algoritme Probabilistic Neural Network (PNN) dalam melakukan

klasifikasi terhadap protein family.

Tujuan

Penelitian ini bertujuan untuk:

Menghasilkan model klasifikasi menggunakan metode ekstraksi ciri Rantai Markov

Orde Satu dan Orde Dua dengan algoritme Probabilistic Neural Network (PNN)

2

Mengidentifikasi protein family terhadap tiga kelas protein family, yaitu kelas 1-

cysPrx_C, 4HBT, dan ABC_Tran.

Manfaat Penelitian

Manfaat dari penelitian ini adalah dapat mengklasifikasikan protein family dengan

menggunakan algoritme Probabilistic Neural Network (PNN) serta dapat menghasilkan

sistem identifikasi protein family terhadap tiga kelas protein family yaitu kelas 1-cysPrx_C,

4HBT, dan ABC_Tran.

Ruang Lingkup

Ruang lingkup penelitian ini adalah:

Struktur protein yang diklasifikasikan hanya sampai pada tingkat struktur primer

berupa deretan asam amino.

Data yang digunakan adalah data yang diambil dari pangkalan data Pfam dengan

kategori protein domain. Data dapat di diunduh pada alamat

ftp://ftp.sanger.ac.uk/pub/databases/pfam.

TINJAUAN PUSTAKA

Protein

Protein merupakan zat gizi yang sangat penting, karena yang paling erat

hubungannya dengan proses-proses kehidupan. Nama protein berasal dari bahasa Yunani

(Greek) proteus yang berarti “yang pertama” atau “yang terpenting”. Seorang ahli kimia

Belanda yang bernama Mulder, mengisolasi susunan tubuh yang mengandung nitrogen dan

menamakannya protein, terdiri dari satuan dasarnya yaitu asam amino (biasa disebut juga

unit pembangun protein) (Suhardjo dan Clara, 1992).

Dalam proses pencernaan, protein akan dipecah menjadi satuan-satuan dasar kimia.

Protein terbentuk dari unsur-unsur organik yang hampir sama dengan karbohidrat dan

lemak yaitu terdiri dari unsur karbon (C), hidrogen (H), dan oksigen (O), akan tetapi

ditambah dengan unsure lain yaitu nitrogen (N). Molekul protein mengandung pula fosfor,

belerang, dan ada jenis protein yang mengandung unsur logam seperti besi dan tembaga.

Molekul protein tersusun dari satuan-satuan dasar kimia yaitu asam amino. Dalam molekul

protein, asam-asam amino ini saling berhubung-hubungan dengan suatu ikatan yang

disebut ikatan peptida (CONH). Satu 4 molekul protein dapat terdiri dari 12 sampai 18

macam asam amino dan dapat mencapai jumlah ratusan asam amino (Suhardjo dan Clara,

1992).

Protein adalah molekul makro yang mempunyai berat molekul antara lima ribu

hingga beberapa juta. Protein terdiri atas rantai-rantai asam amino, yang terikat satu sama

lain dalam ikatan peptida. Asam amino yang terdiri atas unsur-unsur karbon, hidrogen,

oksigen dan nitrogen, beberapa asam amino disamping itu mengandung unsur-unsur fosfor,

besi, iodium, dan cobalt. Unsur nitrogen adalah unsur utama protein, karena terdapat di

dalam semua protein akan tetapi tidak terdapat di dalam karbohidrat dan lemak. Unsur

3

nitrogen merupakan 16% dari berat protein. Molekul protein lebih kompleks daripada

karbohidrat dan lemak dalam hal berat molekul dan keanekaragaman unit-unit asam amino

yang membentuknya (Almatsier. S, 1989).

Berikut adalah 20 asam amino yang menyusun protein, dikelompokan menurut sifat

dan struktur kimiawinya yaitu (1) Asam amino alifatik sederhana terdiri dari: Glisina (Gly,

G), Alanina (Ala, A), Valina (Val, V), Leusina (Leu, L), Isoleusina (Ile, I), (2) Asam

amino hidroksi-alifatik terdiri dari: Serina (Ser, S), Treonina (Thr, T), (3) Asam amino

dikarboksilat (asam) terdiri dari: Asam aspartat (Asp, D), Asam glutamat (Glu, E), (4)

Amida terdiri dari: Asparagina (Asn, N), Glutamina (Gln, Q), (5) Asam amino basa terdiri

dari: Lisina (Lys, K), Arginina (Arg, R), Histidina (His, H) (memiliki gugus siklik), (6)

Asam amino dengan sulfur terdiri dari: Sisteina (Cys, C), Metionina (Met, M), (7) Prolin:

Prolina (Pro, P) (memiliki gugus siklik), (8) Asam amino aromatic terdiri dari: Fenilalanina

(Phe, F), Tirosina (Tyr, Y), Triptofan (Trp, W). Struktur protein dapat dilihat secara hierarki sebagai struktur primer, sekunder dan

tersier (Polanski dan Kimmel 2007), yaitu : (1) Struktur Primer, yaitu sebuah protein yang

tersusun dari serangkaian asam amino, (2) Struktur Sekunder, yaitu struktur primer yang

berinteraksi dengan ikatan hidrogen sehingga menghasilkan struktur baru. Bentuk – bentuk

struktur sekunder yang paling umum yaitu struktur alpha helix, beta sheets dan coil, (3)

Struktur tersier, merupakan variasi dari berbagai bentuk struktur sekunder yang kemudian

menghasilkan struktur yang baru, (4) Struktur kuartener, yaitu struktur yang dibangun dari

sejumlah molekul protein.

Sintesis Protein

Proses sintesis atau pembentukan protein memerlukan adanya molekul RNA yang

merupakan materi genetik di dalam kromosom, serta DNA sebagai pembawa sifat

keturunan.Gen menspesifikasikan protein melalui transkripsi dan translasi (Campbell et al.

2011).

Gen menyediakan instruksi untuk membuat protein spesifik. Akan tetapi, gen tidak

membangun protein secara langsung. Jembatan antara DNA dan sintesis protein adalah

asam nukleat RNA. RNA mirip dengan DNA secara kimiawi, hanya saja RNA

mengandung gula ribosa sebagai pengganti deoksiribosa dan mengandung basa bernitrogen

urasil sebagai pengganti timin. Dengan demikian, setiap nukleotida di sepanjang

untai DNA mengandung A, G, C, atau T sebagai basanya, sedangkan setiap nukleotida

disepanjang untai RNA mengandung A, G, C, atau U sebagai basanya. Molekul

RNA biasanya terdiri atas satu untai tunggal (Campbell et al. 2011).

Dalam RNA atau DNA, monomer adalah keempat tipe nukleotida, yang berbeda

dalam kandungan basa benitrogen. Gen umumnya memiliki panjang yang mencapai

ratusan atau ribuan nukleotida; masing-masing gen mengandung sekuens basa spesifik.

Setiap polipeptida dari suatu protein juga mengandung monomer-monomer yang tertata

dalam urutan linear tertentu ( struktur primer protein ), namun monomer-monomernya

merupakan asam amino. Dengan demikian, asam nukleat dan protein mengandung

informasi yang tertulis dalam dua bahasa kimiawi yang berbeda. Ini membutuhkan dua

tahap utama dari DNA ke protein, yaitu transkripsi dan translasi (Campbell et al. 2011).

1. Transkripsi

Transkripsi adalah sintesis RNA dibawah arahan DNA. Kedua asam nukleat

menggunakan bahasa yang sama, dan informasi hanya ditranskripsi, atau disalin, dari

4

satu molekul menjadi molekul lain. Selain menjadi cetakan untuk sintesis untai

komplementer baru saat replikasi DNA, untai DNA juga bisa berperan sebagai cetakan

untuk merakit sekuens nukleotida RNA komplementer. Untuk gen pengode protein,

molekul RNA yang dihasilkan merupakan transkrip akurat dari instruksi pembangun

protein yang dikandung oleh gen. molekul RNA transkrip bisa dikirimkan dalam

banyak salinan. Tipe molekul RNA ini disebut RNA duta (messenger RNA, mRNA)

karena mengandung pesan genetik dari DNA ke mekanisme penyintesis protein sel.

2. Translasi

Translasi adalah sintesis polipeptida yang terjadi dibawah arahan mRNA. Selama

tahap ini terjadi perubahan bahasa. Sel harus menerjemahkan alias menstranslasikan

sekuens basa molekul mRNA menjadi sekuens asam amino polipeptida. Tempat

terjadinya translasi adalah ribosom, partikel-partikel kompleks yang memfasilitasi

penautan teratur asam amino menjadi rantai polipetida. Translasi merupakan proses

penerjemahan beberapa triplet atau kodon dari mRNA menjadi asam amino-asam

amino yang akhirnya membentuk protein. Urutan basa nitrogen yang berbeda pada

setiap triplet, akan diterjemahkan menjadi asam amino yang berbeda. Misalnya, asam

amino fenilalanin diterjemahkan dari triplet UUU (terdiri dari 3 basa urasil), asam

amino triptofan (UGG), asam amino glisin (GGC), dan asam amino serin UCA.

Sebanyak 20 macam asam amino yang diperlukan untuk pembentukan protein

merupakan hasil terjemahan triplet dari mRNA. Selanjutnya, dari beberapa asam

amino (puluhan, ratusan, atau ribuan) tersebut dihasilkan rantai polipeptida spesifik

dan akan membentuk protein spesifik pula.

Kode Genetik

Sintesis protein dikodekan dalam DNA, hanya terdapat empat macam basa

nukleotida untuk menspesifikasikan 20 asam amino. Aliran informasi dari gen ke protein

didasarkan padakode triplet (triplet code): instruksi-instruksi genetic untuk rantai

polilpetida ditulis dalam DNA sebagai rangkaian kata tiga nukleotida yang tidak tumpang

tindih. Misalnya, triplet basa AGT diposisi tertentu pada seuntai DNA menghasilkan

penempatan asam amino serin pada posisi yang bersesuaian dari polipeptida yang sedang

dibuat. Untuk setiap gen, hanya satu dari kedua untai DNA yang ditranskripsikan. Untaian

ini disebut untai cetakan (template strand) karena menyediakan pola, atau cetakan, untuk

sekuens nukleotida-nukleotida dalam transkrip RNA. Untai DNA tertentu merupakan untai

cetakan untuk beberapa gen disepanjang molekul DNA, sedangkan untuk gen-gen lain

untai komplementerlah yang berfungsi sebagai cetakan. Perlu diperhatikan untuk suatu gen,

untai yang sama digunakan sebagai cetakan setiap kali gen tersebut ditranskripsi.

Perpasangan serupa dengan yang terbentuk saat replikasi DNA, hanya saja U, pengganti

untuk T pada RNA, berpasangan dengan A, dan nukleotida mRNA mengandung ribosa,

bukan deoksiribosa. Seperti untai baru DNA, molekul RNA disintesis dengan arah yang

anti pararel terhadap untai cetakan DNA. Misalnya triplet basa ACC pada DNA ( ditulis

sebagai 3’-ACC-5’ ) menjadi cetakan untuk 5’-UGG-3’ pada molekul mRNA. Triplet basa

mRNA disebut kodon ( codon ), dan biasanya ditulis dengan arah 5’ à 3’. Dalam contoh

kita, UGG merupakan kodon untuk asam amino triptofan ( disingkat Trp ). Istilah kodon

juga digunakan untuk triplet basa disepanjang untai bukan cetakan ( non template ).

Kodon-kodon ini komplementer terhadap untai cetakan, dan dengan demikian bersekuens

5

identik dengan mRNA hanya saja mengandung T bukan U. (karena alasan ini, untai DNA

bukan cetakan, terkadang disebut ‘untai pengode’).

Saat translasi, sekuens kodon di sepanjang molekul mRNA diterjemahkan atau

ditranslasi, menjadi sekuens asam amino yang menyusun rantai polipeptida. Karena kodon

merupakan triplet basa, jumlah nukleotida yang menyusun suatu pesan genetik pastilah tiga

kali lebih banyak daripada jumlah asam amino dalam protein yang dihasilkan. Misalnya

300 nukleotida diperlukan disepanjang satu untai mRNA untuk menodekan asam-asam

amino dalam polipeptida yang panjangnya 100 asam amino.

Kodon pertama kali dipecahkan pada tahun 1961 oleh Marshal Nirenberg dan

Mathei. Mereka melakukan percobaan menggunakan E. coli dengan asam poli urasil.

Menurut hasil percobaan tersebut, cetakan UUU yang dibawa oleh mRNA, artinya adalah

asam amino fenilalanin. Dengan cara yang sama, triplet CCC diartikan sebagai prolin dan

triplet AAA artinya asam amino lisin. Pada kamus kode genetik terdapat 64 kombinasi

triplet untuk 20 asam amino. Jadi, terdapat asam amino tertentu melebihi triplet ( kodon).

Setiap triplet disusun oleh 3 basa nitrogen. Rangkaian tiga basa nitrogen yang menyusun

kode disebut triple atau trikodon atau kodon. Rangkaian tiga basa nitrogen yang ada pada

DNA yang bertugas membuat kode-kode disebut kodogen ( agen pengkode ). Dari 64

triplet hanya 61 triplet yang mengodekan asam amino (lihat tabel kodon) . Ketiga kodon

yang tidak mengodekan asam amino merupakan sinyal ‘stop’, atau kodon terminasi, yang

menandai akhir translasi. Perhatikan bahwa kodon AUG berfungsi ganda: mengodekan

asam amino metionin ( Met ) dan berfungsi sebagai sinyal ‘mulai’, atau kodon inisiasi.

Pesan-pesan genetik dimulai dengan kodon mRNA, AUG, yang memberi sinyal pada

mekanisme penyintesis protein untuk mulai mentraslasikan mRNA pada lokasi itu. (

karena AUG juga mengodekan metionin, rantai polipeptida diawali oleh Metionin saat

disintesis. Akan tetapi, sejenis enzim mungkin akan segera menyingkirkan asam

amino strarter dari rantai tersebut (Campbell et al. 2011).

Gambar 1 Daftar Kodon dari mRNA

6

ProteinFamily

Protein-protein yang dikelompokkan ke dalam kelas yang sama, pada dasarnya

memiliki keterhubungan secara evolusi. Protein-protein yang dikelompokkan ke dalam

kelas yang sama, memiliki nenek moyang yang sama (ancestor), dan secara umum

memiliki kemiripan, baik dalam struktur tiga dimensinya, fungsi, maupun sekuens

penyusunnya. Meskipun seringkali sulit untuk mengevaluasi seberapa signifikan baik

tingkat kemiripan fungsi maupun struktur antara protein yang satu dengan yang lain, pada

dasarnya protein yang tidak memiliki ancestor yang sama, memiliki perbedaan yang cukup

signifikan pada sekuens penyusunnya. Hal ini menyebabkan banyak dikembangkannya

metode untuk mengklasifikasikan protein family berdasarkan sekuens asam amino

penyusunnya. Saat ini, telah ditemukan lebih dari 60.000 kelas family (Kunin et al. 2003)

meskipun masih terdapat banyaknya ambiguitas mengenai definisi yang paling tepat

mengenai protein family, menyebabkan banyaknya perbedaan hasil yang ditemukan antara

peneliti yang satu dengan yang lain.

Probabilistic Neural Network (PNN)

PNN merupakan Artificial Neural Network (ANN) yang menggunakan teorema

probabilitas klasik. PNN diperkenalkan oleh Donald Specht pada tahun 1990. PNN

menggunakan pelatihan (training) supervised. Keuntungan utama menggunakan arsitektur

PNN adalah Training data PNN mudah dan cepat (Wu et al. 2007).

Probabilistic Neural Network (PNN) merupakan Jaringan Saraf Tiruan (JST) yang

menggunakan teorema probabilitas klasik seperti pengklasifikasian Bayes dan penduga

kepekatan Parzen. Proses yang dilakukan oleh PNN dapat berlangsung lebih cepat bila

dibandingkan dengan JST Back Propagation. Hal ini disebabkan PNN hanya

membutuhkan satu kali iterasi pelatihan bila dibandingkan dengan JST Back Propagation

yang membutuhkan beberapa kali iterasi pelatihan (Specht 1990).

Struktur PNN terdiri atas empat lapisan, seperti yang terlihat pada Gambar 1. yaitu

input layer, pattern layer, summation layer, dan decision layer. Input layer merupakan

objek yang terdiri atas nilai ciri yang akan diklasifikasikan pada n kelas. Nilai-nilai k

kemudian akan membentuk sebuah vektor masukan, vektor x. Proses-proses yang terjadi

setelah fase input layer adalah:

1. Lapisan pola (pattern layer)

Pattern layer menggunakan satu node untuk setiap data pelatihan yang digunakan.

Setiap node pola merupakan selisih dari vektor masukan dengan vektor bobot xij, yaitu

rij = x - xij.rij kemudian dibagidengan faktor bias σ sehingga menghasilkan Pij. Dengan

demikian, persamaan yang digunakan adalah :

Ket: x= Vektor input (data uji)

xij= Vektor bobot (data latih) kelas ke i data ke j

= Smoothing Parameter

7

2. Lapisan penjumlahan (summation layer)

Summation layer menerima masukan dari setiap node pattern layer yang terkait dengan

kelas yang ada. Hasil dari pattern layer setiap kelas diwakilkan oleh .Persamaan yang

digunakan pada lapisan ini adalah:

Ket: x = Vektor input (data uji)

xij= Vektor bobot (data latih) pada kelas ke i data ke j

= Smoothing Parameter

k = panjang dimensi vektor

= banyaknya data latih dalam kelas i

3. Lapisan keluaran / keputusan (output layer)

Menentukan kelas dari input yang diberikan. Input x akan masuk kelas Y jika nilai

peluang masuk ke Y paling besar dibandingkan peluang masuk ke kelas lainnya.

Secara umum arsitektur PNN dapat dilihat pada Gambar 2 di bawah ini :

Ekstraksi Ciri Rantai Markov

Rantai Markov adalah pemograman dinamis stokastik untuk menangkap perilaku

user. Diperkenalkan oleh matematikawan Rusia bernama Prof Andrei A. Markov (1856-

1922) dan pertama kali diterbitkan hasilnya pada tahun 1906. Dengan menggunakan proses

X1

X2

Xp

P1I

Pni

P1j

P2j

Pnj

S1

S2

Ambil

yang

maksimu

mVe

kto

r in

pu

t se

ba

nya

k P

dim

en

si

Lapisan Masukan Lapisan Pola Lapisan

PenjumlahanLapisan Keluaran

P2I

Gambar 2 Arsitektur Probabilistic Neural Network (PNN)

8

Markov maka dimungkinkan untuk memodelkan fenomena stokastik dalam dunia nyata

yang berkembang menurut waktu. Masalah dasar dari metode stokastik dengan proses

Markov adalah menentukan deskripsi state yang sesuai, sehingga proses stokastik yang

berpaduan akan benar-benar memiliki apa yang akan disebut sifat Markov (Markovian

property), yaitu pengetahuan terhadap state ini adalah cukup untuk memprediksi perilaku

stokastik yang akan datang (Ching dan Ng, 2006).

Suatu rantai Markov dikatakan diskret (discrete time Markov chain) jika ruang dari

proses Markov tersebut adalah himpunan terbatas (finite) atau tercacah (countable), dengan

himpunan indeks adalah T = (0, 1, 2, …). Jika nilai suatu state pada periode tertentu hanya

bergantung pada satu periode sebelumnya, maka rantai tersebut disebut rantai Markov orde

satu (first order Markov chain) dan jika nilai suatu state pada periode tertentu bergantung

pada periode sebelumnya, maka rantai tersebut disebut rantai Markov orde m (m order

Markov chain). Rantai Markov orde satu secara matematika dirumuskan sebagai berikut.

Adapun rantai Markov orde m (m order Markov chain) secara matematika

dirumuskan sebagai berikut.

Peluang bahwa Xn+1 berada pada state j jika Xn berada pada state i disebut sebagai

peluang transisi satu langkah (one step transition probability). Secara matematis dapat

terlihat pada rumus di bawah ini:

Jika peluang ini bebas dari indeksnya, maka peluang ini disebut proses Markov

dengan peluang transisi stasioner. Sehingga peluang transisi tersebut dirumuskan sebagai

berikut:

Peluang transisi ini disusun dalam bentuk matriks, yang disebut peluang matriks

transisi P, yang setiap unsurnya adalah Pi j yaitu P{Xn+1 = j | Xn = i} Matriks tersebut

terdapat di bawah ini:

P{Xn+1 = j | Xn = i }

P{Xn+1 = j | X(n+1)-m = i1, X(n+1)-m+1 = i2,…, Xn = in }

9

K-Fold Cross Validation

Cross validation merupakan metode untuk memperkirakan generalisasi galat

berdasarkan “resampling” K-fold cross validation membagi data menjadi k subset yang

ukurannya hampir sama satu sama lain. Subset yang dihasilkanyaitu S1, S2, S3,..,Sk yang

digunakan sebagai data pelatihan dan data pengujian. Dalam metode ini dilakukan

perulangan sebanyak k kali. Setiap kali perulangan, salah satu subset akan dijadikan data

uji dan k-1 subset lainnya dijadikan sebagai data latih. Pada perulangan ke-i, subset

digunakan sebagai data pengujian dan subset lainnya digunakan sebagai data pelatihan, dan

seterusnya (Hastie et al. 2011).

METODE PENELITIAN

Kerangka Pemikiran

Penelitian ini dilakukan dengan beberapa tahapan proses untuk mengetahui tingkat

akurasi yang diperoleh menggunakan algoritme Probabilstic Neural Network (PNN).

Tahapan-tahapan mulai dari pengambilan data hingga implementasi akan dijelaskan pada

ilustrasi sesuai Gambar 3.

Gambar 3 Metode Penelitian

10

Pengambilan Data

Data protein family diperoleh dari Pfam yang merupakan pusat database

komprehensif yang meliputi berbagai macam koleksi data. Pfam memiliki koleksi kurang

lebih 12.000 data protein family yang diperoleh dengan komputasional, eksperimen,

penelitian dan penelian biologi mengenai spesifik protein, bentuk asal serta hasil

evolusinya. Pfam juga telah dipergunakan secara luas oleh berbagai macam komunitas

yang bergerak di bidang structural biologi untuk mengidentifikasi jenis protein baru.

Data yang digunakan terdiri dari tiga kelas protein family yaitu kelas 1-cysPrx_C,

4HBT dan ABC_Tran, yang masing-masing kelasnya mempunyai seratus data protein

dengan format FASTA. Data dapat diunduh di http://www.pfam.sanger.co.uk.

Ekstraksi Ciri

Pada penelitian ini, matriks transisi akan dibangun berukuran 20 × 20 sesuai

dengan banyaknya monomer atau jenis asam amino yang ada. Metode penyimpanan nilai

sekuens ke dalam matriks transisi hanya menggunakan orde satu. Matriks transisi Rantai

Markov Orde Satu dibentuk dari peluang-peluang munculnya komponen asam amino

tertentu setelah sebelumnya merupakan tepat satukomponen asam amino tertentu. Dengan

demikian matriks transisi Rantai Markov Orde Satu terdiri atas P(G|G), yaitu peluang

munculnya komponen asam amino G setelah sebelumnya merupakan komponen asam

amino G, P(G|A), P(G|V), P(G|I) dan seterusnya. Matrik transisi Rantai Markov Orde satu

dapat dilihat dibawah ini:

Matriks transisi Rantai Markov Orde Dua dibentuk dari peluang-peluang

munculnya komponen asam amino tertentu setelah sebelumnya merupakan tepat dua

komponen asam amino tertentu. Dengan demikian matriks transisi Rantai Markov Orde

Dua terdiri atas P(G|G), yaitu peluang munculnya komponen asam amino G setelah dua

komponen sebelumnya merupakan komponen asam amino G, P(G|A), P(G|V), P(G|I) dan

seterusnya.

Proses ekstraksi ciri dilakukan pada semua data, baik data latih maupun data uji.

Jadi akan terdapat 300 matriks data hasil ektraksi ciri yang akan diproses ke tahap

selanjutnya. Hasil ekstraksi ciri yang berupa matriks berukuran 20x20 lalu diubah menjadi

sebuah vector berukuran 1x400 dengan cara meletakan baris kedua pada matrix tersebut

setelah baris pertama, lalu baris ketiga setelah baris pertama dan kedua begitu seterusnya

hingga terbentuk vector berukuran 1x400.

11

Pembagian Data Latih dan Data Uji (K-Fold Cross Validation)

Setelah dilakukan ekstraksi ciri kemudian dibagi menjadi data latih dan data uji

meenggunakan metode k-fold cross validation dengan k = 4. Semua data akan dibagi

menjadi 4 fold yaitu D1, D2, D3, D4 yang masing-masing fold memiliki data yang sama.

Proses identifikasi akan dilakuakan 4 kali iterasi berdasarkan k-fold cross validation dan

data latih serta data uji memiliki fold yang berbeda pada setiap iterasinya sehingga

terciptanya model klasifikasi yang terbaik.

Probabilistic Neural Network (PNN)

Pada tahap ini dilakukan algoritme Probabilistic Neural Network (PNN) dengan data

latih dan data uji yang telah dibagi pada proses k -fold cross validation. Pada setiap fold

setiap data latih akan diproses ke semua data latih yang ada, dan hasilnya akan

dijumlahkan sesuai dengan kelasnya masing-masing untuk menghitung besarnya peluang

terhadap tiga kelas yang tersedia. Hasilnya akan ditentukan dengan melihat nilai peluang

yang terbesar. Nilai bias yang digunakan pada proses ini adalah satu.

Analisa Hasil dan Model

Analisa hasil dan model dilakukan untuk memastikan bahwa model algoritme

Probabilistic Neural Network (PNN) yang dihasilkan adalah model yang terbaik. Dengan

model terbaik, akan menghasilkan akurasi yang paling tinggi dalam proses klasifikasi

sehingga model tersebut yang nantinya akan digunakan pada saat implementasi.

Selain itu juga dilakukan analisis perhitungan nilai sensitivity dan specificity untuk

setiap kelas yang ada. Dalam pencarian nilai sensitivity dan specificity dibutuhkan suatu

matrix yang disebut confusion matrix.

Confusion matrix adalah sebuah tabel yang digunakan untuk memvisualisasikan

kinerja suatu algoritme. Setiap kolom dalam matriks merepresentasikan kelas yang

diprediksikan, sedangkan setiap baris merepresentasikan kelas yang sebenarnya.

Contoh table of confusion perhitungan nilai sensitivity dan specificity untuk kelas 1-

cysPrx_C dapat dilihat pada Tabel 1 di bawah ini.

Tabel 1 Cofusion Matrix

Terdeteksi sebagai

sequence asam amino

kelas 1-cysPrx_C

Terdeteksi sebagai

bukan sequence asam

amino kelas 1-

cysPrx_C

Sequence asam amino uji

kelas 1-cysPrx_C tp fn

Bukan sequence asam

amino uji kelas 1-

cysPrx_C

fp tn

12

Keterangan:

tp : true positive (jumlah sequence DNA uji genus A yang tepat teridentifikasi

sebagai sequence DNA genus A)

tn : true negative (jumlah bukan sequence DNA uji genus A yang tepat

teridentifikasi sebagai bukan sequence DNA genus A)

fp : false positive (jumlah bukan sequence DNA uji genus A yang

teridentifikasi sebagai sequence DNA genus A)

fn : false negative (jumlah sequence DNA uji genus A yang teridentifikasi

sebagai bukan sequence DNA genus A)

Sensitivity mengukur proporsi positif yang diidentifikasi dengan benar, sedangkan

specificity mengukur proporsi negatif yang diidentifikasi dengan benar. Persamaan dari nilai Sensitivity adalah:

Persamaan dari nilai specificity adalah:

Dalam penelitian ini digunakan tiga kelas sehingga akan diperoleh tiga nilai sensitivity

dan specificity. Ketiga nilai sensitivity dan specificity pada setiap fold tersebut kemudian dirata-

ratakan sehingga diperoleh nilai sensitivity dan specificity yang merepresentasikan setiap fold.

Implementasi Aplikasi

Setelah mengetahui model yang terbaik kemudian diimplementasikan kedalam

bentuk program berbasis website. Program ini akan membantu pengguna untuk

mengklasifikasi protein family.

HASIL DAN PEMBAHASAN

Pengambilan Data

Data yang digunakan pada penelitian ini adalah kumpulan protein family yang

terdapat pada pangkalan data bernama Pfam. Jenis-jenis protein yang di gunakan pada

penelitian ini dapat dilihat pada Tabel 2.

13

Tabel 2 Jenis protein yang digunakan dalam klasifikasi

No Nama Keterangan

1 1-cysPrx_C C-terminal domain dari 1-Cys peroxiredoxin (1-

cysPrx), anggota dari superfamili peroxiredoxin

yang melindungi sel terhadap oksidasi membrane.

2 4HBT Berfungsi untuk melakukan katalisasi dalam

proses biosintesis.

3 ABC_Tran Atau disebut juga ABC Transporter yang

menggunakan hidrolisis Adenosina trifosfat (ATP)

untuk mentranslokasi berbagai senyawa melintasi

membran biologis.

Data diambil secara acak. Setiap kelas masing-masing diambil seratus data.

Sehingga terdapat tiga ratus data dalam penelitian ini. Pembagian data latih dan data uji

dilakukan dengan menggunakan metode k-fold cross validation dengan k = 4, dimana

terdiri dari 75% digunakan untuk data latih dan 25% digunakan untuk data uji. Data yang

didapat adalah salah satu tipe data biologi yang disediakan yaitu FASTA. Contoh data

dapat dilihat pada Gambar 4.

>B3ARY6_ECO57/154-186 PF10417.3;1-cysPrx_C; merupakan identifier pfam

dengan 1-cysPrx_C merupakan keterangan kelas proteinfamily. Adapun deretan huruf

dibawahnya merupakan sekuens asam amino atau protein. Setelah ini dilakukan ekstraksi

data sehingga terjadi pemisahan antara identifier dengan sekuensnya. Lebih jelasnya dapat

dilihat pada Gambar 5 berikut.

Data Pelatihan dan Data Uji

Data yang digunakan sebanyak tiga ratus data yang terbagi menjadi tiga kelas. Jadi

masing-masing kelas terdiri dari seratus data. Setiap kelas terdiri dari 75 data latih dan 25

data uji. Pembagian data latih dan data uji menggunakan k-fold cross validation agar

semua data pernah dijadikan data latih. Pembagian data menggunakan k-fold cross

validation dapat dilihat pada Tabel 3 berikut.

>B3ARY6_ECO57/154-186 PF10417.3;1-cysPrx_C;

AAQYVASHPGEVCPAKWKEGEATLAPSLDLVGK

AAQYVASHPGEVCPAKWKEGEATLAPSLDLVGK

Gambar 4 Contoh format FASTA

Gambar 5 Hasil ekstraksi format FASTA

14

Tabel 3 Pembagian data uji dan data latih dengan

4-fold cross validation

fold Data Uji Data Latih

1 D4 D1, D2, D3

2 D3 D1, D2, D4

3 D2 D1, D3, D4

4 D1 D2, D3, D4

Perhitungan Rata-rata Nilai Akurasi Orde 1

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 1 fold 1 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 4.

Tabel 4 Pengujian Orde 1 fold 1

1-cysPrx_C 4HBT ABC_Tran Akurasi (%)

1-cysPrx_C 22 0 3 88.00

4HBT 0 22 3 88.00

ABC_Tran 0 0 25 100.00

Rata-rata 92.00

Hasil akurasi pada Orde 1 fold 1 diperoleh rata-rata sebesar 92%. Kelas 1-cysPrx_C

dapat terklasifikasi dengan benar sebanyak dua puluh dua, tiga sisanya terklasifikasi ke

dalam kelas ABC_Tran. Kelas 4HBT dapat terklasifikasi dengan benar sebanyak dua puluh

dua, tiga sisanya terklasifikasi ke dalam kelas ABC_Tran. Sedangkan Kelas ABC_Tran

dapat terklasifikasi semua dengan benar.

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 1 fold 2 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 5.

Tabel 5 Pengujian Orde 1 fold 2

1-cysPrx_C 4HBT ABC_tran Akurasi (%)

1-cysPrx_C 11 0 14 44.00

4HBT 0 25 0 100.00

ABC_Tran 0 0 25 100.00

Rata-rata 81.33

Hasil akurasi pada Orde 1 fold 2 diperoleh rata-rata sebesar 81.33%. Kelas 1-

cysPrx_C dapat terklasifikasi dengan benar sebanyak sebelas, empat belas sisanya

terklasifikasi ke dalam kelas ABC_Tran. Sedangkan kelas 4HBT dan ABC_Tran dapat

terklasifikasi semua dengan benar.

15

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 1 fold 3 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 6.

Tabel 6 Pengujian Orde 1 fold 3

1-cysPrx_C 4HBT ABC_tran Akurasi (%)

1-cysPrx_C 25 0 0 100.00

4HBT 0 24 1 96.00

ABC_Tran 0 0 25 100.00

Rata-rata 98.66

Hasil akurasi pada Orde 1 fold 3 diperoleh rata-rata sebesar 98.66%. Kelas 4HBT

dapat terklasifikasi dengan benar sebanyak dua puluh empat, satu sisanya terklasifikasi ke

dalam kelas ABC_Tran. Sedangkan kelas 1-cysPrx_C dan ABC_Tran dapat terklasifikasi

semua dengan benar.

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 1 fold 4 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 7.

Tabel 7 Pengujian Orde 1 fold 4

1-cysPrx_C 4HBT ABC_tran Akurasi (%)

1-cysPrx_C 25 0 0 100.00

4HBT 0 11 14 44.00

ABC_Tran 0 0 25 100.00

Rata-rata 81.33

Hasil akurasi pada Orde 1 fold 4 diperoleh rata-rata sebesar 81.33%. Kelas 4HBT

dapat terklasifikasi dengan benar sebanyak sebelas, empat belas sisanya terklasifikasi ke

dalam kelas ABC_Tran. Sedangkan kelas 1-cysPrx_C dan ABC_Tran dapat terklasifikasi

semua dengan benar.

Setelah dilakukan Hasil perhitungan rata-rata nilai akurasi menggunakan Ekstaksi

Ciri Rantai Markov Orde 1 dan klasifikasi menggunakan Probabilistic Neural Network

(PNN), selanjutnya menghitung rata-rata nilai sensitivity dan specificity. Nilai sensitivity dan

specificity yang dihasilkan oleh setiap fold pada Orde 1 dapat dilihat pada Gambar 6.

Pada Gambar 6 menunjukan bahwa nilai rata-rata sensitivity tertinggi pada Orde 1

terletak pada fold 3 dengan nilai 0.987 dan nilai rata-rata specificity tertinggi yang pada Orde 1

terletak pada fold 3 dengan nilai 0.993.

Berasarkan grafik pada Gambar 6 dan Gambar 7, dapat dilihat bahwa model terbaik

yang dihasilkan dengan menggunakan Ekstraksi Ciri Rantai Markov Orde 1 dan klasifikasi

Probabilistic Neural Network (PNN) adalah fold 3.

16

Perhitungan Rata-rata Nilai Akurasi Orde 2

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 2 fold 1 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 8.

Tabel 8 Pengujian Orde 2 fold 1

1-cysPrx_C 4HBT ABC_Tran Akurasi (%)

1-cysPrx_C 24 0 1 96.00

4HBT 0 22 3 88.00

ABC_Tran 0 0 25 100.00

Rata-rata 94.67

0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000

sens spec sens spec sens spec sens spec

Fold 1 Fold 2 Fold 3 Fold 4

0.920 0.960

0.813 0.906

0.987 0.993

0.813 0.906

0

20

40

60

80

100

1 2 3 4

92 81.33

98.67

81.33

dal

am %

Fold

Gambar 6 Grafik Nilai Rata-rata sensitivity dan specificity pada Orde 1

Gambar 7 Grafik Perhitungan Nilai Rata-rata Akurasi pada Orde 1

17

Hasil akurasi pada Orde 2 fold 1 diperoleh rata-rata sebesar 94.67%. Kelas 1-

cysPrx_C dapat terklasifikasi dengan benar sebanyak dua puluh empat, satu sisanya

terklasifikasi ke dalam kelas ABC_Tran. Kelas 4HBT dapat terklasifikasi dengan benar

sebanyak dua puluh dua, tiga sisanya terklasifikasi ke dalam kelas ABC_Tran. Sedangkan

Kelas ABC_Tran dapat terklasifikasi semua dengan benar.

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 2 fold 2 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 9.

Tabel 9 Pengujian Orde 2 fold 2

1-cysPrx_C 4HBT ABC_tran Akurasi (%)

1-cysPrx_C 11 0 14 44.00

4HBT 0 24 1 96.00

ABC_Tran 0 0 25 100.00

Rata-rata 80.00

Hasil akurasi pada Orde 2 fold 2 diperoleh rata-rata sebesar 80%. Kelas 1-cysPrx_C

dapat terklasifikasi dengan benar sebanyak sebelas, empat belas sisanya terklasifikasi ke

dalam kelas ABC_Tran. Kelas 4HBT dapat terklasifikasi dengan benar sebanyak dua puluh

empat, satu sisanya terklasifikasi ke dalam kelas ABC_Tran. Sedangkan Kelas ABC_Tran

dapat terklasifikasi semua dengan benar.

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 2 fold 3 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 10.

Tabel 10 Pengujian Orde 2 fold 3

1-cysPrx_C 4HBT ABC_tran Akurasi (%)

1-cysPrx_C 25 0 0 100.00

4HBT 0 24 1 96.00

ABC_Tran 0 0 25 100.00

Rata-rata 98.67

Hasil akurasi pada Orde 2 fold 3 diperoleh rata-rata sebesar 98.67%. Kelas 4HBT

dapat terklasifikasi dengan benar dua puluh empat, satu sisanya terklasifikasi ke dalam

kelas ABC_Tran. Sedangkan kelas 1-cysPrx_C dan ABC_Tran dapat terklasifikasi semua

dengan benar.

Hasil perhitungan rata-rata nilai akurasi dengan menggunakan Ekstaksi Ciri Rantai

Markov Orde 2 fold 4 menunjukkan akurasi setiap kelas dengan persentase seperti dilihat

pada Tabel 11.

18

Tabel 11 Pengujian Orde 2 fold 4

1-cysPrx_C 4HBT ABC_tran Akurasi (%)

1-cysPrx_C 25 0 0 100.00

4HBT 0 12 13 48.00

ABC_Tran 0 0 25 100.00

Rata-rata 82.67

Hasil akurasi pada Orde 2 fold 4 diperoleh rata-rata sebesar 82.67%. Kelas 4HBT

dapat terklasifikasi dengan benar dua belas, tiga belas sisanya terklasifikasi ke dalam kelas

ABC_Tran. Sedangkan kelas 1-cysPrx_C dan ABC_Tran dapat terklasifikasi semua

dengan benar.

Setelah dilakukan Hasil perhitungan rata-rata nilai akurasi menggunakan Ekstaksi

Ciri Rantai Markov Orde 2 dan klasifikasi menggunakan Probabilistic Neural Network

(PNN), selanjutnya menghitung rata-rata nilai sensitivity dan specificity. Nilai sensitivity dan

specificity yang dihasilkan oleh setiap fold pada Orde 2 dapat dilihat pada Gambar 8.

Pada Gambar 8 menunjukan bahwa nilai rata-rata sensitivity tertinggi pada Orde 2

terletak pada fold 3 dengan nilai 0.987 dan nilai rata-rata specificity tertinggi yang pada Orde 2

terletak pada fold 3 dengan nilai 0.993.

Berasarkan grafik pada Gambar 8 dan Gambar 9, dapat dilihat bahwa model terbaik

yang dihasilkan dengan menggunakan Ekstraksi Ciri Rantai Markov Orde 2 dan klasifikasi

Probabilistic Neural Network (PNN) adalah fold 3.

0.000

0.100

0.200

0.300

0.400

0.500

0.600

0.700

0.800

0.900

1.000

sens spec sens spec sens spec sens spec

Fold 1 Fold 2 Fold 3 Fold 4

0.946 0.973

0.800

0.900

0.987 0.993

0.826

0.913

Gambar 8 Grafik Nilai Rata-rata sensitivity dan specificity pada Orde 2

19

Gambar 9 Grafik Perhitungan Nilai Rata-rata Akurasi pada Orde 2

SIMPULAN DAN SARAN

Simpulan

Berdasarkan penelitian yang telah dilakukan, dapat ditarik kesimpulan sebagai

berikut.

Model dengan menggunakan Ekstraksi Ciri Rantai Markov Orde 1 dan 2 serta klasifikasi

Probabilistic Neural Network (PNN) telah berhasil diimplementasikan.

Berdasarkan hasil penelitian, dapat diketahui bahwa model terbaik yang dihasilkan

dengan menggunakan Ekstraksi Ciri Rantai Markov Orde 1 dan 2 serta klasifikasi

Probabilistic Neural Network (PNN) adalah fold ketiga dimana nilai rata-rata akurasi

terbesar dan nilai rata-rata sensitivity dan specificity terbesar dari masing-masing Orde

sama.

Saran

Saran yang dapat diberikan untuk mengembangkan penelitian ini agar lebih baik

menjadi lebih baik lagi adalah:

Melibatkan kelas dan data yang lebih banyak lagi.

Menggunakan ektraksi ciri dan classifier yang berbeda.

0

10

20

30

40

50

60

70

80

90

100

1 2 3 4

94.667

80

98.67

82.667

dal

am %

Fold

20

DAFTAR PUSTAKA

Almatsier, S. 1989. Prinsip Dasar Ilmu Gizi. Jakarta : Penerbit Gramedia.

Cambell, Reece JB, Urry LA, Cain ML, Wasserman SA, Minorsky PV, Jackson RB. 2011.

Biology. San Francisco (US):Pearson Education.

Ching WK, Ng MK. 2006. Markov Chains Models, Algorithms and Applications. New

York (US): Springer.

Fajar ML. 2013. Identifikasi DNA Bakteri Menggunakan Metode Ekstraksi Ciri Rantai

Markov dengan Probabilistic Neural Network Sebagai Classifier [skripsi].Bogor

(ID): Institut Pertanian Bogor.

Hastie T, Tibshirani R, Friedman J. 2011. The Elements of Statistical Learning: Data

Mining, Inference, and Prediction. New York (US): Springer.

Kunin V, Cases I, Enright A.J, De Lorenzo V, Ouzounis C.A. 2003. Myriads of Protein

Families, and Still Counting. Cambridge (GB): The European Bioinformatics

Institute. Lehninger A L, Nelson D L, and Cox M M (2004). Lehninger Principles of

Biochemistry, W. H. Freeman, New York. Muhammad S. 2013. Klasifikasi Protein Family Menggunakan Metode Rantai Markov

[skripsi]. Bogor (ID): Institut Pertanian Bogor.

Polanski A, Kimmel M. 2007. Bioinformatics. Berlin (DE): Springer Science.

Specht, DF. 1990. Probabilistic Neural Netwok (PNN). NEURAL NETWORKS. 3: 109-

118

Suhardjo dan Clara M.K. 1992. Prinsip-prinsip Ilmu Gizi. Yogyakarta: Kanisius.

Wu CH, Hongzhan H, Yeh LL, Barker WC. 2002. Protein Family Classificationand

Functional Annotation. Washington DC (US): Georgetown University Medical

Center and National Biomedical Research Foundation.

21

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta, pada tanggal 29 Oktober 1988. Penulis merupakan anak

kedua dari pasangan Mudjijono dan Suminah. Penulis lulus dari SMA Negeri 4 Depok

pada tahun 2006. Pada tahun yang sama penulis diterima di Direktorat Diploma Institut

Pertanian Bogor jurusan Teknik Komputer dan kemudian melanjutkan studi di ekstensi

Departemen Ilmu Komputer IPB jurusan Ilmu Komputer.