Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen

MAHDIYAH, UMI and WAHYUNIAR, LILIA SINTA (2019) Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen. In: Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami).

	Text (Artikel_Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen) 3. Prosiding SiManis (Implementasi Integrasi Seleksi Data dan Extreme Learning).pdf Download (729kB)
	Text (Cek Plagiasi_Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen) 3. Turnitin_Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen.pdf Download (267kB)
	Text (Peer Review_Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen) PEER REVIEW _Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen.pdf Download (608kB)

Abstract

PCR adalah salah satu metode untuk mendeteksi keberadaan mikroba dalam tubuh. Dibanding metode lain, metode ini tergolong akurat, cepat, dan bisa diandalkan. Keuntungan PCR lainnya adalah sekuens DNA dari mikroba atau strain infeksi yang baru ditemukan. Selanjutnya data DNA yang ditemukan tersebut dilakukan pencarian masuk pada jenis DNA apa, sehingga dibutuhkan metode yang optimal. Sekuensing DNA dapat dimanfaatkan untuk menentukan identitas maupun fungsi gen atau fragmen DNA lainnya dengan cara membandingkan sekuens-nya dengan sekuens DNA lain yang sudah diketahui. Integrasi Seleksi data dan Extreme Learning Machine ini dipilih sebagai metode untuk klasifikasi DNA karena data DNA merupakan data yang besar serta karakteristik datanya yang kebanyakan adalah data yang imbalance. Pada proses penelitian data yang akan diolah terlebih dahulu diuraikan fragmennya, selanjutnya dilakukan ekstraksi fitur, kemudian dilakukan proses klasifikasi. Hasil dari pengklasifikasian tersebut diperoleh precision, recall, gmean, dan akurasi masing-masing sebesar 0,917, 0,824, 0,793, dan 0,943.

Actions (login required)

View Item