KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING

LISA MARIANAH

Informasi Umum

Kode

118091006

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Processing

Dilihat

39 kali

Informasi Lainnya

Abstraksi

Microarray merupakan salah satu teknologi bioinform atika yang dapat mengetahui profil dari ekspresi gen secara paralel dalam jumlah dimensi ya ng besar. Microarray digunakan untuk membantu peneliti dalam melakukan diagnosis terhada p penyakit. Proses kerja microarray adalah mengelompokkan gen berdasarkan rasio yang di tunjukkan dari keseluruhan gen tersebut. Dalam Data Mining, proses pengelompokkan ini disebut dengan klasterisasi. Secara umum, data microarray dikumpulkan dalam juml ah sampel dan dimensi yang besar. Pada analisis penelitian, data yang memiliki jumla h dimensi besar sangat sulit untuk diteliti. Oleh karena itu, dibutuhkan klasterisasi untuk memp eroleh klaster sampel sehingga menghasilkan informasi baru dari data tersebut. Metode yang digunakan adalah clique partition yang didasari oleh prosedur branch and bound dan DFS untuk menelusuri setiap titik dalam graf. A lgoritma clique bekerja dengan melakukan pencarian di setiap titik secara rekursif dan backtracking hingga semua titik dilewati. Proses menemukan klaster diawali dengan m entransformasikan data microarray ke dalam graf yang dibentuk menjadi matriks adjacency. Matriks ini merupakan matriks keterhubungan antar titik yang hanya terdiri dari d ua nilai biner, 1 jika terdapat korelasi antar titik dan 0 jika sebaliknya. Dalam penelitian Tugas Akhir ini, penentuan korelasi ditentukan berdasarkan nilai threshold. Mencari klaster menggu nakan clique partition berarti mencari maximal clique. Hasil yang diperoleh menunjukkan pe rubahan threshold mempengaruhi jumlah klaster yang diperoleh. Analisis hasil klast er untuk data microarray yang digunakan menunjukkan bahwa pemilihan threshold yang lebih ke cil memeberikan nilai error SSE yang lebih sedikit. clique partition, klastering, microarray, PCA,thres hold