Lumbanraja, Favorisen R and Silalahi, Ester Debora and Kurniawan, Didik and Syarif, Admi (2019) PREDIKSI ASETILASI PADA SEQUENCE PROTEIN MENGGUNAKAN SUPPORT VECTOR MACHINE. In: Seminar Nasional Sains, Matematika, Informatika dan Aplikasinya (SNSMIAP 2019), 24 Oktober 2019, Bandar Lampung. (Submitted)

[img] Text
makalah ester.pdf

Download (1MB)
Official URL: http://snsmiap.fmipa.unila.ac.id/2019/

Abstract

Modifikasi pasca-translasi (PTM) adalah mekanisme penting yang terlibat dalam pengaturan fungsi protein yang terdiri dari berbagai macam seperti, fosforilasi, glikosilasi, ubiquitinasi, metilasi, asetilasi, dan lipidasi. Salah satu modifikasi pasca-translasi yang paling umum adalah modifikasi pasca-translasi asetilasi yang terjadi pada protein lisin. Asetilasi pada protein lisin adalah modifikasi besar pasca-translasi yang memainkan peran penting dalam berbagai proses biologis penting, seperti ekspresi gen, metabolisme. Support Vector Machine (SVM) adalah metode machine learning yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space dan merupakan metode klasifikasi yang digunakan untuk mengolah data yang bersifat linear maupun non-linear. Oleh karena itu dilakukan penelitian ini yang bertujuan untuk mengklasifikasikan dan mendapatkan hasil prediksi dari data asetilasi pada sequence protein lisin menggunakan Support Vector Machine. Penelitian ini, menggunakan 3 kernel SVM yaitu Linear, Polynomial, dan Gaussian. Feature extraction yaitu 123 variabel yang terdiri dari, CTD, Hydrophobicity, AAindex, dan APAAC. Matrix evaluasi yang digunakan untuk mengukur hasil kinerja klasifikasi yaitu Accuracy, Sensitivity, Recall, dan MCC dengan melakukan 10-Fold Cross Validation. Hasil prediksi dari 3 kernel SVM, didapatkan akurasi pada kernel Linear 82.78%, kernel Polynomial 95.68% dan kernel Gaussian 97.52%.

Item Type: Conference or Workshop Item (Paper)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Prodi Ilmu Komputer
Depositing User: Favorisen R Lumbanraja
Date Deposited: 14 Nov 2019 10:52
Last Modified: 14 Nov 2019 10:52
URI: http://repository.lppm.unila.ac.id/id/eprint/16175

Actions (login required)

View Item View Item