• Document: IMPLEMENTASI METODE HIERARCHICAL CLUSTERING PADA DATA GENETIK MIKROARRAY
  • Size: 161.38 KB
  • Uploaded: 2019-05-24 01:18:26
  • Status: Successfully converted


Some snippets from your converted document:

Seminar Nasional Teknologi Informasi dan Multimedia 2014 ISSN : 2302-3805 STMIK AMIKOM Yogyakarta, 8 Februari 2014 IMPLEMENTASI METODE HIERARCHICAL CLUSTERING PADA DATA GENETIK MIKROARRAY Humasak T.A. Simanjuntak1) 1) Sistem Informasi, Institut Teknologi Del Jl Sisingamangaraja, Sitoluama, Laguboti, Toba Samosir, 22381 Email : humasak@gmail.com1 Abstrak dapat dimanfaatkan dalam bidang kesehatan, misalnya untuk menemukan gen tertentu yang dapat menyebabkan Teknologi Mikroarray menghasilkan data genetik suatu penyakit [1]. mikroarray, yang jumlahnya akan semakin banyak dari Salah satu cara yang dapat digunakan untuk memperoleh hari ke hari. Jika dikelola dengan baik, data genetik informasi yang berguna dari data genetik mikroarray mikroarray yang dihasilkan akan sangat bermanfaat adalah dengan melakukan clustering. Clustering adalah dalam bidang kesehatan. Namun, jumlah data yang terus proses pengelompokan kumpulan dari objek-objek yang bertambah akan mempersulit dalam pengambilan anggotanya memiliki kesamaan menjadi class-class dari informasi yang berguna. objek yang sama. Tujuan clustering adalah Pada kajian ini, data genetik mikroarray dikelola mengelompokkan sekumpulan data atau objek yang dengan menggunakan metoda Agglomerative memiliki kesamaan dalam satu cluster dan berbeda Hierarchical Clustering. Dengan metoda ini, data dengan objek pada cluster lain [2]. genetik mikroarray dikelompokkan ke dalam clustering- Salah satu metoda pada clustering adalah Hierarchical clustering. Gen-gen dengan ekspresi gen yang mirip Clustering Method. Pada Hierarchical Clustering akan dikelompokkan ke dalam satu clustering. Hasil Method, clustering dilakukan dengan mengelompokkan metoda Agglomerative Hierarchical Clustering adalah objek-objek ke dalam tree of clustering. Dengan dendogram yang menggambarkan clustering-clustering menggunakan metoda ini, penyajian data genetik dan hubungan antar clustering tersebut. mikroarray dalam jumlah yang besar dapat lebih mudah Algoritma yang digunakan pada Hierarchical Clustering dipahami. Oleh karena itu, tujuan utama kajian ini adalah adalah Hierarchical Clustering Algorithm. Pada melakukan implementasi clustering pada data genetik algoritma ini dibutuhkan Proximity Matrix yang mikroarray dengan metoda Hierarchical Clustering menyajikan jarak antar gen. Jarak antar gen dapat untuk memperoleh pengelompokan gen-gen yang dihitung dengan menggunakan tiga fungsi yaitu memiliki kesamaan dan membandingkan setiap Euclidean Distance, Manhattan Distance dan Pearson clustering yang dihasilkan. Correlation. Gen–gen dengan jarak terdekat akan digabungkan dalam satu clustering. Untuk menghitung 2. Landasan Teori jarak antar cluster yang baru terbentuk dengan gen-gen lain dapat digunakan tiga algoritma yaitu Single 2.1 Clustering Linkage, Complete Linkage dan Average Linkage. Clustering merupakan pengelompokan data objek ke Clustering yang dihasilkan dengan menggunakan dalam class yang memiliki kesamaan. Kesamaan algoritma penghitungan jarak antar clustering yang (similarity) diantara objek–objek ditaksir menurut berbeda, akan mempengaruhi kepadatan hasil clustering Distance Measure. Hasil dari clustering adalah cluster, dan kesamaan hasil clustering. yang memiliki sekumpulan objek dengan kesamaan Kata kunci: Clustering, Agglomerative Hierarchical tertentu dalam satu clustering dan berbeda dengan objek pada cluster lain. Aktivitas untuk melakukan clustering Clustering, Proximity Matrix, Mikroarray. disebut Clustering analysis [2]. 1. Pendahuluan Clustering termasuk unsupervised classification (tidak mengetahui label dari class dan juml

Recently converted files (publicly available):