View/Open

Author

Date Published
16 Apr 2026

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Christyan Tamaro Nadeak, S.Si., M.Si.,

Subject
Sains Data

Publisher

Klasifikasi genus bakteri menggunakan data gen 16S rRNA banyak digunakan dalam penelitian bioinformatika karena kemampuannya dalam mengidentifikasi mikroorganisme secara akurat. Pertumbuhan data metagenomik yang semakin pesat membutuhkan metode analisis yang tepat sekaligus efisien dalam menangani skala data yang sangat besar. Penelitian ini menggunakan Incremental Principal Component Analysis (IPCA) dan Genetic Algorithm (GA) untuk reduksi dimensi dan seleksi fitur dalam klasifikasi genus bakteri dengan Naïve Bayes Classifier (NBC) yang belum banyak ditemukan. Penelitian ini bertujuan untuk menerapkan kombinasi IPCA dan GA dari hasil k-mer untuk meningkatkan performa klasifikasi genus bakteri menggunakan NBC. Metodologi penelitian meliputi ekstraksi fitur 6-mer, reduksi dimensi menggunakan IPCA, seleksi fitur dengan GA, serta pemodelan klasifikasi menggunakan NBC. Hasil penelitian menunjukkan bahwa penerapan IPCA berhasil mereduksi 4.096 fitur menjadi 1.834 komponen utama dengan tetap mempertahankan 95% variansi informasi penting. Selanjutnya, GA secara efektif menyeleksi 895 komponen paling informatif yang mampu menghasilkan nilai fitness sebesar 87% pada data validasi. Pengujian model pada data uji untuk 100 genus bakteri menghasilkan tingkat akurasi sebesar 86,6

URI
https://repo.itera.ac.id/depan/submission/SB2604160001

Keyword
Bioinformatika Reduksi dimensi Seleksi fitur