View/Open

Author
Try Yani Rizki Nur Rohmah,

Date Published
05 May 2026

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Dimas Dwi Randa, S.Kom., M.Kom.,

Subject
Sains Data

Publisher

Gen 16S ribosomal RNA (rRNA) merupakan penanda molekuler utama untuk identifikasi dan klasifikasi taksonomi mikroorganisme, khususnya pada wilayah variabel V3–V4 yang memiliki kapasitas diskriminatif optimal. Namun, kompleksitas data sekuens nukleotida ini menuntut pendekatan komputasi yang efisien untuk ekstraksi fitur dan reduksi dimensi. Oleh karena itu, penelitian ini membandingkan fitur k-mer (k = 4 dan k = 6) serta reduksi dimensi Incremental Principal Component Analysis (IPCA) untuk klasifikasi taksonomi 16S rRNA tingkat phylum menggunakan Gaussian Naïve Bayes. Pada ambang Cumulative Explained Variance (CEV) 95%, IPCA memerlukan 150 komponen untuk k = 4 dan 2.062 komponen untuk k = 6. Hasil klasifikasi menunjukkan k = 4 lebih unggul (akurasi ∼ 93%; macro ROC–AUC 0,98) dibanding k = 6 (akurasi 78%; macro ROC–AUC 0,96), sehingga kombinasi k = 4 + IPCA lebih optimal dalam efisiensi dan kinerja

URI
https://repo.itera.ac.id/depan/submission/SB2605040030

Keyword
K-mer, Klasifikasi Phylum, IPCA, Naïve Bayes, Taks