Santoso, M.Hadi (2008) Perbandingan Discrete Cosine Transform (DCT) dan Analisis Komponen Utama (AKU) Pada Data Microarray Ekspresi Gen. Sarjana thesis, Universitas Brawijaya.
Abstract
Microarray adalah bagian baru di bidang bioteknologi yang digunakan untuk mengamati tingkat ekspresi ribuan gen secara simultan. Microarray juga memiliki peranan penting dalam penelitian farmasi dan klinis. Data microarray ekspresi gen terdiri atas banyak dimensi yang saling berhubungan. Reduksi dimensi merupakan pendekatan yang sering dilakukan karena dapat mengekstraksi ciri-ciri penting data dan mengurangi tingkat kesulitan pada analisis lanjut. Dua metode yang digunakan adalah Discrete Cosine Transform (DCT) dan Analisis Komponen Utama (AKU). Dua metode ini diterapkan pada dua data (ekspresi gen jamur dan respon fibroblast terhadap serum). Setelah melakukan DCT dan AKU, hasil transformasi digunakan untuk analisis kelompok dengan mengambil beberapa peubah hasil transformasi. Berdasarkan nilai CTM yang dihitung dari hasil analisis kelompok disimpulkan bahwa DCT dan AKU memiliki kemampuan sama dalam mereduksi dimensi karena nilai CTM hasil pengelompokan 2 peubah hasil transformasi mendekati nilai CTM data asli.
English Abstract
Microarray is a new part in biotechnology which is used to observe the expression level of thousands of genes simultaneuously. Microarray also has important role in farmacy and clinical research. Gene expression microarray data consist of intercorrelated multidimension. Dimension reduction is an approach that is often used because it can extract the important characteristics of data and reduce the difficulty level in the next analysis. Two methods which are used are Discrete Cosine Transform (DCT) and Principal Component Analysis (PCA). Both methods are applied for the two data fungus gene expression and fibroblas response to the serum). After reducing the dimension with DCT and PCA, the result of transformation is used in cluster analysis by taking some variables from the transformation. According to the value of CTM from cluster analysis, it can be concluded that DCT and PCA have the same capability in reducing the dimension because the CTM value from two transformed variables is close to the CTM value of the real data.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2008/107/050801451 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 17 Jul 2008 09:34 |
| Last Modified: | 09 Mar 2022 03:06 |
| URI: | http://repository.ub.ac.id/id/eprint/151762 |
Preview |
Text
050801451.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |