Wulandari, NovilaIke (2011) Penerapan Mining Quantitative Association Rules Menggunakan Algoritma Apriori Untuk Penentuan Pola Pada Sekuen Protein. Sarjana thesis, Universitas Brawijaya.
Abstract
Seperti yang telah diketahui bahwa protein tersusun atas ratusan hingga ribuan asam amino. Urutan asam amino dalam protein maupun hubungan antara asam amino satu dengan yang lain akan menentukan sifat biologis suatu protein. Untuk mengetahui urutan asam amino tersebut dibutuhkan suatu prediksi beberapa pola asam amino dalam membentuk suatu protein. Penentuan aturan kejadian dari salah satu asam amino yaitu dengan melihat ada atau tidak adanya kehadiran asam amino yang terdapat pada sekuen protein. Aturan yang dimaksud yaitu aturan asosiasi (association rules). Penentuan aturan asam amino sebagai penyusun sekuen protein dapat dilakukan dengan menerapkan mining quantitative association rules dengan menggunakan algoritma apriori. Dengan metode ini kita akan mendapatkan aturanaturan yang disertai dengan berbagai nilai support dan confidence. Nilai support ini yang akan digunakan untuk menentukan aturan mana yang dapat dijadikan penentu dari kehadiran asam amino pada masing-masing sekuen protein. Aturan dengan nilai support yang paling tinggi akan menunjukkan jenis asam amino apa yang sering hadir sebagai komposisi atau penyusun dari sebuah sekuen protein. Sedangkan nilai confidence adalah nilai tingkat kepercayaan terhadap asam amino yang saling berasosiasi. Aturan dengan nilai confidence tertinggi menunjukkan tingginya tingkat asosiasi atau keterikatan asam amino satu dengan asam amino yang lain sebagai penyusun protein. Pengujian sistem dilakukan dengan membandingkan aturan yang dihasilkan pada kehomologan sekuen protein, support partition, minimum support, dan minimum confidence yang berbeda. Pengujian ini bertujuan untuk menganalisis apakah ada hubungan antara aturan yang dihasilkan dengan memberikan masukan minimum support dan minimum confidence yang berbeda-beda. Dari analisa tersebut dapat diambil kesimpulan bahwa besanya support partition, minimum support dan minimum confidence berbanding terbalik dengan banyaknya aturan yang dihasilkan. Semakin besar nilai support partition, minimum support dan minimum confidence, maka semakin sedikit aturan yang dihasilkan. Begitu pula sebaliknya, semakin kecil nilai support partition, minimum support dan minimum confidence, maka semakin banyak aturan yang dihasilkan.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/152/051102789 |
| 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: | 02 Aug 2011 11:08 |
| Last Modified: | 22 Oct 2021 07:29 |
| URI: | http://repository.ub.ac.id/id/eprint/152606 |
Preview |
Text
051102789.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |