Analisis Data RNA-Seq Homo sapiens Menggunakan Machine Learning untuk Klasifikasi Ekspresi Gen Berbasis Data NCBI SRA
Abstract
Penelitian ini bertujuan untuk menganalisis data RNA-Seq Homo sapiens serta mengklasifikasikan ekspresi gen menggunakan metode machine learning. Data diperoleh dari Sequence Read Archive dalam format FASTQ yang terdiri dari lima sampel paired-end. Tahap awal dilakukan quality control menggunakan FastQC dan dirangkum dengan MultiQC. Selanjutnya dilakukan preprocessing melalui proses trimming untuk meningkatkan kualitas data. Data yang telah diproses kemudian diubah menjadi dataset numerik dan diklasifikasikan menggunakan Random Forest dan Support Vector Machine (SVM). Hasil menunjukkan bahwa SVM memiliki akurasi lebih tinggi sebesar 0,60 dibandingkan Random Forest sebesar 0,50, namun Random Forest menunjukkan performa yang lebih seimbang dalam mengklasifikasikan kedua kelas. Temuan ini menunjukkan bahwa pemilihan model tidak hanya bergantung pada akurasi, tetapi tetapi juga pada kemampuan dalam menangani data yang tidak seimbang.
Downloads
References
R. Permana dan F. A. Herdiana, “Analisis Klasifikasi dan Prediksi Pola Publikasi Berita Menggunakan Machine Learning,” Jurnal Infortech, vol. 7, no. 1, pp. 50–55, 2025.
G. Airlangga, “Application of Traditional Machine Learning Techniques for the Classification of Human DNA Sequences,” Jurnal Informatika Universitas Pamulang, vol. 9, no. 1, pp. 23–30, 2024.
A. Priandika dan A. R. Isnain, “Penerapan Teknik Ensemble Learning untuk Klasifikasi Jenis-jenis Anemia,” MALCOM: Indonesian Journal of Machine Learning, vol. 5, no. 3, pp. 972–980, 2025.
A. Wantoro, et al., “Evaluasi Kinerja Algoritma Machine Learning Menggunakan Seleksi Fitur pada Klasifikasi Diabetes,” Jurnal Informatika Polinema, vol. 11, no. 3, pp. 311–316, 2025.
Wijoyo, A., Saputra, A. Y., Ristanti, S., Sya’Ban, S. R., Amalia, M., Febriansyah, R. (2024). Pembelajaran Machine Learning. Jurnal Ilmu Komputer dan Science. 3(2):375-380)
Alvanof, M. M., Bustami, & Dinata, R. K. (2024). Penerapan algoritma Random Forest dalam deteksi dan klasifikasi ransomware. Jurnal Elektronika dan Teknologi Informasi, 5(2):23-31
Nurrokhman, M. Z. (2023). Perbandingan Algoritma Support Vector Machine dan Neural Network untuk Klasifikasi Penyakit Hati Ma’mur Zaky Nurrokhman. Indonesian Journal of Computer Science Attribution, 12(4), 2096–2106.
Risnantoyo, R., Nugroho, A., & Mandara, K. (2021). Sentiment Analysis on Corona Virus Pandemic Using Machine Learning Algorithm. Journal Of Informatics And Telecommunication Engineering, 4(1), 86–96.
Johansson, E., & Mersha, T. B. (2021). Genetics of food allergy. PMC, 41(2), 301–319. Nusantari, E. (2014). GENETIKA: Belajar Genetika dengan Mudah & Komprehensif. Deepublish Publisher
sutaryani, A., Sunarno, S., Djuniadi. (2024). PERBANDINGAN PERFORMA MODEL MACHINE LEARNING DALAM PREDIKSI SUHU DI SEMARANG. JITET (Jurnal Informatika dan Teknik Elektro Terapan). 13(3):2770-2775
F. Indriaharti Harida and N. Khazizah, “Analisis CuacaDi Kota Jakarta Bulan Januari Tahun 2018 Menggunakan Algoritma Decision Tree,” Jurnal Poros Teknik, vol. 14, no. 1, pp. 33–37, 2022
Alvanof, M. M., Bustami, & Dinata, R. K. (2024). Penerapan algoritma Random Forest dalam deteksi dan klasifikasi ransomware. Jurnal Elektronika dan Teknologi Informasi, 5(2).
Novianto, E., Suhirman, & Prasetyo, D. (2024). Perbandingan metode klasifikasi Random Forest dan Support Vector Machine dalam memprediksi capaian studi mahasiswa. Jurnal Ilmiah Penelitian dan Pembelajaran Informatika (JIPI), 9(4), 1821–1833.
Dasmasela, R., Tomasouw, B. P., & Leleury, Z. A. (2022). Penerapan metode Support Vector Machine (SVM) untuk mendeteksi penyalahgunaan narkoba. Parameter: Jurnal Matematika, Statistika dan Terapannya, 1(2), 111–122.
Eldo, H., Ayuliana, A., Suryadi, D., Chrisnawati, G., & Judijanto, L. (2024). Penggunaan algoritma Support Vector Machine (SVM) untuk deteksi penipuan pada transaksi online. Jurnal Minfo Polgan, 13(2), 1627–1632
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
