Clustering Pasien Kanker Berdasarkan Struktur Protein Dalam Tubuh Menggunakan Metode K-Medoids
|
|
- Ridwan Agusalim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X ol., No., Oktober 0, hlm. - Clustering Pasien Kanker Berdasarkan Struktur Protein Dalam Tubuh Menggunakan Metode K-Medoids Laily Putri Rizby, Marji, Lailil Muflikhah Program Studi Teknik Informatika, lailyrizby@gmail.com, marji@ub.ac.id, lailil@ub.ac.id Abstrak Kanker merupakan penyakit yang kerap menjadi momok bagi sebagian besar orang memang telah memakan banyak korban. Semakin berkembangnya zaman semakin banyak virus yang tersebar di masyarakat. Kanker adalah istilah yang digunakan untuk menggambarkan ratusan penyakit berbeda dengan fitur tertentu yang sama. Kanker dimulai dengan perubahan dalam struktur dan fungsi sel yang menyebabkan sel membelah dan menggandakan diri tanpa terkontrol. Umumnya kanker dinamai sesuai organ dan jenisnya tempat pertama kali ia berkembang. Mutasi gen yang paling sering ditemukan pada kanker manusia adalah Gen P. Gen P merupakan gen penekan tumor yang mengkode atau mengekspresikan protein. Dari berbagai banyak data yang ada perlu dilakukan proses klusterisasi yaitu pengelompokkan jenis kanker berdasarkan kelasnya. Salah satu metode klustering yang mulai banyak digunakan adalah metode K-Medoids. K-medoids atau dikenal pula dengan PAM (Partitioning Around Medoids) menggunakan metode partisi clustering untuk mengelompokkan sekumpulan n objek menjadi sejumlah k cluster. Algoritma ini menggunakan objek pada kumpulan objek untuk mewakili sebuah cluster. Objek yang terpilih untuk mewakili sebuah cluster disebut medoid. Pada penelitian clustering pasien kanker menggunakan metode K-Medoids ini menunjukkan nilai persentase kualitas cluster sebesar % pada percobaan pada nilai k dan menggunakan data. Kata kunci: clustering, k-medoids, kanker, protein tubuh, silhouette coefficient Abstract Cancer is a disease that often becomes a scourge for most people has indeed taken many victims. In this era, more viruses are scattered in the community. Cancer is a term used to describe hundreds of different diseases with the same particular features. Cancer begins with changes in the structure and function of cells that cause cells to divide and multiply uncontrollably. Cancer is generally named after the organ and its type where it first developed. The most common mutation of genes found in human cancers is the P Genes. The P gene is a tumor suppressor gene that encodes or expresses protein. From a wide range of data there is a clustering process that classifies types of cancer by its class. One of the most widely used methods of clustering is the K-Medoids method. K-medoids or also known as PAM (Partitioning Around Medoids) using the clustering partition method to group a of n objects into a number of cluster k. This algorithm uses objects on a collection of objects to represent a cluster. The object chosen to represent a cluster is called the medoid. In clustering research, cancer patients using K-Medoids method showed cluster quality percentage of % in experiments at k and using data. Keywords: clustering, k-medoids, cancer, body protein, silhouette coefficient. PENDAHULUAN Kanker adalah istilah yang digunakan untuk menggambarkan ratusan penyakit berbeda dengan fitur tertentu yang sama. Kanker dimulai dengan perubahan dalam struktur dan fungsi sel yang menyebabkan sel membelah dan menggandakan diri tanpa terkontrol. Sel kemudian dapat menyerang dan merusak jaringan sekitar, dan sel dapat memisahkan diri dan menyebar ke area lain dalam tubuh. Umumnya kanker dinamai sesuai organ dan jenisnya tempat pertama kali ia berkembang (Kelvin, Joanne Frankel., dkk., 0). Kode genetik yang mengatur pembentukan sel-sel kanker berhasil dipecahkan. Meski Fakultas Ilmu Komputer Universitas Brawijaya
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer bentuk pengobatan dengan target gen masih terus dikembangkan, temuan ini membawa harapan baru untuk melawan penyakit mematikan tersebut. Peta genetik yang dibuat para ilmuwan Amerika Serikat menunjukkan idaknya terdapat sekitar 00 gen termutasi yang berperan mengatur pembentukan, pertumbuhan, dan penyebaran tumor. Sebagian besar gen yang termutasi ini belum diketahui sebelumnya (Diananda, Rama, 0). Mutasi gen yang paling sering ditemukan pada kanker manusia adalah Gen P. Gen P merupakan gen penekan tumor yang mengkode atau mengekspresikan protein. Protein p merupakan faktor transkripsi terhadap gen-gen yang terlibat dalam regulasi siklus sel, induksi apoptosis, repair DNA, dan stabilitas genome. Dengan semakin berkembang pesatnya kecanggihan teknologi juga diharapkan adanya sebuah sistem atau aplikasi yang mampu mengidentifikasi penyakit kanker. Pengidentifikasian dilakukan dengan cara mengclusterkan data pasien ke dalam kelas non-cancer, breast cancer, colorectal cancer dan kelas lung cancer. Pengklusteran merupakan pengelompokan record, pengamatan, atau memperhatikan dan membentuk kelas pada objek-objek yang memiliki kemiripan. Dalam penelitian ini metode clustering K- Medoids dipilih sebagai metode yang mampu melakukan klustering data protein dengan baik. K-Medoids adalah sebuah algoritma yang menggunakan metode partisi clustering untuk mengelompokkan sejumlah n objek menjadi k cluster. Metode ini telah digunakan pada penelitian sebelumnya untuk klasterisasi penyakit kanker berdasarkan kandungan logam dalam darah. Dan tingkat akurasinya mencapai.% (Nastiti, Shofi., dkk., 0). Sedangkan dengan data kanker yang sama yaitu berdasarkan struktur protein dalam tubuh tetapi menggunakan algoritma Modified K-Nearest Neighbor (MKNN) tingkat akurasi maksimum yang dicapai adalah.% (Retwitasari, Arintha, 0). Dari pendahuluan yang telah dipaparkan dan berdasarkan pada penelitian sebelumnya maka dibuatlah penelitian tentang clustering pasien kanker berdasarkan struktur protein dalam tubuh menggunakan metode K-Medoids ini. Molekul protein tersusun dari satuan-satuan dasar kimia yaitu asam amino. Satu molekul protein dapat terdiri dari sampai 0 macam asam amino dan dapat mencapai jumlah ratusan asam amino (Wibisono, Yudi, 0). Semenjak tahun semakin nyata bahwa ada paling sedikit tiga residu nukleotida DNA diperlukan untuk mengkode untuk masingmasing asam amino. Empat huruf kode DNA yaitu A, T, G dan C tersusun membentuk tiga huruf yang disebut dengan kodon. Pada prosesnya di dalam sel, terjadi proses transkripsi yaitu sintesis RNA dengan DNA sebagai cetakannya. RNA yang membawa sandi yang sama dengan resep pada DNA ini bertindak sebagai cetakan untuk sintesis protein. Setiap kodon mengkodekan asam amino. Sementara itu jumlah asam amino penyusun protein diketahui hanya 0 saja.. GEN P Kode genetik yang mengatur pembentukan sel-sel kanker berhasil dipecahkan. Peta genetik yang dibuat para ilmuwan Amerika Serikat menunjukkan idaknya terdapat sekitar 00 gen termutasi yang berperan mengatur pembentukan, pertumbuhan, dan penyebaran tumor. Ditemukan sejenis protein yang dikenal dengan nama P berhubungan kuat dengan kanker. Proses mutasi dalam gen P yang mampu mengontrol produksi protein, dipercaya sebagai penyebab dari 0% kasus keganasan. Gen P merupakan gen penekan tumor yang mengkode atau mengekspresikan protein, nama ini diambil dari berat molekulnya yang sebesar kilodalton. Protein merupakan faktor tranksripsi terhadap gen-gen yang terlibat dalam regulasi siklus sel, induksi apoptosis, repair DNA, dan stabilitas genome.. POINT ACCEPTED MUTATION PAM (Point Accepted Mutation) merupakan sekumpulan PAM PAM0 yang berasal dari penurunan sequence yang memiliki hubungan kekerabatan yang dekat (Kurnianti,. PROTEIN TUBUH
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Gambar. Tabel Matrik PAM0 Ria, 0). Pada tabel PAM titik yang termutasi pada protein adalah perubahan pada salah satu asam amino, yang terpilih secara alami. Jumlah dari matriks PAM (PAM, PAM0) menunjukkan sebuah evolusi jarak. Semakin besar jumlahnya maka semakin besar pula jaraknya (Dor, Shifra Ben, 00). Untuk memperoleh nilai pada PAM maka dilakukan perkalian, contoh PAM diperoleh dari perkalian antara PAM dan PAM, begitu pula dengan PAM diperoleh dari perkalian antara PAMdan PAM, begitu erusnnya. Matrik PAM merupakan dasar untuk menghitung matrik yang lain dengan anggapan mutasi yang berulang akan mengikuti aturan yang sama dengan matrik PAM, dengan logika tersebut dapat diperoleh matrik PAM0. Tabel di atas diketahui terdapat 0 macam asam amino. ). Macam-macam residu asam amino yang diurutkan dari atas ke bawah yaitu Sistein Alanin (Ala) = A, Arginin (Arg) = R, Asparagin (Asn) = N, Asam Aspartat (Asp) = D, (Cys) = C, Glutamin (Gin) = Q, Asam Glutamat (Glu) = E, Glisin (Gly) = G, Histidin (His) = H, Isoleusin (Ile) = I, Leusin (Leu) = L, Lisin (Lys) = K, Metionin (Met) = M, Fenilalanin (Phe) = F, Prolin (Pro) = P, Serin (Ser) = S, Treonin (Tgr) = T, Triptofan (Trp) = W, Tirosin (Tyr) = Y, alin (al) =.. K-MEDOIDS Algoritma K-medoids atau dikenal pula dengan PAM (Partitioning Around Medoids) menggunakan metode partisi clustering untuk mengelompokkan sekumpulan n objek menjadi sejumlah k cluster. Algoritma ini menggunakan objek pada kumpulan objek untuk mewakili sebuah cluster. Objek yang terpilih untuk mewakili sebuah cluster disebut medoid. Cluster dibangun dengan menghitung kedekatan yang dimiliki antara medoid dengan objek nonmedoid (Han, J., M. Kamber, 00). Menurut Han dan Kamber (00) algoritma K-medoids adalah sebagai berikut.. Secara acak pilih k objek pada sekumpulan n objek sebagai medoid.. Ulangi:. Tempatkan objek non-medoid ke dalam cluster yang paling dekat dengan medoid.. Secara acak pilih oacak: sebuah objek nonmedoid.. Hitung total biaya, S, dari pertukaran medoid oj dengan orandom.. Jika S < 0 maka tukar oj dengan oacak untuk membentuk sekumpulan k objek barusebagai medoid.. PERANCANGAN DAN IMPLEMENTASI protein yang tersedia adalah data bertipe String sehingga langkah pertama yang harus dilakukan dalam sistem di penelitian ini adalah melakukan konversi data menjadi data numerik sehingga data menjadi bertipe integer dan dapat dilakukan proses clustering. Langkah selanjutnya adalah melakukan perhitungan clustering menggunakan metode K-Medoids. Dan langkah terakhir adalah melakukan uji kualitas kluster menggunakan silhouette coefficient. Pengkonversian data dengan cara mencocokkan data dengan data wild yang telah ada melalui tabel PAM0. Tabel. Wild bentuk Fisik ariabel Wild Y K Q S T E R R Tabel. bentuk Fisik Kel as D Y K Q S T E R R NC D Y K Q S S E R R BC D Y K Q S T E R C CC D Y K Q L T E R R LC D Y K Q S T E R C CC D Y M Q S T E R R CC D Y K Q S L E R R BC D Y K Q S G E R R BC D Y K Q M T E L R R LC D Y K Q L T E L R R LC D Y K Q S T E R R NC D Y K Q S T E R R NC
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Hasil konversi data fisik menjadi data virtual numerik ditampilkan pada Tabel. Untuk kelas dikonversikan menjadi 0 = NC (Non Cancer), = BC (Breast Cancer), = CC (Colorectal Cancer), dan = LC (Lung Cancer). Tabel. Hasil Konversi Kel as D 0 D Kel as D - D - D - D D - D 0 D - D - D 0 D 0.. Perhitungan K-Medoids Pada perhitungan manual nilai k yang digunakan adalah. Sehingga data yang diperoses adalah mengelompokkan data sebanyak cluster. a. Langkah Menentukan secara acak medoid awal yang berbeda sebanyak medoid dari data protein yang telah dikonversikan. Dalam perhitungan ini medoid awal yang digunakan adalah D, D, dan D. Tabel. Medoid Awal Clus ter C D C D - C D 0 b. Langkah Menghitung jarak iap data dengan medoid awal C, C dan C menggunakan rumus jarak manhattan (Manhattan Distance). Rumus jarak manhattan : n i= x(i) x(j) + y(i) y(j) () d(i, j) = Sebagai contoh ditampilkan perhitungan secara detail pada data D yang diambil dari data protein. D akan dilakukan perhitungan dengan data C, C dan C pada data cluster medoid awal. Perhitungan pertama untuk D:C. D:C = = 0 Perhitungan pertama untuk D:C. D:C = (-) = Perhitungan pertama untuk D:C. D:C = = Tabel. Hasil Perhitungan Jarak Manhattan Jarak C Jarak C Jarak C D 0 D D D D D D D 0 D 0 c. Langkah Langkah selanjutnya adalah menghitung nilai cost dari tiga cluster pada iap data yang telah dihitung jaraknya dengan medoid awal, dengan rumus : cost(i) = min {dc(i), dc(i),, dcn(i) () Contoh perhitungan pada D adalah sebagai berikut. Cost (D) = min {0,,} = 0 Hasil perhitungan untuk semua data protein dapat dilihat pada tabel. Tabel. Nilai Cost Cluster pada Medoid Awal Jarak C Jarak C Jarak C Cost D 0 0 D D D D D D D 0 0 D 0 0 Total Cost Maka didapatkan anggota Cluster : D, D, D, D, D, D dan D, anggota Cluster : D, D, dan D, anggota Cluster : D dan D.
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer d. Langkah Pada langkah ini iterasi pertama mulai dilakukan. Perhitungan dilakukan dengan mengganti salah satu medoid. Medoid baru yang digunakan adalah salah satu data non medoid yang berada pada cluster yang sama pada medoid awal. Dalam perhitungan ini medoid yang diganti adalah cluster, yaitu D diganti dengan D. Tabel. Medoid Iterasi Clu ster C D C D baru - C D 0 e. Langkah Langkah selanjutnya adalah mengulangi langkah - sampai semua data pernah menjadi medoid. Tabel. Hasil Jarak Manhattan dan Nilai Cost Iterasi Jarak C Jarak C Jarak C Cost D 0 0 D D D D D D D 0 0 D 0 0 Total Cost Hasil perhitungan jarak manhattan dan nilai cost pada iap data di iterasi dapat dilihat pada Tabel. Maka didapatkan anggota Cluster : D, D, D, D, D, D dan D, anggota Cluster : D, D dan D, anggota Cluster : D dan D. Lalu total cost yang didapatkan adalah. Karena total cost lebih kecil dari total cost medoid sebelumnya maka medoid dan anggota cluster berubah. Perhitungan diulang terus sampai semua data pernah menjadi medoid. Setelah itu dilanjutkan dengan menghitung kualitas cluster. maka data berada pada posisi di tengah, maksudnya data terdapat kemungkinan berada pada cluster yang tepat tetapi bisa juga seharusnya berada pada cluster yang lain, jika s(i) = - maka data berada pada cluster yang salah sehingga seharusnya data berada pada cluster yang lain. a. Langkah Menghitung jarak D terhadap semua data yang berada pada cluster yang sama, yaitu cluster. Tabel. Jarak D dengan Anggota Cluster Jarak D dengan semua anggota C D 0 D D D D D 0 D 0 a(i) (Rata-rata), b. Langkah Menghitung jarak D terhadap semua data yang berada pada cluster dan cluster, kemudian cari nilai rata-rata jarak yang paling kecil. Tabel. Jarak D dengan Anggota Cluster dan Cluster D Clus ter Dat a c. Langkah Jarak D dengan semua data D D D D D Ratarata Jarak b(i) (Rata -rata Mini mal) Setelah rata-rata jarak D dengan semua data selesai dihitung maka perhitungan silhouette coefficient bisa dilakukan menggunakan dengan rumus :.. Perhitungan Silhouette Coefficient Hasil dari silhouette coefficient ini berada antara nilai - sampai. Jika s(i) = maka data telah berada pada cluster yang tepat, jika s(i) = 0 S(i) = b(i) a(i) max (b(i), a(i)) ()
6 Silhouette Coefficient Silhouette Coefficient Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Hasil Pengujian Pengaruh Jumlah Cluster Terhadap Silhouette Coefficient Gambar. Implementasi Antarmuka Sistem Clustering Pasien Kanker Diketahui a() =, dan b() =, sehingga a() < b() nilai silhouette coefficient-nya adalah : S = a() b() =, = 0, = 0, Perhitungan Silhouette Coefficient dilakukan pada semua data dan dihitung rata-rata akhir untuk mengetahui nilai SC metode K- Medoids... Implementasi Antarmuka Antarmuka dibuat untuk memudahkan pengguna dalam menggunakan sistem yang dapat dilihat pada gambar. Yang pertama adalah bagian input data yang digunakan oleh pengguna untuk memasukkan data-data yang diperlukan dalam proses clustering. Bagian kedua adalah tabel data protein, bagian ketiga adalah menunjukkan jumlah data dan cluster serta menampilkan nilai akhir dari Silhouette Coefficient, dan bagian keempat adalah sebuah textarea yang berisi hasil clustering yang dilakukan sistem.. HASIL DAN ANALISIS.. Pengujian Pengaruh Jumlah Cluster Prosedur pengujian pengaruh jumlah cluster ini adalah dengan memasukkan nilai k yang berarti adalah jumlah cluster dengan nilai yang berbeda-beda dan akan dilakukan percobaan beberapa kali. Nilai k atau jumlah cluster yang digunakan adalah sampai 0. Dan nilai tertinggi berada pada jumlah 0, 0, 0, 0, 0 Gambar. Grafik Hasil Pengujian Pengaruh Jumlah Cluster terhadap Silhouette Coefficient 0, 0, 0, 0, 0, 0, Gambar. Grafik Hasil Pengujian Pengaruh Jumlah terhadap Silhouette Coefficient cluster dan yaitu 0,... Pengujian Pengaruh Jumlah Jumlah data yang digunakan bervariasi yaitu dari 0% data atau data, kemudian diambil secara acak menjadi 0%, 0%, 0%, 0%, dan 0% data dari data total. Grafik hasil percobaan dapat dilihat pada gambar. Dari percobaan yang telah dilakukan terlihat hasil yang bervariasi dan hasil terbaik didapatkan ketika data yang digunakan 0% yaitu data protein, rata-rata nilai silhouette coefficient mencapai 0,. KESIMPULAN 0, 0, 0, 0, 0, 0 0, Jumlah Cluster Hasil Pengujian Pengaruh Jumlah Terhadap Silhouette Coefficient 0, 0, 0, 0, 0, 0, 0% 0% 0% 0% 0% 0% Total Jumlah Berdasarkan hasil perancangan, implementasi, dan hasil pengujian sistem yang telah dilakukan dapat didapatkan kesimpulan :. Metode K-Medoids dapat diimplementasikan pada sistem clustering pasien kanker berdasarkan struktur protein dalam tubuh. total yang digunakan sebanyak data. Proses awal yang dilakukan adalah mengkonversi data menggunakan matriks PAM, kemudian dipilih pusat medoid secara acak sebanyak nilai k diinginkan, selanjutnya menghitung
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer jarak masing-masing data terhadap pusat medoid menggunakan perhitungan jarak manhattan, lalu dicari nilai cost pada iap data, pilih cost minimal, dan total semua cost minimal yang didapatkan, proses akan berulang seperti ini sampai semua data pernah menjadi medoid. Jika nilai total cost lebih kecil maka medoid diganti, tetapi jika nilai total cost lebih besar maka medoid tetap. Kemudian sistem akan menampilkan hasil clustering sesuai dengan jumlah cluster yang diinputkan. Dan menampilkan hasil silhouette coefficient yang merupakan kualitas cluster yang dihasilkan.. Dari dua pengujian yang telah dilakukan didapatkan hasil terbaik yaitu dengan jumlah cluster = yang memiliki nilai silhouette coefficient 0, dan jumlah data data atau data 0% yang memiliki nilai silhouette coefficient 0,. DAFTAR PUSTAKA Candra, Sefia, Antonius R. C., Lucia Dwi K., 0. Clustering Tag Status Facebook Dengan Menggunakan Algoritma K- Medoids. Fakultas Teknologi Informasi. Universitas Kristen Duta Wacana. Yogyakarta. Diananda, Rama, 0. Mengenal Seluk-Beluk Kanker. Ar-Ruzz Media Group. Jogjakarta. Dizon, Don S., Michael L. Krychman, Paul A. DiSilvestro, 0. 0 Questions and Answers about Cervical Cancer. Jones and Bartlett Publishers, LLC. Sudbury, MA. Dor, Shifra Ben, 00, Scoring Matrices, Weizmann Institute Of Science, Rehovot. Han, J., M. Kamber, 00. Mining Concepts and Techniques Second Edition. Morgan Kauffman Publisher. San Fransisco. Kelvin, Joanne Frankel., Leslie B. Tyson, 0. 0 Questions & Answers about Cancer Symptoms and Cancer Treatment Side Effects, second Edition. Jones and Bartlett Publishers, LLC. Sudbury, MA. Kurnianti, Ria, 0, Penggunaan Metode Pengelompokkan K-Means Pada Klasifikasi KNN Untuk Penentuan Jenis Kanker Berdasarkan Susunan Protein, Universitas Brawijaya, Malang. Nastiti, Shofi., Faisal P., Rizky Ramadhan, 0. Clustering Pasien Kanker Berdasarkan Konsentrasi Logam Dalam Darah Menggunakan Metode K. Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya. Malang. Retwitasari, Arintha, 0. Penentuan Jenis Kanker Berdasarkan Struktur Protein Menggunakan Algoritma Modified K- Nearest Neighbor (MKNN). Fakultas Ilmu Komputer, Universitas Brawijaya Malang. Shibab, A., 000. Fuzzy Clustering Algorithm and Their Application to Medical Image Analysis. Disertation, University of London. London. Uyha, 0, Wibisono, Yudi, 0. Perbandingan Partition Around Medoids (PAM) dengan K- Means Clustering untuk Tweets. Ilmu Komputer FPMIPA, Universitas Pendidikan Indonesia. Bandung.
BAB III. SUBSTANSI GENETIK
BAB III. SUBSTANSI ETIK Kromosom merupakan struktur padat yg tersusun dr komponen molekul berupa protein histon dan DNA (kumpulan dr kromatin) Kromosom akan tampak lebih jelas pada tahap metafase pembelahan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penggandaan dan penyediaan asam amino menjadi amat penting oleh karena senyawa tersebut dipergunakan sebagai satuan penyusun protein. Kemampuan jasad hidup untuk membentuk
Lebih terperinciProtein. Kuliah Biokimia ke-3 PROTEIN
Protein Kuliah Biokimia ke-3 PS Teknologi Hasil Pertanian Univ.Mulawarman Krishna P. Candra, 2015 PROTEIN Protein berasal dari kata latin Proteus (penting) Makromolekul yang dibentuk dari satu atau lebih
Lebih terperinciMetabolisme Protein. Tenaga. Wiryatun Lestariana Departemen Biokimia Fakultas Kedokteran UII YOGYAKARTA
Metabolisme Protein Tenaga Wiryatun Lestariana Departemen Biokimia Fakultas Kedokteran UII YOGYAKARTA Metabolisme protein Tenaga Pendahuluan Metabolisme protein dan asam amino Klasifikasi asam amino Katabolisis
Lebih terperinciBagian-bagian kromosom
BAB3: SUBSTANSI GENETIKA KROMOSOM Bagian-bagian kromosom 1. kromatid. 2. senrtomer. 3. lengan pendek. 4. lengan panjang. SUBSTANSI GENETIKA Seluruh peristiwa kimia (metabolisme) diatur oleh suatu master
Lebih terperinciClustering Tagg Status Facebook Dengan Menggunakan Algoritma K-MEDOIDS
Clustering Tagg Status Facebook Dengan Menggunakan Algoritma K-MEDOIDS Sefia Candra 1 sefia_chandra@yahoo.com Antonius R.C 2 anton@ti.ukdw.ac.id Lucia Dwi Krisnawati 3 krisna@ukdw.ac.id Abstract This research
Lebih terperinciBIOMOLEKUL II PROTEIN
KIMIA KELAS XII IPA - KURIKULUM GABUNGAN 22 Sesi NGAN BIOMOLEKUL II PROTEIN Protein dan peptida adalah molekul raksasa yang tersusun dari asam α-amino (disebut residu) yang terikat satu dengan lainnya
Lebih terperinciSubstansi Genetik. By Ms. Evy Anggraeny. SMA Regina Pacis Jakarta. Sept
Substansi Genetik SMA Regina Pacis Jakarta By Ms. Evy Anggraeny Sept 2013 1 DNA/ADN Terdiri dari gula pentosa, basa nitrogen dan phosphat DNA Sept 2013 2 Macam Basa Dua macam basa Purin Adenine = A pada
Lebih terperinciDefinisi Sintesis Protein
Definisi Sintesis Protein Manusia, hewan, dan tumbuhan sangat memerlukan protein sebagai unsur utama penyusun tubuhnya. Protein pada manusia dan hewan terdapat paling banyak pada membran sel, sitoplasma,
Lebih terperinciALGORITMA K-MEDOIDS UNTUK PENENTUAN STRATEGI PEMASARAN PRODUK
ALGORITMA K-MEDOIDS UNTUK PENENTUAN STRATEGI PEMASARAN PRODUK Wiwit Agus Triyanto Fakultas Teknik, Program Studi Sistem Informasi Universitas Muria Kudus Email: at.wiwit@yahoo.co.id ABSTRAK Strategi pemasaran
Lebih terperinciBIOLOGI SESI 03 SUBSTANSI GENETIK DAN LATIHAN SBMPTN TOP LEVEL - XII SMA
03 MATERI AN LATIHAN SBMTN TO LEVEL - XII SMA BIOLOGI SESI 03 SUBSTANSI GENETIK Komponen terkecil penyusun makhluk hidup disebut sel. Setiap sel eukariotik memiliki nukleus yang mengandung kromosom. Setiap
Lebih terperinciPreparasi Sampel. Gaplek Terfortifikasi. Identifikasi Asam Amino Tepung Gaplek Terfortifikasi dengan Kromatografi Lapis Tipis (KLT)
19 Lampiran 1. Skema Kerja Penelitian Preparasi Sampel Pembuatan Gaplek Pembuatan Tepung Gaplek Terfortifikasi Penentuan Kadar Protein Tepung Gaplek Terfortifikasi dengan Metode Biuret Identifikasi Asam
Lebih terperinciPENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA
PENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA 1 Yulison Herry Chrisnanto, 2 Gunawan Abdillah 1,2 Jurusan Informatika Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data menjadi sesuatu yang sangat berharga saat ini. Tidak hanya badan pemerintah saja, perusahaan-perusahaan saat ini pun sangat membutuhkan informasi dari data yang
Lebih terperinci4. PEMBAHASAN 4.1. Isolasi Protein Daun Yakon
4. PEMBAHASAN Daun yakon yang digunakan untuk pengobatan dan telah beredar dipasaran, umumnya dijual dalam bentuk kering. Untuk mengetahui aplikasi dari daun yakon dalam bidang makanan, maka dilakukan
Lebih terperinciAsam Amino dan Protein. Tri Rini Nuringtyas
Asam Amino dan Protein Tri Rini Nuringtyas Protein Molekul yg sangat vital untuk organisme terdapt di semua sel Polimer disusun oleh 20 mcm asam amino standar Rantai asam amino dihubungkan dg iktn kovalen
Lebih terperinciPerbandingan Teknik Pengklasteran Dalam Visualisasi Data Teks Bahasa Indonesia
Perbandingan Teknik Pengklasteran Dalam Visualisasi Data Teks Bahasa Indonesia Praditya Kurniawan 1, Ema Utami 2, Andi Sunyoto 3 1,2,3 STMIK AMIKOM Yogyakarta e-mail: * 1 pradityakurniawan@gmail.com, 2
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ANALISIS CLUSTER PADA DOKUMEN TEKS Budi Susanto (versi 1.3) Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep analisis clustering Memahami
Lebih terperinciBAHAN PENYUSUN GENETIK
Materi Kuliah Bioteknologi Pertanian Prodi Agribisnis Pertemuan Ke 4 BAHAN PENYUSUN GENETIK Ir. Sri Sumarsih, MP. Email: Sumarsih_03@yahoo.com Weblog: Sumarsih07.wordpress.com Website: agriculture.upnyk.ac.id
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Budi Susanto ANALISIS CLUSTER PADA DOKUMEN TEKS Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep analisis clustering Memahami tipe-tipe data dalam clustering Memahami beberapa algoritma
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciBAB I PENDAHULUAN. masyarakat tanpa kertas (paperless society) (Hernawati, 2005). Berdasarkan buku
BAB I PENDAHULUAN 1.1 Latar Belakang Revolusi teknologi informasi ikut mengubah perilaku masyarakat modern dengan mencoba masuk dan menghirup atmosfer kebudayaan baru, menjadikan masyarakat tanpa kertas
Lebih terperinciPokok Bahasan: Ekspresi gen
Pokok Bahasan: Ekspresi gen Sub Pokok Bahasan : 3.1. Regulasi Ekspresi 3.2. Sintesis Protein 3.1. Regulasi ekspresi Pengaruh suatu gen dapat diamati secara visual misalnya pada anggur dengan warna buah
Lebih terperinciV. GENETIKA MIKROORGANISME
V. GENETIKA MIKROORGANISME Genetika merupakan suatu cabang ilmu yang membahas tentang sifat-sifat yang diturunkan oleh suatu organisme. Penelaahan genetika secara serius pertama kali dilakukan oleh Gregor
Lebih terperinciTipe Clustering. Partitional Clustering. Hirerarchical Clustering
Analisis Cluster Analisis Cluster Analisis cluster adalah pengorganisasian kumpulan pola ke dalam cluster (kelompok-kelompok) berdasar atas kesamaannya. Pola-pola dalam suatu cluster akan memiliki kesamaan
Lebih terperinciPROTEIN. Sulistyani, M.Si
PROTEIN Sulistyani, M.Si sulistyani@uny.ac.id KONSEP DASAR Kata protein berasal dari kata Yunani, proteios yang berarti pertama. Dalam kehidupan sehari-hari, protein terdapat dalam telur, kacangkacangan,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciANALISIS STRUKTUR-FUNGSI GEN MUTAN sa14 SENSITIF TEMPERATUR YANG DIPEROLE'H DENGAN CARA IN VITRO MUTAGENESIS PADA Saccharomyces cerevisiae
ANALISIS STRUKTUR-FUNGSI GEN MUTAN sa14 SENSITIF TEMPERATUR YANG DIPEROLE'H DENGAN CARA IN VITRO MUTAGENESIS PADA Saccharomyces cerevisiae ABSTRAK Salah satu komponen terminasi translasi di ragi Saccharomyces
Lebih terperinciBAB I PENDAHULUAN. Berdasarkan Global status report on alcohol and health 2014 (WHO, 2014),
BAB I PENDAHULUAN A. Latar Belakang Berdasarkan Global status report on alcohol and health 2014 (WHO, 2014), dari 241.000.000 orang penduduk Indonesia, Prevalensi gangguan karena penggunaan alkohol adalah
Lebih terperinci3. HASIL PENELITIAN Profil Protein Yakon (Smallanthus sonchifolius) Gambar 9. Profil protein daun yakon (Smallanthus sonchifolius)
3. HASIL PENELITIAN 3.1. Efisiensi Isolat protein dan Konsentrasi Daun Yakon (Smallanthus sonchifolius) Tabel 3. Efisiensi Isolat dan konsentrasi protein daun yakon (Smallanthus sonchifolius) Metode Massa
Lebih terperinciAnalisa Data Mahasiswa Baru Terhadap Program Studi Yang. Dipilih Di Universitas Pembangunan Nasional Veteran Jawa
Analisa Data Mahasiswa Baru Terhadap Program Studi Yang Dipilih Di Universitas Pembangunan Nasional Veteran Jawa Timur Menggunakan Teknik Data Mining SKRIPSI Disusun Oleh : Citra Arum Sari 1032010048 JURUSAN
Lebih terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciPEMODELAN TIGA DIMENSI (3D) IKATAN HASIL DOCKING MOLEKULAR TURUNAN DIKETOPIPERAZIN (DKP) DENGAN Bcl-2 PADA SEL MCF-7 SKRIPSI
PEMODELAN TIGA DIMENSI (3D) IKATAN HASIL DOCKING MOLEKULAR TURUNAN DIKETOPIPERAZIN (DKP) DENGAN Bcl-2 PADA SEL MCF-7 SKRIPSI Oleh: YUNIYATI LUTHFIYAH K 100 090 010 FAKULTAS FARMASI UNIVERSITAS MUHAMMADIYAH
Lebih terperinciPROTEIN PROTEIN DEFINISI. Protein : suatu poliamida 20/05/2014
PTEI DEFIISI Protein (akar kata protos dari bahasa Yunani yang berarti "yang paling utama") adalah senyawa organik kompleks berbobot molekul tinggi yang merupakan polimer dari monomermonomer asam amino
Lebih terperinciClustering Data Kejadian Tsunami Yang Disebabkan Oleh Gempa Bumi Dengan Menggunakan Algoritma K-Medoids
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 8, Juni 2017, hlm. 635-640 http://j-ptiik.ub.ac.id Clustering Data Kejadian Tsunami Yang Disebabkan Oleh Gempa Bumi
Lebih terperinciKEGUNAAN. Merupakan polimer dari sekitar 21 jenis asam amino melalui ikatan peptida Asam amino : esensial dan non esensial
PROTEIN KEGUNAAN 1. Zat pembangun dan pengatur 2. Sumber asam amino yang mengandung unsur C, H, O dan N 3. Sumber energi Merupakan polimer dari sekitar 21 jenis asam amino melalui ikatan peptida Asam amino
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian ini akan diuraikan teori-teori dasar yang dijadikan sebagai landasan dalam penulisan tugas akhir ini. 2.1 Ilmu Bioinformatika Bioinformatika merupakan kajian yang mengkombinasikan
Lebih terperinciprotein PROTEIN BERASAL DARI BAHASA YUNANI PROTOS THAT MEAN THE PRIME IMPORTANCE
protein A. PENGERTIAN PROTEIN PROTEIN BERASAL DARI BAHASA YUNANI PROTOS THAT MEAN THE PRIME IMPORTANCE ARTINYA : TERUTAMA ATAU PENTING G. MULDER MENEMUKAN BAHWA SENYAWA INI DITEMUKAN PADA SEMUA ORGANISME
Lebih terperinciPENGARUH FERMENTASI TERHADAP KANDUNGAN PROTEIN DAN ASAM AMINO PADA TEPUNG GAPLEK YANG DIFORTIFIKASI TEPUNG KEDELAI (Glycine max (L))
PENGARUH FERMENTASI TERHADAP KANDUNGAN PROTEIN DAN ASAM AMINO PADA TEPUNG GAPLEK YANG DIFORTIFIKASI TEPUNG KEDELAI (Glycine max (L)) Glycine Max Yohanes Martono, Lucia Devi Danriani, Sri Hartini Email:
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 85-836 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PENGELOMPOKAN DAERAH MENGGUNAKAN METODE NON- HIERARCHICAL
Lebih terperinciPerbandingan Metode Single Linkage dan Fuzzy C Means Untuk Pengelompokkan Trafik Internet
Perbandingan Metode Single dan Fuzzy C Means ntuk Pengelompokkan Trafik Internet Auliya Burhanuddin 1, Ema tami, Eko Pramono 3 1 Program Studi Teknik Informastika, Fakultas Teknik, niversitas Muhammadiyah
Lebih terperinciBAB IV Hasil dan Pembahasan
BAB IV Hasil dan Pembahasan Bab ini akan membahas hasil PCR, hasil penentuan urutan nukleotida, analisa in silico dan posisi residu yang mengalami mutasi dengan menggunakan program Pymol. IV.1 PCR Multiplek
Lebih terperinciProtein adalah sumber asam-asam amino yang mengandung unsur-unsur C, H, O, dan N yang tidak dimiliki oleh lemak atau karbohidrat.
PROTEIN Protein adalah sumber asam-asam amino yang mengandung unsur-unsur C, H, O, dan N yang tidak dimiliki oleh lemak atau karbohidrat. Sebagai zat pembangun, protein merupakan bahan pembentuk jaringanjaringan
Lebih terperinciAsam nukleat dan Protein Aliran informasi genetik
Asam nukleat dan Protein Aliran informasi genetik Pustaka: Glick, BR and JJ Pasternak, 2003, Molecular Biotechnology: Principles and Applications of Recombinant DNA, ASM Press, Washington DC, hal. 23-46
Lebih terperinciBAB 1 PENDAHULUAN Building A Data WareHouse for Decision Support Second Edition Data Mining : Concepts, Models, Methods, and Algorithms
BAB 1 PENDAHULUAN 1.1. Pendahuluan Mesin hitung bernama Komputer sejak satu dekade ini telah tumbuh dan berkembang dengan pesat. Perkembangan ini meliputi sisi teknologi, kapasitas media penyimpanan, dan
Lebih terperinciBAB II DASAR TEORI. 2.1 DNA (Deoxy-Ribonucleic Acid)
BAB II DASAR TEORI Pada bagian ini dijelaskan mengenai teori-teori yang mendukung pengelompokan data ekspresi gen, bentuk data ekspresi gen dan jenis analisis dari data ekspresi gen tersebut. Dasar-dasar
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 184-189 http://j-ptiik.ub.ac.id Klasifikasi Standar Produk Baja PT. Krakatau Steel (Persero)
Lebih terperinciABSTRAK GAMBARAN PENDERITA KANKER PARU DI RUMAH SAKIT HASAN SADIKIN BANDUNG PERIODE JANUARI DESEMBER 2011
ABSTRAK GAMBARAN PENDERITA KANKER PARU DI RUMAH SAKIT HASAN SADIKIN BANDUNG PERIODE JANUARI 2011- DESEMBER 2011 Christone Yehezkiel P, 2013 Pembimbing I : Sri Utami Sugeng, Dra., M.Kes. Pembimbing II :
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 CLUSTERING DATA PENJUALAN DAN PERSEDIAAN BARANG PADA PT SAYAP MAS UTAMA DENGAN METODE K-MEANS Ahmad Afif 2008250031
Lebih terperinciAsam Amino, Peptida dan Protein. Oleh Zaenal Arifin S.Kep.Ns.M.Kes
Asam Amino, Peptida dan Protein Oleh Zaenal Arifin S.Kep.Ns.M.Kes Pendahuluan Protein adalah polimer alami terdiri atas sejumlah unit asam amino yang berkaitan satu dengan yg lainnya Peptida adalah oligomer
Lebih terperinciPERBANDINGAN METODE CLUSTERING MENGGUNAKAN METODE SINGLE LINKAGE DAN K - MEANS PADA PENGELOMPOKAN DOKUMEN
PERBANDINGAN METODE CLUSTERING MENGGUNAKAN METODE SINGLE LINKAGE DAN K - MEANS PADA PENGELOMPOKAN DOKUMEN Rendy Handoyo 1, R. Rumani M 2, Surya Michrandi Nasution 3 1,2,3 Gedung N-203, Program Studi Sistem
Lebih terperinciBAB II KLASIFIKASI MAKHLUK HIDUP DAN POHON FILOGENETIK
BAB II KLASIFIKASI MAKHLUK HIDUP DAN POHON FILOGENETIK 2.1 Klasifikasi Makhluk Hidup Sistem klasifikasi organisme memiliki dua pandangan besar yaitu sistem klasifikasi Fenetik dan Filogeni. Sistem klasifikasi
Lebih terperinciDAYA TERIMA DAN KUALITAS PROTEIN IN VITRO TEMPE KEDELAI HITAM (Glycine soja) YANG DIOLAH PADA SUHU TINGGI. Abstrak
DAYA TERIMA DAN KUALITAS PROTEIN IN VITRO TEMPE KEDELAI HITAM (Glycine soja) YANG DIOLAH PADA SUHU TINGGI Nurhidajah 1, Syaiful Anwar 2, Nurrahman 2 Abstrak Pengolahan pangan dengan suhu tinggi dapat menyebabkan
Lebih terperinciDiagnosis Penyakit Kulit Pada Kucing Menggunakan Metode Modified K- Nearest Neighbor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1797-1803 http://j-ptiik.ub.ac.id Diagnosis Penyakit Kulit Pada Kucing Menggunakan Metode
Lebih terperinciDATA MINING. Pertemuan 9. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 9 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Clustering Data Mining Penklusteran (clustering) digunakan untuk
Lebih terperinciBIOTEKNOLOGI PERTANIAN TEORI DASAR BIOTEKNOLOGI
BIOTEKNOLOGI PERTANIAN TEORI DASAR BIOTEKNOLOGI The Central Dogma of Molecular biology Replikasi DNA: adalah proses penggandaan pita DNA dengan menggunakan DNA tetua sebagai cetakan; Proses ini berlangsung
Lebih terperinciTEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Selvia Lorena Br Ginting 1), Wendi Zarman
Lebih terperinciKAJIAN DOCKING 3-[(ASETILOKSI)METIL]-7-[(4-HIDROKSI-3- METOKSIFENIL)METILIDIN]AMINO]-8-OKSO-5-THIA- 1-AZABISIKLO[4.2
KAJIAN DOCKING 3-[(ASETILOKSI)METIL]-7-[(4-HIDROKSI-3- METOKSIFENIL)METILIDIN]AMINO]-8-OKSO-5-THIA- 1-AZABISIKLO[4.2.0]OCT-2-ENE-ASAM KARBOKSILAT MENGGUNAKAN DOCK6 SKRIPSI Diajukan untuk memenuhi salah
Lebih terperinciSaya telah melihat cara membuat strand dna ini di internet dan akhirnya,,,, inilah hasilnya
Untuk menghasilkan bahan 3D saya ini, bahan yang telah saya gunakan adalah kertas berwarna, dawai, double tape, gabus dan pelekat. Bahan-bahan ini merupakan bahan yang mudah untuk dicari dan semestinya
Lebih terperinciProtein (asal kata protos dari bahasa Yunani yang berarti "yang paling utama") adalah senyawa organik kompleks berbobot molekul tinggi yang merupakan
A. Protein Protein (asal kata protos dari bahasa Yunani yang berarti "yang paling utama") adalah senyawa organik kompleks berbobot molekul tinggi yang merupakan polimer dari monomer-monomer asam amino
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciKarakterisasi Antibodi Antipeptida Ujung C dan Ujung N Protein CarA Salmonella typhi
Karakterisasi Antibodi Antipeptida Ujung C dan Ujung N Protein CarA Salmonella typhi T 616.927 SUF Abstrak Salmonella typhi menyebabkan demam tifoid pada manusia. Gen cara S. typhi merupakan salah satu
Lebih terperinciPENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU
PENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU Gita Premashanti Trayasiwi Program Studi Teknik Informatika S1,
Lebih terperinciI. PENDAHULUAN. di alam yang berguna sebagai sumber pakan yang penting dalam usaha
1 I. PENDAHULUAN A. Latar Belakang Pakan terdiri dari pakan buatan dan pakan alami. Pakan buatan adalah pakan yang dibuat dan disesuaikan dengan jenis hewan baik ukuran, kebutuhan protein, dan kebiasaan
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciK-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia
K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia Okta Riveranda 1), Warnia Nengsih, S.Kom., M.Kom. 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, email: okta12si@mahasiswa.pcr.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. Wiley & Sons, 2003, Hal : 1. 1 Poe Vidette, Klauer Patricia dan Brobst Stephen, Building A Data WareHouse for Decision Support
BAB 1 PENDAHULUAN 1.1. Pendahuluan Dewasa ini fungsi komputer semakin dimanfaatkan baik pada perusahaan menengah ke atas maupun pada perusahaan kecil. Adapun fungsi dari komputer itu sendiri adalah mengolah
Lebih terperinciTEKNOSI, Vol. 02, No. 03, Desember Koko Handoko Universitas Putera Batam (cooresponding author)
TEKNOSI, Vol. 02, No. 03, Desember 2016 31 PENERAPAN DATA MINING DALAM MENINGKATKAN MUTU PEMBELAJARAN PADA INSTANSI PERGURUAN TINGGI MENGGUNAKAN METODE K-MEANS CLUSTERING (STUDI KASUS DI PROGRAM STUDI
Lebih terperinciImplementasi Algoritme Fuzzy K-Nearest Neighbor untuk Penentuan Lulus Tepat Waktu (Studi Kasus : Fakultas Ilmu Komputer Universitas Brawijaya)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, April 2018, hlm. 1726-1732 http://j-ptiik.ub.ac.id Implementasi Algoritme Fuzzy K-Nearest Neighbor untuk Penentuan
Lebih terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinciSISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING Ati Suci Dian Martha, S.Kom., M.T. 1, Dena Jatnika Kusumah 1, Program Studi Sistem Informasi, STMIK LPKIA, Bandung Jln. Soekarno Hatta No.
Lebih terperinciPemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA
Pemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA Chandra Purnamaningsih Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami No 36 A Surakarta cpurnamaningsih@gmail.com
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-521
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-521 Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data (Studi kasus : Problem Kerja Praktek Jurusan
Lebih terperinciDeteksi Penyakit Kucing dengan Menggunakan Modified K-Nearest Neighbor Teroptimasi (Studi Kasus: Puskeswan Klinik Hewan dan Satwa Sehat Kota Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1295-1301 http://j-ptiik.ub.ac.id Deteksi Penyakit Kucing dengan Menggunakan Modified K-Nearest
Lebih terperinciPENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING
A-99 PENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING Rachmad Zaini Alberto 1, Winda Kurnia Sari 2, Samsuryadi 3, Anggina Primanita 4 1,2,3,4 Fakultas
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
Lebih terperinciImplementasi Modified K-Nearest Neighbor Dengan Otomatisasi Nilai K Pada Pengklasifikasian Penyakit Tanaman Kedelai
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 75-79 http://j-ptiik.ub.ac.id Implementasi Modified K-Nearest Neighbor Dengan Otomatisasi
Lebih terperinciREGULASI SINTESIS PROTEIN
REGULASI SINTESIS PROTEIN Berdasarkan ekspresi gen 1. Gen teregulasi/terkendali (regulated gene) ekspresi gen tergantung keadaan lingkungan Contoh: gen yang terlibat dalam metabolisme laktosa 2. Gen tidak
Lebih terperinciASAM AMINO DAN PROTEIN
ASAM AMINO DAN PROTEIN What is Protein? Makes up your body (muscles and meat are the same thing) Tinjauan Umum Protein adalah makromolekul yang paling berlimpah di dalam sel hidup dan merupakan 50% berat
Lebih terperinciPENILAIAN HASIL MOLECULAR DOCKING TURUNAN DIKETOPIPERAZIN SEBAGAI INHIBITOR HIV-1 PROTEASE SKRIPSI. Oleh: BAYU AJI NEGARA K
PENILAIAN HASIL MOLECULAR DOCKING TURUNAN DIKETOPIPERAZIN SEBAGAI INHIBITOR HIV-1 PROTEASE SKRIPSI Oleh: BAYU AJI NEGARA K 100 090 004 FAKULTAS FARMASI UNIVERSITAS MUHAMMADIYAH SURAKARTA SURAKARTA 2014
Lebih terperinciIMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU
PROYEK TUGAS AKHIR IMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU (Studi Kasus : SMK Pembangunan Nasional Purwodadi) Disusun oleh: Novian Hari Pratama 10411 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciI. TOPIK PERCOBAAN Topik Percobaan : Reaksi Uji Asam Amino Dan Protein
I. TOPIK PERCOBAAN Topik Percobaan : Reaksi Uji Asam Amino Dan Protein II. TUJUAN Tujuan dari percobaan ini adalah : 1. Menganalisis unsur-unsur yang menyusun protein 2. Uji Biuret pada telur III. DASAR
Lebih terperinciAPLIKASI K-MEANS UNTUK PENGELOMPOKKAN MAHASISWA BERDASARKAN NILAI BODY MASS INDEX (BMI) & UKURAN KERANGKA
APLIKASI K-MEANS UNTUK PENGELOMPOKKAN MAHASISWA BERDASARKAN NILAI BODY MASS INDEX (BMI) & UKURAN KERANGKA Tedy Rismawan 1 dan Sri Kusumadewi 2 1 Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik
Lebih terperinciIDENTIFIKASI SENYAWA FITOKIMIA CALCIUM CHANNEL BLOCKER DENGAN MOLECULAR DOCKING SEBAGAI PENGEMBANGAN TERAPI HIPERTENSI PADA KEHAMILAN SKRIPSI
IDENTIFIKASI SENYAWA FITOKIMIA CALCIUM CHANNEL BLOCKER DENGAN MOLECULAR DOCKING SEBAGAI PENGEMBANGAN TERAPI HIPERTENSI PADA KEHAMILAN SKRIPSI Untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Kedokteran
Lebih terperinciRANCANG BANGUN APLIKASI PENCOCOKAN DNA MANUSIA MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE (Studi Kasus: DNA Kanker Hati Manusia)
RANCANG BANGUN APLIKASI PENCOCOKAN DNA MANUSIA MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE (Studi Kasus: DNA Kanker Hati Manusia) Zulmi Afriansyah 1, Diyah Puspitaningrum 2, Ernawati 3 1,2,3 Program Studi
Lebih terperinciPENGENALAN OBJEK PADA CITRA DIGITAL MENGGUNAKAN ALGORITMA HIERARCHICAL ALGOMERATIVE CLUSSTERING
PENGENALAN OBJEK PADA CITRA DIGITAL MENGGUNAKAN ALGORITMA HIERARCHICAL ALGOMERATIVE CLUSSTERING UmmulKhair, M.Kom 1, Rahmadsyah, M.Kom 2, Aja Abdurajak 3 Program StudiTeknikInformatikaSTT-Harapan Medan
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciI. PENDAHULUAN. Kanker merupakan masalah utama bagi masyarakat karena menjadi salah
I. PENDAHULUAN 1.1. Latar Belakang Kanker merupakan masalah utama bagi masyarakat karena menjadi salah satu penyebab kematian terbesar di dunia. Salah satu jenis kanker yang memiliki potensi kematian terbesar
Lebih terperinciCLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE
CLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE Lutfi Hidayat Ramdhani¹, Hetti Hidayati², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom Abstrak K-Modes
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih terperinciPENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Yulius Palumpun 1), Sitti Nur Alam 2) 1) Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Manajemen (FIKOM) - Universitas
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 ANALISA PERBANDINGAN METODE HIERARCHICAL CLUSTERING, K-MEANS DAN GABUNGAN KEDUANYA DALAM MEMBENTUK CLUSTER DATA (STUDI KASUS : PROBLEM KERJA PRAKTEK JURUSAN
Lebih terperinci10/30/2015. Protein adalah makromolekul. Mereka dibangun dari satu atau lebih rantai asam amino. Protein dapat mengandung asam amino.
Protein Struktur asam Asam essensial Metabolisme asam Pengaruh hormon dalam metabolisme asam Anabolisme asam Katabolisme asam Keseimbangan nitrogen Siklus urea Perubahan rangka karbon asam menjadi zat
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciPerbandingan Metode K Nearest Neighbor dan K Means Clustering dalam Segmentasi Warna pada Citra ABSTRAK
Perbandingan Metode K Nearest Neighbor dan K Means Clustering dalam Segmentasi Warna pada Citra Hanri Paskal/0322114 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40165,
Lebih terperinci