APLIKASI SUPPORT VECTOR MACHINES (SVM) PADA DATA BIOINFORMATIKA (Studi kasus : Klasifikasi pada Data Maize Growth Stages )

Abstract

Jagung (Zea mays L) memiliki peran dalam pemenuhan kebutuhan pangan dan strategis dibidang ekonomi yang merupakan salah satu komoditas pertanian utama. Peningkatan produktivitas jagung dapat meningkatkan ketersediaan pasokan jagung, hal ini dapat dilakukan dengan teknik budidaya yang tepat yaitu mensinergikan kebutuhan tanaman dalam setiap fase pertumbuhan dengan input yang harus diberikan. Tahap pertumbuhan jagung terdiri dari tahap pertumbuhan vegetatif dan tahap pertumbuhan reproduktif. Berdasarkan tahap pertumbuhan jagung, peneliti ingin membuat model klasifikasi dari tahap pertumbuhan jagung berdasarkan gen name pada setiap organ jaringan jagung. Maize growth stages (MGS) merupakan data pengelompokkan organ jaringan jagung berdasarkan nilai gen name apakah termasuk kelompok tahap pertumbuhan jagung vegetatif atau tahap pertumbuhan reproduktif. Dalam hal ini, digunakan sebuah cabang ilmu machine learning yang dapat mengklasifikasikan yaitu support vector machines (SVM) dengan bantuan program RStudio dengan tambahan packages bioinformatika yaitu multtest. Terdapat 3 tahap dalam pengolahannya yaitu input data, filtering untuk mereduksi data dan analisis SVM. Berdasarkan hasil analisis SVM mampu memprediksi kelas tahap pertumbuhan dengan akurasi 92.85% dengan nilai AUC 83.33%. Hal ini menunjukkan bahwa dalam penelitian ini, model algoritma Support Vector Machine (SVM) mencapai klasifikasi yang baik.