IMPLEMENTASI HIERARCHICAL CLUSTERING DALAM DNA BARCODING UNTUK MENENTUKAN TAKSONOMI TUMBUHAN

Muhammad Iqbal Zain, - (2023) IMPLEMENTASI HIERARCHICAL CLUSTERING DALAM DNA BARCODING UNTUK MENENTUKAN TAKSONOMI TUMBUHAN. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_1901423_Title.pdf Download (1MB)
	Text S_KOM_1901423_Chapter1.pdf Download (538kB)
	Text S_KOM_1901423_Chapter2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_KOM_1901423_Chapter3.pdf Download (645kB)
	Text S_KOM_1901423_Chapter4.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_1901423_Chapter5.pdf Download (505kB)
	Text S_KOM_1901423_Appendix.pdf Restricted to Staf Perpustakaan Download (847kB)

Abstract

Pendekatan DNA Barcoding telah digunakan secara luas dalam taksonomi dan filogenetik. Perbedaan dalam urutan DNA tertentu dapat membedakan dan membantu mengklasifikasikan organisme ke dalam taksa. Hal ini telah digunakan dalam kasus-kasus perselisihan taksonomi dimana pendekatan morfologi saja tidak cukup. Penelitian ini bertujuan untuk memanfaatkan hierarchical clustering, sebuah metode unsupervised machine learning, untuk menentukan dan menyelesaikan sengketa dalam taksonomi famili tumbuhan. Studi kasus Leguminosae secara historis ada yang mengklasifikasikan ke dalam tiga famili (Fabaceae, Caesalpiniaceae, dan Mimosaceae) tetapi ada juga yang mengklasifikasikan ke dalam satu famili (Leguminosae). Penelitian ini dibagi menjadi beberapa tahap, yaitu: (i) data collection, (ii) data preprocessing, (iii) finding the best distance method, and (iv) determining disputed family. Data yang digunakan dalam penelitian ini dikumpulkan dari beberapa sumber, termasuk National Center for Biotechnology Information (NCBI), jurnal, dan website. Data untuk validasi metode dikumpulkan dari NCBI dan digunakan untuk menentukan distance method terbaik untuk membedakan famili atau genera. Data untuk studi kasus pada kelompok Leguminosae dikumpulkan dari Berbagai jurnal dan website. Percobaan bertujuan untuk mendapatkan distance method terbaik yang kemudian digunakan untuk menentukan famili yang disengketakan. Ditemukan bahwa studi kasus Leguminosae harus dikelompokkan ke dalam satu famili berdasarkan penelitian ini; The DNA barcoding approach has been used extensively in taxonomy and phylogenetics. The differences in certain DNA sequences are able to differentiate and help classify organisms into taxa. This tool has been used in cases of taxonomic disputes where morphology by itself is insufficient. This research aimed to utilize hierarchical clustering, an unsupervised machine learning method, to determine and resolve disputes in plant family taxonomy. We take a case study of Leguminosae that historically some classify into three families (Fabaceae, Caesalpiniaceae, and Mimosaceae) but others classify into one family (Leguminosae). This study is divided into several phases, which are: (i) data collection, (ii) data preprocessing, (iii) finding the best distance method, and (iv) determining disputed family. The data used in this study are collected from several sources, including National Center for Biotechnology Information (NCBI), journals, and websites. The data for validation of the methods were collected from NCBI and used to determine the best distance method for differentiating families or genera. The data for the case study in the Leguminosae group was collected from journals and a website. The experiment aimed to identify the best distance method, which was then used to determine the disputed family. It was found that the Leguminosae case study should be grouped into one family based on this research.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=list_works&hl=en&user=rufzxWcAAAAJ SINTA ID: 5975668 SINTA ID: 5992674
Uncontrolled Keywords:	DNA Barcoding, Unsupervised Learning, Bioinformatika, Hierarchical Clustering, Machine Learning, Taxonomy, R Programming Language
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Muhammad Iqbal Zain
Date Deposited:	12 Sep 2023 09:34
Last Modified:	12 Sep 2023 09:34
URI:	http://repository.upi.edu/id/eprint/104926

Actions (login required)

View Item