Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada tesis ini dilakukan pengukuran kemiripan profil DNA manusia menggunakan ukuran kemiripan fuzzy (fuzzy similarity measure). Pengukuran kemiripan profil DNA ini dibedakan atas dua bagian, yaitu pengukuran kemiripan dari profil DNA seseorang dengan data profil DNA yang tersimpan pada sistem basis data, dan pengukuran kemiripan seseorang dengan keluarga biologis yaitu orang tua serta kakek dan nenek. Pengukuran dilakukan terhadap setiap alel dari keenam belas loki marka STR yang memetakan profil DNA manusia. Dari simulasi percobaan yang dilakukan hasil yang diperoleh dari pencocokan profil DNA sangat memuaskan, dimana setiap simulasi memberikan hasil yang cocok. Selanjutnya sistem pengukuran kemiripan fuzzy profil DNA manusia ini diharapkan dapat digunakan untuk membantu pihak Kepolisian Republik Indonesia dalam proses identifikasi korban bencana, korban tindak kriminal maupun terorisme.

---

This thesis investigated the similarity measurement of DNA profile using fuzzy similarity measure. The similarity measurement of DNA profile has been done by measuring the similarity between a query’s DNA profile with the records in DNA profile databases, and between a query’s DNA profile with the DNA profile of its biological family, either biological parents or biological grandparents. The similarity measurement has been done to the STR alleles of sixteen loci. The result of this experiment showed that each simulation gave a matching result The similarity measurement of DNA profile by using fuzzy similarity measure is useful for the Indonesian National Police (POLRI) in identifying process of victim of disasters, terrorism, or other criminal conducts."

"Pada tesis ini dilakukan pengukuran kemiripan profil DNA manusia menggunakan ukuran kemiripan fuzzy (fuzzy similarity measure). Pengukuran kemiripan profil DNA ini dibedakan atas dua bagian, yaitu pengukuran kemiripan dari profil DNA seseorang dengan data profil DNA yang tersimpan pada sistem basis data, dan pengukuran kemiripan seseorang dengan keluarga biologis yaitu orang tua serta kakek dan nenek. Pengukuran dilakukan terhadap setiap alel dari keenam belas loki marka STR yang memetakan profil DNA manusia. Dari simulasi percobaan yang dilakukan hasil yang diperoleh dari pencocokan profil DNA sangat memuaskan, dimana setiap simulasi memberikan hasil yang cocok. Selanjutnya sistem pengukuran kemiripan fuzzy profil DNA manusia ini diharapkan dapat digunakan untuk membantu pihak Kepolisian Republik Indonesia dalam proses identifikasi korban bencana, korban tindak kriminal maupun terorisme.

---

This thesis investigated the similarity measurement of DNA profile using fuzzy similarity measure. The similarity measurement of DNA profile has been done by measuring the similarity between a query?s DNA profile with the records in DNA profile databases, and between a query?s DNA profile with the DNA profile of its biological family, either biological parents or biological grandparents. The similarity measurement has been done to the STR alleles of sixteen loci. The result of this experiment showed that each simulation gave a matching result. The similarity measurement of DNA profile by using fuzzy similarity measure is useful for the Indonesian National Police (POLRI) in identifying process of victim of disasters, terrorism, or other criminal conducts."

"Tugas akhir ini berupaya menganalisis metode pengukuran kemiripan dan perbedaan rantai DNA dengan menggunakan dasar fuzzy genom dan ruang fuzzy polinukleotida. Analisis dilakukan dengan cara menerapkan metode yang dianalisis dalam sebuah aplikasi sederhana dalam bahasa pemograman JAVA. Aplikasi yang dibuat bertujuan dapat memberikan nilai kemiripan dan perbedaan dua rantai DNA. Sampel data yang diambil adalah rantai DNA virus influenza yang telah dipetakan genomnya serta telah diketahui subtipenya. Virus yang menjadi pembanding utama yaitu virus influenza dengan subtipe H5N1. Selain itu, data yang diambil yaitu virus-virus lain yang tersedia juga di dari NCBI (National Center for Biotechnology Information). Hasil menunjukkan bahwa virus dengan tipe yang sama yaitu virus influenza memiliki nilai kemiripan yang lebih besar dan jarak yang kecil. Pengukuran yang dilakukan tidak mampu membedakan subtipe sesama virus influenza. Akan tetapi, pengukuran virus influenza dengan jenis virus lainnya memiliki nilai kemiripan yang relatif lebih rendah dan jarak yang jauh. Hasil tersebut memungkinkan untuk membedakan virus influenza dengan jenis virus lain. Metode yang digunakan dapat digunakan sebagai salah satu ciri untuk mengklasifikasi jenis virus tertentu.

---

This thesis attempts to analyze the methods to measure similarity and distance between DNA sequences based on the theory of fuzzy genomes and fuzzy polynucleotide spaces. The analyzing is done using an application coded by JAVA language. The application implements the methods to measure similarity and distance between two DNA sequences. Influenza virus which its genomes has already been mapped and subtype known is used as sample data. The main DNA sequence comparator is the DNA of influenza virus with subtype H5N1. Besides that, other virus data is taken from same source (NCBI - National Center for Biotechnology Information) as samples. The results show that viruses with same type have high similarity value and low distance value. The measure cannot classify subtype in influenza virus. However, the measurements of influenza virus with other kind of virus have relatively low similarity value and high distance value. This result creates a possibility to differ virus influenza and other virus. The methods can be used as a feature for virus classification."

"ABSTRAKDNA adalah materi genetik yang unik terhadap satu individu, jika individu tersebut tidak memiliki saudara kembar identik. Oleh karena itu, DNA dapat digunakan untuk identifikasi individu. Ketika identifikasi perlu untuk dilakukan, sering terjadi kasus dimana individu yang akan diidentifikasi sulit dikenali misalnya karena korban dimutilasi atau terjadi bencana alam yang membuat korban bencana menjadi rusak berat. Untuk mengenali sampel biologis yang rusak tersebut perlu dilakukan tes DNA (DNA Profiling). Kadang walaupun dapat dilakukan tes DNA, akan tetapi profil DNA yang didapat sudah terdegradasi, karena sampel rusak atau DNA sudah terkontaminasi sel mikro. Untuk kasus seperti itu, selain diperlukan perbaikan di laboratorium juga diperlukan penghitungan nilai kemiripan DNA antarprofil yang lebih baik, sehingga informasi yang mengandung nilai kemiripan tidak hilang. Inilah ide awal mengapa dilakukan penghitungan kemiripan DNA menggunakan logika fuzzy. Di sisi lain, jika terdapat banyak individu yang akan diidentifikasi maka laboran akan kesulitan mengidentifikasi dengan cepat, maka diperlukan suatu sistem yang dapat menghitung nilai kemiripan dengan otomatis. Pada penelitian ini, Penulis melakukan perbandingan dimana teknik defuzzifikasi dan metode inferensi yang digunakan berbeda, sehingga dapat dibangun sistem fuzzy yang lebih baik daripada yang sudah ada sebelumnya.ABSTRACT

DNA is genetic material which is unique for each individual, except for identical twins. So that, DNA could be a basis for human identification. When identification process is needed, there are cases that the victim is hard to be identified, for example mutilated victims or disaster victims that get heavy body decay. To identify it, we need to do DNA profiling. Even DNA profiling can be done, sometimes DNA profiling has been degraded because of disrepair sample that has been contaminated by micro cell. For this case, DNA needs to be repaired in Laboratory and then do the computation for the similarity value of each DNA profiling, so the similarity information in DNA is not lost. This is the reason why we need to do DNA Profiling using Fuzzy Logic. In the other hand, if there are many individuals that will be identified, it is needed to develop a system that can count the DNA similarity value automatically. On this research, writer is compare between Defuzzification technique and Interference method, so we can build fuzzy system that can show better performance than before."

"Salah satu perkembangan dari teknologi terbaru adalah pengenalan wajah. Pengenalan wajah pada dasarnya dilakukan berdasarkan asumsi bahwa setiap individu memiliki identitas unik. Tetapi pada kenyataannya, akan ada individu yang memiliki wajah mirip dengan individu lainnya. Penelitian ini dilakukan untuk mendeteksi individu-individu yang mirip tersebut. Metode machine learning yang digunakan adalah Support Vector Machine dan Fuzzy Kernel C-Means dengan dua jenis kernel. Metode pemilihan fitur Chi-Square juga akan digunakan untuk mereduksi dimensi data sehingga waktu yang dibutuhkan lebih cepat. Data yang digunakan adalah data foto wajah yang diambil dari Look-Alike Face Database. Hasil yang diperoleh memperlihatkan bahwa kedua metode machine learning tersebut mampu untuk melakukan pengenalan wajah pada identifikasi kemiripan, dengan akurasi tertinggi yang diperoleh SVM sebesar 94 dan FKCM sebesar 74.

---

One of the latest technology developments is face recognition. Face recognition is basically done on the assumption that each individual has a unique identity. But in reality, there will be individuals who have faces similar to other individuals. This research was conducted to identify look alike faces. The machine learning methods used are Support Vector Machine and Fuzzy Kernel C Means with two types of kernel. The Chi Square feature selection method was also used to reduce the dimension of the data in order to achive lower running time. The data used are face photos taken from Look Alike Face Database. The results show that both machine learning methods were able to perform face recognition on identification of look alike faces, with the highest accuracy obtained by SVM is 94 and FKCM is 74 ."

"Beberapa penelitian telah menunjukkan bahwa persepsi kemiripan dapat dibentuk tanpa ada interaksi antara pengamat dan target, termasuk teori pengambilan perspektif. Efek ini ditemukan karena pengambilan perspektif dapat membuat pelaku memproyeksikan identitasnya terhadap target. Penelitian ini berusaha memahami cara untuk meningkatkan persepsi kemiripan tanpa melakukan interaksi. Dalam dua eksperimen, peneliti menguji pengaruh pengambilan perspektif dan kontak imajiner terhadap persepsi kemiripan. Pengambilan perspektif merupakan sebuah proses kognitif sedangkan kontak imajiner mempengaruhi proses afektif. Studi pertama yang berfokus pada pengambilan perspektif dilakukan dengan 95 partisipan dan merupakan eksperimen between-subjects. Studi pertama juga merupakan replikasi dari studi ketiga Brown, Young & McConnel (2009). Studi kedua menguji pengaruh kontak imajiner dan memiliki 59 partisipan (76% perempuan). Kedua eksperimen ini menunjukkan bahwa pengambilan perspektif tidak meningkatkan persepsi kemiripan, sedangkan kontak imajiner dapat meningkatkan persepsi kemiripan. Studi ini menunjukkan pentingnya melakukan replikasi studi, dan memberi indikasi awal bahwa kontak imajiner dapat mempengaruhi persepsi kemiripan, bukan hanya efek keakraban (familiarity) terhadap target.

---

Several studies have shown that perceived similarity can be elicited without any interaction taking place between observers and their targets. One such study highlights the effects of perspective taking on perceived similarity. Perspective taking is found to increase perceived similarity by increasing self-other overlap between observer and target. This study seeks to understand ways to increase perceived similarity without any interaction taking place. In two experiments, we tested the effects of taking perspective taking and imagined contact on perceived similarity. These two methods were chosen because perspective taking is a cognitive process whereas imaginary contact affects affective processes. The first study focused on perspective taking and was done with 95 participants with a between subjects design. The first study was also a replication of the third study by Brown, Young & McConnel (2009). The second study examined the effect of imaginary contact and had 59 participants (76% women) with a within-subjects design. These experiments show that perspective taking does not improve perceived similarity, whereas imaginary contact does increase perceived similarity. This study demonstrates the importance of conducting replication studies and provides initial evidence that imagined contact can influence perceived similarity, not just the effect of familiarity towards a target."

"To improve the recognition accuracy of a developed artificial odor discrimination system for three mixture fragrance recognition, Fuzzy similarity based Self-Organized Network inspired by Immune Algorithm (F-SONIA) is proposed.Minimum, average, and maximum values of fragrance data acquisition are used to form triangular fuzzy numbers. THen, the fuzzy similarity measure is used to define the relationship between fragrance inputs and connection strengths of hidden units. The fuzzy similarity is defined as the maximum value of the intersection region between triangular fuzzy set of hidden units. In experiments, performances of the proposed method is compared with the conventional self-organized Network inspired by Immune Algorithm (SONIA) and the Fuzzy Learning Vector Quantization (FLVQ). Experiments show that F-SONIA improves recognition accuracy of SONIA by 3-9%. Comparing to the previously developed artificial odor discrimination system that used FLVQ as pattern classifier, the recognition accuracy is increased by 14-15%."

"Clustering bertujuan untuk mengklasifikasikan pola yang berbeda ke dalam kelompok yang disebut cluster. Analisis gen dengan menggunakan metode clustering dinilai lebih akurat dibandingkan analisis nukleotida menggunakan penyejajaran DNA. Hybrid clustering pada tesis ini mengkombinasikan algoritma fuzzy c-means dan algoritma divisive mampu meningkatkan keakurasian jika dibandingkan pendekatan pengelompokan partitional tradisional. Algoritma divisive akan dijalankan pada step kedua setelah hasil clustering yang diperoleh dari pengelompokan partisi fuzzy c-means. Penentuan jumlah cluster terbaik ditentukan dari nilai Indeks Davies Bauldin yang paling minimum. Sebanyak 1252 barisan DNA HPV Human papillomavirus diperoleh dari Genbank NCBI dengan proses melakukan ekstraksi ciri DNA, selanjutnya dilakukan normalisasi. Proses ekstraksi ciri, normalisasi, dan penerapan algoritma partisi fuzzy c-means dan divisive dalam metode hybrid clustering menggunakan bantuan program open source. Pada hasil hybrid clustering level awal diperoleh jumlah cluster optimum sebanyak 3 cluster dengan nilai Indeks Davies Bouldin paling minimum adalah 0.9715919. Pada level ke-2 clustering didapatkan cluster ke-1 terbagi atas 9 sub cluster dengan nilai IDB minimum adalah 0.8909797. Cluster ke-2 terbagi atas 2 sub cluster dengan nilai IDB minimum adalah 0.7650508. Cluster 3 terbagi atas 2 sub cluster dengan nilai IDB minimum adalah 0.9112528. Nilai IDB pada level kedua selalu lebih kecil dibanding nilai IDB pada level 1. Hal ini mengindikasikan bahwa hybrid clustering memberikan hasil yang lebih baik terhadap hasil clustering.

---

Clustering aims to classify the different patterns into groups called clusters. Analysis gene by using clustering method is considered more accurate than analysis of nucleotide using DNA alignment. In this thesis, hybrid clustering algorithm which combines fuzzy c means and algorithm divisive will be improve accuracy when compared to partitional clustering. Divisive algorithms will applied on second level after clustering partition using fuzzy c means.

To find the best number of clusters is determined using the minimum value of Davies Bouldin Index DBI of the cluster results. The data is 1252 sequences of HPV DNA sequences obtained from Gen Bank Database in the National Centre for Biotechnology Information NCBI at http www.ncbi.nlm.nih.gov in FASTA format. The data is converted into numerical form through feature extraction using n mers frequency.

The results on first level hybrid clustering obtained the optimum cluster divided into three clusters with the value of the minimum Davies Bouldin Index is 0.9715919. Morever, DBI values after implementing the second step of clustering are always producing smaller IDB values compare to the results of using first step clustering only. This condition indicates that the hybrid approach in this study produce better performance of the cluster results, in term its DBI values."

"Masalah pencocokan untai terbagi menjadi dua yakni pencocokan untai eksak dan hampiran. Pada skripsi ini, masalah pencocokan untai yang dibahas adalah pencocokan untai eksak. Inti dari masalah pencocokan untai eksak adalah mencari semua posisi kemunculan suatu untai pada untai yang lain. Salah satu ukuran yang membedakan dua buah untai adalah jarak Hamming. Jika diberikan dua buah untai, misalkan x dan y dengan panjang yang sama, maka jarak Hamming antara keduanya adalah banyaknya karakter pada untai x yang berbeda dengan karakter pada untai y pada posisi yang bersesuaian. Dalam pencocokan untai eksak, panjang untai yang akan dicocokan tidak akan selalu sama sehingga jarak Hamming antara keduanya tidak dapat dihitung. Dengan merangkaikan sejumlah untai hampa pada untai yang lebih pendek sehingga panjangnya menjadi sama, jarak Hamming antara keduanya barulah dapat dihitung. Dengan pemikiran inilah akhirnya ukuran jarak Hamming digunakan dalam pencocokan untai eksak untuk mencari semua posisi kemunculan suatu untai pada untai lain yang lebih panjang.

---

String matching problem is divided into exact and approximate string matching. In this thesis, we discuss the exact string matching. The main problem of exact string matching is to find all position of a string in other string. The measure that used in this thesis is Hamming distance. Given two strings namely the x and y with the equal length, Hamming distance of the two is the number of positions at which the corresponding characters are different. In string matching problem, Hamming distance between them can?t always be calculated because the strings are not always have the same length. By concating a number of empty string with shortest string until the length to be same, then Hamming distance could be calculated. Finally, Hamming distance measure is used by exact string matching to find all position of a string in other string."