Analisa Tren dan Prediksi Pola Perubahan Hepatitis C Virus (HCV) pada Isolated DNA berbasis Hybrid Clustering

Al Kindhi, Berlian (2019) Analisa Tren dan Prediksi Pola Perubahan Hepatitis C Virus (HCV) pada Isolated DNA berbasis Hybrid Clustering. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
07111460012003-Disertation.pdf

Download (3MB) | Preview

Abstract

Hepatitis C Virus (HCV) merupakan salah satu jenis penyakit yang peluang penularannya mayoritas di daerah tropis (penyakit tropis). Saat ini belum ada vaksin yang secara mutlak dapat digunakan untuk mencegah Hepatitis C karena virus ini secara genetik amat variatif (subtype genome) dan memiliki angka mutasi tinggi, sehingga memungkinkan generasi virus yang beraneka ragam. Menurut WHO, angka kematian akibat infeksi HCV cukup tinggi, yaitu mencapai 399 ribu jiwa per tahun. Indonesia merupakan salah satu negara yang memiliki jumlah pasien terinfeksi HCV tertinggi di Asia. Penyakit ini sebagian besar menjangkit di daerah tropis namun tidak menutup kemungkinan terdapat carier agent yang mampu menularkan penyakit hingga ke berbagai benua. HCV adalah jenis virus RNA. Ketika terinfeksi virus, RNA akan berusaha beradaptasi dengan mengubah pola kode RNA sehingga DNA yang terbentuk dapat bertahan hidup. Akibatnya DNA yang terbentuk juga akan berubah, sehingga terus menghasilkan subtype baru pada HCV dan tidak semua primer mampu mengenali adanya HCV di dalam isolated DNA. Oleh karena itu dibutuhkan suatu metode yang mampu menganalisa primer yang menjadi tren. Serta dibutuhkan metode yang mampu memprediksi adanya HCV dengan pola mutasinya yang beragam. Pada disertasi ini, diusulkan sebuah metode baru yaitu Hybrid Clustering yang mampu memberikan tiga analisa sekaligus similarity, trend, dan, hierarchical. Analisa tersebut adalah kecenderungan isolated DNA terhadap suatu primer, analisa tren primer HCV, dan runutan infeksi HCV terhadap isolated DNA. Selain itu, SVM juga dibutuhkan untuk memprediksi adanya HCV pada isolated DNA. SVM mampu memprediksi adanya/tidak adanya HCV pada 1000 isolated DNA yang diujikan, isolated DNA tersebut berasal dari berbagai negara di dunia. Namun sebelum melakukan proses clustering dan prediksi, perlu dilakukan normalisasi dengan semantic similarity. Hasil analisa clustering dan prediksi tersebut diharapkan dapat digunakan sebagai evaluasi di bidang kedokteran untuk selangkah lebih dekat dalam penemuan vaksin HCV. ================================================================================================ Hepatitis C Virus (HCV) is one type of disease that has the highest chance of transmission in the tropics (tropical diseases). At present there is no vaccine that can absolutely be used to prevent Hepatitis C because this virus is genetically very varied (genome subtype) and has high mutation rates, thus enabling the generation of diverse viruses. According to WHO, the mortality rate due to HCV infection is quite high, reaching 399 thousand people per year. Indonesia is one of the countries with the highest number of patients infected with HCV in Asia. The disease is mostly infectious in the tropics but does not rule out the possibility of a carrier agent that is capable of transmitting the disease to various continents. HCV is a type of RNA virus. When infected with a virus, RNA will try to adapt by changing the pattern of RNA codes so that the DNA formed can survive. As a result the DNA formed will also change. So that it continues to produce new subtypes in HCV and not all primers are able to recognize the presence of HCV in isolated DNA. Therefore a method that is able to analyze the primary which is a trend and a method that can predict the presence of HCV with a variety of mutation patterns is needed. In this dissertation, a new method is proposed, namely Hybrid Clustering that is able to provide three analyzes as well as similarity, trend, and hierarchical. The analysis is the tendency of isolated DNA towards a primer, analysis of HCV primary trends, and trace of HCV infection to isolated DNA. In addition, SVM is also needed to predict the presence of HCV in isolated DNA. SVM was able to predict the presence or absence of HCV in 1000 isolated DNA tested, these isolated DNA originated from various countries in the world. But before doing the clustering and prediction process, semantic similarity needs to be normalized. The results of the clustering and prediction analysis are expected to be used as evaluations in the medical field to be one step closer to the discovery of the HCV vaccine.

Item Type: Thesis (Doctoral)
Additional Information: RDE 004.35 Alk a-1 2019
Uncontrolled Keywords: approximate string matching, hybrid clustering, SVM, DNA HCV.
Subjects: Q Science > QA Mathematics > QA278.55 Cluster analysis
Q Science > QA Mathematics > QA76.6 Computer programming.
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User: Kindhi Berlian Al
Date Deposited: 08 Apr 2022 05:55
Last Modified: 08 Apr 2022 05:55
URI: https://repository.its.ac.id/id/eprint/62313

Actions (login required)

View Item View Item