1 Latar Belakang
Virus Influenza merupakan virus RNA yang termasuk dalam famili orthomyxoviridae, yang dapat menginfeksi unggas, mamalia dan manusia (Nidom, 2005). Berbeda dengan virus DNA, virus RNA menunjukkan kecenderungan mudah terjadi mutasi (Nidom, 2005). Hal ini disebabkan karena virus RNA mudah beradaptasi terhadap perubahan kondisi lingkungan, sehingga kemampuannya untuk bermutasi bertanggung jawab atas kapasitas adaptasinya (Elena dan Sanjua, 2005). Virus RNA memanfaatkan semua mekanisme genetik yang dikenal untuk memastikan keberlangsungan hidupnya dimana fitur utamanya antara lain adalah tingkat mutasi dan hasil yang tinggi serta waktu replikasi yang pendek. (Domingo dan Holland, 1997).
Virus Avian Influenza (AI) H5N1 di Indonesia telah bersirkulasi sejak kejadian AI pada tahun 2003 di Kabupaten Tangerang dan Blitar (Dharmayanti dkk., 2012). Menurut Dharmayanti dkk. ( 2012), virus AI telah berevolusi menjadi tiga kelompok, yaitu: (1) kelompok virus yang masih serupa dengan tetuanya, yaitu virus AI H5N1 tahun 2003; (2) kelompok virus yang mempunyai mutasi spesifik yang diisolasi di sekitar kasus manusia terinfeksi H5N1; dan (3) kelompok virus antigenic drift yang tercipta karena tekanan imunologis akibat vaksinasi yang tidak tepat. Penelitian virus AI pada tahun 2010 menunjukkan bahwa sebagian besar virus di Indonesia telah mengalami mutasi antigenic drift yang cukup nyata. Situasi virus H5N1 di Indonesia yang telah menjadi penyakit endemis ini memerlukan kewaspadaan terhadap kemungkinan terjadinya genetic reassortment antara virus H5N1 dan novel H1N1 (yang sekarang menjadi wabah di dunia) maupun virus influenza lainnya, seperti H1N1/H3N2 seasonal flu, yang dapat menyebabkan virus H5N1 lebih mudah beradaptasi pada manusia (Dharmayanti dkk., 2012). Oleh karena itu, Dharmayanti (2009) menyatakan vaksin AI yang beredar di Indonesia harus segera dievaluasi selain melanjutkan program monitoring karakter genetic
virus AI yang bersirkulasi di Indonesia untuk mengetahui perubahan virus AI terkini. Pengendalian, pengawasan dan peningkatan frekuensi pemantauan sirkulasi virus juga diperlukan untuk mewaspadai timbulnya virus baru yang mungkin lebih berbahaya dan lebih mudah beradaptasi pada manusia (Dharmayanti dkk., 2012).
Berdasarkan uraian di atas, diperlukan metode untuk mengenali apakah suatu variasi virus H5N1 dapat beradaptasi dan menginfeksi manusia atau tidak. Salah satu metode yang dapat digunakan adalah metode jaringan syaraf tiruan backpropagation. Jaringan syaraf tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik performa yang mirip seperti pada jaringan syaraf manusia. JST dapat meniru proses perilaku manusia dan menyelesaikan masalah-masalah non linear sehingga menyebabkan JST telah secara luas digunakan untuk keperluan perhitungan dan sistem yang rumit (Jayalakshmi dan Santhakumaran, 2011). Metode penurunan gradien backpropagation adalah metode yang paling umum digunakan untuk meminimalisir kesalahan saat pelatihan jaringan yang bekerja dengan cara mengukur kesalahan keluaran, menghitung gradien kesalahan dan memperbaiki bobot dan bias jaringan dimana metode ini menjadi metode yang paling sering digunakan untuk masalah klasifikasi (Jayalakshmi dan Santhakumaran, 2011). Backpropagation menggunakan arsitektur JST multi lapis. JST multi lapis yang dimaksud adalah jaringan yang terdiri dari lapisan masukan, lapisan tersembunyi, dan lapisan keluaran.Walaupun 1 lapisan tersembunyi sudah cukup untuk menyelesaikan sebagian besar masalah, beberapa masalah dapat lebih mudah diselesaikan menggunakan lebih dari 1 lapisan tersembunyi (Fausett, 1994).
Pada penelitian ini dilakukan klasifikasi host virus AI H5N1 di Indonesia berdasarkan deret RNAnya menggunakan metode JST backpropagation dengan 4 lapisan. Klasifikasi dilakukan dengan mengklasifikasikan virus ke dalam 2 kelas, virus yang menginfeksi manusia dan virus yang tidak menginfeksi manusia.
Rumusan Masalah
Berdasarkan latar belakang masalah yang diuraikan sebelumnya, maka rumusan masalah yang dikaji adalah sebagai berikut:
1. Bagaimana mengimplementasikan metode JST backpropagation untuk melakukan klasifikasi host RNA virus Avian Influenza subtipe H5N1 segmen M1, M2 di Indonesia?
2. Bagaimana akurasi dan tingkat kesalahan yang diperoleh melalui pengujian klasifikasi host RNA virus Avian Influenza subtipe H5N1 segmen M1, M2 di Indonesia?
Batasan Masalah
Pada penelitian ini terdapat batasan masalah sebagai berikut :
1. Data yang digunakan adalah deret RNA virus Avian Influenza subtipe H5N1 segmen M1, M2 di Indonesia yang sudah diidentifikasi secara lengkap.
2. Data diambil dari website http://www.fludb.org pada tanggal 28 Desember 2016 dengan jumlah data sebanyak 166 data.
3. Penelitian berupa klasifikasi host RNA virus Avian Influenza subtipe H5N1 di Indonesia ke dalam 2 kelas, host manusia dan host bukan manusia dengan penerapan metode JST backpropagation.
3. Penelitian tidak berlanjut hingga pengembangan vaksin.
Tujuan Penelitian
Tujuan penelitian ini adalah untuk mengklasifikasi host dari RNA virus Avian Influenza subtipe H5N1 segmen M1, M2 dengan tingkat kesalahan minimal dan akurasi maksimal dari data yang tersedia. Penelitian diharapkan memperoleh hasil yang akurat dilihat dari tingkat kesalahan yang minimal dan hasil klasifikasi yang tepat dengan memanfaatkan metode JST backpropagation.
Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini adalah mempermudah ilmuwan dalam mengidentifikasi host dari variasi virus Avian Influenza subtipe H5N1 yang baru dengan menggunakan JST yang sudah dibangun dan dalam jangka panjang akan membantu dalam proses penentuan apakah Avian Influenza subtipe H5N1 yang baru berpotensi menular ke manusia yang diharap membantu dalam proses pengembangan vaksin karena bagaimanapun juga, vaksinasi adalah cara
utama untuk mengatasi influenza dan mencegah komplikasi darinya (Harper dkk., 2004).
Metodologi Penelitian
Penelitian ini dilakukan secara bertahap. Rancangan tahapan penelitian ini adalah sebagai berikut :
1. Studi Literatur
Studi literatur dilakukan untuk memperoleh gambaran mengenai apa yang akan dilakukan untuk langkah selanjutnya. Dalam studi literatur akan dilakukan penelusuran mengenai penelitian-penelitian terdahulu yang berhubungan dengan topik yang diangkat.
2. Analisis kebutuhan
Analisis kebutuhan dilakukan untuk memperoleh kerangka penelitian, termasuk di dalamnya menentukan parameter keberhasilan dan fitur apa saja yang semestinya bisa dilakukan oleh sistem. Selain itu, pada tahap ini juga dilakukan pengumpulan data yang dibutuhkan dalam penelitian. Data yang dibutuhkan pada penelitian ini adalah data RNA yang akan dianalisis dan teori-teori mengenai format penyusunan informasi RNA serta metode-metode yang digunakan untuk mengklasifikasikan data yang sudah didapat. Pengambilan data berasal dari buku, karya tulis ilmiah, maupun jurnal yang diperoleh dari perpustakaan maupun internet.
3. Desain rancangan
Pada tahap ini, kebutuhan dan kerangka sistem yang sudah diperoleh digunakan untuk memodelkan sistem yang hendak dibangun. Untuk mempermudah pengimplementasian, dibuat flowchart yang memenuhi kebutuhan sistem. Selain perancangan sistem, dilakukan pula perancangan antarmuka dan arsitektur serta parameter jaringan syaraf tiruan.
4. Penerapan sistem
Penerapan sistem dilakukan dengan memanfaatkan tools Netbeans 8.0 berbasis Java. Disini algoritma backpropagation dari bidang jaringan syaraf tiruan akan diimplementasikan untuk menyelesaikan masalah penelitian.
5. Pengolahan data dan pelatihan
Pada tahap ini, data yang telah dikumpulkan dibaca dan dianalisis penyusunan informasi RNAnya untuk kemudian diambil bagian yang dibutuhkan untuk penelitian, yaitu deret RNA. Data ini kemudian diolah menggunakan metode backpropagation untuk diperoleh bobot ideal yang sesuai dengan model yang dikembangkan dan tingkat kesalahannya (pelatihan).
6. Pengujian data
Setelah proses pelatihan selesai, data uji yang telah disediakan akan diujikan ke dalam sistem menggunakan bobot ideal yang sudah diperoleh melalui proses pelatihan. Hasil keluaran masing-masing data kemudian dibandingkan dengan target yang sesungguhnya dari data yang bersangkutan.
7. Pengambilan kesimpulan
Dari data yang telah diuji, akan terlihat apakah sistem sudah layak mengklasifikasi host turunan virus Avian Influenza subtipe H5N1 segmen M1 dan M2 dilihat dari keakurasian sistem berdasarkan tingkat kesalahan.
8. Penulisan laporan
Melakukan pencatatan hasil pengujian dan pembuatan laporan akhir berdasarkan hasil penelitian yang sudah dilakukan.
9. Saran-saran
Kesimpulan yang diambil dapat dijadikan batu loncatan sebagai alat bantu bagi para ilmuwan biologi molekuler dalam menentukan hubungan antar virus yang belum diketahui.
Sistematika Penulisan
Sistematika dalam penulisan skripsi ini adalah sebagai berikut. 1. BAB I PENDAHULUAN
Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian dan sistematika penulisan.
Bab ini berisi pembahasan tentang penelitian yang dijadikan acuan dari penelitian. Penelitian yang dibahas merupakan penelitian yang pernah dilakukan sebelumnya dan memiliki hubungan dengan penelitian yang sedang dilakukan. 3. BAB III LANDASAN TEORI
Bab ini berisi tentang teori yang melandasi penelitian kali ini yaitu pengertian dan fungsi bioinformatika, bagaimana bioinformatika menjembatani antara ilmu biologis dan ilmu komputasi, format data yang digunakan dalam bioinformatika, jaringan syaraf tiruan backpropagation dalam pengenalan pola, parameter jaringan, algoritma latih backpropagation, algoritma uji backpropagation, fungsi aktivasi neuron jaringan, metode inisialisasi bobot dan bias dan metode normalisasi data. Selain itu juga dijabarkan mengenai metode statistika yang digunakan dalam menghitung akurasi sistem yang dibangun.
4. BAB IV ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisi tentang analisis terhadap sistem yang hendak dibangun berupa prosedur pengumpulan data, deskripsi umum sistem, kebutuhan sistem, rancangan sistem dan parameter keberhasilan sistem.
5. BAB V IMPLEMENTASI SISTEM
Pada bab ini dijelaskan bagaimana sistem diimplementasikan berdasarkan perancangan yang telah dilakukan sebelumnya. Dimana di dalamnya dijabarkan mengenai spesifikasi perangkat lunak dan perangkat keras yang digunakan, pemrosesan awal dan pengolahan data, implementasi sistem, implementasi algoritma latih, implementasi algoritma uji dan implementasi pengubahan set data yang digunakan.
6. BAB VI HASIL DAN PEMBAHASAN
Pada bab ini dijelaskan hasil yang diperoleh setelah sistem diimplementasikan terhadap set data. Disertai pula pembahasan hasil implementasi tersebut berdasarkan parameter keberhasilan yang sudah ditentukan sebelumnya.
7. BAB VII PENUTUP
Bab ini berisi kesimpulan dari penelitian yang telah dilakukan dan saran untuk pengembangan penelitian selanjutnya.
