Page 93 - Science and Technology For Society 5.0

56 ~ Seminar Internasional FST UT 2021 ~

memori dan mempercepat proses komputasi. Penelitian ini menyimpulkan
bahwa metode T-MCL menghasilkan 7 kelompok dari 26 sekuens protein
virus dengue dengan kelompok yang memiliki satu atau lebih pusat
kelompok menggunakan matriks sparse.

Kata Kunci: demam berdarah, interaksi protein-protein, sparse matrix, tribe
markov clustering.

PENDAHULUAN

Perkembangan teknologi khususnya pada pengelolaan data besar (big
data), machine learning, dan artificial intelegence telah mendorong
perubahan perilaku manusia dan pemecahan masalah yang dihadapinya.
Perkembangan ini diarahkan untuk mendukung sepenuhnya kebutuhan
manusia (humanized technology) secara berkelanjutan yang melahirkan
Society 5.0 yang dicetuskan oleh Pemerintah Jepang. Seiring
berkembangnya teknologi di beberapa cabang ilmu biologi pada Society 5.0,
berbagai macam proyek seperti proyek sequencing, studi microarray,
proyek pemetaan interactome, studi mengenai fungsi gen, struktur
genomik, serta proyek lainnya menghasilkan database berskala besar (big
data) yang terus bertambah dengan kecepatan yang cukup signifikan. Dalam
bioinformatika, database yang dihasilkan tersebut diproses sehingga
diperoleh gambaran dari berbagai proses biologis dan kerja dari berbagai
sub-sistem yang terdapat pada tingkat molekular, sel, jaringan, bahkan
dalam suatu organisme utuh. Kunci dari proses ini adalah bahwa fungsi
seluler tidak bergantung pada DNA, RNA, protein, atau molekul-molekul
tunggal, namun pada interaksi yang melibatkan berbagai tipe molekul
seperti protein-protein (PPI, protein-protein interaction), protein DNA/RNA,
protein metabolit, maupun interaksi genetis lainnya yang membentuk
network yang rumit (Satuluri, Parthasarathy, & Ucar, 2010). Untuk itu,
diperlukan adanya suatu metode untuk menyederhanakan bentuk dari
jaringan interaksi tersebut sehingga memudahkan interpretasi terhadap
interaksi-interaksi yang terjadi di dalamnya.
Metode-metode yang digunakan untuk menggali dan mengolah
informasi dari data berskala besar antara lain aturan asosiasi (association
rule), yaitu menemukan aturan-aturan dan keterkaitan satu dengan yang
lain, dan pengelompokkan (clustering), yaitu mengelompokkan data