MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL
<p>Mudah dan murahnya proses pengumpulan data biologi molekuler saat ini menyebabkan ukuran basis<br /> data genetika meningkat dengan pesat. Hal ini meningkatkan kebutuhan akan alat bantu komputasi untuk<br /> menganalisa data tersebut. Salah satu task dasar dalam menganalisa data...
| Main Author: | |
|---|---|
| Format: | Article |
| Published: |
[Yogyakarta] : Fak. Teknik Industri UPN Veteran
2008
|
| _version_ | 1826044490673029120 |
|---|---|
| author | , Afiahayati , Sri Mulyana |
| author_facet | , Afiahayati , Sri Mulyana |
| author_sort | , Afiahayati , Sri Mulyana |
| collection | UGM |
| description | <p>Mudah dan murahnya proses pengumpulan data biologi molekuler saat ini menyebabkan ukuran basis<br />
data genetika meningkat dengan pesat. Hal ini meningkatkan kebutuhan akan alat bantu komputasi untuk<br />
menganalisa data tersebut. Salah satu task dasar dalam menganalisa data biologi molekuler adalah Multiple<br />
Sequence Alignment. Program Multiple Sequence Alignment yang sering digunakan oleh praktisi biomolekuler<br />
adalah ClustalXyang menggunakan metode komputasi progressive pairwise alignment.<br />
Salah satu metode yang saat ini banyak dikaji untuk menghasilkan Multiple Sequence Alignment adalah<br />
Hidden Markov Model. Hidden Markov Model cocok digunakan dalam Multiple Sequence Alignment karena<br />
Multiple Sequence Alignment dapat dipandang sebagai masalah pengenalan pola. Hidden Markov Model<br />
menggunakan algoritma pembelajaran Baum-Welch untuk mengestimasi parameter-parameter dalam HMM dan<br />
algoritma Viterbi untuk melakukan alignment dari unaligned sequence.<br />
Pada penelitian ini dilakukan eksperimen untuk menerapkan Hidden Markov Model dalam<br />
menghasilkan Multiple Sequence Alignment dari sequence protein yang belum ter-align dan dilakukan<br />
pengujian menggunakan data sequence protein BaliBASE 3.0 dengan membandingkan hasil alignment yang<br />
menerapkan Hidden Markov Model dengan hasil alignment program ClustalX Hasil eksperimen menunjukkan<br />
bahwa implementasi Hidden Markov Model pada Multiple Sequence Alignment memiliki performa lebih baik<br />
pada data sequence yang memiliki identity tinggi dan mengalami penurunan peifoma pada data sequence yang<br />
panjang dan data sequence yang memiliki banyak noise seperti N/C terminal extension atau insertion.</p> |
| first_indexed | 2024-03-13T22:21:08Z |
| format | Article |
| id | oai:generic.eprints.org:94034 |
| institution | Universiti Gadjah Mada |
| last_indexed | 2024-03-13T22:21:08Z |
| publishDate | 2008 |
| publisher | [Yogyakarta] : Fak. Teknik Industri UPN Veteran |
| record_format | dspace |
| spelling | oai:generic.eprints.org:940342014-11-28T07:35:55Z https://repository.ugm.ac.id/94034/ MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL , Afiahayati , Sri Mulyana <p>Mudah dan murahnya proses pengumpulan data biologi molekuler saat ini menyebabkan ukuran basis<br /> data genetika meningkat dengan pesat. Hal ini meningkatkan kebutuhan akan alat bantu komputasi untuk<br /> menganalisa data tersebut. Salah satu task dasar dalam menganalisa data biologi molekuler adalah Multiple<br /> Sequence Alignment. Program Multiple Sequence Alignment yang sering digunakan oleh praktisi biomolekuler<br /> adalah ClustalXyang menggunakan metode komputasi progressive pairwise alignment.<br /> Salah satu metode yang saat ini banyak dikaji untuk menghasilkan Multiple Sequence Alignment adalah<br /> Hidden Markov Model. Hidden Markov Model cocok digunakan dalam Multiple Sequence Alignment karena<br /> Multiple Sequence Alignment dapat dipandang sebagai masalah pengenalan pola. Hidden Markov Model<br /> menggunakan algoritma pembelajaran Baum-Welch untuk mengestimasi parameter-parameter dalam HMM dan<br /> algoritma Viterbi untuk melakukan alignment dari unaligned sequence.<br /> Pada penelitian ini dilakukan eksperimen untuk menerapkan Hidden Markov Model dalam<br /> menghasilkan Multiple Sequence Alignment dari sequence protein yang belum ter-align dan dilakukan<br /> pengujian menggunakan data sequence protein BaliBASE 3.0 dengan membandingkan hasil alignment yang<br /> menerapkan Hidden Markov Model dengan hasil alignment program ClustalX Hasil eksperimen menunjukkan<br /> bahwa implementasi Hidden Markov Model pada Multiple Sequence Alignment memiliki performa lebih baik<br /> pada data sequence yang memiliki identity tinggi dan mengalami penurunan peifoma pada data sequence yang<br /> panjang dan data sequence yang memiliki banyak noise seperti N/C terminal extension atau insertion.</p> [Yogyakarta] : Fak. Teknik Industri UPN Veteran 2008 Article NonPeerReviewed , Afiahayati , Sri Mulyana (2008) MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL. text. http://repository.ugm.ac.id/digitasi/index.php?module=cari_hasil_full&idbuku=1833 |
| spellingShingle | , Afiahayati , Sri Mulyana MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL |
| title | MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL |
| title_full | MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL |
| title_fullStr | MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL |
| title_full_unstemmed | MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL |
| title_short | MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL |
| title_sort | multiple sequence alignment menggunakan hidden markov model |
| work_keys_str_mv | AT afiahayatisrimulyana multiplesequencealignmentmenggunakanhiddenmarkovmodel |