Prediksi Sekuens Dna Berdasarkan Data Ekspresi Gen Menggunakan Model Hidden Markov

Pandiangan, Harmuda (2016) Prediksi Sekuens Dna Berdasarkan Data Ekspresi Gen Menggunakan Model Hidden Markov. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1214201031-master-theses.pdf - Published Version

Download (1MB)

Abstract

Model Hidden Markov (HMM) merupakan sebuah model stokastik yang diasumsikan menjadi sebuah proses markov dengan parameter yang tidak diketahui. Penelitian ini menggunakan rangkaian kodon (AAA,AAC,AAG,AAT, dll) sebagai hidden state dan asam amino sebagai observable state. HMM dibentuk setelah didapatkan matriks transisi dari hidden state. Matriks transisi merupakan probabilitas perpindahan masing-masing kodon. Sehingga didapat sebuah matriks transisi berukuran A = [64 � 64]. Probabilitas antara asam amino dan kodon dibuat dalam sebuah matriks B disebut sebagai matriks emisi. Algoritma Viterbi digunakan untuk mendapatkan peluang terbaik dari masing-masing state. Data yang sudah diprediksi kemudian akan disejajarkan dengan data yang sebenarnya menggunakan sequens alignment. Hal ini dimaksudkan untuk mendapatkan akurasi dari algoritma viterbi. Hasil pensejajaran global pada kelompok satu (7000

Item Type: Thesis (Masters)
Additional Information: RTMa 519.233 Pan p
Uncontrolled Keywords: Kodon, Asam Amino, Model Hidden Markov, Sequence alignment, Algoritma Viterbi
Subjects: Q Science > QA Mathematics > QA274.7 Markov processes--Mathematical models.
Divisions: Faculty of Mathematics and Science > Mathematics > (S2) Master Theses
Depositing User: EKO BUDI RAHARJO
Date Deposited: 12 Nov 2019 05:52
Last Modified: 12 Nov 2019 05:52
URI: http://repository.its.ac.id/id/eprint/71700

Actions (login required)

View Item View Item