Pandiangan, Harmuda (2016) Prediksi Sekuens Dna Berdasarkan Data Ekspresi Gen Menggunakan Model Hidden Markov. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1214201031-master-theses.pdf - Published Version Download (1MB) | Preview |
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 > 44101-(S2) Master Thesis |
| 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 |