MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL

Mudah dan murahnya proses pengumpulan data biologi molekuler saat ini menyebabkan ukuran basis data genetika meningkat dengan pesat. Hal ini meningkatkan kebutuhan akan alat bantu komputasi untuk menganalisa data tersebut. Salah satu task dasar dalam menganalisa data biologi molekuler adalah Multiple Sequence Alignment. Program Multiple Sequence Alignment yang sering digunakan oleh praktisi biomolekuler adalah ClustalXyang menggunakan metode komputasi progressive pairwise alignment. Salah satu metode yang saat ini banyak dikaji untuk menghasilkan Multiple Sequence Alignment adalah Hidden Markov Model. Hidden Markov Model cocok digunakan dalam Multiple Sequence Alignment karena Multiple Sequence Alignment dapat dipandang sebagai masalah pengenalan pola. Hidden Markov Model menggunakan algoritma pembelajaran Baum-Welch untuk mengestimasi parameter-parameter dalam HMM dan algoritma Viterbi untuk melakukan alignment dari unaligned sequence. Pada penelitian ini dilakukan eksperimen untuk menerapkan Hidden Markov Model dalam menghasilkan Multiple Sequence Alignment dari sequence protein yang belum ter-align dan dilakukan pengujian menggunakan data sequence protein BaliBASE 3.0 dengan membandingkan hasil alignment yang menerapkan Hidden Markov Model dengan hasil alignment program ClustalX Hasil eksperimen menunjukkan bahwa implementasi Hidden Markov Model pada Multiple Sequence Alignment memiliki performa lebih baik pada data sequence yang memiliki identity tinggi dan mengalami penurunan peifoma pada data sequence yang panjang dan data sequence yang memiliki banyak noise seperti N/C terminal extension atau insertion.