Kerangka Pemikiran Pengembangan hidden semi markov model dengan distribusi durasi state empiris untuk prediksi struktur sekunder protein

dan dibandingkan dengan akurasi Hidden Markov Model HMM standar. Model HSMM pada penelitian ini menggunakan distribusi panjang durasi state baik secara empiris maupun teoritis. Penelitian ini juga akan melihat pengaruh distribusi panjang durasi state terdapat nilai akurasi prediksi struktur sekunder protein. Diagram alur penelitian ini secara umum dapat dilihat pada Gambar 7. Gambar 7. Diagram alur penelitian prediksi struktur sekunder protein

3.2 Studi Pustaka

Studi pustaka dilakukan untuk mencari riset-riset terbaru yang terkait dengan penelitian yang akan dilakukan. Dari riset yang telah dilakukan tersebut, penggunaan Hidden Markov Model HMM memang telah banyak digunakan perumusan masalah pendefinisian metode penelitian pengambilan data data latih data uji data latih tanpa panjang durasi state data latih dengan beberapa panjang durasi state Pelatihan Pelatihan pengujian perhitungan dan perbandingan akurasi dokumentasi selesai Model HMM Model HSMM tahap pelatihan tahap pengujian mulai untuk komputasi dalam bidang Biologi khususnya melakukan prediksi struktur sekunder protein. Akan tetapi, penggunaan durasi state dan bagaimana pengaruh panjang durasi state atau panjang segmen struktur protein terhadap akurasi proses prediksi masih belum banyak dilakukan.

3.3 Perumusan Masalah dan Hipotesa Awal

Perumusan masalah dilakukan sebagai kerangka untuk melakukan penelitian ini. Berdasar permasalahan tersebut, akan diusulkan suatu pendekatan untuk mencari solusinya. Dalam hal ini, penggunaan panjang durasi state pada Hidden Semi Markov Model HSMM dapat meningkatkan akurasi dibandingkan dengan HMM standar dan penggunaan beberapa nilai panjang segmen atau panjang durasi state akan mempengaruhi nilai akurasi.

3.4 Pendefinisian Metode Penelitian

Setelah dilakukan perumusan masalah, maka dipilih metode penelitian yang sesuai dengan permasalahan yang ditemukan. Metode penelitian yang digunakan dalam penelitian ini dapat dilihat pada Gambar 7.

3.5 Pengambilan Data Struktur sekunder protein

Proses prediksi struktur sekunder protein ini diawali dengan pengambilan data sekuens protein sekunder yaitu DSSP dari alamat webstitehttp:swift.cmbi.ru.nlgvdssp yang merupakan database assignment struktur sekunder protein. Pemilihan ini didasarkan bahwa DSSP mencakup semua data protein yang ada di Protein Data Bank PDB. Data struktur sekunder protein yang diambil terdiri atas 42556 residu yang telah tersegmentasi menjadi 8 segmen struktur sekunder. Namun pada penelitian ini, segmen direduksi menjadi tiga, yaitu alpha-helix H, betha-sheet B dan coil C Aydinet al. 2006. Segmen hasil reduksi adalah {I,H,G} alpha-helixH, {E,B} betha-sheet B , segmen lainnya menjadi coil C. Data yang diperoleh dari alamat tersebut masih memiliki ekstensi format dengan ekstensi .dssp Define Secondary Structure of Protein. Oleh karena itu,