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,