Paralellization Multiple Sequence Alignment

PARALELISASI MULTIPLE SEQUENCE ALIGNMENT

ASRIL ADI SUNARTO

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Paralelisasi Multiple
Sequence Alignment adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2014
Asril Adi Sunarto

NIM G6511101

RINGKASAN
ASRIL ADI SUNARTO. PARALELLIZATION MULTIPLE SEQUENCE
ALIGNMENT. Dibimbing oleh WISNU ANANTA KUSUMA dan HERU
SUKOCO.
Sequence alignment (penjajaran sekuens) adalah salah satu problem biologi
molekuler yang dapat dipecahkan dengan bantuan program komputer. Tujuan dari
penjajaran sekuens adalah untuk mengidentifikasi daerah kemiripan pada
Deoxyribonucleic acid (DNA), Ribonucleic acid (RNA), atau protein. Salah satu
metode penjajaran sekuens adalah metode Needleman-Wunsch di mana
penjajaran yang dilakukan melibatkan seluruh sekuen.
Metode Needleman-Wunsch mempunyai kompleksitas yang sangat tinggi
yaitu O(n2). Dengan cara yang sama, multiple sequence alignment (MSA)
melibatkan k sekuens yang diproses satu demi satu menggunakan metode Star
Alignment yang memiliki kompleksitas O(k2 n2). Oleh karena itu, masalah utama
dalam MSA adalah waktu komputasi. Namun, meskipun waktu komputasinya
tinggi, metode Star Alignment tetap memberikan hasil penjajaran yang akurat.
Tingginya waktu komputasi ini dapat diatasi dengan menerapkan prinsip
komputasi paralel yang diimplementasikan pada beberapa komputer yang

terhubung satu sama lain sebagai suatu sistem jaringan komputer.
Penelitian ini bertujuan untuk mempercepat proses MSA menggunakan
metode Star Alignment dengan menerapkan prinsip komputasi paralel. Teknik
komputasi paralel yang diusulkan diimplementasikan menggunakan Message
Passing Interface (MPI). Selanjutnya kinerja metode ini dievaluasi dengan
mengukur speed up. Hasil percobaan menunjukan bahwa paralelisasi MSA
dengan metode Star Alignment dapat meningkatkan speed up 4-6 kali lipat lebih
cepat dibandingkan dengan hanya menggunakan komputer dengan pemroses
tunggal.
Keyword : Needleman-Wunsch, Multiple Sequence Alignment, Star Alignment,
Komputasi Paralel

SUMMARY
ASRIL ADI SUNARTO. PARALELLIZATION MULTIPLE SEQUENCE
ALIGNMENT. Supervised by WISNU ANANTA KUSUMA and HERU
SUKOCO.
Sequence alignment (sequence alignment) is one of the problems in
molecular biology that can be solved with the help of computer programs. The
purpose of an alignment is to identify similarity region of sequence in
Deoxyribonucleic acid (DNA), Ribonucleic acid (RNA), or protein. One of

sequence alignment methods is Needleman-Wunsch which includes all sequences
in its alignment.
The Needleman-Wunsch method has high computational complexity with
value of O(n2). Similarly, multiple sequence alignment (MSA) that processes k
sequences one by one by using Star Alignment method has complexity of O(k2n2).
Therefore, the main problem in MSA using Star Alignment method is
computational time. However, the Star Alignment method can still obtain high
accuracy. The time consuming problem faced by Star Alignment method can be
solved by applying parallel computing technique implemented using multiple
computers working together as a network system.
This research focuses on finding a faster method to process MSA based on
Star Alignment method using parallel computing. The proposed method is
implemented using Message Passing Interface (MPI). The evaluation is conducted
by calculating speed up. The experiment results show that the paralellization of
the Star Alignment method can increase speed up 4-6 times faster than that of
using single CPU.
Keyword : Needleman-Wunsch, Multiple Sequence Alignment, Star Alignment,
Parallel Computing

© Hak Cipta Milik IPB, Tahun 2014

Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB

PARALELISASI MULTIPLE SEQUENCE ALIGNMENT

ASRIL ADI SUNARTO

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Komputer
pada
Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR
BOGOR
2014

Judul Tesis : Paralelisasi Multiple Sequence Alignment
Nama
NIM

: Asril Adi Sunarto
: G651110131

Disetujui oleh
Komisi Pembimbing

Dr Wisnu Ananta Kusuma, ST MT
Ketua

Dr Heru Sukoco, SSi MT
Anggota

Diketahui oleh

Ketua Program Studi
Ilmu Komputer

Dekan Sekolah Pascasarjana

Dr Wisnu Ananta Kusuma, ST MT

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian:
(tanggal pelaksanaan ujian tesis)

Tanggal Lulus:
(tanggal penandatanganan tesis
oleh Dekan Sekolah
Pascasarjana)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah Subhanahu Wa Ta’ala atas
segala karunia dan rahmat-Nya karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan November 2012 ini ialah
komputer paralel pada Bioinformatika, dengan judul Paralelisasi Multiple
Sequence Alignment.
Terima kasih penulis ucapkan kepada Bapak Dr Wisnu Ananta Kusuma, ST
MT dan Dr Heru Sukoco, SSi MT selaku pembimbingyang telah banyak memberi
saran. Disamping itu, penghargaan penulis sampaikan kepada keluarga besar
mahasiswa Ilmu Komputer IPB angkatan 13 dan para staf tata usaha yang tidak
bisa disebutkan satu demi satu yang telah membantu selama pengumpulan data.
Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga,
atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Februari 2014
Asril Adi Sunarto

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

1 PENDAHULUAN
Latar Belakang
Perumusan Masalah
Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian

1
1

2
2
2
2

2 TINJAUAN PUSTAKA
Sequence Alignment
Multiple Sequence Alignment (Star Alignment)
Komputer Paralel

3
3
5
6

3 METODE
Pembagian (partition)
Pengiriman sequence
Pair Wise Alignment
Center Star

Bahan
Alat

7
7
8
8
8
8
8

4 HASIL DAN PEMBAHASAN
Hasil
Pembahasan

9
9
16

5 SIMPULAN DAN SARAN

Simpulan
Saran

20
20
20

DAFTAR PUSTAKA

21
13

RIWAYAT HIDUP

15

DAFTAR TABEL
1 Hasil Sequence Alignment antara Chlamydophila caviae dan
Alicyclobacillus acidocaldarius pada fragmen DNA 1-10 .......................... 3
2 Keterangan sequence alignment .................................................................... 4
3 Multiple sequence dari NCBI ....................................................................... 8
4 Pemetaan pembagian sequence ..................................................................... 9
5 Pemetaan pasangan sequence......................................................................... 10
6 Hasil pair wise alignment ............................................................................. 13
7 Rekapitulasi skor tiap sequence .................................................................... 13
8 Perbandingan kompleksitas processor tunggal dan multi processor ............. 14
9 Perbandingan waktu antara satu processor dengan multi processor ............. 15
10 Speed up program paralel ............................................................................. 15
11 Efficiency program paralel ............................................................................ 15
12 Pemetaan biaya komunikasi .......................................................................... 17
13 Waktu eksekusi antara satu processor dengan beberapa processor ............. 18
14 Pengukuran kinerja speed up dan efficiency desain ke dua ........................... 18

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Deoxyribonucleic Acid (DNA) ................................................................ 3
Algoritma Star Alignment (Gusfield, 1991) ............................................ 5
Metode penelitian Paralelisasi MSA ......................................................... 7
Ilustrasi pembagian sequence ................................................................... 9
Langkah-langkah inisiasi matrik pair-wise alignment ............................. 11
Langkah-langkah pengisian matrik .......................................................... 11
Hasil akhir pengisian matrik .................................................................... 12
Traceback dan hasil sequence alignment ................................................. 12
Speed up dari kompleksitas paralel .......................................................... 14
Efficiency dari kompleksitas paralel ......................................................... 15
Grafik speed up dari program paralel ....................................................... 16
Grafik efficiency dari program paralel ..................................................... 16
Paralelisasi MSA desain kedua ................................................................ 17
Grafik Speed up dan Efficiency program paralel desain ke dua ............... 18
Waktu tunggu (idle time) yang dialami ole processor yang terlibat ........ 19

1 PENDAHULUAN
Latar Belakang
Sequence alignment (penjajaran sekuens) adalah salah satu problem biologi
molekuler yang dapat dipecahkan dengan bantuan program komputer. Tujuan dari
penjajaran sekuens adalah untuk mengidentifikasi daerah kemiripan pada
Deoxyribonucleic acid (DNA), Ribonucleic acid (RNA), atau protein. Selanjutnya
dari hasil identifikasi tersebut dapat ditentukan hubungan fungsional, struktural
homologi antara dua sekuens atau lebih (Sing et al, 2011). Selain itu pada level
aplikatif, hasil dari penjajaran banyak sekuens dapat digunakan untuk membangun
phylogenetic tree, mengidentifikasi makna DNA seperti Single Nucleotide
Polymorphysm (SNP) yang berfungsi untuk mendukung pemulian, penemuan obat
(payne, 2007), perbaikan gen (Bronner et al, 1994, Papadopoulos et al, 1994).
Salah satu teknik penting dalam penjajaran sekuens yaitu pairwise
alignment yang dilakukan engan menjajarkan suatu sekuens yang ingin dianalisis
dengan sekuens referensi. Dua algoritme telah dikembangkan untuk
menyelesaikan permasalahan pairwise alignment, yaitu Needleman-Wunsch untuk
penjajaran global dan Smith-Waterman untuk penjajaran lokal. Penjajaran global
bertujuan untuk menemukan kemiripan dari dua sekuens secara keseluruhan
(Needleman dan Wunsch, 1970). Adapun penjajaran lokal hanya
mempertimbangkan kemiripan subsekuens dari dua sekuens yang dijajarkan
(Smith dan Waterman, 1984).
Metode Smit-Waterman dan Needleman-Wunsch, keduanya menggunakan
dynamic programming. Dynamic programming merupakan metode yang
mempunyai strategi memecah masalah menjadi lebih kecil dan menggunakan
solusi yang lebih kecil tadi guna membangun solusi yang lebih besar (Jones dan
Pevzner, 2004). Kompleksitas waktu menggunakan dynamic programming ini
mencapai O(n2). Pairwise alignment ini menjadi dasar untuk melakukan Multiple
Sequence Alignment (MSA) yang melibatkan banyak sekuens. Salah satu metode
yang digunakan dalam MSA adalah Star Alignment. Metode yang diperkenalkan
Gusfield (1991) ini melakukan pairwise alignment terhadap k sekuens untuk
mencari sekuens yang memiliki tingkat kemiripan paling tinggi dengan sekuens
lainnya. Sekuens ini menjadi star yang selanjutnya menjadi acuan untuk
melakukan penjajaran dengan sekuens-sekuens lainnya. Kompleksitas metode ini
masih tinggi yaitu O(k2 n2). Selanjutnya beberapa metode dikembangkan antara
lain metode progresif yang diterapkan pada Clustal W dan Clustal X versi 2.0
(Larkin et al, 2007), MAFFT yang menerapkan Fast Fourier Transform (Katoh et
al, 2002), metode Novel Center Star oleh Zou, Shan, dan Jiang (2012) dan metode
probabilistic consistency menggunakan Pair Hidden Markov Model (Do et al,
2013).
Selain Star Alignment, metode progressive juga dapat digunakan dalam
memproses MSA. Jumlah sekuens yang dibandingkan sama dengan metode Star
Alignment (Feng dan Doolittle, 1987). Beragam tools juga dikembangkan yang
dilatarbelakangi dari metode-metode sebelumnya. Seperti Clustal W dan Clustal

2
X version 2.0 (Larkin et al, 2007). Tool ini merupakan pengembangan dari
program sebelumnya yang diperkenal oleh Thompson, Higgins, Gibbon, dan
Sharp(1988, 1994). Selain itu, Katoh et al (2002) juga memperkenalkan MAFFT
yang menggunakan metode Fast Fourier Transform. Selanjutnya, MAFFT juga
mengalami pengembangan dengan memparalelkan metode MAFF sebelumnya
(Katoh and Toh, 2010). Tools terbaru yang disebut PAGAN dikemukakan oleh
Loytynoja, Vilella, dan Goldman (2012) dengan metode progressive dan Novel
Center star yang dikemukan oleh Zou, Shan, dan Jiang (2012) yang mengklaim
900 kali lipat dari hasil tool yang dihasilkan oleh Clustal.
Tingginya kompleksitas dalam memproses MSA ini yang mencapai O(k2 n2)
menjadi masalah baru dalam pemrosesan penjajaran sekuens. Sama seperti Katoh
dan Toh (2010), paralelisasi pada Star Alignment layak untuk dikembangkan.
Salah satu bentuk paralelisasi yang menggunakan banyak processor yang disebut
komputer paralel. Komputer paralel adalah teknik melakukan komputasi secara
bersamaan dengan memanfaatkan beberapa komputer independen dan terpusat
(Quinn, 2003). Pada penelitian ini, paralelisasi pada MSA dilakukan dengan
melibatkan sebanyak enam unit komputer yang terhubung satu sama lain. Hal ini
untuk mengetahui seberapa cepat dan efektif metode paralelisasi pada MSA ini.
Perumusan Masalah
Metode Star Alignment adalah salah satu metode MSA yang dibangun
berdasarkan teknik pairwise alignment. Pada metode Star, Pair wise alignment
dilakukan pada seluruh sekuens untuk menemukan sekuens yang akan menjadi
Star. Hal ini menyebabkan kompleksitas metode Star cukup tinggi, yaitu O(k2 n2).
Kompleksitas yang tinggi berdampak pada waktu eksekusi yang tinggi. Untuk
mendapatkan proses yang efisien dapat dilakukan melalui dua cara, yaitu
memodifikasi algoritme atau menerapkan komputasi paralel. Penelitian ini
bermaksud menemukan solusi yang efisien untuk mengimplementasikan metode
Star pada lingkungan paralel.
Tujuan Penelitian
Pada penelitian ini akan dikembangkan teknik komputasi paralel untuk
MSA dengan metode Star Alignment. Diharapkan dengan penerapan konsep
komputasi paralel ini dapat mereduksi waktu komputasi MSA dengan metode
Star.
Manfaat Penelitian
Adapun manfaat dari penelitian yang dilakukan adalah agar pihak-pihak
yang berkepentingan dalam analisa DNA dapat memanfaatkan aplikasi ini untuk
mendukung proses analisis agar lebih efisien.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah mengembangkan aplikasi untuk MSA
menggunakan paling banyak enam processor. Adapun jumlah sekuens yang
dijajarkan dibatasi hanyak empat sekuens.

3

2 TINJAUAN PUSTAKA
Sequence Alignment
Penjajaran sekuens adalah cara mengatur urutan DNA, RNA, atau protein
untuk mengidentifikasi daerah kemiripan yang mungkin menjadi konsekuensi dari
hubungan fungsional, struktural, atau evolusi antara dua urutan (Sing et al, 2011).
Salah satu proses penjajaran sekuens adalah dalam memproses DNA. DNA
merupakan asam nukleat yang terdapat dalam inti sel atau nucleus berisi mengenai
informasi genetik pada suatu organisme yang merupakan untai ganda (double
helix) yang disatukan oleh ikatan hidrogen adenin (A), sitosin (C), guanin (G),
dan timin (T) (Jones dan Pevzner 2004). Gambaran umum mengenai DNA dapat
dilihat pada Gambar 1.

Sumber :IPA Educational Material Archive (http://www2.edu.ipa.go.jp/gz/)

Gambar 1 Deoxyribonucleic Acid (DNA)
Sedangkan gambaran umum mengenai penjajaran sekuens DNA dapat
dilihat pada Tabel 1 antara Chlamydophila caviae dan Alicyclobacillus
acidocaldarius frame 1-10 yang diambil dari National Center for Biotechnology
Information (NCBI).
Tabel 1 Hasil Penjajaran sekuens antara Chlamydophila caviae dan
Alicyclobacillus acidocaldarius pada fragmen DNA 1-10
Organisme

Chlamydophila caviae
Alicyclobacillus acidocaldarius

1
T
T

2
C
-

3
A
-

4
C
T

5
C
G

Frame
6 7 8
C A C
C T T

9
C
G

10 11 12
T
T G G

Perubahan evolusi sekuens DNA terjadi dengan substitusi nukleotida,
deletion, dan insertion khususnya di daerah noncoding DNA. Hasil penjajaran
sekuens DNA tidak dapat disimpulkan antara sekuens yang dibandingkan dengan
sekuens reference sebagai leluhur (Tajima dan Nei, 1984). Pada Tabel 1, terdapat
tanda “-“ yang dinamakan dengan gap. Hadirnya gap menandakan bahwa
Chlamydophila caviae mengalami insersi (insertion) terhadap Alicyclobacillus
acidocaldarius pada frame ke sebelas dan dua belas, juga mengalami pada frame

4
ke dua dan tiga delesi (deletion). Selain itu, pada frame ke empat, lima, tujuh,
delapan, dan sembilan mengalami mutasi (unmatch). Sedangkan pada frame satu,
enam dan sepuluh merupakan conserved / match yang artinya terdapat kecocokan
/ kesamaan string. Keterangan tersebut menunjukan adanya similarity dan
homology. Similarity adalah tingkat kesamaan antara satu sekuens dengan sekuens
yang lain, sedangkan homology adalah menunjukan hubungan evolusi antara dua
sekuens atau lebih (Baxevanis dan Ouellete 2001). Contoh hasil penjajaran
sekuens di atas merupakan contoh hanya untuk mendapatkan skor similarity,
sedangkan homology tidak dapat disimpulkan, karena hanya memuat sebagian
DNA saja. Secara garis besar berikut keterangan penjajaran sekuens yang diambil
dari Tabel 1 yang dapat dilihat pada Tabel 2:
Tabel 2 Keterangan penjajaran sekuens
Frame
Insersi
Delesi
Mutasi
Conserved

11, 12
2, 3
4,5, 7, 8, 9
1, 6, 10

Terdapat dua hal dalam menentukan skor similarity yaitu secara global dan
lokal. Metode Needlemen–Wunsch merupakan salah satu metode untuk penjajaran
sekuens yang mendefinisikan cara menemukan similarity global dari dua sekuens
(Needleman-Wunsch, 1970). Algoritma similarity secara lokal hanya mencari
subsekuenss, dan perbandingan tunggal dapat menghasilkan beberapa subsekuens
yang berbeda (Smith dan Waterman, 1984). Baik lokal maupun global, keduanya
membandingkan dua / pasangan sekuens secara langsung yang disajikan oleh
matrik dua dimensi sehingga kompleksitasnya O(n2) proses ini dinamakan dengan
pairwise alignment. Juga keduanya menggunakan dynamic programming dalam
memproses secara pairwise alignment. Dynamic programming merupakan metode
yang mempunyai strategi memecah masalah menjadi lebih kecil dan
menggunakan solusi yang lebih kecil tadi guna membangun solusi yang lebih
besar (Jones dan Pevzner, 2004). Matrik yang dibangun dalam memproses
penjajaran sekuens menggunakan metode Needlemen–Wunsch dengan cara seperti
:

Salah satu tool yang menggunakan metode ini adalah Basic Local Alignment
Search Tool (BLAST) yang mengoptimalkan ukuran similarity secara lokal
(Altschul et al, 1990). Selain BLAST, terdapat Bayes Aligner yang menggunakan
metode Bayes dalam memproses penjajaran sekuens (Zhu, Liu, dan Lawrence,
1998). Sayangnya, ukuran similarity secara lokal ini tidak mempengaruhi skor
secara keseluruhan.

5
Multiple Sequence Alignment (Star Alignment)
Multiple sequence alignment (MSA) adalah metode membandingkan
sekuens sebanyak k > 2 (Gusfield, 1991). MSA yang dikemukakan oleh Gusfield
(1991) merupakan proses membandingkan beberapa sekuens yang terlibat satu
demi satu. Metode ini dikenal dengan Star Alignment yang mempunyai
perhitungan jumlah sekuens yang dibandingkan sebanyak:

k = Jumlah sekuens
Jika terdapat k sekuens maka tiap sekuens mempunyai pengulangan untuk
dibandingkan sebanyak k-1 atau total perhitungannya k2. Setiap pasangan yang
dibandingkan secara pairwise alignment mempunyai kompleksitas O(n2) dan
kompleksitas kombinasi sekuens adalah O(k2). Sehingga kompleksitas
keseluruhan menjadi O(k2 n2). Pusat sekuens (center star) yang dibangun
merupakan sekuens yang mempunyai skor yang paling tinggi di antara banyak
sekuens yang dibandingkan. Adapun algoritma dari star aligment ini dapat dilihat
pada Gambar 2 seperti :

Gambar 2 Algoritma Star Alignment (Gusfield, 1991)
MSA yang diusulkan mirip dengan yang diusulkan oleh Gusfield, namun
berbeda ketika dalam proses pemilihan center sekuens dan proses selanjutnya.
Pada MSA yang diusulkan, center star yang dibangun merupakan sekuens yang
mempunyai skor similarity yang paling tinggi di antara banyak sekuens yang
dibandingkan. Total skor tiap sekuens didapat dari hasil rekapitulasi hasil pair
wise. Skor similarity didapat menggunakan cara :

6
Setelah mengetahui sekuens tertinggi, tidak serta merta center star
diketahui mengingat tiap sekuens dibandingkan sebanyak k-1 dengan sekuens
lainnya. Sehingga kompleksitas pencarian center sekuens ini adalah seperti di:
O(k-1)

(4)

Center sekuens yang dipilih kemudian dijajarkan kembali dengan sekuenss
yang di masukan. Proses ini dilakukan sebanyak 2 kali. Secara keseluruhan,
kompleksitas dari metode yang diusulkan menggunakan processor tunggal (Ts)
yang dapat dilihat seperti :
Ts = O(k2 n2)

(5)

Komputer Paralel
Komputer pararel adalah sistem komputer dengan banyak processor yang
mendukung paralel programming. Paralel programming adalah bahasa
pemograman yang memungkinkan seorang programmer dapat membagi tugas
yang sama atau berbeda kepada komputer-komputer yang terlibat guna
menyelesaikan sesuai tugas yang diberikan (Quinn, 2003). Terdapat klasifikasi
terbaik dalam komputer paralel yang dinamakan dengan Flynn’s Taxonomy.
Klasifikasi ini bergantung pada pengetahuan pada alur perintah dan alur data.
Klasifikasi mesin komputasi paralel (Flynn and Rudd, 1996) dapat dikatagorikan
sebagai Single Instruction, Single, Single Instruction, Multiple Data, Multiple
Instruction, Single Data, Multiple Instruction Multiple Data.
Tahapan selanjutnya adalah bagaimana komputer paralel tersebut didesain
sedemikian rupa sehingga waktu eksekusi meningkat. Desain algoritma komputer
paralel menggunakan metode Ian Foster. Metode yang dijelaskan oleh Ian Foster
dibagi menjadi 4 tahapan (Foster, 1995), yaitu partitioning, communication,
agglomeration, and mapping. Fokus utama penggunaan program paralel adalah
untuk mempercepat waktu eksekusi. Untuk memastikan progaram paralel lebih
unggul dibanding dengan program sekuensial, maka diperlukan perbandingan
speed up (S) dan perhitungan efisiensi (E) yang ada dari kinerja komputer paralel.
Speed up (S) merupakan perbandingan antara waktu eksekusi yang dimiliki oleh
satu prorcessor dengan waktu ekseksusi yang dimiliki oleh multi processor.
Formula Speed up (S) dapat dilihat seperti :

Effisiensi (E) merupakan nilai efektivitas dari program paralel yang
menggunakan sejumlah p processor terhadap program serial yang didenotasikan
seperti :

7
Dalam komputer paralel, terdapat dua tipe arsitektur yang bisa dibuat, yaitu
share memory dan distributed memory (Wilkinson dan Allen, 2010). Shared
memory merupakan sebuah lingkungan yang mana setiap processor dapat
mengakses memory module sehingga setiap program dapat mengakes data jika
diperlukan. Meskipun begitu lingkungan ini terbatas pada jumlah processor yang
ada yang dapat berpengaruh pada waktu pemrosesan MSA. Arsitektur lain, yaitu
distributed memory yang dibangun menggunakan seperangkat komputer yang
dihubungkan oleh jaringan komputer. Hal ini memungkinkan penambahan data
maupun penambahan processor dapat lebih leluasa.

3 METODE
Metode penelitian ini terdiri atas beberapa tahapan proses yaitu input
sekuens, pembagian sekuens, pair wise alignment, mencari center star, pairwise
alignment center star dengan input sekuens dan penggabungan sekuens-sekuens.
Metode penelitian ini dari sisi root process dapat dilihat pada Gambar 3 :

Gambar 3 Metode penelitian Paralelisasi MSA
Pembagian (Partition)
Tahap pertama dari Foster’s design adalah membagi komputasi dan
membagi data (partition) menjadi beberapa bagian yang lebih kecil. Dalam kasus
ini, multiple sekuens akan direduksi menjadi yaitu k = 2 tiap processor.

8
Pengiriman Sequence
Tahap selanjutnya dari Foster’s design adalah berkaitan erat dengan
komunikasi data, aglomerasi, dan mapping yang berhubungan dalam pengiriman
data.. Pengiriman data dalam pemograman paralel ini menggunakan parameter
MPI_Send() disisi pengirim dan parameter MPI_Recv() disisi penerima. Kedua
parameter ini merupakan komunikasi point to point.
Pair wise Alignment
Pair wise Alignment menggunakan metode Needleman-Wunsch dengan
parameter yang dipakai match = 7, mismatch = -3, dan gap = -2.
Center Star
Proses MSA menghasilkan skor similarity tiap sekuens satu sama lain.
Selanjutnya adalah menentukan center star yang merupakan sekuens yang paling
dekat / mirip dengan sekuens lainnya.
Bahan
Bahan yang diperlukan dalam penelitian ini menggunakan multiple sekuens
yang menjadi sekuens masukan diambil dari database Genbank NCBI dengan
rincian seperti pada Tabel 3:
Tabel 3 Multiple sekuens dari NCBI
No.
1
2
3
4

Sekuens
Candidatus Riesia pediculicola
Alicyclobacillus acidocaldarius
Clostridium difficile
Chlamydophila caviae

Panjang
7737
7909
7881
7966

Alat
Perangkat yang diperlukan demi terlaksananya peneltian ini terdiri dari
perangkat hardware dan software. Berikut rincian keduan perangkat tersebut:
a. Software
- Sistem Operasi
: Window Xp Profesional Service Pack 2
- Software Development : Code Block 12.11
b. Hardware
- Processor : Pentium(R) Intel Atom 1.66 GHz
- Memory : RAM 2 GB
- Harddisk : 320 GB

9

4 HASIL DAN PEMBAHASAN
Hasil
Tujuan utama beralih kepada program paralel salah satunya adalah untuk
mendapatkan kinerja yang lebih baik dibanding program sekuensial. Hal yang
perlu dipertimbangkan dalam paralelisasi ini adalah beban kerja dan biaya
komunikasi. Secara garis besar, idenya adalah bagaimana menyeimbangkan beban
kerja dan meminimalkan biaya komunikasi. Untuk mencapai keduanya, maka
Foster’s design diimplementasikan dalam lingkungan paralel. Langkah pertama
adalah tahap pembagian (partition) data. Pada tahap ini harus diperhatikan jum
lah processor yang terlibat dengan jumlah kombinasi sekuens. Jumlah kombinasi
sekuens menggunakan rumus pada Persamaan 2 menjadi :

Idealnya jumlah processor sama dengan jumlah kombinasi sekuens. Karena
beban kerja menjadi sama tiap processor. Namun, bukan berarti tidak samanya
jumlah processor dengan jumlah sekuens menjadi program tidak bisa. Hanya saja
beban kerja menjadi tidak seimbang di salah satu processor. Hal ini dapat di lihat
pada Gambar 4.

Gambar 4 Ilustrasi pembagian sekuens. a) Distribusi sekuens dengan jumlah
processorsama dengan jumlah kombinasi sekuens. b) Distribusi sekuens dengan
jumlah processor yang tidak sama dengan jumlah kombinasi sekuens
Tahap kedua adalah tahap komunikasi data. Pasangan sekuens akan segera
dikirimkan kepada host yang telah di set sebelumnya. Berikut pemetaan pasangan
sekuens yang dikirim yang dapat dilihat pada Tabel 4 :
Tabel 4 Pemetaan pembagian sekuens
Sekuens

Sekuens

1
1
1
2
2
3

2
3
4
3
4
4

2
1*
2
1
2
1
2

Jumlah Processor / Host
3
4
5
1*
1*
1*
2
2
2
3
3
3
1
4
4
2
1
5
3
2
1

6
1*
2
3
4
5
6

10
*root process
Berdasarkan Tabel 4, kompleksitas komunikasi data dari root-host-root
menjadi:

Tahap Ketiga adalah tahap agglomerasi (agglomeration). Tahapan
aglomerasi adalah tahap yang menggabungkan beberapa sekuens dengan tujuan
host yang sama. Sehingga ini dapat meminimalkan biaya komunikasi. Terakhir
adalah tahap pemetaan (mapping). Pada tahap pemetaan ini menggunakan
parameter MPI_Send() dan Parameter MPI_Recv() untuk menerima data. Setelah
sekuens diterima oleh proses yang terlibat, maka selanjutnya melakukan pair
wisealignment menggunakan metode Needleman-Wunsch. Pada penelitian ini,
parameter yang digunakan untuk kecocokan residu (string) adalah match = 7,
mismatch = -3, dan gap = -2. Kompleksitas pair wise alignment terdapat pada
komputer paralel adalah :

Data yang akan dibandingkan di masukan sebanyak k > 2. Banyaknya data
yang terlibat di dekomposisi. Data-data tersebut kemudian dipasangkan
sedemikian rupa dengan jumlah pasangan sesuai dengan Formula 2, sehingga
memudahkan dalam partition. Proses pembagian ini dilakukan pada processor 1
(root process). Setelah diurai menjadi lebih kecil, selanjutnya dipetakan
(mapping) ke prosesor tujuan. Data yang telah dipetakan juga harus dipikirkan
cara komunikasi (communication) yang dibutuhkan. Berikut pembagian data dari
organisme yang terlibat dipetakan pada processor tujuan yang dapat dilihat pada
Tabel 5 :
Tabel 5 Pemetaan pasangan sekuens
Processor
Sekuens
*
1
Candidatus Riesia pediculicola
Alicyclobacillus acidocaldarius
2
Candidatus Riesia pediculicola
Clostridium difficile
3
Candidatus Riesia pediculicola
Chlamydophila caviae
4
Alicyclobacillus acidocaldarius
Clostridium difficile
5
Alicyclobacillus acidocaldarius
Chlamydophila caviae
6
Clostridium difficile
Chlamydophila caviae
*
= root process
Dalam penelitian ini jumlah processor sebanding dengan jumlah kombinasi
sekuens yang terlibat. Jumlah ini di desain guna menyeimbangkan beban kerja
yang ada tiap processor. Namun bukan berarti tidak seimbangnya beban kerja
paralelisasi MSA tidak dapat dilakukan. Processor yang telah menerima data dari
root process sesegera mungkin melakukan pair wise alignment. Berikut langkahlangkah process pair wise alignment yang terjadi didalam tiap processor:

11
a. Inisiasi matrik
Inisiasi matrik dibangun berdasarkan parameter gap yang dipilih. Secara
utuh parameter digunakan adalah match = 7, mismatch = -3, dan gap = -2.
Untuk memudahkan gambaran mengenai pair wise alignment, maka diperlukan
contoh sekuens yang lebih kecil. Misalkan terdapat sekuens “ATGGCT” dan
“CGTGAA” yang akan dibandingkan. Berikut Gambar 5 mengenai inisiasi
matrik :
0

1

2

3

4

5

6

A

T

G

G

C

T

-2

-4

-6

-8

-10

-12

Posisi
0

0

1

C

-2

2

G

-4

3

T

-6

4

G

-8

5

A

-10

6

A

-12

Gambar 5 Langkah-langkah inisiasi matrik pair wise alignment

b. Pengisian matrik
Untuk pengisian matrik diperlukan Formula 1. Berikut proces pengisian
matrik pada Gambar 6 yang menggunakan Formula 1:

Gambar 6 Langkah-langkah pengisian matrik

12
Secara keseluruhan hasil pair wise ini dapat dilihat pada Gambar 7 :
0

1

2

3

4

5

6

A

T

G

G

C

T

0

-2

-4

-6

-8

-10

-12

Posisi
0
1

C

-2

-3

-5

-7

-9

-1

-3

2

G

-4

-5

-6

2

0

-2

-4

3

T

-6

-7

2

0

9

7

5

4

G

-8

-9

0

-1

7

6

4

5

A

-10

-1

-2

-3

5

4

3

6

A

-12

-3

-4

5

3

2

1

Gambar 7 Hasil akhir pengisian matrik
c. Runut Balik (Trace Back)
Trace back dilakukan bergerak secara diagonal dengan mencari nilai
maksimum dimulai dari titik M[i, j] sampai titik M[1, 1]. Hasil trace
back ini menentukan hasil penjajaran sekuens. Berikut Gambar 8 yang
memperlihatkan trace back dan hasil penjajaran sekuens.
0

1

2

3

4

5

6

A

T

G

G

C

T

0

-2

-4

-6

-8

-10

-12

Posisi
0
1

C

-2

-3

-5

-7

-9

-1

-3

2

G

-4

-5

-6

2

0

-2

-4

3

T

-6

-7

2

0

9

7

5

4

G

-8

-9

0

-1

7

6

4

5

A -10

-1

-2

-3

5

4

3

6

A -12

-3

-4

5

3

2

1

ATURAN :
1. VERTIKAL = SEKUEN ATAS ─
2. HORIZONTAL = SEKUEN BAWAH ─
3. DIAGONAL = ISI KEDUA SEKUEN

Gambar 8 Trace back dan hasil penjajaran sekuens
Skor similarity yang dihasilkan dari penjajaran sekuens adalah:

13
Secara ringkas, pada Tabel 6 menunjukan hasil pair wise alignment yang
berada di tiap processor dengan ketentuan C(k, 2) = p:
Tabel 6 Hasil pair wise alignment
Processor
1
2
3
4
5
6

Sekuens
Candidatus Riesia pediculicola
Alicyclobacillus acidocaldarius
Candidatus Riesia pediculicola
Clostridium difficile
Candidatus Riesia pediculicola
Chlamydophila caviae
Alicyclobacillus acidocaldarius
Clostridium difficile
Alicyclobacillus acidocaldarius
Chlamydophila caviae
Clostridium difficile
Chlamydophila caviae

Panjang

Skor

9314

51

9476

54

9436

53

9242

49

9587

50

9387

53

Skor pair wise alignment ini kemudian dikirimkan ke root process. Biaya
komunikasi pada proses ini sama seperti Formula 9. Root process menerima skor
ini untuk ditindak lanjuti guna mencari center sekuens. Untuk mencari center
sekuens diperlukan rekapitulasi nilai tiap sekuens seperti pada Tabel 7:
Tabel 7 Rekapitulasi skor tiap sekuens
No.
1
2
3
4

Sekuens
Candidatus Riesia pediculicola
Alicyclobacillus acidocaldarius
Clostridium difficile
Chlamydophila caviae

Hasil
51 + 54 + 53 = 158
51 + 49 + 50 = 150
53 + 49 + 53 = 155
53 + 50 + 53 = 156

Dari hasil Tabel 8 dan Tabel 9, yang menjadi center sekuens adalah
Candidatus Riesia pediculicola yang dijajarkan dengan Clostridium difficile.
Kemudian langkah selanjutnya adalah pair wise alignment kembali antara center
star yang sudah dipilih dengan sekuens yang dinputkan. Kompleksitas yang
dimiliki dalam proses ini dapat dilihat seperti :
O ((k-1) n2)

(12)

Proses ini kembali dilakukan, bedanya pada proses pair wise antara new
center star dengan sekuens awal dilakukan di host process. Kompleksitas
pengiriman data dari root-host-root menjadi :
O ((k-1) 4n)

(13)

Secara keseluruhan, kompleksitas paralel dapat disimpulkan mulai dari
Persamaan 9 hingga Persamaan 12 dapat dilihat pada Persamaan 13 seperti :

14

Keterangan :

Perbadingan kompleksitas antara menggunakan processor tunggal (Persamaan
5) dan multi processor (Persamaan 13) dapat dilihat pada Tabel 8:
Tabel 8 Perbandingan kompleksitas antara processor tunggal dengan multi
processor

n

k

p

pasangan

Kompleksitas
Multi
Tunggal
processor

Speed
up

Efficiency
(%)

8,000

3

2

3

576,000,000 224,096,000

2.570

128.516

8,000
8,000
8,000

3
4
4

3
2
3

3
576,000,000 192,128,000
6 1,024,000,000 384,192,000
6 1,024,000,000 320,224,000

2.998
2.665
3.198

99.933
133.267
106.592

8,000

4

4

6 1,024,000,000 288,224,000

3.553

88.820

8,000

4

5

6 1,024,000,000 269,024,000

3.806

76.127

8,000

4

6

3.996

66.600

6 1,024,000,000 256,256,000

p = jumlah processor

n = jumlah karakter sekuens

k = jumlah sekuens

Berdasarkan Tabel 8, berikut grafik speed up dan efficiency yang dapat
dilihat pada Gambar 9 dan Gambar 10:

Gambar 9 Speed up dari kompleksitas paralel

15

Gambar 10 Efficiency dari kompleksitas paralel
Sedangkan hasil program paralel yang menggunakan enam buah processor
dapat dilihat pada Tabel 9 seperti :
Tabel 9 Perbandingan waktu antara satu processor dengan multi processor
Jumlah
Sekuens
3
4

p=1
45.203
97.141

p=2
32.781
52.735

Waktu eksekusi (s)
p=3
p=4
p=5
39.281
56.766 52.719 47.157

p=6
39.062

Berdasarkan Tabel 13 pengukuran kinerja program paralel mengenai speed
up dan efficiency yang dihitung menggunakan Persamaan (6) dan Persamaan (8)
ditampilkan pada Tabel 10 dan Tabel 11 :
Tabel 10 Speed up program paralel
Jumlah
Sekuens
3
4

p=2
1.38
1.84

p=3
1.15
1.71

Speed Up
p=4

p=5

p=6

1.84

2.06

2.49

Tabel 11 Efficiency program paralel
Jumlah
Sekuens
3
4

p=2
68.95
92.10

Efficiency (%)
p=3
p=4
p=5
38.36
57.04
46.07
41.20

p=6
41.45

16
Berdasarkan Tabel 14 dan Tabel 15, di bawah ini adalah grafik mengenai
Speed Up program paralel yang ditampilkan pada pada Gambar 11 dan pada
Gambar 12 mengenai Efficiency program paralel.

Gambar 11 Grafik speed up dari program paralel

Gambar 12 Grafik efficiency dari program paralel

Pembahasan
Berdasarkan Tabel 14 dan Tabel 15, paralelisasi MSA mengalami
peningkatan kecepatan paling tinggi sekitar 1.4 kali lipat dari program dengan
processor tunggal. Sedangkan efisiensi program paralelisasi MSA ini paling tinggi
mencapai mencapai 72 % dengan jumlah sekuens yang dibandingkan sebanyak
tiga sekuens dan processor yang digunakan sebanyak 2 buah. Hasil yang berbeda
didapat yang menggunakan 3 processor dengan jumlah sekuens yang sama. Hasil
yang diperlihatkan pada Tabel 13, Tabel 14 dan Tabel 15 memperlihatkan
program paralel yang dibangun mendekati kompleksitas yang dimiliki. Selain itu
pada Gambar 5 dan Gambar 6, grafik speed up dan grafik efficiency mengalami
kontradiktif. Di satu sisi speed up cenderung naik, namun di sisi lain efficiency
cenderung turun.

17
Logika mudahnya semakin banyak processor maka semakin cepat pula
proses MSA selesai. Namun ternyata tidak demikian. Salah satu faktor yang
mempengaruhi kondisi ini adalah biaya komunikasi. Hal ini sesuai dengan Tabel 4
yang memperlihatkan biaya komunikasi yang ditimbulkan oleh tiga buah
processor lebih tinggi daripada biaya komunikasi yang ditimbulkan oleh dua buah
processor. Berikut Tabel 12 yang memperlihatkan perbandingan biaya
komunikasi tiap setiap processor pada satu kali pengiriman.
Tabel 12 Pemetaan biaya komunikasi
Jumlah
Sekuens

Sekuens
1
1
2

2
3
3
3
Jumlah
1
2
1
3
1
4
4
2
3
2
4
3
4
Jumlah
*root process

2
1*
2
1
1*
2
1*
2
1*
2

Jumlah Processor / Host
cost 3 cost 4 cost 5 cost
1*
2n
2
2n
3
2n
2n
4n
1*
1*
1*
2n
2
2n
2
2n
2
2n
3
2n
3
2n
3
2n
2n 1*
4
2n
4
2n
2
2n 1*
5
2n
2n
3
2n
2
2n 1*
6n
8n
8n
8n
n = panjang sekuens

6

1
2
3
4
5
6

cost

2n
2n
2n
2n
2n
10n

Pada penelitian ini juga, terdapat metode paralelisasi MSA desain kedua
yang berbeda dengan yang digambarkan pada Gambar 3. Berikut bentuk
paralelisasi desain kedua yang dapat dilihat pada Gambar 13 seperti :

Gambar 13 Paralelisasi MSA desain kedua

18
Metode paralelisasi pada Gambar 5 ini telah dipublikasikan di
http://ieeexplore.ieee.org dengan Digital Object Identifier (DOI) 10.1109/ICICIBME.2013.6698486. Berikut hasil perhitungan waktu antara penggunaan
processor tunggal dengan enam buah processor dapat dilihat pada Tabel 13 :
Tabel 13 Waktu eksekusi antara satu processor dengan beberapa processor
Jumlah
sekuens
1
4
2
4
3
4
4
4
5
4
Rata-rata

Percobaan

Waktu eksekusi (s)
p=6
p=1
15.922
69.68
15.922
69.28
15.953
70.05
15.922
70.48
15.9380
72.78
15.9314
70.454

Berdasarkan Tabel 14 pengukuran kinerja program paralel dapat dihitung
menggunakan Formula (6) dan Formula (8) dan ditampilkan pada Tabel 14 seperti
:
Table 14 Pengukuran kinerja speed up dan efficiency desain ke dua
Number
sekuens
4
4
4
4
4
Average

Perbaan

Speed up

Efficiency (%)

1
2
3
4
5

4.376335
4.351212
4.391024
4.42658
4.566445
4.422319

72.93891
72.5202
73.18373
73.77633
76.10742
73.70532

Berikut grafik Speed up dan efficiency dari penelitian yang diperlihatkan
pada Gambar 14 seperti :

Gambar 14 Grafik Speed up dan Efficiency program paralel desain ke dua
Tabel speed up dan efficiency yang disajikan pada Tabel 10 dan Tabel 11
merupakan hasil dari program paralel yang berbeda. Seharusnya nilai yang di

19
dapat sama karena jumlah masalah dan jumlah processor sama banyaknya. Pada
program paralel desain pertama, root process membagi data dan mengatur
pemetaan distribusi data seperti pada Tabel 4 dan Tabel 12. Proses ini mempunyai
kompleksitas kuadratik, sehingga waktu tunggu yang dialami oleh host process
menjadi lama. Gambaran waktu tunggu ini dijabarkan oleh Wilkinson (2010)
sebagai nilai startup dan dapat dilihat pada Gambar 15 seperti :
Process
1

Process
2

Process
3
Computing

Time
waiting

Message

Gambar 15 Waktu tunggu (idle time) yang dialami oleh processor yang terlibat
Pada program paralel desain kedua, pasangan yang sudah dipetakan
langsung dikirim ke host tujuan sebanyak p-1 processor. Sehingga setiap
processor mendapat pasangan secara berurutan tanpa ada proses round robin di
dalamnya. Hal inilah yang mengakibatkan perbedaan waktu eksekusi selesai,
Pada penelitian yang dilakukan menggunakan enam processor untuk
memproses sekuens alignment. Jumlah ini disesuaikan dengan kombinasi sekuens
yang ada. Hal ini dilakukan untuk menyeimbangkan beban kerja sesuai dengan
karakteristik paralel desain kedua. Baik program paralel desain pertama dan
kedua, keduanya masih dalam tahap pengembangan. Kedua program ini men set
processor 0 sebagai root process yang bertugas sebagai mengumpulkan dan
membagi data disamping mengerjakan penjajaran sekuens. Perlu diperhatikan
juga, penelitian ini masih memproses MSA dari DNA-DNA pendek. Diharapkan
selanjutnya dapat dijalankan dalam lingkungan DNA yang panjang dan jumlah
processor yang lebih banyak lagi.

20

5 SIMPULAN
Simpulan
Mempercepat waktu eksekusi tidak selalu memperbanyak jumlah processor.
Banyaknya jumlah processor yang terlibat, mengakibatkan biaya komunikasi
menjadi lebih besar. Dalam memparalelkan MSA, bukan hanya jumlah data yang
harus dipertimbangkan, namun jumlah processor pun layak untuk diperhitungkan.
Dalam perhitungan kompleksitas maupun dalam pengujian program didapat
bahwa speed up bergerak naik tidak diimbangi dengan nilai efficiency yang
cenderung turun dengan menggunakan banyak processor. Hal ini menjadi
keputusan selanjutnya bagi yang akan menggunakan program ini, apakah speed up
atau efficiency yang diperlu di utamakan.
Agar tercipta kondisi dengan beban kerja yang sama (scalable), maka
setiap penambahan processor idealnya mendapatkan minimalnya satu pasangan
sekuens. Semakin banyak jumlah sekuens yang terlibat dan jumlah karakter tiap
sekuens semakin panjang maka kinerja program ini menjadi lebih bermanfaat.
Meskipun pada kenyataannya bahwa komputer mempunyai keterbatasan ruang
memory (kompleksitas ruang) yang ada.

Saran
Untuk menindaklanjuti kekurangan-kekurangan seperti terbatasnya jumlah
sekuens, jumlah karakter tiap sekuens dan jumlah processor yang terlibat pada
program ini, maka perlu adanya pengembangan terhadap kedua program yang
telah dibuat agar mempunyai tingkat usability yang tinggi.

21
DAFTAR PUSTAKA
Altschul Stephen F, Warren Gish, Webb Miller, Eugene W Myers and David J
Lipman. 1990. Basic Local Alignment Search Tool. J Mol. Biol. 215, 403410.
Bronner CE et al. 1994. Mutation In The DNA Mismatch Repair Gene
Homologue Hmlh1 Is Associated With Hereditary Non-Polyposis Colon
Cancer. Nature Mar 17;368(6468):258-61.
Chalker Alison F, Heather W, Minehart, Nicky J. Hughes, Kristin K Koretke,
Michael A Lonetto, Kerry K Brinkman, Patrick V Warren, Andrei Lupas,
Michael J Stanhope et al. 2001. Systematic Identification of Selective
Essential Genes in Helicobacter pyloriby Genome Prioritization and Allelic
Replacement Mutagenesis. Journal Of Bacteriology. 1259-1268. doi:
10.1128/JB.183.4.1259–1268.
Do Chuong B, Mahathi S.P. Mahabhashyam, Michael Brudno, Serafim
Batzoglou. 2005. ProbCons: Probabilistic consistency-based multiple
sequence alignment. Genome 15: 330-340. doi: 10.1101/gr.2821705. 2013.
Feng Dai Fei and Russell F. Doolittle. 1987. Progressive Sequence Alignment as a
Prerequisite to Correct Phylogenetic Trees. J Mol Evol 25:351-360.
Flynn Michael J and Kevin W. Rudd. 1996. Parallel Architectures. Stanford
University.
Foster Ian. Designing and Building Parallel Programs: Concept and Tools for
Parallel Software Engineering. Reading, MA: Addison - Wesley.1995.
Giegerich Robert, Carsten Meyer, Peter Steffen. A discipline of dynamic
programming over sequence data. Elsevier BV Science of Computer
Programming 51 (2004) 215 - 263 doi: 10.1016/j.scico.2003.12.005. 2004.
Gusfield Dan. 1991. Efficient methods for multiple sequence alignment with
guaranteed error bounds. Computer Science Division University of
California.
Jones Neil C. and Pavel A Pevzner. 2004. An Introduction to Bioinformatics
Algorithms. Massachusetts Institute of Technology, USA.
Katoh Kazutaka dan Hiroyuki Toh. 2010. Parallelization of the MAFFT multiple
sequence alignment Program. Bioinformatics Vol. 26 no. 15 2010, pages
1899–1900doi:10.1093/bioinformatics/btq224.
Katoh Kazutaka, Kazuhara Misawa, Kei-ichi Kuma dan Takashi Miyata. 2002.
MAFFT:a Novel Method for Rapid mutiple Sequence alignment Based on
Fast Fourier Transform. Nucleic Acids Research Vol. 30 No. 14 3059-3066.
Larkin MA, Blackshields G, Brown NP, Chenna R, McGettigan PA, McWilliam
H, Valentin F, Wallace IM, Wilm A et al. 2007. Clustal W and Clustal X
version 2.0. Bioinformatics, 23, 2947-2948.
Löytynoja Ari, Albert J. Vilella, dan Nick Goldman. 2012. Accurate Extension Of
Multiple Sequence Alignments Using A Phylogeny-Aware Graph Algorithm.
Bioinformatics
Vol.
28
no.
13
pages
1684–
1691doi:10.1093/bioinformatics/bts198.
Needleman S. and Wunsch, C. D. 1987. A general method applicable to the search
for similarities in the amino acid sequence of two proteins. J. Mol. Biol. 48,
443-453.

22
Papadopoulos N et al. 1994. Mutation Of A Mutl Homolog In Hereditary Colon
Cancer.
ScienceVol.
263
no.
5153
pp.
1625-1629
DOI:
10.1126/science.8128251.
Payne David J, Michael N. Gwynn, David J. Holmes dan David L. Pompliano.
2006. Drugs For Bad Bugs: Confronting The Challenges Of Antibacterial
Discovery. Nature Reviews Drug Discovery6:29-40.doi:10.1038/nrd2201.
Quinn Michael J. 2003. Parallel Programming In C And With MPI OpenMP.
McGraw-Hill. New York - USA.
Sing et al. 2011. Role Of Bioinformatics In Agriculture And Sustainable
Development. Banaras Hindu University, India.
Smith and Waterman. 1981. Identification of Common Molecular Subsequences.
J. Mol. Bwl. (1981), 147, 195-197.
Tajima F and M Nei. 1984. Estimation of evolutionary distance between
nucleotide sequences. Mol Biol Evol 1 (3): 269-285.
Thompson JD, Higgins DG, and Gibson TJ. 1994. CLUSTAL W: improving the
sensitivity of progressive multiple sequence alignment through sequence
weighting, positions-specific gap penalties and weight matrix choice. Nucleic
Acids Research, 22:4673-4680.
Wilkinson Barry and Michael Allen. 2010. Parallel Programming (Techniques
and Applications Using a Network of Workstations and Parallel Computers).
Andi Yogyakarta.
Zhu, Liu, dan Lawrence. 1998. Bayesian adaptive sequence alignment algorithms.
BIOINFORMATICS Vol. 14 no. 1 1998 p 25-39.