KOMPARASI SEKUENS DNA PADA VIRUS H5N1 PADA HOST MANUSIA DAN BURUNG MENGGUNAKAN METODE DIAGRAM POHON
|
|
- Yenny Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KOMPARASI SEKUENS DNA PADA VIRUS H5N1 PADA HOST MANUSIA DAN BURUNG MENGGUNAKAN METODE DIAGRAM POHON DOSEN PEMBIMBING Prof. Dr. M. Isa Irawan, MT DR. rer. nat. Ir. Maya Shovitri, M.Si SITI FAUZIYAH NRP PROGRAM MAGISTER JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2 Latar Belakang Komparasi sekuens Evolusi Identifikasi sekuens Pensejajaran sekuens Informasi tingkat similaritas
3 Pensejajaran sekuens Lanjutan Multiple alignment Pairwise alignment Lokal Global
4 Berbasis dynamic programming Metode pensejajaran Berbasis heuristik Lanjutan Diagram pohon (Qi, 2009) Algoritma NW Algoritma SW FASTA BLAST dll
5 Lanjutan Sekuens DNA yang disejajarkan adalah DNA virus H5N1 yang merupakan virus influenza-a, karena virus ini memiliki tingkat mutasi sangat tinggi (Mahardika, 2009).
6 Perumusan masalah a. Bagaimana hasil pensejajaran global pasangan sekuens DNA dengan menggunakan metode diagram pohon pada virus H5N1 host manusia dan burung. b. Seberapa besar tingkat kemiripan antara virus H5N1 pada host manusia dan burung.
7 Tujuan Penelitian a. Menerapkan metode heuristik yaitu metode diagram pohon untuk melakukan pensejajaran global pasangan sekuens DNA virus H5N1 pada host manusia dan burung. b. Mengetahui tingkat kemiripan antara virus H5N1 pada host manusia dan burung untuk membuktikan bahwa ada evolusi dalam sekuens DNA virus H5N1.
8 Manfaat Penelitian a. Dapat memberikan referensi tentang salah satu metode pensejajaran sekuens yang berbasis metode heuristik yaitu metode diagram pohon. b. Sebagai bahan pembanding bagi peneliti selanjutnya yang tertarik untuk mengembangkan atau membandingkan dengan metode pensejajaran sekuens lainnya. c. Untuk mempelajari proses evolusi dari sekuens biologi.
9 Batasan Masalah a. Sekuens DNA virus H5N1 yang dimaksud dalam penelitian ini adalah untuk virus host pada manusia dan burung (avian) untuk kawasan Asia pada tahun yang diperoleh dari database GenBank. b. Sekuens yang di analisis adalah sekuens gen protein Hemaglutinin (HA). c. Parameter pada persamaan penskoran (yaitu parameter penalty gap open dan penalty gap ekstension) diambil dari nilai-nilai yang ada pada tools EMBOSS.
10 KAJIAN PUSTAKA DAN DASAR TEORI DNA (Deoxyribonucleic Acid) dan Sekuens DNA Gula Gugus fosfat Basa nitrogen Urutan Basa nitrogen menentukan informasi genetik yang ada didalamnya. Sekuens DNA adalah sebuah seri huruf yang mewakili struktur primer dari molekul DNA, dengan huruf A,C, G dan T, (Isaev, 2004). Secara umum sekuens DNA dideskripsikan sebagai berikut: Contoh: misalkan X ={GAAAAGTCGTA}, m = 11
11 Pensejajaran Sekuens Global Yaitu mensejajarkan sekuens dalam keseluruan panjang. Misalkan diketahui dua sekuens DNA adalah X dan Y, dengan panjang masing-masing adalah m dan n. X = {GATTCAGTTA} m = 10, n= 7 dan Y = {GGATCGA} maka sebuah kemungkinan pensejajaran dari X dan Y adalah * G A A T T A G T T A A( X, Y) G G A T C G A mutasi (Escareno, 2009) delesi insersi
12 Matriks Penskoran dan Persamaan Penskoran Matriks penskoran dalam bioinformatika disebut juga sebagai matriks substitusi. Matriks penskoran untuk sekuens DNA relatif sederhana (Xiong,2006). contoh Nilai & pada matriks penskoran tersebut selanjutnya digunakan sebagai parameter kecocokan (match) dan ketidakcocokan (mismatch) dalam persamaan penskoran.
13 Persamaan penskoran untuk pensejajaran global dengan n posisi gap *
14 Pensejajaran Sekuens dengan Metode Diagram Pohon 1. Algoritma Pensejajaran Sederhana 2. Algoritma Ekstension 3. Pohon GSA (Graphical Simple Alignment Tree )
15 Algoritma Pensejajaran Sederhana Diperoleh : Pensejajaran Terbaik (R) Common substring terpanjang (C) Elemen-elemen dari R adalah C i dan U j C i = common substring terpanjang di R U j = substring-substring yang dispasi oleh C i tahapan
16 Algoritma Ekstension Jika common substring baru ada, maka dari algoritma ini diperoleh data common substring terpanjang(c i ) dan U j yang baru. tahapan
17 Pohon GSA (Graphical Simple Alignment Tree ) U 1 j Algoritma Pensejajaran Sederhana Algoritma ekstension 1. C dan U 2. U Simpan C dan U ke pohon pada level berikutnya Ambil U j Simpan U
18 Lanjutan Tahap-tahap diatas berulang sampai semua U dalam level terakhir subpensejajaran tidak bisa diuraikan lagi oleh algoritma pensejajaran sederhana dan algoritma extension. Dari tahap ini diperoleh sebuah pohon GSA untuk string X dan Y yang terdiri atas sebuah seri substring.
19 Identity, similarity dan Homology Sekuens Homologi sekuens adalah inferensi atau kesimpulan tentang hubungan nenek moyang yang diambil dari perbandingan similarity sekuens ketika dua sekuens memiliki tingkat similarity cukup tinggi. (Xiong,2006) Pada sekuens DNA similarity sekuens dan identity sekuens adalah sama. cara untuk menghitung similarity atau identity sekuens, (Xiong,2006): S Ls 2 La Lb 100 dan I Li 2 La Lb 100
20 Keterangan: S = persentase similarity sekuens I = persentase identitas sekuens L s = jumlah residu-residu yang disejajarkan dengan karakteristik yang mirip (similar) L a dan L b =panjang total setiap sekuens pada pensejajaran (sekuens a dan sekuens b) L i = jumlah residu-residu identik yang disejajarkan
21 Penelitian-penelitian yang Relevan Guang Wu Chen telah melakukan pensejajaran global dengan menggunakan tools Emboss yang menerapkan algoritma Nedleman-Wunsch untuk menentukan similaritas sekuens pada level nukleotida. Pada pensejajaran sekuens gen HA dan NA memperlihatkan sekali perbedaan sekuens antar strain (Chen, 2006). Tim Fitch dalam (Ina dan Takashi, 1994) telah membuktikan adanya mutasi yang cepat pada virus flu burung. Mutasi ini terlihat secara khusus pada dua protein yang bernama Hemaglutinin (HA) dan neuraminidase (NA).
22 BAB 3 METODA PENELITIAN 3.1 Tahap-Tahap Penelitian Tahap pertama: mengkaji metode diagram pohon untuk pensejajaran global sekuens biologi. Tahap kedua: mengkaji bagian-bagian yang ada dalam metode diagram pohon Tahap ketiga: analisis hasil pensejajaran sepasang sekuens DNA virus dengan menggunakan tools EMBOSS. Tahap keempat:implementasi dengan matlab Tahap kelima: analisis dan validasi hasil
23 3.2 Diagram Penelitian
24 BAB 4 HASIL DAN PEMBAHASAN Teknik Pengambilan Data sekuens Dari Genbank Alamat: ( Virus yang diambil didasarkan pada keterangan yang dientrikan pada database sekuens, yaitu type, host, country/region, subtype, collection date. Untuk host pada manusia (human) diambil 2 sekuens dengan kode akses CY dan HQ Untuk host pada burung (avian) diambil 4 sekuens dengan kode akses CY091956, HM172081, AB569353, AB
25 Analisis Pensejajaran Sekuens DNA dengan Metode Diagram Pohon pada sekuens Random Contoh, pensejajaran pada sekuens Random X = CGGATCAAGGGGGT Y = CGGAGCGTAGGGGGT Panjang X = 14bp Panjang Y = 15bp Maka pensejajaran global dengan metode diagram pohon yang dimaksud adalah:
26 Analisis pensejajaran Sekuens DNA virus H5N1 dengan diagram pohon Dari 6 data yang diambil,maka menghasilkan 15 pasangan sekuens yang dapat disejajarkan. Berikut adalah contoh hasil pensejajaran dari pasangan sekuens CY dan CY Hasil selengkapnya dibuat tabel sebagai berikut:
27 Lanjutan Berdasarkan tabel hasil pensejajaran tersebut kemudian ditentukan tingkat mutasi antar sekuens baik dalam host yang sama dan dalam host berbeda. Tingkat mutasi 1. Dalam host Manusia-manusia 7% 2. Dalam host burung-burung 7.3% 3. Dalam host Manusia-burung 7.8%
28 Validasi Hasil Pensejajaran DNA virus H5N1 dengan metode diagram pohon menggunakan tools EMBOSS EMBOSS adalah sebuah tools pensejajaran yang mengaplikasikan algoritma Nedleeman-Wunsch untuk pensejaran global. Dalam penelitian ini tools ini digunakan sebagai alat validasi, untuk mengetahui bagaimana hasil pensejajaran yang dihasilkan oleh masing-masing metode (similaritas, gap). Dari 15 pasangan sekuens yang disejajarkan, hasil validasi menunjukkan untuk informasi tentang similaritas, gap dan panjang pensejajaran memperoleh hasil yang sama.(tabel validasi) Hasil ini menggunakan parameter e=0.5 5, 4, o 10 dan
29 Kesimpulan a. Metode diagram pohon dapat diterapkan untuk pensejajaran global sekuens DNA. Metode diagram pohon ini menerapkan konsep struktur data pada pohon general dengan jenis kunjungannya adalah post-order traversal. Metode ini menunjukkan hasil yang sama dengan hasil tools Emboss untuk 15 pasangan sekuens DNA H5N1 pada host manusia dan burung. Dengan parameter-parameter kecocokan (match), ketidakcocokan (mismatch), penalty gap open dan gap ekstension masing-masing adalah dan e = , 4, o 10 b. Hasil pensejajaran sekuens pada virus H5N1 dengan metode diagram pohon ini menunjukkan bahwa terjadi mutasi DNA baik dalam virus H5N1 yang berasal dari host yang sama (manusia-manusia atau burung-burung). Tingkat mutasi rata-rata untuk host pada manusia adalah 7% dan tingkat mutasi virus pada host burung-burung adalah 7.3%. Sedangkan untuk virus host pada manusia dan burung (dalam hostb berbeda) dengan tingkat mutasinya adalah 7.8%. dari hasil hasil ini menunjukkan bahwa tingkat mutasi antara host manusia dan burung adalah yang paling tinggi.
30 Lanjutan c. Tingkat kemiripan (similaritas) antara sekuens DNA virus H5N1, baik pada host manusia maupun burung menunjukkan bahwa tingkat kemiripan pada host burung-burung adalah yang tertinggi yaitu 91.3%. Kemudian tingkat kemiripan antara virus pada host manusia-burung juga mencapai 90.1% dan tingkat kemiripan virus pada host manusiamanusia mencapai 89.2%.
31 Saran Untuk pengembangan penelitian selanjutnya, komparasi sekuens dengan metode diagram pohon ini dapat dilakukan untuk menganalisis jenis virus ataupun arganisme lain dengan panjang sekuens yang lebih bervariasi.
32 Daftar Pustaka Chen GW, SH. Cheng, CK. Mok, YL. Lo, YN. Kung, JH. Huang, YH.Shih, JY. Wang, Chiayn Chiang, CJ. Chen, SR. Shih. (2006), Genomic Signature of Human versus influenza A viruses, Emerging Infectious Diseases. Vol.12, No. 9, September Escarino, Claudia-Rangel. (2009), A two-base encoded DNA sekuens alignment problem in computational biology. Math-In-Industry Project, National Institute Of Genomic Medicine, Mexico. I.Eidhammer. (2004), Protein Bioinformatics: an algorithmic to sequences and structure analysis, John Wiley & Sons, Ltd ISBN: Isaev, Alexander. (2004), Introduction to Mathematical Methods in Bioinformatics, Springer- Verlag Berlin Heidelberg, Germany. Qi, Z.H., Qi, X.Q. (2009), New method for alignment 2 DNA sequences by tree data structure. Journal of Theoretical Biology 263, Shaffer, A. Clifford. (2011), A Practical Introduction to Data Structures and Algorithm Analysis Edition 3.2 (C++ Version), Department of Computer Science Virginia Tech Blacksburg, VA Xiong, Jin. (2006), Essential Bioinformatics, CAMBRIDGE University Press, United States Of America.
33
DYNAMMIC PROGRAMMING DALAM MENENTUKAN ARTI URUTAN UNTAIAN GEN
DYNAMMIC PROGRAMMING DALAM MENENTUKAN ARTI URUTAN UNTAIAN GEN David Soendoro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Alamat: Jalan Ganeca No.
Lebih terperinciANALISIS SEQUENCE DNA VIRUS H1N1 MENGGUNAKAN METODE SUPER PAIRWISE ALIGNMENT
ANALISIS SEQUENCE DNA VIRUS H1N1 MENGGUNAKAN METODE SUPER PAIRWISE ALIGNMENT Oleh : Alfi Yusrotis Zakiyyah NRP : 1209201010 Pembimbing : Prof. Dr. M. Isa Irawan, MT Dr. rer. nat. Ir. Maya Shovitri, M.Si
Lebih terperinciPenerapan Algoritma Program Dinamis pada Penyejajaran Sekuens dengan Algoritma Smith Waterman
Penerapan Algoritma Program Dinamis pada Penyejajaran Sekuens dengan Algoritma Smith Waterman Afif Bambang Prasetia (13515058) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciImplementasi Super Pairwise Alignment pada Global Sequence Alignment
Implementasi Super Pairwise Alignment pada Global Sequence Alignment Oleh: ARFAN PANTUA 1207 100 704 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciPensejajaran Rantai DNA Menggunakan Algoritma Dijkstra
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pensejajaran Rantai DNA Menggunakan Algoritma Dijkstra Abduh Riski 1 1 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember riski.fmipa@unej.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian ini akan diuraikan teori-teori dasar yang dijadikan sebagai landasan dalam penulisan tugas akhir ini. 2.1 Ilmu Bioinformatika Bioinformatika merupakan kajian yang mengkombinasikan
Lebih terperinciIMPLEMENTASI SUPER PAIRWISE ALIGNMENT PADA GLOBAL ALIGNMENT UNTUK SEKUENS DNA
IMPLEMENTASI SUPER PAIRWISE ALIGNMENT PADA GLOBAL ALIGNMENT UNTUK SEKUENS DNA Nama Mahasiswa : Arfan Pantua NRP : 1207100704 Jurusan : Matematika FMIPA-ITS Pembimbing : Prof. DR. Mohammad Isa Irawan, MT.
Lebih terperinciIMPLEMENTASI PENSEJAJARAN GLOBAL SEKUENS DNA MENGGUNAKAN GSA TREE
IMPLEMENTASI PENSEJAJARAN GLOBAL SEKUENS DNA MENGGUNAKAN GSA TREE Nama Mahasiswa : MOCHAMAD SAFI I NRP : 1207100051 Jurusan : Matematika FMIPA-ITS Pembimbing : Prof. DR. Mohammad Isa Irawan, MT. Abstrak
Lebih terperinciSequence Alignment Menggunakan Algoritma Smith Waterman 1
Sequence Menggunakan Algoritma Smith Waterman 1 1 Inte Christinawati Bu ulölö, 2 Nopelina Simamora, 3 Sabar Tampubolon, 4 Allan Pinem Politeknik Informatika Del Jl. Sisingamangaraja, Sitoluama Kabupaten
Lebih terperinciPENJAJARAN GLOBAL SEKUEN DNA MENGGUNAKAN ALGORITME NEEDLEMAN-WUNSCH AGUNG WIDYO UTOMO
PENJAJARAN GLOBAL SEKUEN DNA MENGGUNAKAN ALGORITME NEEDLEMAN-WUNSCH AGUNG WIDYO UTOMO DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN
Lebih terperinciPENJAJARAN LOKAL SEKUEN DNA MENGGUNAKAN ALGORITME SMITH-WATERMAN FARIZ ASHAR HIMAWAN
PENJAJARAN LOKAL SEKUEN DNA MENGGUNAKAN ALGORITME SMITH-WATERMAN FARIZ ASHAR HIMAWAN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN
Lebih terperinciABSTRAK. Kata kunci: DNA, bioinformatika, sekuens, Needleman-Wunsch, Lempel-Ziv, algoritma pensejajaran DNA, frase sempurna
ABSTRAK Ilmu Bioinformatika meneliti tentang perubahan yang dialami oleh DNA, serta membantu memberikan tanda terhadap mutasi genetika yang terjadi. Untuk membandingkan sekuens DNA dan mencari tahu bagaimana
Lebih terperinciPENYAJIAN SECARA GEOMETRI HIMPUNAN PEMBENTUK DNA
PENYAJIAN SECARA GEOMETRI HIMPUNAN PEMBENTUK DNA Isah Aisah, Departemen Matematika FMIPA UNPAD, Jatinangor, isah.aisah@unpad.ac.id Abstrak Kode genetik adalah satu set instruksi untuk mentransfer data
Lebih terperinciI. PENGENALAN NATIONAL CENTRE FOR BIOTECHNOLOGY INFORMATION (NCBI)
I. PENGENALAN NATIONAL CENTRE FOR BIOTECHNOLOGY INFORMATION (NCBI) A. PENDAHULUAN NCBI (National Centre for Biotechnology Information) merupakan suatu institusi yang menyediakan sumber informasi terkait
Lebih terperinciGambar 1. Visualisasi elektroforesis hasil PCR (kiri) dan Sekuen Gen Hf1-exon 1 Petunia x hybrida cv. Picotee Rose yang berhasil diisolasi.
GTGGCCGGTGATCGG-3 ) dan reverse (5 -CCGATATGAGTCGAGAGGGCC-3 ). Hasil PCR dicek dengan elektroforesis pada agarose 1,5%. Sekuensing gen target dilakukan di 1st Base Malaysia. Hasil sekuensing berupa elektroferogram
Lebih terperinciPENGENALAN BIOINFORMATIKA
PS-S1 Jurusan Biologi, FMIPA, UNEJ (2017) PENGENALAN BIOINFORMATIKA Oleh: Syubbanul Wathon, S.Si., M.Si. Pokok Bahasan Sejarah Bioinformatika Istilah-istilah biologi Pangkalan data Tools Bioinformatika
Lebih terperinciRepresentasi Himpunan Barisan Kodon ke dalam Struktur Modul
Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No1, April 2014, hal 49-54 Representasi Himpunan Barisan Kodon ke dalam Struktur Modul Yurio Windiatmoko, Ema Carnia, Isah Aisah Jurusan Matematika,
Lebih terperinciSistem Deteksi Kemiripan antar Dokumen Teks Menggunakan Model Bayesian pada Term Latent Semantic Analysis (LSA)
Tugas Akhir Sistem Deteksi Kemiripan antar Dokumen Teks Menggunakan Model Bayesian pada Term Latent Semantic Analysis (LSA) Oleh: Danang Wahyu Wicaksono (1210100027) Pembimbing: 1. Prof. DR. Mohammad Isa
Lebih terperinciPendekatan Dynamic Programming untuk Menyelesaikan Sequence Alignment
Pekatan Dynamic Programming untuk Menyelesaikan Sequence Alignment Ray Andrew Obaja Sinurat - 13515073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciAPLIKASI DYNAMIC PROGRAMMING DALAM ALGORITMA NEEDLEMAN-WUNSCH UNTUK PENJAJARAN DNA DAN PROTEIN
APLIKASI DYNAMIC PROGRAMMING DALAM ALGORITMA NEEDLEMAN-WUNSCH UNTUK PENJAJARAN DNA DAN PROTEIN Dian Perdhana Putra - 13507096 Teknik Informatika ITB Jl. Ganesha 10 Bandung e-mail: if17096@students.if.itb.ac.id
Lebih terperinci2015 ISOLASI DAN AMPLIFIKASI GEN PARSIAL MELANOCORTIN - 1 RECEPTOR (MC1R) PADA IKAN GURAME
BAB I PENDAHULUAN A. Latar Belakang Indonesia merupakan salah satu negara mega biodiversity di dunia yang memiliki kekayaan ekosistem beragam, salah satunya adalah ekosistem perairan air tawar yang memiliki
Lebih terperinciPenerapan Model Markov Tersembunyi untuk Mengetahui Persentase Kecocokan dari Deoxyribonucleic Acid pada Pohon Filogenetik Ursidae (Beruang)
Statistika, Vol. 15 No. 2, 73 86 November 2015 Penerapan Model Markov Tersembunyi untuk Mengetahui Persentase Kecocokan dari Deoxyribonucleic Acid pada Pohon Filogenetik Ursidae (Beruang) Rini Cahyandari
Lebih terperinciBAB II KONSEP DASAR PENYEJAJARAN DUA BARISAN DNA. DNA merupakan salah satu pembawa informasi genetik dari makhluk
BAB II KONSEP DASAR PENYEJAJARAN DUA BARISAN DNA DNA merupakan salah satu pembawa informasi genetik dari makhluk hidup. DNA terdiri dari 4 karakter huruf, yaitu G (Guanine), A (Alanine), T (Thymine), dan
Lebih terperinciANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG
Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 235-244 ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG Hidayu Sulisti, Evi Noviani, Nilamsari Kusumastuti
Lebih terperinciMETODE DESAIN VAKSIN (PENDEKATAN BIOINFORMATIKA)
METODE DESAIN VAKSIN (PENDEKATAN BIOINFORMATIKA) Bioinformatika merupakan suatu metode yang memadukan antara teknologi komputasi dengan biologi molekuler yang memungkinkan kita untuk melakukan sebuah simulasi
Lebih terperinciKATAPENGANTAR. Pekanbaru, Desember2008. Penulis
KATAPENGANTAR Fuji syukut ke Hadirat Allah SWT. berkat rahmat dan izin-nya penulis dapat menyelesaikan skripsi yang beijudul "Skrining Bakteri Vibrio sp Penyebab Penyakit Udang Berbasis Teknik Sekuens
Lebih terperinciPengantar Komputasi Modern
Pengantar Komputasi Modern Komputasi pada bidang biologi Oleh: Wirya Ramadhan 53413245 FAKULTAS TEKNOLOGI INDUSTRI JURUSAN TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA 2017 Komputasi Biologi Komputasi Komputasi
Lebih terperinciHALAMAN JUDUL LEMBAR PERSETUJUAN...
DAFTAR ISI HALAMAN JUDUL LEMBAR PERSETUJUAN... i LEMBAR PENGESAHAN... ii LEMBAR PERNYATAAN... iii ABSTRAK... iv ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xi
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciDIAGRAM FILOGENIK HASIL SEKUENS BASA DNA MENGGUNAKAN PROGRAM MEGA-7 (MOLECULAR EVOLUTIONARY GENETICS ANALYSIS)
DIAGRAM FILOGENIK HASIL SEKUENS BASA DNA MENGGUNAKAN PROGRAM MEGA-7 (MOLECULAR EVOLUTIONARY GENETICS ANALYSIS) Harumi Yuniarti* ), Bambang Cholis S* ), Astri Rinanti** ) *) Jurusan Teknik Industri, Fakultas
Lebih terperinciImplementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis
Implementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis Samudra Harapan Bekti 13508075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciTUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
TUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI (ALGORITHM OF MODIFIED BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS ) FOR OPTIMIZATION PROBLEM ) Oleh:
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Deteksi Fabavirus pada Tanaman Nilam Deteksi Fabavirus Melalui Uji Serologi Tanaman nilam dari sampel yang telah dikoleksi dari daerah Cicurug dan Gunung Bunder telah berhasil diuji
Lebih terperinciBAB III METODE PENELITIAN
13 BAB III METODE PENELITIAN Secara garis besar langkah-langkah yang dilakukan dalam penelitian ini adalah pengumpulan sampel data urutan nukleotida daerah Hipervariabel I (HVI) DNA mitokondria (mtdna)
Lebih terperinciBAB I PENDAHULUAN. I.1. Latar Belakang
BAB I PENDAHULUAN Bab ini menjelaskan mengenai gambaran umum keseluruhan penelitian yang telah dilakukan. Penjelasan mengenai latar belakang, tujuan, ruang lingkup penelitian dan metodologi penelitian.
Lebih terperinciHASIL DAN PEMBAHASAN. Amplifikasi Daerah D-loop M B1 B2 B3 M1 M2 P1 P2 (-)
HASIL DAN PEMBAHASAN Amplifikasi Daerah D-loop Amplifikasi daerah D-loop DNA mitokondria (mtdna) pada sampel DNA sapi Bali, Madura, Pesisir, Aceh, dan PO dilakukan dengan menggunakan mesin PCR Applied
Lebih terperinciAswin Swastika¹, Z.k. Abdurahman Baizal², Rimba Widhiana Ciptasari³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ANALISIS DAN IMPLEMENTASI ALGORITMA NEEDLEMAN-WUNSCH SEBAGAI ALAT BANTU MENDETEKSI PLAGIARISME SOURCE CODE (STUDI KASUS : TUGAS PRAKTIKUM LABORATORIUM COMMON STT TELKOM) ANALISYS AND IMPLEMENTATION OF
Lebih terperinci3. Persempit pencarian anda hanya untuk gen terkait MDR pada M.tuberculosis dengan cara:
2A. ANALISIS DNA SEQUENCE I.DNA sequence database searching 1. Arahkan browser anda ke www.ncbi.nlm.nih.gov 2. Pada menu "Search", ganti "All Databases" menjadi "Nucleotide", masukkan keyword "Mycobacterium
Lebih terperinciUJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
Lebih terperinciIMPLEMENTASI PROGRAM DINAMIS DENGAN ALGORITMA NEEDLEMAN-WUNSCH PADA PENSEJAJARAN DNA DAN PROTEIN
IMPLEMENTASI PROGRAM DINAMIS DENGAN ALGORITMA NEEDLEMAN-WUNSCH PADA PENSEJAJARAN DNA DAN PROTEIN Joseph Rich Aryanto Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciPerbandingan Needleman-Wunsch dan Lempel-Ziv dalam Teknik Global Sequence Alignment: Keunggulan Faktorisasi Sempurna
e-issn : 2443-2229 Jurnal Teknik Informatika dan Sistem Informasi Perbandingan Needleman-Wunsch dan Lempel-Ziv dalam Teknik Global Sequence Alignment: Keunggulan Faktorisasi Sempurna Mikhael Avner Malendes
Lebih terperinciBAB I PENDAHULUAN. ditentukan upaya yang efektif untuk mengatasi virus tersebut.
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan pola dengan penjajaran sekuen telah menjadi pokok permasalahan sendiri dalam bidang bioinformatika. Jerald dan Nair (2012) menggunakan teknik penjajaran
Lebih terperinciM 1 2. ~1,9 kb HASIL DAN PEMBAHASAN
sebanyak 5,0 µl, 10mM dntp mix (konsentrasi akhir 0,3mM) 0,75µl, 10µM primer (konsentrasi akhir 0,3µM) 0,75µl, Template DNA (100ng) 0,5µl, dan 0,5µl. KAPAHifi DNA Polymerase (1U/µl). M 1 2 ~1,9 kb Sekuensing
Lebih terperinciPENGENDALIAN OPTIMAL PADA SISTEM STEAM DRUM BOILER MENGGUNAKAN METODE LINEAR QUADRATIC REGULATOR (LQR) Oleh : Ika Evi Anggraeni
PENGENDALIAN OPTIMAL PADA SISTEM STEAM DRUM BOILER MENGGUNAKAN METODE LINEAR QUADRATIC REGULATOR (LQR) Oleh : Ika Evi Anggraeni 206 00 03 Dosen Pembimbing : Dr. Erna Apriliani, M.Si Hendra Cordova, ST,
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil penelitian dan analisis data yang telah dilakukan, maka penulis dapat mengambil kesimpulan sebagai berikut : a. Representasi kromosom yang digunakan
Lebih terperinciBAB I PENDAHULUAN. influenza tipe A termasuk dalam famili Orthomyxoviridae. Virus AI tergolong
BAB I PENDAHULUAN 1.1 Latar Belakang Avian influenza (AI) adalah penyakit yang disebabkan oleh virus influenza tipe A termasuk dalam famili Orthomyxoviridae. Virus AI tergolong virus RNA (Ribonucleic acid)
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciBAB IV MEMBANGUN POHON FILOGENETIK. 4.1 Membangun Pohon Filogenetik Menggunakan Aljabar Hipergraf
BAB IV MEMBANGUN POHON FILOGENETIK 4.1 Membangun Pohon Filogenetik Menggunakan Aljabar Hipergraf Langkah-langkah membangun pohon filogenetik dengan menggunakan Aljabar Hipergraf, berdasarkan jaringan metabolik
Lebih terperinciPembuatan Program Aplikasi untuk Pendeteksian Kemiripan Dokumen Teks dengan Algoritma Smith-Waterman
Pembuatan Program Aplikasi untuk Pendeteksian Kemiripan Dokumen Teks dengan Algoritma Smith-Waterman Farid Thalib 1 dan Ratih Kusumawati 2 1 Laboratorium Sistem Komputer, Universitas Gunadarma, Depok -
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciBAB II KONSEP DAN TEORI DASAR. Pada bab ini akan dibahas beberapa konsep dan teori dasar yang. digunakan untuk membahas bab-bab selanjutnya.
BAB II KONSEP DAN TEORI DASAR Pada bab ini akan dibahas beberapa konsep dan teori dasar yang digunakan untuk membahas bab-bab selanjutnya. 2.1 BIOINFORMATIKA Keberhasilan para ahli dalam mengungkap barisan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini memuat tentang latar belakang yang mendasari penelitian. Berdasarkan pada latar belakang tersebut, ditentukan tujuan penelitian yang ingin dicapai. Pada bab ini juga dijelaskan
Lebih terperinciREPRESENTASI GEOMETRI DARI HIMPUNAN KODON
REPRESENTASI GEOMETRI DARI HIMPUNAN KODON Isah Aisah 1, Riyan Adriyansyah 2 1 Prodi Matematika FMIPA UNPAD E-mail : isahaisah@unpadacid 2 Prodi Matematika FMIPA UNPAD E-mail : riyanadriyansyah34@gmailcom
Lebih terperinciDESAIN PRIMER SECARA IN SILICO UNTUK AMPLIFIKASI FRAGMEN GEN rpob Mycobacterium tuberculosis DENGAN POLYMERASE CHAIN REACTION (PCR)
Desain Primer secara in silico untuk Amplifikasi Fragmen Gen rpob Mycobacterium tuberculosis DESAIN PRIMER SECARA IN SILICO UNTUK AMPLIFIKASI FRAGMEN GEN rpob Mycobacterium tuberculosis DENGAN POLYMERASE
Lebih terperinciPROSES PERCABANGAN PADA PEMBELAHAN SEL
PROSES PERCABANGAN PADA PEMBELAHAN SEL Nisfiatul Laili, Respatiwulan, dan Sutrima Program Studi Matematika FMIPA UNS Abstrak. Proses percabangan merupakan suatu rantai Markov, dimana setiap individu menghasilkan
Lebih terperinciSIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI
SIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI Siti Komsiyah Mathematics & Statistics Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciSIFAT FISIK DAN KIMIA DNA NUNUK PRIYANI. Progran Studi Biologi Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara PENDAHULUAN
SIFAT FISIK DAN KIMIA DNA NUNUK PRIYANI Progran Studi Biologi Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara PENDAHULUAN Dalam menghasilkan keturunan baru, informasi genetic diwariskan
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Virus Hepatitis B Gibbon Regio Pre-S1 Amplifikasi Virus Hepatitis B Regio Pre-S1 Hasil amplifikasi dari 9 sampel DNA owa jawa yang telah berstatus serologis positif terhadap antigen
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Virus Influenza merupakan virus RNA yang termasuk dalam famili orthomyxoviridae, yang dapat menginfeksi unggas, mamalia dan manusia (Nidom, 2005). Berbeda dengan virus
Lebih terperinciIDENTIFIKASI ISOLAT BAKTERI DARI PANTAI BANDEALIT JEMBER BERDASARKAN SEKUEN DNA PENGKODE 16S rrna SKRIPSI. Oleh Dina Fitriyah NIM
IDENTIFIKASI ISOLAT BAKTERI DARI PANTAI BANDEALIT JEMBER BERDASARKAN SEKUEN DNA PENGKODE 16S rrna SKRIPSI Oleh Dina Fitriyah NIM 061810401071 JURUSAN BIOLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciBAB III METODOLOGI PENELITIAN. Langkah-langkah yang dilakukan pada penelitian ini adalah :
BAB III METODOLOGI PENELITIAN Langkah-langkah yang dilakukan pada penelitian ini adalah : pengumpulan sampel data urutan nukleotida daerah Hipervariabel II (HVII) DNA mitokondria (mtdna) pada penderita
Lebih terperinciBioinformatika. Aplikasi Bioinformatika dalam Virologi
Bioinformatika Aplikasi Bioinformatika dalam Virologi Contents Klasifikasi virus Penentuan tingkat mutasi Prediksi rekombinasi Prediksi bagian antigen (antigenic sites) yang ada pada permukaan virus. Sebelum
Lebih terperinciFilogenetik Molekuler (Lanjutan) Siti K. Chaerun
Filogenetik Molekuler (Lanjutan) Siti K. Chaerun Tahapan Pembuatan Pohon Filogenetika Molekuler Sikuen DNA dari strain (unknown strain) BLAST Sequence Alignment (CLUSTALX) Rekonstruksi Pohon Filogenetika
Lebih terperinciKARYA ILMIAH BIOINFORMATIKA MENJELMA MENJADI BISNIS BESAR
KARYA ILMIAH BIOINFORMATIKA MENJELMA MENJADI BISNIS BESAR Oleh: Nama : Novandy Pradana Nim : 10.11.3656 STIMIK AMIKOM YOGYAKARTA 2011 ABSTRAK Ledakan informasi dari kemajuan bioteknologi seperti data sekuen
Lebih terperinciDAFTAR ISI. Halaman ABSTRAK... i ABSTRACT... ii DAFTAR ISI... iii DAFTAR GAMBAR... vi DAFTAR TABEL... vii DAFTAR LAMPIRAN... viii
DAFTAR ISI ABSTRAK... i ABSTRACT... ii DAFTAR ISI... iii DAFTAR GAMBAR... vi DAFTAR TABEL... vii DAFTAR LAMPIRAN... viii BAB I PENDAHULUAN... 1 A. Latar Belakang Penelitian... 1 B. Rumusan Masalah Penelitian...
Lebih terperinciANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA)
ANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA) Oleh : Dawamul Arifin 3508 100 055 Jurusan Teknik Geomatika
Lebih terperinciALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN
ALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN Hardy STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 hardy@mikroskil.ac.id Abstrak Algoritma genetika telah
Lebih terperinciPengantar Matematika Diskrit
Materi Kuliah Matematika Diskrit Pengantar Matematika Diskrit Didin Astriani Prasetyowati, M.Stat Program Studi Informatika UIGM 1 Apakah Matematika Diskrit itu? Matematika Diskrit: cabang matematika yang
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi saat ini tidak lepas dari kompresi data walaupun kapasitas penyimpanan semakin meningkat. Berbagai kompresi yang ada saat ini tidak hanya digunakan
Lebih terperinciOleh : Dinita Rahmalia NRP Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si.
PERMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG (MATHEMATICAL MODEL AND STABILITY ANALYSIS THE SPREAD OF AVIAN INFLUENZA) Oleh : Dinita Rahmalia NRP 1206100011 Dosen Pembimbing
Lebih terperinciMODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG
MODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG MANSYUR A. R.1 TOAHA S.2 KHAERUDDIN3 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin Jln. Perintis Kemerdekaan Km.
Lebih terperinciTUGAS AKHIR. ESTIMASI POSISI MAGNETIC LEVITATION BALL MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER (EnKF) Oleh: ARIEF RACHMAN
TUGAS AKHIR ESTIMASI POSISI MAGNETIC LEVITATION BALL MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER (EnKF) Oleh: ARIEF RACHMAN 1206 100 710 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu hewan ternak yang paling banyak diternakkan adalah unggas. Unggas memberikan banyak manfaat dan keuntungan, antara lain dapat dimanfaatkan dagingnya,
Lebih terperinciProgram Dinamis untuk Menyelesaikan Sequence Alignment
Program Dinamis untuk Menyelesaikan Sequence Alignment Harum Lokawati 13515109 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Bandung, Indonesia 13515109@std.stei.itb.ac.id
Lebih terperinciSUATU KAJIAN TITIK TETAP PEMETAAN k-pseudononspreading SEJATI DI RUANG HILBERT
Jurnal Matematika UNAND Vol. 2 No. 1 Hal. 52 60 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND SUATU KAJIAN TITIK TETAP PEMETAAN k-pseudononspreading SEJATI DI RUANG HILBERT DESI RAHMADANI Program Studi
Lebih terperinciVictoria Henuhili, MSi, Jurdik Biologi FMIPA UNY
GENETIKA LANJUT Victoria Henuhili, MSi, Jurdik Biologi FMIPA UNY Sub Topik : GEN dan INFORMASI BIOLOGI Gen merupakan segmen DNA. Tanda panah pada gambar (c) menunjukkan arah membaca informasi biologi selama
Lebih terperinciIMPLEMENTASI ALGORITMA ENKRIPSI CITRA DIGITAL MENGGUNAKAN SKEMA TRANPOSISI BERBASIS FUNGSI CHAOS. Suryadi MT 1 Zuherman Rustam 2 Wiwit Widhianto 3
IMPLEMENTASI ALGORITMA ENKRIPSI CITRA DIGITAL MENGGUNAKAN SKEMA TRANPOSISI BERBASIS FUNGSI CHAOS Suryadi MT 1 Zuherman Rustam 2 Wiwit Widhianto 3 1,2,3 Departemen Matematika, FMIPA, Universitas Indonesia
Lebih terperinciBAB I PENDAHULUAN. akan terus mengalami kenaikan rata-rata 3.3% pertahun dengan quantitas dan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Berdasarkan skala global, pasar enzim dunia adalah pasar yang sangat berprospek cerah. Pemasaran enzim dunia di beberapa 3 tahun terakhir diperkirakan telah mencapai
Lebih terperinciPENGENALAN KOMPUTER DAN SOFTWARE II. Semester: 2 Pengenalan Komputer dan Software II. Introduction to Computer and Software II
PENGENALAN KOMPUTER DAN SOFTWARE II I. SILABUS RINGKAS Kode Matakuliah: KU1202 Nama Mata Kuliah Bobot SKS: 2 Semester: 2 Pengenalan Komputer dan Software II Bidang Pengutamaan: TPB Introduction to Computer
Lebih terperinciKAJIAN KOMPUTASI PARALEL PADA ALGORITMA TREE BASED OF CONSISTENCY OBJECTIVE FUNCTION FOR EVALUATION ALIGNMENT
KAJIAN KOMPUTASI PARALEL PADA ALGORITMA TREE BASED OF CONSISTENCY OBJECTIVE FUNCTION FOR EVALUATION ALIGNMENT (T-COFFEE) DALAM MASALAH MULTIPLE SEQUENCE ALIGNMENT Muhammad Fauzan 1, Gatot Fatwanto Hertono
Lebih terperinciPENERAPAN ALGORITMA SMITH-WATERMAN DALAM SISTEM PENDETEKSI KESAMAAN DOKUMEN. Intisari
PENERAPAN ALGORITMA SMITH-WATERMAN DALAM SISTEM PENDETEKSI KESAMAAN DOKUMEN Farid Bangkit Djafar 1, Agus Lahinta 2, Lillyan Hadjaratie 3 Intisari Plagiarisme atau tindakan memalsukan hasil tulisan orang
Lebih terperinciMETODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR. Rino Martino 1 ABSTRACT
METODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR Rino Martino 1 1 Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya
Lebih terperinciOPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF
OPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF Lutfi Hakim (1), Eko Mulyanto Yuniarno (2) Mahasiswa Jurusan Teknik Elektro (1), Dosen Pembimbing (2) Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciREKAYASA GENETIKA. By: Ace Baehaki, S.Pi, M.Si
REKAYASA GENETIKA By: Ace Baehaki, S.Pi, M.Si Dalam rekayasa genetika DNA dan RNA DNA (deoxyribonucleic Acid) : penyimpan informasi genetika Informasi melambangkan suatu keteraturan kebalikan dari entropi
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Influenza atau lebih dikenal dengan flu, merupakan salah satu penyakit yang menyerang pernafasan manusia. Penyakit ini disebabkan oleh virus influenza yang
Lebih terperinciSistem Deteksi Kemiripan Antar Dokumen Teks Menggunakan Model Bayesian Pada Term Latent Semantic Analysis (LSA)
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-41 Sistem Deteksi Kemiripan Antar Dokumen Teks Menggunakan Model Bayesian Pada Term Latent Semantic Analysis (LSA)
Lebih terperinciPengantar Matematika. Diskrit. Bahan Kuliah IF2091 Struktur Diksrit RINALDI MUNIR INSTITUT TEKNOLOGI BANDUNG
PROGRAM STUDI TEKNIK INFORMATIKA Sekolah Teknik Elrektro dan Informatika INSTITUT TEKNOLOGI BANDUNG Pengantar Matematika Bahan Kuliah IF2091 Struktur Diksrit Diskrit RINALDI MUNIR Lab Ilmu dan Rekayasa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Deteksi genom virus avian influenza pada penelitian dilakukan
30 BAB IV HASIL DAN PEMBAHASAN A. KONDISI OPTIMAL REAKSI AMPLIFIKASI Deteksi genom virus avian influenza pada penelitian dilakukan menggunakan primer NA. Primer NA dipilih karena protein neuraminidase,
Lebih terperinciKecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017
Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 PENDAHULUAN (Pengenalan Silabus dan Kontrak Belajar) Pengenalan Matakuliah Matakuliah Bobot : Kecerdasan
Lebih terperinciPROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL. Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto, S.H. Tembalang Semarang Abstract.
Lebih terperinciALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI Nama Mahasiswa : Rahmawati Erma.S. NRP : 1208100030 Jurusan : Matematika Dosen Pembimbing : 1. Subchan, M.Sc, Ph.D
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Titrasi Virus Isolat Uji Berdasarkan hasil titrasi virus dengan uji Hemaglutinasi (HA) tampak bahwa virus AI kol FKH IPB tahun 3 6 memiliki titer yang cukup tinggi (Tabel ). Uji HA
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG
PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG Dinita Rahmalia Universitas Islam Darul Ulum Lamongan, Abstrak. Di Indonesia terdapat banyak peternak unggas sebagai matapencaharian
Lebih terperinci