Page 102 - Science and Technology For Society 5.0
P. 102

~ Science and Technology for Society 5.0 ~  65


               komputasi telah menciptakan beberapa jenis program BLAST, yaitu: BLASTn,
               BLASTp, PSI-BLAST atau BLASTpgp, BLASTx, TBLASTn, TBLASTx, dan Mega
               BLAST (Baxevanis & Oullette, 2001;  Bergeron, 2003). Pada penelitian ini,
               proses penyejajaran sekuens-sekuens protein hemaglutinin (HA) dilakukan
               menggunakan  BLASTp  dengan  hasilnya  berupa  ringkasan  skor  statistic,
               seperti Max score, Total score, Query cover, E-value, dan Max ident. Salah
               satu skor/nilai yang penting pada penyejajaran sekuens adalah nilai E-value
               (Altschul et al., 1990; Critianini & Hahn, 2007). Masing-masing sekuens akan
               disejajarkan antara sekuens yang satu dengan sekuens yang lain sehingga
               diperoleh nilai E-value sebanyak

                   C =  n  ! n  =  ( n n −  ) 1                         (1)
                    r    ( ! r n r−  )  2

               4.  Graph Clustering
                   Graph  clustering  merupakan  pengelompokan  verteks-verteks  pada
               sebuah graf berdasarkan pada ada tidaknya hubungan antar-verteks dan
               seberapa banyak hubungan yang terjadi antara satu verteks dengan verteks
               yang  lain  lain.  Markov  Clustering  Algorithm  (MCL)  merupakan  algoritma
               yang dibangun untuk menyelesaikan masalah graph clustering. MCL telah
               diimplementasikan pada berbagai bidang, termasuk bioinformatik, dalam
               hal ini pada jaringan interaksi protein (PPI networks). Beberapa keuntungan
               MCL adalah kemampuan untuk menghasilkan cluster yang setimbang dan
               flat (nonhierarchic), merupakan metode bootstrapping, memiliki parameter
               natural  yang  mempengaruhi  glanularitas  dari  cluster  yang  dihasilkan,
               implementasinya  sesuai  untuk  graf/matriks  sparse,  serta  adanya  hasil
               matematis yang dapat menjelaskan hubungan erat dari setiap iterasi proses
               MCL, interpretasi cluster, inflation, dan jumlah dari cluster yang dihasilkan
               (Dongen, 2000).

               5.  Matriks Ketetanggaan (Adjacency Matrix)
                   Salah  satu  cara  merepresentasikan  graf  adalah  dengan  matriks
               ketetanggaan. Matriks ketetanggaan  A =  ( ) dari suatu graf adalah suatu
                                                  aij
               matriks  bujur  sangkar  berukuran  n n   dengan  n =  V   yang  entrinya
               merepresentasikan ada tidaknya busur yang menghubungkan dua simpul
               dengan
   97   98   99   100   101   102   103   104   105   106   107