Perpustakaan Digital ITB
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-COVER.pdf
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-BAB1.pdf
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-BAB2.pdf
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-BAB3.pdf
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-BAB4.pdf
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-BAB5.pdf
2008 TA PP KARTIKA PUSPITA SARI RACHMAWATI 1-PUSTAKA.pdf
Aplikasi Model Markov Tersembunyi (MMT) sudah banyak dikenal terutama dalam bidang teknik. Seiring berjalannya waktu MMT juga sangat berkembang dalam bidang Bioteknologi khususnya dalam mempelajari perilaku DNA dimana susunan DNA ini sudah tersistem dengan baik. Terdapat 3 masalah utama pada MMT yakni, 1. menghitung peluang observasi jika diberikan model λ(matriks transisi (A), matriks emisi (B), dan peluang awal (π0)), 2. Menentukan barisan keadaan tersembunyi yang optimal, 3. Menyesuaikan model λ yang memaksimalkan nilai peluang pada masalah pertama. Sering kali model tersebut tidak diketahui secara utuh oleh para peneliti. Sehingga perlu dikaji kembali nilai inisialisasi awal dalam menyelesaikan masalah pertama dan kedua. Dimana solusi untuk masalah pertama akan menggunakan algoritma maju dan algoritma mundur. Solusi untuk masalah kedua menggunakan algoritma Viterbi. Makna pengaruh dalam kajian ini adalah dengan melihat laju kekonvergenan tahap selanjutnya dari kedua algoritma tersebut.