PENGKONSTRUKSIAN BIDIRECTED OVERLAP GRAPH UNTUK DNA SEQUENCE ASSEMBLY

ALBERT ADRIANUS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Pengkonstruksian

Bidirected Overlap Graph Untuk DNA Sequence Assembly 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 skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Februari 2014

Albert Adrianus

NIM G64090109

ABSTRAK

ALBERT ADRIANUS. Pengkonstruksian Bidirected Overlap Graph Untuk DNA

Sequence Assembly. Dibimbing oleh WISNU ANANTA KUSUMA.

DNA sequencing technologies dapat digunakan untuk memecah gen bakteri

menjadi jutaan potongan kecil yang disebut reads. Namun demikian, reads

tersebut perlu disambung menjadi contigs agar dapat digunakan. Terdapat 2

metode untuk menyambungkan reads. Yang pertama dengan menggunakan

overlap layout consensus (OLC) dan yang lainnya dengan menggunakan de

Bruijn graph. Hal penting dalam metode OLC adalah bagian overlap dari masing-

masing reads. Pada penelitian ini dikembangkan sebuah sistem untuk membuat

bidirected overlap graph yang nantinya akan menghitung berapa jumlah reads

yang saling overlap satu sama lain. Suffix array digunakan untuk menentukan

fase/bagian overlap dari setiap reads dengan mengindeks setiap suffix dari reads.

Waktu adalah parameter penting dalam DNA assembly karena DNA assembly

membutuhkan banyak waktu. Untuk mengurangi waktu dilakukan perubahan dari

masing-masing suffix dan prefix menjadi suatu nilai tertentu yang bersifat tunggal

dan mencari overlap dengan membandingkan setiap reads. Cara ini memberikan

dampak positif daripada perbandingan dengan menggunakan string. Perbandingan

waktu yang diperlukan antara perbandingan angka dan perbandingan string cukup

signifikan. Untuk 2000 dan 5000 reads, sistem dapat memberikan hasil 100%

akurat untuk jumlah node dan edge.

Kata kunci: bidirected overlap graph, DNA assembly, overlap layout consensus

ABSTRACT

ALBERT ADRIANUS. Bidirected Overlap Graph Construction For DNA

Sequence Assembly. Supervised by WISNU ANANTA KUSUMA.

High-throughput DNA sequencing technologies can be used to decipher a

bacterial genome to millions of fragments called reads. However, reads must be

assembled to contigs before it can be used. There are two methods to assemble

reads. The first one is using overlap layout consensus (OLC) methods and the

other one by using de Bruijn graph. The main thing in the OLC is the overlapping

phase. In this project, we will develop a system to build bidirected overlap graph

for counting how many reads overlapping each other. Suffix array is used to

determine overlapping phase from each reads by indexing every reads’s suffix.

Time is an important parameter for DNA assembly. To reduce time, we convert

every suffix and prefix to a unique number and search for an overlap by

comparing each reads. The method gives a positive result than the string method.

The different of time consumed by the first method and the second method is fairly

significant. For 2000 and 5000 reads, the system can give a 100% accuracy for

the total numbers of node and edge.

Keywords: bidirected overlap graph, DNA assembly, overlap layout consensus

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ilmu Komputer

pada

Departemen Ilmu Komputer

PENGKONSTRUKSIAN BIDIRECTED OVERLAP GRAPH UNTUK DNA SEQUENCE ASSEMBLY

ALBERT ADRIANUS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

Penguji:

1 Irman Hermadi, SKom MS PhD

2 Mushthofa, SKom MSc

Judul Skripsi : Pengkonstruksian Bidirected Overlap Graph Untuk Dna Sequence

Assembly

Nama : Albert Adrianus

NIM : G64090109

Disetujui oleh

Dr Wisnu Ananta Kusuma, MT ST

Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom

Ketua Departemen

Tanggal Lulus:

PRAKATA

Pertama, penulis ingin mengucapkan syukur kepada Tuhan Yang Maha Esa

atas selesainya penelitian dan tugas skripsi yang berjudul Pengkonstruksian

Bidirected Overlap Graph Untuk DNA Sequence Assembly.

Penulis juga ingin berterima kasih kepada Bapak Wisnu Ananta Kusuma

selaku pembimbing skripsi yang telah membimbing dengan sabar dan senantiasa

memberi saran ketika penulis membutuhkan pertolongan. Selain itu, penulis juga

ingin berterima kasih kepada orangtua yang selalu mendukung penulis dalam

studi dan kepada saudari Nesya Nova Febriane yang membantu dalam proses

pengumpulan data. Penulis berharap agar hasil karya ini dapat bermanfaat bagi

orang lain.

Bogor, Februari 2014

Albert Adrianus

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 2

Tujuan Penelitian 2

Ruang Lingkup Penelitian 2

TINJAUAN PUSTAKA 2

DNA sequencing 2

Sequence assembly 3

OLC (Overlap Layout Consensus) 3

EDENA 4

Bidirected overlap graph 5

METODE 5

Pengumpulan data DNA sequence dan analisis kebutuhan 5

Penganalisisan Data 6

Pengevaluasian jumlah node dan edge serta waktu eksekusi 11

HASIL DAN PEMBAHASAN 13

Hasil 13

Pembahasan 15

SIMPULAN DAN SARAN 18

Simpulan 18

Saran 18

DAFTAR PUSTAKA 19

DAFTAR TABEL

1 Contoh-contoh assembler untuk setiap metode 3

2 Nilai masing-masing basa nitrogen 10

3 Proses pencarian overlap 11

4 Matriks untuk perhitungan jumlah node dan edge 13

5 Perbandingan jumlah node dan edge untuk 5000 reads (angka dan string) 13

DAFTAR GAMBAR

1 Metode overlap layout consensus 4

2 Contoh bidirected overlap graph 5

3 Contoh hasil simulasi metasim 6

4 Alur kerja sistem 7

5 Pengindeksan suffix array 9

6 Suffix array setelah diurutkan 9

7 Kode pemberian nilai suffix/prefix 12

8 Kode pemberian nilai jumlah karakter suffix/prefix 12

9 Perbandingan jumlah edge 2000 input dan 14

10 Perbandingan waktu eksekusi 2000 input dan 14

11 Perbandingan waktu eksekusi metode perbandingan angka 14

1

PENDAHULUAN

Latar Belakang

Teknologi DNA sequence assembly telah berkembang pesat dan

mempunyai peran penting dalam pembelajaran mengenai genome. Teknik DNA

sequence assembly muncul karena hingga saat ini belum ada teknologi yang dapat

memecah/menguraikan DNA suatu organisme yang menghasilkan whole genome

dalam satu kali percobaan. Sebelumnya teknologi yang digunakan untuk

memecah DNA adalah teknologi Sanger. Dengan Sanger, dihasilkan potongan-

potongan reads dengan panjang 400-800 base pairs (bp) namun membutuhkan

waktu yang agak lama. Seiring berjalannya waktu, ditemukan suatu teknologi

yaitu high throughput sequencing technologies. Dengan teknologi tersebut, gen

bakteri dimungkinkan untuk diuraikan hanya dalam satu eksperimen dan dengan

biaya yang tidak tinggi (Brenner et al. 2000). Hasil dari penguraian ini berupa

jutaan potongan reads dengan panjang 35-50 bp. Namun demikian, potongan

reads tersebut baru dapat digunakan dengan menyambung reads tersebut menjadi

potongan-potongan yang lebih panjang (contigs). Karena itu diperlukan metode

untuk menyambung (assemble) reads yang ada. Secara garis besar metode yang

digunakan untuk menyambung reads ada dua yaitu metode overlap layout

consensus (OLC) dan dengan menggunakan graf de Bruijn (Kusuma et al. 2011).

Pada penelitian ini yang digunakan adalah metode OLC.

Sampai saat ini, pengembangan software untuk melakukan penyambungan

reads terus dilakukan. Salah satu software yang menggunakan metode OLC untuk

menyambung reads adalah Edena. Pada Edena, data input yang berupa potongan-

potongan short reads akan diproses menjadi output yang berupa potongan-

potongan contigs serta jumlah node dan edge yang terbentuk dari proses-proses

yang digunakan di dalam metode OLC. Proses-proses tersebut terdiri atas proses

penghilangan data reads yang redundan, pembuatan bidirected overlap graph,

penghilangan transitive edges, serta pembersihan graph (Hernandez et al. 2008).

Semua proses tersebut harus dilakukan secara berurutan.

Proses penghilangan data reads yang redundan dilakukan untuk membuat

proses selanjutnya menjadi lebih simple. Hal ini dikarenakan apabila jumlah reads

semakin banyak akan membuat overlap graph menjadi semakin kompleks. Hal ini

diperparah apabila ada reads yang sama karena dapat menyebabkan cycle.

Selanjutnya proses yang menjadi bahasan utama dalam penelitian ini yaitu

pembuatan bidirected overlap graph. Proses ini digunakan untuk mendeteksi

overlap dari masing-masing reads. Proses penghilangan transitive edges dan

pembersihan graph secara garis besar digunakan untuk membuat graph yang

sudah ada menjadi lebih simple.

Penelitian ini dilakukan dengan tujuan untuk mengkonstruksi bidirected

overlap graph yang merupakan salah satu proses dalam metode OLC. Proses

pembentukan bidirected overlap graph itu sendiri terdiri atas beberapa tahap.

Tahapan-tahapan tersebut adalah pengindeksan masing-masing reads dengan

menggunakan suffix array, pencarian bagian overlap dari masing-masing reads,

dan perhitungan node serta edge sebagai hasil keluaran dari penelitian ini. Pada

penelitian ini dicoba beberapa pengembangan terkait indexing dan pengenalan

2

overlap dari masing-masing reads. Adapun input yang digunakan adalah

potongan-potongan reads dengan panjang yang sama dan output yang dihasilkan

adalah jumlah node dan edge yang dihasilkan dari proses yang ada.

Perumusan Masalah

Perumusan masalah pada penelitian ini adalah untuk melihat apakah metode

yang digunakan dapat membuat bidirected overlap graph dengan ketepatan tinggi

dan memiliki waktu eksekusi yang cepat. Data keluaran dan waktu eksekusi akan

dibandingkan dengan data keluaran dan waktu eksekusi yang dihasilkan dengan

metode perbandingan string. Diharapkan dengan metode yang dipakai dapat

menghasilkan keluaran dengan ketepatan tinggi dan waktu eksekusi yang lebih

cepat.

Tujuan Penelitian

Penelitian ini bertujuan untuk mengkonstruksi bidirected overlap graph

untuk DNA sequence assembly.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah:

1 Penelitian ini hanya sampai tahap pengkonstruksian bidirected overlap graph.

2 Data read yang dipakai adalah potongan Acidiphilium multivorum AIU301

plasmid pACMV4 DNA dengan panjang sama yaitu 35 bp.

3 Jumlah read yang dipakai adalah 2000 buah dan 5000 buah.

4 Data yang dipakai berekstensi txt dan data output dari software MetaSim.

5 Data read yang dipakai error free.

6 Jumlah minimum overlap yang digunakan adalah 20, 25, dan 30

TINJAUAN PUSTAKA

DNA Sequencing

Teknologi DNA sequencing/penguraian DNA telah lama berkembang. DNA

sequencing itu sendiri merupakan suatu proses penguraian/pemotongan DNA dari

suatu organisme secara acak menjadi potongan-potongan kecil berupa reads.

Pertama kali terdapat sebuah teknik penguraian DNA yang dikenal dengan teknik

sanger. Dengan teknik ini, organisme dapat diuraikan menjadi potongan-potongan

reads dengan panjang 400-800 bp. Base pairs merupakan satuan untuk satu

panjang basa nitrogen. Hasil dari teknologi Sanger dikategorikan sebagai long

reads. Kemudian tedapat teknologi yang lebih baru dan berkembang daripada

sanger yang dikenal sebagai next generation sequencer. Dengan teknologi

tersebut, DNA dapat diuraikan/dipotong menjadi reads dengan panjang yang lebih

pendek yaitu 20-400 bp dan dikategorikan sebagai short reads (Abegunde 2010).

3

Namun demikian, Sanger sequencer menghasilkan potongan/fragmen yang lebih

sedikit daripada next generation sequencer (Kusuma et al. 2011) sehingga next

generation sequencer lebih banyak digunakan dalam penelitian. Teknik DNA

sequencing secara garis besar terbagi menjadi 2 yaitu shotgun sequencing dan

map-based sequencing. Teknik shotgun sequencing lebih banyak digunakan

dalam penelitian mengenai DNA sequence (Chaisson et al. 2004). Teknik shotgun

sequencing terdiri atas Sanger sequencing, 454 sequencing, dan Illumina

sequencing (Abegunde 2010).

Sequence Assembly

DNA sequence assembly merupakan proses penyatuan/perakitan potongan-

potongan reads untuk menentukan whole DNA suatu organisme. Teknik

penyatuan DNA sequence secara garis besar terbagi atas metode OLC, Eulerian

path, dan align-layout consensus. Pada metode align layout consensus, sequence

hanya dibandingkan dengan hasil sequence assembly yang sudah ada dan paling

dekat dengan sequence yang dipakai. Saat ini terdapat banyak assembler yang

dikembangkan dari metode-metode tersebut. Beberapa assembler dapat dilihat

pada Tabel 1. Namun demikian, setiap assembler walaupun dikembangkan dari

metode yang sama, tetap mempunyai pendekatan masing-masing yang berbeda

satu dengan yang lain. Selain pendekatan yang berbeda, penggunaan dari masing-

masing assembler pun juga berbeda. Sebagai contoh Phrap assembler digunakan

untuk proses penyatuan dengan input berupa long reads. Berbeda halnya dengan

Edena yang digunakan untuk proses penyatuan short reads.

Tabel 1 Contoh-contoh assembler untuk setiap metode

Jenis metode Assembler

OLC Phrap, TIGR, Edena

Eulerian Path Velvet, Euler

Align-layout consensus AMOS, Mosaik

OLC

OLC merupakan salah satu metode yang digunakan untuk proses penyatuan

potongan-potongan reads DNA. OLC mendeskripsikan sequence assembly

sebagai suatu Hamiltonian path problem (Abegunde 2010). OLC sendiri terbagi

menjadi beberapa tahap yaitu tahap overlap, layout dan consensus. Pada tahap

overlap, dibentuk suatu overlap graph dengan setiap node dari graph tersebut

merepresentasikan reads dan edge dari graph tersebut merepresentasikan bagian

overlap dari node-node yang ada. Tahap selanjutnya adalah tahap layout. Pada

tahap ini dipilih overlap mana mana saja yang akan digunakan untuk disatukan

satu sama lain. Pada tahap ini reads-reads akan disatukan menjadi potongan yang

lebih panjang yaitu contigs. Tahap terakhir adalah tahap consensus. Pada tahap ini

dilakukan penyatuan terakhir dari contigs-contigs yang ada. Selain itu juga

dilakukan proses pengkoreksian potongan DNA yang error. Secara singkat

metode OLC dapat dilihat pada Gambar 1. Beberapa assembler yang digunakan

untuk proses penyatuan reads telah disebutkan sebelumnya. Salah satu assembler

4

yang dapat digunakan adalah Edena. Edena digunakan untuk menyatukan reads-

reads yang termasuk ke dalam short reads.

Jadi secara garis besar urutan metode OLC dapat diringkas sebagai berikut.

Pertama reads dimasukan sebagai input. Lalu overlapping region akan

diidentifikasi. Setelah itu akan dilakukan pembentukan suatu graph dengan

overlap direpresentasikan sebagai edge yang menghubungkan 2 node. Kemudian

akan dicari path terbaik dari graph yang terbentuk dengan Hamiltonian path.

Proses ini dilakukan secara terus menerus dan sequence yang ada digabungkan

untuk menghasilkan final consensus sequence yang merepresentasikan whole

genome suatu organisme (Commins et al. 2009).

Edena

Edena merupakan suatu assembler yang digunakan untuk menyatukan

potongan reads yang termasuk ke dalam short reads dengan pendekatan overlap

layout consensus. Secara sederhana, tahapan penting dalam Edena dapat dibagi

menjadi beberapa tahapan. Tahapan pertama adalah tahap penghilangan reads

yang redundan. Tahapan kedua adalah tahapan pembentukan suatu bidirected

overlap graph. Overlap graph tersebut terdiri dari node yang berupa potongan-

potongan reads dan edge yang berupa overlap dari masing-masing reads yang ada.

Namun demikian overlap yang didata hanya overlap yang melebihi panjang

minimum overlap yang telah diberlakukan. Tahap ketiga adalah tahap

pembersihan graph yang dilakukan dengan penghilangan transitive edge dan

pembersihan bubbles. Tahap terakhir adalah proses penyatuan contigs sebagai

output (Hernandez et al. 2008).

Gambar 1 Metode overlap layout consensus (Commins et al. 2009)

5

Bidirected Overlap Graph

Bidirected overlap graph merupakan suatu graph dengan node dan edge

yang ada merepresentasikan reads yang saling overlap satu sama lain. Setiap edge

dalam bidirected overlap graph mempunyai tanda panah di kedua ujung dari edge

tersebut. Karena itu, terdapat 4 cara untuk menghubungkan dua node berdasarkan

perpaduan dari tanda panah di kedua ujung edge (Hernandez et al. 2008). Contoh

bidirected overlap graph dapat dilihat pada Gambar 2.

METODE

Pada penelitian ini akan dilakukan beberapa tahap yang akan dilakukan.

Tahap-tahapan tersebut antara lain pengumpulan data DNA sequence dan analisis

kebutuhan, penganalisisan data, dan pengevaluasian jumlah node dan edge pada

graph yang dihasilkan serta waktu eksekusi yang diperlukan.

Pengumpulan Data DNA Sequence dan Analisis Kebutuhan

Data yang digunakan merupakan potongan-potongan reads dengan panjang

35 bp berjumlah 2000 dan 5000 reads yang diambil dari simulasi dengan software

MetaSim. Setiap reads merupakan kombinasi dari basa-basa nitrogen yang terdiri

dari Adenine, Cytosine, Guanine dan Thymine. Data yang diperlukan merupakan

data yang bebas dari redundan. Organisme yang dipakai pada penelitian ini adalah

Acidiphilium multivorum AIU301 plasmid pACMV4 DNA dengan panjang

sequence asli 40 588 bp.

Dalam simulasi menggunakan MetaSim, digunakan error model dengan

pilihan exact. Hal tersebut dilakukan agar data yang dihasilkan nantinya

merupakan data yang bebas kesalahan (error free). Data yang error free itu

sendiri merupakan data dimana setiap basa-basa nitrogen dalam fragmen-fragmen

hasil tidak digantikan oleh basa nitrogen lainnya sehingga hasil akhirnya

Gambar 2 Contoh bidirected overlap graph (Kundeti et al. 2010)

6

merupakan potongan-potongan yang sama dengan organisme aslinya. Namun

demikian hasil simulasi dari software MetaSim masih memungkinkan memiliki

data yang redundan. Data redundan yang dimaksud adalah adanya reads yang

sama persis satu dengan yang lain. Pada penelitian ini data masukan yang

dibutuhkan merupakan data yang tidak redundan. Hal tersebut diperlukan agar

graph yang akan dibentuk tidak kompleks. Contoh hasil dari simulasi dengan

menggunakan software MetaSim dapat dilihat pada Gambar 3.

Gambar 3 Contoh hasil simulasi MetaSim

Data yang akan diambil hanyalah bagian reads saja. Bagian keterangan

tidak akan dibaca oleh sistem. Contoh bagian data reads yang akan dibaca oleh

sistem adalah “ATCCTCGACGAACAGCCAGTCGCGCAGGTTGGAGC”. Data

yang digunakan nantinya bukan saja reads yang merupakan input, namun

demikian juga reverse complement dari setiap reads yang ada. Reverse

complement itu sendiri merupakan reade yang urutannya dibalik lalu ditukar

dengan komplemennya. Dalam hal ini basa nitrogen A diganti dengan basa

nitrogen T, basa nitrogen T diganti dengan basa nitrogen A, basa nitrogen C

diganti basa nitrogen G, dan basa nitrogen G diganti dengan basa nitrogen C.

Akhirnya data yang digunakan oleh sistem adalah reads yang tidak redundan dan

reverse complement dari setiap reads yang tidak redundan itu.

Dari hasil analis yang telah dilakukan, diperoleh kebutuhan perangkat lunak

yang digunakan dalam pengembangan sistem. Perangkat lunak yang digunakan

untuk mengembangkan sistem ini adalah Dev-C++ 5.4.1. Sedangkan perangkat

keras yang digunakan untuk mengembangkan sistem ini adalah notebook bertipe

Asus A42J series, CPU Intel Core i3-380M 2.53 GHz dengan memori 4 GB.

Penganalisisan Data

Penganalisisan data dilakukan dengan beberapa tahapan dan proses. Proses

tersebut terdiri atas pembacaan reads, pembersihan reads yang redundan,

7

pembuatan reverse complement, pengindeksan dengan menggunakan suffix array,

pencarian overlap antar reads dan reverse complement, serta perhitungan node

dan edge sebagai hasil keluaran dari sistem. Alur kerja sistem secara ringkas dapat

dilihat pada Gambar 4.

Pembacaan input reads

Pertama-tama sistem akan membaca data masukan yang berupa potongan-

potongan reads hasil simulasi dari software MetaSim. Data yang akan dibaca oleh

sistem hanyalah data input yang merupakan potogan dari DNA, sedangkan data

yang berupa keterangan tidak dibaca oleh sistem. Potongan-potongan reads

tersebut mempunyai panjang 35 bp. Data yang digunakan sebanyak 2000 dan

5000 buah.

Pembersihan input reads redundan

Reads yang telah dibaca oleh sistem akan diperiksa satu persatu. Apabila

ada reads identik yang berjumlah lebih dari satu maka sistem hanya akan

mengambil salah satu reads. Hal ini agar data input yang akan digunakan untuk

proses selanjutnya bebas dari data yang redundan. Data yang bebas redundan

tersebut kemudian akan dimasukan ke dalam sebuah vector untuk digunakan pada

proses selanjutnya.

Pembuatan reverse complement Setelah itu sistem akan membuat reverse complement dari masing-masing

reads yang menjadi masukan. Reverse complement itu sendiri merupakan reads

yang isinya ditukar menurut pasangan basa nitrogennya (A menjadi T, C menjadi

G, G menjadi C, dan T menjadi A) dan setelah itu urutan dari basa-basa nitrogen

tersebut diurutkan terbalik. Hal ini dikarenakan high throughput sequencing

technologies menguraikan DNA dari 2 sisi, dari sisi kiri dan sisi kanan. Karena itu,

hasil potongan-potongan reads tidak diketahui apakah merupakan potongan dari

rantai primer atau merupakan bagian dari rantai sekunder.

Gambar 4 Alur kerja sistem

8

Penentuan jumlah minimum overlap

Poin penting dalam penelitian ini adalah jumlah minimum overlap, karena

akan menentukan banyaknya jumlah reads overlap satu sama lain (node) dan

jumlah overlap secara keseluruhan (edge). Hal ini juga dikarenakan apabila

jumlah minimum overlap terlalu sedikit akan membuat graph yang dibentuk

menjadi semakin kompleks. Graph yang terbentuk semakin kompleks karena

semakin kecil jumlah minimum overlap maka jumlah reads yang saling overlap

satu sama lain akan semakin banyak. Hal tersebut akan membuat jumlah node dan

edge yang dihasilkan akan semakin banyak. Sedangkan apabila jumlah minimum

overlap terlalu besar, maka akan menyebabkan semakin sedikit reads yang saling

overlap. Hal tersebut akan menyebabkan terjadinya dead end path pada graph

ketika proses penyambungan kumpulan reads yang saling overlap. Karena jumlah

minimum overlap menjadi penting maka selanjutnya sistem akan meminta jumlah

minimum overlap yang diharapkan oleh user. Jumlah minimum overlap yang

digunakan dalam rentang 20 sampai 30.

Pengindeksan dengan suffix array

Tahap selanjutnya yaitu masing-masing reads akan diindeks dengan

menggunakan suffix array. Suffix array merupakan perkembangan dari suffix tree.

Suffix array adalah sebuah list terurut dari semua suffix suatu kata (Manber dan

Myers 1993). Misalkan terdapat sebuah string “abracadabra”. Hal pertama yang

akan dilakukan adalah proses pemasangan indeks ke masing-masing karakter dari

string tersebut. Sebagai contoh pada string “abracadabra”, a akan diberi indeks 1,

b diberi indeks 2, r diberi indeks 3, a diberi indeks 4, c diberi indeks 5, a diberi

indeks 6, d diberi indeks 7, a diberi indeks 8, b diberi indeks 9, r diberi indeks 10,

dan a diberi indeks 11. Setelah pemasangan indeks terhadap masing-masing

karakter dari string tersebut kemudian dibuat suffix dari string tersebut sesuai

dengan indeks yang diberikan. Dalam kasus dengan string “abracadabra” maka

akan terdapat 11 suffix sesuai indeks yang ada yaitu “abracadabra”, “bracadabra”,

“racadabra”, “acadabra”, “cadabra”, “adabra”, “dabra”, “abra”, “bra”, “ra”, dan

“a”. Untuk lebih jelasnya dapat dilihat pada Gambar 5. Setelah didapatkan indeks

seperti di atas maka kemudian akan diurutkan secara lexicographical atau

berdasarkan abjad seperti pada Gambar 6.

Karena itu suffix array untuk string “abracadabra” adalah {10 7 0 3 5 8 1 4

6 9 2}. Pada penelitian ini, suffix array digunakan untuk mendata overlap dari

masing-masing reads menurut nilai jumlah minimum overlap yang telah

ditetapkan oleh user sebelumnya. Bagian suffix yang tidak memenuhi jumlah

minimum overlap akan langsung dihilangkan agar tidak terproses ke tahap

selanjutnya. Selain itu dilakukan juga hal yang sama pada setiap reverse

complement dari masing-masing reads. Pada tahap yang sama juga dilakukan

pengindeksan prefix dari masing-masing reads dan reverse complement yang ada.

Sehingga pada akhirnya didapat prefix dan suffix dari masing-masing reads dan

reverse complement untuk diproses pada tahap selanjutnya.

9

Pembuatan prefix

Pada tahap ini akan dicari prefix dari setiap reads dan reverse complement

yang ada. Prefix yang dicari juga mempunyai ketentuan tertentu. Prefix akan

didata apabila memiliki jumlah karakter lebih besar dari jumlah minimum overlap

yang dimasukan oleh user sebelumnya. Proses yang dilakukan sebenarnya sama

dengan proses pencarian suffix, namun demikian bedanya pada tahap ini yang

dicari adalah bagian prefix.

Pemberian nilai pada suffix dan prefix

Setelah masing-masing reads dan reverse complement telah memiliki prefix

dan suffix, maka setiap prefix dan suffix diubah menjadi angka. Adapun

pengubahan ini dilakukan untuk membuat waktu yang dibutuhkan pada proses

Gambar 5 Pengindeksan suffix array

Gambar 6 Suffix array setelah diurutkan

10

selanjutnya menjadi lebih singkat. Proses pengubahan dari string menjadi double

dilakukan dengan ketetapan tertentu. Aturan pertama adalah dengan cara

membuat angka tertentu bagi masing-masing huruf dari basa nitrogen yang ada.

Penentuan nilai bagi masing-masing basa nitrogen dapat dilihat pada Tabel 2.

Tabel 2 Nilai masing-masing basa nitrogen

Basa nitrogen Nilai

A 1.000000

T 0.110000

G 0.111100

C 0.111111

Setelah itu dari masing-masing nilai dari huruf basa nitrogen yang ada

dikalikan dengan posisinya dan dengan suatu nilai tertentu. Lalu semua nilai

tersebut dijumlahkan hingga menjadi sebuah nilai tunggal yang merepresentasikan

suffix dan prefix dari masing-masing reads dan reverse complement yang ada

(aturan pertama). Nilai hasil tersebut memungkinkan adanya suatu collision yang

yaitu keadaan dimana ada dua suffix/prefix yang memiliki nilai yang sama namun

bentuk fisik yang berbeda, karena itulah diperlukan nilai kedua yaitu nilai jumlah

karakter suatu suffix/prefix (aturan kedua). Nilai suatu suffix/prefix (nilai suatu

overlap) dapat dicari dengan formula seperti berikut:

Basa nitrogen “A”:

Nilai suatu suffix/prefix = i • a • 0.11maxi=1

Basa nitrogen “T”:

Nilai suatu suffix/prefix = i • a • 0.1111maxi=1

Basa nitrogen “G”:

Nilai suatu suffix/prefix = i • a • 0.111111 maxi=1

Basa nitrogen “C”:

Nilai suatu suffix/prefix = i • a • 0.11111111 maxi=1

Keterangan:

i : posisi suatu variabel

a : nilai variabel pada posisi i

max : jumlah maksimal variabel suatu suffix atau prefix

Aturan kedua digunakan untuk mengetahui jumlah tiap basa nitrogen pada

masing-masing suffix dan prefix. Pencarian nilai tiap jenis basa nitrogen berbeda.

Setiap basa nitrogen “A” akan menambah nilai sebesar 1, basa nitrogen “T” akan

menambah nilai jumlah karakter suffix/prefix sebelumnya sebesar 0.11, basa

nitrogen “G” akan menambah nilai jumlah karakter suffix/prefix sebelumnya

sebesar 0.1111, dan basa nitrogen “C” akan menambah nilai jumlah karakter

suffix/prefix sebelumnya sebesar 0.111111. Secara ringkas dapat dilihat pada

formula- formula berikut :

11

Nilai jumlah karakter suffix/prefix = amax

i=1

Keterangan:

a : nilai variabel pada posisi i

max : jumlah maksimal variabel suatu suffix atau prefix

Cuplikan kode program untuk pemberian nilai suatu suffix/prefix dan nilai

jumlah karakter suffix dan prefix dapat dilihat pada Gambar 7 dan Gambar 8.

Pencarian bagian overlap

Setelah didapatkan nilai dari tiap prefix dan suffix menurut aturan pertama

dan kedua, maka akan dilakukan proses pencarian overlap. Proses pencarian

overlap dilakukan dengan membandingkan nilai dari masing-masing prefix dan

suffix dari reads serta reverse complement satu sama lain.

Proses perbandingan dilakukan dengan mengurangkan nilai dari masing-

masing suffix yang ada dengan nilai dari masing-masing prefix yang ada. Suffix

yang digunakan bukan hanya berasal dari bagian reads saja tetapi juga dari bagian

reverse complement. Demikian juga prefix yang digunakan merupakan prefix dari

bagian reads dan bagian reverse complement. Hal ini menyebabkan adanya 4

proses perbandingan yang dilakukan oleh sistem untuk menemukan bagian

overlap dari masing-masing reads. Dalam hal ini, apabila nilai aturan pertama dan

aturan kedua bernilai 0 maka reads/reverse complement dengan suffix tersebut

memiliki overlap dengan reads/reverse complement dengan prefix yang

bersangkutan. Untuk lebih jelasnya dapat dilihat pada Tabel 3.

Tabel 3 Proses pencarian overlap

Jenis Keterangan

S reads - P

reads

Nilai suffix dari masing-masing read dikurangkan dengan nilai

prefix dari masing-masing reads

S reads - P

RC

Nilai suffix dari masing-masing read dikurangkan dengan nilai

prefix dari masing-masing reverse complement

S RC - P

reads

Nilai suffix dari masing-masing reverse complement dikurangkan

dengan nilai prefix dari masing-masing reads

S RC - P

RC

Nilai suffix dari masing-masing reverse complement dikurangkan

dengan nilai prefix dari masing-masing reverse complement

Pengevaluasian jumlah node dan edge serta waktu eksekusi

Pada tahap ini dilakukan proses evaluasi pada jumlah node dan edge yang

dihasilkan oleh sistem serta waktu yang dibutuhkan untuk memprosesnya. Setelah

semua reads (termasuk reverse complement) yang saling overlap telah terdata,

maka dilakukan proses selanjutnya yaitu proses perhitungan node dan edge yang

merupakan output dari sistem ini. Node merupakan perwakilan dari jumlah reads

yang saling overlap satu sama lain sedangkan edge merupakan perwakilan dari

jumlah overlap yang ada.

12

Setelah proses pencarian overlap dilakukan maka setiap reads yang saling

overlap akan dimasukan ke dalam suatu matriks yang mempunyai ukuran n × n.

Huruf n merupakan perwakilan dari jumlah reads keseluruhan. Pada sistem ini

digunakan 2 matriks. Matriks pertama digunakan untuk menandai bagian overlap

pada reads dan matriks kedua digunakan untuk menampung bagian overlap dari

reverse complement. Pada matriks 1, apabila reads i overlap dengan reads j maka

matriks 1 baris i dan kolom j akan berisi nilai integer 1. Apabila reads i overlap

dengan reverse complement j maka matriks 1 baris i dan kolom j akan berisi nilai

integer 1. Sedangkan apabila reads i overlap dengan reads j dan reverse

complement j maka nilainya akan menjadi 3. Hal yang sama juga diberlakukan

pada matriks 2. Apabila reverse complement i overlap dengan reads j maka

matriks 2 baris i dan kolom j akan berisi nilai integer 1. Apabila apabila reverse

complement i overlap dengan reverse complement j maka matriks 2 baris i dan

kolom j akan berisi nilai integer 1. Sedangkan apabila reverse complement i

overlap dengan reads j dan reverse complement j maka nilainya akan menjadi 3.

Setelah semua matriks terisi maka dicari jumlah node dan edge dari kedua matriks

tersebut. Secara ringkas dapat dilihat pada Tabel 4.

Gambar 7 Kode pemberian nilai suffix/prefix

Gambar 8 Kode pemberian nilai jumlah karakter suffix/prefix

13

Selain jumlah node dan edge, salah satu hal yang diperhatikan dalam

penelitian ini adalah waktu eksekusi yang diperlukan oleh metode perbandingan

angka dan metode perbandingan string untuk jumlah input yang sama. Waktu

eksekusi dihitung setelah user memasukan input berupa nilai panjang minimum

overlap yang diinginkan. Waktu ekseskusi digunakan untuk membandingkan

antara metode perbandingan angka dan metode perbandingan string. Satuan waktu

yang digunakan adalah detik (s).

Tabel 4 Matriks untuk perhitungan jumlah node dan edge

Matriks Baris i Kolom j Keterangan

overlap Nilai

Matriks 1 reads i reads j ya 1

reads i reverse

complement j

ya 2

reads i reads j dan

reverse

complement j

ya 3

Matriks 2 reverse

complement i

reads j ya 1

reverse

complement i

reverse

complement j

ya 2

reverse

complement i

reads j dan

reverse

complement j

ya 3

HASIL DAN PEMBAHASAN

Hasil

Pada penelitian ini jumlah minimum overlap yang digunakan adalah 20, 25,

dan 30. Hasil penelitian yang dicari adalah jumlah node dan edge dan waktu

eksekusi yang dibutuhkan. Perbandingan jumlah node dan edge antara

penggunaan metode perbandingan angka dan metode perbandingan string dapat

dilihat pada Tabel 5.

Tabel 5 Perbandingan jumlah node dan edge untuk 5000 reads (angka dan string)

Perbandingan angka Perbandingan string

Minimum

overlap Jumlah node Jumlah edge

Minimum

overlap Jumlah node

Jumlah

edge

20 4 704 19 872 20 4 704 19 872

25 4 436 13 234 25 4 436 13 234

30 3 469 6 606 30 3 469 6 606

Perbandingan hasil jumlah edge antara input 2000 dan 5000 reads dapat

dilihat pada Gambar 9. Warna abu-abu mewakili jumlah input 5000 dan warna

14

hitam mewakili jumlah input 2000. Garis vertikal merupakan jumlah edge

sedangkan garis horizontal merupakan jumlah minimum overlap yang digunakan

yaitu 20, 25, dan 30.

Pembahasan

Perbandingan waktu eksekusi antara 2000 dan 5000 reads untuk metode

perbandingan angka dapat dilihat pada Gambar 10. Sedangkan perbandingan

waktu eksekusi antara metode perbandingan angka dan metode perbandingan

Gambar 9 Perbandingan jumlah edge 2000 input dan

5000 input

3372 2356 1222

19872

13234

6606

0

5000

10000

15000

20000

25000

20 25 30

Series1 Series2

2000 input

5000 input

Gambar 10 Perbandingan waktu eksekusi 2000 input dan

5000 input

3 2 1

18

12

6

0

5

10

15

20

20 25 30

Series1 Series2

2000 input

5000 input

Gambar 11 Perbandingan waktu eksekusi metode perbandingan angka

dan perbandingan string untuk 5000 input reads

1812

6

114

67

30

0

20

40

60

80

100

120

20 25 30

Series1 Series2

Perbandingan angka

Perbandingan string

Minimum overlap

Minimum overlap

Minimum overlap

Jum

lah e

dge

Wak

tu (

s)

Wak

tu (

s)

15

string untuk 5000 reads dapat dilihat pada Gambar 11. Perhitungan waktu dimulai

ketika user telah memasukan nilai jumlah minimum overlap sebagai input yang

dibutuhkan oleh sistem.

Pembahasan

Beberapa hal yang akan dibahas adalah mengenai jumlah node, edge, dan

waktu. Pada pembahasan ini akan dicoba untuk menjawab apakah metode yang

dipakai mempunyai ketepatan yang baik dan waktu eksekusi yang lebih cepat dari

metode perbandingan string.

Ketepatan hasil node dan edge

Hasil node dan edge yang dihasilkan oleh sistem akan dibandingkan dengan

hasil node dan edge yang dihasilkan dengan metode perbandingan string.

Perbandingan dilakukan dengan jumlah reads 5000 buah. Dapat dilihat pada

Tabel 5, perbandingan antara jumlah node dan edge dari metode perbandingan

angka (metode sistem) dan metode perbandingan string. Dari hasil yang didapat,

hasil sistem mempunyai ketepatan 100% dibandingkan dengan metode

perbandingan string untuk jumlah reads 5000 buah. Hal ini menyatakan bahwa

metode yang digunakan pada sistem (perbandingan angka) berhasil memberikan

hasil yang maksimal. Ketepatan dari sistem ini tak lepas dari nilai suatu

suffix/prefix dan nilai jumlah karakter overlap yang digunakan. Nilai dari suatu

suffix/prefix diharapkan mempunyai nilai yang unik. Unik yang dimaksud adalah

bahwa nilai suatu suffix/prefix dari suatu suffix atau prefix sama satu sama lain

apabila suffix dan prefix tersebut mempunyai karakter yang terdiri dari basa-basa

nitrogen dengan jumlah yang sama dan dengan urutan yang sama. Namun

demikian karena hasil suffix dan prefix yang dihasilkan dari reads dan reverse

complement sangat banyak maka dapat menyebabkan ada beberapa nilai yang

tidak unik. Maksud tidak unik disini adalah bahwa ada suffix atau prefix yang

mempunyai nilai suatu suffix/prefix yang sama tetapi sebenarnya mempunyai

karakter penyusun yang berbeda baik urutan maupun jumlahnya. Karena itulah

nilai kedua digunakan. Nilai kedua (nilai jumlah karakter overlap) digunakan

ketika sistem menemukan dua nilai suatu suffix/prefix yang sama. Jadi setiap

suffix dan prefix dibandingkan dengan menggunakan 2 nilai dengan harapan

bahwa hasil yang didapat maksimal. Untuk jumlah reads input 5000 buah, sistem

dapat memberikan ketepatan 100%.

Jumlah edge antara input 2000 dan 5000 reads

Hal kedua yang akan dibahas adalah jumlah edge yang dihasilkan sistem

dengan jumlah input yang berbeda. Dari Gambar 9 dapat dilihat jumlah edge yang

dihasilkan oleh sistem untuk input 2000 buah dengan jumlah minimum 20, 25,

dan 30 dan jumlah edge yang dihasilkan oleh sistem untuk input 5000 buah

dengan jumlah minimum yang sama. Dari hasil terdapat perbedaan yang sangat

mencolok antara keduanya. Jumlah edge pada input 5000 jauh lebih banyak

daripada jumlah edge dengan input 2000. Hal tersebut dikarenakan semakin

banyak input yang dimasukan ke dalam sistem maka jumlah reads dan reverse

complement juga akan semakin banyak. Hal ini kemudian akan berdampak pada

semakin banyaknya kemungkinan overlap antara satu reads dengan reads yang

16

lain. Karena edge merupakan perwakilan dari jumlah overlap maka dengan

semakin banyaknya input maka akan membuat jumlah edge semakin banyak.

Karena itulah semakin banyak jumlah input yang dimasukan maka akan membuat

jumlah edge dan node semakin banyak yang akhirnya akan berdampak pada

kekompleksan dari graph yang terbentuk dan waktu eksekusi yang diperlukan

lebih lama.

Namun demikian terdapat sebuah hal penting yang perlu diperhatikan dalam

penggunaan data dari MetaSim yaitu pemilihan organisme, jumlah reads, serta

panjang reads. Misalnya dipilih suatu organisme dengan panjang 2000 bp maka

apabila dipilih panjang potongan reads 35 dengan jumlah 2000 buah, akan

membuat graph yang dihasilkan menjadi sangat kompleks. Hal ini dikarenakan

setiap reads akan saling overlap satu sama lain, tidak ada satupun reads yang

tidak overlap. Sehingga diperlukan pemilihan yang benar untuk panjang reads

dan jumlah hasil agar tidak membuat graph menjadi kompleks.

Evaluasi waktu

Waktu merupakan esensi penting dalam penelitian ini. Hal ini dikarenakan

metode perbandingan angka diharapkan selain memiliki ketepatan tinggi tetapi

juga memberikan waktu eksekusi yang lebih cepat daripada perbandingan string.

Waktu eksekusi mulai dihitung tepat saat user telah memasukan nilai jumlah

minimum overlap yang diharapkan. Sebelumnya akan dibahas perbedaan waktu

eksekusi antara pemprosesan input 2000 dan 5000 buah. Dari Gambar 10 dapat

dilihat perbedaan waktu eksekusi dengan jumlah input berbeda yaitu 2000 dan

5000 buah. Waktu eksekusi untuk input dengan jumlah data yang lebih kecil

(2000 buah) lebih cepat daripada waktu eksekusi untuk jumlah data yang lebih

besar (5000 buah). Hal ini dikarenakan semakin banyaknya jumlah input data

maka proses pengindeksan dan pencarian overlap akan semakin lama. Jumlah

suffix dan prefix yang dibuat semakin banyak sehingga akan menambah waktu

untuk perbandingan suffix dan prefix. Selain itu nilai jumlah minimum overlap

yang dipilih juga menentukan waktu eksekusi yang diperlukan. Semakin besar

nilai jumlah minimum overlap maka jumlah suffix dan prefix yang dihasilkan

dalam pengindeksan akan semakin sedikit dan juga sebaliknya apabila nilai

jumlah minimum overlap semakin kecil maka jumlah suffix dan prefix yang

dihasilkan akan semakin banyak. Hal ini dikarenakan suffix akan diindeks mulai

dari panjang reads (35 bp) – 1 sampai dengan nilai jumlah minimum overlap yang

dimasukan oleh user. Sebagai contoh antara nilai jumlah minimum overlap 25 dan

30. Ketika user memasukan nilai jumlah minimum overlap 25 maka suffix dan

prefix yang terbentuk akan memiliki panjang dari 34, 33, 32, … , 27, 26, 25

sehingga setiap 1 reads akan menghasilkan 10 suffix dan 10 prefix. Beda halnya

dengan ketika user memasukan nilai minimum overlap 30. Ketika user

memasukan nilai minimum overlap 30 maka panjang suffix dan prefix yang

dihasilkan akan memiliki panjang mulai dari 34 sampai 30. Dengan demikian 1

reads hanya akan menghasilkan 5 suffix dan 5 prefix. Semakin banyaknya jumlah

suffix dan prefix akan membuat waktu eksekusi semakin lama sehingga jumlah

minimum overlap 30 akan memiliki waktu eksekusi yang lebih cepat daripada

nilai minimum overlap 25.

Selain perbedaan waktu eksekusi untuk perbedaan jumlah reads dan

perbedaan jumlah minimum overlap, hal penting mengenai evaluasi waktu adalah

17

perbandingan waktu eksekusi antara kedua metode (metode perbandingan angka

dan metode perbandingan string). Untuk perbedaan waktu eksekusi akan dipakai

jumlah input 5000 buah yang diproses oleh kedua metode yang ada. Dari Gambar

11 dapat dilihat perbedaan yang signifikan antara waktu eksekusi yang diperlukan

antara kedua metode. Waktu eksekusi yang digunakan untuk metode

perbandingan angka secara keseluruhan jauh lebih cepat daripada waktu eksekusi

metode perbandingan string. Bahkan dapat dilihat secara keseluruhan waktu yang

digunakan metode perbandingan string 5 kali lipat daripada waktu eksekusi

dengan metode perbandingan angka. Hal ini dapat terjadi karena metode proses

perbandingan angka menggunakan proses pengurangan sedangkan metode

perbandingan string menggunakan proses penyamaan karakter dari masing-

masing prefix dan suffix. Proses pengurangan membutuhkan waktu yang lebih

cepat daripada proses penyamaan masing-masing string suffix-prefix dan hal itu

telah dibuktikan dari hasil yang telah didapat dari penelitian ini. Hal tersebut

kemudian memberikan hasil positif pada penelitian ini karena dapat membentuk

bidirected overlap graph dengan waktu yang lebih cepat dan ketepatan 100%.

Metode perbandingan angka menghasilkan output lebih cepat daripada

perbandingan string dikarenakan untuk membandingkan 2 buah string, komputer

akan merubahnya dahulu menjadi angka yang kemudian akan dibandingkan satu

sama lain. Dengan metode perbandingan angka, waktu yang diperlukan untuk

mengubah string menjadi angka dapat dihemat. Sistem ini mempunyai

kompleksitas O(n2). Hal tersebut dikarenakan sistem menggunakan nested loop

sebanyak 2.

Pembuktian ketepatan metode perbandingan angka

Metode perbandingan angka merupakan ide dari penulis. Karena itu perlu

dibuktikan apakah metode ini dapat menghasilkan ketepatan yang sama ataukah

justru menghasilkan hasil yang salah. Karena itu metode ini dibuktikan secara

empiris. Dengan input data berjumlah 1000 buah, metode ini dapat menghasilkan

ketepatan jumlah node dan edge yang saling overlap hingga 100%. Data hasil

dapat dilihat pada lampiran. Namun demikian dengan semakin banyaknya data

input yang digunakan dapat menyebabkan suatu collision. Pada penelitian ini akan

dicari error collision rate sebagai acuan sampai jumlah data input berapakah

metode ini dapat digunakan dan tetap menghasilkan output dengan ketepatan yang

tinggi. Error collision rate ini dicari dengan membandingkan antara jumlah edge

yang dihasilkan oleh metode perbandingan angka dan jumlah edge yang

dihasilkan oleh metode perbandingan string. Untuk itu dilakukan pengujian untuk

nilai ketepatan metode perbandingan angka sampai dengan jumlah input/masukan

80 000 reads dengan panjang setiap string yang dibandingkan satu sama lain

memiliki panjang maksimum 34 bp dan panjang minimum adalah 30 bp. Hal ini

dikarenakan untuk pengujian yang dilakukan digunakan panjang minimum

overlap 30 bp. Jumlah input yang dimasukkan berjumlah 80 000 buah, namun

demikian sistem menemukan bahwa jumlah reads yang tidak redundan berjumlah

69 936 buah. Karena setiap reads akan memiliki suffix berjumlah 5 yaitu dengan

panjang 34, 33, 32, 31, dan 30 bp, maka secara keseluruhan jumlah string dari

reads berjumlah 349 680 buah. Sedangkan karena sistem juga memakai reverse

complement yang memiliki jumlah yang sama dengan jumlah reads uniqe yang

ada sehingga jumlah string total yang dibandingkan satu sama lain berjumlah 699

18

360 buah. Untuk jumlah masukan tersebut, metode perbandingan angka

menghasilkan jumlah edge yang sama persis dengan metode perbandingan string

yaitu berjumlah 336 414 buah. Sehingga, sampai dengan jumlah input 80 000,

metode perbandingan angka yang digunakan mempunyai nilai ketepatan 100%

dan nilai error collision rate sampai dengan jumlah input 80 000 adalah 0%.

SIMPULAN DAN SARAN

Simpulan

Penelitian ini telah berhasil menghasilkan suatu sistem yang dapat

membentuk bidirected overlap graph. Dari hasil dan pembahasan dapat

disimpulkan bahwa semakin banyak jumlah input yang dimasukan maka waktu

eksekusi akan semakin banyak. Demikian pula dengan semakin kecilnya nilai

jumlah overlap yang dimasukan maka akan membuat waktu eksekusi semakin

lama. Namun demikian dari penelitian ini didapatkan suatu sistem yang dapat

menghemat waktu eksekusi yang diperlukan dengan ketepatan hasil 100% pada

jumlah input 5000 buah. Hal ini dikarenakan metode yang digunakan dalam

sistem adalah metode perbandingan angka yang ternyata memerlukan waktu yang

lebih cepat daripada perbandingan string dalam pencarian overlap.

Saran

Namun demikian setiap sistem mempunyai kekurangan. Karena itu untuk ke

depannya, sistem ini dapat dikembangkan lagi. Beberapa saran yang dapat

diberikan oleh penulis:

1 Menambah ragam organisme yang dipakai sebagai input dari sistem

2 Menambah jumlah input reads yang digunakan sehingga dapat melihat sejauh

mana metode perbandingan angka dapat digunakan.

3 Menambah atau mengembangkan aturan-aturan yang digunakan dalam

perbandingan angka sehingga ketepatan yang dihasilkan oleh sistem tetap

mencapai 100% walaupun jumlah input yang digunakan semakin banyak.

19

DAFTAR PUSTAKA

Abegunde T. 2010. Comparison of DNA sequence assembly algorithms using

mixed data sources [tesis]. Saskatoon (CA): University of Saskatchewan.

Brenner S, Johnson M, Bridgham J, Golda G, Lloyd DH, Johnson D, Luo SJ,

McCurdy S, Foy M, Ewan M, et al. 2000. Gene expression analysis by

massively parallel signature sequencing (MPPS) on microbead arrays. Nat

Biotechnol. 18:630-634.

Chaisson M, Pevzner P, Tang H. 2004. Fragment assembly with short reads.

Bioinformatics. 20(13):2067-2074.

Commins J, Toft C, Fares MA. 2009. Computational biology methods and their

application to the comparative genomics of endocellular symbiotic bacteria

of insects. Biol Proced Online. 11:52-78. doi: 10.1007/s12575-009-9004-1.

Hernandez D, François P, Farinelli, Østerås M, Schrenzel J. 2008. De novo

bacterial genome sequencing: millions of very short reads assembled on a

desktop computer. Genome Res. 18(5):802-9. doi: 10.1101/gr.072033.107.

Kundeti VK, Rajasekaran S, Dinh H, Vaughn M, Thapar V. 2010. Efficient

parallel and out of core algorithms for constructing large bi-directed de

Bruijn graphs. BMC Bioinformatics. 11:560. doi: 10.1186/1471-2105-11-

560.

Kusuma WA, Ishida T, Akiyama Y. 2011. A combined approach for de novo

DNA sequence assembly of very short reads. IPSJ Transaction on

Bioinformatics. 3(10):21-33. doi: 10.2197/ipsjtbio.4.21.

Manber U, Myers EW. 1993. Suffix arrays: a new method for on-line string

searches. SICOMP. 22(5):935-948.

20

Lampiran 1 Pembuktian empiris untuk 1000 reads dengan minimum overlap 30

Read 1 Read 2 Overlap CCTGGCGGAATTGCGTCA

GCGCCTTGCTGCGGGCG

GCGGAATTGCGTCAGCGC

CTTGCTGCGGGCGATGT

GCGGAATTGCGTCAGCG

CCTTGCTGCGGGCG

GCGCCGGAAAGAGCACAT

CCGCCGTCATCCTTGCC

CGCCGGAAAGAGCACATC

CGCCGTCATCCTTGCCA

CGCCGGAAAGAGCACAT

CCGCCGTCATCCTTGCC

TGTCGCCAATCTTGTCGCG

CTCGGGGCGCACCATC

GTCGCCAATCTTGTCGCG

CTCGGGGCGCACCATCC

GTCGCCAATCTTGTCGCG

CTCGGGGCGCACCATC

CTGTCTCACGCGTTAACCT

CCCCTCGATTTCGGCG

TGTCTCACGCGTTAACCT

CCCCTCGATTTCGGCGA

TGTCTCACGCGTTAACCT

CCCCTCGATTTCGGCG

TGGGTGATCGTGATGTAT

GTGCCAGCAGCTATATT

GTGATCGTGATGTATGTG

CCAGCAGCTATATTCGT

GTGATCGTGATGTATGTG

CCAGCAGCTATATT

GCTCCAGTCGTCGGTAAC

GATCAGCGATCCGGGAG

TCCAGTCGTCGGTAACGA

TCAGCGATCCGGGAGCA

TCCAGTCGTCGGTAACGA

TCAGCGATCCGGGAG

CTCCCGGATCGCTGATCG

TTACCGACGACTGGAGC

CGGATCGCTGATCGTTAC

CGACGACTGGAGCGGCT

CGGATCGCTGATCGTTAC

CGACGACTGGAGC

CGTCTGTGGTCCCGACGATCCGTCCCGCAGTCCCG

TCTGTGGTCCCGACGATCCGTCCCGCAGTCCCGGC

TCTGTGGTCCCGACGATCCGTCCCGCAGTCCCG

AGTAGAGAGATCGCGAAC

GCATCAATGAGCCAGAG

GAGAGATCGCGAACGCAT

CAATGAGCCAGAGCAAG

GAGAGATCGCGAACGCA

TCAATGAGCCAGAG

AGTAGAGAGATCGCGAAC

GCATCAATGAGCCAGAG

GTAGAGAGATCGCGAACG

CATCAATGAGCCAGAGC

GTAGAGAGATCGCGAAC

GCATCAATGAGCCAGAG

GCGGCACCAACTTTATAG

GCGCTGCAAGCCAGCCT

CACCAACTTTATAGGCGC

TGCAAGCCAGCCTGTGC

CACCAACTTTATAGGCGC

TGCAAGCCAGCCT

TCTTGATCTGGGGGTATC

GCAGACCAAGGCGCTGA

GATCTGGGGGTATCGCAG

ACCAAGGCGCTGAACCG

GATCTGGGGGTATCGCA

GACCAAGGCGCTGA

CCCTGACAGCAGGAGTGC

CACCCATGACCATCACC

CTGACAGCAGGAGTGCCA

CCCATGACCATCACCAC

CTGACAGCAGGAGTGCC

ACCCATGACCATCACC

GGTGATGGTCATGGGTGG

CACTCCTGCTGTCAGGG

TGATGGTCATGGGTGGCA

CTCCTGCTGTCAGGGGC

TGATGGTCATGGGTGGC

ACTCCTGCTGTCAGGG

TGCGCTGTCAGTGGACAT

CCGGGGGCGGGTGGAGC

CTGTCAGTGGACATCCGG

GGGCGGGTGGAGCAGCG

CTGTCAGTGGACATCCGG

GGGCGGGTGGAGC

AGGACGAAGGTGCCGGTG

ATGTTGGTGTCGATGAA

GAAGGTGCCGGTGATGTT

GGTGTCGATGAAATCGC

GAAGGTGCCGGTGATGT

TGGTGTCGATGAA

GCCGGGACTGCGGGACGG

ATCGTCGGGACCACAGA

CGGGACTGCGGGACGGAT

CGTCGGGACCACAGACG

CGGGACTGCGGGACGGA

TCGTCGGGACCACAGA

TCGTGCCCAAGGGATTAC

AGCTATCGCAAACATTT

TGCCCAAGGGATTACAGC

TATCGCAAACATTTCTG

TGCCCAAGGGATTACAG

CTATCGCAAACATTT

CTGAGAACGGCGTTCACGTTCTCAAGACACGTCTT

AACGGCGTTCACGTTCTCAAGACACGTCTTCATGA

AACGGCGTTCACGTTCTCAAGACACGTCTT

CAGAAATGTTTGCGATAG

CTGTAATCCCTTGGGCA

AAATGTTTGCGATAGCTG

TAATCCCTTGGGCACGA

AAATGTTTGCGATAGCTG

TAATCCCTTGGGCA

CGCATACACCACCATTTTT

TGGTGTTGCACGCTGG

TACACCACCATTTTTTGGT

GTTGCACGCTGGACCG

TACACCACCATTTTTTGG

TGTTGCACGCTGG

GCACCCTCTAGCGGAACG

GTTTCTGTGCCCACACT

CCCTCTAGCGGAACGGTT

TCTGTGCCCACACTGTT

CCCTCTAGCGGAACGGTT

TCTGTGCCCACACT

CGAAGCGATCTGCGCGCG

CTATCTCGACAGTCCGT

AGCGATCTGCGCGCGCTA

TCTCGACAGTCCGTATG

AGCGATCTGCGCGCGCT

ATCTCGACAGTCCGT

CACCCCCTACGACCCGCG

CAGCCCCTATGCCGCCA

CCCCCTACGACCCGCGCA

GCCCCTATGCCGCCAGC

CCCCCTACGACCCGCGCA

GCCCCTATGCCGCCA

CTATCTCGAAAGCGCCCG

CTGGAATGGAGGGTTCG

TCGAAAGCGCCCGCTGGA

ATGGAGGGTTCGCCTGC

TCGAAAGCGCCCGCTGG

AATGGAGGGTTCG

CGAACCCTCCATTCCAGC

GGGCGCTTTCGAGATAG

ACCCTCCATTCCAGCGGG

CGCTTTCGAGATAGGCG

ACCCTCCATTCCAGCGGG

CGCTTTCGAGATAG

21

Lampiran 1 Lanjutan

TTTGTTCCATCGAAAAAA

TTCCTAAATTATTTAAA

TTCCATCGAAAAAATTCC

TAAATTATTTAAAAATA

TTCCATCGAAAAAATTCC

TAAATTATTTAAA

GTGGTGATGGTCATGGGT

GGCACTCCTGCTGTCAG

GGTGATGGTCATGGGTGG

CACTCCTGCTGTCAGGG

GGTGATGGTCATGGGTG

GCACTCCTGCTGTCAG

GTGGTGATGGTCATGGGT

GGCACTCCTGCTGTCAG

TGATGGTCATGGGTGGCA

CTCCTGCTGTCAGGGGC

TGATGGTCATGGGTGGC

ACTCCTGCTGTCAG

GGCGGGATCGAAGACGGA

GACGGTGCGGGTTTCGT

GGATCGAAGACGGAGAC

GGTGCGGGTTTCGTCACG

GGATCGAAGACGGAGAC

GGTGCGGGTTTCGT

GGCGGGATCGAAGACGGAGACGGTGCGGGTTTCGT

GCGGGATCGAAGACGGAGACGGTGCGGGTTTCGTC

GCGGGATCGAAGACGGAGACGGTGCGGGTTTCGT

GGCAGCCGCGATTACCAG

GCGTTCGAGACCTATCT

CAGCCGCGATTACCAGGC

GTTCGAGACCTATCTGC

CAGCCGCGATTACCAGG

CGTTCGAGACCTATCT

GGCAGCCGCGATTACCAG

GCGTTCGAGACCTATCT

CAGCCGCGATTACCAGGC

GTTCGAGACCTATCTGC

CAGCCGCGATTACCAGG

CGTTCGAGACCTATCT

CCCAGAACCAAGTCGACA

GCGGCGTGTGACTGCGT

CAGAACCAAGTCGACAGC

GGCGTGTGACTGCGTTC

CAGAACCAAGTCGACAG

CGGCGTGTGACTGCGT

CATGCCGTGCTCACCGCG

ATCGCTCTCGACCTGTC

CCGTGCTCACCGCGATCG

CTCTCGACCTGTCGGCC

CCGTGCTCACCGCGATCG

CTCTCGACCTGTC

CCTATCCGGTTGTTACCCA

CACCCACTAAATGTAG

ATCCGGTTGTTACCCACA

CCCACTAAATGTAGGGT

ATCCGGTTGTTACCCACA

CCCACTAAATGTAG

GGTGATGCCATCAACGCC

ATCCTTGCCGGCGCCGG

ATGCCATCAACGCCATCC

TTGCCGGCGCCGGCCAC

ATGCCATCAACGCCATCC

TTGCCGGCGCCGG

CCGGCGCCGGCAAGGATG

GCGTTGATGGCATCACC

GCCGGCAAGGATGGCGTT

GATGGCATCACCGTCGA

GCCGGCAAGGATGGCGT

TGATGGCATCACC

GACGTCGACCTGTGCGGC

GACGAACGCGACCAGGG

CGTCGACCTGTGCGGCGA

CGAACGCGACCAGGGCA

CGTCGACCTGTGCGGCG

ACGAACGCGACCAGGG

TGCTCCCGGATCGCTGAT

CGTTACCGACGACTGGA

CTCCCGGATCGCTGATCG

TTACCGACGACTGGAGC

CTCCCGGATCGCTGATCG

TTACCGACGACTGGA

TCGAAAATCAGAGCTTCCGGGCCTCCGGGCTCAGT

AAATCAGAGCTTCCGGGCCTCCGGGCTCAGTCTCA

AAATCAGAGCTTCCGGGCCTCCGGGCTCAGT

AAGCGCACACCGCGCGCC

TTGGCTGCTATCCTGCC

CACACCGCGCGCCTTGGC

TGCTATCCTGCCAGTGC

CACACCGCGCGCCTTGGC

TGCTATCCTGCC

GGCAGGATAGCAGCCAAG

GCGCGCGGTGTGCGCTT

GATAGCAGCCAAGGCGCG

CGGTGTGCGCTTTGGGC

GATAGCAGCCAAGGCGC

GCGGTGTGCGCTT

GACGAGGTCAGTAGCAAA

GGCAGGTTTCAGAGTCG

ACGAGGTCAGTAGCAAAG

GCAGGTTTCAGAGTCGC

ACGAGGTCAGTAGCAAA

GGCAGGTTTCAGAGTCG

CCCGACGAATAGCTCCTC

ACTGGCAAATCGAGGAA

CGACGAATAGCTCCTCAC

TGGCAAATCGAGGAACT

CGACGAATAGCTCCTCAC

TGGCAAATCGAGGAA

TCCCGGTTTCCGGTGGCG

CACCTCCACGGCACAGG

GTTTCCGGTGGCGCACCT

CCACGGCACAGGCGACG

GTTTCCGGTGGCGCACCT

CCACGGCACAGG

GAGCATGCAGAGATTATT

CTCCCCAATGACACCGT

ATGCAGAGATTATTCTCC

CCAATGACACCGTAGCG

ATGCAGAGATTATTCTCC

CCAATGACACCGT

AGTTCCTCGATTTGCCAGT

GAGGAGCTATTCGTCG

TTCCTCGATTTGCCAGTG

AGGAGCTATTCGTCGGG

TTCCTCGATTTGCCAGTG

AGGAGCTATTCGTCG

AGGTGGTGATAGCTGAGA

CCGCGCGAGGCGTCCGC

TGGTGATAGCTGAGACCG

CGCGAGGCGTCCGCCAT

TGGTGATAGCTGAGACC

GCGCGAGGCGTCCGC

CCGATGGTAGGATATCAT

GGAACAGAACGTGAGCG

TGGTAGGATATCATGGAA

CAGAACGTGAGCGATAT

TGGTAGGATATCATGGA

ACAGAACGTGAGCG

CGCTCACGTTCTGTTCCAT

GATATCCTACCATCGG

TCACGTTCTGTTCCATGAT

ATCCTACCATCGGCAC

TCACGTTCTGTTCCATGA

TATCCTACCATCGG

CCGCGGTCGCGGGATCCTTCTACCTCCCCCGGCGC

CGCGGTCGCGGGATCCTTCTACCTCCCCCGGCGCG

CGCGGTCGCGGGATCCTTCTACCTCCCCCGGCGC

GATGGCTATTGCCGAGTG

GGATTACCTTGTCTGGA

CTATTGCCGAGTGGGATT

ACCTTGTCTGGAGGGAT

CTATTGCCGAGTGGGATT

ACCTTGTCTGGA

22

Lampiran 1 Lanjutan

CTCACCCGGGACCGCCTT

TCAATTGAAAAAAGCTA

CCGGGACCGCCTTTCAAT

TGAAAAAAGCTATCAGC

CCGGGACCGCCTTTCAAT

TGAAAAAAGCTA

CCGCTTTGTCGGTGACGG

GGTTACCGGTGCGCAGA

CGCTTTGTCGGTGACGGG

GTTACCGGTGCGCAGAT

CGCTTTGTCGGTGACGGG

GTTACCGGTGCGCAGA

CCGGCATGACTGCGCTGG

CGCAGAGCGGGATCGGA

GCATGACTGCGCTGGCGC

AGAGCGGGATCGGACAG

GCATGACTGCGCTGGCG

CAGAGCGGGATCGGA

TGGAACGGTGCTGCGGAT

CACACCGGACGAGCTAG

AACGGTGCTGCGGATCAC

ACCGGACGAGCTAGTGC

AACGGTGCTGCGGATCA

CACCGGACGAGCTAG

CAAGGACCATACCAAGCACTTAATACCCCGCTGAG

GGACCATACCAAGCACTTAATACCCCGCTGAGCGG

GGACCATACCAAGCACTTAATACCCCGCTGAG

CATACGGACTGTCGAGAT

AGCGCGCGCAGATCGCT

ACGGACTGTCGAGATAGC

GCGCGCAGATCGCTTCG

ACGGACTGTCGAGATAG

CGCGCGCAGATCGCT

AAGCGTTGTCTTTCCCGA

ACCGTTCGAACCAATCA

GCGTTGTCTTTCCCGAAC

CGTTCGAACCAATCAAT

GCGTTGTCTTTCCCGAAC

CGTTCGAACCAATCA

ACCATCGCCGAGAAGGGC

GCCGAGTTCAGATCCCT

ATCGCCGAGAAGGGCGCC

GAGTTCAGATCCCTCGG

ATCGCCGAGAAGGGCGC

CGAGTTCAGATCCCT

GCCTCACCATCGATGCCG

GTGGCCGCACCCGCCCC

ACCATCGATGCCGGTGGC

CGCACCCGCCCCGGCCG

ACCATCGATGCCGGTGG

CCGCACCCGCCCC

AGCCGCTCCAGTCGTCGG

TAACGATCAGCGATCCG

GCTCCAGTCGTCGGTAAC

GATCAGCGATCCGGGAG

GCTCCAGTCGTCGGTAAC

GATCAGCGATCCG

ACCGTCCGCCGCAAGGCG

TTCGGCATCGTCGCCGA

GTCCGCCGCAAGGCGTTC

GGCATCGTCGCCGATCC

GTCCGCCGCAAGGCGTTC

GGCATCGTCGCCGA

ACCGTCCGCCGCAAGGCG

TTCGGCATCGTCGCCGA

GTCCGCCGCAAGGCGTTC

GGCATCGTCGCCGATCC

GTCCGCCGCAAGGCGTTC

GGCATCGTCGCCGA

ATTCCCCGGAATAAAGCT

CGTCAAAGGTTGGTGCG

TTCCCCGGAATAAAGCTC

GTCAAAGGTTGGTGCGG

TTCCCCGGAATAAAGCTC

GTCAAAGGTTGGTGCG

CGCTGCTCCACCCGCCCC

CGGATGTCCACTGACAG

GCTCCACCCGCCCCCGGA

TGTCCACTGACAGCGCA

GCTCCACCCGCCCCCGGA

TGTCCACTGACAG

ATTCCCGACCGGCGGGATTTGGGATTCTTGGGAAG

CCGACCGGCGGGATTTGGGATTCTTGGGAAGGCAA

CCGACCGGCGGGATTTGGGATTCTTGGGAAG

ATATCGCTCACGTTCTGTT

CCATGATATCCTACCA

CGCTCACGTTCTGTTCCAT

GATATCCTACCATCGG

CGCTCACGTTCTGTTCCA

TGATATCCTACCA

TGCAGGCTTCCGCCATCC

GGGTCAGGCCGAGATTG

GCTTCCGCCATCCGGGTC

AGGCCGAGATTGAGGCC

GCTTCCGCCATCCGGGTC

AGGCCGAGATTG

GCGAGCGGAACGCGTTGA

AGGGATAGAGGCGCCGG

GCGGAACGCGTTGAAGGG

ATAGAGGCGCCGGTTGA

GCGGAACGCGTTGAAGG

GATAGAGGCGCCGG

CCGGCGCCTCTATCCCTTC

AACGCGTTCCGCTCGC

GCGCCTCTATCCCTTCAA

CGCGTTCCGCTCGCTGC

GCGCCTCTATCCCTTCAA

CGCGTTCCGCTCGC

AGTTGAATTTCGACAACA

CCAATAAACAGGGGCAG

GTTGAATTTCGACAACAC

CAATAAACAGGGGCAGT

GTTGAATTTCGACAACAC

CAATAAACAGGGGCAG

ACGAATATAGCTGCTGGC

ACATACATCACGATCAC

AATATAGCTGCTGGCACA

TACATCACGATCACCCA

AATATAGCTGCTGGCAC

ATACATCACGATCAC

GCAGATGGCAGAGACCGA

AGACATGATCGGTCGCG

CAGATGGCAGAGACCGA

AGACATGATCGGTCGCGC

CAGATGGCAGAGACCGA

AGACATGATCGGTCGCG

GCGGCCCAAAGCGCACAC

CGCGCGCCTTGGCTGCT

GCCCAAAGCGCACACCGC

GCGCCTTGGCTGCTATC

GCCCAAAGCGCACACCG

CGCGCCTTGGCTGCT

GCCTGGCGCAGCGCGAGC

GAGAGATGATCGGCGTG

CCTGGCGCAGCGCGAGCG

AGAGATGATCGGCGTGG

CCTGGCGCAGCGCGAGC

GAGAGATGATCGGCGTG

CGGTCCAGCGTGCAACAC

CAAAAAATGGTGGTGTA

CCAGCGTGCAACACCAAA

AAATGGTGGTGTATGCG

CCAGCGTGCAACACCAA

AAAATGGTGGTGTA

TTCCTCGGGGCAGCCGACGAGCTGTCCCTGGCGAG

TCGGGGCAGCCGACGAGCTGTCCCTGGCGAGCCTG

TCGGGGCAGCCGACGAGCTGTCCCTGGCGAG

TGGAAATGCGTCTCGCCG

CAGAATGCCTGGACATA

GAAATGCGTCTCGCCGCA

GAATGCCTGGACATACG

GAAATGCGTCTCGCCGC

AGAATGCCTGGACATA

23

Lampiran 1 Lanjutan

AATCGTCACCCGCCGGCG

CAACTGGCGAACCGCCT

TCACCCGCCGGCGCAACT

GGCGAACCGCCTCACGC

TCACCCGCCGGCGCAACT

GGCGAACCGCCT

GCGATTTCATCGACACCA

ACATCACCGGCACCTTC

TTCATCGACACCAACATC

ACCGGCACCTTCGTCCT

TTCATCGACACCAACATC

ACCGGCACCTTC

GAAGGTGCCGGTGATGTT

GGTGTCGATGAAATCGC

AGGTGCCGGTGATGTTGG

TGTCGATGAAATCGCGC

AGGTGCCGGTGATGTTG

GTGTCGATGAAATCGC

GGGAACAGTGTGGGCACA

GAAACCGTTCCGCTAGA

AACAGTGTGGGCACAGAA

ACCGTTCCGCTAGAGGG

AACAGTGTGGGCACAGA

AACCGTTCCGCTAGA

GCCGAGCATTATACCGATACCGCCGGCGCGACCGA

CCGAGCATTATACCGATACCGCCGGCGCGACCGAT

CCGAGCATTATACCGATACCGCCGGCGCGACCGA

GCAATAATAGCATTCTGA

CAGTTTATGTTGAAATC

AATAGCATTCTGACAGTT

TATGTTGAAATCTTCTT

AATAGCATTCTGACAGTT

TATGTTGAAATC

GCTCCTGCGCTAGCGCCG

CCCGCTCCTCAGCAAGG

TCCTGCGCTAGCGCCGCC

CGCTCCTCAGCAAGGCC

TCCTGCGCTAGCGCCGCC

CGCTCCTCAGCAAGG

CCGGTAATCGTGAAATCA

TCGATCGTATCACCGGT

GTAATCGTGAAATCATCG

ATCGTATCACCGGTCGT

GTAATCGTGAAATCATCG

ATCGTATCACCGGT

CCGGTAATCGTGAAATCA

TCGATCGTATCACCGGT

TAATCGTGAAATCATCGA

TCGTATCACCGGTCGTG

TAATCGTGAAATCATCGA

TCGTATCACCGGT

CTTGCTCTGGCTCATTGAT

GCGTTCGCGATCTCTC

CTCTGGCTCATTGATGCG

TTCGCGATCTCTCTACT

CTCTGGCTCATTGATGCG

TTCGCGATCTCTC

CTTGCTCTGGCTCATTGAT

GCGTTCGCGATCTCTC

GCTCTGGCTCATTGATGC

GTTCGCGATCTCTCTAC

GCTCTGGCTCATTGATGC

GTTCGCGATCTCTC

CGCTTCTTCAAATAGGCG

GATAGGCGGAATCGATC

GCTTCTTCAAATAGGCGG

ATAGGCGGAATCGATCT

GCTTCTTCAAATAGGCGG

ATAGGCGGAATCGATC

CCGGCTCGGCCGGTCGCT

GCCGCATCTTCTGGAGA

TCGGCCGGTCGCTGCCGC

ATCTTCTGGAGACGGTG

TCGGCCGGTCGCTGCCGC

ATCTTCTGGAGA

ATTCCAGCGGGCGCTTTC

GAGATAGGCGGCACAGG

AGCGGGCGCTTTCGAGAT

AGGCGGCACAGGCCGCG

AGCGGGCGCTTTCGAGA

TAGGCGGCACAGG

CGGTTCAGCGCCTTGGTCTGCGATACCCCCAGATC

TCAGCGCCTTGGTCTGCGATACCCCCAGATCAAGA

TCAGCGCCTTGGTCTGCGATACCCCCAGATC

AACGTTCCCACTTTGTCCG

CTTATGCTACAGCGCA

CGTTCCCACTTTGTCCGCT

TATGCTACAGCGCAGG

CGTTCCCACTTTGTCCGC

TTATGCTACAGCGCA

GCTGGCGGCATAGGGGCT

GCGCGGGTCGTAGGGGG

TGGCGGCATAGGGGCTGC

GCGGGTCGTAGGGGGTG

TGGCGGCATAGGGGCTG

CGCGGGTCGTAGGGGG

GCCCCGTCTGACAGTCCG

GTGAAACCTTCCGCGGT

CCCGTCTGACAGTCCGGT

GAAACCTTCCGCGGTCC

CCCGTCTGACAGTCCGGT

GAAACCTTCCGCGGT

ATGCCCGTGCGATCGCCG

ATGAACTCATTACCCGC

CGTGCGATCGCCGATGAA

CTCATTACCCGCGGTGT

CGTGCGATCGCCGATGA

ACTCATTACCCGC

CGCTACGGTGTCATTGGG

GAGAATAATCTCTGCAT

ACGGTGTCATTGGGGAGA

ATAATCTCTGCATGCTC

ACGGTGTCATTGGGGAG

AATAATCTCTGCAT

CACGGCCGCCCAGCCGAC

GCGGACGGGCTGTCCAT

CGGCCGCCCAGCCGACGC

GGACGGGCTGTCCATCG

CGGCCGCCCAGCCGACG

CGGACGGGCTGTCCAT

TGAGACTGAGCCCGGAGG

CCCGGAAGCTCTGATTT

ACTGAGCCCGGAGGCCCG

GAAGCTCTGATTTTCGA

ACTGAGCCCGGAGGCCC

GGAAGCTCTGATTT

ACGACCGGTGATACGATC

GATGATTTCACGATTAC

ACCGGTGATACGATCGAT

GATTTCACGATTACCGG

ACCGGTGATACGATCGA

TGATTTCACGATTAC

GTAATCGTGAAATCATCG

ATCGTATCACCGGTCGT

TAATCGTGAAATCATCGA

TCGTATCACCGGTCGTG

TAATCGTGAAATCATCGA

TCGTATCACCGGTCGT

GCTGATAGCTTTTTTCAAT

TGAAAGGCGGTCCCGG

TAGCTTTTTTCAATTGAAA

GGCGGTCCCGGGTGAG

TAGCTTTTTTCAATTGAA

AGGCGGTCCCGG

CCGCTCAGCGGGGTATTAAGTGCTTGGTATGGTCC

CTCAGCGGGGTATTAAGTGCTTGGTATGGTCCTTG

CTCAGCGGGGTATTAAGTGCTTGGTATGGTCC

CATCGCGCTCGGCATAGG

CGCGCAAACCCTCCTCT

ATCGCGCTCGGCATAGGC

GCGCAAACCCTCCTCTG

ATCGCGCTCGGCATAGG

CGCGCAAACCCTCCTCT

24

Lampiran 1 Lanjutan

GCCCCTGACAGCAGGAGT

GCCACCCATGACCATCA

CCCTGACAGCAGGAGTGC

CACCCATGACCATCACC

CCCTGACAGCAGGAGTG

CCACCCATGACCATCA

GCCCCTGACAGCAGGAGT

GCCACCCATGACCATCA

CTGACAGCAGGAGTGCCA

CCCATGACCATCACCAC

CTGACAGCAGGAGTGCC

ACCCATGACCATCA

AGGGTTGTTGAGGAAGAA

TCGAAGGATCTCCCGTG

GGGTTGTTGAGGAAGAAT

CGAAGGATCTCCCGTGA

GGGTTGTTGAGGAAGAA

TCGAAGGATCTCCCGTG

GGCGGCTGATCCGACTCT

GGTCGGTGGGGCGCGGG

GGCTGATCCGACTCTGGT

CGGTGGGGCGCGGGCGG

GGCTGATCCGACTCTGGT

CGGTGGGGCGCGGG

CACCGTCTCCAGAAGATGCGGCAGCGACCGGCCGA

TCTCCAGAAGATGCGGCAGCGACCGGCCGAGCCGG

TCTCCAGAAGATGCGGCAGCGACCGGCCGA

TATAAAATGTCAATATTTT

TAAATAATTTAGGAAT

AAAATGTCAATATTTTTA

AATAATTTAGGAATTTT

AAAATGTCAATATTTTTA

AATAATTTAGGAAT

AGACGATCGCCGCCACCC

TCGCCGCCACCGATCCC

ACGATCGCCGCCACCCTC

GCCGCCACCGATCCCGC

ACGATCGCCGCCACCCTC

GCCGCCACCGATCCC

CACGACCGGTGATACGAT

CGATGATTTCACGATTA

ACCGGTGATACGATCGAT

GATTTCACGATTACCGG

ACCGGTGATACGATCGA

TGATTTCACGATTA

CACGACCGGTGATACGAT

CGATGATTTCACGATTA

ACGACCGGTGATACGATC

GATGATTTCACGATTAC

ACGACCGGTGATACGAT

CGATGATTTCACGATTA

CCGAGGGATCTGAACTCG

GCGCCCTTCTCGGCGAT

AGGGATCTGAACTCGGCG

CCCTTCTCGGCGATGGT

AGGGATCTGAACTCGGC

GCCCTTCTCGGCGAT

GTGGCCGGCGCCGGCAAG

GATGGCGTTGATGGCAT

CCGGCGCCGGCAAGGATG

GCGTTGATGGCATCACC

CCGGCGCCGGCAAGGAT

GGCGTTGATGGCAT

GCGCGATTTCATCGACAC

CAACATCACCGGCACCT

GCGATTTCATCGACACCA

ACATCACCGGCACCTTC

GCGATTTCATCGACACCA

ACATCACCGGCACCT

GGTAGGCTGTGTCCATCG

TCGTGTTTCTTCTTCTC

GGCTGTGTCCATCGTCGT

GTTTCTTCTTCTCCGCT

GGCTGTGTCCATCGTCGT

GTTTCTTCTTCTC

CGGCCGGGGCGGGTGCGG

CCACCGGCATCGATGGT

GGGGCGGGTGCGGCCACC

GGCATCGATGGTGAGGC

GGGGCGGGTGCGGCCAC

CGGCATCGATGGT

GACACACCCTACATTTAGTGGGTGTGGGTAACAAC

ACCCTACATTTAGTGGGTGTGGGTAACAACCGGAT

ACCCTACATTTAGTGGGTGTGGGTAACAAC

GGGAACAGTGTGGGCACA

GAAACCGTTCCGCTAGA

AACAGTGTGGGCACAGAA

ACCGTTCCGCTAGAGGG

AACAGTGTGGGCACAGA

AACCGTTCCGCTAGA

GCCAGCCTGAAGGCGGTT

GCTGGTGCGCAAAACTG

CAGCCTGAAGGCGGTTGC

TGGTGCGCAAAACTGCC

CAGCCTGAAGGCGGTTG

CTGGTGCGCAAAACTG

AGCGGAGAAGAAGAAAC

ACGACGATGGACACAGCC

GAGAAGAAGAAACACGA

CGATGGACACAGCCTACC

GAGAAGAAGAAACACGA

CGATGGACACAGCC

CCGGAAGCATCCAGCACC

CGGCGGCTCGGGTTCAT

AAGCATCCAGCACCCGGC

GGCTCGGGTTCATGGCC

AAGCATCCAGCACCCGG

CGGCTCGGGTTCAT

CGCGCCGGGGGAGGTAGA

AGGATCCCGCGACCGCG

GCGCCGGGGGAGGTAGA

AGGATCCCGCGACCGCGG

GCGCCGGGGGAGGTAGA

AGGATCCCGCGACCGCG

AACAGTGTGGGCACAGAA

ACCGTTCCGCTAGAGGG

AGTGTGGGCACAGAAACC

GTTCCGCTAGAGGGTGC

AGTGTGGGCACAGAAAC

CGTTCCGCTAGAGGG

CCCTCTAGCGGAACGGTT

TCTGTGCCCACACTGTT

TCTAGCGGAACGGTTTCT

GTGCCCACACTGTTCCC

TCTAGCGGAACGGTTTCT

GTGCCCACACTGTT

CCCTCTAGCGGAACGGTT

TCTGTGCCCACACTGTT

TCTAGCGGAACGGTTTCT

GTGCCCACACTGTTCCC

TCTAGCGGAACGGTTTCT

GTGCCCACACTGTT

GGCCATGAACCCGAGCCG

CCGGGTGCTGGATGCTT

ATGAACCCGAGCCGCCGG

GTGCTGGATGCTTCCGG

ATGAACCCGAGCCGCCG

GGTGCTGGATGCTT

CGTATGTCCAGGCATTCT

GCGGCGAGACGCATTTC

TATGTCCAGGCATTCTGC

GGCGAGACGCATTTCCA

TATGTCCAGGCATTCTGC

GGCGAGACGCATTTC

GCACTGCGACCGGAGCCACGGGCCACAGGCTTCAT

ACTGCGACCGGAGCCACGGGCCACAGGCTTCATGC

ACTGCGACCGGAGCCACGGGCCACAGGCTTCAT

CCGCACCAACCTTTGACG

AGCTTTATTCCGGGGAA

CGCACCAACCTTTGACGA

GCTTTATTCCGGGGAAT

CGCACCAACCTTTGACGA

GCTTTATTCCGGGGAA

25

Lampiran 1 Lanjutan

TGGATCCGGTCAGTGCTT

CGCCGCGGGCCTCTCCT

TCCGGTCAGTGCTTCGCC

GCGGGCCTCTCCTGGAA

TCCGGTCAGTGCTTCGCC

GCGGGCCTCTCCT

CGCTTTCGAGATAGGCGG

CACAGGCCGCGTCGTTC

CTTTCGAGATAGGCGGCA

CAGGCCGCGTCGTTCGG

CTTTCGAGATAGGCGGC

ACAGGCCGCGTCGTTC

CGCTTTCGAGATAGGCGG

CACAGGCCGCGTCGTTC

TTTCGAGATAGGCGGCAC

AGGCCGCGTCGTTCGGG

TTTCGAGATAGGCGGCA

CAGGCCGCGTCGTTC

GGACCGCGGAAGGTTTCA

CCGGACTGTCAGACGGG

ACCGCGGAAGGTTTCACC

GGACTGTCAGACGGGGC

ACCGCGGAAGGTTTCAC

CGGACTGTCAGACGGG

GGAGGTGTTTGAGTCCGGCGAGAGCTGCGCGGTAG

AGGTGTTTGAGTCCGGCGAGAGCTGCGCGGTAGCG

AGGTGTTTGAGTCCGGCGAGAGCTGCGCGGTAG

ACCCTACATTTAGTGGGT

GTGGGTAACAACCGGAT

CTACATTTAGTGGGTGTG

GGTAACAACCGGATAGG

CTACATTTAGTGGGTGTG

GGTAACAACCGGAT

ATCCGGTTGTTACCCACA

CCCACTAAATGTAGGGT

GTTGTTACCCACACCCAC

TAAATGTAGGGTGTGTC

GTTGTTACCCACACCCAC

TAAATGTAGGGT

TACAGCGCAGGCCGTTTC

GTTACTTCAGGCCTTCT

CAGCGCAGGCCGTTTCGT

TACTTCAGGCCTTCTAG

CAGCGCAGGCCGTTTCGT

TACTTCAGGCCTTCT

GCGCTGCCCTAGCGGCAA

CATTGTTAAGGGCGGCG

CGCTGCCCTAGCGGCAAC

ATTGTTAAGGGCGGCGT

CGCTGCCCTAGCGGCAA

CATTGTTAAGGGCGGCG

CGCCGCCCTTAACAATGT

TGCCGCTAGGGCAGCGC

GCCGCCCTTAACAATGTT

GCCGCTAGGGCAGCGCG

GCCGCCCTTAACAATGTT

GCCGCTAGGGCAGCGC

TCAACCGGCGCCTCTATC

CCTTCAACGCGTTCCGC

CCGGCGCCTCTATCCCTTC

AACGCGTTCCGCTCGC

CCGGCGCCTCTATCCCTT

CAACGCGTTCCGC

GGATGGTGCGCCCCGAGC

GCGACAAGATTGGCGAC

GATGGTGCGCCCCGAGCG

CGACAAGATTGGCGACA

GATGGTGCGCCCCGAGC

GCGACAAGATTGGCGAC

TCTCGTCGCCTGTGCCGTG

GAGGTGCGCCACCGGA

CGTCGCCTGTGCCGTGGA

GGTGCGCCACCGGAAAC

CGTCGCCTGTGCCGTGGA

GGTGCGCCACCGGA

TCATGAAGACGTGTCTTG

AGAACGTGAACGCCGTT

AAGACGTGTCTTGAGAAC

GTGAACGCCGTTCTCAG

AAGACGTGTCTTGAGAA

CGTGAACGCCGTT

GGATCGGCGACGATGCCGAACGCCTTGCGGCGGAC

TCGGCGACGATGCCGAACGCCTTGCGGCGGACGGT

TCGGCGACGATGCCGAACGCCTTGCGGCGGAC

TGCTGGCGCACCGCAACG

CGGACGTGCGGGACCTC

CTGGCGCACCGCAACGCG

GACGTGCGGGACCTCAA

CTGGCGCACCGCAACGC

GGACGTGCGGGACCTC

TGACGGTCGCGCGGATCT

GATGCGTGTTGCGCAGT

CGGTCGCGCGGATCTGAT

GCGTGTTGCGCAGTTCC

CGGTCGCGCGGATCTGAT

GCGTGTTGCGCAGT

ACTGCGCAACACGCATCA

GATCCGCGCGACCGTCA

CGCAACACGCATCAGATC

CGCGCGACCGTCAAACA

CGCAACACGCATCAGAT

CCGCGCGACCGTCA

GTTCGATTTCCGAAAATCT

TCAATTACGGAACGTC

TCGATTTCCGAAAATCTT

CAATTACGGAACGTCGC

TCGATTTCCGAAAATCTT

CAATTACGGAACGTC

TTACGGCGGGTGTCTCTG

GCACGATCCTGCTTTGC

ACGGCGGGTGTCTCTGGC

ACGATCCTGCTTTGCCA

ACGGCGGGTGTCTCTGGC

ACGATCCTGCTTTGC

GACGCTAGACATGTTCAA

TCTCCAAACCTTGCCTA

ACGCTAGACATGTTCAAT

CTCCAAACCTTGCCTAT

ACGCTAGACATGTTCAAT

CTCCAAACCTTGCCTA

TCGTATATATTATCATTCA

GGGTATATAAACAAAG

ATATATTATCATTCAGGG

TATATAAACAAAGAATA

ATATATTATCATTCAGGG

TATATAAACAAAG

ACGCCGCCCTTAACAATG

TTGCCGCTAGGGCAGCG

CGCCGCCCTTAACAATGT

TGCCGCTAGGGCAGCGC

CGCCGCCCTTAACAATGT

TGCCGCTAGGGCAGCG

ACGCCGCCCTTAACAATG

TTGCCGCTAGGGCAGCG

GCCGCCCTTAACAATGTT

GCCGCTAGGGCAGCGCG

GCCGCCCTTAACAATGTT

GCCGCTAGGGCAGCG

ATTGCATAGGGCACCATC

CGGGATGCCGTCCCCTC

TTGCATAGGGCACCATCC

GGGATGCCGTCCCCTCC

TTGCATAGGGCACCATCC

GGGATGCCGTCCCCTC

CGCGCTGCCCTAGCGGCAACATTGTTAAGGGCGGC

GCGCTGCCCTAGCGGCAACATTGTTAAGGGCGGCG

GCGCTGCCCTAGCGGCAACATTGTTAAGGGCGGC

CGCGCTGCCCTAGCGGCA

ACATTGTTAAGGGCGGC

CGCTGCCCTAGCGGCAAC

ATTGTTAAGGGCGGCGT

CGCTGCCCTAGCGGCAA

CATTGTTAAGGGCGGC

26

Lampiran 1 Lanjutan

GGCCTCAATCTCGGCCTG

ACCCGGATGGCGGAAGC

CAATCTCGGCCTGACCCG

GATGGCGGAAGCCTGCA

CAATCTCGGCCTGACCCG

GATGGCGGAAGC

GGATCGGCGACGATGCCG

AACGCCTTGCGGCGGAC

TCGGCGACGATGCCGAAC

GCCTTGCGGCGGACGGT

TCGGCGACGATGCCGAA

CGCCTTGCGGCGGAC

CAGCCGACTCTTTCGGGT

GAAGAAATGTCGGCCAG

GCCGACTCTTTCGGGTGA

AGAAATGTCGGCCAGAG

GCCGACTCTTTCGGGTGA

AGAAATGTCGGCCAG

TTGAGGTCCCGCACGTCC

GCGTTGCGGTGCGCCAG

GAGGTCCCGCACGTCCGC

GTTGCGGTGCGCCAGCA

GAGGTCCCGCACGTCCG

CGTTGCGGTGCGCCAG

GACAGCAATCTTCTGCGGCGTAGTGTCGAAACCAC

GCAATCTTCTGCGGCGTAGTGTCGAAACCACGGGT

GCAATCTTCTGCGGCGTAGTGTCGAAACCAC

GGCGCTGCTCGCCGAACT

GGGCATCGCCAAGGACA

CGCTGCTCGCCGAACTGG

GCATCGCCAAGGACACA

CGCTGCTCGCCGAACTGG

GCATCGCCAAGGACA

ACATCGCCCGCAGCAAGG

CGCTGACGCAATTCCGC

CGCCCGCAGCAAGGCGCT

GACGCAATTCCGCCAGG

CGCCCGCAGCAAGGCGC

TGACGCAATTCCGC

TCGACGGTGATGCCATCA

ACGCCATCCTTGCCGGC

GGTGATGCCATCAACGCC

ATCCTTGCCGGCGCCGG

GGTGATGCCATCAACGC

CATCCTTGCCGGC

CGAACGCGATATGGCGAT

TAGCGCCGATCGCATGG

ACGCGATATGGCGATTAG

CGCCGATCGCATGGCCC

ACGCGATATGGCGATTA

GCGCCGATCGCATGG

TCGAGACACACCTGAAAA

GGACTGCCGCGAAAGCG

AGACACACCTGAAAAGG

ACTGCCGCGAAAGCGCGT

AGACACACCTGAAAAGG

ACTGCCGCGAAAGCG

TGCTCGATCTGGCCGGCC

AGGGTGTGGCCGTCATA

GCTCGATCTGGCCGGCCA

GGGTGTGGCCGTCATAG

GCTCGATCTGGCCGGCCA

GGGTGTGGCCGTCATA

ATCGGTCGCGCCGGCGGT

ATCGGTATAATGCTCGG

TCGGTCGCGCCGGCGGTA

TCGGTATAATGCTCGGC

TCGGTCGCGCCGGCGGT

ATCGGTATAATGCTCGG

GCGACGTTCCGTAATTGA

AGATTTTCGGAAATCGA

GACGTTCCGTAATTGAAG

ATTTTCGGAAATCGAAC

GACGTTCCGTAATTGAAG

ATTTTCGGAAATCGA

TCGAGCCGGGTTACGCCA

AAGGCGAGGACATCGGA

CCGGGTTACGCCAAAGGC

GAGGACATCGGATCTCT

CCGGGTTACGCCAAAGG

CGAGGACATCGGA

GCACTGGCAGGATAGCAGCCAAGGCGCGCGGTGTG

GGCAGGATAGCAGCCAAGGCGCGCGGTGTGCGCTT

GGCAGGATAGCAGCCAAGGCGCGCGGTGTG

ATGGCATGACCATCGTGA

CCCGCAACGTCGCGGAC

GGCATGACCATCGTGACC

CGCAACGTCGCGGACTT

GGCATGACCATCGTGAC

CCGCAACGTCGCGGAC

AAGTCCGCGACGTTGCGG

GTCACGATGGTCATGCC

GTCCGCGACGTTGCGGGT

CACGATGGTCATGCCAT

GTCCGCGACGTTGCGGGT

CACGATGGTCATGCC

GCCCAAAGCGCACACCGC

GCGCCTTGGCTGCTATC

AAGCGCACACCGCGCGCC

TTGGCTGCTATCCTGCC

AAGCGCACACCGCGCGC

CTTGGCTGCTATC

GATAGCAGCCAAGGCGCG

CGGTGTGCGCTTTGGGC

AGCAGCCAAGGCGCGCG

GTGTGCGCTTTGGGCCGC

AGCAGCCAAGGCGCGCG

GTGTGCGCTTTGGGC

CTCTGGCCGACATTTCTTC

ACCCGAAAGAGTCGGC

CTGGCCGACATTTCTTCA

CCCGAAAGAGTCGGCTG

CTGGCCGACATTTCTTCA

CCCGAAAGAGTCGGC

TCCCGGTTTCCGGTGGCG

CACCTCCACGGCACAGG

GTTTCCGGTGGCGCACCT

CCACGGCACAGGCGACG

GTTTCCGGTGGCGCACCT

CCACGGCACAGG

ATAGGCAAGGTTTGGAGA

TTGAACATGTCTAGCGT

TAGGCAAGGTTTGGAGAT

TGAACATGTCTAGCGTC

TAGGCAAGGTTTGGAGA

TTGAACATGTCTAGCGT

CCGCCCGCGCCCCACCGA

CCAGAGTCGGATCAGCC

CCCGCGCCCCACCGACCA

GAGTCGGATCAGCCGCC

CCCGCGCCCCACCGACC

AGAGTCGGATCAGCC

GGGCCATGCGATCGGCGC

TAATCGCCATATCGCGT

CCATGCGATCGGCGCTAA

TCGCCATATCGCGTTCG

CCATGCGATCGGCGCTA

ATCGCCATATCGCGT

AGATCGATTCCGCCTATC

CGCCTATTTGAAGAAGC

GATCGATTCCGCCTATCC

GCCTATTTGAAGAAGCG

GATCGATTCCGCCTATCC

GCCTATTTGAAGAAGC

CGCGGCCTGTGCCGCCTATCTCGAAAGCGCCCGCT

CCTGTGCCGCCTATCTCGAAAGCGCCCGCTGGAAT

CCTGTGCCGCCTATCTCGAAAGCGCCCGCT

TTCCAGGAGAGGCCCGCG

GCGAAGCACTGACCGGA

AGGAGAGGCCCGCGGCG

AAGCACTGACCGGATCCA

AGGAGAGGCCCGCGGCG

AAGCACTGACCGGA

27

Lampiran 1 Lanjutan

GCACTAGCTCGTCCGGTG

TGATCCGCAGCACCGTT

CTAGCTCGTCCGGTGTGA

TCCGCAGCACCGTTCCA

CTAGCTCGTCCGGTGTGA

TCCGCAGCACCGTT

TGCCCTGGTCGCGTTCGTC

GCCGCACAGGTCGACG

CCCTGGTCGCGTTCGTCG

CCGCACAGGTCGACGTC

CCCTGGTCGCGTTCGTCG

CCGCACAGGTCGACG

GGAACTGCGCAACACGCA

TCAGATCCGCGCGACCG

ACTGCGCAACACGCATCA

GATCCGCGCGACCGTCA

ACTGCGCAACACGCATC

AGATCCGCGCGACCG

CGACGGTCAGGGCCACGA

TCCACCCCAGCAGCCGC

GTCAGGGCCACGATCCAC

CCCAGCAGCCGCCAGCT

GTCAGGGCCACGATCCA

CCCCAGCAGCCGC

AAAATTCCTAAATTATTTAAAAATATTGACATTTT

ATTCCTAAATTATTTAAAAATATTGACATTTTATA

ATTCCTAAATTATTTAAAAATATTGACATTTT

AAGAAGATTTCAACATAA

ACTGTCAGAATGCTATT

GATTTCAACATAAACTGT

CAGAATGCTATTATTGC

GATTTCAACATAAACTGT

CAGAATGCTATT

GGCAGTTTTGCGCACCAG

CAACCGCCTTCAGGCTG

CAGTTTTGCGCACCAGCA

ACCGCCTTCAGGCTGGC

CAGTTTTGCGCACCAGCA

ACCGCCTTCAGGCTG

ATCAAACCTTGCCTATCC

GGTTGACTCCCATACCT

ACCTTGCCTATCCGGTTG

ACTCCCATACCTACTAG

ACCTTGCCTATCCGGTTG

ACTCCCATACCT

CGATGGACAGCCCGTCCG

CGTCGGCTGGGCGGCCG

ATGGACAGCCCGTCCGCG

TCGGCTGGGCGGCCGTG

ATGGACAGCCCGTCCGC

GTCGGCTGGGCGGCCG

TGAGCCGCGAGGATCACG

GGTCGCGTTACGTCCCG

CCGCGAGGATCACGGGTC

GCGTTACGTCCCGCAGC

CCGCGAGGATCACGGGT

CGCGTTACGTCCCG

TTTCCGACTATCTCGGATA

ATACGTATCCGACCAC

GACTATCTCGGATAATAC

GTATCCGACCACTTGCT

GACTATCTCGGATAATAC

GTATCCGACCAC

CTGTCCGATCCCGCTCTGC

GCCAGCGCAGTCATGC

TCCGATCCCGCTCTGCGC

CAGCGCAGTCATGCCGG

TCCGATCCCGCTCTGCGC

CAGCGCAGTCATGC

GCAGATAGGTCTCGAACG

CCTGGTAATCGCGGCTG

AGATAGGTCTCGAACGCC

TGGTAATCGCGGCTGCC

AGATAGGTCTCGAACGC

CTGGTAATCGCGGCTG

GGCCGACAGGTCGAGAGC

GATCGCGGTGAGCACGG

GACAGGTCGAGAGCGATC

GCGGTGAGCACGGCATG

GACAGGTCGAGAGCGAT

CGCGGTGAGCACGG

GACCGTAGCGCCAATTCGCTCTGCGGATTCGTCGA

CCGTAGCGCCAATTCGCTCTGCGGATTCGTCGAAA

CCGTAGCGCCAATTCGCTCTGCGGATTCGTCGA

TATTCTTTGTTTATATACC

CTGAATGATAATATAT

CTTTGTTTATATACCCTGA

ATGATAATATATACGA

CTTTGTTTATATACCCTG

AATGATAATATAT

TTGGATTGATTGGTTCGA

ACGGTTCGGGAAAGACA

ATTGATTGGTTCGAACGG

TTCGGGAAAGACAACGC

ATTGATTGGTTCGAACGG

TTCGGGAAAGACA

AACATCACCGGCACCTTC

GTCCTGCTCGAGGCCGC

TCACCGGCACCTTCGTCC

TGCTCGAGGCCGCCCGC

TCACCGGCACCTTCGTCC

TGCTCGAGGCCGC

CAGAGGAGGGTTTGCGCG

CCTATGCCGAGCGCGAT

AGAGGAGGGTTTGCGCGC

CTATGCCGAGCGCGATG

AGAGGAGGGTTTGCGCG

CCTATGCCGAGCGCGAT

TCCACATCTTTCTGTGCCA

TTCCCCGCCTATCGGC

CCACATCTTTCTGTGCCAT

TCCCCGCCTATCGGCG

CCACATCTTTCTGTGCCA

TTCCCCGCCTATCGGC

CCGAACGACGCGGCCTGT

GCCGCCTATCTCGAAAG

GAACGACGCGGCCTGTGC

CGCCTATCTCGAAAGCG

GAACGACGCGGCCTGTG

CCGCCTATCTCGAAAG

CTTTCGAGATAGGCGGCA

CAGGCCGCGTCGTTCGG

TTTCGAGATAGGCGGCAC

AGGCCGCGTCGTTCGGG

TTTCGAGATAGGCGGCA

CAGGCCGCGTCGTTCGG

AGCAAGTGGTCGGATACG

TATTATCCGAGATAGTC

GTGGTCGGATACGTATTA

TCCGAGATAGTCGGAAA

GTGGTCGGATACGTATTA

TCCGAGATAGTC

TCGGTCGGTGTCGGTCTC

GATGGCGGATTATGCTG

GTCGGTGTCGGTCTCGAT

GGCGGATTATGCTGCCG

GTCGGTGTCGGTCTCGAT

GGCGGATTATGCTG

GTCTGAACTCTTGGAGCG

GCGTGAAGCAATTCGTC

TCTGAACTCTTGGAGCGG

CGTGAAGCAATTCGTCG

TCTGAACTCTTGGAGCGG

CGTGAAGCAATTCGTC

CTCCCTTTGATGTCGAACATCATGCGTTTGGCGTG

CCCTTTGATGTCGAACATCATGCGTTTGGCGTGGA

CCCTTTGATGTCGAACATCATGCGTTTGGCGTG

ATCTGCGCACCGGTAACC

CCGTCACCGACAAAGCG

TCTGCGCACCGGTAACCC

CGTCACCGACAAAGCGG

TCTGCGCACCGGTAACCC

CGTCACCGACAAAGCG

28

Lampiran 1 Lanjutan

CGACGAATTGCTTCACGC

CGCTCCAAGAGTTCAGA

GACGAATTGCTTCACGCC

GCTCCAAGAGTTCAGAC

GACGAATTGCTTCACGCC

GCTCCAAGAGTTCAGA

TGGCAAAGCAGGATCGTG

CCAGAGACACCCGCCGT

GCAAAGCAGGATCGTGCC

AGAGACACCCGCCGTAA

GCAAAGCAGGATCGTGC

CAGAGACACCCGCCGT

CGCTCGGCAATATCCAGC

AGATCGCGGGTGGAGCG

CTCGGCAATATCCAGCAG

ATCGCGGGTGGAGCGGG

CTCGGCAATATCCAGCA

GATCGCGGGTGGAGCG

CGCTCCACCCGCGATCTG

CTGGATATTGCCGAGCG

GCTCCACCCGCGATCTGC

TGGATATTGCCGAGCGG

GCTCCACCCGCGATCTGC

TGGATATTGCCGAGCG

CCTACCAGGTGCGCGATCCCGAGCGCTACGGCGTC

CTACCAGGTGCGCGATCCCGAGCGCTACGGCGTCG

CTACCAGGTGCGCGATCCCGAGCGCTACGGCGTC

GCGGGCGGCCTCGAGCAG

GACGAAGGTGCCGGTGA

GCGGCCTCGAGCAGGACG

AAGGTGCCGGTGATGTT

GCGGCCTCGAGCAGGAC

GAAGGTGCCGGTGA

CGCTACCGCGCAGCTCTC

GCCGGACTCAAACACCT

CTACCGCGCAGCTCTCGC

CGGACTCAAACACCTCC

CTACCGCGCAGCTCTCGC

CGGACTCAAACACCT

GCGCGACCGATCATGTCT

TCGGTCTCTGCCATCTG

CGCGACCGATCATGTCTT

CGGTCTCTGCCATCTGC

CGCGACCGATCATGTCTT

CGGTCTCTGCCATCTG

CAGGCTCGCCAGGGACAG

CTCGTCGGCTGCCCCGA

CTCGCCAGGGACAGCTCG

TCGGCTGCCCCGAGGAA

CTCGCCAGGGACAGCTC

GTCGGCTGCCCCGA

CGTCGCCTGTGCCGTGGA

GGTGCGCCACCGGAAAC

CCTGTGCCGTGGAGGTGC

GCCACCGGAAACCGGGA

CCTGTGCCGTGGAGGTGC

GCCACCGGAAAC

GTTTCCGGTGGCGCACCT

CCACGGCACAGGCGACG

TCCGGTGGCGCACCTCCA

CGGCACAGGCGACGAGA

TCCGGTGGCGCACCTCCA

CGGCACAGGCGACG

CGTCGCCTGTGCCGTGGA

GGTGCGCCACCGGAAAC

CCTGTGCCGTGGAGGTGC

GCCACCGGAAACCGGGA

CCTGTGCCGTGGAGGTGC

GCCACCGGAAAC

GACGAACGCGTCCCGCGT

AGCGACCGTCTTTCCGA

GAACGCGTCCCGCGTAGC

GACCGTCTTTCCGATTG

GAACGCGTCCCGCGTAG

CGACCGTCTTTCCGA

TCGCCTGTGATGAGCGTC

AGCACCTGATCCGGCCG

CGCCTGTGATGAGCGTCA

GCACCTGATCCGGCCGC

CGCCTGTGATGAGCGTCA

GCACCTGATCCGGCCG

TCGCCTGTGATGAGCGTCAGCACCTGATCCGGCCG

CTGTGATGAGCGTCAGCACCTGATCCGGCCGCTCC

CTGTGATGAGCGTCAGCACCTGATCCGGCCG

CCCGCTCCACCCGCGATC

TGCTGGATATTGCCGAG

CGCTCCACCCGCGATCTG

CTGGATATTGCCGAGCG

CGCTCCACCCGCGATCTG

CTGGATATTGCCGAG

CCCGCTCCACCCGCGATC

TGCTGGATATTGCCGAG

GCTCCACCCGCGATCTGC

TGGATATTGCCGAGCGG

GCTCCACCCGCGATCTGC

TGGATATTGCCGAG

GCTGCGGGACGTAACGCG

ACCCGTGATCCTCGCGG

CGGGACGTAACGCGACCC

GTGATCCTCGCGGCTCA

CGGGACGTAACGCGACC

CGTGATCCTCGCGG

CCGCGAGGATCACGGGTC

GCGTTACGTCCCGCAGC

GAGGATCACGGGTCGCGT

TACGTCCCGCAGCGTGA

GAGGATCACGGGTCGCG

TTACGTCCCGCAGC

GTGGAGTTGGGAACACAC

AATGGTGTGTCCTATGC

AGTTGGGAACACACAATG

GTGTGTCCTATGCTGCA

AGTTGGGAACACACAAT

GGTGTGTCCTATGC

ATTGATTGGTTCGAACGG

TTCGGGAAAGACAACGC

TGATTGGTTCGAACGGTT

CGGGAAAGACAACGCTT

TGATTGGTTCGAACGGTT

CGGGAAAGACAACGC

GCGTTGTCTTTCCCGAACC

GTTCGAACCAATCAAT

TGTCTTTCCCGAACCGTTC

GAACCAATCAATCCAA

TGTCTTTCCCGAACCGTT

CGAACCAATCAAT

CAATCGGAAAGACGGTCG

CTACGCGGGACGCGTTC

TCGGAAAGACGGTCGCTA

CGCGGGACGCGTTCGTC

TCGGAAAGACGGTCGCT

ACGCGGGACGCGTTC

CTAGTAGGTATGGGAGTC

AACCGGATAGGCAAGGT

AGGTATGGGAGTCAACCG

GATAGGCAAGGTTTGAT

AGGTATGGGAGTCAACC

GGATAGGCAAGGT

TCGCCGAAATCGAGGGGA

GGTTAACGCGTGAGACA

CGCCGAAATCGAGGGGA

GGTTAACGCGTGAGACAG

CGCCGAAATCGAGGGGA

GGTTAACGCGTGAGACA

TGGCAAGGATGACGGCGGATGTGCTCTTTCCGGCG

GGCAAGGATGACGGCGGATGTGCTCTTTCCGGCGC

GGCAAGGATGACGGCGGATGTGCTCTTTCCGGCG

GCAGATAGGTCTCGAACG

CCTGGTAATCGCGGCTG

AGATAGGTCTCGAACGCC

TGGTAATCGCGGCTGCC

AGATAGGTCTCGAACGC

CTGGTAATCGCGGCTG

29

Lampiran 1 Lanjutan

CTATGACGGCCACACCCT

GGCCGGCCAGATCGAGC

TATGACGGCCACACCCTG

GCCGGCCAGATCGAGCA

TATGACGGCCACACCCTG

GCCGGCCAGATCGAGC

GGATTCTTGGGAAGGCAA

CCGATTCGGAGGTTGTC

TTCTTGGGAAGGCAACCG

ATTCGGAGGTTGTCATG

TTCTTGGGAAGGCAACC

GATTCGGAGGTTGTC

CTAGAAGGCCTGAAGTAA

CGAAACGGCCTGCGCTG

AGAAGGCCTGAAGTAACG

AAACGGCCTGCGCTGTA

AGAAGGCCTGAAGTAAC

GAAACGGCCTGCGCTG

AGCTGGCGGCTGCTGGGG

TGGATCGTGGCCCTGAC

GCGGCTGCTGGGGTGGAT

CGTGGCCCTGACCGTCG

GCGGCTGCTGGGGTGGA

TCGTGGCCCTGAC

GTGTGTCCTATGCTGCATTCTGCGACGCAGTATTA

GTCCTATGCTGCATTCTGCGACGCAGTATTACGTG

GTCCTATGCTGCATTCTGCGACGCAGTATTA

TTGCCTTCCCAAGAATCCC

AAATCCCGCCGGTCGG

CTTCCCAAGAATCCCAAA

TCCCGCCGGTCGGGAAT

CTTCCCAAGAATCCCAAA

TCCCGCCGGTCGG

GCGGCCGGATCAGGTGCT

GACGCTCATCACAGGCG

CGGCCGGATCAGGTGCTG

ACGCTCATCACAGGCGA

CGGCCGGATCAGGTGCT

GACGCTCATCACAGGCG

CGCCTGTGATGAGCGTCA

GCACCTGATCCGGCCGC

CTGTGATGAGCGTCAGCA

CCTGATCCGGCCGCTCC

CTGTGATGAGCGTCAGC

ACCTGATCCGGCCGC

TCTCGCCGATCGGCTGGG

AGCATGTGAACCTGACC

CCGATCGGCTGGGAGCAT

GTGAACCTGACCGGCGA

CCGATCGGCTGGGAGCA

TGTGAACCTGACC

GCAGCGAGCGGAACGCGT

TGAAGGGATAGAGGCGC

GCGAGCGGAACGCGTTGA

AGGGATAGAGGCGCCGG

GCGAGCGGAACGCGTTG

AAGGGATAGAGGCGC

GGAGCGGCCGGATCAGGT

GCTGACGCTCATCACAG

CGGCCGGATCAGGTGCTG

ACGCTCATCACAGGCGA

CGGCCGGATCAGGTGCT

GACGCTCATCACAG

GGAGCGGCCGGATCAGGT

GCTGACGCTCATCACAG

GCGGCCGGATCAGGTGCT

GACGCTCATCACAGGCG

GCGGCCGGATCAGGTGC

TGACGCTCATCACAG

TCCGCCCGCCCCTTCTCCG

CCACAGCCCGGAATTC

CCGCCCCTTCTCCGCCAC

AGCCCGGAATTCCTCGA

CCGCCCCTTCTCCGCCAC

AGCCCGGAATTC

GCGACTCTGAAACCTGCC

TTTGCTACTGACCTCGT

CGACTCTGAAACCTGCCT

TTGCTACTGACCTCGTC

CGACTCTGAAACCTGCCT

TTGCTACTGACCTCGT

CGTGACGAAACCCGCACCGTCTCCGTCTTCGATCC

ACGAAACCCGCACCGTCTCCGTCTTCGATCCCGCC

ACGAAACCCGCACCGTCTCCGTCTTCGATCC

CGTGACGAAACCCGCACC

GTCTCCGTCTTCGATCC

GACGAAACCCGCACCGTC

TCCGTCTTCGATCCCGC

GACGAAACCCGCACCGT

CTCCGTCTTCGATCC

TGAAATTGGACGGCCGAC

ATTCCGGGCGTCTGGCT

ATTGGACGGCCGACATTC

CGGGCGTCTGGCTGGCG

ATTGGACGGCCGACATTC

CGGGCGTCTGGCT

AATGCTCGGGAGCGTTAT

ACGCGAAGCGTGAATGA

ATGCTCGGGAGCGTTATA

CGCGAAGCGTGAATGAC

ATGCTCGGGAGCGTTATA

CGCGAAGCGTGAATGA

GCAGGCGAACCCTCCATT

CCAGCGGGCGCTTTCGA

CGAACCCTCCATTCCAGC

GGGCGCTTTCGAGATAG

CGAACCCTCCATTCCAGC

GGGCGCTTTCGA

TCGAAAGCGCCCGCTGGA

ATGGAGGGTTCGCCTGC

AGCGCCCGCTGGAATGGA

GGGTTCGCCTGCCCAAG

AGCGCCCGCTGGAATGG

AGGGTTCGCCTGC

CGCCTATCTCGAAAGCGC

CCGCTGGAATGGAGGGT

CTATCTCGAAAGCGCCCG

CTGGAATGGAGGGTTCG

CTATCTCGAAAGCGCCCG

CTGGAATGGAGGGT

TGTGTCCTTGGCGATGCCC

AGTTCGGCGAGCAGCG

TGTCCTTGGCGATGCCCA

GTTCGGCGAGCAGCGCC

TGTCCTTGGCGATGCCCA

GTTCGGCGAGCAGCG

TTTCGACGAATCCGCAGA

GCGAATTGGCGCTACGG

TCGACGAATCCGCAGAGC

GAATTGGCGCTACGGTC

TCGACGAATCCGCAGAG

CGAATTGGCGCTACGG

ACCTGAAGACCTGGATCA

ACGGCATCCATCACGGG

GAAGACCTGGATCAACGG

CATCCATCACGGGGTCA

GAAGACCTGGATCAACG

GCATCCATCACGGG

GACGAAACCCGCACCGTC

TCCGTCTTCGATCCCGC

ACGAAACCCGCACCGTCT

CCGTCTTCGATCCCGCC

ACGAAACCCGCACCGTC

TCCGTCTTCGATCCCGC

GCGGGATCGAAGACGGAGACGGTGCGGGTTTCGTC

GGATCGAAGACGGAGACGGTGCGGGTTTCGTCACG

GGATCGAAGACGGAGACGGTGCGGGTTTCGTC

CGACGCCGTAGCGCTCGG

GATCGCGCACCTGGTAG

GACGCCGTAGCGCTCGGG

ATCGCGCACCTGGTAGG

GACGCCGTAGCGCTCGG

GATCGCGCACCTGGTAG

30

Lampiran 1 Lanjutan

ACTGCCCCTGTTTATTGGT

GTTGTCGAAATTCAAC

CTGCCCCTGTTTATTGGTG

TTGTCGAAATTCAACT

CTGCCCCTGTTTATTGGT

GTTGTCGAAATTCAAC

CTTGGGCAGGCGAACCCT

CCATTCCAGCGGGCGCT

GCAGGCGAACCCTCCATT

CCAGCGGGCGCTTTCGA

GCAGGCGAACCCTCCATT

CCAGCGGGCGCT

TTATTTTCAAGATGGTTCT

ATTGATCTTCTTCACA

TATTTTCAAGATGGTTCTA

TTGATCTTCTTCACAT

TATTTTCAAGATGGTTCT

ATTGATCTTCTTCACA

TGCAGCATAGGACACACC

ATTGTGTGTTCCCAACT

GCATAGGACACACCATTG

TGTGTTCCCAACTCCAC

GCATAGGACACACCATT

GTGTGTTCCCAACT

TCCACGCCAAACGCATGATGTTCGACATCAAAGGG

CACGCCAAACGCATGATGTTCGACATCAAAGGGAG

CACGCCAAACGCATGATGTTCGACATCAAAGGG

TCGAGGAATTCCGGGCTG

TGGCGGAGAAGGGGCGG

GAATTCCGGGCTGTGGCG

GAGAAGGGGCGGGCGGA

GAATTCCGGGCTGTGGC

GGAGAAGGGGCGG

ACGCGCTTTCGCGGCAGT

CCTTTTCAGGTGTGTCT

CGCTTTCGCGGCAGTCCT

TTTCAGGTGTGTCTCGA

CGCTTTCGCGGCAGTCCT

TTTCAGGTGTGTCT

GCATGAAGCCTGTGGCCC

GTGGCTCCGGTCGCAGT

ATGAAGCCTGTGGCCCGT

GGCTCCGGTCGCAGTGC

ATGAAGCCTGTGGCCCGT

GGCTCCGGTCGCAGT

ATGGCGGACGCCTCGCGC

GGTCTCAGCTATCACCA

GCGGACGCCTCGCGCGGT

CTCAGCTATCACCACCT

GCGGACGCCTCGCGCGG

TCTCAGCTATCACCA

CGCCGATAGGCGGGGAAT

GGCACAGAAAGATGTGG

GCCGATAGGCGGGGAATG

GCACAGAAAGATGTGGA

GCCGATAGGCGGGGAAT

GGCACAGAAAGATGTGG

TCGCCGGTCAGGTTCACA

TGCTCCCAGCCGATCGG

GGTCAGGTTCACATGCTC

CCAGCCGATCGGCGAGA

GGTCAGGTTCACATGCTC

CCAGCCGATCGG

CCTGCGCTGTAGCATAAG

CGGACAAAGTGGGAACG

TGCGCTGTAGCATAAGCG

GACAAAGTGGGAACGTT

TGCGCTGTAGCATAAGC

GGACAAAGTGGGAACG

GGAGGGGACGGCATCCCG

GATGGTGCCCTATGCAA

GAGGGGACGGCATCCCGG

ATGGTGCCCTATGCAAT

GAGGGGACGGCATCCCG

GATGGTGCCCTATGCAA

CACGTAATACTGCGTCGC

AGAATGCAGCATAGGAC

TAATACTGCGTCGCAGAA

TGCAGCATAGGACACAC

TAATACTGCGTCGCAGA

ATGCAGCATAGGAC

CGCCAGCCAGACGCCCGGAATGTCGGCCGTCCAAT

AGCCAGACGCCCGGAATGTCGGCCGTCCAATTTCA

AGCCAGACGCCCGGAATGTCGGCCGTCCAAT

GCCCGGCAAGGCGGGCTT

TTGCATGTCTAGGCGGA

CCGGCAAGGCGGGCTTTT

GCATGTCTAGGCGGATT

CCGGCAAGGCGGGCTTTT

GCATGTCTAGGCGGA

TGTTTGACGGTCGCGCGG

ATCTGATGCGTGTTGCG

TGACGGTCGCGCGGATCT

GATGCGTGTTGCGCAGT

TGACGGTCGCGCGGATCT

GATGCGTGTTGCG

CCGCTCGGCAATATCCAG

CAGATCGCGGGTGGAGC

CGCTCGGCAATATCCAGC

AGATCGCGGGTGGAGCG

CGCTCGGCAATATCCAGC

AGATCGCGGGTGGAGC

CCGCTCGGCAATATCCAG

CAGATCGCGGGTGGAGC

CTCGGCAATATCCAGCAG

ATCGCGGGTGGAGCGGG

CTCGGCAATATCCAGCA

GATCGCGGGTGGAGC

TGACCCCGTGATGGATGC

CGTTGATCCAGGTCTTC

CCCGTGATGGATGCCGTT

GATCCAGGTCTTCAGGT

CCCGTGATGGATGCCGTT

GATCCAGGTCTTC

GCGTGAGGCGGTTCGCCA

GTTGCGCCGGCGGGTGA

AGGCGGTTCGCCAGTTGC

GCCGGCGGGTGACGATT

AGGCGGTTCGCCAGTTGC

GCCGGCGGGTGA

GTCATTCACGCTTCGCGTA

TAACGCTCCCGAGCAT

TCATTCACGCTTCGCGTAT

AACGCTCCCGAGCATT

TCATTCACGCTTCGCGTA

TAACGCTCCCGAGCAT

TCACGGGAGATCCTTCGA

TTCTTCCTCAACAACCC

CACGGGAGATCCTTCGAT

TCTTCCTCAACAACCCT

CACGGGAGATCCTTCGAT

TCTTCCTCAACAACCC

CGGCAGCATAATCCGCCA

TCGAGACCGACACCGAC

CAGCATAATCCGCCATCG

AGACCGACACCGACCGA

CAGCATAATCCGCCATCG

AGACCGACACCGAC

GCGGGATCGGTGGCGGCG

AGGGTGGCGGCGATCGT

GGGATCGGTGGCGGCGAG

GGTGGCGGCGATCGTCT

GGGATCGGTGGCGGCGA

GGGTGGCGGCGATCGT

GCTCTGGCTCATTGATGCGTTCGCGATCTCTCTAC

CTCTGGCTCATTGATGCGTTCGCGATCTCTCTACT

CTCTGGCTCATTGATGCGTTCGCGATCTCTCTAC

GTAGAGAGATCGCGAACG

CATCAATGAGCCAGAGC

GAGAGATCGCGAACGCAT

CAATGAGCCAGAGCAAG

GAGAGATCGCGAACGCA

TCAATGAGCCAGAGC

31

Lampiran 1 Lanjutan

AATCCGCCTAGACATGCA

AAAGCCCGCCTTGCCGG

TCCGCCTAGACATGCAAA

AGCCCGCCTTGCCGGGC

TCCGCCTAGACATGCAA

AAGCCCGCCTTGCCGG

ACACCGCGGGTAATGAGT

TCATCGGCGATCGCACG

GCGGGTAATGAGTTCATC

GGCGATCGCACGGGCAT

GCGGGTAATGAGTTCATC

GGCGATCGCACG

ACCCGTGGTTTCGACACT

ACGCCGCAGAAGATTGC

GTGGTTTCGACACTACGC

CGCAGAAGATTGCTGTC

GTGGTTTCGACACTACGC

CGCAGAAGATTGC

GTGCCGATGGTAGGATAT

CATGGAACAGAACGTGA

CCGATGGTAGGATATCAT

GGAACAGAACGTGAGCG

CCGATGGTAGGATATCAT

GGAACAGAACGTGA

GCACAGGCTGGCTTGCAGCGCCTATAAAGTTGGTG

AGGCTGGCTTGCAGCGCCTATAAAGTTGGTGCCGC

AGGCTGGCTTGCAGCGCCTATAAAGTTGGTG

TATTTTTAAATAATTTAGG

AATTTTTTCGATGGAA

TTTAAATAATTTAGGAAT

TTTTTCGATGGAACAAA

TTTAAATAATTTAGGAAT

TTTTTCGATGGAA

TCACGCTGCGGGACGTAA

CGCGACCCGTGATCCTC

GCTGCGGGACGTAACGCG

ACCCGTGATCCTCGCGG

GCTGCGGGACGTAACGC

GACCCGTGATCCTC

CATGACAACCTCCGAATC

GGTTGCCTTCCCAAGAA

GACAACCTCCGAATCGGT

TGCCTTCCCAAGAATCC

GACAACCTCCGAATCGG

TTGCCTTCCCAAGAA

CCACGCCGATCATCTCTC

GCTCGCGCTGCGCCAGG

CACGCCGATCATCTCTCG

CTCGCGCTGCGCCAGGC

CACGCCGATCATCTCTCG

CTCGCGCTGCGCCAGG

GAACGCAGTCACACGCCG

CTGTCGACTTGGTTCTG

ACGCAGTCACACGCCGCT

GTCGACTTGGTTCTGGG

ACGCAGTCACACGCCGC

TGTCGACTTGGTTCTG

ATCCCTCCAGACAAGGTA

ATCCCACTCGGCAATAG

TCCAGACAAGGTAATCCC

ACTCGGCAATAGCCATC

TCCAGACAAGGTAATCC

CACTCGGCAATAG

GGCCTTGCTGAGGAGCGG

GCGGCGCTAGCGCAGGA

CCTTGCTGAGGAGCGGGC

GGCGCTAGCGCAGGAGC

CCTTGCTGAGGAGCGGG

CGGCGCTAGCGCAGGA

ATGTGAAGAAGATCAATA

GAACCATCTTGAAAATA

TGTGAAGAAGATCAATAG

AACCATCTTGAAAATAA

TGTGAAGAAGATCAATA

GAACCATCTTGAAAATA

CCCGAACGACGCGGCCTG

TGCCGCCTATCTCGAAA

GAACGACGCGGCCTGTGC

CGCCTATCTCGAAAGCG

GAACGACGCGGCCTGTG

CCGCCTATCTCGAAA

CCCGAACGACGCGGCCTGTGCCGCCTATCTCGAAA

CCGAACGACGCGGCCTGTGCCGCCTATCTCGAAAG

CCGAACGACGCGGCCTGTGCCGCCTATCTCGAAA

AGAGATCCGATGTCCTCG

CCTTTGGCGTAACCCGG

TCCGATGTCCTCGCCTTTG

GCGTAACCCGGCTCGA

TCCGATGTCCTCGCCTTT

GGCGTAACCCGG

32

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 27 Oktober 1990 dari ayah

Michel Kamaludin dan ibu Heniati Sugiarto. Penulis merupakan putra pertama

dari dua bersaudara. Pada tahun 2009 penulis lulus dari SMA Regina Pacis

Jakarta dan pada tahun yang sama penulis masuk ke Institut Pertanian Bogor

melalui jalur SNMPTN dan diterima di Departemen Ilmu Komputer, Fakultas

Matematika dan Ilmu Pengetahuan Alam.

Selama mengikuti perkuliahan, penulis mengikuti beberapa kegiatan

kepanitian dengan skala departemen maupun kegiatan kepanitian terkait dengan

UKM. Beberapa kegiatan yang diikuti oleh penulis adalah sebagai panitia dalam

kegiatan perkenalan kampus dengan peserta mahasiswa ilmu komputer angkatan

47. Selain itu penulis juga menjadi asisten perkuliahan agama Katolik mulai dari

tahun 2010. Pada tahun ajaran 2010/2011 penulis menjadi ketua kegiatan Retreat

mahasiswa angkatan 47.