Skripsi ini membahas suatu metode yang biasa dikenal dengan nama DIALIGN untuk mencari penyejajaran terbaik dari dua barisan DNA. Algoritma ini berdasarkan pada perbandingan segmen dengan segmen bukan seperti yang biasa dilakukan yaitu perbandingan residu dengan residu. Selain itu, algoritma ini juga menghindari kesulitan dalam menentukan pemilihan untuk memberikan penalti yang tepat bagi gap. Pada DIALIGN, seluruh diagonaldiagonal yang mungkin dari input barisan yang diberikan akan diberi bobot dan dibandingkan dengan diagonal yang lain untuk mendapatkan diagonaldiagonal yang akan membentuk penyejajaran optimal. Penghitungan bobot dari diagonal berdasarkan pada probabilitas kesamaan residu pada diagonal. Setelah diperoleh skor maksimum, penyejajaran akan dibangun dengan cara menelusuri kembali komponen-komponen yang telah memproduksi skor maksimum. Penyejajaran yang telah dihasilkan merupakan sehimpunan diagonal-diagonal yang konsisten. Di akhir, algoritma DIALIGN diimplementasikan pada suatu program. Berdasarkan simulasi program, algoritma DIALIGN mampu memproduksi penyejajaran optimal dari sepasang barisan. Dan kinerja program sangat baik untuk barisan-barisan pendek.
This skripsi discusses a method known DIALIGN to find the best alignment of two DNA sequences. This algorithm is based on segment-tosegment comparison instead of the commonly used residue-to-residue comparison. Also, this algorithm avoids the wellknown difficulties concerning the choice of appropriate gap penalties. In DIALIGN, all possible diagonals of the input sequences will be weighted and compared to find the diagonals which compose optimal alignment. Diagonal weight is based on match probability of residues in the diagonal. Having the maximum score, the alignment will be constructed by tracing back the components which produce the maximum score. The resulted alignment can be considered as consistent collections of diagonals. In the final, the algorithm is implemented in a program. According to the simulation of the program, DIALIGN algorithm is able to produce optimal sequence alignment from a pair of sequence. And the program performs well on short sequences.