[Pada model hidden Markov (HMM), keadaan saat ini hanya bergantung padakeadaan tepat sebelumnya tetapi tidak bergantung pada observasi tepatsebelumnya. Pada skripsi ini dibahas mengenai tipe lain dari HMM yang disebutsebagai model hidden Markov dengan keadaan yang bergantung kepadaobservasi( Hidden Markov Model with States Sepending on Observations atauHMMSDO). Pada HMMSDO, keadaan saat ini bergantung pada keadaan danobservasi yang terjadi tepat sebelumnya dengan barisan keadaan tetap memenuhisifat Markov. Tiga masalah pada HMMSDO, yaitu masalah evaluasi model,optimisasi barisan keadaan, dan estimasi parameter. Pada skripsi ini akan dibahasmengenai HMMSDO, penggunaannya dalam prediksi struktur protein sekunder,beserta analisa implementasinya. Tiga prosedur dalam implementasi adalahestimasi parameter, menghitung likelihood, dan memprediksi barisan strukturprotein sekunder. Hasil implementasi menunjukkan adanya pengaruhi nilai awalprosentase keakuratan prediksi dan semakin besar jumlah data training, semakinbaik prosentase keakuratan yang dihasilkan. Data yang digunakan adalah dataprotein immunoglobin dan dapat diunduh padahttp://swift.cmbi.ru.nl/gv/pdbfinder/., In the standard hidden Markov model (HMM), the current state depends only onthe immediately preceeding state, but does not depend on the immediatelypreceeding observation. This skripsi presents a new type of hidden Markov modelwhich is called hidden Markov model with states depending on observations(HMMSDO). In HMMSDO, the current state depends on the immediatelypreceeding state and observation, and the state sequence has Markov property.Three problems in HMMSDO, which are model evaluation, state sequenceoptimization, and parameter estimation. This skripsi will gives explanationregarding HMMSDO, the implementation of it in predicting protein secondarystructures, and analization of the implementation. Three procedures in theimplementation are parameter estimation, computation of likelihood, andprediction of protein secondary structure. The implementation shows that initialparameter value affect the percentage accuracy of predicition and the biggeramount data training used will give better percentage accuracy of prediction. Datathat is used is protein from immunoglobin and can be downloaded athttp://swift.cmbi.ru.nl/gv/pdbfinder/.]