soal dan jawaban sofkil pengantar komputasi

Quiz ke 1
1. Apa yg kamu ketahui tentang Komputasi Modern?
2. Jelaskan sejarah Komputasi Modern?
jawaban
1.Komputasi adalah algoritma yang digunakan untuk menemukan suatu cara untuk memecahkan masalah dari sebuah data input. Komputasi ini merupakan bagian dari ilmu matematika dan ilmu komputer. Secara umum ilmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains)

Sedangkan komputasi modern merupakan sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer.



2.Salah satu tokoh yang sangat mempengaruhi perkembangan komputasi modern adalah John von Neumann (1903-1957), Beliau adalah ilmuan yang meletakkan dasar-dasar komputer modern. Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann meningkatkan karya-karyanya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.

Von Neumann dilahirkan di Budapest, Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Dia adalah anak pertama dari pasangan Neumann Miksa dan Kann Margit. Di sana, nama keluarga diletakkan di depan nama asli. Sehingga dalam bahasa Inggris, nama orang tuanya menjadi Max Neumann. Pada saat Max Neumann memperoleh gelar, maka namanya berubah menjadi Von Neumann. Setelah bergelar doktor dalam ilmu hukum, dia menjadi pengacara untuk sebuah bank. Pada tahun 1903, Budapest terkenal sebagai tempat lahirnya para manusia genius dari bidang sains, penulis, seniman dan musisi.


Qui ke 2

1. Apa yg kamu ketahui tentang Komputasi?
2. Apa yg kamu ketahui tentang Pararel Processing?
3. Bagaimana hubungan antara komputasi dengan pararel processing?
Jawaban
1. .Komputasi adalah algoritma yang digunakan untuk menemukan suatu cara untuk memecahkan masalah dari sebuah data input. Komputasi ini merupakan bagian dari ilmu matematika dan ilmu komputer. Secara umum ilmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains)

2.Parallel komputasi adalah melakukan perhitungan komputasi dengan menggunakan 2 atau lebih CPU/Processor dalam suatu komputer yang sama atau komputer yang berbeda dimana dalam hal ini setiap instruksi dibagi kedalam beberapa instruksi kemudian dikirim ke processor yang terlibat komputasi dan dilakukan secara bersamaan. Untuk proses pembagian proses komputasi tersebut dilakukan oleh suatu software yang betugas untuk mengatur komputasi dalam hal makalah ini akan digunakan Message Parsing Interface (MPI).

3. Hubungannya adalah sikomputasi mencari bagaimana algoritma penyelesaian / pemecahan / jalan keluar suatu permasalahan dan setelah jalan keluarnya ketemu, maka si parallel processing tadilah yang akan memproses dan menjalankan jalan keluar yang ditemukan tadi dengan CPU nya yang banyak terhadap satu penyelesaian yang sama sehingga penyelesaian permasalahan tadi cepat terselesaikan dengan si parallel processing ini. Pada sistem komputasi parallel terdiri dari beberapa unit prosesor dan beberapa unit memori. Ada dua teknik yang berbeda untuk mengakses data di unit memori, yaitu shared memory address dan message passing. Berdasarkan cara mengorganisasikan memori ini komputer paralel dibedakan menjadi shared memory parallel machine dan distributed memory parallel machine.


Quiz ke 3
1. Apa yg kamu ketahui tentang Bioninformatika dan jelaskan sejarah singkatnya?
2. Sebutkan cabang2 dari Bioinformatika dan penerapanya

Jawaban

1. Bioinformatika merupakan kajian yang memadukan disiplin biologi molekul,
matematika dan teknik informasi (TI). Ilmu ini didefinisikan sebagai aplikasi dari alat
komputasi dan analisa untuk menangkap dan menginterpretasikan data-data biologi
molekul. Biologi molekul sendiri juga merupakan bidang interdisipliner, mempelajari
kehidupan dalam level molekul.
Mula-mula bidang kajian ini muncul atas inisiatif para ahli biologi molekul dan
ahli statistik, berdasarkan pola pikir bahwa semua gejala yang ada di alam ini bisa dibuat
secara artificial melalui simulasi dari data-data yang ada. Pada bidang Bioinformatika,
data-data atau tindak-tanduk gejala genetika menjadi inti pembentukan simulasi.
Pada saat ini, Bioinformatika ini mempunyai peranan yang sangat penting,
diantaranya adalah untuk manajemen data-data biologi molekul, terutama sekuen DNA
dan informasi genetika . Perangkat utama Bioinformatika adalah software dan didukung
oleh kesediaan internet.
Bioinformatika mempunyai peluang yang sangat besar untuk berkembang karena
banyak sekali cabang-cabang ilmu yang terkait dengannya. Namun sayangnya di
Indonesia sendiri Bioinformatika masih belum dikenal oleh masyarakat luas. Di kalangan
peneliti biologi, mungkin hanya para peneliti biologi molekul yang mengikuti
perkembangannya karena keharusan menggunakan perangkat-perangkat Bioinformatika
untuk analisa data. Sementara di kalangan TI --mengingat kuatnya disiplin biologi yang
menjadi pendukungnya-- kajian ini juga masih kurang mendapat perhatian. Paper ini
bertujuan untuk lebih mengenalkan Bioinformatika di kalangan TI dan masyarakat luas.
Penetrasi Teknologi Informasi (TI) dalam berbagai disiplin ilmu telah
melipatgandakan perkembangan ilmu bersangkutan. Berbagai kajian baru bermunculan,
sejalan dengan perkembangan TI itu sendiri dan disiplin ilmu yang didukungnya.
Aplikasi TI dalam bidang biologi molekul telah melahirkan bidang Bioinformatika.
Kajian ini semakin penting, sebab perkembangannya telah mendorong kemajuan
bioteknologi di satu sisi, dan pada sisi lain memberi efek domino pada bidang
kedokteran, farmasi, lingkungan dan lainnya.
Kajian baru Bioinformatika ini tak lepas dari perkembangan biologi molekul
modern yang ditandai dengan kemampuan manusia untuk memahami genom, yaitu cetak
biru informasi genetik yang menentukan sifat setiap makhluk hidup yang disandi dalam
bentuk pita molekul DNA (asam deoksiribonukleat). Kemampuan untuk memahami dan
memanipulasi kode genetik DNA ini sangat didukung oleh TI melalui perangkat
perangkat keras maupun lunak. Hal ini bisa dilihat pada upaya Celera Genomics,
perusahaan bioteknologi Amerika Serikat yang melakukan pembacaan sekuen genom
manusia yang secara maksimal memanfaatkan TI sehingga bisa melakukan pekerjaannya
dalam waktu yang singkat (hanya beberapa tahun), dibanding usaha konsorsium lembaga
riset publik AS, Eropa, dan lain-lain, yang memakan waktu lebih dari 10 tahun.
Kelahiran Bioinformatika modern tak lepas dari perkembangan bioteknologi di
era tahun 70-an, dimana seorang ilmuwan AS melakukan inovasi dalam mengembangkan
teknologi DNA rekombinan. Berkat penemuan ini lahirlah perusahaan bioteknologi
pertama di dunia, yaitu Genentech di AS, yang kemudian memproduksi protein hormon
insulin dalam bakteri, yang dibutuhkan penderita diabetes. Selama ini insulin hanya bisa
didapatkan dalam jumlah sangat terbatas dari organ pankreas sapi.
Bioteknologi modern ditandai dengan kemampuan pada manipulasi DNA.
Rantai/sekuen DNA yang mengkode protein disebut gen. Gen ditranskripsikan menjadi
mRNA, kemudian mRNA ditranslasikan menjadi protein. Protein sebagai produk akhir
bertugas menunjang seluruh proses kehidupan, antara lain sebagai katalis reaksi biokimia
dalam tubuh (disebut enzim), berperan serta dalam sistem pertahanan tubuh melawan
virus, parasit dan lain-lain (disebut antibodi), menyusun struktur tubuh dari ujung kaki
(otot terbentuk dari protein actin, myosin, dan sebagainya) sampai ujung rambut (rambut
tersusun dari protein keratin), dan lain-lain. Arus informasi, DNA -> RNA -> Protein,
inilah yang disebut sentral dogma dalam biologi molekul.
Sekuen DNA satu organisme, yaitu pada sejenis virus yang memiliki kurang lebih
5.000 nukleotida/molekul DNA atau sekitar 11 gen, berhasil dibaca secara menyeluruh
pada tahun 1977. Sekuen seluruh DNA manusia terdiri dari 3 milyar nukleotida yang
menyusun 100.000 gen dapat dipetakan dalam waktu 3 tahun. Saat ini terdapat milyaran
data nukleotida yang tersimpan dalam database DNA, GenBank di AS yang didirikan
tahun 1982. Di Indonesia, ada Lembaga Biologi Molekul Eijkman yang terletak di
Jakarta. Di sini kita bisa membaca sekuen sekitar 500 nukleotida hanya dengan
membayar $15. Trend yang sama juga nampak pada database lain seperti database sekuen
asam amino penyusun protein, database struktur 3D protein, dan sebagainya. Inovasi
teknologi DNA chip yang dipelopori oleh perusahaan bioteknologi AS, Affymetrix di
Silicon Valley telah mendorong munculnya database baru mengenai RNA.
Desakan kebutuhan untuk mengumpulkan, menyimpan dan menganalisa data-data
biologis dari database DNA, RNA maupun protein inilah yang semakin memacu
perkembangan kajian Bioinformatika.
2. Contoh-contoh Penggunaan
1.Bioinformatika dalam Bidang Klinis
Bioinformatika dalam bidang klinis sering disebut sebagai informatika klinis
(clinical informatics). Aplikasi dari informatika klinis ini berbentuk manajemen data-data
klinis dari pasien melalui Electrical Medical Record (EMR) yang dikembangkan oleh
Clement J. McDonald dari Indiana University School of Medicine pada tahun 1972.
McDonald pertama kali mengaplikasikan EMR pada 33 orang pasien penyakit gula
(diabetes). Sekarang EMR ini telah diaplikasikan pada berbagai penyakit. Data yang
disimpan meliputi data analisa diagnosa laboratorium, hasil konsultasi dan saran, foto
rontgen, ukuran detak jantung, dan lain lain. Dengan data ini dokter akan bisa
menentukan obat yang sesuai dengan kondisi pasien tertentu dan lebih jauh lagi, dengan
dibacanya genom manusia, akan memungkinkan untuk mengetahui penyakit genetik
seseorang, sehingga penanganan terhadap pasien menjadi lebih akurat.
2.Bioinformatika untuk Identifikasi Agent Penyakit Baru
Bioinformatika juga menyediakan tool yang sangat penting untuk identifikasi
agent penyakit yang belum dikenal penyebabnya. Banyak sekali penyakit baru yang
muncul dalam dekade ini, dan diantaranya yang masih hangat adalah SARS (Severe
Acute Respiratory Syndrome).
Pada awalnya, penyakit ini diperkirakan disebabkan oleh virus influenza karena
gejalanya mirip dengan gejala pengidap influenza. Akan tetapi ternyata dugaan ini salah
karena virus influenza tidak terisolasi dari pasien. Perkirakan lain penyakit ini disebabkan
oleh bakteri Candida karena bakteri ini terisolasi dari beberapa pasien. Tapi perkiraan ini
juga salah. Akhirnya ditemukan bahwa dari sebagian besar pasien SARS terisolasi virus
Corona jika dilihat dari morfologinya. Sekuen genom virus ini kemudian dibaca dan dari
hasil analisa dikonfirmasikan bahwa penyebab SARS adalah virus Corona yang telah
berubah (mutasi) dari virus Corona yang ada selama ini.
Dalam rentetan proses ini, Bioinformatika memegang peranan penting. Pertama
pada proses pembacaan genom virus Corona. Karena di database seperti GenBank,
EMBL (European Molecular Biology Laboratory), dan DDBJ (DNA Data Bank of Japan)
sudah tersedia data sekuen beberapa virus Corona, yang bisa digunakan untuk mendisain
primer yang digunakan untuk amplifikasi DNA virus SARS ini. Software untuk
mendisain primer juga tersedia, baik yang gratis maupun yang komersial. Contoh yang
gratis adalah Webprimer yang disediakan oleh Stanford Genomic Resources
(http://genome-www2.stanford.edu/cgi-bin/SGD/web-primer), GeneWalker yang
disediakan oleh Cybergene AB (http://www.cybergene.se/primerdisain/genewalker), dan
lain sebagainya. Untuk yang komersial ada Primer Disainer yang dikembangkan oleh
Scientific & Education Software, dan software-software untuk analisa DNA lainnya
seperti Sequencher (GeneCodes Corp.), SeqMan II (DNA STAR Inc.), Genetyx
(GENETYX Corp.), DNASIS (HITACHI Software), dan lain lain.
Kedua pada proses mencari kemiripan sekuen (homology alignment) virus yang
didapatkan dengan virus lainnya. Dari hasil analisa virus SARS diketahui bahwa genom
virus Corona penyebab SARS berbeda dengan virus Corona lainnya. Perbedaan ini
diketahui dengan menggunakan homology alignment dari sekuen virus SARS.
Selanjutnya, Bioinformatika juga berfungsi untuk analisa posisi sejauh mana suatu virus
3.Bioinformatika untuk Diagnosa Penyakit Baru
Untuk menangani penyakit baru diperlukan diagnosa yang akurat sehingga dapat
dibedakan dengan penyakit lain. Diagnosa yang akurat ini sangat diperlukan untuk
pemberian obat dan perawatan yang tepat bagi pasien.
Ada beberapa cara untuk mendiagnosa suatu penyakit, antara lain: isolasi agent
penyebab penyakit tersebut dan analisa morfologinya, deteksi antibodi yang dihasilkan
dari infeksi dengan teknik enzyme-linked immunosorbent assay (ELISA), dan deteksi gen
dari agent pembawa penyakit tersebut dengan Polymerase Chain Reaction (PCR).
Teknik yang banyak dan lazim dipakai saat ini adalah teknik PCR. Teknik ini
sederhana, praktis dan cepat. Yang penting dalam teknik PCR adalah disain primer untuk
amplifikasi DNA, yang memerlukan data sekuen dari genom agent yang bersangkutan
dan software seperti yang telah diuraikan di atas. Disinilah Bioinformatika memainkan
peranannya. Untuk agent yang mempunyai genom RNA, harus dilakukan reverse
transcription (proses sintesa DNA dari RNA) terlebih dahulu dengan menggunakan
enzim reverse transcriptase. Setelah DNA diperoleh baru dilakukan PCR. Reverse
transcription dan PCR ini bisa dilakukan sekaligus dan biasanya dinamakan RT-PCR.
Teknik PCR ini bersifat kualitatif, oleh sebab itu sejak beberapa tahun yang lalu
dikembangkan teknik lain, yaitu Real Time PCR yang bersifat kuantitatif. Dari hasil Real
Time PCR ini bisa ditentukan kuantitas suatu agent di dalam tubuh seseorang, sehingga
bisa dievaluasi tingkat emergensinya. Pada Real Time PCR ini selain primer diperlukan
probe yang harus didisain sesuai dengan sekuen agent yang bersangkutan. Di sini juga
diperlukan software atau program Bioinformatika.
4.Bioinformatika untuk Penemuan Obat
Cara untuk menemukan obat biasanya dilakukan dengan menemukan zat/senyawa
yang dapat menekan perkembangbiakan suatu agent penyebab penyakit. Karena
perkembangbiakan agent tersebut dipengaruhi oleh banyak faktor, maka faktor-faktor
inilah yang dijadikan target. Diantaranya adalah enzim-enzim yang diperlukan untuk
perkembangbiakan suatu agent Mula-mula yang harus dilakukan adalah analisa struktur
dan fungsi enzim-enzim tersebut. Kemudian mencari atau mensintesa zat/senyawa yang
dapat menekan fungsi dari enzim-enzim tersebut.
Analisa struktur dan fungsi enzim ini dilakukan dengan cara mengganti asam
amino tertentu dan menguji efeknya. Analisa penggantian asam amino ini dahulu
dilakukan secara random sehingga memerlukan waktu yang lama. Setelah Bioinformatika
berkembang, data-data protein yang sudah dianalisa bebas diakses oleh siapapun, baik
data sekuen asam amino-nya seperti yang ada di SWISS-PROT
(http://www.ebi.ac.uk/swissprot/) maupun struktur 3D-nya yang tersedia di Protein Data
Bank (PDB) (http://www.rcsb.org/pdb/). Dengan database yang tersedia ini, enzim yang
baru ditemukan dapat dibandingkan sekuen asam amino-nya, sehingga bisa diperkirakan
asam amino yang berperan untuk aktivitas (active site) dan kestabilan enzim tersebut.
Setelah asam amino yang berperan sebagai active site dan kestabilan enzim
tersebut ditemukan, kemudian dicari atau disintesa senyawa yang dapat berinteraksi
dengan asam amino tersebut. Dengan data yang ada di PDB, maka dapat dilihat struktur
3D suatu enzim termasuk active site-nya, sehingga bisa diperkirakan bentuk senyawa
yang akan berinteraksi dengan active site tersebut. Dengan demikian, kita cukup
mensintesa senyawa yang diperkirakan akan berinteraksi, sehingga obat terhadap suatu
penyakit akan jauh lebih cepat ditemukan. Cara ini dinamakan “docking” dan telah
banyak digunakan oleh perusahaan farmasi untuk penemuan obat baru.
Meskipun dengan Bioinformatika ini dapat diperkirakan senyawa yang
berinteraksi dan menekan fungsi suatu enzim, namun hasilnya harus dikonfirmasi dahulu
melalui eksperimen di laboratorium. Akan tetapi dengan Bioinformatika, semua proses
ini bisa dilakukan lebih cepat sehingga lebih efisien baik dari segi waktu maupun
finansial.
Tahun 1997, Ian Wilmut dari Roslin Institute dan PPL Therapeutics Ltd,
Edinburgh, Skotlandia, berhasil mengklon gen manusia yang menghasilkan faktor IX
(faktor pembekuan darah), dan memasukkan ke kromosom biri-biri. Diharapkan biri-biri
yang selnya mengandung gen manusia faktor IX akan menghasilkan susu yang
mengandung faktor pembekuan darah. Jika berhasil diproduksi dalam jumlah banyak
maka faktor IX yang diisolasi dari susu harganya bisa lebih murah untuk membantu para
penderita hemofilia.

Cabang-cabang yang Terkait dengan Bioinformatika
Dari pengertian Bioinformatika baik yang klasik maupun baru, terlihat banyak
terdapat cabang-cabang disiplin ilmu yang terkait dengan Bioinformatika --terutama
karena Bioinformatika itu sendiri merupakan suatu bidang interdisipliner--. Hal tersebut
menimbulkan banyak pilihan bagi orang yang ingin mendalami Bioinformatika. Di
bawah ini akan disebutkan beberapa bidang yang terkait dengan Bioinformatika
1.Biophysics
Biologi molekul sendiri merupakan pengembangan yang lahir dari biophysics.
Biophysics adalah sebuah bidang interdisipliner yang mengaplikasikan teknik-teknik dari
ilmu Fisika untuk memahami struktur dan fungsi biologi (British Biophysical Society).
Sesuai dengan definisi di atas, bidang ini merupakan suatu bidang yang luas.
Namun secara langsung disiplin ilmu ini terkait dengan Bioinformatika karena
penggunaan teknik-teknik dari ilmu Fisika untuk memahami struktur membutuhkan
penggunaan TI.
2.Computational Biology
Computational biology merupakan bagian dari Bioinformatika (dalam arti yang
paling luas) yang paling dekat dengan bidang Biologi umum klasik. Fokus dari
computational biology adalah gerak evolusi, populasi, dan biologi teoritis daripada
biomedis dalam molekul dan sel. Tak dapat dielakkan bahwa Biologi Molekul cukup
penting dalam computational biology, namun itu bukanlah inti dari disiplin ilmu ini. Pada
penerapan computational biology, model-model statistika untuk fenomena biologi lebih
disukai dipakai dibandingkan dengan model sebenarnya. Dalam beberapa hal cara
tersebut cukup baik mengingat pada kasus tertentu eksperimen langsung pada fenomena
biologi cukup sulit.
Tidak semua dari computational biology merupakan Bioinformatika, seperti
contohnya Model Matematika bukan merupakan Bioinformatika, bahkan meskipun
dikaitkan dengan masalah biologi.
3.Medical Informatics
Menurut Aamir Zakaria [ZAKARIA2004] Pengertian dari medical informatics
adalah "sebuah disiplin ilmu yang baru yang didefinisikan sebagai pembelajaran,
penemuan, dan implementasi dari struktur dan algoritma untuk meningkatkan
komunikasi, pengertian dan manajemen informasi medis."
Medical informatics lebih memperhatikan struktur dan algoritma untuk
pengolahan data medis, dibandingkan dengan data itu sendiri. Disiplin ilmu ini, untuk
alasan praktis, kemungkinan besar berkaitan dengan data-data yang didapatkan pada level
biologi yang lebih "rumit" --yaitu informasi dari sistem-sistem superselular, tepat pada
level populasi—di mana sebagian besar dari Bioinformatika lebih memperhatikan
informasi dari sistem dan struktur biomolekul dan selular.
4.Cheminformatics
Cheminformatics adalah kombinasi dari sintesis kimia, penyaringan biologis, dan
pendekatan data-mining yang digunakan untuk penemuan dan pengembangan obat
(Cambridge Healthech Institute's Sixth Annual Cheminformatics conference). Pengertian
disiplin ilmu yang disebutkan di atas lebih merupakan identifikasi dari salah satu aktivitas
yang paling populer dibandingkan dengan berbagai bidang studi yang mungkin ada di
bawah bidang ini.
Salah satu contoh penemuan obat yang paling sukses sepanjang sejarah adalah
penisilin, dapat menggambarkan cara untuk menemukan dan mengembangkan obatobatan
hingga sekarang --meskipun terlihat aneh--. Cara untuk menemukan dan
mengembangkan obat adalah hasil dari kesempatan, observasi, dan banyak proses kimia
yang intensif dan lambat. Sampai beberapa waktu yang lalu, disain obat dianggap harus
selalu menggunakan kerja yang intensif, proses uji dan gagal (trial-error process).
Kemungkinan penggunaan TI untuk merencanakan secara cerdas dan dengan
mengotomatiskan proses-proses yang terkait dengan sintesis kimiawi dari komponenkomponen
pengobatan merupakan suatu prospek yang sangat menarik bagi ahli kimia
dan ahli biokimia. Penghargaan untuk menghasilkan obat yang dapat dipasarkan secara
lebih cepat sangatlah besar, sehingga target inilah yang merupakan inti dari
cheminformatics.
Ruang lingkup akademis dari cheminformatics ini sangat luas. Contoh bidang
minatnya antara lain: Synthesis Planning, Reaction and Structure Retrieval, 3-D
Structure Retrieval, Modelling, Computational Chemistry, Visualisation Tools and Utilities.
5.Genomics
Genomics adalah bidang ilmu yang ada sebelum selesainya sekuen genom,
kecuali dalam bentuk yang paling kasar. Genomics adalah setiap usaha untuk
menganalisa atau membandingkan seluruh komplemen genetik dari satu spesies atau
lebih. Secara logis tentu saja mungkin untuk membandingkan genom-genom dengan
membandingkan kurang lebih suatu himpunan bagian dari gen di dalam genom yang representatif.
6.Mathematical Biology
Mathematical biology lebih mudah dibedakan dengan Bioinformatika daripada
computational biology dengan Bioinformatika. Mathematical biology juga menangani
masalah-masalah biologi, namun metode yang digunakan untuk menangani masalah
tersebut tidak perlu secara numerik dan tidak perlu diimplementasikan dalam software
maupun hardware. Bahkan metode yang dipakai tidak perlu "menyelesaikan" masalah
apapun; dalam mathematical biology bisa dianggap beralasan untuk mempublikasikan
sebuah hasil yang hanya menyatakan bahwa suatu masalah biologi berada pada kelas
umum tertentu.
Menurut Alex Kasman [KASMAN2004] Secara umum mathematical biology
melingkupi semua ketertarikan teoritis yang tidak perlu merupakan sesuatu yang
beralgoritma, dan tidak perlu dalam bentuk molekul, dan tidak perlu berguna dalam
menganalisis data yang terkumpul.
7.Proteomics
Istilah proteomics pertama kali digunakan untuk menggambarkan himpunan dari
protein-protein yang tersusun (encoded) oleh genom. Ilmu yang mempelajari proteome,
yang disebut proteomics, pada saat ini tidak hanya memperhatikan semua protein di
dalam sel yang diberikan, tetapi juga himpunan dari semua bentuk isoform dan
modifikasi dari semua protein, interaksi diantaranya, deskripsi struktural dari proteinprotein
dan kompleks-kompleks orde tingkat tinggi dari protein, dan mengenai masalah
tersebut hampir semua pasca genom.
Michael J. Dunn [DUNN2004], Pemimpin Redaksi dari Proteomics
mendefiniskan kata "proteome" sebagai: "The PROTEin complement of the genOME".
Dan mendefinisikan proteomics berkaitan dengan: "studi kuantitatif dan kualitatif dari
ekspresi gen di level dari protein-protein fungsional itu sendiri". Yaitu: "sebuah
antarmuka antara biokimia protein dengan biologi molekul".
Mengkarakterisasi sebanyak puluhan ribu protein-protein yang dinyatakan dalam
sebuah tipe sel yang diberikan pada waktu tertentu --apakah untuk mengukur berat
molekul atau nilai-nilai isoelektrik protein-protein tersebut-- melibatkan tempat
penyimpanan dan perbandingan dari data yang memiliki jumlah yang sangat besar, tak
terhindarkan lagi akan memerlukan Bioinformatika.
8.Pharmacogenomics
Pharmacogenomics adalah aplikasi dari pendekatan genomik dan teknologi pada
identifikasi dari target-target obat. Contohnya meliputi menjaring semua genom untuk
penerima yang potensial dengan menggunakan cara Bioinformatika, atau dengan
menyelidiki bentuk pola dari ekspresi gen di dalam baik patogen maupun induk selama
terjadinya infeksi, atau maupun dengan memeriksa karakteristik pola-pola ekspresi yang
ditemukan dalam tumor atau contoh dari pasien untuk kepentingan diagnosa
(kemungkinan untuk mengejar target potensial terapi kanker).
Istilah pharmacogenomics digunakan lebih untuk urusan yang lebih "trivial" --
tetapi dapat diargumentasikan lebih berguna-- dari aplikasi pendekatan Bioinformatika
pada pengkatalogan dan pemrosesan informasi yang berkaitan dengan ilmu Farmasi dan
Genetika, untuk contohnya adalah pengumpulan informasi pasien dalam database.
9.Pharmacogenetics
Tiap individu mempunyai respon yang berbeda-beda terhadap berbagai pengaruh
obat; sebagian ada yang positif, sebagian ada yang sedikit perubahan yang tampak pada
kondisi mereka dan ada juga yang mendapatkan efek samping atau reaksi alergi.
Sebagian dari reaksi-reaksi ini diketahui mempunyai dasar genetik. Pharmacogenetics
adalah bagian dari pharmacogenomics yang menggunakan metode
genomik/Bioinformatika untuk mengidentifikasi hubungan-hubungan genomik,
contohnya SNP (Single Nucleotide Polymorphisms), karakteristik dari profil respons
pasien tertentu dan menggunakan informasi-informasi tersebut untuk memberitahu
administrasi dan pengembangan terapi pengobatan. Secara menakjubkan pendekatan
tersebut telah digunakan untuk "menghidupkan kembali" obat-obatan yang sebelumnya
dianggap tidak efektif, namun ternyata diketahui manjur pada sekelompok pasien
tertentu. Disiplin ilmu ini juga dapat digunakan untuk mengoptimalkan dosis kemoterapi
pada pasien-pasien tertentu.
Gambaran dari sebagian bidang-bidang yang terkait dengan Bioinformatika di
atas memperlihatkan bahwa Bioinformatika mempunyai ruang lingkup yang sangat luas
dan mempunyai peran yang sangat besar dalam bidangnya. Bahkan pada bidang
pelayanan kesehatan Bioinformatika menimbulkan disiplin ilmu baru yang menyebabkan

Bioinformatika

Bioinformatika merupakan kajian yang memadukan disiplin biologi molekul,
matematika dan teknik informasi (TI). Ilmu ini didefinisikan sebagai aplikasi dari alat
komputasi dan analisa untuk menangkap dan menginterpretasikan data-data biologi
molekul. Biologi molekul sendiri juga merupakan bidang interdisipliner, mempelajari
kehidupan dalam level molekul.
Mula-mula bidang kajian ini muncul atas inisiatif para ahli biologi molekul dan
ahli statistik, berdasarkan pola pikir bahwa semua gejala yang ada di alam ini bisa dibuat
secara artificial melalui simulasi dari data-data yang ada. Pada bidang Bioinformatika,
data-data atau tindak-tanduk gejala genetika menjadi inti pembentukan simulasi.
Pada saat ini, Bioinformatika ini mempunyai peranan yang sangat penting,
diantaranya adalah untuk manajemen data-data biologi molekul, terutama sekuen DNA
dan informasi genetika . Perangkat utama Bioinformatika adalah software dan didukung
oleh kesediaan internet.
Bioinformatika mempunyai peluang yang sangat besar untuk berkembang karena
banyak sekali cabang-cabang ilmu yang terkait dengannya. Namun sayangnya di
Indonesia sendiri Bioinformatika masih belum dikenal oleh masyarakat luas. Di kalangan
peneliti biologi, mungkin hanya para peneliti biologi molekul yang mengikuti
perkembangannya karena keharusan menggunakan perangkat-perangkat Bioinformatika
untuk analisa data. Sementara di kalangan TI --mengingat kuatnya disiplin biologi yang
menjadi pendukungnya-- kajian ini juga masih kurang mendapat perhatian. Paper ini
bertujuan untuk lebih mengenalkan Bioinformatika di kalangan TI dan masyarakat luas.
Penetrasi Teknologi Informasi (TI) dalam berbagai disiplin ilmu telah
melipatgandakan perkembangan ilmu bersangkutan. Berbagai kajian baru bermunculan,
sejalan dengan perkembangan TI itu sendiri dan disiplin ilmu yang didukungnya.
Aplikasi TI dalam bidang biologi molekul telah melahirkan bidang Bioinformatika.
Kajian ini semakin penting, sebab perkembangannya telah mendorong kemajuan
bioteknologi di satu sisi, dan pada sisi lain memberi efek domino pada bidang
kedokteran, farmasi, lingkungan dan lainnya.
Kajian baru Bioinformatika ini tak lepas dari perkembangan biologi molekul
modern yang ditandai dengan kemampuan manusia untuk memahami genom, yaitu cetak
biru informasi genetik yang menentukan sifat setiap makhluk hidup yang disandi dalam
bentuk pita molekul DNA (asam deoksiribonukleat). Kemampuan untuk memahami dan
memanipulasi kode genetik DNA ini sangat didukung oleh TI melalui perangkat
perangkat keras maupun lunak. Hal ini bisa dilihat pada upaya Celera Genomics,
perusahaan bioteknologi Amerika Serikat yang melakukan pembacaan sekuen genom
manusia yang secara maksimal memanfaatkan TI sehingga bisa melakukan pekerjaannya
dalam waktu yang singkat (hanya beberapa tahun), dibanding usaha konsorsium lembaga
riset publik AS, Eropa, dan lain-lain, yang memakan waktu lebih dari 10 tahun.
Kelahiran Bioinformatika modern tak lepas dari perkembangan bioteknologi di
era tahun 70-an, dimana seorang ilmuwan AS melakukan inovasi dalam mengembangkan
teknologi DNA rekombinan. Berkat penemuan ini lahirlah perusahaan bioteknologi
pertama di dunia, yaitu Genentech di AS, yang kemudian memproduksi protein hormon
insulin dalam bakteri, yang dibutuhkan penderita diabetes. Selama ini insulin hanya bisa
didapatkan dalam jumlah sangat terbatas dari organ pankreas sapi.
Bioteknologi modern ditandai dengan kemampuan pada manipulasi DNA.
Rantai/sekuen DNA yang mengkode protein disebut gen. Gen ditranskripsikan menjadi
mRNA, kemudian mRNA ditranslasikan menjadi protein. Protein sebagai produk akhir
bertugas menunjang seluruh proses kehidupan, antara lain sebagai katalis reaksi biokimia
dalam tubuh (disebut enzim), berperan serta dalam sistem pertahanan tubuh melawan
virus, parasit dan lain-lain (disebut antibodi), menyusun struktur tubuh dari ujung kaki
(otot terbentuk dari protein actin, myosin, dan sebagainya) sampai ujung rambut (rambut
tersusun dari protein keratin), dan lain-lain. Arus informasi, DNA -> RNA -> Protein,
inilah yang disebut sentral dogma dalam biologi molekul.
Sekuen DNA satu organisme, yaitu pada sejenis virus yang memiliki kurang lebih
5.000 nukleotida/molekul DNA atau sekitar 11 gen, berhasil dibaca secara menyeluruh
pada tahun 1977. Sekuen seluruh DNA manusia terdiri dari 3 milyar nukleotida yang
menyusun 100.000 gen dapat dipetakan dalam waktu 3 tahun. Saat ini terdapat milyaran
data nukleotida yang tersimpan dalam database DNA, GenBank di AS yang didirikan
tahun 1982. Di Indonesia, ada Lembaga Biologi Molekul Eijkman yang terletak di
Jakarta. Di sini kita bisa membaca sekuen sekitar 500 nukleotida hanya dengan
membayar $15. Trend yang sama juga nampak pada database lain seperti database sekuen
asam amino penyusun protein, database struktur 3D protein, dan sebagainya. Inovasi
teknologi DNA chip yang dipelopori oleh perusahaan bioteknologi AS, Affymetrix di
Silicon Valley telah mendorong munculnya database baru mengenai RNA.
Desakan kebutuhan untuk mengumpulkan, menyimpan dan menganalisa data-data
biologis dari database DNA, RNA maupun protein inilah yang semakin memacu
perkembangan kajian Bioinformatika.

Contoh-contoh Penggunaan
1.Bioinformatika dalam Bidang Klinis
Bioinformatika dalam bidang klinis sering disebut sebagai informatika klinis
(clinical informatics). Aplikasi dari informatika klinis ini berbentuk manajemen data-data
klinis dari pasien melalui Electrical Medical Record (EMR) yang dikembangkan oleh
Clement J. McDonald dari Indiana University School of Medicine pada tahun 1972.
McDonald pertama kali mengaplikasikan EMR pada 33 orang pasien penyakit gula
(diabetes). Sekarang EMR ini telah diaplikasikan pada berbagai penyakit. Data yang
disimpan meliputi data analisa diagnosa laboratorium, hasil konsultasi dan saran, foto
rontgen, ukuran detak jantung, dan lain lain. Dengan data ini dokter akan bisa
menentukan obat yang sesuai dengan kondisi pasien tertentu dan lebih jauh lagi, dengan
dibacanya genom manusia, akan memungkinkan untuk mengetahui penyakit genetik
seseorang, sehingga penanganan terhadap pasien menjadi lebih akurat.
2.Bioinformatika untuk Identifikasi Agent Penyakit Baru
Bioinformatika juga menyediakan tool yang sangat penting untuk identifikasi
agent penyakit yang belum dikenal penyebabnya. Banyak sekali penyakit baru yang
muncul dalam dekade ini, dan diantaranya yang masih hangat adalah SARS (Severe
Acute Respiratory Syndrome).
Pada awalnya, penyakit ini diperkirakan disebabkan oleh virus influenza karena
gejalanya mirip dengan gejala pengidap influenza. Akan tetapi ternyata dugaan ini salah
karena virus influenza tidak terisolasi dari pasien. Perkirakan lain penyakit ini disebabkan
oleh bakteri Candida karena bakteri ini terisolasi dari beberapa pasien. Tapi perkiraan ini
juga salah. Akhirnya ditemukan bahwa dari sebagian besar pasien SARS terisolasi virus
Corona jika dilihat dari morfologinya. Sekuen genom virus ini kemudian dibaca dan dari
hasil analisa dikonfirmasikan bahwa penyebab SARS adalah virus Corona yang telah
berubah (mutasi) dari virus Corona yang ada selama ini.
Dalam rentetan proses ini, Bioinformatika memegang peranan penting. Pertama
pada proses pembacaan genom virus Corona. Karena di database seperti GenBank,
EMBL (European Molecular Biology Laboratory), dan DDBJ (DNA Data Bank of Japan)
sudah tersedia data sekuen beberapa virus Corona, yang bisa digunakan untuk mendisain
primer yang digunakan untuk amplifikasi DNA virus SARS ini. Software untuk
mendisain primer juga tersedia, baik yang gratis maupun yang komersial. Contoh yang
gratis adalah Webprimer yang disediakan oleh Stanford Genomic Resources
(http://genome-www2.stanford.edu/cgi-bin/SGD/web-primer), GeneWalker yang
disediakan oleh Cybergene AB (http://www.cybergene.se/primerdisain/genewalker), dan
lain sebagainya. Untuk yang komersial ada Primer Disainer yang dikembangkan oleh
Scientific & Education Software, dan software-software untuk analisa DNA lainnya
seperti Sequencher (GeneCodes Corp.), SeqMan II (DNA STAR Inc.), Genetyx
(GENETYX Corp.), DNASIS (HITACHI Software), dan lain lain.
Kedua pada proses mencari kemiripan sekuen (homology alignment) virus yang
didapatkan dengan virus lainnya. Dari hasil analisa virus SARS diketahui bahwa genom
virus Corona penyebab SARS berbeda dengan virus Corona lainnya. Perbedaan ini
diketahui dengan menggunakan homology alignment dari sekuen virus SARS.
Selanjutnya, Bioinformatika juga berfungsi untuk analisa posisi sejauh mana suatu virus
3.Bioinformatika untuk Diagnosa Penyakit Baru
Untuk menangani penyakit baru diperlukan diagnosa yang akurat sehingga dapat
dibedakan dengan penyakit lain. Diagnosa yang akurat ini sangat diperlukan untuk
pemberian obat dan perawatan yang tepat bagi pasien.
Ada beberapa cara untuk mendiagnosa suatu penyakit, antara lain: isolasi agent
penyebab penyakit tersebut dan analisa morfologinya, deteksi antibodi yang dihasilkan
dari infeksi dengan teknik enzyme-linked immunosorbent assay (ELISA), dan deteksi gen
dari agent pembawa penyakit tersebut dengan Polymerase Chain Reaction (PCR).
Teknik yang banyak dan lazim dipakai saat ini adalah teknik PCR. Teknik ini
sederhana, praktis dan cepat. Yang penting dalam teknik PCR adalah disain primer untuk
amplifikasi DNA, yang memerlukan data sekuen dari genom agent yang bersangkutan
dan software seperti yang telah diuraikan di atas. Disinilah Bioinformatika memainkan
peranannya. Untuk agent yang mempunyai genom RNA, harus dilakukan reverse
transcription (proses sintesa DNA dari RNA) terlebih dahulu dengan menggunakan
enzim reverse transcriptase. Setelah DNA diperoleh baru dilakukan PCR. Reverse
transcription dan PCR ini bisa dilakukan sekaligus dan biasanya dinamakan RT-PCR.
Teknik PCR ini bersifat kualitatif, oleh sebab itu sejak beberapa tahun yang lalu
dikembangkan teknik lain, yaitu Real Time PCR yang bersifat kuantitatif. Dari hasil Real
Time PCR ini bisa ditentukan kuantitas suatu agent di dalam tubuh seseorang, sehingga
bisa dievaluasi tingkat emergensinya. Pada Real Time PCR ini selain primer diperlukan
probe yang harus didisain sesuai dengan sekuen agent yang bersangkutan. Di sini juga
diperlukan software atau program Bioinformatika.
4.Bioinformatika untuk Penemuan Obat
Cara untuk menemukan obat biasanya dilakukan dengan menemukan zat/senyawa
yang dapat menekan perkembangbiakan suatu agent penyebab penyakit. Karena
perkembangbiakan agent tersebut dipengaruhi oleh banyak faktor, maka faktor-faktor
inilah yang dijadikan target. Diantaranya adalah enzim-enzim yang diperlukan untuk
perkembangbiakan suatu agent Mula-mula yang harus dilakukan adalah analisa struktur
dan fungsi enzim-enzim tersebut. Kemudian mencari atau mensintesa zat/senyawa yang
dapat menekan fungsi dari enzim-enzim tersebut.
Analisa struktur dan fungsi enzim ini dilakukan dengan cara mengganti asam
amino tertentu dan menguji efeknya. Analisa penggantian asam amino ini dahulu
dilakukan secara random sehingga memerlukan waktu yang lama. Setelah Bioinformatika
berkembang, data-data protein yang sudah dianalisa bebas diakses oleh siapapun, baik
data sekuen asam amino-nya seperti yang ada di SWISS-PROT
(http://www.ebi.ac.uk/swissprot/) maupun struktur 3D-nya yang tersedia di Protein Data
Bank (PDB) (http://www.rcsb.org/pdb/). Dengan database yang tersedia ini, enzim yang
baru ditemukan dapat dibandingkan sekuen asam amino-nya, sehingga bisa diperkirakan
asam amino yang berperan untuk aktivitas (active site) dan kestabilan enzim tersebut.
Setelah asam amino yang berperan sebagai active site dan kestabilan enzim
tersebut ditemukan, kemudian dicari atau disintesa senyawa yang dapat berinteraksi
dengan asam amino tersebut. Dengan data yang ada di PDB, maka dapat dilihat struktur
3D suatu enzim termasuk active site-nya, sehingga bisa diperkirakan bentuk senyawa
yang akan berinteraksi dengan active site tersebut. Dengan demikian, kita cukup
mensintesa senyawa yang diperkirakan akan berinteraksi, sehingga obat terhadap suatu
penyakit akan jauh lebih cepat ditemukan. Cara ini dinamakan “docking” dan telah
banyak digunakan oleh perusahaan farmasi untuk penemuan obat baru.
Meskipun dengan Bioinformatika ini dapat diperkirakan senyawa yang
berinteraksi dan menekan fungsi suatu enzim, namun hasilnya harus dikonfirmasi dahulu
melalui eksperimen di laboratorium. Akan tetapi dengan Bioinformatika, semua proses
ini bisa dilakukan lebih cepat sehingga lebih efisien baik dari segi waktu maupun
finansial.
Tahun 1997, Ian Wilmut dari Roslin Institute dan PPL Therapeutics Ltd,
Edinburgh, Skotlandia, berhasil mengklon gen manusia yang menghasilkan faktor IX
(faktor pembekuan darah), dan memasukkan ke kromosom biri-biri. Diharapkan biri-biri
yang selnya mengandung gen manusia faktor IX akan menghasilkan susu yang
mengandung faktor pembekuan darah. Jika berhasil diproduksi dalam jumlah banyak
maka faktor IX yang diisolasi dari susu harganya bisa lebih murah untuk membantu para
penderita hemofilia.

Cabang-cabang yang Terkait dengan Bioinformatika
Dari pengertian Bioinformatika baik yang klasik maupun baru, terlihat banyak
terdapat cabang-cabang disiplin ilmu yang terkait dengan Bioinformatika --terutama
karena Bioinformatika itu sendiri merupakan suatu bidang interdisipliner--. Hal tersebut
menimbulkan banyak pilihan bagi orang yang ingin mendalami Bioinformatika. Di
bawah ini akan disebutkan beberapa bidang yang terkait dengan Bioinformatika
1.Biophysics
Biologi molekul sendiri merupakan pengembangan yang lahir dari biophysics.
Biophysics adalah sebuah bidang interdisipliner yang mengaplikasikan teknik-teknik dari
ilmu Fisika untuk memahami struktur dan fungsi biologi (British Biophysical Society).
Sesuai dengan definisi di atas, bidang ini merupakan suatu bidang yang luas.
Namun secara langsung disiplin ilmu ini terkait dengan Bioinformatika karena
penggunaan teknik-teknik dari ilmu Fisika untuk memahami struktur membutuhkan
penggunaan TI.
2.Computational Biology
Computational biology merupakan bagian dari Bioinformatika (dalam arti yang
paling luas) yang paling dekat dengan bidang Biologi umum klasik. Fokus dari
computational biology adalah gerak evolusi, populasi, dan biologi teoritis daripada
biomedis dalam molekul dan sel. Tak dapat dielakkan bahwa Biologi Molekul cukup
penting dalam computational biology, namun itu bukanlah inti dari disiplin ilmu ini. Pada
penerapan computational biology, model-model statistika untuk fenomena biologi lebih
disukai dipakai dibandingkan dengan model sebenarnya. Dalam beberapa hal cara
tersebut cukup baik mengingat pada kasus tertentu eksperimen langsung pada fenomena
biologi cukup sulit.
Tidak semua dari computational biology merupakan Bioinformatika, seperti
contohnya Model Matematika bukan merupakan Bioinformatika, bahkan meskipun
dikaitkan dengan masalah biologi.
3.Medical Informatics
Menurut Aamir Zakaria [ZAKARIA2004] Pengertian dari medical informatics
adalah "sebuah disiplin ilmu yang baru yang didefinisikan sebagai pembelajaran,
penemuan, dan implementasi dari struktur dan algoritma untuk meningkatkan
komunikasi, pengertian dan manajemen informasi medis."
Medical informatics lebih memperhatikan struktur dan algoritma untuk
pengolahan data medis, dibandingkan dengan data itu sendiri. Disiplin ilmu ini, untuk
alasan praktis, kemungkinan besar berkaitan dengan data-data yang didapatkan pada level
biologi yang lebih "rumit" --yaitu informasi dari sistem-sistem superselular, tepat pada
level populasi—di mana sebagian besar dari Bioinformatika lebih memperhatikan
informasi dari sistem dan struktur biomolekul dan selular.
4.Cheminformatics
Cheminformatics adalah kombinasi dari sintesis kimia, penyaringan biologis, dan
pendekatan data-mining yang digunakan untuk penemuan dan pengembangan obat
(Cambridge Healthech Institute's Sixth Annual Cheminformatics conference). Pengertian
disiplin ilmu yang disebutkan di atas lebih merupakan identifikasi dari salah satu aktivitas
yang paling populer dibandingkan dengan berbagai bidang studi yang mungkin ada di
bawah bidang ini.
Salah satu contoh penemuan obat yang paling sukses sepanjang sejarah adalah
penisilin, dapat menggambarkan cara untuk menemukan dan mengembangkan obatobatan
hingga sekarang --meskipun terlihat aneh--. Cara untuk menemukan dan
mengembangkan obat adalah hasil dari kesempatan, observasi, dan banyak proses kimia
yang intensif dan lambat. Sampai beberapa waktu yang lalu, disain obat dianggap harus
selalu menggunakan kerja yang intensif, proses uji dan gagal (trial-error process).
Kemungkinan penggunaan TI untuk merencanakan secara cerdas dan dengan
mengotomatiskan proses-proses yang terkait dengan sintesis kimiawi dari komponenkomponen
pengobatan merupakan suatu prospek yang sangat menarik bagi ahli kimia
dan ahli biokimia. Penghargaan untuk menghasilkan obat yang dapat dipasarkan secara
lebih cepat sangatlah besar, sehingga target inilah yang merupakan inti dari
cheminformatics.
Ruang lingkup akademis dari cheminformatics ini sangat luas. Contoh bidang
minatnya antara lain: Synthesis Planning, Reaction and Structure Retrieval, 3-D
Structure Retrieval, Modelling, Computational Chemistry, Visualisation Tools and Utilities.
5.Genomics
Genomics adalah bidang ilmu yang ada sebelum selesainya sekuen genom,
kecuali dalam bentuk yang paling kasar. Genomics adalah setiap usaha untuk
menganalisa atau membandingkan seluruh komplemen genetik dari satu spesies atau
lebih. Secara logis tentu saja mungkin untuk membandingkan genom-genom dengan
membandingkan kurang lebih suatu himpunan bagian dari gen di dalam genom yang representatif.
6.Mathematical Biology
Mathematical biology lebih mudah dibedakan dengan Bioinformatika daripada
computational biology dengan Bioinformatika. Mathematical biology juga menangani
masalah-masalah biologi, namun metode yang digunakan untuk menangani masalah
tersebut tidak perlu secara numerik dan tidak perlu diimplementasikan dalam software
maupun hardware. Bahkan metode yang dipakai tidak perlu "menyelesaikan" masalah
apapun; dalam mathematical biology bisa dianggap beralasan untuk mempublikasikan
sebuah hasil yang hanya menyatakan bahwa suatu masalah biologi berada pada kelas
umum tertentu.
Menurut Alex Kasman [KASMAN2004] Secara umum mathematical biology
melingkupi semua ketertarikan teoritis yang tidak perlu merupakan sesuatu yang
beralgoritma, dan tidak perlu dalam bentuk molekul, dan tidak perlu berguna dalam
menganalisis data yang terkumpul.
7.Proteomics
Istilah proteomics pertama kali digunakan untuk menggambarkan himpunan dari
protein-protein yang tersusun (encoded) oleh genom. Ilmu yang mempelajari proteome,
yang disebut proteomics, pada saat ini tidak hanya memperhatikan semua protein di
dalam sel yang diberikan, tetapi juga himpunan dari semua bentuk isoform dan
modifikasi dari semua protein, interaksi diantaranya, deskripsi struktural dari proteinprotein
dan kompleks-kompleks orde tingkat tinggi dari protein, dan mengenai masalah
tersebut hampir semua pasca genom.
Michael J. Dunn [DUNN2004], Pemimpin Redaksi dari Proteomics
mendefiniskan kata "proteome" sebagai: "The PROTEin complement of the genOME".
Dan mendefinisikan proteomics berkaitan dengan: "studi kuantitatif dan kualitatif dari
ekspresi gen di level dari protein-protein fungsional itu sendiri". Yaitu: "sebuah
antarmuka antara biokimia protein dengan biologi molekul".
Mengkarakterisasi sebanyak puluhan ribu protein-protein yang dinyatakan dalam
sebuah tipe sel yang diberikan pada waktu tertentu --apakah untuk mengukur berat
molekul atau nilai-nilai isoelektrik protein-protein tersebut-- melibatkan tempat
penyimpanan dan perbandingan dari data yang memiliki jumlah yang sangat besar, tak
terhindarkan lagi akan memerlukan Bioinformatika.
8.Pharmacogenomics
Pharmacogenomics adalah aplikasi dari pendekatan genomik dan teknologi pada
identifikasi dari target-target obat. Contohnya meliputi menjaring semua genom untuk
penerima yang potensial dengan menggunakan cara Bioinformatika, atau dengan
menyelidiki bentuk pola dari ekspresi gen di dalam baik patogen maupun induk selama
terjadinya infeksi, atau maupun dengan memeriksa karakteristik pola-pola ekspresi yang
ditemukan dalam tumor atau contoh dari pasien untuk kepentingan diagnosa
(kemungkinan untuk mengejar target potensial terapi kanker).
Istilah pharmacogenomics digunakan lebih untuk urusan yang lebih "trivial" --
tetapi dapat diargumentasikan lebih berguna-- dari aplikasi pendekatan Bioinformatika
pada pengkatalogan dan pemrosesan informasi yang berkaitan dengan ilmu Farmasi dan
Genetika, untuk contohnya adalah pengumpulan informasi pasien dalam database.
9.Pharmacogenetics
Tiap individu mempunyai respon yang berbeda-beda terhadap berbagai pengaruh
obat; sebagian ada yang positif, sebagian ada yang sedikit perubahan yang tampak pada
kondisi mereka dan ada juga yang mendapatkan efek samping atau reaksi alergi.
Sebagian dari reaksi-reaksi ini diketahui mempunyai dasar genetik. Pharmacogenetics
adalah bagian dari pharmacogenomics yang menggunakan metode
genomik/Bioinformatika untuk mengidentifikasi hubungan-hubungan genomik,
contohnya SNP (Single Nucleotide Polymorphisms), karakteristik dari profil respons
pasien tertentu dan menggunakan informasi-informasi tersebut untuk memberitahu
administrasi dan pengembangan terapi pengobatan. Secara menakjubkan pendekatan
tersebut telah digunakan untuk "menghidupkan kembali" obat-obatan yang sebelumnya
dianggap tidak efektif, namun ternyata diketahui manjur pada sekelompok pasien
tertentu. Disiplin ilmu ini juga dapat digunakan untuk mengoptimalkan dosis kemoterapi
pada pasien-pasien tertentu.
Gambaran dari sebagian bidang-bidang yang terkait dengan Bioinformatika di
atas memperlihatkan bahwa Bioinformatika mempunyai ruang lingkup yang sangat luas
dan mempunyai peran yang sangat besar dalam bidangnya. Bahkan pada bidang
pelayanan kesehatan Bioinformatika menimbulkan disiplin ilmu baru yang menyebabkan

TEKNOLOGI DAN PENERAPAN BIOINFORMATIKA
1.Program-program Bioinformatika
Sehari-harinya bionformatika dikerjakan dengan menggunakan program pencari
sekuen (sequence search) seperti BLAST, program analisa sekuen (sequence analysis)
seperti EMBOSS dan paket Staden, program prediksi struktur seperti THREADER atau
PHD atau program imaging/modelling seperti RasMol dan WHATIF.
Contoh-contoh di atas memperlihatkan bahwa telah banyak program pendukung
yang mudah di akses dan dipelajari untuk menggunakan Bioinformatika
2.Teknologi Bioinformatika Secara Umum
Pada saat ini banyak pekerjaan Bioinformatika berkaitan dengan teknologi
database. Penggunaan database ini meliputi baik tempat penyimpanan database "umum"
seperti GenBank atau PDB maupun database "pribadi", seperti yang digunakan oleh grup
riset yang terlibat dalam proyek pemetaan gen atau database yang dimiliki oleh
perusahaan-perusahaan bioteknologi. Konsumen dari data Bioinformatika menggunakan
platform jenis komputer dalam kisaran: mulai dari mesin UNIX yang lebih canggih dan
kuat yang dimiliki oleh pengembang dan kolektor hingga ke mesin Mac yang lebih
bersahabat yang sering ditemukan menempati laboratorium ahli biologi yang tidak suka
komputer.
Database dari sekuen data yang ada dapat digunakan untuk mengidentifikasi
homolog pada molekul baru yang telah dikuatkan dan disekuenkan di laboratorium. Dari
satu nenek moyang mempunyai sifat-sifat yang sama, atau homology, dapat menjadi
indikator yang sangat kuat di dalam Bioinformatika.
Setelah informasi dari database diperoleh, langkah berikutnya adalah menganalisa
data. Pencarian database umumnya berdasarkan pada hasil alignment / pensejajaran
sekuen, baik sekuen DNA maupun protein. Kegunaan dari pencarian ini adalah ketika
mendapatkan suatu sekuen DNA/protein yang belum diketahui fungsinya maka dengan
membandingkannya dengan yang ada dalam database bisa diperkirakan fungsi
daripadanya. Salah satu perangkat lunak pencari database yang paling berhasil dan bisa
dikatakan menjadi standar sekarang adalah BLAST (Basic Local Alignment Search Tool)
yang merupakan program pencarian kesamaan yang didisain untuk mengeksplorasi
semua database sekuen yang diminta, baik itu berupa DNA atau protein. Program
BLAST juga dapat digunakan untuk mendeteksi hubungan di antara sekuen yang hanya
berbagi daerah tertentu yang memiliki kesamaan. Di bawah ini diberikan contoh beberapa
alamat situs yang berguna untuk bidang biologi molekul dan genetika:
Deskripsi Alamat
National Center for
Biotechnology Information
GenBank (NIH Genetic Sequence
Database)
European Molecular Biology
Laboratory Nucleotide Sequence
Protein Information Resource
Protein Data Bank
Restriction Enzyme Database
National Center for Genome
Research (NCGR)
GeneMark
Biotechnology Industry
Organization (BIO)
http://www.ncbi.nlm.nih.gov/
http://www.ncbi.nlm.nih.gov/Web/Genbank/index/html
http://www.ebi.ac.uk/ebi_docs/embl_db.html
http://www.nbrf.georgetown.edu/pir
http://www.pdb.bnl.gov/
http://www.neb.com/rebase/rebase.html
http://www.ncgr.org/gpi/
http://www.dixie.biology.gatech.edu/GeneMark/eukhmm.cgi
http://www.bio.org
Data yang memerlukan analisa Bioinformatika dan mendapat banyak perhatian
saat ini adalah data hasil DNA chip. Dengan perangkat ini dapat diketahui kuantitas dan
kualitas transkripsi satu gen sehingga bisa menunjukkan gen-gen apa saja yang aktif
terhadap perlakuan tertentu, misalnya timbulnya kanker, dan lain-lain

KONDISI DAN PENERAPAN BIOINFORMATIKA
DI INDONESIA
Kondisi Bioinformatika di Indonesia
Di Indonesia, Bioinformatika masih belum dikenal oleh masyarakat luas. Hal ini
dapat dimaklumi karena penggunaan komputer sebagai alat bantu belum merupakan
budaya. Bahkan di kalangan peneliti sendiri, barangkali hanya para peneliti biologi
molekul yang sedikit banyak mengikuti perkembangannya karena keharusan
menggunakan perangkat-perangkat Bioinformatika untuk analisa data. Sementara di
kalangan TI masih kurang mendapat perhatian.
Ketersediaan database dasar (DNA, protein) yang bersifat terbuka/gratis
merupakan peluang besar untuk menggali informasi berharga daripadanya. Database
genom manusia sudah disepakati akan bersifat terbuka untuk seluruh kalangan, sehingga
dapat digali/diketahui kandidat-kandidat gen yang memiliki potensi kedokteran/farmasi.
Dari sinilah Indonesia dapat ikut berperan mengembangkan Bioinformatika. Kerjasama
antara peneliti bioteknologi yang memahami makna biologis data tersebut dengan praktisi
TI seperti programmer, dan sebagainya akan sangat berperan dalam kemajuan
Bioinformatika Indonesia nantinya.
1.Deteksi Kelainan Janin
Lembaga Biologi Molekul Eijkman bekerja sama dengan Bagian Obstetri dan
Ginekologi Fakultas Kedokteran Universitas Indonesia dan Rumah Sakit Cipto
Mangunkusumo sejak November 2001 mengembangkan klinik genetik untuk mendeteksi
secara dini sejumlah penyakit genetik yang menimbulkan gangguan pertumbuhan fisik
maupun retardasi mental seperti antara lain, talasemia dan sindroma down. Kelainan ini
bisa diperiksa sejak janin masih berusia beberapa minggu.
Talasemia adalah penyakit keturunan di mana tubuh kekurangan salah satu zat
pembentuk hemoglobin (Hb) sehingga mengalami anemia berat dan perlu transfusi darah
seumur hidup. Sedangkan sindroma down adalah kelebihan jumlah untaian di kromosom
21 sehingga anak tumbuh dengan retardasi mental, kelainan jantung, pendengaran dan
penglihatan buruk, otot lemah serta kecenderungan menderita kanker sel darah putih
(leukemia).
Dengan mengetahui sejak dini, pasangan yang hendak menikah, atau pasangan
yang salah satunya membawa kelainan kromosom, atau pasangan yang mempunyai anak
yang menderita kelainan kromosom, atau penderita kelainan kromosom yang sedang
hamil, atau ibu yang hamil di usia tua bisa memeriksakan diri dan janin untuk
memastikan apakah janin yang dikandung akan menderita kelainan kromosom atau tidak,
sehingga mempunyai kesempatan untuk mempertimbangkan apakah kehamilan akan
diteruskan atau tidak setelah mendapat konseling genetik tentang berbagai kemungkinan
yang akan terjadi.
Di bidang talasemia, Eijkman telah memiliki katalog 20 mutasi yang mendasari
talasemia beta di Indonesia, 10 di antaranya sering terjadi. Lembaga ini juga mempunyai
informasi cukup mengenai spektrum mutasi di berbagai suku bangsa yang sangat
bervariasi. Talasemia merupakan penyakit genetik terbanyak di dunia termasuk di
Indonesia.
2.Pengembangan Vaksin Hepatitis B Rekombinan
Lembaga Biologi Molekul Eijkman bekerja sama dengan PT Bio Farma (BUMN
Departemen Kesehatan yang memproduksi vaksin) sejak tahun 1999 mengembangkan
vaksin Hepatitis B rekombinan, yaitu vaksin yang dibuat lewat rekayasa genetika. Selain
itu Lembaga Eijkman juga bekerja sama dengan PT Diagnosia Dipobiotek untuk
mengembangkan kit diagnostik.
3.. Meringankan Kelumpuhan dengan Rekayasa RNA
Kasus kelumpuhan distrofi (Duchenne Muscular Dystrophy) yang menurun kini
dapat dikurangi tingkat keparahannya dengan terapi gen. Kelumpuhan ini akibat
ketidaknormalan gen distrofin pada kromosom X sehingga hanya diderita anak laki-laki.
Diperkirakan satu dari 3.500 pria di dunia mengalami kelainan ini.
Dengan memperbaiki susunan ekson atau bagian penyusun RNA gen tersebut
pada hewan percobaan tikus, terbukti mengurangi tingkat kelumpuhan saat
pertumbuhannya menjadi dewasa.
Gen distrofin pada kasus kelumpuhan paling sering disebabkan oleh delesi atau
hilangnya beberapa ekson pada gen tersebut. Normalnya pada gen atau DNA distrofin
terdapat 78 ekson. Diperkirakan 65 persen pasien penderita DMD mengalami delesi
dalam jumlah besar dalam gen distrofinnya. Kasus kelumpuhan ini dimulai pada otot
prosima seperti pangkal paha dan betis. Dengan bertambahnya usia kelumpuhan akan
meluas pada bagian otot lainnya hingga ke leher. Karena itu dalam kasus kelumpuhan
yang berlanjut dapat berakibat kematian.
Teknologi rekayasa RNA seperti proses penyambungan (slicing) ekson dalam
satu rangkaian terbukti dapat mengoreksi mutasi DMD. Bila bagian ekson yang masih
ada disambung atau disusun ulang, terjadi perubahan asam amino yang membentuk
protein. Molekul RNA mampu mengenali molekul RNA lainnya dan melekat dengannya.

KESIMPULAN
Bioinformatika adalah teknologi pengumpulan, penyimpanan, analisis,
interpretasi, penyebaran dan aplikasi dari data-data biologi molekul. Perangkat utama
Bioinformatika adalah software dan didukung oleh kesediaan internet dan server World
Wide Web (WWW).
Dengan Bioinformatika, data-data yang dihasilkan dari proyek genom dapat
disimpan dengan teratur dalam waktu yang singkat dengan tingkat akurasi yang tinggi
serta sekaligus dianalisa dengan program-program yang dibuat untuk tujuan tertentu.
Sebaliknya Bioinformatika juga mempercepat penyelesaian proyek genom karena
Bioinformatika memberikan program-program yang diperlukan untuk proses pembacaan
genom ini.
Dalam dunia kedokteran, keberhasilan proyek genom ini membuka kemungkinan
luas untuk menangani berbagai penyakit genetik serta memprediksi resiko terkena
penyakit genetik. Juga dapat digunakan untuk mengetahui respon tubuh terhadap obat
sehingga efektivitas pengobatan bisa ditingkatkan.
Karena Bioinformatika merupakan suatu bidang interdisipliner, maka
Bioinformatika juga tidak bisa berdiri sendiri dan harus didukung oleh disiplin ilmu lain
yang mengakibatkan saling bantu dan saling menunjang sehingga bermanfaat untuk
kepentingan manusia. Bidang yang terkait dengan Bioinformatika diantaranya adalah
Biophysics, Computational Biology, Medical Informatics, Cheminformatics, Genomics,
Mathematical Biology, Proteomics, Pharmacogenomics.
Meskipun merupakan kajian yang masih baru, Indonesia telah berperan aktif
dalam mengembangkan Bioinformatika ini. Ada sejumlah pakar yang telah mengikuti
perkembangan Bioinformatika ini, antara lain para peneliti dalam Lembaga Biologi
Molekul Eijkman.

REFERENSI
[UTAMA2003] Utama, Andi (2003), Peranan Bioinformatika dalam
Dunia Kedokteran, http://ikc.vlsm.org/populer/andi-bioinformatika.php
per 1 Januari 2004.
[WITARTO2003] Witarto, Arief B. (2003), BIOINFORMATIKA: Mengawinkan
Teknologi Informasi dengan Bioteknologi. Trendnya di Dunia dan Prospeknya di
Indonesia
_____________ (2003) Modul Pelatihan Bioteknologi, Unit Penelitian Bioteknologi
Perkebunan, Konsorsium Bioteknologi Indonesia, Wageningen University and
Research Center, dan Stoas-Belanda.
[BIOINFORMATICS2004] BioInformatics.org: The Open-Access Institute,
http://bioinformatics.org per 20 Januari 2004
[KOMPAS2004] Kompas Cyber Media, http://www.kompas.com per 15 Januari 2004
[BIOTEK2004] Situs Biotek-Indonesia, http://www.biotek-indonesia.net per 20 Januari
2004
[TEKAIA2004] Situs Institut Pasteur, http://www.pasteur.fr/externe per 20 Januari 2004
[ZAKARIA2004] Medical Informatics FAQ, http://www.faqs.org/faqs/medicalinformatics-
faq/ per 20 Januari 2004
[KASMAN2004] Situs Alex Kasman di College of Charleston,
http://math.cofc.edu/faculty/kasman/ per 20 Januari 2004
[DUNN2004] Majalah Proteonomics,
http://www.wiley.co.uk/wileychi/genomics/proteomics.html per 20 Januari 2004

kinerja komputasi dengan paralel processing

Parallel komputasi adalah melakukan perhitungan komputasi dengan menggunakan 2 atau lebih CPU/Processor dalam suatu komputer yang sama atau komputer yang berbeda dimana dalam hal ini setiap instruksi dibagi kedalam beberapa instruksi kemudian dikirim ke processor yang terlibat komputasi dan dilakukan secara bersamaan. Untuk proses pembagian proses komputasi tersebut dilakukan oleh suatu software yang betugas untuk mengatur komputasi dalam hal makalah ini akan digunakan Message Parsing Interface (MPI).

Pada sistem komputasi parallel terdiri dari beberapa unit prosesor dan beberapa unit memori. Ada dua teknik yang berbeda untuk mengakses data di unit memori, yaitu shared memory address dan message passing. Berdasarkan cara mengorganisasikan memori ini komputer paralel dibedakan menjadi shared memory parallel machine dan distributed memory parallel machine.

Prosesor dan memori ini didalam mesin paralel dapat dihubungkan (interkoneksi) secara statis maupun dinamis. Interkoneksi statis umumnya digunakan oleh distributed memory system (sistem memori terdistribusi). Sambungan langsung peer to peer digunakan untuk menghubungkan semua prosesor. Interkoneksi dinamis umumnya menggunakan switch untuk menghubungkan antar prosesor dan memori.

Komunikasi data pada sistem paralel memori terdistribusi, memerlukan alat bantu komunikasi. Alat bantu yang sering digunakan oleh sistem seperti PC Jaringan pada saat ini adalah standar MPI (Message Passing Interface) atau standar PVM (Parallel Virtual Machine)yang keduanya bekerja diatas TCP/IP communication layer. Kedua standar ini memerlukan fungsi remote access agar dapat menjalankan program pada masing-masing unit prosesor.

Salah satu protocol yang dipergunakan pada komputasi parallel adalah Network File System (NFS), NFS adalah protokol yang dapat membagi sumber daya melalui jaringan. NFS dibuat untuk dapat independent dari jenis mesin, jenis sistem operasi, dan jenis protokol transport yang digunakan. Hal ini dilakukan dengan menggunakan RPC.

NFS memperbolehkan user yang telah diijinkan untuk mengakses file-file yang berada diremote host seperti mengakses file yang berada di lokal. Protokol yang digunakan protokol mount menentukan host remote dan jenis file sistem yang akan diakses dan menempatkan di suatu direktori, protokol NFS melakukan I/O pada remote file system. Protokol mount dan protokol NFS bekerja dengan menggunakan RPC dan mengirimdengan protokol TCP dan UDP.

Kegunaan dari NFS pada komputasi parallel adalah untuk melakukan sharing data sehingga setiap node slave dapat mengakses program yang sama pada node master.Software yang diperlukan untuk Parallel komputasi adalah PGI CDK, dimana aplikasi ini telah dilengkapi dengan Cluster Development Kit dimana software ini telah memiliki feature yang lengkap bila ingin melakukan komputasi dengan parallel prosessing karena software ini telah mensupport MPI untuk melakukan perhitungan komputasi.
Berikut ini adalah gambar perbedaa antara komputasi tunggal dengan parallel komputasi :
a) komputasi tunggal/serial

b) komputasi parallel


Refesensi
http://wishnew.web.id/komputasi-modern-hubungan-komputasi-dengan-kecepatan-parallel-processing .html
http://www.pdfqueen.com/pdf/li/lingkungan-komputasi-modern/5/
sumber : ajuarna.staff.gunadarma.ac.id/Downloads/files/…/ArtikelEpilog.pdf

Pengantar Komputasi Modern

Pengantar Komputasi Modern


Komputasi adalah algoritma yang digunakan untuk menemukan suatu cara untuk memecahkan masalah dari sebuah data input. Komputasi ini merupakan bagian dari ilmu matematika dan ilmu komputer. Secara umum ilmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains).

Sedangkan komputasi modern merupakan sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Salah satu tokoh yang sangat mempengaruhi perkembangan komputasi modern adalah John von Neumann (1903-1957), Beliau adalah ilmuan yang meletakkan dasar-dasar komputer modern. Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann meningkatkan karya-karyanya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.

Von Neumann dilahirkan di Budapest, Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Dia adalah anak pertama dari pasangan Neumann Miksa dan Kann Margit. Di sana, nama keluarga diletakkan di depan nama asli. Sehingga dalam bahasa Inggris, nama orang tuanya menjadi Max Neumann. Pada saat Max Neumann memperoleh gelar, maka namanya berubah menjadi Von Neumann. Setelah bergelar doktor dalam ilmu hukum, dia menjadi pengacara untuk sebuah bank. Pada tahun 1903, Budapest terkenal sebagai tempat lahirnya para manusia genius dari bidang sains, penulis, seniman dan musisi.

Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

1. Akurasi (big, Floating point)

2. Kecepatan (dalam satuan Hz)

3. Problem Volume Besar (Down Sizzing atau pararel)

4. Modeling (NN & GA)

5. Kompleksitas (Menggunakan Teori big O)

Model Komputasi

> Mesin Mealy

Dalam teori komputasi sebagai konsep dasar sebuah komputer, mesin Mealy adalah otomasi fasa berhingga (finite state automaton atau finite state tranducer) yang menghasilkan keluaran berdasarkan fasa saat itu dan bagian masukan/input. Dalam hal ini, diagram fasa (state diagram) dari mesin Mealy memiliki sinyal masukan dan sinyal keluaran untuk tiap transisi. Prinsip ini berbeda dengan mesin Moore yang hanya menghasilkan keluaran/output pada tiap fasa.

Nama Mealy diambil dari “G. H. Mealy” seorang perintis mesin-fasa (state-machine) yang menulis karangan “A Method for Synthesizing Sequential Circuits” pada tahun 1955.

Diagram fasa dari mesin Mealy sederhana

> Mesin Moore

Dalam teori komputasi sebagai prinsip dasar komputer, mesin Moore adalah otomasi fasa berhingga (finite state automaton) di mana keluarannya ditentukan hanya oleh fasa saat itu (dan tidak terpengaruh oleh bagian masukan/input). Diagram fasa (state diagram) dari mesin Moore memiliki sinyal keluaran untuk masing-masing fasa. Hal ini berbeda dengan mesin Mealy yang mempunyai keluaran untuk tiap transisi.

Nama Moore diambil dari “Edward F. Moore” seorang ilmuwan komputer dan perintis mesin-fasa (state-machine) yang menulis karangan “Gedanken-experiments on Sequential

Sumber :
http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1209393042
http://bowbow.co.tv/?p=79
http://littlebubblepink.blogspot.com/2010/03/pengantar-komputasi-modern.html

BCD(Busines content development)

BCD (business content development)
Banyak berbagai jenis organisasi, termasuk perusahaan media, perusahaan besar,
instansi pemerintah, dan lain-lain, telah mengadopsi sistem manajemen konten (CMS) untuk membantu mereka mengatur konten digital dan menciptakan produk berbasis konten untuk mereka pelanggan, karyawan, dan mitra. CMS dimaksudkan untuk menjadi pusat kontrol untuk seluruh konten siklus hidup, termasuk pembuatan konten, manajemen, produksi, dan distribusi,
namun meningkatnya kompleksitas dan saling ketergantungan ini hasil proses dalam CMS . jauh pendek dari tanggung jawab ideal mereka.

Salah satu unsur yang paling penting kompleksitas dalam proses konten adalah hak konten. Proses pelacakan hak, pengendalian, dan mengelola akses ke konten berdasarkan
hak informasi semakin diperlukan saat ini karena berbagai bisnis
imperatives. imperatif. Menambahkan perlindungan terus-menerus untuk konten adalah cara yang paling efektif untuk mengendalikan
and track access. dan jalur akses. manajemen konten dan yang terkait konten-sistem penanganan harus mengintegrasikan solusi mereka dengan perlindungan konten yang gigih termasuk hak dan lisensi informasi dalam metadata bahwa sistem mereka melacak dan dengan memastikan bahwa mereka . produk yang dioperasikan dengan menggunakan standar yang berbasis teknologi perlindungan persisten Hasil akan diintegrasikan-sistem penanganan konten yang memenuhi pelanggan mereka saat ini dan kebutuhan masa mendatang.

Tinjauan Sistem Manajemen Konten dan Proses
Istilah "manajemen konten" berasal dari pertengahan 1990-an, dan memiliki beberapa yang berbeda . arti dalam's pasar hari ini. Pada generik yang paling, sebuah sistem manajemen konten
salah satu yang toko digital konten untuk pencarian, browsing, akses, dan pengambilan oleh pengguna dalam workgroup atau perusahaan. Yang umum sebagian besar jenis sistem manajemen konten adalah:

Digital Asset Management (DAM): sistem yang mengelola aset media yang kaya, sering
media termasuk audio digital dan klip video, untuk pencarian dan repurposing dalam media . lingkungan produksi. Sistem ini kadang-kadang juga disebut Media
Asset Management (MAM).

o Web Content Management (WCM)alat yang menyediakan desain template halaman,
alur kerja, dan lingkungan penerbitan khusus untuk situs Web dan
. lain bentuk pengiriman konten Internet

Enterprise Content Management (ECM): sistem yang memfasilitasi pengelolaan
dokumen perusahaan dan jenis informasi lainnya untuk digunakan secara internal maupun dengan mitra bisnis perusahaan, pelanggan, regulator, dan
general public. masyarakat umum;


Contoh penggunaan teknologi CMS
Beberapa elemen teknologi umum adalah:

sistem manajemen database untuk mengelola metadata (informasi
describing content) and sometimes the content itself. menggambarkan isi) dan kadang-kadang isi itu sendiri.

sistem Konten penyimpanan, termasuk disk drive, jaringan area penyimpanan (SAN),
dan nearline offline storage /, terutama untuk penyimpanan aset-intensif seperti. Resolusi gambar diam dan video digital

Konten pengindeksan dan pencarian teknologi, seperti indeks teks terbalik, untuk
mempromosikan pencarian dan browsing konten.


Metadata penciptaan teknologi, termasuk kategorisasi teks, ekstraksi entitas,
dan gambar pengertian.

Workflow kemampuan, yang meliputi check-in dan check-out, kontrol versi. dan persetujuan routing



CONTOH WEB BCD



Drupal
Drupal adalah sebuah perangkat lunak sistem manajemen konten yang bebas dan terbuka yang di distribusikan dibawah lisensi GPL, Pengembangan dan perawatannya dilakukan oleh ribuan komunitas pengguna dan pengembang di seluruh dunia. Drupal dapat diunduh secara bebas dan dapat digunakan secara bebas juga, sehingga memungkinkan setiap orang baik secara individu maupun komunitas untuk mempublikasi, mengatur dan mengorganisir berbagai jenis dari isi/konten pada website.
Drupal dapat digunakan untuk membangun:
• Portal Web Komunitas
• Situs Diskusi
• Website Perusahaan
• Aplikasi Internal
• Website Personal atau Blog
• Aplikasi Komersial E-Commerce
• Kumpulan Sumber Informasi
• Situs Jaringan Sosial
• Website Multi Bahasa, sudah mendukung bahasa Indonesia dan Bahasa Jawa.
• Multi Situs (dalam satu setelan aplikasi)
• Dan lain-lain
Drupal dapat langsung digunakan setelah anda mendownload dan menginstallnya secara mudah. Dengan berbagai fungsionalitas yang sudah dibangun, dikombinasikan dengan ribuan paket modul drupal dan tema tampilan bebas yang tersedia, akan mengaktifkan berbagai fitur seperti :
• Sistem Manajemen Konten (Content Management Systems) (CMS)
• Sistem Platform (Content Management Framework) (CMF)
• Blog
• Forum
• Jaringan Peer-to peer (Peer-to-peer networking)
• Surat Kabar (Newsletters)
• Multimedia
• Galeri Foto / Gambar (Picture galleries)
• Pengunggahan dan Pengunduhan File (File uploads and downloads)
• Multi Tampilan
• Dan lebih banyak lagi.
Ditulis dengan bahasa PHP. Drupal jalan di atas berbagai sistem operasi Microsoft Windows, Mac OS X, Linux, FreeBSD dan lain-lain yang mendukung server web Apache atau IIS dan membutuhkan program database seperti MySQL dan PostgreSQL untuk menyimpan semua datanya. Bahkan mulai Drupal Versi 7 (yang masih dalam versi Dev) juga mendukung jenis database [MSSQL].
Meskipun menurut beberapa pengembang Drupal dibilang cukup sulit untuk pengguna baru, namun dengan berbagai keunggulannya, Drupal merupakan salah satu CMS terbaik. Bahkan, Kemampuannya tidak sekedar sebagai CMS, namun, dengan API-nya Drupal juga dapat digunakan sebagai Framework dalam membangun aplikasi berbasis Web CMF.
• Node. Node adalah satuan konten yang terdapat dalam Drupal. Sebuah node dapat merupakan blog, topik forum, berita, halaman statis, gambar, video, audio, maupun flash. Kumpulan node inilah yang membentuk keseluruhan konten dalam sebuah website berbasis Drupal.
• Taxonomy. Node yang begitu banyak perlu dikategorikan sesuai topik masing-masing. Dalam Drupal terdapat modul Taxonomy yang digunakan untuk mengkategorikan konten. Nama taxonomy diambil dari ilmu klasifikasi. Dengan demikian setiap satuan konten bisa disebutkan apakah berkategori Politik, Ekonomi, Sains, atau Agama. Cara mengklasifikasikan konten sepenuhnya diserahkan kepada pengguna yang punya hak untuk mengatur taksonomi. Modul-modul lain juga menggunakan modul Taxonomy untuk mengklasifikasikan konten tertentu, seperti misalnya Forum dan Image Gallery.
• Comment. Comment merupakan tanggapan terhadap sebuah node yang dituliskan oleh user (Komentar).
• Menu. Sistem menu dalam drupal adalah sistem penanganan request melalui URL. Jika Clean URL tidak diaktifkan, maka setiap query string yang berbentuk ?q= akan ditangani oleh sistem menu.
• Module. Website Drupal dapat ditambah dengan modul-modul tertentu sesuai keperluan. Modul adalah satuan program yang ditulis dalam PHP yang jika diaktifkan akan menambah fungsi tertentu. Misalnya modul Organic Groups untuk memberi fungsi group/mailing list seperti layaknya Google Groups ataupun Yahoo Groups. Modul Images untuk mengijinkan user mengupload gambar sebagai node.
• Theme. Theme adalah penampakan luar dari sebuah website Drupal. Sistem theme akan mengatur bagaimana website ditampilkan, layout halaman, penempatan block, style, dan sebagainya. Theme dapat diubah-ubah dengan memilih theme yang tersedia dalam direktori /themes maupun /sites/all/themes.
• Hook. User tidak pernah menyadari keberadaan konsep ini dalam Drupal, kecuali mereka adalah developer. Hook adalah metoda yang digunakan Drupal agar setiap modul dapat menambahkan fungsi tertentu, dengan cara mengaitkan fungsi tertentu tersebut pada hook yang dimiliki sistem Drupal. Sebagai contoh, setiap modul dapat menambah menu baru dengan cara mendefinisikan fungsi modul_menu, yang akan menjamin Drupal tidak lupa memperhitungkan keberadaan menu tersebut ketika diperlukan.
Referensi:
http://www.xrml.org/reference/CM-DRMwhitepaper.pdf
id.wikipedia.org/wiki/Drupal

SNB (Sosial Network Business)

SNB (Sosial Network Business)
Teori Jaringan Sosial Jaringan sosial merupakan salah satu dimensi kapital sosial selain kepercayaan dan norma. Konsep jaringan dalam kapital sosial lebih memfokuskan pada aspek ikatan antar simpul yang bisa berupa orang atau kelompok (organisasi). Dalam hal ini terdapat pengertian adanya hubungan sosial yang diikat oleh adanya kepercayaan yang mana kepercayaan itu dipertahankan dan dijaga oleh norma- norma yang ada. Pada konsep jaringan ini, terdapat unsur kerja, yang melalui media hubungan sosial menjadi kerja sama. Pada dasarnya jaringan sosial terbentuk karena adanya rasa saling tahu, saling menginforma- sikan, saling mengingatkan, dan saling mem- bantu dalam melaksanakan ataupun menga- tasi sesuatu. Intinya, konsep jaringan dalam kapital sosial menunjuk pada semua hubungan dengan orang atau kelompok lain yang memungkinkan kegiatan dapat berjalan secara efisien dan efektif (Lawang, 2005). Selanjut- nya, jaringan itu sendiri dapat terbentuk dari hubungan antar personal, antar individu dengan institusi, serta jaringan antar institusi. Sementara jaringan sosial (networks) merupa- kan dimensi yang bisa saja memerlukan
Keterbatasan penguasaan sumber-sumber produksi berupa kapital material, terutama penguasaan sumber daya lahan, modal finansial dan teknologi, memerlukan upaya pemberdayaan sumber-sumber sosial sebagai potensi sumber daya lokal, serta dengan memperhatikan segi kemerataan (equality) dan inklusi sosial dalam operasionalisasi program pembangunan. Tulisan ini berupaya membahas perspektif teori sosiologi dalam dinamika studi kapital sosial terutama aspek jaringan sosial (networks) yang dikaitkan dengan realitas sosial pada tataran empiris. Selaras dengan analisis teori kelembagaan baru (new institutionalism), teori jaringan, teori difusi inovasi, dan teori mobilitas vertikal; ditemukan adanya ketidaksinkronan pengembangan sistem dan usaha agribisnis dengan dukungan lingkungan kebijakan (policy environment). Selain itu, juga ada ketidaksinkronan politik pengembangan agribisnis pada level makro dengan ketersediaan aturan informal (informal rules) di level meso dan mikro dalam komunitas. Kegagalan pengembangan agribisnis juga diyakini merupakan akibat ketidakmerataan sumber daya sosial dan kurangnya perhatian kepada pengaruh jaringan sosial (network) terhadap manfaat ekonomi, yakni kurang mempertimbangkan aspek norma dan kepadaran (density) jaringan, kuat dan lemahnya ikatan (ties), peran lubang struktural (structural holes), dan interpretasi terhadap tindakan ekonomi dan ekonomi dalam pengembangan agribisnis. Dalam kondisi demikian, komunitas agribisnis akan tetap sulit meraih peluang untuk mengakses informasi dan inovasi teknologi yang berdampak pada rendahnya produktivitas, pendapatan, dan kesejahteraan, sehingga akan sulit juga dalam mencapai mobilitas vertikal.

Beberapa Teori Sosiologi dalam Analisis Jaringan Sosial (Networks) Teori Kelembagaan Baru (New Institutionalism) Secara ringkas pemikiran Nee (2005) mengenai Teori Kelembagaan Baru diawali dengan gagasannya untuk menjelaskan bagai- mana institusi berinteraksi dengan jaringan sosial (social network) dan norma-norma sosial untuk mengarahkan tindakan-tindakan ekonomi. Dalam tulisannya mengenai “ The New Institutionalisms in Economics and Sociology, ” dimulainya dengan mengemuka- kan pendekatan yang digagas oleh Granovetter dalam memandang jaringan sosial yang menyatakan bahwa aktor ekonomi bukan atom yang lepas dari konteks masyarakat, bukan pula sepenuhnya patuh pada aturan sosial. Tingkah laku aktor melekat pada reali- tas relasi sosial secara nyata dan berlangsung dalam relasi sosial antar individu maupun kelompok dalam struktur sosialnya. Relasi atau hubungan sosial bukanlah institusi. Dalam hal ini pandangan Kelembagaan Baru mengemukakan bahwa Granovetter hanya menjelaskan gejala-gejala mikro yang dekat dengan aspek agen atau individu anggota komunitas tanpa menjelaskan lebih banyak mengenai aspek yang berhubungan degan struktur makronya. Juga menurut Nee, Granovetter tidak menjelaskan mengapa aktor ataupun agen dipandang terpisah dan terlepas dari hubungan sosial di tataran struktural dalam mengejar kepentingan ekonomi. Granovetter (1985) menjelaskan mengenai ke- tertambatan (embeddedness) jaringan, norma, dan kepercayaan dalam struktur sosial untuk merevitalisasi logika studi-studi sosiologi eko- nomi. Lebih jauh ia berpendapat bahwa ikatan interpersonal diyakini memainkan peranan penting dalam pasar maupun perusahaan. Berlandaskan kepada kritik terhadap pendekatan Ekonomi Kelembagaan Baru (New Institutional Economic) dan mencermati pan- dangan Garnovetter di atas, Nee mengemuka- kan model institusional baru dari perspektif sosiologi ekonomi yang digambarkan seperti berikut:


Case study

PERSPEKTIF TEORI DALAM KAJIAN JARINGAN SOSIAL Grootaert (2002) menyatakan bahwa kapital sosial merupakan salah satu alternatif untuk mengatasi kemiskinan, kesehatan, pendidikan, dan ketersediaan kapital ekonomi di tingkat rumah tangga. Bahkan menurutnya, kontribusi kapital sosial sebanding dengan modal manusia. Artinya kapital sosial yang bersifat non fisik diyakini mampu menandingi peran kapital fisik. Pendapat itu tentunya kurang lengkap jika aspek kelembagaan, orga- nisasi sosial, norma, kepercayaan maupun jaringan sosial tidak dianalisis secara detail dengan mengutarakan analisis mengenai peran masing-masing sumber kapital sosial itu. Bisa saja terjadi keragaman tingkat keterse- diaan sumber-sumber daya sosial diantara individu, kelompok, atau dalam komunitas tertentu, yang didominasi oleh kontribusi jaringan kerja yang ada. Dengan demikian, peran jaringan kerja atau jaringan sosial yang tumbuh dalam komunitas lokal sangat mungkin memberikan kontribusi yang signifikan dalam mendukung aktivitas ekonomi masyarakatnya. Aspek kultur maupun struktur masyarakat yang berbeda antar wilayah akan memuncul- kan perbedaan ketersediaan sumber-sumber sosial. Penelitian Ibrahim (2005) di Jakarta tidak menemukan jaringan kerjasama antar organisasi berlainan jenis, sehingga ko- produksi di antara organisasi sosial menjadi rendah. Sementara itu, salah satu temuan Vipriyanti (2007) yang cukup menarik adalah mengenai dominannya kontribusi jaringan kerja dalam pembangunan ekonomi wilayah. Mencermati temuan Vipriyanti (2007) seperti dijelaskan di muka, bisa diketengahkan bahwa kuatnya ikatan sosial (strongth ties) pada organisasi sosial tradisi seperti subak maupun banjar di Bali, ternyata mampu memanfaatkan jaringan kerja secara optimal. Perkembangan pemikiran mengenai ka- pital itu sendiri tidak terlepas dari kritik, terutama mengenai beragamnya konsep dan definisi mengenai kapital sosial. Aspek lainnya yang perlu dicermati adalah mengenai penen- tuan indikator yang sesuai dalam mengukur kapital sosial, serta dalam hal bagaimana membangun atau mengembangkan kapital sosial. Perbedaan pandangan dan cara men- definisikan kapital sosial juga terkait dengan metode yang digunakan untuk menjelaskan kapital sosial itu sendiri. Akan tetapi, bagai- manapun perbedaan cara pandang dan meto- de analisis dalam studi-studi kapital sosial, ternyata tidak saling mempertentangkan peran kapital sosial terutama kontribusi jaringan sosial (network) dalam dinamika pemba- ngunan, termasuk dalam upaya pengemba- ngan komunitas agribisnis. Perspektif Sosiologi Ekonomi Pemberdayaan Jaringan Sosial dalam Pengembangan Agribisnis Pandangan mengenai sosiologi ekonomi dari Smelser dan Swedberg (2005) sangat penting untuk dicermati dalam kerangka mem- bangun pemahaman atas perspektif sosiologis yang digunakan atau diterapkan dalam feno- mena ekonomi, terutama yang terkait dengan aspek produksi, distribusi, pertukaran, dan konsumsi barang dan jasa sebagai sumber daya yang terbatas.

succes story

Mempekerjakan Karyawan Baru

Ben Kunz of Mediassociates hired an assistant media planner he first met on Twitter. Ben Kunz dari Mediassociates menyewa seorang perencana media asisten ia pertama kali bertemu di Twitter. Of course, he didn't hire her solely because they connected on Twitter, but Twitter made the introduction. Tentu saja, dia tidak mempekerjakan dia semata-mata karena mereka terhubung di Twitter, tetapi Twitter membuat pendahuluan. “I think the real lesson is there is value in connecting personally when searching for a job, and Twitter can help with that,” Kunz says. "Saya pikir pelajaran yang sebenarnya adalah ada nilai dalam menghubungkan pribadi ketika mencari pekerjaan, dan Twitter dapat membantu dengan itu," kata Kunz.

Kristen Beireis watches for potential team members on Twitter. Kristen Beireis jam tangan untuk anggota tim yang potensial di Twitter. When she sees tweets from the right people in her Twitter stream, she follows them and listens to their tweets. Ketika ia melihat tweets dari orang yang tepat dalam aliran Twitter, dia mengikuti mereka dan mendengarkan tweets mereka. “I get to know them and I get to know what kind of work they do that way. "Aku mengenal mereka dan aku bisa mengetahui jenis pekerjaan yang mereka lakukan itu. Twitter allows me the opportunity to see what's going on in their brains when it comes to the type of work we do,” Beireis says. Twitter memungkinkan saya kesempatan untuk melihat apa yang terjadi dalam otak mereka ketika datang ke jenis pekerjaan yang kita lakukan, "kata Beireis.

Selling Products Jual Produk

Author Christina Katz sold at least one book with a tweet. Penulis Christina Katz terjual setidaknya satu buku dengan tweet. I interviewed her for my blog and tweeted a link to the interview with a short introduction to the topic. Saya mewawancarai dia untuk blog saya dan tweeted link ke wawancara dengan pengenalan singkat dengan topik. Several of my followers read the post, with one claiming he was off to buy the book. Beberapa pengikut saya membaca tulisan, dengan satu mengklaim ia pergi untuk membeli buku.

Several software companies found me through Twitter. Beberapa perusahaan perangkat lunak menemukan saya melalui Twitter. They knew I did software reviews, so they tweeted asking if I wanted to look at their products; they then received publicity from the published reviews. Mereka tahu saya software review, sehingga mereka tweeted menanyakan apakah aku ingin melihat produk mereka, mereka pun mendapat publisitas dari tinjauan diterbitkan.
referensi
pse.litbang.deptan.go.id/ind/pdffiles/FAE27-1a.pdf .
http://gigaom.com/collaboration/real-life-twitter-business-success-stories/