Momentum Backpropagation untuk Klasifikasi Fungsi Senyawa Aktif Berdasarkan Notasi SMILES (Simplified Molecular Input Line Entry System)

Main Author: Indriana, Nyimas Ayu Widi
Format: Thesis NonPeerReviewed
Terbitan: , 2018
Subjects:
Online Access: http://repository.ub.ac.id/166988/
Daftar Isi:
  • Senyawa aktif merupakan senyawa yang dapat dimanfaatkan untuk pembuatan obat-obatan tertentu dan sangat penting dalam bidang kesehatan. Proses klasifikasi fungsi senyawa aktif merupakan hal yang paling utama dalam proses pembuatan obat-obatan. Setelah tahap klasifikasi fungsi senyawa aktif dilakukan, maka dapat dilanjutkan pada tahap selanjutnya yaitu, proses pembuatan dan pengujian obat-obatan. Proses pembuatan dan pengujian obat-obatan ini membutuhkan biaya dan waktu yang cukup tinggi. Hal ini lah yang menjadi kendala utama bagi para ahi medis untuk melakukan proses pembuatan obat-obatan tertentu. Dengan memanfaatkan teknologi yang sudah berkembang saat ini dapat dibuat suatu sistem untuk melakukan proses klasifikasi senyawa aktif, sehingga kinerja para ahli medis dalam pembuatan obat-obatan tertentu dapat lebih cepat. Proses klasifikasi fungsi senyawa aktif dapat dilakukan dengan menggunakan komputer dan memanfaatkan notasi Simplified Molecular Input Line Entry System (SMILES). Penggunaan notasi SMILES memungkinkan suatu senyawa dapat diproses oleh komputer. Metode momentum Backpropagation dapat digunakan untuk melakukan proses klasifikasi dengan baik. Berdasarkan program yang sudah dibuat, dilakukan 5 macam pengujian dengan menggunakan jumlah data latih sebanyak 522 dan data uji sebanyak 131 menghasilkan akurasi terbaik sebesar 70,99% dengan learning rate sebesar 0,00001, max epoch sebesar 100, momentum sebesar 0,1 dan neuron hidden layer sebanyak 4.