Klasifikasi Senyawa Kimia Dengan Notasi Simplified Molecular Input Line Entry System (SMILES) Menggunakan Metode Extreme Learning Machine (ELM)
| Main Author: | Fitriani, Isti Marlisa |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/168900/1/Isti%20Marlisa%20Fitriani.pdf http://repository.ub.ac.id/168900/ |
Daftar Isi:
- Indonesia mempunyai potensi alam yang besar dengan ditemukannya berbagai spesies tanaman dan hewan. Hal ini menjadi keuntungan bagi masyarakat Indonesia dalam memanfaatkan kekayaan alamnya terutama dalam bidang farmakologi. Dalam bidang farmakologi, senyawa aktif mempunyai manfaat untuk pencegahan dan penyembuhan penyakit. Oleh karena itu, di dalam bidang informatika dilakukan penelitian dengan membuat sistem klasifikasi senyawa aktif untuk mengetahui manfaat farmakologinya. SMILES merupakan notasi senyawa kimia yang digunakan pada penelitian ini. Fitur SMILES yang digunakan sebanyak 15, yaitu atom B, C, N, O, P, S, F, Cl, Br, I, OH, @, =, #, dan (). ELM adalah metode JST yang dapat melakukan generalisasi dengan baik dalam waktu yang sangat cepat dibandingkan dengan metode Support Vector Machine (SVM) dan Backpropagation. Pengujian jumlah hidden neuron dengan metode k-fold cross validation pada 2 kelas menghasilkan akurasi terbaik 85,03% pada skenario kelas Metabolisme dan Radang dengan jumlah 5, 10, dan 15 hidden neuron. Pengujian jumlah hidden neuron dengan metode k-fold cross validation pada 3 kelas menghasilkan akurasi terbaik 55,06% pada skenario kelas Metabolisme, Radang, dan Kanker dengan jumlah 300 hidden neuron. Dihasilkan akurasi terbaik pada pengujian 15 fitur sebesar 55,06% dengan jumlah 300 hidden neuron sedangkan pada pengujian 11 fitur diperoleh akurasi terbaik sebesar 49,18% dengan jumlah 400 hidden neuron.