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

Indriana, Nyimas Ayu Widi (2018) Momentum Backpropagation untuk Klasifikasi Fungsi Senyawa Aktif Berdasarkan Notasi SMILES (Simplified Molecular Input Line Entry System). Sarjana thesis, Universitas Brawijaya.

Abstract

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.

English Abstract

Classification of active compounds is the most important thing in making medicines. After classifying the active compound, it is continued with the process of making and testing drugs that require a variety of tools. The cost of making and testing these drugs requires a high cost and time. This is a major obstacle for medical experts to make certain medicines. By utilizing current technology, a system can be made to classification process of active compounds, so the performance of medical experts for making certain drugs can be faster. The classification process can be done by using a computer and utilizing the SMILES notation. SMILES notation allows a compound to be processed by a computer. The momentum Backpropagation method can be used to perform the classification process properly. Based on the program that has been made, there are 4 types of testing using 522 training data and 131 test data producing, the best accuracy of 70,99% with a learning rate of 0,00001, max epoch of 100, momentum of 0,25 and hidden layer neurons of 4. Keyword: SMILES, backpropagation,

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/893/051900244
Uncontrolled Keywords:	SMILES, backpropagation, momentum backpropagation
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks)
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	23 Apr 2020 13:57
Last Modified:	18 May 2022 02:24
URI:	http://repository.ub.ac.id/id/eprint/166988

Text Nyimas Ayu Widi Indriana.pdf Download (3MB)

Actions (login required)

View Item