Fitriani, Isti Marlisa (2019) Klasifikasi Senyawa Kimia Dengan Notasi Simplified Molecular Input Line Entry System (SMILES) Menggunakan Metode Extreme Learning Machine (ELM). Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Indonesia has a huge natural's potential by the existence of various plants and animals discovery. This issue brings a good for Indonesian people through taking advantage of nature, especially in pharmacology. In pharmacology, active compounds can be used to prevent and cure diseases. Therefore, a research is conducted in informatics's field by making an active compounds' classification system to determine its pharmacological benefits. SMILES is a chemical compound notation used in this research. SMILES's features which are used as many as 15, namely B, C, N, O, P, S, F, Cl, Br, I, OH, @, =, #, and (). ELM is an ANN method that can do a generalization better than conventional methods in a limited time. A number of hidden neurons test which were conducted using k-fold cross validation method in 2 classes produced the best accuracy, 85,03%, in Metabolism and Inflammation class scenario with a total of 5, 10, and 15 hidden neurons. A number of hidden neurons' test using k-fold cross validation method which were conducted in 3 classes produced the best accuracy, 55,06%, in Metabolism, Inflammation, and Cancer class scenario with a total of 300 hidden neurons. The best accuracy was obtained as many as 55,06% by testing 15 features with 300 hidden neurons, while in 11 features's test with 400 hidden neurons was found a number of 49,18% as the best accuracy.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/122/051902292 |
| Uncontrolled Keywords: | senyawa aktif, SMILES, klasifikasi, ELM-active compounds, SMILES, classification, ELM |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 19 Jul 2020 10:11 |
| Last Modified: | 19 Oct 2021 08:59 |
| URI: | http://repository.ub.ac.id/id/eprint/168900 |
Preview |
Text
Isti Marlisa Fitriani.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |