Prediksi Struktur Sekunder Protein Menggunakan Convolutional Neural Network (CNN) yang Dioptimasi dengan Algoritma Particle Swarm (PSO)
Pemanfaatan struktur primer untuk memperoleh struktur spasial protein membutuhkan sumber daya yang sangat tinggi. Oleh sebab itu, pemanfaatan metode komputasi dan struktur sekunder menjadi alternatif yang lebih terjangkau. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN) satu dimensi yang dioptimasi dengan algoritma Particle Swarm Optimization (PSO). Pendekatan teknik shift-and-stitch pada CNN juga diterapkan untuk mengatasi berkurangnya panjang dimensi pada data. Pengujian dilakukan menggunakan dataset CB513 yang terdiri dari 514 sekuens asam amino dan 42 fitur. Algoritma PSO diterapkan untuk melakukan pencarian hyperparameter yang sesuai terhadap hyperparameter yang berkaitan dengan struktur CNN, learning CNN, dan gabungan keduanya. Diperoleh hasil bahwa algoritma PSO mampu meningkatkan akurasi dengan rata-rata kenaikan sebesar 10.79% untuk pengoptimasian hyperparameter struktur CNN, 6.28% untuk pengoptimasian hyperameter learning CNN, dan 10.21% untuk gabungan keduanya jika dibandingkan dengan hasil pada model sederhana.
URI
https://repo.itera.ac.id/depan/submission/SB2408210032
Keyword
Convolutional Neural Network Particle Swarm Optimization Struktur sekunder protein