(0721) 8030188    [email protected]   

Klasifikasi Bioaktivitas Senyawa Anti-COVID-19 Menggunakan Metode SMOTE-N dan Support Vector Machine


Pandemi COVID-19 telah mendorong penelitian untuk menemukan senyawa yang efektif sebagai obat. Oleh karena itu, mengklasifikasikan senyawa berdasarkan bioaktivitasnya menjadi hal yang sangat penting. Namun, seringkali terdapat ketidakseimbangan dalam data senyawa, di mana jumlah senyawa aktif jauh lebih sedikit dibandingkan dengan senyawa tidak aktif. Oleh karena itu, digunakan SMOTE-N untuk mengatasi permasalahan tersebut. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi senyawa anti-COVID-19 dengan menggunakan metode Support Vector Machine (SVM). Hasil yang diperoleh dari penelitian ini, pada skema data latih 80%, model dengan kernel linear mencapai akurasi 98.35 dan pada skema data uji 20%, diperoleh akurasi 94.67%. Hasil ini menunjukkan bahwa SVM mampu memberikan performa yang konsisten dan sangat baik dalam klasifikasi data.

URI
https://repo.itera.ac.id/depan/submission/SB2507040045

Keyword
Bioaktivitas COVID-19 Klasifikasi Support Vector Machine