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