Prediksi Khasiat Jamu Berdasarkan Metabolit dan Identifikasi Metabolit Penting Menggunakan Gradient Boosting Machine dan Deep Neural Network.

Abstract

Jamu adalah sistem pengobatan tradisional Indonesia yang digunakan luas untuk memelihara kesehatan dan menyembuhkan penyakit. Untuk menjaga kualitas dan keamanan jamu, diperlukan pendekatan ilmiah, salah satunya dengan kajian metabolomik yang memanfaatkan data berdimensi tinggi serta machine learning. Pada penelitian ini dilakukan prediksi khasiat jamu berdasarkan kandungan metabolit menggunakan classifier Gradient Boosting Machine (GBM) dan Deep Neural Network (DNN) dan identifikasi metabolit yang penting pada setiap kelas khasiat. Data jamu di-filter dengan tiga jenis kernel SVM menghasilkan tiga dataset berbeda: JamuL, JamuP, dan JamuR. Akurasi tertinggi untuk classifier DNN sebesar 0.907 dicapai menggunakan data JamuL dan classifier GBM sebesar 0.903 dicapai menggunakan data JamuR. Pada model terbaik tiap classifier diidentifikasi metabolit penting dengan metode interpretasi model Shapley Additive Explanation (SHAP). Dari 85 metabolit penting tiap kelas khasiat yang diidentifikasi dari model GBM dan DNN, terdapat 20 yang dapat divalidasi oleh studi literatur. Metabolit yang belum diketahui memiliki hubungan dengan kelas khasiat tertentu dapat menjadi kandidat khasiat yang dapat diteliti lebih lanjut.