Prediksi Senyawa Herbal Potensial untuk Penanganan Obesitas Menggunakan Random Forest

Abstract

Obesitas dapat menyebabkan berbagai efek negatif untuk kesehatan, termasuk dapat menimbulkan penyakit lain. Penemuan obat baru secara konvensional memerlukan biaya yang besar dan waktu yang lama. Pada penelitian ini akan dibangun model drug-target interaction menggunakan Random Forest untuk menemukan kandidat senyawa herbal sebagai obat obesitas. Permasalahan yang terjadi pada saat pra proses data adalah adanya data tidak seimbang. Pada penelitian ini akan digunakan metode SMOTE untuk mengatasi data tidak seimbang. Hasil penelitian ini menunjukan bahwa model DTI menggunakan Random Forest dapat memprediksi dengan baik. Kinerja terbaik diperoleh dengan menggunakan deskriptor AAC dan pubchem fingerprint yaitu akurasi sebesar 98.05%, precision 97.67%, recall 98.42%, F-measure 98.05% dan AUROC 98.05%. Selanjutnya prediksi model terbaik terhadap data senyawa herbal menghasilkan 270 senyawa herbal yang memiliki potensi untuk penanganan obesitas.