Prediksi Formula Jamu Berkhasiat Menggunakan Teknik Link Prediction dari Jejaring Bipartite Senyawa Aktif dan Protein.

Abstract

Jamu merupakan obat herbal yang memiliki banyak khasiat. Salah satu pendekatan untuk mengetahui khasiat teresebut adalah dengan menganalisis network pharmacology. Pendekatan ini memprediksi khasiat formula jamu dengan menganalisis jaringan–jaringan biologis, seperti jaringan tanaman–senyawa, jaringan interaksi senyawa–protein, dan jaringan protein–penyakit. Kurangnya data interaksi senyawa–protein merupakan kendala yang sering ditemukan ketika menganalisis khasiat dari suatu formula jamu. Penelitian ini mengimplementasikan Bipartite Local Model Network Interaction–profile Inferring (BLMNII) untuk melakukan prediksi interaksi senyawa–protein. Penelitian ini menggunakan beberapa kernel similaritas seperti SIMCOMP, Smith–Waterman, dan Gaussian. Proses evaluasi dilakukan dengan melakukan uji Area Under Precision Recall Curve (AUPR) dan mengukur waktu eksekusi dari implementasi. Hasil evaluasi menunjukkan implementasi memperoleh nilai AUPR 0.842–0.96 dan membutuhkan 0.5–2 detik untuk memprediksi interaksi. Hasil ini menunjukkan performa implementasi yang dicapai memiliki nilai AUPR yang tinggi namun membutuhkan waktu komputasi yang tinggi untuk memprediksi interaksi.