Prediksi Interaksi Protein-Protein Berbasis Sekuens pada Indonesia Jamu-Herbs Menggunakan Stacked-Autoencoder dan Conjoint Triad
Abstract
Masyarakat Indonesia sudah mengenal obat herbal yang bernama jamu.
Umumnya, formula jamu diperoleh secara empiris dan diwariskan dari generasi ke
generasi. Interaksi protein-protein (protein-protein interaction, PPI) dari jamu
memiliki peran penting dalam mempengaruhi proses biologis untuk penyembuhan.
Analisis PPI perlu dilakukan untuk mempelajari bagaimana protein berinteraksi
dengan protein lainnya. Data tentang interaksi protein masih terbatas. Karenanya
menemukan interaksi protein menjadi lebih sulit. Sehingga metode prediksi masih
diperlukan untuk menghasilkan PPI. Penelitian ini bertujuan untuk menghasilkan
model prediksi interaksi protein berbasis sekuens pada pangkalan data Indonesia
Jamu-Herbs dengan Stacked-Autoencoder sebagai arsitektur, Softmax sebagai
classifier, dan Conjoint Triad sebagai metode ekstraksi fitur. Model ini dengan satu,
dua, dan tiga autoencoder layer memperoleh akurasi masing-masing 95.58%,
95.56%, dan 95.60%. Studi ini menyimpulkan bahwa Stacked-Autoencoder yang
tergabung dengan Softmax classifier (termasuk autoencoder tunggal) memperoleh
hasil yang sangat baik. Walaupun begitu, penambahan jumlah layer tidak
mempengaruhi peningkatan akurasi.
Collections
- UT - Computer Science [2235]