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.
Collections
- UT - Computer Science [2255]