Pemodelan Jaringan Saraf Tiruan Untuk Prediksi Struktur Sekunder Protein

Abstract

Penelitian ini bertujuan untuk membangun suatu model prediksi struktur sekunder protein menggunakan Jaringan Saraf Tiruan (JST). Kelas keluaran ditentukan menggunakan proses pembelajaran terhadap pola masukan pada saat pelatihan data. Pola masukan dibentuk dengan memanfaatkan sliding window dari sekuen asam amino dan penambahan fitur ekstraksi kimiafisik. Hasil dari penelitian ini memperlihatkan nilai akurasi Q3 score yang lebih besar jika menambahkan fitur kimiafisik. Model prediksi dengan penambahan ekstraksi fitur kimiafisik menghasilkan nilai akurasi 67.08% untuk alpha-helix (H), 45.18% untuk beta-sheet (E), dan 66.44% untuk coil (C). Model tanpa penambahan fitur ektrkaksi kimiafisik menghasilkan nilai akurasi sebesar 66.14% untuk alpha-helix (H), 45.83% untuk beta-sheet (E), dan 66.85% untuk coil (C).