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.
Collections
- UT - Computer Science [2323]