Prediksi Interaksi Antar Protein pada Indonesian Jamu Herbs (IJAH) Berbasis Sekuen Protein Menggunakan Deep Learning dan Autocovariance

Abstract

Jamu adalah obat herbal khas Indonesia yang diracik dari tumbuh-tumbuhan. Salah satu tools dalam perkembangan jamu di Indosesia adalah Indonesian Jamu Herbs (IJAH) analytics. Sistem ini memanfaatkan data tanaman, protein, senyawa, penyakit, dan interaksi antar protein dan senyawa dari basis data yang tersebar di internet, seperti STRING, Swiss-Prot, dan Uniprot. Penelitian ini melakukan prediksi interaksi antar protein pada basis data IJAH berbasis sekuen protein menggunakan algoritma Deep Learning. Metode yang digunakan adalah Stack Autoencoder dan Softmax Classifier untuk membuat model klasifikasi dan Autocovariance untuk ekstraksi fitur.Model terbaik dengan akurasi sebesar 92.13% diperoleh pada model dengan struktur satu lapisan hidden menggunakan 400 neuron pada lapisan hidden-nya. Model ini mampu menghasilkan nilai akurasi yang cukup bagus dalam memprediksi interaksi antar protein pada basis data IJAH