Implementasi Hybrid Sampling Technique untuk Prediksi Interaksi Senyawa Aktif dan Protein pada Data yang Tidak Seimbang

Abstract

Sistem prediksi formula jamu (Indonesia Jamu Herbs-Ijah) dikembangkan untuk memprediksi khasiat jamu berdasarkan hubungan interaksi senyawa aktif dan protein penyakit. Data hubungan interaksi senyawa aktif dan protein merupakan jenis data tidak seimbang karena banyak data senyawa aktif yang belum diketahui interaksinya dengan protein target, sehingga menyebabkan hasil prediksi yang kurang optimal. Pada penelitian ini, hybrid sampling technique dengan mengombinasikan complementary fuzzy support vector machine (CMTFSVM) dan sytnthetic minority oversampling technique (SMOTE) digunakan untuk menangani data interaksi senyawa aktif dan protein yang tidak seimbang pada data Ijah. Pengujian dilakukan menggunakan geometric mean (Gmean), area under curve (AUC), dan akurasi. Hasil penelitian menunjukkan bahwa hybrid sampling technique pada senyawa aktif dan protein pada Ijah berhasil meningkatkan kelas data minoritas mecapai tiga kali lipat dari data sampel yang digunakan. Model prediksi yang dihasilkan memiliki akurasi, Gmean, dan AUC secara berurutan sebesar 0.8346, 0.6812, dan 0.5319.