Klasifikasi Jamu dengan Graph Convolutional Network

Abstract

Jamu merupakan obat herbal tradisional Jawa yang banyak digunakan untuk menangani atau mencegah berbagai penyakit seperti demam, flu, batuk, dan kehilangan nafsu makan. Seiring dengan ditemukannya manfaat baru dari bahan herbal, jumlah resep jamu terus bertambah sehingga diperlukan metode klasifikasi yang efektif dan akurat. Penelitian ini menggunakan Graph Convolutional Network (GCN) untuk mengklasifikasikan khasiat jamu berdasarkan komposisi bahan aktifnya. Data diperoleh dari basis data KNApSAcK yang mencakup jamu di Indonesia dan dievaluasi menggunakan k-fold cross-validation. Hasil eksperimen menunjukkan bahwa model yang dikembangkan mencapai akurasi 81,14% pada data imbalanced dan 80,73% pada data balanced, menunjukkan potensinya dalam klasifikasi jamu berbasis pembelajaran mesin.