Rancang Bangun Sistem Klasifikasi Senyawa dalam Tanaman yang Berpotensial Menyembuhkan Kanker Paru-Paru Menggunakan Algoritma Random Forest

Matthew, Kenny (2025) Rancang Bangun Sistem Klasifikasi Senyawa dalam Tanaman yang Berpotensial Menyembuhkan Kanker Paru-Paru Menggunakan Algoritma Random Forest. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (211kB)
	PDF BAB_II.pdf Download (388kB)
	PDF BAB_III.pdf Download (470kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (681kB)
	PDF BAB_V.pdf Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Download (204kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (556kB)

Abstract

Kanker paru-paru merupakan salah satu penyebab utama kematian di dunia, sehingga diperlukan metode penemuan kandidat obat yang cepat dan efisien. Penelitian ini bertujuan untuk membangun sebuah sistem klasifikasi berbasis machine learning untuk memprediksi potensi antikanker senyawa kimia terhadap target protein Epidermal Growth Factor Receptor (EGFR), yang merupakan target penting dalam terapi kanker paru-paru. Data bioaktivitas yang terdiri dari 10074 senyawa unik dikumpulkan secara terprogram dari database ChEMBL. Setiap senyawa direpresentasikan menggunakan fitur molecular fingerprints (ECFP4 1024- bit) untuk menangkap informasi struktural secara detail. Model klasifikasi dibangun menggunakan algoritma Random Forest dengan parameter class weight=balanced untuk menangani dataset yang tidak seimbang. Evaluasi model menggunakan metode 5-Fold Cross-Validation menunjukkan performa yang sangat baik dengan rata-rata akurasi mencapai 93 %. Hasil ini menunjukkan bahwa pendekatan komputasi menggunakan molecular fingerprints dan algoritma Random Forest sangat efektif untuk melakukan skrining virtual dan mengidentifikasi senyawa yang berpotensi sebagai agen terapi kanker paru-paru.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Matthew, Kenny (00000057330)
Contributors:	Permana, Angga Aditya
Keywords:	bioinformatika, kanker paru-paru, machine learning, molecular fingerprint, random forest.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:41
URI:	https://kc.umn.ac.id/id/eprint/40158

Actions (login required)

View Item