PREDIKSI SENYAWA HERBAL INDONESIA SEBAGAI TERAPI SUPORTIF COVID-19 DENGAN SUPPORT VECTOR MACHINE

Abstract

Covid-19 (Coronavirus Disease 2019) merupakan jenis penyakit baru yang disebabkan oleh golongan virus coronavirus SARS-CoV-2 yang juga disebut dengan virus corona. Karena semakin banyaknya kasus yang bertambah maka diperlukan obat untuk terapi suportif covid-19. Dalam penemuan obat dapat dilakukan dengan metode in silico karena memanfaatkan teknologi komputasi dengan menggunakan pembelajaran mesin untuk melakukan prediksi senyawa dan protein yang disebut Drug Target Interactions (DTI). Ekstraksi fitur yang digunakan adalah Fingerprint sebagai senyawa deskriptor dan Pseudo Amino Acid Composition (PseAAC) sebagai protein deskriptor. Hasil ekstraksi fitur senyawa dan protein kemudian digabungkan dan akan dimasukkan ke dalam klasifikasi dengan menggunakan metode Support Vector Machine dan didapatkan akurasi sebesar 88.94%. Selanjutnya, model klasifikasi yang dihasilkan dari SVM digunakan untuk memprediksi senyawa herbal Indonesia dengan menghitung nilai probabilitasnya.