Aulia Al-Jihad Safhadi Primary Author mixed material bibliography Banda Aceh Fakultas MIPA - Informatika 2022 id Indonesia

Skripsi

Indeks retensi kovats dari 340 dataset senyawa essential oil memiliki 5 deskriptor molekular yang optimal yaitu ATSc1, VCH-7, SP-1, Kier1, dan MLogP. Deskriptor molekular ini akan digunakan untuk memprediksi indeks retensi kovats dari senyawa essential oil menggunakan bahasa pemograman Python dan metode Artificial Neural Network (ANN) Backpropagation. Pengujian dilakukan untuk mencari 5 parameter terbaik untuk membentuk model yang paling optimal. Parameter yang dicari adalah pengujian jumlah epoch, pengujian learning rate, pengujian jumlah data latih dan data uji, pengujian jumlah unit node pada lapisan tersembunyi (hidden layer) dan pengujian fungsi aktivasi. Setiap pengujian akan dilakukan 5 kali percobaan untuk mendapatkan rata-rata tingkat akurasi yang paling optimal. Dari hasil pengujian didapatkan parameter yang paling optimal yaitu jumlah epoch 150, learning rate 0,05, jumlah data latih sebesar 80%, jumlah data uji sebesar 20%, jumlah unit node pada lapisan tersembunyi (hidden layer) sebanyak 50 node dan fungsi aktivasi yang digunakan adalah ReLU. Parameter tersebut membentuk model paling optimal yang akan menghasilkan hasil prediksi indeks retensi kovats dengan RMSE sebesar 58,776 dan R2 sebesar 0,953. Rata-rata perbedaan antara nilai aktual dan hasil prediksi indeks retensi kovats pada data uji adalah 4%. Dari hasil yang didapatkan diketahui bahwa metode Artificial Neural Network (ANN) Backpropagation dapat dijadikan salah satu metode untuk memprediksi indeks retensi kovats. Kata kunci: indeks retensi kovats, artificial neural network, backpropagation, deskriptor molekular. NEURAL NETWORKS (COMPUTER SCIENCE) 006.32 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 97686 2022-01-29 15:55:57 2022-01-31 10:24:36 machine generated