KURNIADINUR Primary Author mixed material bibliography Banda Aceh Fakultas MIPA - Informatika 2022

Skripsi

Indeks retensi kovats yang diperoleh dari 340 senyawa essential oil telah berhasil dihitung menggunakan data deskriptor molekular. Deskriptor telah dioptimalkan menggunakan algoritma genetika dan didapatkan 5 deskriptor yang paling optimal yaitu ATSc1, VCH-7 SP-1, Kier1 dan MlogP. Deskriptor molekular ini akan digunakan untuk memprediksi indeks retensi kovats pada senyawa essential iol menggunakan bahasa pemograman Phyton dan metode Feed Forward Neural Network (FFNN) dengan pelatihan Particle Swarm Optimization (PSO). Sebanyak 340 dataset akan dibagi menjadi data latih dan data uji dengan perbandingan 70:30 dan 80:20. Pengujian untuk mencari model FFNN dengan pelatihan PSO terbaik akan menggunakan fungsi aktivasi ReLU. Model jaringan akan dibedakan setiap jumlah neuron hidden layer-nya dari 1 sampai 10, lalu setiap pengujian model dilakukan dengan 1000 ierasi dan 10 kali percobaan. Dari hasil pengujian didapatkan bahwa model FFNN terbaik yang memberikan hasil yang paling optimal adalah model dengan 3 neuron hidden layer yang menggunakan 80% data latih dan 20% data uji. Model tersebut memberikan hasil prediksi terbaik dengan RMSE = 92.87, MAPE = 6.08% dan R2 = 0,937. Rata-rata akurasi antara nilai aktual dan hasil prediksi retensi indeks kovats pada data uji adalah 93,9%. Dari hasil yang telah didapatkan, diketahui bahwa metode Feed Forward Neural Network (FFNN) menggunakan pelatihan Particle Swarm Optimization (PSO) dapat dijadikan sebagai salah satu metode untuk memprediksi indeks retensi kovats. Kata kunci: indeks retensi kovats, feed forward neural network, particle swarm optimization, deskriptor molekuler. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 97711 2022-01-31 12:33:08 2022-01-31 14:39:19 machine generated