PENERAPAN METODE PARTICLE SWARM OPTIMIZATION (PSO) DAN FEED FORWARD NEURAL NETWORK (FFNN) UNTUK MEMPREDIKSI INDEKS KOVATS PADA SENYAWA ESSENTIAL OIL | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PENERAPAN METODE PARTICLE SWARM OPTIMIZATION (PSO) DAN FEED FORWARD NEURAL NETWORK (FFNN) UNTUK MEMPREDIKSI INDEKS KOVATS PADA SENYAWA ESSENTIAL OIL


Pengarang

KURNIADINUR - Personal Name;

Dosen Pembimbing

Irvanizam - 198103152003121003 - Dosen Pembimbing I
Rinaldi Idroes - 196808251994031003 - Dosen Pembimbing II
Rasudin - 197410011999031001 - Penguji
Lelifajri - 197002212000032002 - Penguji
Zahnur - 196905291994031002 - Penguji



Nomor Pokok Mahasiswa

1608107010034

Fakultas & Prodi

Fakultas MIPA / Informatika (S1) / PDDIKTI : 55201

Subject
-
Kata Kunci
-
Penerbit

Banda Aceh : Fakultas MIPA - Informatika., 2022

Bahasa

No Classification

-

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

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.

The kovats retention index obtained from 340 essential oil compounds has been sucessfully calculated using molecular descriptor data. The descriptor have been optimized using genetic algorithms and 5 most optimal descriptors are obtained as the result, namely ATSc1, VCH-7 SP-1, Kier1 and MlogP. This molecular descriptor will be used to predict the kovats retention index in essential oil compounds using the Python programming language and the Feed Forward Neural Network (FFNN) method using Particle Swarm Optimization (PSO) training. A total of 340 datasets will be divided into two combinations, namely training set and testing set with a ratio of 70:30 and 80:20. The test is carried out by finding the best FFNN model obtained by PSO using the ReLU activation function. The network model will differentiate each number of hidden layer neurons from 1 to 10, then each model test was carried out with 1000 iterations and 10 trials. From the test results, the best FFNN model that gives the most optimal results is the model with 3 hidden layer neurons that uses 80% training set and 20% testing set. The model gives the best prediction results with RMSE = 92.87, MAPE = 6.08% and R 2= 0,937. The average accuracy between the actual value and the predicted results of the kovats retention index on the test data is 93.9%. From the results obtained, it is known that the Feed Forward Neural Network (FFNN) method using Particle Swarm Optimization (PSO) training can be used as a method to predict the kovats retention index. Keywords: kovats retention index, feed forward neural network, particle swarm optimization, molecular descriptors

Citation



    SERVICES DESK