<![CDATA[Senyawa aktif memegang peranan penting dalam bidang medis untuk pencegahan dan pengobatan berbagai penyakit, termasuk penyakit kardiovaskular dan kanker. Namun, pengujian dan identifikasi senyawa aktif secara eksperimental memerlukan waktu dan biaya yang besar. Penelitian ini bertujuan untuk mengklasifikasikan senyawa aktif obat penyakit kardiovaskular dan kanker berdasarkan representasi notasi Simplified Molecular Input Line Entry System (SMILES) menggunakan metode Kernel K-Nearest Neighbors (Kernel KNN) dengan pembobotan Laplacian Kernel dan Manhattan Distance. Dataset yang digunakan diperoleh dari PubChem dan diekstraksi menjadi fitur-fitur numerik berdasarkan struktur dan karakteristik kimia molekul. Hasil pengujian menunjukkan bahwa pengklasifikasian menggunakan metode Kernel KNN (dengan K = 3 dan $\sigma$ = 1) mampu mencapai tingkat akurasi sebesar 80%. Evaluasi menggunakan Confusion Matrix menghasilkan nilai presisi sebesar 80% untuk kelas kanker dan 79% untuk kelas kardiovaskular, nilai recall sebesar 81% untuk kelas kanker dan 78% untuk kelas kardiovaskular, serta F1-score rata-rata sebesar 80%. Hasil penelitian ini membuktikan bahwa metode Kernel KNN efektif dalam]]>
Copyrights © 2026
