Penerapan Optimasi Portofolio Menggunakan Strength Pareto Evolutionary Algorithm 2 (SPEA2) untuk Pemilihan Molekul Obat dalam Penghambatan PTP1B pada Penyakit Diabetes Melitus

YULIA OCTAVIANY

Informasi Umum

Kode

20.04.2102

Klasifikasi

332.6 - Investment, Domestic investment, Individual investment, Private investment, Investment prospectuses, Portfolio Analysis and management

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Portfolio Management

Dilihat

217 kali

Informasi Lainnya

Abstraksi

Pemilihan molekul dalam drug discovery memiliki kemiripan dengan masalah dalam portfolio saham. Oleh karena itu, metode portofolio saham dapat diterapkan dalam masalah pemilihan molekul ini. Penelitian ini menggunakan nilai bio-activity IC50 untuk menghambat pertumbuhan protein PTP1B pada penyakit diabetes mellitus dengan metode optimasi portfolio. Algortima SPEA2 digunakan untuk menentukan himpunan pareto-optimal untuk permasalahan optimasi multi-objective. Terdapat beberapa parameter yang digunakan seperti ukuran populasi, ukuran arsip, maksimum generasi, probabilitas crossover dan probabilitas mutasi. Solusi yang didapat dari algoritma SPEA2 selanjutkan akan dibentuk Efficient Frontier yang berbentuk sebuah grafik dua dimensi dimana tiap sumbunya menggambarkan nilai diversity dan nilai probabilitas keberhasilan dari portofolio. Data yang digunakan dalam penelitian ini diperoleh dari www.ebi.ac.uk/chembl sebanyak 1452 buah data. Pengujian dilakukan sebanyak 3 kali dengan masing – masing pengujian digunakan jumlah molekul yang berbeda, yaitu 5 molekul, 10 molekul dan 20 molekul. Dalam setiap pengujian juga menggunakan jumlah generasi yang berbeda yaitu sebanyak 100, 200 dan 300. Hasil ang didapatkan menunjukkan bahwa semakin besar jumlah generasi tidak mempengaruhi hasil grafik. Karena pada beberapa pengujian, pada jumlah generasi tertentu sudah didapatkan hasil yang cukup optimal karena tidak terjadi perubahan yang signifikan. Jumlah molekul juga mempengaruhi nilai diversity dan nilai expected return, dimana semakin besar jumlah molekul yang digunakan, nilai expected return dan diversity yang dihasilkan juga semakin besar. Rentang nilai diversity dan nilai expected return juga dipengaruhi oleh jumlah molekul.