Machine Learning merupakan sebuah sistem kecerdasan buatan, dimana sistem
tersebut mempunyai kemampuan untuk belajar secara otomatis dari pengalaman
tanpa pemrograman secara eksplisit. Proses pembelajaran dari machine
learning dimulai dari observasi data lalu melihat pola dari data tersebut.
Tujuan utama dari proses ini adalah membuat komputer dapat belajar secara
otomatis. Pada penelitian kali ini kami akan menggunakan Machine Learning
untuk memprediksi energi atomisasi molekul. Dari berbagai macam metode
pada machine learning, kami menggunakan dua metode yaitu neural network
dan Extreme Gradient Boosting. Kedua metode tersebut mempunyai beberapa
parameter yang harus diatur sedemikian rupa agar nilai prediksi dari energi
atomisasi molekul mempunyai galat sekecil mungkin. Kami berusaha untuk
menemukan nilai parameter yang tepat untuk kedua metode tersebut. Untuk
metode neural network cukup sulit ditemukan nilai parameter yang tepat karena
dibutuhkan waktu yang cukup panjang untuk melatih model dari neural
network tersebut agar mengetahui model tersebut baik atau buruk sedangkan
untuk metode Extreme Gradient Boosting waktu yang dibutuhkan untuk
mentraining model tersebut lebih pendek, sehingga cukup mudah untuk menemukan
nilai parameter yang tepat untuk model tersebut. Penelitian ini juga
melihat efek dari modifikasi dataset dengan transformasi output yaitu normalisasi
dan standarisasi kemudian mengeluarkan molekul yang mengandung
atom Br dan mengubah entri pada Coulomb matrix menjadi 0 jika jarak antar
atom pada molekul tersebut melebihi 2 angstrom.