Perpustakaan Digital ITB

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.