Implementasi Convolutional Neural Network (CNN) Untuk Memprediksi Sifat Kimia Senyawa Turunan Flavonoid Sebagai Aktivator GLUT-4

Penelitian ini bertujuan untuk menerapkan metode Convolutional Neural Network (CNN) dalam memprediksi sifat biologis senyawa turunan flavonoid yang berperan sebagai aktivator GLUT-4, yaitu protein penting dalam proses pengaturan kadar gula darah pada penderita diabetes. Metode CNN digunakan karena kemampuannya dalam mengenali pola visual dari gambar struktur molekul secara otomatis dan efisien. Data yang digunakan terdiri dari 36 gambar struktur senyawa flavonoid yang dibagi ke dalam dua kelas, yaitu aktivator kuat dan aktivator lemah. Gambar diperoleh dari sumber jurnal ilmiah, digambarulang menggunakan ChemSketch, lalu diproses melalui tahapan pelabelan manual, augmentasi data, pengacakan (shuffling), dan konversi label dengan teknik one hot encoding. Untuk mengatasi keterbatasan jumlah data, pendekatan transfer learning dengan arsitektur MobileNetV2 digunakan. Hasil pelatihan menunjukkan bahwa metode mampu mencapai akurasi validasi sebesar 75% meskipun jumlah data terbatas. Hal ini menunjukkan bahwa CNN memiliki potensi sebagai alat bantu awal dalam mengklasifikasikan senyawa flavonoid berdasarkan kemampuannya dalam mengaktifkan mobilisasi GLUT-4, serta dapat dikembangkan lebih lanjut untuk mendukung pencarian senyawa alami sebagai terapi alternatif diabetes.