Penerapan Optimasi Portofolio Menggunakan Strength Pareto Evolutionary Algorithm 2 (spea2) Untuk Pemilihan Molekul Obat Dalam Penghambatan Ptp1b Pada Penyakit Diabetes Melitus

Abstrak

Abstrak 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.

Kata kunci : portofolio, drug discovery, SPEA2, efficient frontier

Abstract Molecular selection in drug discovery bears resemblance to problems in the stock portfolio. Therefore, the stock portfolio method can be applied in this molecular selection problem. This study used the IC50 bioactivity value to inhibit the growth of the PTP1B protein in diabetes mellitus by using a portfolio optimization method. The SPEA2 algorithm is used to determine the pareto-optimal set for multi-objective optimization problems. There are several parameters used such as population size, archive size, maximum generation, crossover probability and mutaso probability. The solution obtained from the SPEA2 algorithm will then form an Efficient Frontier in the form of a two-dimensional graphic where each axis describes the diversity value and the probability of success of the portfolio. The data used in this study were obtained from www.ebi.ac.uk/chembl as many as 1452 pieces of data. The test was carried out 3 times with each test using a different number of molecules, namely 5 molecules, 10 molecules and 20 molecules. Each test also uses a different number of generations, such as 100, 200 and 300. The results obtained indicate that the greater the number of generations does not affect the results of the graph. Because in several tests, a certain number of generations has obtained optimal results because there has been no significant change. The number of molecules also affects the value of diversity and the value of expected return, where the greater the number of molecules used, the greater the value of expected return and resulting diversity. The range of diversity values and expected return values are also influenced by the number of molecules. Keywords: portfolio, drug discovery, SPEA2, efficient frontier