Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2024
- Tujuan
- Nomor
- 11c1bb3c-fe0a-44f9-8f62-e27d80a721cf
- Terbit
- 2026-10-30
UDINUS melaksanakan studi yang membahas tantangan dataset berukuran kecil dalam informatika material. Kegiatan ini melibatkan Rustad, Supriadi; Akrom, Muhamad; Sutojo, Totok; dan Dipojono, Hermawan Kresno sebagai peserta. Studi tersebut memperkenalkan pendekatan Gaussian Mixture Model Virtual Sample Generation, atau GMM-VSG. Pendekatan ini menghasilkan sampel virtual untuk meningkatkan korelasi fitur. Kegiatan tersebut menerapkan GMM-VSG pada enam dataset kecil dan satu dataset besar yang melibatkan 218 senyawa N-heterosiklik.
Studi ini menilai kinerja prediktif dengan menggunakan beberapa metode pembelajaran mesin. Pada Random Forest, R2 yang dilaporkan meningkat dari 0,80 menjadi 0,99, sedangkan RMSE menurun dari 9,87 menjadi 0,22. Pada Kernel Ridge, R2 meningkat dari 0,70 menjadi 0,99, dan RMSE menurun dari 10,08 menjadi 0,83. KNN juga mengalami peningkatan, dengan R2 yang dilaporkan berada pada rentang 0,74 hingga 0,90. Studi ini selanjutnya melaporkan peningkatan yang berarti pada ANN dan MLPNN.
Temuan tersebut mengidentifikasi GMM-VSG sebagai pendekatan untuk meningkatkan kinerja prediktif dalam informatika material dan memajukan penelitian material antikorosi. Draf bukti ini mencatat kegiatan UDINUS, metode yang dinyatakan, cakupan dataset yang dinyatakan, dan temuan yang dilaporkan tanpa memperluas sumber.