Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Pemulihan Fitur untuk Pembelajaran Mesin pada Material Antikorosi

Rektorat UDINUS 2024 Terbit 2026-10-30

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.

Rujukan https://www.scopus.com/pages/publications/85201476525?origin=resultslist