Analisis klaster merupakan analisis teknik multivariat yang bertujuan untuk melakukan pengelompokan berdasarkan kesamaan objek pada berbagai karakteristik. Daun kelor diketahui mengandung beragam senyawa aktif yang baik untuk tubuh. Hal inilah yang menjadi alasan mengapa daun kelor sering digunakan sebagai obat herbal untuk mengatasi gangguan kesehatan tertentu, termasuk diabetes. Penelitian ini bertujuan untuk mengeksplorasi potensi daun kelor sebagai obat antidiabetes dengan membandingkan kemiripan senyawa obat daun kelor
dengan obat antidiabetes menggunakan dua metode clustering yaitu clustering hierarchical dan clustering K-Medoids. Analisis dilakukan terhadap data ADMET senyawa daun kelor dan obat antidiabetes. Berdasarkan hasil analisis klaster, metode clustering hierarchical dengan pendekatan ward menghasilkan silhouette coefficient sebesar 0,1340, dunn Index sebesar 0,3854 dan connectivity sebesar 20,500. Sementara itu, metode clustering K-Medoids menghasilkan silhouette coefficient sebesar 0,1000, dunn index sebesar 0,2831 dan connectivity sebesar
38,500. Hal ini menunjukkan bahwa nilai silhouette coefficient dan dunn index pada clustering hierarchical lebih tinggi dibandingkan dengan clustering KMedoids dan nilai connectivity lebih rendah dari clustering K-Medoids, sehingga kualitas clustering menggunakan clustering hierarchical lebih baik. Hasil klaster dari clustering hierarchical menghasilkan 10 klaster dimana klaster 2 berisikan
anggota senyawa obat yaitu glimepiride dan senyawa daun kelor yaitu 358357, 191036, 1301760, 1930553, yang menunjukkan terdapat karakteristik yang serupa antara senyawa daun kelor dan senyawa obat antidiabetes. Artinya, senyawa daun kelor berpotensi sebagai obat antidiabetes pada data ADMET dalam studi ini.
Cluster analysis is a multivariate technique analysis that aims to group objects based on similarities in various characteristics. Moringa leaves are known to contain various active compounds that are good for the body. This is the reason why Moringa leaves are often used as herbal medicine to treat certain health disorders, including diabetes. This study aims to explore the potential of Moringa
leaves as an antidiabetic drug by comparing the similarity of Moringa leaf medicinal compounds with antidiabetic drugs using two clustering methods, namely hierarchical clustering and K-Medoids clustering. The analysis was carried out on ADMET data of Moringa leaf compounds and antidiabetic drugs. Based on the results of the cluster analysis, the hierarchical clustering method with the Ward
approach produced a silhouette coefficient of 0.1340, a Dunn Index of 0.3854 and a connectivity of 20.500. Meanwhile, the K-Medoids clustering method produced a silhouette coefficient of 0.1000, a Dunn Index of 0.2831 and a connectivity of 38.500. This shows that the silhouette coefficient and dunn index values in hierarchical clustering are higher than K-Medoids clustering and the connectivity
value is lower than K-Medoids clustering, so the quality of clustering using hierarchical clustering is better. The cluster results from hierarchical clustering produce 10 clusters where cluster 2 contains members of the drug compound, namely glimepiride and moringa leaf compounds, namely 358357, 191036, 1301760, 1930553, which shows that there are similar characteristics between moringa leaf compounds and antidiabetic drug compounds. This means that moringa leaf compounds have the potential as antidiabetic drugs in the ADMET
data in this study.