DETEKSI KOMUNITAS JARINGAN INTERAKSI PROTEIN PENYAKIT KANKER PARU-PARU MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION

PRAYOGA, ADITYA (2025) DETEKSI KOMUNITAS JARINGAN INTERAKSI PROTEIN PENYAKIT KANKER PARU-PARU MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_123210098_Aditya Prayoga.pdf Download (215kB)
	Text 3_Abstrak_123210098_Aditya Prayoga.pdf Download (241kB)
	Text 4_Halaman Pengesahan Pembimbing_123210098_Aditya Prayoga.pdf Download (412kB)
	Text 4_Halaman Pengesahan Penguji_123210098_Aditya Prayoga.pdf Download (346kB)
	Text 5_Daftar Isi_123210098_Aditya Prayoga.pdf Download (288kB)
	Text 6_Daftar Pustaka_123210098_Aditya Prayoga.pdf Download (205kB)
	Text 1_Skripsi Full_123210098_Aditya Prayoga.pdf Restricted to Repository staff only Download (4MB)

Abstract

Kanker paru-paru menduduki peringkat pertama sebagai jenis kanker dengan jumlah
kasus dan kematian tertinggi di dunia. Deteksi dan pemahaman mendalam terhadap
mekanisme molekuler kanker paru menjadi sangat penting guna mendukung strategi
pengobatan dan pencegahan. Salah satu pendekatan yang dapat digunakan untuk memahami
mekanisme tersebut adalah melalui analisis jaringan interaksi protein (Protein-Protein
Interaction). Dalam konteks ini, deteksi komunitas menjadi langkah penting untuk
mengelompokkan protein yang saling berinteraksi secara fungsional. Meskipun berbagai
algoritma deteksi komunitas telah dikembangkan, masih dibutuhkan pendekatan yang
mampu memberikan hasil yang stabil, optimal, dan bermakna secara biologis. Oleh karena
itu, penelitian ini bertujuan menerapkan algoritma Ant Colony Optimization (ACO) untuk
mendeteksi komunitas dalam jaringan interaksi protein terkait kanker paru-paru.
Metode penelitain ini melalui beberapa tahapan yakni pengumpulan data, data
prepocessing¸deteksi komunitas, pengembangan sistem dan analisis komunitas. Data yang
digunakan berupa data sekunder protein dari situs IntOGen dan cBioPortal dengan kata
kunci lung. Enrichment Analysis dilakukan untuk menganalisis hasil komunitas yang
dihasilkan dengan menggunakan situs Metascape. Pengembangan sistem pada penelitian ini
memanfaatkan framework Streamlit untuk membangun antarmuka pengguna.
Hasil penelitian menunjukkan bahwa algoritma ACO mampu membentuk komunitas
dengan nilai modularity yang meningkat secara konsisten pada setiap iterasi dan stabil dalam
hasil akhir. Komunitas yang terbentuk menunjukkan keterkaitan fungsional yang kuat,
dengan keterlibatan dalam berbagai proses biologis penting seperti perbaikan DNA, regulasi
siklus sel, dan jalur apoptosis—yang kesemuanya berperan penting dalam perkembangan
kanker paru-paru. Temuan ini membuktikan bahwa algoritma ACO tidak hanya efektif dari
sisi struktur jaringan, tetapi juga relevan secara biologis, sehingga memiliki potensi dalam
mendukung pemahaman molekuler kanker paru dan pengembangan terapi berbasis target.
Kata Kunci: Kanker Paru-Paru, Jaringan Interaksi Protein, Deteksi Komunitas, Ant Colony
Optimization (ACO), Enrichment Analysis

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Aditya Prayoga (Penulis - 123210098); Heru Cahya Rustamaji (Pembimbing)
Uncontrolled Keywords:	Kanker Paru-Paru, Jaringan Interaksi Protein, Deteksi Komunitas, Ant Colony Optimization (ACO), Enrichment Analysis
Subjek:	T Technology > T Technology (General) T Technology > TJ Mechanical engineering and machinery
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	15 Oct 2025 01:24
Last Modified:	15 Oct 2025 01:24
URI:	http://eprints.upnyk.ac.id/id/eprint/44378

Actions (login required)

View Item