DETEKSI KOMUNITAS JARINGAN INTERAKSI PROTEIN- PROTEIN PENYAKIT KANKER LIVER MENGGUNAKAN ALGORITMA FIREFLY

Wardhana, Endrico Wisnu (2025) DETEKSI KOMUNITAS JARINGAN INTERAKSI PROTEIN- PROTEIN PENYAKIT KANKER LIVER MENGGUNAKAN ALGORITMA FIREFLY. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_123210015_Endrico Wisnu Wardhana.pdf Download (175kB)
	Text 3_Abstrak_123210015_Endrico Wisnu Wardhana.pdf Download (188kB)
	Text 4_Halaman Pengesahan Pembimbing_123210015_Endrico Wisnu Wardhana.pdf Download (199kB)
	Text 4_Halaman Pengesahan Penguji_123210015_Endrico Wisnu Wardhana.pdf Download (144kB)
	Text 5_Daftar isi_123210015_Endrico Wisnu Wardhana.pdf Download (221kB)
	Text 6_Daftar Pustaka_123210015_Endrico Wisnu Wardhana.pdf Download (222kB)
	Text 1_Skripsi Full_123210015_Endrico Wisnu Wardhana.pdf Restricted to Repository staff only Download (9MB)

Abstract

Karsinoma hepatoseluler (HCC) merupakan kanker hati primer dengan insiden
global tertinggi kedua dan angka kematian yang signifikan pada pria maupun wanita.
Meskipun berbagai studi telah mengidentifikasi gen dan jalur molekuler yang terlibat,
pemahaman menyeluruh mengenai modul fungsional dalam patogenesis HCC masih
terbatas. Analisis jaringan interaksi protein–protein (PPI) menawarkan pendekatan in
silico untuk mengungkap struktur komunitas biologis yang kompleks dan berpotensi
mengidentifikasi klaster protein yang berperan penting dalam perkembangan penyakit.
Oleh karena itu, penelitian ini mengusulkan penggunaan algoritma deteksi komunitas
yang terinspirasi secara biologis yaitu Algoritma Firefly (FA) yang digunakan untuk
mempartisi jaringan PPI HCC menjadi modul-modul fungsional berdasarkan profil
mutasi genomik.
Data mutasi dari 494 sampel HCC diperoleh dari basis data cBioPortal, kemudian
935 gen mutasi dipetakan sebagai node dan 8.931 interaksi sebagai edge, lalu dikonstruksi
menjadi jaringan PPI menggunakan platform STRINGdb. Algoritma Firefly kemudian
diimplementasikan dengan representasi locus-based adjacency, memanfaatkan parameter
chaotic alpha untuk mengintroduksi elemen stokastik, parameter attraction untuk
menegakkan kekuatan tarikan antar firefly, dan parameter light absorption untuk
mengatur penyerapan sinyal cahaya sebagai indikator kualitas solusi. Proses optimasi
modularitas Newman–Girvan dilakukan hingga 1.000 iterasi untuk menemukan
pembagian jaringan yang paling signifikan. Selain itu, validasi internal komunitas
dilakukan menggunakan 13 metrik kepadatan dan keterpaduan dari library CDlib,
sedangkan enrichment analysis berdasarkan GO Biological Process, GO Cellular
Component, KEGG Pathway, dan Reactome Gene Sets dilakukan melalui platform
Metascape untuk menginterpretasikan peran biologis setiap komunitas protein.
Hasil eksperimen menunjukkan bahwa algoritma Firefly berhasil membagi jaringan
PPI HCC menjadi 35 komunitas dengan nilai modularitas puncak sebesar 0,3926 pada
iterasi ke-999. Dari jumlah tersebut, 24 komunitas (≈69 %) memetakan minimal satu term
fungsional signifikan, seperti keterlibatan dalam jalur sinyal Wnt/β-catenin dan Hippo,
menegaskan relevansi biologis pendekatan deteksi komunitas pada jaringan PPI kanker
hati. Kombinasi optimasi modularitas berbasis FA, evaluasi multi-metrik, dan analisis
enrichment menyediakan kerangka kerja komprehensif untuk identifikasi modul protein
yang berpotensi menjadi kandidat biomarker atau target terapeutik dalam HCC.
Kata Kunci: jaringan interaksi protein–protein, deteksi komunitas, algoritma Firefly,
modularitas, enrichment analysis

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Endrico Wisnu Wardhana (Penulis - 123210015); Heru Cahya Rustamaji (Pembimbing)
Uncontrolled Keywords:	jaringan interaksi protein–protein, deteksi komunitas, algoritma Firefly, modularitas, enrichment analysis
Subjek:	Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Sistem Informasi
Depositing User:	UPA Perpustakaan
Date Deposited:	21 Oct 2025 02:30
Last Modified:	21 Oct 2025 02:30
URI:	http://eprints.upnyk.ac.id/id/eprint/44622

Actions (login required)

View Item