Deteksi Komunitas Overlap Menggunakan Local Greedy Extended Dynamic Overlapping Community Detection (GLOD) pada Protein Kanker Payudara

DEA REIGINA, . (2026) Deteksi Komunitas Overlap Menggunakan Local Greedy Extended Dynamic Overlapping Community Detection (GLOD) pada Protein Kanker Payudara. Skripsi thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text Cover_123220020.pdf Download (127kB)
	Text Abstrak_123220020.pdf Download (1MB)
	Text Halaman Pengesahan_123220020.pdf Download (202kB)
	Text Daftar Isi_123220020.pdf Download (524kB)
	Text Daftar Pustaka_123220020.pdf Download (873kB)
	Text Fulltext_123220020.pdf Download (7MB)

Abstract

Kanker payudara merupakan penyakit dengan kompleksitas molekuler tinggi karena melibatkan interaksi banyak protein dalam berbagai jalur biologis. Analisis jaringan interaksi protein memungkinkan pemahaman hubungan antar protein secara sistematis. Namun, jaringan biologis bersifat kompleks dan memungkinkan satu protein berada pada lebih dari satu kelompok fungsi, sehingga diperlukan metode deteksi komunitas yang mampu mengidentifikasi struktur overlapping. Penelitian ini bertujuan untuk menerapkan algoritma Local Greedy Extended Dynamic Overlapping Community Detection (GLOD) pada jaringan interaksi protein kanker payudara serta mengevaluasi kualitas komunitas yang terbentuk secara struktural dan fungsional.
Data protein diperoleh melalui API UniProt menggunakan kata kunci breast cancer dan menghasilkan 2.690 entri. Setelah seleksi atribut Gene Symbol dan proses deduplikasi, diperoleh 2.010 protein unik. Jaringan interaksi dibangun menggunakan STRING DB dengan confidence score 0,900 pada organisme Homo sapiens, menghasilkan 1.823 simpul dan 2.646 sisi. Setelah ekstraksi giant component, jaringan akhir terdiri dari 864 simpul dan 2.567 sisi. Algoritma GLOD diterapkan dengan parameter alpha 0,7 dan merging threshold 0,2 untuk mendeteksi komunitas overlapping. Sistem dikembangkan menggunakan Python dengan framework Django dan diuji menggunakan metode whitebox testing untuk memastikan setiap modul berjalan sesuai logika perancangan.
Hasil penelitian menunjukkan bahwa algoritma GLOD berhasil mengidentifikasi 16 komunitas overlapping dengan nilai rata-rata Normalized Node Cut (NNC) sebesar 0,3691. Berdasarkan distribusi kuartil, 4 komunitas termasuk kategori baik, 8 kategori cukup, dan 4 kategori rendah. Secara fungsional, enrichment analysis menunjukkan pengayaan signifikan pada beberapa jalur utama, antara lain Jalur dalam kanker pada Komunitas 1 (54,76%, -29,03), Kanker kolorektal pada Komunitas 2 (66,67%, -26,57), Proteoglikan dalam kanker pada Komunitas 6 (64,29%, -16,33), Proses siklus sel mitotik pada Komunitas 3 (66,67%, -28,23), serta Remodeling kromatin pada Komunitas 10 dan 14 (89,47%, -25,46). Nilai Log10(P) yang negatif menunjukkan signifikansi statistik yang kuat. Seluruh pengujian sistem menunjukkan hasil berhasil tanpa kesalahan fungsional. Penelitian ini menunjukkan bahwa pendekatan deteksi komunitas overlapping berbasis GLOD mampu menghasilkan struktur modular yang konsisten secara topologi dan relevan secara fungsional pada jaringan interaksi protein kanker payudara.

Kata Kunci: kanker payudara, GLOD, deteksi komunitas overlap, jaringan interaksi protein, enrichment analysis

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Dea Reigina (123220020-Penulis); Heru Cahya Rustamaji (Pembimbing 1)
Uncontrolled Keywords:	kanker payudara, GLOD, deteksi komunitas overlap, jaringan interaksi protein, enrichment analysis
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	17 Apr 2026 08:44
Last Modified:	17 Apr 2026 08:44
URI:	http://eprints.upnyk.ac.id/id/eprint/47838

Actions (login required)

View Item