DETEKSI KOMUNITAS TUMPANG TINDIH PADA JARINGAN INTERAKSI PROTEIN KANKER GINJAL BERBASIS GRAPH NEURAL NETWORK

Wijdan Akhmad Subarkat, . (2026) DETEKSI KOMUNITAS TUMPANG TINDIH PADA JARINGAN INTERAKSI PROTEIN KANKER GINJAL BERBASIS GRAPH NEURAL NETWORK. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123220010_Wijdan Akhmad Subarkat.pdf Download (148kB)
	Text 2_Abstrak_123220010_Wijdan Akhmad Subarkat.pdf Download (213kB)
	Text 3_Halaman Pengesahan_123220010_Wijdan Akhmad Subarkat.pdf Download (71kB)
	Text 4_Daftar Isi_123220010_Wijdan Akhmad Subarkat.pdf Download (265kB)
	Text 5_Daftar Pustaka_123220010_Wijdan Akhmad Subarkat.pdf Download (206kB)
	Text 6_Skripsi Full_123220010_Wijdan Akhmad Subarkat.pdf Restricted to Repository staff only Download (4MB)

Abstract

Kanker ginjal, khususnya subtipe Kidney Renal Clear Cell Carcinoma (KIRC), merupakan tantangan kesehatan global yang signifikan dengan mekanisme penyakit yang dikendalikan oleh interaksi protein (Protein-Protein Interaction/PPI). Protein dalam jaringan ini bersifat dinamis dan sering kali memiliki peran ganda dalam berbagai jalur fungsional secara bersamaan, sehingga membentuk struktur komunitas yang saling tumpang tindih (overlapping). Masalah utama dalam studi bioinformatika saat ini adalah ketergantungan pada metode deteksi komunitas konvensional yang bersifat eksklusif atau disjoint. Metode tersebut gagal menangkap sifat multi-fungsional protein, sehingga informasi mengenai modul biologis menjadi kurang akurat. Selain itu, hasil analisis dari model machine learning yang kompleks sering kali sulit diinterpretasikan oleh peneliti medis karena kurangnya sistem visualisasi integratif yang menghubungkan hasil teknis dengan analisis pengayaan fungsional yang mendalam.
Penelitian ini menggunakan pendekatan kuantitatif non-eksperimental berbasis in silico dengan mengadopsi kerangka kerja CRISP-DM. Data sekunder diperoleh dari platform IntOGen dan cBioPortal, mencakup dataset cohort penderita kanker ginjal. Konstruksi jaringan interaksi protein dilakukan melalui basis data STRING-DB dengan parameter Medium Confidence (0,400), menghasilkan jaringan dengan 585 simpul protein dan 11.812 interaksi. Algoritma yang diimplementasikan adalah Neural Overlapping Community Detection (NOCD), sebuah model deep learning yang menggabungkan Graph Neural Network (GNN) sebagai encoder dan model generatif Bernoulli-Poisson sebagai decoder. Pengembangan sistem visualisasi dilakukan melalui empat fase utama yaitu analisis, perancangan, integrasi, dan pengujian menggunakan bahasa Python dengan framework Django untuk backend dan React untuk frontend.
Hasil penelitian menunjukkan bahwa model NOCD berhasil mengidentifikasi 16 komunitas tumpang tindih dari 585 simpul protein. Keunggulan model dibuktikan melalui peningkatan metrik topologi yang signifikan, di mana nilai density meningkat dari baseline 0,0691 menjadi 0,3445 dan clustering coefficient naik dari 0,0011 menjadi 0,0324. Model juga menghasilkan nilai coverage 0,8486 dan conductance 0,5552, yang menunjukkan cakupan interaksi luas serta pemisahan komunitas yang baik. Validasi biologis melalui enrichment analysis menggunakan platform g:Profiler mengonfirmasi bahwa komunitas yang terbentuk memiliki relevansi kuat dengan patogenesis kanker ginjal. Temuan krusial menunjukkan Komunitas 2 sebagai klaster utama yang mengandung protein master regulator VHL dan HIF1A, sementara Komunitas 11 memiliki signifikansi statistik tertinggi terkait proses organisasi kromatin. Kontribusi penelitian ini terletak pada penyediaan alur kerja integratif yang mampu menggabungkan akurasi teknis GNN dengan interpretasi biologis yang mendalam, sehingga memberikan wawasan baru bagi upaya pemahaman mekanisme molekuler kanker ginjal secara aplikatif.

Kata Kunci: Kanker Ginjal, Protein-Protein Interaction (PPI), Graph Neural Network (GNN), Deteksi Komunitas Tumpang Tindih, NOCD, Enrichment Analysis.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Wijdan Akhmad Subarkat (Penulis - 123220010) ; Heru Cahya Rustamaji (Pembimbing)
Uncontrolled Keywords:	Kanker Ginjal, Protein-Protein Interaction (PPI), Graph Neural Network (GNN), Deteksi Komunitas Tumpang Tindih, NOCD, Enrichment Analysis.
Subjek:	R Medicine > RC Internal medicine > RC0254 Neoplasms. Tumors. Oncology (including Cancer) T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	04 Mar 2026 01:41
Last Modified:	04 Mar 2026 01:41
URI:	http://eprints.upnyk.ac.id/id/eprint/47228

Actions (login required)

View Item