Link Prediction Pada Jaringan Interaksi Protein Penyakit Kanker Paru-Paru Menggunakan Fitur Topologi Jaringan

Josua Waruwu, Josua (2026) Link Prediction Pada Jaringan Interaksi Protein Penyakit Kanker Paru-Paru Menggunakan Fitur Topologi Jaringan. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 123220083_Cover - Josua Waruwu.pdf Download (111kB)
	Text 123220083_Abstrak - Josua Waruwu.pdf Download (161kB)
	Text 123220083_Halaman Pengesahan - Josua Waruwu.pdf Download (1MB)
	Text 123220083_Daftar Isi - Josua Waruwu.pdf Download (184kB)
	Text 123220083_Daftar Pustaka - Josua Waruwu.pdf Download (172kB)
	Text 123220083_Fulltext - Josua Waruwu.pdf Restricted to Repository staff only Download (3MB)

Abstract

Kanker paru-paru merupakan salah satu penyakit dengan tingkat kematian tertinggi di dunia, dan pemahaman terhadap mekanisme biologisnya di tingkat molekuler menjadi kunci dalam pengembangan strategi diagnosis dan terapi yang lebih efektif. Pada tingkat molekuler, perkembangan kanker paru-paru dipicu oleh gangguan pada jaringan interaksi antar protein (Protein-Protein Interaction/PPI) di dalam sel. Akan tetapi, jaringan PPI yang tersedia saat ini masih belum lengkap karena metode pengujian laboratorium bersifat mahal, memakan waktu, dan rentan menghasilkan kesalahan deteksi. Kondisi tersebut menuntut pendekatan komputasional yang lebih efisien untuk memprediksi interaksi protein yang belum terdeteksi. Selain itu, belum banyak penelitian yang membandingkan berbagai metode berbasis topologi secara sistematis pada jaringan PPI penyakit tertentu seperti kanker paru-paru, sehingga sulit menentukan pendekatan yang paling sesuai untuk konteks tersebut.
Penelitian ini menerapkan pendekatan kuantitatif dengan desain komputasional secara in silico yang mengikuti kerangka kerja CRISP-DM. Data interaksi protein diperoleh dengan memasukkan daftar protein terkait kanker paru-paru ke dalam platform basis data STRING pada tiga variasi confidence score, yaitu 0,40, 0,70, dan 0,90, untuk menganalisis pengaruh tingkat kepercayaan data terhadap performa prediksi. Data mentah diproses melalui tahapan pembersihan, penyaringan, dan pembentukan graf tak berarah dan tak berbobot, dilanjutkan dengan pemisahan data latih dan uji serta pembuatan sampel negatif. Sistem prediksi dikembangkan dengan mengimplementasikan tujuh metode link prediction berbasis indeks kemiripan topologis, yaitu Common Neighbors, Jaccard Coefficient, Adamic-Adar, Resource Allocation, Preferential Attachment, Local Path, dan L3 Index, serta satu model machine learning berbasis Random Forest yang menggabungkan ketujuh fitur topologi tersebut. Performa seluruh metode dievaluasi menggunakan empat metrik yang saling melengkapi, yaitu AUC-ROC, AUPR, Accuracy, dan Top-k Precision.
Hasil pengujian menunjukkan seluruh metode mencapai AUC-ROC di atas 0,80 pada ketiga skenario, membuktikan bahwa pendekatan berbasis topologi relevan untuk memprediksi interaksi protein pada jaringan PPI kanker paru-paru. Resource Allocation menjadi metode tunggal terbaik pada skenario kepercayaan sedang dan tinggi, sedangkan Random Forest unggul pada skenario kepercayaan tertinggi yang bersifat paling sparse, sehingga penggabungan fitur terbukti lebih menguntungkan pada jaringan yang jarang. Analisis kontribusi fitur secara konsisten menunjukkan dominasi L3 Index yang semakin meningkat pada data berkualitas lebih tinggi, dan peningkatan confidence score secara konsisten menaikkan performa seluruh metode. Sebagai kontribusi, penelitian ini menghasilkan analisis komparatif yang terukur sekaligus daftar kandidat interaksi protein baru yang dapat dijadikan acuan awal bagi validasi eksperimental lanjutan.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Kata Kunci: link prediction, Protein-Protein Interaction, kanker paru-paru, fitur topologi jaringan, Random Forest
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	06 Nov 2026 03:47
Last Modified:	06 Nov 2026 03:47
URI:	http://eprints.upnyk.ac.id/id/eprint/50179

Actions (login required)

View Item