Identifikasi Potensi Tanaman Herbal Indonesia sebagai Kandidat Antikanker Paru Menggunakan Machine Learning

Richie Lim, Mario (2026) Identifikasi Potensi Tanaman Herbal Indonesia sebagai Kandidat Antikanker Paru Menggunakan Machine Learning. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (779kB)
	PDF BAB_I.pdf Download (268kB)
	PDF BAB_II.pdf Download (372kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (11MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (229kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (293kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (781kB)
	Archive (ZIP) 00000067355_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Kanker paru merupakan salah satu penyebab utama kematian global dengan tingkat kelangsungan hidup yang rendah. Oleh karena itu, penelitian ini mengusulkan suatu pendekatan in silico untuk memprediksi interaksi obat-target (Drug-Target Interaction) antara senyawa herbal Indonesia dan protein kanker paru. Data senyawa dan protein diperoleh dari berbagai basis data publik, kemudian dilakukan penyaringan ADMET serta ekstraksi fitur menggunakan representasi Morgan fingerprint (ECFP4) dan Dipeptide Composition (DPC). Evaluasi terhadap empat algoritma ensemble machine learning menunjukkan bahwa Cascade Deep Forest memberikan performa terbaik dengan akurasi 92,71% dan AUC-ROC 0,9778. Tahap virtual screening mengidentifikasi beberapa senyawa golongan flavonoid sebagai kandidat utama, sedangkan molecular docking menunjukkan bahwa Flavone dari Annona muricata memiliki afinitas pengikatan terkuat terhadap CYP1A1 (DG = 9,867 kcal/mol). Analisis pengayaan GO dan KEGG menunjukkan bahwa target-target yang diprediksi berasosiasi dengan metabolisme xenobiotik, resistensi kemoterapi, dan regulasi angiogenesis, sehingga mendukung relevansi biologis kandidat senyawa herbal terhadap mekanisme kanker paru.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Richie Lim, Mario (00000067355)
Contributors:	Permana, Angga Aditya
Keywords:	Cascade Deep Forest, Kanker Paru, Machine Learning, Molecular Docking, Tanaman Herbal.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	24 Jul 2026 08:00
URI:	https://kc.umn.ac.id/id/eprint/48006

Actions (login required)

View Item