Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kanker payudara masih menjadi jenis kanker yang paling umum terjadi di dunia. Kanker payudara merupakan penyakit kompleks yang disebabkan oleh berbagai faktor. Pemeriksaan histopatologi dapat memberikan informasi penting mengenai fenotipe, yaitu karakteristik fisik atau morfologi dari jaringan yang diperiksa. Pemeriksaan genotipe juga dapat dilakukan untuk mengidentifikasi varian gen pada mutasi gen tertentu, yang dapat memberikan informasi tentang faktor risiko genetik seseorang terhadap penyakit tertentu dan respons terhadap terapi target yang ditujukan pada mutasi gen tertentu. Penelitian ini bertujuan untuk mengidentifikasi mutasi gen penetrasi non-BRCA dan hubungan antara genotipe-fenotipe pada pasien kanker payudara. Pada penelitian ini, pemeriksaan genotipe dilakukan menggunakan metode targeted sequencing. Pada penelitian ini ditemukan sebanyak 18 gen kerentanan dengan varian pathogenic dan likely-pathogenic (P/LP). Kelompok varian gen dibandingkan dengan fenotipe pasien yaitu diantaranya adalah usia, riwayat kanker payudara pada keluarga, status metastasis, subtipe molekuler, dan grade. Kesimpulannya, ditemukan mutasi gen penetrasi non-BRCA diantaranya SMAD4 H427Lfs*9, ATM H1951Pfs*39, PTEN Q219Rfs*2, dan MET K842Sfs*7, mutasi gen penetrasi SMAD4 H427Lfs*9 berhubungan dengan subtipe molekuler luminal B, mutasi gen penetrasi ATM H1951Pfs*39, PTEN Q219Rfs*2, dan MET K842Sfs*7 berhubungan dengan subtipe molekuler TNBC. Pada penelitian ini juga dilakukan homology modelling protein PTEN mutan terhadap protein PTEN wild type dan kaitannya dengan respons terapi target GSK2636771 dan AZD8186. ......Breast cancer is still the most common type of cancer in the world. Breast cancer is a complex disease caused by various factors. Histopathological examination can provide important information regarding the phenotype, namely the physical or morphological characteristics of the tissue being examined. Genotyping tests can also be performed to identify gene variants in certain gene mutations, which can provide information about a person's risk of genetic factors for certain diseases and response to targeted therapy aimed at certain gene mutations. This study aims to identify non-BRCA penetrance gene mutations and the relationship between genotypes in breast cancer patients. In this study, genotype examination was carried out using the targeted sequencing method. In this study, 18 susceptibility genes with pathogenic and likely-pathogenic (P/LP) variants were found. Gene variant groups were compared with the patient's phenotype, including age, family history of breast cancer, metastatic status, molecular subtype, and grade. In conclusion, non-BRCA penetrance gene mutations were found, including SMAD4 H427Lfs*9, ATM H1951Pfs*39, PTEN Q219Rfs*2, and MET K842Sfs*7. SMAD4 H427Lfs*9 penetrance gene mutation is associated with luminal molecular subtype B, ATM H1951Pfs penetrance gene mutation *39, PTEN Q219Rfs*2, and MET K842Sfs*7 are associated with TNBC molecular subtypes. In this study, homology modeling was also performed on wild type PTEN protein with mutant PTEN protein and its relation to the response to targeted therapy of GSK2636771 and AZD8186.

Abstrak :
PT Perusahaan Gas Negara (PGN) Tbk merupakan perusahaan yang memiliki pegawai sebanyak 1.383 orang pada Januari 2020 berdasarkan hasil wawancara dengan divisi Human Capital Management (HCM). Pengelolaan pegawai di PT PGN Tbk dibawah Direktorat SDM dan Umum yaitu pada divisi HCM. Salah satu departemen di HCM yaitu Human Capital Business Partner (HCBP) yang mempunyai tugas untuk memutasi, rotasi dan promosi. Tingginya frekuensi mutasi dan rotasi pegawai sebanyak 1.323 orang pada tahun 2018 dan 933 orang pada tahun 2019, menyebabkan sulitnya mendapatkan kandidat yang sesuai. PT PGN Tbk mempunyai aplikasi untuk mengelola data pegawai yaitu aplikasi HRMS (Human Resources Management System). Penelitian memiliki tujuan untuk menentukan model prediksi kandidat pegawai untuk menempati kekosongan jabatan di PT PGN Tbk menggunakan data 2017-2020 yang bersumber dari aplikasi HRMS. Penelitian ini menggunakan pendekatan mixed method. Pengumpul data menggunakan wawancara dengan analyst career & succession planning di PT PGN Tbk dan observasi terhadap aplikasi HRMS PT PGN Tbk yang berbasiskan Oracle Versi-12. Data dianalisis dengan membandingkan metode K-Nearest Neighbor (KNN), Naïve Bayes dan Random Forest untuk mencari model terbaik dalam prediksi pegawai. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi terhadap PT PGN Tbk mengenai model prediksi untuk dapat membantu mengurangi subjektifitas dalam pemilihan kandidat melalui analisis data pada Aplikasi HRMS PT PGN Tbk. Hasil pada penelitian ini menunjukan bahwa metode Random Forest memiliki tingkat akurasi tertinggi yaitu sebesar 99% melalui uji validasi silang menggunakan 10-fold cross validation. ......PT Perusahaan Gas Negara (PGN) Tbk is a company with 1,383 employees as of January 2020 based on interviews with the Human Capital Management (HCM) division. Employee management at PT PGN Tbk under the Directorate of Human Resources and General Affairs, namely in the HCM division. One of the departments in HCM is Human Capital Business Partner (HCBP) which has the task to mutate, rotation and promotion. The high frequency of mutations and rotation of employees as many as 1,323 people in 2018 and 933 people in 2019, causing difficulty in getting suitable candidates. PT PGN Tbk has an application to manage employee data, namely the HRMS (Human Resources Management System) application. The research aims to determine the predictive model of employee candidates to occupy the vacancy at PT PGN Tbk using 2017-2020 data sourced from the HRMS application. This research uses mixed method approach. Data collectors use interviews with analyst career & succession planning at PT PGN Tbk and observation of PT PGN Tbk HRMS application based on Oracle Version-12. The data were analyzed by comparing K-Nearest Neighbor (KNN), Naïve Bayes and Random Forest methods to find the best model in employee prediction. The results of this research are expected to contribute to PT PGN Tbk regarding prediction model to be able to help reduce subjectivity in candidate selection through data analysis in PT PGN Tbk HRMS Application. The results in this research show that Random Forest method has the highest accuracy rate of 99% through cross validation test using 10-fold cross validation.