QOL-09. WHOLE-BRAIN WHITE MATTER NETWORK CONNECTIVITY IS DISRUPTED BY PEDIATRIC BRAIN TUMOR TREATMENT

INTRODUCTION Treatments for pediatric brain tumors (PBT) are neurotoxic and lead to long-term deficits that are driven by the perturbation of underlying white matter (WM). It is unclear if and how treatment may impair WM connectivity across the entire brain. METHODS Magnetic resonance images from 41 PBT survivors (mean age: 13.19 years, 53% M) and 41 typically developing (TD) children (mean age: 13.32 years, 51% M) were analyzed. Image reconstruction, segmentation, and node parcellation were completed in FreeSurfer. DTI maps and probabilistic streamline generation were completed in MRtrix3. Connectivity matrices were based on the number of streamlines connecting two nodes and the mean DTI (FA) index across streamlines. We used graph theoretical analyses to define structural differences between groups, and random forest (RF) analyses to identify hubs that reliably classify PBT and TD children. RESULTS For survivors treated with radiation, betweeness centrality was greater in the left insular (p < 0.000) but smaller in the right pallidum (p < 0.05). For survivors treated without radiation (surgery-only), betweeness centrality was smaller in the right interparietal sulcus (p < 0.05). RF analyses showed that differences in WM connectivity from the right pallidum to other parts of the brain reliably classified PBT survivors from TD children (classification accuracy = 77%). CONCLUSIONS The left insular, right pallidum, and right inter-parietal sulcus are structurally perturbed hubs in PBT survivors. WM connectivity from the right pallidum is vulnerable to the long-term effects of treatment for PBT.

Pemanfaatan Analisis Jaringan Sosial Dalam Penentuan Centrality Dalam Pengembangan Web Berita Online

Revolusi digital selama berapa tahun terakhir ini meningkat pesat dan membuat perkembangan pada basis data. Perkembangan data tersebut sering terjadi beredar secara global. Data yang tersebar secara global dapat dikonsumsikan sebagai informasi terutama dalam media sosial. Media sosial Twitter merupakan salah satu media sosial yang sudah banyak digunakan di indonesia, dengan Data percakapan pada Twitter tersebut dapat dimanfaatkan sebagai sarana Informasi atau berita dan dapat juga dianalisis. Dengan penelitian ini memanfaatkan Basis Data pada media sosial twitter pada tweets yang diperoleh melalui API (Application Programming Interface). Dengan basis data tersebut merupakan untuk mewakili jaringan sosial antara pengguna, dan dengan menggunakan metode Social Network Analisys (SNA) karena untuk mencari tahu siapa saja pengguna yang menunjukkan pengaruh paling besar dalam penyebaran berita atau informasi dengan menggunakan suatu kata kunci dengan kata lain kedekatan dan hubungan dalam tweet. Software basis data dan Visualisasi menggunakan Gephi. Dalam menentukan aktor yang paling berpengaruh dalam Hastag #Indonesia dihitung menggunakan Centrality yang terdiri dari degree Centrality, Betweeness Centrality, dan Closeness Centrality. Sampel yang digunakan dalam penelitian ini merupakan sebuah tweet yang didalam mention, retweet, maupun reply interaksi akun tersebut menggunakan #Indonesia. Hasil penelitian ini yaitu terdapat 1064 node (akun) dan terdapat 1261 edges merupakan aktor yang terlibat dalam interaksi. Dalam tersebut ditemukan aktor atau akun yang paling berengaruh dalam jaringan #Indonesia secara keseluruhan adalah akun bernama bob_bay.

PEMETAAN PERILAKU BERISIKO GAY BERBASIS SNA SEBAGAI EARLY WARNING SYSTEM KASUS HIV/AIDS DI KOTA KENDARI

AbstrakPada kasus HIV dalam skala nasional, menunjukkan bahwa kelompok heteroseks juga termasuk sebagai kelompokutama yang paling berisiko menderita HIV/AIDS. Peningkatan ini mencolok terijadi sejak 2015 angkanya masih di 4.241 kasus, dan meningkat hingga lebih dari dua kali lipat pada 2016 yang mencapai 13.063 kasus. Data pemetaaninteraksi di sosial media khususnya wilayah Kendari terdapat sekitar 800 akun yang memberi interaksi perihal Gay.Hal ini diindikasikan akan mempengaruhi prevalensi kejadian HIV/AIDS di Kota Kendari. Penelitian ini bertujuan untukmemetakan interaksi perilaku berisiko Gay sebagai early warning system kasus HIV/AIDS. Social Network Analysismerupakan studi yang mempelajari tentang hubungan manusia dengan memanfaatkan teori graf. Penerapan SocialNetworkAnalysis dalam suatu aplikasi mampu menggambarkan relasi atau hubungan antar individu denganmelakukan visualisasi terkait centrality (titik pusat), between centrality (jalur pendek), juga closeness centrality yaknirata-rata jalur terpendek dari interaksi akun di laman FB. Untuk platform Facebook berdasarkan pada hasilpenghitungan diketahui bahwa akun yang berpengaruh terhadap interaksi jejaring sosial adalah akun Gay Kendariyang unggul pada nilai degree centrality,betweeness centrality, dan Closeness centrality. Akun Gay Kendari palingberpengaruh dalam interaksi jaringan sosial Facebook. Melalui social network analysis, penelitian ini memberikangambaran relasi perilaku berisiko LSL/Gay sebagai early warning system kasus HIV/AIDS di kota kendariKata kunci: analisis jaringan sosiai, gay, sistem peringatan dini, HIV/AIDS

Centrality-Based Connected Dominating Sets for Complex Network Graphs

The author proposes the use of centrality-metrics to determine connected dominating sets (CDS) for complex network graphs. The author hypothesizes that nodes that are highly ranked by any of these four well-known centrality metrics (such as the degree centrality, eigenvector centrality, betweeness centrality and closeness centrality) are likely to be located in the core of the network and could be good candidates to be part of the CDS of the network. Moreover, the author aims for a minimum-sized CDS (fewer number of nodes forming the CDS and the core edges connecting the CDS nodes) while using these centrality metrics. The author discusses our approach/algorithm to determine each of these four centrality metrics and run them on six real-world network graphs (ranging from 34 to 332 nodes) representing various domains. The author observes the betweeness centrality-based CDS to be of the smallest size in five of the six networks and the closeness centrality-based CDS to be of the smallest size in the smallest of the six networks and incur the largest size for the remaining networks.