Klasifikasi sekuens DNA diabetes melitus dengan algoritma k-nearest neighbor

INDONESIA:

Penelitian ini meneliti tentang klasifikasi sekuens DNA diabetes melitus dalam machine learning berguna untuk mendeteksi pola penyakit. Sekuens DNA pada dataset penelitian berasal dari gen insulin yaitu protein yang diproduksi oleh tubuh manusia untuk mengatur kadar glukosa yang menyebabakn diabetes melitus. Model klasifikasi untuk mendeteksi diabetes melitus berdasarkan sekuens DNA dengan menggunakan algoritma K-Nearest Neighbor (KNN). Hasil evaluasi model menunjukkan bahwa accuracy terbaik tercapai sebesar 93,26%, dengan menggunakan 3-mers, 10% data uji, 2-Nearest Neighbor, bobot jarak, dan jarak Minkowski (p=3). Model ini dapat membedakan dengan baik antara diabetes melitus tipe 1, tipe 2, dan gestasional. Kontribusi utama dari penelitian ini adalah pengembangan prediksi sekuens DNA baru, yang dapat digunakan untuk membantu deteksi dini dan penanganan diabetes melitus. Dengan accuracy yang tinggi, model ini memiliki potensi untuk digunakan dalam aplikasi klinis untuk meningkatkan diagnosis dan pengobatan penyakit diabetes melitus.

ENGLISH:

This study investigates the classification of DNA sequences related to diabetes mellitus in machine learning, aimed at detecting disease patterns. The DNA sequences in the research dataset originate from the insulin gene, a protein produced by the human body to regulate glucose levels, which is linked to diabetes mellitus. The classification model detects diabetes mellitus based on DNA sequences using the K-Nearest Neighbor (KNN) algorithm. The evaluation results show that the best accuracy achieved is 93,26%, with 3-mers, 10% test data, 2-Nearest Neighbor, distance weight, and the Minkowski distance (p=3). The model effectively distinguishes between type 1 diabetes, type 2 diabetes, and gestational diabetes. The main contribution of this research is the development of a novel DNA sequence prediction model that can assist in the early detection and management of diabetes mellitus. With high accuracy, this model has the potential for clinical applications to improve the diagnosis and treatment of diabetes mellitus.

ARABIC:

بحثت هذه الدراسة في تصنيف تسلسلات الحمض النووي المرتبطة بمرض السكري في التعلم الآلي، يرجى بهدف للكشف عن أنماط المرض. تنشأ تسلسلات الحمض النووي في مجموعة البيانات البحثية من جين الأنسولين، وهو بروتين ينتجه جسم الإنسان لتنظيم مستويات الجلوكوز، وهو مرتبط بمرض السكري. يكتشف نموذج التصنيف داء السكري بناءً على تسلسل الحمض النووي باستخدام خوارزمية K-Nearest Neighbor (KNN).أظهرت نتائج التقييم أن أفضل دقة تم تحقيقها هي %93,26، مع 3-mers، و%10 بيانات اختبار، و2-Nearest Neighbor ، ووزن المسافة، ومسافة مينكوفسكي (p=3). يميز النموذج بشكل فعال بين مرض السكري من النوع الأول، ومرض السكري من النوع الثاني، وسكري الحمل. تتمثل المساهمة الرئيسية لهذا البحث في تطوير نموذج جديد للتنبؤ بتسلسل الحمض النووي يمكن أن يساعد في الكشف المبكر عن مرض السكري وإدارته. بفضل دقته العالية، يتمتع هذا النموذج بإمكانية التطبيقات السريرية لتحسين تشخيص وعلاج مرض السكري.