ABSTRAK
Penelitian ini bertujuan untuk mencari korelasi yang kuat antar gen dan kondisi dari dataekspresi gen penyakit Diabetes Melitus (DM) pada sampel obesitas dan sampel kurusdengan menggunakan metode three phase biclustering. Tahap pertama pada metode iniadalah dengan menggunakan matriks dekomposisi Singular Value Decomposition (SVD)yang mentransformasikan data menjadi dua matriks berbasis gen dan kondisi. Selanjutnyapada tahap kedua menggunakan metode partisi Partition Around Medoids (PAM) padadua matriks gen dan kondisi menggunakan jarak Euclidean sehingga jika digabung akanmembentuk bicluster yang pada tahap tiga akan dievaluasi dengan menggunakanmodifikasi lift algorithm berbasiskan korelasi Pearson yang cocok untuk mendeteksibicluster model additive-multiplicative. Hasil dari implementasi algoritma yangdigunakan pada dataset microarray dinamakan δ-corbicluster yang memiliki korelasiyang tinggi antar gen dan sampel. Implementasi dari tahap pertama dan kedua (SVDPAM)pada dataset DM dengan 1331 gen terseleksi menghasilkan 8 bicluster. Sedangkanhasil tahap ketiga yaitu modifikasi algoritma lift pada kedelapan bicluster inimenghasilkan 3 δ-corbicluster dengan masing-masing nilai korelasi yang tinggi yaitu0,097, 0,095, 0,085, sehingga metode yang diusulkan dan hasil analisisnya pada gen dansampel penyakit DM memiliki potensi besar ke depannya dalam penelitan pada bidangmedis.

---

ABSTRACT
The purpose of this research is to find strong correlation among genes and conditions ofDiabetes Melitus genes expression data which samples are obese and lean people usingthree phase biclustering. First step is to use matrix decomposition Singular ValueDecomposition (SVD) to decompose matrix gene expression data into two global basedgene and condition matrices. Second step is to use partition method Partition AroundMedoid (PAM) to cluster gene and condition based matrices using Euclidean distance,forming several biclusters which further evaluated using modified lift algorithm based onPearson correlation which is very appropriate method to detect additive-multiplicativebicluster type. The resulting bicluster of the proposed algorithm having strong correlationamong genes and samples to microarray dataset are called δ-corbicluster. Implementationof the first and second step (SVD-PAM) to dataset DM with 1331 selected genes produces8 biclusters. For the third step using modified lift algorithm to these 8 biclusters produces3 δ-corbiclusters having strong correlation values: 0,097, 0,0095, 0,085, so that theproposed method and the result of analysis to genes and samples of DM have highpotential in future medical researches.