RADIAL BASIS FUNCTION (RBF) DENGAN PARTICEL SWARM OPTIMAZATION UNTUK KLASIFIKASI PENYAKIT LIVER (Oleh: Imam Mudzakkir; Pembimbing: Oni Soesanto, S.Si, M.Si dan Dodon T. Nugrahadi, S. Kom, M. Eng; 2019; 71 halaman)

  Jaringan syaraf tiruan (JST) atau Neural Network adalah suatu metode komputasi yang meniru sistem jaringan saraf biologis. Metode ini menggunakan elemen perhitungan non-linier dasar yang disebut neuron yang diorganisasikan sebagai jaringan yang saling berhubungan, sehingga mirip dengan jaringan syaraf manusia. Beberapa penelitian telah menggunakan Jaringan Syaraf Tiruan untuk diterapkan pada masalah klasifikasi data mining. Salah satu metode Jaringan Syaraf Tiruan yang sering digunakan adalah Radial Basis Function. Namun kesulitan pada Radial Basis Function adalah penentuan center yang random. Untuk mengatasi kesulitan tersebut digunakan sebuah metode yaitu Particle Swarm Optimization. Pada penelitian ini Radial Basis Function dan Particle Swarm Optimization digunakan untuk mengklasifikasikan data penyakit liver. Parameter yang digunakan pada data penyakit liver Age of the patient, Gender of the patient, Total Bilirubin, Direct Bilirubin, Alkaline Phosphotase, Alamine Aminotransferase, Aspartate Aminotransferase, Total Protiens, Albumin dan juga Albumin and Globulin Ratio. Metode Radial Basis Function dengan Particle Swarm Optimization digunakan dalam proses klasifikasi data penyakit liver menggunakan pembagian data 80% yaitu sebanyak 466 data untuk data training dan 20% yaitu sebanyak 117 data untuk data testing menghasilkan nilai keakuratan sebesar 71.888% terhadap data training dan nilai keakuratan 73.504% terhadap data testing.

Kata Kunci: Jaringan Syaraf Tiruan, Radial Basis Function, Particle Swarm Optimization, Penyakit Liver