Hasil Pencarian  ::  Simpan CSV :: Kembali

"Alat Ultrasonografi (USG) merupakan alat yang paling sering digunakan untuk melakukan pemeriksaan janin dalam kandungan. Hal ini dikarenakan selain mampu memberikan gambaran terhadap keadaan janin dengan baik, alat ini bebas dari radiasi ionisasi sehingga tergolong aman. Penelitian ini bertujuan untuk mengembangkan metode yang mampu melakukan proses deteksi dan pengukuran biometri janin secara otomatis khususnya biometri kepala janin. Adapun biometri tersebut adalah head circumference (HC) dan biparietal diameter (BPD) yang merupakan salah satu parameter yang sering digunakan oleh dokter untuk mengetahui umur serta pertumbuhan janin dalam kandungan. Kedua biometri ini dapat diukur dengan melakukan aproksimasi terhadap bentuk elips. Untuk melakukan proses ini maka diperlukan tahapan dimulai dengan melakukan segmentasi citra dengan teknik thresholding. Selanjutnya dilakukan proses deteksi menggunakan metode Particle Swarm Optimization (PSO) dengan memanfaatkan fitness function yang diperoleh dari hasil vote menggunakan metode Randomized Hough Transform (RHT). Hasil pengukuran oleh sistem dibandingkan dengan hasil pengukuran secara manual oleh pakar. Uji coba juga dilakukan terhadap data sintetis dengan density noise 0,1 hingga 0,7. Dari hasil eksperimen diperoleh bahwa metode yang dikembangkan lebih baik daripada metode RHT, IRHT dan mEPSOHT untuk melakukan deteksi elips pada citra tersebut. Hasil eksperimen terhadap data sebenarnya yaitu USG 2D kepala janin diperoleh hasil rata-rata nilai hit dari metode yang dikembangkan lebih tinggi daripada metode lainnya namun hasil interrun dan interobserver variation tidak lebih baik dari metode lainnya. Hal ini dikarenakan metode yang dikembangkan lebih cenderung untuk terjebak pada local best dan tidak selalu tepat untuk melakukan deteksi pada citra kepala janin.

---

The application in ultrasonography (USG) is a tool that most often used to examine fetus in the womb. At this study will perform image processing on biomedical images especially for fetus in the womb using two dimensional ultrasound device (USG 2D).

The aim of this study is to develop a system that is capable to perform detection and measurement of fetal biometry automatically. The biometric used in this research consists of head circumference (HC) and biparietal diameter (BPD) analysis. BPD and HC are parameters which are often used by doctors to determine the state of the fetus in the womb. Both biometric parameters can be measured by performing an approximation of the elliptical shape. To do this process, it is necessary to start from segmentation images by thresholding techniques. After preprocessing is completed then the next stage of the detection process is carried out by using Particle Swarm Optimization (PSO). PSO fitness function is obtained from voting in Randomized Hough Transform (RHT) method.

The measurement results by proposed method are then compared with the results obtained manually by experts. A trial has also been conducted on the synthetic data with noise density 0.1 to 0.7. Experiment results show that the proposed method is better than the other methods e.g. RHT, mEPSOHT and IRHT in detecting ellipse. Further trials have been conducted on actual data i.e. 2D ultrasound fetal head data.

From the experiement we have found that the average hit value of our proposed method is higher than other methods. However, the results of interrun and interobserver variation are not better than others. This is because our developed method is more likely to be trapped in local best and doest not always correctly detect ellipse of the fetal head images."

"Ultrasonografi (USG) merupakan alat diagnostik pencitraan yang berguna untuk mendeteksi dan menganalisis struktur organ yang ada di dalam tubuh manusia, salah satuya mendeteksi atau menganalisis biometri janin. Penelitian ini bertujuan untuk mendeteksi dan mengukur biometri janin dari citra hasil scanning alat USG. Citra janin yang dideteksi dan diukur meliputi besar diameter kepala dan panjang tulang paha. Proses deteksi dan pengukuran dilakukan melalui beberapa tahap yaitu cropping objek dan non-objek, ekstraksi fitur, seleksi fitur, dan pengukuran besaran dari organ janin. Untuk ekstraksi fitur menggunakan Haar-like Feature, untuk pendeteksian menggunakan Adaboost Classifier, dan untuk metode pengukuran biometri menggunakan Randomized Hough Transform. Pada penelitian ini, digunakan 300 data citra biparietal kepala dan 200 data citra tulang paha. Dari hasil pengolahan data, didapatkan hasil deteksi biparietal kepala janin sebanyak 44 gambar dengan error rata-rata sebesar 0,0388 dan correlation coefficient yang dihasilkan sebesar 0,984. Sementara hasil untuk deteksi tulang paha janin sebanyak 18 dengan error rata-rata sebesar 0,554 dan correlation coefficient yang dihasilkan sebesar 0,788. Dengan metode yang diajukan pada penelitian ini, diperlukan adanya pengembangan metode yang lebih optimal sehingga tahapan dalam pengintegrasian sistem ke dalam sebuah alat pengukuran organ janin dapat diaktualisasikan. Tentunya dengan sistematika pemakaian alat yang lebih sederhana dan harga yang lebih terjangkau.

---

Ultrasonography (USG) is a diagnostic tool for detecting and analyzing organ structure in human body. One of the example usage of USG is to detect and analyze biometric features of a fetus. This study aims to detect and measure features of fetus from scanned image offetalhead (biparietal diameter) and femur length using ultrasound equipment. The detection and measurement process have several steps. It consists of cropping object and non-object, extracting features, selecting features, and measuring the fetal organs sizes. In this study, Haar-like feature is used to extract the feature meanwhile AdaBoost classifier is used for object detection and Randomized Hough Transform is applied for biometry measurement.

In this research, we used 300 biparietal head image data and 200 image data of femur. After the data processing stage, we obtained the detection of biparietal as many as 44 images with an average error of 0.0388 and Correlation Coefficient result of 0,984, while the results for the detection of fetal femur error as many as 18 with an average of 0,554 and Correlation Coefficient result of 0,788. The result of this research can be optimized further to realize a fully integrated system that can detect and measure fetal organ with usable user interaction and affordable price."

"Intrauterine growth restriction (IUGR) is one of many fetal abnormalities, which has high contribution on maternal mortality rate and perinatal mortality rate in Indonesia. Apparently, IUGR impact can be reduced if only the symptoms are detected earlier and the correct treatment is applied. However, fetal growth detection and monitoring process in Indonesia is obstructed because the number of physicians is very limited and ultrasonography (USG) devices are expensive. Moreover, both the physicians and USG devices are only available in big cities. To answer those problems, this research proposed an intelligent system that can provide fetal growth telemonitoring in rural areas. This system consists of three components: portable USG device, mobile application which is developed using Android ope-rating system, and server application which is developed using Django. The main feature of this sys-tem is automatic fetal head parameter detection and its ability to operate in the limited internet access environment. In this system, automatic fetal head parameter detection uses RHT method to approxi-mate fetal head?s ellipse shape. Experiment result shows that RHT detection ability with Δellipse ave-rage of 79.564 and running time average of 0.373 second.Intrauterine growth restriction (IUGR) adalah salah satu dari banyak kelainan janin yang memiliki kontribusi tinggi pada angka kematian ibu dan angka kematian perinatal di Indonesia. Ternyata, dampak IUGR dapat dikurangi jika hanya gejala terdeteksi sebelumnya dan pengobatan yang tepat segera diterapkan. Namun, deteksi dan pemantauan proses pertumbuhan janin di Indonesia terhambat karena jumlah dokter sangat terbatas dan perangkat ultrasonografi (USG) yang mahal. Selain itu, dok-ter dan perangkat USG hanya tersedia di kota-kota besar. Untuk menjawab permasalahan tersebut, pe-nelitian ini mengusulkan sebuah sistem cerdas yang dapat memberikan telemonitoring pertumbuhan janin di daerah pedesaan. Sistem ini terdiri dari tiga komponen: perangkat USG portabel, aplikasi mo-bile yang dikembangkan menggunakan sistem operasi Android dan server aplikasi yang dikembang-kan menggunakan Django. Fitur utama dari sistem ini adalah automatic fetal head parameter detection dan hal tersebut dapat beroperasi di lingkungan yang memiliki keterbatasan akses internet. Dalam sistem ini automatic fetal head parameter detection menggunakan metode RHT untuk men-dekati elips bentuk janin kepala tersebut. Hasil eksperimen menunjukkan bahwa kemampuan deteksi RHT dengan Δellipse rata-rata 79,564 dan berjalan dalam waktu rata-rata 0.373 detik."

"Lingkar kepala janin merupakan salah satu biometrik paling penting dalam pemeriksaan perkembangan janin dengan menggunakan alat USG. Akan tetapi, pengukuran terhadap kepala janin bukanlah pekerjaan yang mudah. Penelitian ini bertujuan untuk membuat sistem pengukuran kepala janin otomatis. Sistem ini diharapkan dapat berjalan pada perangkat mobile sebagai bagian dari sistem telehealth. Pengukuran kepala janin pada penelitian ini dilakukan dengan metode object detection, dilanjutkan dengan Canny edge detection, lalu untuk piksel pada citra edge kemudian diproses pada tahap ellipse fitting. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan f1-score untuk metode object detection, dan error rate untuk ellipse fitting. Dari setiap metode yang dilakukan uji coba, hasil evaluasi menunjukan bahwa metode Adaptive Boosting dan ElliFit memiliki performa yang paling baik. Metode ini juga memiliki waktu eksekusi yang relatif cepat untuk sebuah perangkat mobile, yaitu 3-5 detik.

---

Fetal head circumference (HC) is one of the most important biometrics in assessing fetal growth during prenatal ultrasound examinations. However, measuring the fetal head is not an easy task. This study aims to create an automatic fetal head measurement system. This system is expected to run on mobile devices as part of telehealth system. HC measurement can be done with object detection method, followed by Canny edge detection, then for every edge pixels, fetal head can be approximated using ellipse fitting. Evaluations are carried out using accuracy, precision, recall, and f1-score metrics for object detection methods, and error rates for ellipse fitting. From each method that was tested, the evaluation result showed that the Adaptive Boosting and ElliFit method had the best performance. This method also had a relatively fast execution time for a mobile device, which is 3-5 seconds."

" PSS (Power system stabilizer) telah digunakan secara luas untuk memperbaiki stabilitas sistem tenaga listrik modern. Dalam makalah ini diusulkan perancangan sistematik PSS dengan Particle Swarm Optimization (PSO) sebagai metode optimasi penalaan parameter PSS. Penalaan parameter PSS dilakukan untuk mendapatkan sistem tenaga listrik yang stabil dan teredam secara optimal. Kriteria optimal yang digunakan dalam proses penalaan parameter adalah indeks performansi Integral of Time multiplied by Absolute Error (ITAE). Performansi dariPSS ini diujikan pada sistem tenaga listrik mesin tunggal dibawah gangguan kecil, kondisi beban dan parameter tertentu. Hasil analisa nilaieigen dan simulasi menunjukkan bahwa osilasi sistem tenaga listrik dapat teredam secara optimal melalui penalaan PSS berbasis PSO ini. Hasil simulasi juga menunjukkan bahwa performansi dinamik PSS berbasis PSO lebih baik dibandingkan PSS yang ditala secara konvensional.

---

AbstractPower system stabilizer (PSS) have been extensively used in modern power system for enhancing stability of the system. This paper presents a new systematic approach for the design of power systemstabilizer using PSO (Particle Swarm Optimization). The proposed approach employs PSO search for optimal setting of PSS parameters. The optimal criteria of the Integral of Time multiplied by AbsoluteError (ITAE) is used to search optimal setting. The performance of the proposed PSS under small disturbances, loading conditions and system parameters is tested. The eigenvalue analysis and simulationresults show the effectiveness of the PSO based PSS to damp out the system oscillations. It is found that the dynamic performance with the PSO based PSS shows improved results, over conventionally tunedPSS."

"Tesis ini membahas dan menjelaskan mengenai implementasi algoritma Line Hough Transform dan Circular Hough Transform dalam mendeteksikemungkinan keberadaan garis dan lingkaran pada citra karakter numerik dan operator matematika sederhana hasil tulisan tangan. Ciri ini akan digunakan sebagai nilai karakteristik dalam proses pengenalannya dimana proses pengenalanini juga memerlukan validasi terhadap tiap garis dan lingkaran yang ditemukan melalui proses grouping dan trending, baik pada penerapan LHT maupun pada penerapan CHT. Untuk tahap identifikasi perhitungan matematika sederhana setelah proses pengenalan tiap karakternya, memanfaatkan hasil segmentasi objek sehingga posisi suatu karakter dapat diketahui. Penentuan range nilai yang digunakan dalam validasi trend lines dan trend circles LHT dan CHT pada sistem ini dilakukan melalui analisis sejumlah data sampel. Pendeteksian garis dan lingkaran ini juga sangat dipengaruhi oleh nilai threshold yang diberikan sebagainilai ambang batas dalam melakukan voting accumulator array. Dalam penelitian ini, nilai threshold diperoleh dari hasil uji coba dan threshold yang cocok yang diimplementasikan pada sistem merupakan suatu fungsi yang relatif terhadap ukuran segmentasi objek. Penerapan teknik segmentasi dan thinning dalam penelitian ini juga memperkecil effort yang harus dikerjakan oleh sistem pada pemrosesan LHT dan CHT. Hasil pengujian sistem melalui beberapa skenario eksperimen memberikan nilai rata-rata precision untuk uji coba pengenalan karakter-karakter secara individual sebesar 98.13% dan rata-rata recall nya sebesar 94% terhadap 450 citra yang diujikan, sedangkan nilai akurasi untuk ketepatan pengenalan dan perhitungan matematika hasil tulisan tangan diperolehsebesar 90%.

---

This thesis discusses and explains about the implementation of Line Hough Transform and Circular Hough Transform algorithm to detect the possible presence of lines and circles on the handwriting image of numeric characters and

simple math operators. These characteristics will be used as characteristic values in recognition phase where this process also requires validation of each line and each circle that is found through grouping and trending process, either on implementation of LHT or CHT. For identification of simple mathematical calculation phase after recognition process of each character, the results of object segmentation are used to determine the position of characters. The definition of range values that is used in trend lines and trend circles validating process from LHT and CHT in this system was obtained from the analysis of a number of

training data. This lines and circles detection is also heavily influenced by threshold value in voting accumulator array. In this study, the threshold value is obtained from the test results and the match one is implemented in this system as a function relative to the size of the object segmentation. The object segmentation and thinning techniques also minimize the effort on processing LHT and CHT.

The results of testing the system through several experimental scenarios give an average precision value of 98.13% and an average recall value of 94% for individual characters recognition trials on 450 testing images. The accuracy for recognition and identification of mathematical calculation on handwriting images

is 90%."

""b>ABSTRAK"Intrusion Detection System adalah suatu sistem yang berfungsi untuk mendeteksi serangan berbahaya dan kerentanan pada jaringan komputer. Beberapa teknik data mining telah diajukan dalam menyelesaikan persoalan deteksi intrusi pada jaringan. Pada skripsi ini, akan diajukan klasifikasi data Intrusion Detection System menggunakan Na ve Bayes Classifier dan Particle Swarm Optimization sebagai pemilihan fitur. Pertama, Particle Swarm Optimization melakukan pemilihan fitur untuk mendapatkan fitur yang optimal. Lalu, hasil dari pemilihan fitur tersebut akan diklasifikasikan menggunakan Na ve Bayes Classifier dengan harapan dapat memberikan hasil yang lebih akurat. Data yang digunakan adalah dataset KDD CUP 1999. Hasil akhir dari penelitian ini adalah berupa perbandingan hasil akurasi antara klasifikasi menggunakan Na ve Bayes Classifier tanpa pemilihan fitur dan klasifikasi menggunakan Na ve Bayes Classifier dengan pemilihan fitur Particle Swarm Optimization. Hasil empiris menunjukkan bahwa klasifikasi menggunakan Na ve Bayes Classifier tanpa pemilihan fitur memperoleh akurasi tertinggi sebesar 99.16 . Sementara klasifikasi menggunakan Na ve Bayes Classifier dengan pemilihan fitur Particle Swarm Optimization memperoleh akurasi tertinggi sebesar 99.12 . Hasil dari penelitian ini menunjukkan bahwa metode pemilihan fitur Particle Swarm Optimization dapat diterapkan pada proses klasifikasi menggunakan Na ve Bayes Classifier. Akan tetapi dengan menambahkan metode ini tidak menjamin bahwa hasil yang diperoleh akan lebih baik daripada proses klasifikasi menggunakan Na ve Bayes Classifier tanpa pemilihan fitur."

---

""ABSTRACT"Intrusion Detection System is a system that has a function to detect malicious attacks and vulnerabilities on computer networks. Several data mining techniques have been proposed in solving the problem of intrusion detection on the network. In this research, data classification of Intrusion Detection System will be filed using Na ve Bayes Classifier and Particle Swarm Optimization as feature selection. First, Particle Swarm Optimization will perform the feature selection to get the optimal features. Then, the results of the feature selection will be classified using Na ve Bayes Classifier in hopes of getting more accurate results. The data used in this study is KDD CUP 1999 dataset. The end result of this study is a comparison of accurate results between the classification using Na ve Bayes Classifier without feature selection and classification using Na ve Bayes Classifier with Particle Swarm Optimization as feature selection. The empirical results indicate that the classification using Na ve Bayes Classifier without feature selection obtains the highest accuracy of 99.16 . While the classification using Na ve Bayes Classifier with Particle Swarm Optimization as feature selection obtained the highest accuracy of 99.12 . The results of this study indicate that the Particle Swarm Optimization feature selection method can be applied to the classification process using Na ve Bayes Classifier. However, adding this method does not guarantee that the results obtained will be better than the classification process using Na ve Bayes Classifier without feature selection."

"Komunikasi mmWave merupakan komunikasi yang menjanjikan dan menarik bagi kalangan akademik dan industri karena ketersediaan spektrum yang berlimpah, akan tetapi spektrum mmWave mmiliki karakteristik kanal propagasi yang buruk. Teknik beamforming dengan perarahan yang tinggi menjadi solusi yang efektif untuk hal tersebut. Penggunaan teknik tersebut memiliki masalah waktu tunda yang tinggi dalam mekanisme initial access (IA). Hal ini dapat berdampak pada kinerja yang buruk untuk dapat mendukung implementasinya di teknologi komunikasi saat ini, yaitu 5G low end-to-end latency. Metode meta-heuristic dengan menggunakan algoritma Genetic Algorithm (GA) merupakan salah satu metode yang telah dilakukan untuk menyelsaikan permaslahan tersebut. Namun, kinerja yang dihasilkan belum cukup baik dan masih dilakukan penelitian untuk menghasilkan peningkatan kinerja waktu tunda terbaik dengan meninjau pada algoritma berbasis alam. Pada penelitian ini, kami melakukan perancangan dan penentuan suatu algoritma berdasarkan algoritma berbasis alam yang memiliki kinerja lebih baik dari GA yang telah dilakukan untuk kasus IA pada komunikasi mmWave. Algoritma yang telah dirancang dan ditentukan adalah algoritma hybrid genetic algorithm and particle swarm optimization (HGAPSO). Hasil kinerja algoritma tersebut menunjukkan nilai kapasitas terbaik (Gbit/s) dan waktu tunda yang cukup rendah (jumlah iterasi) dibandingkan algoritma GA yang telah diajukan dan particle swarm optimization (PSO). Oleh karena itu, dapat disimpulkan bahwa HGAPSO merupakan algoritma yang memiliki kinerja lebih baik dari GA yang telah diajukan dan dapat menjadi algoritma alternatif untuk kasus IA pada komunikasi mmWave.

---

MmWave communication is a promising and attractive communication for academic and industry because of the abundant available spectrum, but mmWave spectrum has poor propagation channel characteristics. High beamforming technique is an effective solution for the problem. The technique has a high delay in the initial access (IA) mechanism. This can have an impact on bad performance to be able to support its implementation in current communication technology, namely 5G low end-to-end latency. The meta-heuristic method using the Genetic Algorithm (GA) is one of the methods that have been used to solve the IA problem. However, the performance result is not good enough and research is still being carried out to produce the best delay time performance improvement by using nature inspired algorithms. In this research, we design and determine an algorithm based on nature inspired algorithms that have better performance than the GA that has been proposed for the IA case in mmWave communication. The algorithm that has been designed and determined are the hybrid genetic algorithm and particle swarm optimization (HGAPSO). The performance of the algorithm shows the best capacity value (Gbit/s) and the delay time is quite low (number of iterations) compared to the GA algorithm that has been proposed and particle swarm optimization (PSO). Therefore, it can be concluded that HGAPSO is an algorithm that has better performance than the GA that has been proposed and can be alternative algorithm for the IA case in mmWave communication."

"Baterai menjadi komponen kunci dalam sistem penyimpanan energi, maka dari itu sangat penting untuk mengestimasi nilai State of Charge secara akurat untuk mengelola dan memanfaatkan daya baterai secara optimal. Ketidakakuratan estimasi SoC dapat menyebabkan performa yang tidak optimal dan kerusakan baterai. Pendekatan tradisional dalam estimasi SoC cenderung kurang presisi, terutama di bawah kondisi dinamis. Oleh karena itu, untuk meningkatkan akurasi estimasi SoC, pada penelitian ini diusulkan model estimasi SoC menggunakan metode Support Vector Machine dengan Particle Swarm Optimization pada baterai Lithium-Ion dan Lithium-Polymer karena keduanya banyak digunakan dalam berbagai aplikasi, termasuk kendaraan listrik, perangkat seluler, dan peralatan elektronik. Hasil penelitian ini akan menunjukkan algoritma SVM dan PSO-SVM yang dapat digunakan untuk memprediksi estimasi pada baterai Lithium-Ion dan Lithium-Polymer. Berdasarkan penelitian yang telah dilakukan diperoleh hasil skor R-Squared menggunakan SVM pada Lithium-Ion sebesar 96,1% dan Lithium-Polymer sebesar 92,8%, serta menggunakan PSO-SVM pada Lithium-Ion 97,8% sebesar dan Lithium-Polymer sebesar 93,6%. hasil skor Mean Absolute Error diperoleh dengan menggunakan SVM pada Lithium-Ion sebesar 4,9% dan Lithium-Polymer sebesar 6,0%, serta menggunakan PSO-SVM pada Lithium-Ion sebesar 3,8% dan Lithium-Polymer sebesar 5,7%. hasil skor Root Mean Squeared Error diperoleh dengan menggunakan SVM pada Lithium-Ion sebesar 6,3% dan Lithium-Polymer sebesar 8,1%, serta menggunakan PSO-SVM pada Lithium-Ion sebesar 4,8% dan Lithium-Polymer sebesar 7,7%. Hasil analisis menunjukkan bahwa algoritma PSO-SVM dan SVM lebih cocok diaplikasikan pada baterai Lithium-Ion dibandingkan Baterai Lithium-Polymer, khusunya PSO-SVM.

---

Batteries become a key component in the energy storage system; therefore, it is crucial to accurately estimate the State of Charge to manage and utilise the battery power optimally. Inaccuracy in SoC estimation can lead to suboptimal performance and battery damage. Traditional approaches in SoC estimation tend to lack precision, especially under dynamic conditions. Therefore, to improve the accuracy of SoC estimation, this study proposes a SoC estimation model using Support Vector Machine with Particle Swarm Optimization method for Lithium-Ion and Lithium-Polymer batteries as they are widely used in various applications, including electric vehicles, mobile devices, and electronic equipment. The results of this research will show the PSO-SVM and SVM algorithms that can be used to predict estimates for Lithium-Ion and Lithium-Polymer batteries. Based on research that has been carried out, the R-Squared score results obtained using SVM on Lithium-Ion were 96.1% and Lithium-Polymer was 92.8%, and using PSO-SVM on Lithium-Ion was 97.8% and Lithium-Polymer was 93 .6%. The Mean Absolute Error score results were obtained using SVM on Lithium-Ion of 4.9% and Lithium-Polymer of 6.0%, and using PSO-SVM on Lithium-Ion of 3.8% and Lithium-Polymer of 5.7%. The Root Mean Squeared Error score results obtained using SVM on Lithium-Ion were 6.3% and Lithium-Polymer were 8.1%, and using PSO-SVM on Lithium-Ion was 4.8% and Lithium-Polymer was 7.7%. The analysis results show that the PSO-SVM and SVM algorithms are more suitable for application to Lithium-Ion batteries compared to Lithium-Polymer Batteries, especially PSO-SVM."

"ABSTRAKSetiap bank pasti memiliki aktivitas pemberian kredit. Bank memiliki beberapa kriteria untuk menentukan apakah kredit akan diberikan atau tidak karena setiap kredit yang diberikan memiliki risiko dimana kredit tersebut tidak dikembalikan. Dengan kata lain, bank perlu menganalisis pengaju kredit sebelum memberikan kredit. Pemberian kredit merupakan salah satu kasus klasifikasi biner. Klasifikasi data pengaju kredit dapat menolong bank dalam memberi pertimbangan apakah pengaju kredit tersebut dapat mengembalikan kredit yang diberikan atau tidak. Support Vector Machines SVM merupakan salah satu teknik klasifikasi biner yang efektif dengan prinsip structural risk minimization. Metode SVM dikembangkan menjadi metode Fuzzy Support Vector Machines FSVM sehingga pengaruh data outlier dalam mencari solusi hyperplane dapat diperkecil. Metode Adaptive Particle Swarm Optimization APSO merupakan metode ekstensi dari Particle Swarm Optimization PSO . Pada metode FSVM berbasis APSO, APSO digunakan dalam memberikan nilai fuzzy dengan mencari titik pusat kelas setiap atribut yang dapat menghasilkan tingkat akurasi terbaik. Dalam penelitian ini, metode FSVM berbasis APSO dapat menghasilkan tingkat akurasi tertinggi dalam setiap pengolahan data. Tingkat akurasi tertinggi yang dicapai pada penelitian ini adalah sebesar 75,67 dengan metode FSVM berbasis APSO menggunakan training data sebesar 70 dan kernel linier.

---

ABSTRACTEvery bank has loaning activities. Banks have several criteria for determining whether credit will be given or not because every credit loan has a risk that the credit might not be returned. In other words, banks need to analyze the credit applicant before granting the loan. Credit loan is a case of binary classification. The classification from applicant rsquos data might be helpful for the bank in consideration whether the applicant will return the loan or not. Support Vector Machines SVM is a classification technique based on structural risk minimization which is effective for binary classification. This method was developed into Fuzzy Support Vector Machines FSVM , which is able to minimize the influence of outlier in finding the best hyperplane. Adaptive Particle Swarm Optimization APSO is an extension of Particle Swarm Optimization PSO. In APSO based FSVM, APSO is used to determine the fuzzy score by finding the class center of each attribute that may give the highest accuracy. In this paper, APSO based FSVM can give the highest accuracy for each process. The highest rate of accuracy is 75,67, which used APSO based FSVM with 70 of training data and linear kernel."