%0 Thesis
%9 S2 - Magister
%A As’ari, Hasim
%B PJJ Magister Informatika
%D 2026
%F universitasamikomyogyakarta:31788
%I Universitas AMIKOM Yogyakarta
%K Diabetes Mellitus, SVM, PSO, SMOTE, Klasifikasi, Classification.
%T PENINGKATAN KINERJA KLASIFIKASI DIABETES MENGGUNAKAN   METODE SUPPORT VECTOR MACHINE (SVM) DENGAN PARTICLE  SWARM OPTIMIZATION (PSO)
%U https://eprints.amikom.ac.id/id/eprint/31788/
%X Diabetes mellitus merupakan penyakit kronis yang memerlukan deteksi dini  untuk mengurangi risiko komplikasi. Penelitian ini bertujuan mengembangkan  model klasifikasi diabetes menggunakan Support Vector Machine (SVM) dengan  kernel Radial Basis Function (RBF) yang dioptimasi menggunakan Particle Swarm  Optimization (PSO). Dataset yang digunakan adalah Pima Indians Diabetes Dataset  yang memiliki distribusi kelas tidak seimbang. Penelitian ini menerapkan pipeline  yang terdiri dari StandardScaler, SMOTE, SelectKBest, dan SVM-RBF. PSO  digunakan untuk mengoptimasi parameter SVM serta jumlah fitur terbaik,  sementara optimasi threshold dilakukan untuk meningkatkan keseimbangan antara  precision dan recall. Hasil pengujian menunjukkan optimal diperoleh pada C = 20,  gamma = 0,00699, dengan tujuh fitur terpilih. Model menghasilkan akurasi sebesar  77,6%, recall 80,6%, precision 64,3%, F1-score 71,5%, dan ROC-AUC 83,6%.  Hasil tersebut menunjukkan bahwa model SVM-RBF yang dioptimasi  menggunakan PSO mampu mendeteksi pasien diabetes dengan baik dan memiliki  potensi sebagai sistem pendukung keputusan medis untuk skrining awal diabetes.  otomatis.