IMPLEMENTASI MODEL TRANSFORMER MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PREDIKSI PENYAKIT JANTUNG BERDASARKAN PARAMETER KLINISAvankha BarlianKabuchiauthorPenyakit jantung merupakan salah satu penyebab utama kematian di dunia dengan jumlah kasus yang terus meningkat akibat gaya hidup tidak sehat dan keterbatasan dalam proses diagnosis yang masih bergantung pada interpretasi subjektif tenaga medis. Kondisi ini berdampak pada ketidakakuratan diagnosis serta keterlambatan dalam penanganan, sehingga diperlukan sistem pendukung keputusan yang mampu melakukan deteksi dini secara cepat dan akurat berbasis data klinis. Penelitian ini bertujuan untuk mengembangkan model Prediksi penyakit jantung menggunakan arsitektur Transformer yang dioptimasi dengan algoritma Particle Swarm Optimization (PSO). Metode penelitian meliputi tahap pengumpulan dataset dari repositori publik, preprocessing data, pembangunan model Transformer untuk data tabular, serta optimasi hyperparameter menggunakan PSO untuk memperoleh parameter terbaik. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Transformer yang dioptimasi menggunakan PSO mampu menghasilkan performa klasifikasi yang baik dengan akurasi tinggi dan keseimbangan pada metrik evaluasi lainnya. Selain itu, model mampu mengidentifikasi parameter klinis yang berpengaruh terhadap risiko penyakit jantung. Penelitian ini berkontribusi dalam pengembangan sistem prediksi berbasis kecerdasan buatan yang dapat dimanfaatkan oleh tenaga medis sebagai alat bantu diagnosis serta oleh masyarakat untuk deteksi dini penyakit jantung. Penelitian selanjutnya dapat mengembangkan model dengan dataset yang lebih besar dan metode optimasi yang lebih kompleks.000 Ilmu komputer, informasi dan pekerjaan umum2026-05-11Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis