Abstract
Otak pada manusia seperti prosesor pada komputer, jika terjadi kendala maka akan berakibat fatal pada keseluruhan bagian. Stroke merupakan penyakit pada otak dengan dampak mematikan. Penyakit stroke pada prinsipnya bisa dicegah, akan tetapi pada tahap deteksi awal yang diberikan kepada pasien, dibutuhkan waktu yang relatif lama. Oleh karena itu, dibutuhkan sistem yang dapat mempercepat dan memudahkan pendeteksian awal penyakit stroke. Salah satu teknik yang dapat dipakai adalah klasifikasi menggunakan metode Support Vector Machine (SVM). Metode Support Vector Machine (SVM) bertujuan untuk membuat hyperplane atau garis pemisah yang optimal. Kemudian metode Support Vector Machine (SVM) akan dioptimasi menggunakan metode Particle Swarm Optimization agar mendapatkan nilai parameter yang optimal. Pada penelitian ini digunakan data pasien sebanyak 200 dengan 5 fitur dan 3 kelas. Berdasarkan hasil pengujian parameter, didapatkan akurasi terbaik sebesar 90,2% pada parameter dengan jumlah partikel PSO yang tinggi dengan learning rate SVM yang rendah, detail parameter optimal yang diperoleh yaitu range ruang pencarian dimensi augmenting factor (λ) = 0,1-1, range ruang pencarian dimensi learning rate (γ) = 0,0001-0,1, range ruang pencarian dimensi konstanta biaya (C) = 1-100, range ruang pencarian dimensi varian (σ) = 1-100, jumlah partikel = 1000, jumlah iterasi maksimum = 100, konstanta akselerasi pertama (c1) dan kedua (c2) = 10 dan 10, serta jumlah iterasi pelatihan α = 1000.
