<![CDATA[Tuberculosis (TB) can attack various organs, especially the lungs caused by the bacteria Mycobacterium tuberculosis. Tuberculosis (TB) is one of the infectious diseases that can infect all groups ranging from infants, children, adolescents to the elderly and disease and death of more than 1 million people every year. According to WHO data (2015), Indonesia is the country with the second most pulmonary tuberculosis sufferers in the world, which is 10% of the total cases of pulmonary tuberculosis in the world. There have been many studies that discuss Tuberculosis (TB) in this study, a comparison of the Artificial Neural Network method with Particle Swarm Optimization (PSO) and the Artificial Neural Network method with Genetic Algorithm (GA) was carried out to eliminate input attributes in the neural network algorithm method in order to improve tuberculosis prediction accuracy. Testing using Neural Network Algorithm by adding Particle Swarm Optimization (PSO) and Genetic Algortihm (GA) proved to get better results. The accuracy value obtained only by adding PSO is 95.66%. Meanwhile, by adding GA, the accuracy get even higher, namely 96.55%, compared to only using the Neural Network without other optimizations, the accuracy rate is 94.51%. Keywords: Tuberculosis, Artificial Neural Network, Particle Swarm Optimization, Genetic Algorithm Penyakit Tuberkulosis (TBC) dapat menyerang berbagai organ, terutama paru-paru yang disebabkan oleh kuman mycobacterium tuberculosis. Tuberkulosis (TBC) ini merupakan salah satu penyakit menular yang dapat menginfeksi semua kalangan mulai dari bayi, anak-anak, remaja sampai lansia dan menimbulkan kesakitan dan kematian lebih dari 1 juta orang setiap tahun. Menurut data WHO (2015) menyatakan Indonesia sebagai negara dengan penderita tuberkulosis paru terbanyak kedua di dunia yaitu sebanyak 10% dari total global kasus tuberkulosis paru di dunia. Sudah banyak penelitian yang membahas tentang penyakit Tuberkulosis (TBC) pada penelitian kali ini dilakukan komparasi metode Artificial Neural Network dengan Particle Swarm Optimization (PSO) dan metode Artificial Neural Network dengan Genetic Algorithm (GA) untuk mengeliminasi atribut input pada metode Algoritma neural network agar meningkatkan akurasi prediksi penyakit tuberculosis. Pengujian menggunakan Algoritma Neural Network dengan menambahkan Particle Swarm Optimization (PSO) dan Genetic Algortihm (GA) terbukti mendapatkan hasil yang lebih baik. Nilai akurasi yang didapatkan hanya dengan menambahkan PSO sebesar 95,66%. Sementara dengan menambahkan GA mendapat akurasi yang lebih tinggi lagi yakni 96,55%, dibandingkan hanya menggunakan Neural Network saja tanpa optimasi lain, tingkat akurasinya sebesar 94,51%.Kata kunci: Tuberkulosis, Artificial Neural Network, Particle Swarm Optimization,Genetic Algorithm]]>
