vi Universitas Indonesia ABSTRAK Nama : Fellita Candini Program Studi : Ilmu Komputer Judul : Pengaruh Radial Basis Function Terhadap Stabilitas Classifier Makanan Betawi dari Serangan Adversarial Fast Gradient Sign Method Pembimbing : Dina Chahyati, S.Kom., M.Kom. Meski arsitektur neural network telah banyak mendapatkan pengakuan terhadap kinerjanya untuk menyelesaikan machine learning task seperti klasifikasi visual, beberapa penelitian megungkapkan bahwa neural network tidak stabil ketika diberikan serangan adversarial. Serangan adversarial adalah tipe serangan yang membuat adversarial example agar model melakukan kesalahan klasifikasi. Salah satu metode untuk membuat adversarial example yang cepat dan murah secara komputasional adalah Fast Gradient Sign Attack. Beberapa penelitian telah membuktikan bahwa sifat natural dari komponen non-linier memiliki resistansi terhadap adversarial attack. Pada penelitian ini, dilakukan perbandingan antara dua classifier yang menggunakan komponen non-linier Radial Basis Function (RBF) dengan yang tidak pada fully-connected layer-nya. Hasil menunjukan bahwa classifier yang menggunakan komponen non-linier RBF dapat mempertahankan hasil klasifikasi 15-17% lebih baik daripada classifier yang tidak menggunakannya. Kata kunci: Serangan adversarial, adversarial example, komponen non-linier, RBF