Untuk mendeteksi korosi pada tulangan dalam beton, metode-metode baru terus dikembangkan. Salah satunya adalah Boundary Element Inverse Analysis (BEIA) yang merupakan metode deteksi korosi secara numerikal. BEIA mendeteksi korosi dengan mengkombinasikan parameter Boundary Element Method (BEM) dan Particle Swarm Optimization (PSO). BEM untuk menghitung nilai potensial pada permukaan beton, sedangkan PSO berfungsi untuk mengevaluasi cost function antara potensial hasil perhitungan BEM dan potensial hasil pengukuran. Pada penelitian sebelumnya, BEIA terbukti telah berhasil mendeteksi lokasi korosi beton bertulang dan menghasilkan akurasi yang sangat baik yaitu dengan eror ≤ 5 %. Penelitian lanjutan juga telah dilakukan dengan mempelajari beberapa parameter dalam BEM dan PSO. Namun terdapat beberapa parameter pada PSO yang belum dikaji seperti learning rates partikel dalam menemukan korosi yaitu cognitive dan social parameter, sehingga penelitian ini bertujuan untuk mempelajari pengaruh kedua parameter tersebut pada PSO terhadap kinerja BEIA dalam mendeteksi lokasi korosi beton bertulang. Simulasi dijalankan dengan menvariasikan kedua nilai parameter tersebut mulai dari 0,1 ; 0,3 ; 0,5 ; 0,7 ; 0,9 ; 1,2 ; 1,5 ; 2 ; 3 dan 5. Hasil simulasi numerik menunjukkan variasi kedua parameter tersebut menentukan kecepatan partikel PSO untuk menemukan lokasi korosi beton bertulang. Oleh karena itu, nilai cognitive dan social parameter memberikan efek terhadap kinerja BEIA dalam mendeteksi lokasi korosi pada beton bertulang. Kata kunci : Korosi, PSO, BEM, BEIA, Cognitive, Social Parameter, Beton Bertulang