13519173 Rolland Steven Supardi.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Sistem berbasis pengetahuan dengan model
blackbox umumnya tidak memiliki informasi internal sebagai penjelasan
keputusan. Hal ini tidak sesuai untuk bidang berisiko besar seperti kredit, baik
kebutuhan pengguna maupun peraturannya (Pelindungan Data Pribadi (PDP) dan
General Data Protection Regulation (GDPR)). Oleh karena itu,
sistem umumnya menggunakan XAI untuk penjelasannya. Akan tetapi,
penggunaannya pada kredit sejauh ini belum ditemukan dengan data Indonesia
karena peraturannya masih baru. Tugas akhir ini bertujuan untuk membuat sistem
berbasis pengetahuan pemberian kredit di Indonesia dengan penjelasan lokal. Hal
tersebut dapat diperoleh dengan basis pengetahuan dari Indonesia, mencari
algoritma pembelajaran mesin dan metode XAI dengan tingkat kemudahan
penjelasan dipahami oleh pengguna.
Agar tercapai, sistem akhir yang dibuat merupakan sistem terbaik dari
perbandingan solusi berupa model Decision Tree dan XGBoost dengan
metode LIME, SHAP, dan Anchors. Metrik evaluasi berupa akurasi dan
umpan balik domain expert digunakan untuk mencari sistem terbaik. Data yang
digunakan sistem perlu disesuaikan untuk algoritma pembelajaran mesin dan XAI
agar dapat memberikan hasil prediksi yang cukup akurat dengan penjelasan yang
mudah dipahami.
Hasil pengujian menunjukkan bahwa metode penjelasan Decision Tree
memberikan hasil paling baik dibandingkan dengan metode lain yang telah diuji.
Meskipun begitu, sistem masih memiliki kelemahan pada akurasi dan penjelasan
fitur penting yang masih terlalu sederhana dan terlalu didominasi oleh fitur tertentu.