Perpustakaan Digital ITB

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.