Perpustakaan Digital ITB

Pada tesis ini dibahas mengenai penerapan Explainable Artificial Intelligence (XAI) dalam pendeteksian objek menggunakan algoritma You Only Look Once (YOLO) versi 5. Seiring dengan perkembangan kecerdasan buatan yang berkembang secara cepat dan semakin rumit maka dibutuhkan XAI sebagai jembatan untuk dapat memberikan penjelasan yang transparan dan dapat dimengerti kepada pengguna. Dalam tesis ini algoritma XAI yang digunakan dalam pendeteksian objek menggunakan Gradient-weighted Class Activation Map (Grad-CAM) dan Eigen-CAM. Pada tahap awal adalah dengan membangun set data pada beberapa ruas jalan di kota Bandung. Setelah set data diberi label kemudian latih model YOLOv5s menggunakan set data yang telah dikumpulkan. Hasil latih dari model YOLOv5s mendapatkan nilai mean Average Precision (mAP) 0,5 sebesar 87,8%. Setelah itu XAI diimplementasikan dengan menggunakan algoritma Grad-CAM dan Eigen-CAM. Berdasarkan hasil eksperimen yang dilakukan, algoritma Eigen-CAM unggul dalam segi kecepatan dibandingkan dengan algoritma Grad-CAM. Namun algoritma Grad-CAM merepresentasikan heatmap yang lebih baik meskipun membutuhkan waktu komputasi yang lebih panjang karena pada algoritma ini Grad-CAM melakukan back propagation untuk menghitung gradien dari sebuah objek.