Perpustakaan Digital ITB

Berkembangnya penggunaan Artificial Intelligence (AI) pada masa kini membuat banyak orang bergantung pada AI. Namun hal itu bisa menjadi bahaya jika AI digunakan dalam situasi genting seperti bidang medis. AI bisa memberikan jawaban yang tidak dimengerti manusia dan jika salah maka bisa fatal. Karena itu penelitian Explainable Artificial Intelligence (XAI) berkembang untuk mengatasi masalah itu. Pada bidang medis, deteksi melanoma merupakan permasalahan yang memerlukan XAI agar prediksinya dapat dipercaya. Melanoma merupakan kanker kulit yang secara visual sulit dibedakan. Penggunaan XAI pada deteksi melanoma penting untuk meningkatkan kepercayaan ahli kulit dalam menggunakannya. Karena itu perlu diketahui metode XAI mana yang dapat menjelasakan model deteksi melanoma terbaik untuk ahli. Proses yang dilakukan menggunkan metode CRISP-DM yang dimodifikasi sesuai permasalahan. Metode XAI yang digunakan adalah SHAP, LIME, RISE dan Grad-CAM. Metode-metode tersebut memiliki kelebihan pada penelitian- penelitian sebelumnya. Metode tersebut diimplementasikan pada model deteksi melanoma terbaik berbasis Inception-V3. Model deteksi melanoma dilatih menggunakan data dari ISIC tahun 2019 dan 2020. Evaluasi model dilakukan pada eksperimen pemodelan untuk menentukan model terbaik. Hasil dari implementasi XAI yang diujikan pada ahli kulit menunjukkan SHAP dan LIME merupakan metode yang paling baik. Namun perlu adanya peningkatan dalam pembersihan data yang digunakan agar hasil penjelasan bukan merupakan korelasi palsu. Korelasi palsu ini terjadi pada semua metode XAI. Hal ini sangat berkaitan dengan data latih yang memiliki banyak gangguan