Perpustakaan Digital ITB

Pesatnya perkembangan teknologi Intelegensi Buatan (atau dikenal dengan Artificial Intelligence/AI) mendorong kesadaran akan pentingnya kepercayaan terhadap keputusan dari teknologi AI. XAI (eXplainable Artificial Intelligence) merupakan sistem AI yang dapat membangun kepercayaan dengan memberikan penjelasan terhadap keputusan yang dibangkitkan. Tugas akhir ini bertujuan untuk mengembangkan sistem XAI dengan menerapkan metode RDR (Ripple Down Rules) untuk membangun model yang mampu memberikan penjelasan dari model klasifikasi apapun terhadap data tabular. Metode RDR diimplementasikan ke dalam sistem dengan menerapkan pendekatan proksi disertai modifikasi pada proses akusisi pengetahuan dengan menggunakan pendekatan diskritisasi. Pengujian terhadap hasil implementasi dilakukan dalam 2 (dua) fase, yaitu pengujian akurasi imitasi model untuk mengukur seberapa akurat model RDR meniru model mesin pembelajaran asli dan pengujian validitas penjelasan model untuk mengukur kualitas dari penjelasan yang dibangkitkan oleh model. Hasil pengujian menunjukkan model yang dibangun dengan sistem proksi XAI menggunakan metode RDR mampu meniru perilaku model pembelajaran mesin yang diimitasi dengan tingkat akurasi imitasi di atas 80% serta kredibilitas penjelasan model sebesar 89%.