![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
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%.