Perpustakaan Digital ITB

Diabetify 1.0 merupakan aplikasi kesehatan mobile yang memperkirakan risiko diabetes melitus tipe 2 dari sembilan faktor kesehatan pengguna menggunakan model Extreme Gradient Boosting (XGBoost), disertai penjelasan SHapley Additive exPlanations (SHAP) yang menunjukkan kontribusi setiap faktor terhadap prediksi. Penjelasan tersebut bersifat eksplanatif dan belum menunjukkan perubahan yang perlu dilakukan pengguna untuk menurunkan risikonya. Tugas akhir ini mengimplementasikan modul counterfactual planner pada Diabetify 2.0 yang menghasilkan rekomendasi preskriptif berupa perubahan minimal pada faktor kesehatan agar prediksi risiko pengguna berpindah menuju tingkat yang lebih rendah. Modul ini dibangun di atas Nearest Neighbor Counterfactual Explanation (NNCE) yang ditingkatkan melalui counterfactual pipeline, mencakup penegakan actionability dengan membatasi perubahan pada fitur mutable pilihan pengguna, pencarian tetangga dan sparse projection untuk membentuk kandidat, rangkaian gate untuk memvalidasi arah perubahan, transisi nilai, domain nilai, serta pemeringkatan kandidat berdasarkan proximity dan plausibility berbasis Local Outlier Factor. Pipeline tersebut diwujudkan sebagai counterfactual service yang diintegrasikan secara end-to-end dengan layanan backend dan aplikasi mobile Diabetify 2.0 melalui pola komunikasi asynchronous job-based. Evaluasi menunjukkan bahwa pembatasan ruang perubahan menurunkan tingkat pelanggaran fitur immutable dan fitur mutable di luar pilihan pengguna dari 100% dan 40% menjadi 0%, sementara audit rangkaian gate memastikan kandidat yang diteruskan ke tahap penilaian mematuhi seluruh batasan perubahan. Pencarian tetangga pada fitur yang boleh diubah bersama sparse projection menghasilkan kandidat dengan proximity dan jumlah fitur berubah yang lebih rendah dibandingkan pendekatan seluruh fitur, sedangkan penambahan plausibility dengan bobot 0,75 berbanding 0,25 terhadap proximity menurunkan skor LOF kandidat terpilih tanpa mengorbankan kedekatan secara berlebihan. Pengujian fungsional pada dua belas skenario end-to-end seluruhnya berhasil lulus uji, menunjukkan bahwa integrasi aplikasi mobile, backend, dan counterfactual service berjalan sesuai rancangan.