Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Tambun, Lesnar
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Evaluasi Efektivitas Metode Explainable AI (SHAP dan LIME) untuk Klasifikasi Penyakit Jantung Menggunakan Random Forest dan XGBoost melalui Kerangka Validasi Multi-Lapis Tambun, Lesnar; Setiawan, Nanang Yudi; Farisi, Hariz
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung merupakan salah satu penyakit dengan risiko kematian tinggi sehingga deteksi dini menjadi aspek penting dalam bidang kesehatan. Machine learning dapat membantu klasifikasi penyakit jantung, tetapi model berperforma tinggi sering kali sulit ditafsirkan karena bersifat black box. Penelitian ini bertujuan mengevaluasi efektivitas metode Explainable AI (XAI), yaitu SHAP dan LIME, dalam menjelaskan model klasifikasi penyakit jantung melalui kerangka validasi multi-lapis, dengan terlebih dahulu membandingkan kinerja Random Forest dan XGBoost untuk memperoleh model klasifikasi terbaik sebagai objek yang dijelaskan. Penelitian menggunakan Dataset UCI Heart Disease Cleveland (303 sampel, 13 fitur prediktor, dan 1 target biner) melalui pipeline terintegrasi yang mencakup prapemrosesan data, penanganan ketidakseimbangan kelas menggunakan SMOTE, pelatihan model, evaluasi performa, implementasi XAI, serta validasi multi-lapis. XGBoost dipilih sebagai champion model dengan recall tertinggi sebesar 92,86%, meskipun Random Forest unggul pada accuracy dan AUC-ROC. SHAP menunjukkan stabilitas relatif lebih tinggi dibandingkan LIME dengan rata-rata Jaccard Index sebesar 0,7184, sedangkan LIME memperoleh 0,6103. Validasi semantik berbasis LLM menghasilkan rata-rata alignment score sebesar 3,05 dari 5, yang menunjukkan plausibilitas medis parsial dalam konteks penelitian. Validasi ahli domain menilai artefak XAI dapat dipahami dan dinilai relevan, tetapi belum siap digunakan secara klinis. Evaluasi model medis perlu mempertimbangkan performa, stabilitas penjelasan, plausibilitas medis, dan penilaian ahli domain secara berlapis.
Co-Authors Farisi, Hariz Nanang Yudi Setiawan