<![CDATA[Penggunaan Artificial Intelligence (AI) kini semakin luas di berbagai bidang dan membawa dampak besar pada cara sistem mendukung pengambilan keputusan. Namun, model AI yang rumit sering membuat sistem ini sulit dipahami oleh banyak orang. Hal ini menimbulkan masalah dalam hal kejelasan, kepercayaan, dan kemampuan AI untuk membantu pengambilan keputusan. Untuk mengatasi kekurangan Explainable Artificial Intelligence (XAI) yang terlalu teknis, Human-Centered Explainable Artificial Intelligence (HC-XAI) menekankan peran manusia dalam merancang dan menilai penjelasan AI. Penelitian ini bertujuan mengidentifikasi ciri utama metode HC-XAI dan meneliti hubungan desain penjelasan yang berfokus pada manusia, terutama pemahaman, kepercayaan, dan dukungan dalam membuat keputusan. Studi ini menggunakan metode Systematic Literature Review (SLR) pada 19 publikasi dengan mengikuti pedoman PRISMA. Hasil penelitian menunjukkan bahwa pendekatan HC-XAI dicirikan oleh rancangan penjelasan yang berorientasi pada pengguna, keterlibatan pengguna, dan fokus pada konteks penggunaan. Berdasarkan temuan ini, studi ini mengusulkan konsep HC-XAI yang menempatkan rancangan penjelasan yang berpusat pada manusia sebagai penghubung antara sistem AI, interaksi pengguna, dan dampaknya pada aspek kemanusiaan.]]>
Copyrights © 2026
