Part 15: Explainability (XAI)

Membuka "Kotak Hitam" Artificial Intelligence

1. Masalah "Black Box"

Jika AI mendiagnosa pasien menderita kanker, dokter bertanya: "Kenapa kamu bilang begitu?". Kalau AI tidak bisa jawab (karena cuma kumpulan matriks angka), dokter tidak akan percaya. Inilah pentingnya Explainable AI (XAI).

Biased AI: AI bisa rasis/seksis jika data trainingnya bias. XAI membantu kita mendeteksi ini. Contoh: AI menolak lamaran kerja hanya karena pelamar wanita.

2. Teknik Explainability

Saliency Maps (Heatmaps)

Untuk Gambar (CNN)

AI melihat "Telinga" dan "Hidung" untuk menebak Anjing.

Menunjukkan piksel mana yang paling berpengaruh terhadap keputusan.

LIME & SHAP

Untuk Tabular & Teks

Contoh Prediksi Harga Rumah:

  • Luas Tanah (+ Rp 500jt)
  • Lokasi Strategis (+ Rp 200jt)
  • Bangunan Tua (- Rp 100jt)

Menghitung kontribusi setiap fitur (Feature Importance) terhadap prediksi akhir.

Teori Sudah, Saatnya Praktek!

Kita sudah belajar banyak teori. Sekarang saatnya memilih senjata: TensorFlow atau PyTorch? Mana yang lebih cocok untuk Anda? Mari kita adu keduanya.

Lanjut ke Part 16: TensorFlow vs PyTorch