Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- e337dc12-7a82-4976-b04d-236b71c01746
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan studi untuk mengevaluasi metode Explainable Artificial Intelligence dalam prediksi penyakit kardiovaskular. Kegiatan ini melibatkan peneliti UDINUS Nuraini, Aisyah; Shidik, Guruh Fajar; Widhiyanti, Erna Amalia; Ramadhani, Talitha Olga; dan Kusuma, Edi Jaya, yang berpartisipasi dalam pengkajian interpretabilitas model pembelajaran mesin. Studi ini membahas kebutuhan terhadap model prediksi yang akurat dan dapat diinterpretasikan dalam konteks penyakit kardiovaskular, yang dalam sumber disebut sebagai salah satu penyebab utama kematian secara global.
Dengan menggunakan dataset publik, kegiatan ini menguji beberapa model pembelajaran mesin untuk prediksi penyakit kardiovaskular. AdaBoost mencapai kinerja terbaik yang dilaporkan, dengan AUC 91% dan akurasi 85%. Para peneliti menganalisis pentingnya fitur menggunakan SHAP dan LIME. Konsistensi penjelasan yang dihasilkan oleh kedua metode tersebut divalidasi menggunakan korelasi Spearman Rank dan Kendall's Tau.
Temuan menunjukkan bahwa SHAP dan LIME mengidentifikasi fitur-fitur kunci yang serupa. Namun, SHAP lebih selaras dengan pola statistik dan menunjukkan keandalan yang lebih baik. SHAP juga memberikan interpretabilitas global yang lebih jelas, sedangkan LIME menghasilkan wawasan yang lebih beragam dan spesifik pada setiap instance. Studi ini menunjukkan keunggulan SHAP dalam menghasilkan penjelasan yang konsisten dan selaras dengan data untuk prediksi penyakit kardiovaskular. Temuan tersebut mendukung integrasi model yang dapat diinterpretasikan dalam layanan kesehatan untuk meningkatkan pengambilan keputusan klinis dan kepercayaan terhadap sistem kecerdasan buatan. Melalui kegiatan ini, UDINUS berkontribusi pada pengkajian metode prediksi yang transparan dalam kecerdasan buatan terkait kesehatan.