Penerapan XAI Pada Heart Disease UCI Dataset Menggunakan Metode Local Interpretable Model-agnostic Explanations (LIME) [AJG]

Abstract

Penyakit jantung adalah salah satu penyebab kematian tertinggi di dunia, sehingga upaya untuk melakukan deteksi dini dan diagnosis yang tepat menjadi sangat penting untuk dunia kesehatan sehingga dapat menanggulagi penyakit. Dalam beberapa tahun terakhir penerapan Artificial Intelligance (AI) di bidang medis telah menunjukan perkembangan yang menggembirakan, terutama pada hal prediksi penyakit. Oleh sebab itu penelitian ini bertujuan untuk mengimplementasikan Explainable Artificial intelligence (XAI) pada dataset Heart Disease UCI dengan menggunakan metode Local Interpretable Model-agnostic Explanations (LIME) untuk meningkatkan interpretabilitas model prediksi penyakit jantung. Penelitian ini melibatkan beberapa atribut klinis seperti usia, jenis kelamin, jenis nyeri dada, tekanan darah istirahat, kadar kolesterol, kadar gula darah puasa, serta hasil elektrokardiografi. Selanjutnya, beberapa algoritma klasifikasi machine learning seperti Logistic Regression, Random Forest, dan digunakan untuk memprediksi kemungkinan seseorang menderita penyakit jantung. Penelitian ini diharapkan akan menunjukan kombinasi antara model machine learning dan metode XAI dapat meningkatkan akurasi prediksi dan keterjelasan proses pengambilan keputusan model.