Penerapan Explainable Artificial Intelligence (XAI) Menggunakan Metode LIME pada Sistem Deteksi Jatuh (Fall Detection) Berbasis Model LSTM[AJG]

Abstract

Insiden jatuh yang terjadi pada lansia merupakan masalah yang cukup serius yang menyebabkan cedera hingga kematian. Tingginya populasi lansia di masa depan dapat meningkatkan persentase insiden jatuh pula, sehingga menuntut solusi deteksi jatuh pada lansia dengan cepat dan akurat. Selain itu, dari sektor medis juga perlu system yang transparan agar pihak medis dapat lebih mempercayai hasil prediksi sebuah machine learning atau deep learning. Penelitian ini dilakukan untuk menguji bagaimana Explainable Artificial (XAI) model Local Interpretable Modelagnostic Explanations (LIME) dapat membantu menjelaskan secara visualisasi hasil prediksi model Long Short-Term Memory (LSTM). Metode penelitian meliputi studi literatur, pengumpulan data, preprosessing dan implementasi LSTM, penerapan LIME pada hasil LSTM, serta analisis dan evaluasi. Penelitian ini diharapkan dapat memberikan kontribusi dalam menghasilkan model deteksi jatuh yang lebih akurat dan transparan, entah untuk sektor medis maupun orang awam, sehingga dapat meminimalisir insiden cedera pada lansia