Integrasi K-Means Clustering pada LIME Explainable AI untuk Meningkatkan Interpretabilitas Model Deep Learning pada Klasifikasi Box Palette

Raditya, Evan (2024) Integrasi K-Means Clustering pada LIME Explainable AI untuk Meningkatkan Interpretabilitas Model Deep Learning pada Klasifikasi Box Palette. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 6026231037_Draft Thesis_Evan Raditya.pdf] Text
6026231037_Draft Thesis_Evan Raditya.pdf - Accepted Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Dalam sistem produksi bahan pangan, penyusunan box palette secara manual sering mengalami kesalahan, seperti pola susunan yang salah, jumlah box yang tidak sesuai, dan campuran varian produk yang tidak seharusnya. Masalah ini terjadi pada perusahaan produksi kecap yang memiliki keterbatasan infrastruktur, sehingga dua varian produk dengan ukuran box yang sama tercampur dalam satu jalur produksi. Hal ini mengakibatkan gangguan pada alur produksi dan potensi kerugian yang signifikan.
===================================================================================
Penelitian ini mengusulkan solusi dengan menggunakan deep learning untuk mendeteksi pola susunan box palette. Metode Convolutional Neural Network (CNN) dipilih karena telah terbukti efektif dalam klasifikasi gambar. Selain itu, penelitian ini juga akan mengimplementasikan Explainable AI (XAI) untuk memberikan penjelasan terkait hasil klasifikasi, meningkatkan kepercayaan pengguna terhadap sistem. Teknik Local Interpretable Model-agnostic Explanations (LIME) akan digunakan untuk memberikan interpretasi, namun dengan penambahan K-Means Clustering untuk meningkatkan stabilitas hasil penjelasan.
=====================================================================================
Dari penelitian ini didapatkan bahwa integrasi K-Means Clustering pada LIME dapat meningkatkan skor fidelity dan menjaga stability dari penjelasan LIME.
=================================================================================================
Kata kunci: sistem deteksi; image classification; convolutional neural network; explainable ai; box palette; k-means clustering

Item Type: Thesis (Masters)
Uncontrolled Keywords: sistem deteksi; image classification; convolutional neural network; explainable ai; box palette; k-means clustering; detection system; image classification; convolutional neural networks; explainable ai; palette box; k-means clustering
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T59.7 Human-machine systems.
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User: Evan Raditya
Date Deposited: 08 Aug 2024 07:27
Last Modified: 25 Sep 2024 03:17
URI: http://repository.its.ac.id/id/eprint/112574

Actions (login required)

View Item View Item