Section Interpretabilitas dan Explainable AI berisi materi 5 chapter. Buka kotak hitam model: permutation importance, partial dependence, SHAP values, dan surrogate model.

# Konsep Interpretabilitas

Bedakan transparansi intrinsik dan penjelasan pasca-hoc beserta risikonya.

Buka → # Permutation Importance

Ukur kontribusi fitur dengan mengacaukan nilainya dan mengamati penurunan skor.

Buka → # Partial Dependence dan ICE

Visualisasikan efek rata-rata dan per-sampel dari satu fitur terhadap prediksi.

Buka → # SHAP Values

Alokasikan kontribusi tiap fitur secara adil dengan nilai Shapley.

Buka → # Surrogate Model dan Batas Interpretabilitas

Jelaskan model kompleks dengan model sederhana dan kenali batas penjelasannya.

Buka →