Application of Shapley Additive Explanations (SHAP) in Deep Learning for Lung Disease Detection Using X-ray Images

Sari

Pemeriksaan menggunakan citra x-ray merupakan metode yang efektif dalam membantu deteksi penyakit paru-paru, seperti COVID-19, dan pneumonia. Seiring dengan perkembangan teknologi yang meningkat, proses diagnosis kini dapat dilakukan secara lebih akurat dengan memanfaatkan sistem berbasis kecerdasan buatan. Salah satu metode yang banyak digunakan adalah deep learning namun metode ini bersifat black-box, sehingga hasil prediksi sulit dipahami dengan alasan dibalik keputusan model. Tujuan penelitian ini adalah untuk membangun sistem klasifikasi citra x-ray menggunakan model deep learning berbasis Convolutional Neural Network (CNN) dengan arsitektur VGG-16, serta menerapkan metode Shapley Additive Explanations (SHAP) untuk memberikan penjelasan mengenai visual terkait area citra yang mempengaruhi hasil prediksi. Model dilatih menggunakan beberapa konfigurasi, dan hasil terbaik diperoleh pada rasio data 80% : 20%, learning rate 0.001, batch size 32, dan 50 epoch. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 95,75% pada data training dan 96,00% pada data validasi. Metode SHAP digunakan untuk meningkatkan pemahaman terhadap hasil prediksi. Hasil menunjukkan bahwa kombinasi deep learning dan SHAP mampu memberikan penjelasan visual terhadap hasil prediksi model.