| 700 Entri Tambahan Nama Orang | Denny, supervisor; Ari Saptawijaya, examiner; Fariz Darari, examiner |
| 001 Hak Akses (open/membership) | membership |
| 336 Content Type | text (rdacontent) |
| 710 Entri Tambahan Badan Korporasi | Universitas Indonesia. Fakultas Ilmu Komputer |
| 264b Nama Penerbit | Fakultas Ilmu Komputer Universitas Indonesia |
| 504 Catatan Bibliografi | pages 90-91 |
| 852 Lokasi | Perpustakaan UI |
| 049 No. Barkod | 14-25-70366479 |
| 338 Carrier Type | online resource (rdacarrier) |
| 590 Cat. Sumber Pengadaan Koleksi | Deposit |
| 903 Stock Opname | |
| 534 Catatan Versi Asli | |
| Tahun Buka Akses | 2024 |
| 053 No. Induk | 14-25-70366479 |
| 653 Kata Kunci | artificial intelligence; explainable AI; outliers; outliers detection |
| 040 Sumber Pengatalogan | LibUI ind rda |
| 245 Judul Utama | Studi Komparatif Teknik Explainable Artificial Intelligence dalam Outlier Detection = Comparative Study of Explainable Artificial Intelligence Techniques in Outlier Detection |
| 650 Subyek Topik | Explanation--Computer simulation;Artificial intelligenc--Educational applications. |
| 264c Tahun Terbit | 2024 |
| 850 Lembaga Pemilik | Universitas Indonesia |
| 904b Pemeriksa Lembar Kerja | Sugiarti-Mei-2025 |
| 520 Ringkasan/Abstrak/Intisari | Penerapan teknik Explainable AI (XAI) telah menjadi fokus utama penelitian dalam upaya untuk meningkatkan interpretabilitas dan kepercayaan dalam model AI, khususnya pada bidang outlier detection. Penelitian ini bertujuan untuk mengungkapkan proses pengambilan keputusan yang kompleks di balik proses outlier detection, serta untuk memberikan pemahaman yang lebih dalam tentang faktor-faktor yang mempengaruhi keputusan tersebut. Dalam penelitian ini, diselidiki berbagai teknik XAI yang dapat digunakan dalam konteks outlier detection. Penelitian ini memberikan evaluasi komprehensif tentang aplikasi XAI dalam outlier detection, dengan mengevaluasi kelebihan dan kelemahan dari setiap teknik yang digunakan. Hasil eksperimen menunjukkan bahwa penerapan XAI dalam outlier detection dapat memberikan wawasan yang berharga tentang faktor-faktor yang mempengaruhi keputusan model, dan dapat meningkatkan interpretabilitas dan kepercayaan dalam model outlier detection.
......The application of Explainable AI (XAI) techniques has been the main focus of research to improve interpretability and trust in AI models, particularly in the field of outlier detection. This study aims to uncover the complex decision-making process behind outlier detection and provide a deeper understanding of the factors influencing these decisions. Various XAI techniques that can be used in outlier detection are investigated in this research. This study provides a comprehensive evaluation of XAI applications in outlier detection by assessing the strengths and weaknesses of each technique used. The experimental results indicate that the implementation of XAI in outlier detection can provide valuable insights into the factors influencing model decisions and can enhance the interpretability and trustworthiness of outlier detection models. |
| 090 No. Panggil Setempat | S-pdf |
| d-Entri Utama Nama Orang | |
| 500 Catatan Umum | Dapat diakses di UIANA (lib.ui.ac.id) saja. |
| 337 Media Type | computer (rdamedia) |
| d-Entri Tambahan Nama Orang | |
| 526 Catatan Informasi Program Studi | Ilmu komputer |
| 100 Entri Utama Nama Orang | Ahmad Haulian Yoga Pratama, author |
| 264a Kota Terbit | Depok |
| 300 Deskripsi Fisik | xiii, 91 pages |
| 904a Pengisi Lembar Kerja | Sugiarti-Mei-2025 |
| Akses Naskah Ringkas | |
| 856 Akses dan Lokasi Elektronik | |
| 502 Catatan Jenis Karya | Skripsi |
| 041 Kode Bahasa | ind |