Text

EXPLAINABLE ARTIFICIAL INTELLIGENCE UNTUK KLASIFIKASI CITRA MOTIF BATIK

---

ABSTRAK

Penggunaan deep learning dalam klasifikasi motif batik telah menghasilkan
performa yang tinggi, tetapi dasar pengambilan keputusan model masih sulit dipahami
karena bersifat black box, sehingga dapat mengurangi kepercayaan pengguna terhadap
hasil prediksi. Explainable Artificial Intelligence (XAI) dapat meningkatkan
transparansi model dengan menghasilkan explanation berupa heatmap yang
menunjukkan area citra yang berkontribusi terhadap hasil prediksi. Namun, heatmap
yang dihasilkan belum tentu sepenuhnya merepresentasikan dasar pengambilan
keputusan model, sehingga kualitas explanation perlu dievaluasi. Penelitian ini
bertujuan menerapkan Grad-CAM dan LIME pada klasifikasi motif batik
menggunakan model MobileNetV2 dan ResNet50 serta mengevaluasi kualitas
explanation yang dihasilkan. Tahapan penelitian meliputi proses generate attribution
map, visualisasi, dan evaluasi kualitas explanation melalui dua pendekatan, yaitu
evaluasi berbasis metrik dan penilaian pakar. Evaluasi berbasis metrik dilakukan pada
aspek faithfulness dan stability lalu dinilai menggunakan metrik AUC dan SSIM,
sedangkan penilaian pakar dilakukan berdasarkan kesesuaian area yang disorot pada
heatmap dengan karakteristik visual motif batik. Hasil penelitian menunjukkan bahwa
kedua metode berhasil menghasilkan heatmap dengan karakteristik berbeda serta
membantu memvisualisasikan area citra yang menjadi perhatian model. Penilaian
pakar menunjukkan bahwa kombinasi Grad-CAM – ResNet50 memiliki tingkat
kesesuaian tertinggi terhadap karakteristik visual motif batik. Sementara itu, evaluasi
berbasis metrik menunjukkan bahwa pada aspek faithfulness, kedua metode memiliki
keunggulan pada metrik yang berbeda, sedangkan pada aspek stability, Grad-CAM
menghasilkan explanation yang lebih stabil berdasarkan nilai SSIM yang lebih tinggi.
Berdasarkan keseluruhan hasil evaluasi, kombinasi Grad-CAM–ResNet50
menunjukkan karakteristik explanation yang lebih faithful dan konsisten.
Kata Kunci: Explainable Artificial Intelligence, Grad-CAM, LIME, Faithfulness,
Stability, Klasifikasi Motif Batik, Transfer Learning

vi

ABSTRACT

The use of deep learning for batik motif classification has achieved high
performance. However, the basis of the model's decision-making process remains
difficult to understand because of its black-box nature, which may reduce user trust in
the prediction results. Explainable Artificial Intelligence (XAI) can improve model
transparency by generating explanations in the form of heatmaps that highlight image
regions contributing to prediction outcomes. However, the generated heatmaps may
not fully represent the actual basis of the model's decision-making process, making the
evaluation of explanation quality necessary. This study aims to apply Grad-CAM and
LIME to batik motif classification using MobileNetV2 and ResNet50 and to evaluate
the quality of the resulting explanations. The research stages include attribution map
generation, visualization, and explanation quality evaluation through two
approaches: metric-based evaluation and expert assessment. The metric-based
evaluation assesses faithfulness and stability using AUC and SSIM metrics,
respectively, while expert assessment evaluates the correspondence between
highlighted heatmap regions and the visual characteristics of batik motifs. The results
show that both methods successfully generate heatmaps with different characteristics
and help visualize image regions attended to by the model. Expert assessment indicates
that the Grad-CAM–ResNet50 combination achieves the highest correspondence with
the visual characteristics of batik motifs. Meanwhile, metric-based evaluation shows
that the two methods demonstrate advantages in different faithfulness metrics, whereas
Grad-CAM produces more stable explanations based on higher SSIM values. Based
on the overall evaluation results, the Grad-CAM–ResNet50 combination demonstrates
more faithful and consistent explanation characteristics.
Keywords: Explainable Artificial Intelligence, Grad-CAM, LIME, Faithfulness,
Stability, Batik Motif Classification, Transfer Learning

---

Ketersediaan

S260908030		Perpustakaan STMIK AMIKBANDUNG	Tersedia
S260908031	607.2 ROH e	Perpustakaan STMIK AMIKBANDUNG	Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 ROH e

Penerbit

: ., 2026

Deskripsi Fisik

-

Bahasa

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

SKRIPSI IF

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment