Analisis Bias Model Hibrida 1DCNN-XGBoost dalam Pinjaman Hipotek Perumahan dengan SHAP

Richie Irawan, Bryan (2025) Analisis Bias Model Hibrida 1DCNN-XGBoost dalam Pinjaman Hipotek Perumahan dengan SHAP. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (5MB)
	PDF BAB_I.pdf Download (211kB)
	PDF BAB_II.pdf Download (292kB)
	PDF BAB_III.pdf Download (413kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (617kB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Penelitian ini membahas penerapan model hibrida 1D Convolutional Neural Network (1DCNN) dan Extreme Gradient Boosting (XGBoost) dalam skenario persetujuan pinjaman hipotek perumahan, serta analisis bias model menggunakan metode Explainable AI, yaitu SHapley Additive Explanations (SHAP). Model hibrida digunakan untuk meningkatkan performa klasifikasi dan diuji menggunakan metrik evaluasi untuk klasifikasi biner, misalnya accuracy, recall, hingga h-score. Hasilnya menunjukkan bahwa model hibrida mampu mendapat performa yang tinggi dengan nilai recall misalnya, sebesar 0,9983 dan accuracy 0,9648, namun tidak secara signifikan lebih baik dibandingkan kedua model tunggal. Selain itu, analisis SHAP mengungkapkan bahwa meskipun model lebih banyak bergantung pada fitur keuangan, masih terdapat indikasi penggunaan fitur sensitif ras dan jenis kelamin dalam pengambilan keputusan, baik secara lokal maupun global. Hal ini menunjukkan bahwa model hibrida belum sepenuhnya bebas dari bias fitur sensitif. Penelitian ini menegaskan pentingnya penerapan XAI untuk mengevaluasi keadilan dalam sistem pengambilan keputusan otomatis di sektor keuangan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	bias, explainable AI, pinjaman hipotek, SHAP, 1DCNN-XGBoost
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Jul 2025 11:02
Last Modified:	24 Jul 2025 11:02
URI:	https://kc.umn.ac.id/id/eprint/39202

Actions (login required)

View Item