PENGEMBANGAN MODEL XAI BERDASARKAN PERSEPSI PENGGUNA UNTUK PENILAIAN RISIKO KREDIT PADA P2P LENDING DI INDONESIA

Abstract

Pertumbuhan layanan peer-to-peer (P2P) lending di Indonesia meningkatkan kebutuhan akan penilaian risiko kredit yang akurat dan transparan. Penggunaan explainable artificial intelligence (XAI) menjadi salah satu solusi atas keterbatasan model kecerdasan buatan konvensional yang bersifat black-box. Meskipun XAI dirancang untuk meningkatkan transparansi dan pemahaman model, kajian mengenai hubungan antara XAI dan persepsi pengguna, khususnya faktor psikologis yang memengaruhi kepercayaan dan keputusan investasi, masih terbatas. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model XAI yang mempertimbangkan persepsi pengguna dalam penilaian risiko kredit pada P2P lending di Indonesia. Pendekatan kuantitatif digunakan melalui survei terhadap 377 responden yang dianalisis menggunakan PLS-SEM untuk mengidentifikasi faktor-faktor yang memengaruhi niat adopsi XAI. Hasil analisis tersebut menjadi dasar pengembangan model XAI menggunakan kerangka CRISP-DM. Hasil penelitian menunjukkan bahwa perceived value merupakan faktor terkuat dalam membentuk niat adopsi, dengan perceived need dan AI self-efficacy berpengaruh signifikan terhadap perceived value, sementara AI anxiety hanya berpengaruh terhadap perceived need. Temuan ini kemudian digunakan sebagai dasar perancangan model XAI yang mampu memberikan penilaian risiko kredit secara akurat dan dapat dijelaskan sesuai persepsi pengguna melalui interpretasi SHAP, dengan kinerja tinggi (AUC 0,935) setelah penanganan ketidakseimbangan data dan optimasi hyperparameter menggunakan Optuna