ABSTRAK Nama : Hamam Abdurrachman Program Studi : Sistem Informasi Judul : Penggunaan Explainable AI untuk Menginterpretasi Hasil Prediksi Model Pemelajaran Mesin untuk Credit Scoring Karena performanya, model pemelajaran mesin digunakan di berbagai bidang untuk membantu membuat keputusan. Di bidang Finansial, pemelajaran mesin mulai banyak digunakan untuk membantu proses credit scoring, tetapi sifat model pemelajaran mesin yang seperti black box membuatnya sulit untuk dipahami. PT Bank Rakyat Indonesia (Persero) Tbk (BRI) sebagai salah satu bank terbesar di Indonesia telah menyalurkan pinjaman ke berbagai kreditur di Indonesia. Untuk membuat proses seleksi pengajuan pinjaman menjadi lebih efisien, BRI mulai menggunakan model pemelajaran mesin untuk membantu proses credit scoring. Meskipun demikian, risiko yang ditimbulkan akibat sulitnya memahami model pemelajaran mesin membatasi opsi yang dimiliki BRI. Kebutuhan akan model yang mudah dipahami menjadi semakin penting karena adanya tuntutan untuk transparansi. Masalah ini memicu berkembangnya bidang explainable artificial intelligence (XAI) dalam beberapa tahun terakhir. Tujuan dari penelitian ini adalah untuk menunjukkan penerapan beberapa metode penjelasan terbaru untuk membuat model pemelajaran mesin yang digunakan untuk credit scoring menjadi lebih mudah dipahami. Empat metode penjelasan, yaitu SHAP, ALE, Anchor, dan ProtoDash digunakan untuk menjelaskan hasil prediksi dari tiga model klasifikasi berbeda, yaitu logistic regression, XGBoost, dan random forest. Selain itu, BRCG, sebuah model klasifikasi yang memberi penjelasan atas hasil prediksinya (directly interpretable model) juga diterapkan. Untuk menguji konsistensi penjelasan yang dikeluarkan, metode penjelasan dievaluasi menggunakan explanation consistency framework (ECF). Hasil penelitian menunjukkan setiap metode memiliki cara menjelaskan yang berbeda-beda, sehingga pemilihan metode penjelasan perlu disesuaikan dengan tujuan diperlukannya penjelasan dan untuk siapa penjelasan tersebut ditujukan. Kata kunci: explainable artificial intelligence, interpretability, explainability, credit scoring