Implementasi Explainable AI dalam Klasifikasi Kekuatan Password

Keamanan kata sandi (password) merupakan aspek krusial dalam menjaga integritas sistem informasi digital. Namun, banyak pengguna masih menggunakan password yang lemah dan mudah ditebak, sehingga rentan terhadap serangan siber. Penelitian ini bertujuan untuk mengklasifikasikan kekuatan password dan menjelaskan hasil prediksi dengan pendekatan Explainable Artificial Intelligence (XAI), khususnya SHAP (SHapley Additive exPlanations) dan LIME (Local Interpretable Model-agnostic Explanations). Dataset yang digunakan berisi 100.000 password yang telah dilabeli dalam tiga kelas kekuatan password. Proses pra-pemrosesan mencakup ekstraksi fitur berbasis struktur karakteristik password, seperti panjang, huruf besar, angka, dan karakter spesial. Model Naive Bayes yang dibangun menunjukkan performa klasifikasi yang sangat baik dengan skor akurasi: 97,66%, Precision: 94,51%, Recall: 98,23%, dan F1-score: 96,22%. Selanjutnya, analisis XAI dilakukan untuk mengungkap kontribusi fitur terhadap keputusan model, baik secara global maupun lokal. Hasil visualisasi menggunakan SHAP dan LIME menunjukkan bahwa fitur panjang dan keberadaan karakter kapital memberikan pengaruh signifikan terhadap kekuatan password. Selain itu, juga dilakukan interpretasi terhadap prediksi lokal (analisis per-password) sehingga memberikan gambaran kontribusi fitur terhadap setiap kekuatan password. Sebagai implementasi akhir, sebuah antarmuka interaktif berbasis Streamlit dikembangkan untuk memungkinkan pengguna melakukan prediksi dan interpretasi kekuatan password secara real-time.