Cara menggunakan CONFUSIONMATRIX pada Python
Mengukur kinerja suatu model yang telah dibuat merupakan langkah penting dalam bidang Machine Learning dan Natural Language Processing. Hasil pengukuran yang dilakukan dapat menjadi pertimbangan dalam memilih model terbaik. Show Salah satu teknik yang dapat digunakan untuk mengukur kinerja suatu model khususnya sistem klasifikasi (misalnya: analisis sentimen) adalah Confusion Matrix. Pengertian Confusion MatrixConfusion Matrix merupakan metode evaluasi yang dapat digunakan untuk menghitung kinerja atau tingkat kebenaran dari proses klasifikasi. Confusion Matrix adalah tabel dengan 4 kombinasi berbeda dari nilai prediksi dan nilai aktual. Ada empat istilah yang merupakan representasi hasil proses klasifikasi pada Confusion Matrix yaitu True Positive (TP), True Negative (TN), False Positive (FP), dan False Negative (FN). Confusion Matrix dapat dilihat pada tabel di bawah
Keterangan :
Tidak jauh berbeda dengan klasifikasi biner, multiclass confusion matrix juga memiliki elemen TP (True Positive), FN (False Negative), FP (False Positive), dan TN (True Negative).
Berikut adalah ketentuan dalam menetapkan nilai elemen tersebut:
Evaluasi Sistem Menggunakan Confusion MatrixDengan dasar tabel Confusion Matrix kemudian dapat dilakukan penghitungan nilai akurasi, presicion, dan recall. Ketiga metriks tersebut sangat bermanfaat untuk mengukur performa dari classifier atau algoritma yang digunakan untuk melakukan prediksi. AkurasiAkurasi merupakan metode pengujian berdasarkan tingkat kedekatan antara nilai prediksi dengan nilai aktual. Dengan mengetahui jumlah data yang diklasifikasikan secara benar maka dapat diketahui akurasi hasil prediksi. Persamaan akurasi ditunjukkan pada persamaan berikut. PrecisionPresisi merupakan metode pengujian dengan melakukan perbandingan jumlah informasi relevan yang didapatkan sistem dengan jumlah seluruh informasi yang terambil oleh sistem baik yang relevan maupun tidak. Persamaan precision ditunjukkan pada persamaan berikut. RecallRecall merupakan metode pengujian yang membandingkan jumlah informasi relevan yang didapatkan sistem dengan jumlah seluruh informasi relevan yang ada dalam koleksi informasi (baik yang terambil atau tidak terambil oleh sistem). Persamaan recall ditunjukkan pada persamaan berikut. PenutupDemikianlah penjelasan singkat mengenai metrik untuk evaluasi sistem menggunakan confusion matrix. Semoga bermanfaat. Apabila tertarik dengan artikel serupa, Anda bisa mengunjungi rubrik Machine Learning atau membaca artikel lainnya mengenai algoritma Backpropagation yang juga menarik untuk dibaca. Salam! Apa itu confusion matrix pada python?Confusion Matrix adalah tabel dengan 4 kombinasi berbeda dari nilai prediksi dan nilai aktual. Ada empat istilah yang merupakan representasi hasil proses klasifikasi pada confusion matrix yaitu True Positif, True Negatif, False Positif, dan False Negatif.
Kenapa menggunakan confusion matrix?Berikut adalah beberapa manfaat dari confusion matrix: Menunjukkan bagaimana model ketika membuat prediksi. Tidak hanya memberi informasi tentang kesalahan yang dibuat oleh model tetapi juga jenis kesalahan yang dibuat. Setiap kolom dari confusion matrix merepresentasikan instance dari kelas prediksi.
Confusion matrix diterapkan pada model apa?Confusion matrix adalah sebuah tabel yang sering digunakan untuk mengukur kinerja dari model klasifikasi di machine learning.
Apa itu Matriks konfusi?Matriks konfusi adalah suatu matriks yang mengindikasikan tingkat akurasi citra yang telah terklasifikasi terhadap data referensi. Berikut merupakan hasil perhitungan matriks konfusi.
|