Evaluasi Model Machine Learning: Penjelasan untuk Pemula
Evaluasi model adalah proses mengukur seberapa baik model machine learning bekerja dengan membandingkan hasil prediksi terhadap label sebenarnya, menggunakan metrik seperti akurasi, precision, recall, dan F1 score yang berasal dari confusion matrix.
Versi sederhananya
Setelah model dilatih, kita perlu tahu apakah tebakannya cukup dapat dipercaya. Evaluasi model bekerja seperti memeriksa nilai ujian, tetapi sekaligus melihat jenis kesalahan yang dibuat, bukan hanya jumlah jawaban benar.
Confusion matrix sebagai awal
| Sel | Arti |
|---|---|
| True Positive | Positif yang ditebak benar |
| True Negative | Negatif yang ditebak benar |
| False Positive | Negatif tetapi ditebak positif |
| False Negative | Positif tetapi ditebak negatif |
Metrik turunan
- Akurasi: bagian dari seluruh prediksi yang benar.
- Precision: dari yang ditebak positif, berapa yang benar.
- Recall: dari kasus positif nyata, berapa yang berhasil ditemukan.
- F1 score: keseimbangan precision dan recall.
Mengapa akurasi tidak selalu cukup
Bila satu kelas jauh lebih dominan, akurasi dapat terlihat tinggi meski model gagal mengenali kelas yang jarang. Confusion matrix menunjukkan kesalahan tersebut.
Keterbatasan
Metrik klasifikasi berbeda dengan evaluasi regresi, dan jumlah sel bertambah bila kelas lebih banyak. Metrik menggambarkan kinerja tetapi tidak menjelaskan penyebab kesalahan.
FAQ
Apa itu false positive?
Kasus negatif yang salah ditebak sebagai positif.
Apa itu false negative?
Kasus positif yang salah ditebak sebagai negatif.
Apa bedanya precision dan recall?
Precision menilai keandalan tebakan positif, recall menilai berapa kasus positif yang terdeteksi.
Kapan akurasi menyesatkan?
Saat kelas tidak seimbang, kelas dominan dapat membuat akurasi terlihat tinggi.
Poin utama
- Evaluasi model membandingkan prediksi dengan label sebenarnya.
- Confusion matrix menjadi dasar metrik klasifikasi.
- Precision dan recall membantu melihat jenis kesalahan.
- Akurasi saja tidak cukup pada data tidak seimbang.
Lanjutkan membaca apa itu supervised learning dan apa itu machine learning.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free