Evaluasi model (confusion matrix, akurasi, F1)
Mengukur kinerja model klasifikasi.
Untuk apa dipakai
- Mengklasifikasi atau memprediksi
Data yang dibutuhkan
Data tabel dengan kolom fitur dan, bila perlu, kolom kelas atau teks.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Baris = kelas sebenarnya, kolom = kelas prediksi model; angka pada diagonal adalah prediksi yang benar.
Presisi, recall (sensitivitas), dan F1 dihitung dengan memperlakukan tiap kelas sebagai positif terhadap semua kelas lain, lalu dirata-ratakan (makro = rata-rata sederhana; berbobot = memakai jumlah aktual tiap kelas). Akurasi seimbang = rata-rata recall antar kelas, lebih adil bila kelas tidak seimbang.
Presisi = TP ÷ (TP + FP)
Recall = TP ÷ (TP + FN)
F1 = 2 × (Presisi × Recall) ÷ (Presisi + Recall)
Kappa Cohen mengukur kesesuaian prediksi-aktual setelah dikurangi kesesuaian yang diharapkan secara acak; MCC (Matthews/Gorodkin untuk multikelas) adalah ukuran tunggal yang seimbang bahkan pada kelas yang sangat tidak seimbang.
Bila kolom skor kelas positif diisi dan hanya ada dua kelas, AUC dan CI-nya dihitung dengan metode DeLong; LR+ dan LR− melengkapi interpretasi klinis/diagnostik bila relevan.
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Kappa Cohen | > 0,80 sangat baik; 0,60-0,80 baik; 0,40-0,60 cukup; < 0,40 lemah | Cohen (1960) |
| Akurasi dibanding baseline | bandingkan dengan akurasi menebak kelas mayoritas; tidak lebih baik berarti model tidak berguna | Sokolova & Lapalme (2009) |
- Sokolova, M., & Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing & Management, 45(4), 427-437.
- Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37-46.
- Gorodkin, J. (2004). Comparing two K-category assignments by a K-category correlation coefficient. Computational Biology and Chemistry, 28(5-6), 367-374.
- DeLong, E. R., DeLong, D. M., & Clarke-Pearson, D. L. (1988). Comparing the areas under two or more correlated receiver operating characteristic curves. Biometrics, 44(3), 837-845.
Sokolova & Lapalme (2009); Cohen (1960)
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.