Confusion Matrix

Istilah matriks kebingungan paling umum digunakan dalam pembelajaran mesin dan ilmu data.

Berikut ini adalah postingan khusus kamus AI Kami yang menjelaskan terkait pembahasan dari apa itu pengertian, makna, dan akronim, istilah, jargon, atau terminologi Confusion Matrix berdasarkan dari berbagai jenis macam reference atau referensi relevan terpercaya yang telah Kami rangkum dan kumpulkan, termasuk definisinya menurut ahli.

Gambar Penjelasan Apa Pengertian Arti Confusion Matrix Dan Definisi Istilah Akronim Atau Jargon Kata Dalam Kamus AI
Ilustrasi Gambar Penjelasan Apa Itu Pengertian Arti Dan Definisi Istilah Akronim Atau Jargon Kata Teknisnya

Pengertian Umum Confusion Matrix

Confusion Matrix adalah sebuah metode evaluasi kinerja model klasifikasi yang digunakan untuk mengukur seberapa akurat model tersebut dalam memprediksi kelas target. Confusion Matrix menampilkan jumlah data yang diklasifikasikan dengan benar dan salah ke dalam masing-masing kelas target. Confusion Matrix juga dikenal dengan nama Error Matrix atau Contingency Table.

Definisi Menurut Ahli

Menurut Han, Kamber, dan Pei dalam buku “Data Mining: Concepts and Techniques” (2011), Confusion Matrix adalah sebuah tabel yang digunakan untuk mengevaluasi kinerja model klasifikasi dengan membandingkan hasil prediksi model dengan nilai sebenarnya dari data yang diuji. Confusion Matrix terdiri dari empat sel, yaitu True Positive (TP), False Positive (FP), False Negative (FN), dan True Negative (TN). Sel TP menunjukkan jumlah data yang diklasifikasikan dengan benar ke dalam kelas positif, sedangkan sel FP menunjukkan jumlah data yang salah diklasifikasikan ke dalam kelas positif. Sel FN menunjukkan jumlah data yang salah diklasifikasikan ke dalam kelas negatif, sedangkan sel TN menunjukkan jumlah data yang diklasifikasikan dengan benar ke dalam kelas negatif.

Fungsi Confusion Matrix

Confusion matrix adalah sebuah tabel yang digunakan untuk mengevaluasi performa dari suatu model machine learning. Confusion matrix menampilkan jumlah prediksi yang benar dan salah dari model tersebut. Dengan menggunakan confusion matrix, kita dapat menghitung berbagai metrik evaluasi seperti akurasi, presisi, recall, dan F1-score.

Contoh Confusion Matrix

Contoh confusion matrix dapat dilihat pada tabel berikut:

Actual Class
Predicted Class Positive Negative
True Positive (TP) False Negative (FN)
True Negative (TN) False Positive (FP)

Pada contoh confusion matrix di atas, terdapat 4 kemungkinan hasil prediksi yaitu True Positive (TP), False Positive (FP), True Negative (TN), dan False Negative (FN). TP adalah jumlah prediksi yang benar bahwa suatu data termasuk ke dalam kelas positif. FP adalah jumlah prediksi yang salah bahwa suatu data termasuk ke dalam kelas positif. TN adalah jumlah prediksi yang benar bahwa suatu data termasuk ke dalam kelas negatif. FN adalah jumlah prediksi yang salah bahwa suatu data termasuk ke dalam kelas negatif.

Rumus atau Formula terkait Confusion Matrix

Confusion Matrix adalah sebuah tabel yang digunakan untuk mengevaluasi performa dari suatu model machine learning. Tabel ini terdiri dari empat bagian yaitu True Positive (TP), False Positive (FP), True Negative (TN), dan False Negative (FN). Berikut adalah rumus atau formula terkait Confusion Matrix:

1. Akurasi (Accuracy)

Akurasi adalah rasio antara jumlah prediksi yang benar dengan total jumlah prediksi. Rumusnya adalah:

Accuracy = (TP + TN) / (TP + TN + FP + FN)

2. Presisi (Precision)

Presisi adalah rasio antara jumlah prediksi yang benar positif dengan total jumlah prediksi positif. Rumusnya adalah:

Precision = TP / (TP + FP)

3. Recall (Sensitivitas atau True Positive Rate)

Recall adalah rasio antara jumlah prediksi yang benar positif dengan total jumlah data yang sebenarnya positif. Rumusnya adalah:

Recall = TP / (TP + FN)

4. F1-Score

F1-Score adalah rata-rata harmonik antara presisi dan recall. Rumusnya adalah:

F1-Score = 2 * ((Precision * Recall) / (Precision + Recall))

5. Specificity (True Negative Rate)

Specificity adalah rasio antara jumlah prediksi yang benar negatif dengan total jumlah data yang sebenarnya negatif. Rumusnya adalah:

Specificity = TN / (TN + FP)

Jenis Macam Arti Matriks Kebingungan dalam Kamus Terjemahan Bahasa Inggris, Indonesia, Jawa, Sunda, dan Malaysia

Selain membahas tentang arti, apa itu, pengertian, definisi, fungsi, dan rumus atau formula terkaitnya, untuk lebih memperluasnya di sini Kami juga akan menerangkan beberapa jenis macam arti kata dalam kamus terjemahan bahasa Inggris, Indonesia, Jawa, Sunda, dan Malaysia.

Agar dapat dengan mudah dipahami, di postingan khusus Kamus AI ini Kami akan menjelaskannya dalam bentuk tabel terjemahan bahasa Inggris, Indonesia, Jawa, Sunda, dan Malaysia sebagai berikut.

Nama Bahasa Terjemahan
Bahasa Inggris Confusion Matrix
Bahasa Indonesia Matriks Kebingungan
Bahasa Jawa Kethek Matriks
Bahasa Sunda Confrics Conrix
Bahasa Malaysia Matriks Kekeliruan

Beberapa Paper (Artikel Ilmiah atau Makalah) atau Buku yang Terkait dengan Istilah Confusion Matrix serta Link atau Tautannya

Di bawah ini adalah beberapa jenis macam paper (termasuk artikel ilmiah atau makalah) dan Buku yang berkaitan dengan istilah Confusion Matrix:

  1. Deep Residual Learning for Image Recognition – https://arxiv.org/abs/1512.03385
  2. Generative Adversarial Networks – https://arxiv.org/abs/1406.2661
  3. Attention Is All You Need – https://arxiv.org/abs/1706.03762
  4. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding – https://arxiv.org/abs/1810.04805
  5. ImageNet Classification with Deep Convolutional Neural Networks – https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf

Kesimpulan

Itulah beberapa hal yang dapat Kami jelaskan dalam postingan khusus kamus, glosarium, atau kumpulan istilah kata Confusion Matrix.

Dalam dunia kecerdasan buatan (AI), confusion matrix adalah sebuah alat yang sangat penting untuk mengevaluasi kinerja model. Confusion matrix adalah sebuah tabel yang menunjukkan jumlah prediksi yang benar dan salah yang dilakukan oleh model. Dari confusion matrix, kita dapat menghitung berbagai metrik evaluasi seperti akurasi, presisi, recall, dan F1-score. Pentingnya confusion matrix terletak pada kemampuannya untuk memberikan informasi yang jelas dan terperinci tentang kinerja model, sehingga kita dapat mengetahui di mana model kita perlu ditingkatkan. Dengan demikian, confusion matrix menjadi alat yang sangat berguna dalam pengembangan model AI yang efektif dan akurat.

Penutup

Demikianlah, di atas adalah penjelasan dan penguraian tentang apa itu arti dari akronim, istilah, jargon, atau terminologi Confusion Matrix.

Semoga kamus, glosarium, atau kumpulan istilah teknis bidang teknologi khususnya Artificial Intelligence, kecerdasan buatan, atau AI yang sudah Kami bagikan di sini dapat bermanfaat serta dapat menambah wawasan para pembaca.

Jangan lupa kunjungi, baca, dan lihat juga pembahasan istilah lainnya di laman Kamus AI Kami.

Sumber (Referensi)

Glosarium Kamus AI ini dibuat berdasar dari simpulan arti definisi dari berbagai referensi terkait (relevan) yang Kami anggap terpercaya termasuk seperti Wikipedia, Deep AI, Open AI, Oxford Technology Dictionary dan beberapa sumber lainnya. Kata Confusion Matrix ini merupakan salah satu dari kumpulan istilah terkait Machine Learning, Data Science dalam konteks atau bidang AI yang dimulai dengan awalan atau huruf C. Artikel Kamus AI ini di-update pada bulan May tahun 2024.

Tinggalkan Komentar