Professional Documents
Culture Documents
Modul - 9 - ARTIFICIAL INTELLIGENCE
Modul - 9 - ARTIFICIAL INTELLIGENCE
INTELLIGENCE
SULIS SANDIWARNO
CONFUSION MATRIX
Confusion matrix juga sering disebut error matrix.
Pada dasarnya confusion matrix memberikan
informasi perbandingan hasil klasifikasi yang
dilakukan oleh sistem (model) dengan hasil
klasifikasi sebenarnya.
CONFUSION MATRIX
TP = Merupakan data positif yang diprediksi benar
TN = Merupakan data negatif yang diprediksi benar
FP = Merupakan data negatif namun diprediksi sebagai data positif
FN = Merupakan data positif namun diprediksi sebagai data negatif
CONTOH
True Positive (TP) : kasus dimana mahasiswa diprediksi
(Positif) DO, memang benar (True) DO. Dalam contoh di
atas adalah 4 mahasiswa dengan NIM 007, 008, 009,
010. Jadi nilai TP nya adalah 4
CONTOH
True Negative (TN) : kasus dimana mahasiswa
diprediksi tidak(Negatif) DO dan sebenarnya mahasiswa
tersebut memang (True) tidak DO. Dalam contoh di atas
terjadi pada mahasiswa 001, 002, dan 003. Jadi TN nya
adalah 3
CONTOH
False Positive (FP) : kasus dimana mahasiswa yang
diprediksi positif DO, ternyata tidak DO. Prediksinya
salah (False). Dalam contoh di atas terjadi pada
mahasiswa 004 dan 005. Jadi nilai FP adalah 2
CONTOH
False Negative (FN) : kasus dimana mahasiswa yang
diprediksi tidak DO (Negatif), tetapi ternyata
sebenarnya(TRUE) DO. Dalam contoh kasus di atas
terjadi pada mahasiswa 010. jadi FN = 1
PENGUKURAN PERFORMANCE
Accurac Precisio
y (Acc) n (Pre)
Recall F1-
(Rec) Score
ACCURACY
Merupakan rasio prediksi Benar (positif dan
negatif) dengan keseluruhan data. Akurasi
menjawab pertanyaan “Berapa persen mahasiswa
yang benar diprediksi DO dan Tidak DO dari
kesuluruhan mahasiswa”
( TP+TN )
𝐴𝑐𝑐=
( TP+ FP+ FN +TN )
( TP )
𝑃𝑟𝑒=
( TP + FP )
( Rec ∗ Pre )
𝐹 1= 2
( Rec + Pre )