Confusion matrix

By | January 15, 2021
Print Friendly, PDF & Email
2,190 Views

Sinopsis

Confusion matrix merupakan salah satu metode yang dapat digunakan untuk mengukur kinerja suatu metode klasifikasi. Pada dasarnya confusion matrix mengandung informasi yang membandingkan hasil klasifikasi yang dilakukan oleh sistem dengan hasil klasifikasi yang seharusnya

  1. TN : merupakan data negatif yang terdeteksi dengan benar
  2. FP : merupakan data negatif namun terdeteksi sebagai data positif
  3. TP: merupakan data positif terdeteksi benar
  4. FN :merupakan data positif terdeteksi sebagai data negatif

Sehingga jumlah

TN = 0

FP =2

FN = 1

TP = 1

    \[akurasi=\frac{TP+TN}{TP+TN+FP+FN}*100%\]

    \[presisi=\frac{TP}{FP+TP}*100%\]

    \[recall=\frac{TP}{FN+TP}\]

Kalian bisa menggunakan sklearn untuk mempermudah perhitungan diatas, seperti kode berikut

from sklearn.metrics import confusion_matrix
import numpy as np

target = np.array([0,1,0,1])
prediksi =  np.array([1, 1, 1, 0])

tn, fp, fn, tp = confusion_matrix(target, prediksi).ravel()
tn = float(tn)
fp = float(fp)
fn = float(fn)
tp = float(tp)
print (tn, fp, fn, tp)

akurasi = ((tp+tn)/(tp+tn+fp+fn))*100
presisi = (tp/(fp+tp))*100
recall = (tp/(fn+tp))*100
print (akurasi,presisi, recall)

hasil

(0.0, 2.0, 1.0, 1.0)
(25.0, 33.33333333333333, 50.0)

Referensi:

Mengukur Kinerja Algoritma Klasifikasi dengan Confusion Matrix

 

 

Leave a Reply

Your email address will not be published.




Enter Captcha Here :