Metode Pengujian 3 Fold Cross Validation
Cross-validation (CV) adalah metode statistik yang dapat digunakan untuk
mengevaluasi kinerja model atau algoritma dimana data dipisahkan
menjadi dua subset yaitu data proses pembelajaran dan data validasi /
evaluasi. Model atau algoritma dilatih oleh subset pembelajaran dan
divalidasi oleh subset validasi. Selanjutnya pemilihan jenis CV dapat
didasarkan pada ukuran dataset. Biasanya CV K-fold digunakan karena
dapat mengurangi waktu komputasi dengan tetap menjaga keakuratan
estimasi.
Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset)
Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset)
Metode 3 - fold cross validation membagi sebuah himpunan contoh secara acak menjadi 3 subset yang saling bebas. Dilakukan pengulangan sebanyak 3kali untuk pelatihan dan pengujian. Pada setiap ulangan, disisakan satu subset untuk pengujian dan subset lainnya untuk pelatihan. Tingkat akurasi dihitung dengan membagi jumlah keseluruhan klasifikasi yang benar dengan jumlah semua i nstance pada data awal. Pembagian dan prosedur 3 - Fold Cross Validation seperti pada gambar dibawah ini.
Prosedur Three - Cross Validation Dari 200 data yang ada, dibagi menjadi tiga bagian dengan komposisi jumlah data seperti pada tabel dibawah.
Setelah dilakukan berbagai ujicoba didapatkan hasil seperti pada tabel 3
Sumber:
Refaeilzadeh, Payam. Tang, Lei. Liu, Huan. Cross - Validation. Arizona State University, 2008
http://semnas.amikom.ac.id//document/pdf/1259.pdf
https://mti.binus.ac.id/2017/11/24/10-fold-cross-validation/
min, setelah step terakhir dimana semua akurasi berhasil didapat.
ReplyDeletebisa nggak kalo saya menghitung rata-rata akurasi seperti ini?
(88% + 84% + 83%) / 3 = 85%
Tidak bisa seperti itu, yang sering diambil nilai yang ada pada pengujian. Tapi untuk menguatkan silahkan mencari referansi yang lainnya.
Deletehaloo, kak bagaimana cara menentukan nilai akurasinya??
ReplyDeletedisitu ada nilai prosentase setiap pengujiannya
Deletekak, rumus nilai akurasinya gimana?
ReplyDelete