Kalkulator Akurasi
Hitung akurasi statistik dan tingkat kesalahan dari komponen matriks konfusi
Akurasi statistik adalah ukuran seberapa baik suatu tes, model, atau sistem pengukuran mengidentifikasi atau memprediksi hasil dengan benar. Ini dinyatakan sebagai proporsi hasil yang benar (baik positif benar maupun negatif benar) dari total jumlah kasus yang diperiksa.
Dalam analisis statistik dan pembelajaran mesin, akurasi adalah metrik penting untuk mengevaluasi kinerja model klasifikasi, tes diagnostik, dan sistem keputusan biner lainnya.
Rumus untuk menghitung akurasi adalah:
Akurasi = (Positif Benar + Negatif Benar) / Total Kasus × 100%
Tingkat Kesalahan = (Positif Salah + Negatif Salah) / Total Kasus × 100%
Di mana Total Kasus adalah jumlah dari:
- Positif Benar (PB)
- Negatif Benar (NB)
- Positif Salah (PS)
- Negatif Salah (NS)
Positif Benar (PB)
Kasus yang teridentifikasi dengan benar sebagai positif. Misalnya, mendiagnosis dengan benar penyakit pada pasien yang memang menderita penyakit tersebut.
Negatif Benar (NB)
Kasus yang teridentifikasi dengan benar sebagai negatif. Misalnya, mengidentifikasi dengan benar pasien sehat sebagai tidak memiliki penyakit.
Positif Salah (PS) - Kesalahan Tipe I
Kasus yang salah teridentifikasi sebagai positif. Misalnya, mendiagnosis penyakit pada pasien yang sebenarnya sehat.
Negatif Salah (NS) - Kesalahan Tipe II
Kasus yang salah teridentifikasi sebagai negatif. Misalnya, tidak mendiagnosis penyakit pada pasien yang sebenarnya menderita penyakit tersebut.
Perhitungan akurasi digunakan dalam berbagai bidang:
- Diagnosis Medis: Evaluasi kinerja tes diagnostik dan prosedur skrining
- Pembelajaran Mesin: Evaluasi kinerja model klasifikasi
- Kontrol Kualitas: Pengukuran akurasi proses manufaktur dan sistem inspeksi
- Penelitian Ilmiah: Validasi hasil eksperimen dan sistem pengukuran
- Pencarian Informasi: Evaluasi kinerja mesin pencari dan sistem rekomendasi
Berapa nilai akurasi yang baik?
Apa yang dianggap sebagai nilai akurasi yang “baik” tergantung pada konteks dan aplikasi spesifik. Di beberapa bidang, 90% mungkin dianggap sangat baik, sementara di bidang lain mungkin diperlukan akurasi 99,9%. Penting untuk mempertimbangkan konsekuensi dari kesalahan dan standar industri.
Mengapa akurasi saja tidak selalu cukup?
Akurasi saja mungkin tidak cukup ketika bekerja dengan dataset yang tidak seimbang atau ketika biaya dari berbagai jenis kesalahan sangat bervariasi. Dalam kasus seperti ini, metrik lain seperti presisi, recall, atau skor F1 mungkin lebih tepat.
Bagaimana cara meningkatkan akurasi?
Meningkatkan akurasi seringkali melibatkan pengumpulan data yang lebih baik, penggunaan metode pengukuran atau klasifikasi yang lebih canggih, implementasi prosedur kontrol kualitas yang lebih baik, atau penyempurnaan proses pengujian. Pendekatan spesifik tergantung pada konteks aplikasi.