Mengenal Confusion Matrix
Confusion matrix merupakan matrix nxn yang tersusun dari 4 parameter: True Positive (TP), False Positive (FP), False Negative (FN), dan True Negative (TN). Tentang parameter ini, dapat dilihat di tulisan sebelumnya.
Jumlah n pada confusion matrix merupakan class yang digunakan pada classifier. Dalam binary classification, jumlah n adalah 2 untuk menyatakan apakah hasil positif atau negatif.
Untuk tulisan ini, kita fokus pada penggambaran confusion matrix untuk binary classification. Jadi, ada matriks 2x2 untuk menggambarkannya. Setiap parameter TP, FP, FN, dan TB dapat disusun pada matriks sebagai berikut:
Bentuk di atas, diambil dari template berikut:
Atau bisa ditulis seperti ini di hasil-hasil contoh kasus:
Template ini juga bervariasi tergantung cara penggambarannya. Jika digambarkan dalam heatmap ketika dikodekan, biasanya pengaturan dimulai dari class negatif (dinyatakan bilangan 0) terlebih dahulu. Selain itu peletakan class untuk hasil prediksi & aktual juga ada penyesuaian. Sehingga, gambar yang ditampilkan menjadi sebagai berikut:
Ada perubahan letak TN & FP antara plot menggunakan Heatmap & template sebelumnya.
Confusion matrix sendiri merupakan summary dari hasil klasifikasi oleh classification model/sistem klasifikasi. Hal ini memudahkan kita jika ingin melakukan perhitungan kinerja dari sistem klasifikasi tersebut. Kinerjanya bisa dilihat dari precision, recall, dan f1-score. Tetapi, hal ini kita bahas lain kali.
Oke, itu dia tentang confusion matrix pada binary classification. Kalau ada yang perlu dilengkapi, bisa kasih saran dan koreksinya. Salam sehat & semangat!
