Multiclass Confusion Matrix

Pada tulisan sebelumnya, kita udah lihat contoh kasus confusion matrix pada binary class. Dan sekarang, kita mengenali confusion matrix dengan multi-class. Multi-class artinya, kita punya lebih dari 2 class, tidak seperti kasus sebelumnya yang mendeteksi kegagalan/tidak gagal.

Langsung ke contoh kasus biar lebih tergambar bentuk confusion matrix, dan juga nilai TP, FP, FN, dan TN. Kasus kita kali ini, kita mendeteksi rimpang bumbu masak, apakah termasuk jahe, kunyit, atau lengkuas. Singkat cerita, begini hasil yang didapat dari 21x percobaan:

Hasil Prediksi Sistem Pengenalan Rimpang

Pastinya, data di atas ngarang ya. Soalnya saya kepikiran membuat sistem pengenalan rimpang lokal Indonesia menggunakan machine learning/deep learning. Tapi belum terwujud sampai sekarang :D

Balik lagi ke kasus, berdasarkan hal di atas, kita tahu ada 3 class: jahe, kunyit, dan lengkuas. Dan rekap hasilnya sebagai berikut:

Rekap Hasil Prediksi per Class

Berdasarkan hasil di atas, kita dapat membuat confusion matrixnya sebagai berikut:

Confusion Matrix Multi Class Sistem Pengenalan Rimpang

Untuk menghitung nilai TP-FP-FN-TN, kita melakukannya per class. Jadi bukan untuk semuanya, tapi per class. Kita lihat tiap class, dimulai dari class Jahe, Kunyit, dan Lengkuas.

Class Jahe

Pada class Jahe, arti dari TP-FP-FN-TN adalah sebagai berikut:

• TP: Prediksi “Jahe”- Aktual “Jahe”
• FP: Prediksi “Jahe” — Aktual “selain Jahe”
• FN: Prediksi “selain Jahe”- Aktual “Jahe”
• TN: Prediksi “selain Jahe”- Aktual “selain Jahe”

Sehingga, berdasarkan confusion matrix di atas, parameter terkait untuk class jahe dilihat sebagai berikut:

TP, FP, FN, dan TN class Jahe

Jadi parameter untuk class Jahe:

• TP (warna hijau) — cell 1: 4
• FP (warna kuning) — cell 2 + cell 3: 2+0 = 2
• FN (warna merah) — cell 4 + cell 7: 1+2 = 3
• TN (warna ungu) — cell 5 + cell 6 + cell 8 + cell 9: 0+0+5+7 = 12

Class Kunyit

Pada class Kunyit, didapat:

TP, FP, FN, dan TN class Kunyit

• TP — prediksi “kunyit”, aktual “kunyit” — (warna hijau): 5
• FP — prediksi “kunyit”, aktual “selain kunyit” — (warna kuning): 1+0 = 1
• FN — prediksi “selain kunyit”, aktual “kunyit” (warna merah): 2+0 = 2
• TN — prediksi “selain kunyit”, aktual “selain kunyit” (warna ungu): 4+0+2+7 = 13

Class Lengkuas

Sedangkan untuk class lengkuas, didapat:

TP, FP, FN, dan TN class Lengkuas

• TP — prediksi “lengkuas”, aktual “lengkuas” — (warna hijau): 7
• FP — prediksi “lengkuas”, aktual “selain lengkuas” — (warna kuning): 2+0=2
• FN — prediksi “bukan lengkuas”, aktual “lengkuas” — (warna merah): 0+0=0
• TN — prediksi “bukan lengkuas”, aktual “bukan lengkuas” — (warna ungu): 4+2+1+5 = 12

Dan itulah dia cara membuat confusion matrix multi-class sekaligus menghitung TP-FP-FN-TN untuk setiap class-nya.

Sumber

Confusion Matrix for Your Multi-Class Machine Learning Model

Confusion Matrix for Multi-Class Classification - Analytics Vidhya

Perhitungan Confusion Matrix Multi-Class Clasification 3x3