Confusion Matrix Pada Machine Learning – Di bidang machine learning atau yang lebih dikenal dengan pembelajaran mesin dan terutama dalam masalah klasifikasi statistik, confusion matrix dikenal juga sebagai sebuah error matrix. Suatu confusion matrix merupakan tabel yang digunakan untuk menggambarkan kinerja model klasifikasi (atau “classifier“) pada satu set data uji yang nilai sebesarnya diketahui. Hal ini memungkinkan visualisasi kinerja suatu algoritma, memungkinkan identifikasi yang mudah antar kelasnya.

Confusion Matrix

Confusion matrix adalah ringkasan hasil prediksi pada masalah klasifikasi. Jumlah prediksi yang benar dan salah dirangkum dengan nilai-nilai hitung dan dipecah oleh masing-masing kelas. Confusion matrix menunjukkan cara yang mana model klasifikasi Anda bingung ketika membuat prediksi. Ini memberikan wawasan tidak hanya tentang kesalahan yang dibuat oleh classifier tetapi lebih penting lagi jenis kesalahan yang sedang dibuat.

Definisi dari istilah pada gambar diatas, yaitu:

• Positive (P) : Pengamatan Positif.
• Negative (N) : Pengamatan tidak positif atau negatif.
• True Positive (TP) : Pengamatan positif, dan hasil prediksi seharusnya positif.
• False Negative (FN) : Pengamatan positif, tapi hasil prediksi negatif.
• True Negative (TN) : Pengamatan negatif dan hasil prediksi seharusnya negatif.
• False Positive (FP) : Pengamatan negatif tapi hasil prediksi positif.