{"id":1173,"date":"2023-07-27T10:08:35","date_gmt":"2023-07-27T10:08:35","guid":{"rendered":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/"},"modified":"2023-07-27T10:08:35","modified_gmt":"2023-07-27T10:08:35","slug":"tinggalkan-satu-validasi-silang","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/","title":{"rendered":"Pengantar singkat tentang validasi silang tinggalkan satu keluar (loocv)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Untuk mengevaluasi performa suatu model pada kumpulan data, kita perlu mengukur seberapa cocok prediksi yang dibuat oleh model tersebut dengan data yang diamati.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Cara paling umum untuk mengukurnya adalah dengan menggunakan mean square error (MSE), yang dihitung sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">MSE = (1\/n)*\u03a3(y <sub>saya<\/sub> \u2013 f(x <sub>saya<\/sub> )) <sup>2<\/sup><\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>n:<\/strong> jumlah total observasi<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>y <sub>i<\/sub> :<\/strong> Nilai respon observasi <sup>ke-i<\/sup><\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>f(x <sub>i<\/sub> ) :<\/strong> Nilai respon prediksi observasi <sup>ke<\/sup> -i<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Semakin dekat prediksi model dengan observasi, maka MSE akan semakin rendah.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam praktiknya, kami menggunakan proses berikut untuk menghitung MSE model tertentu:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Bagilah kumpulan data menjadi kumpulan pelatihan dan kumpulan pengujian.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11686 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv1.png\" alt=\"Pelatihan dan pengujian pembelajaran mesin\" width=\"397\" height=\"442\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Buat model hanya dengan menggunakan data dari set pelatihan.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11688 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv2.png\" alt=\"LOOCV dalam pembelajaran mesin\" width=\"610\" height=\"464\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Gunakan model untuk membuat prediksi tentang set pengujian dan mengukur MSE \u2013 ini disebut <strong>MSE pengujian<\/strong> . <img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11689 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv3.png\" alt=\"Set pelatihan atau tes\" width=\"638\" height=\"484\" srcset=\"\" sizes=\"\"><\/span><\/p>\n<p> <span style=\"color: #000000;\">Pengujian MSE memberi kita gambaran tentang seberapa baik kinerja suatu model pada data yang belum pernah dilihat sebelumnya, yaitu data yang belum pernah digunakan untuk &#8220;melatih&#8221; model tersebut.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, kelemahan menggunakan satu set tes adalah tes MSE dapat bervariasi secara signifikan tergantung pada observasi yang digunakan dalam set pelatihan dan tes.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ada kemungkinan bahwa jika kita menggunakan kumpulan observasi yang berbeda untuk set pelatihan dan set pengujian, MSE pengujian kita bisa menjadi jauh lebih besar atau lebih kecil.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Salah satu cara untuk menghindari masalah ini adalah dengan menyesuaikan model beberapa kali menggunakan set pelatihan dan pengujian yang berbeda setiap kali, lalu menghitung UMK pengujian sebagai rata-rata dari semua UMK pengujian.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Metode umum ini dikenal sebagai validasi silang dan bentuk spesifiknya dikenal sebagai <strong>validasi silang Tinggalkan Satu Keluar<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Validasi Silang Tinggalkan Satu Keluar<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\"><strong>Validasi silang tanpa keluar<\/strong> menggunakan pendekatan berikut untuk mengevaluasi model:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Pisahkan kumpulan data menjadi kumpulan pelatihan dan kumpulan pengujian, dengan menggunakan semua kecuali satu observasi sebagai bagian dari kumpulan pelatihan:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11692 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv4.png\" alt=\"LOOCV\" width=\"448\" height=\"486\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa kami hanya menyisakan satu observasi \u201cdi luar\u201d set pelatihan. Di sinilah metode ini mendapat nama validasi silang \u201cleave-one-out\u201d.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Buat model hanya dengan menggunakan data dari set pelatihan.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11693 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv5.png\" alt=\"Membangun model dengan pendekatan LOOCV\" width=\"651\" height=\"495\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Gunakan model untuk memprediksi nilai respons dari observasi tunggal yang dikecualikan dari model dan menghitung MSE.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11694 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv6.png\" alt=\"Validasi silang secara langsung\" width=\"638\" height=\"481\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>4.<\/strong> Ulangi proses tersebut sebanyak <em>n<\/em> kali.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Terakhir, kami mengulangi proses ini sebanyak <em>n<\/em> kali (di mana <em>n<\/em> adalah jumlah total observasi dalam kumpulan data), sehingga menyisakan observasi yang berbeda dari kumpulan pelatihan setiap kali.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami kemudian menghitung UMK pengujian sebagai rata-rata dari semua UMK pengujian:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Uji MSE = (1\/n)*\u03a3MSE <sub>i<\/sub><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>n:<\/strong> jumlah total observasi dalam kumpulan data<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>MSEi:<\/strong> tes MSE selama periode pemasangan model <sup>ke-i<\/sup> .<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Kelebihan dan Kekurangan LOOCV<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Validasi silang cuti-satu-keluar memberikan <strong>keuntungan<\/strong> sebagai berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Hal ini memberikan ukuran pengujian MSE yang jauh lebih tidak bias dibandingkan dengan menggunakan satu set pengujian, karena kami berulang kali menyesuaikan model ke kumpulan data yang berisi <em>n-1<\/em> observasi.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Hal ini cenderung tidak melebih-lebihkan MSE tes dibandingkan dengan menggunakan satu set tes.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Namun, validasi silang secara langsung mempunyai <strong>kelemahan sebagai berikut:<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Menggunakan proses ini bisa memakan waktu lama jika <em>n<\/em> besar.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Hal ini juga dapat memakan waktu jika suatu model sangat kompleks dan membutuhkan waktu lama untuk menyesuaikan dengan kumpulan data.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Ini bisa memakan biaya komputasi yang mahal.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Untungnya, komputasi modern telah menjadi sangat efisien di sebagian besar wilayah sehingga LOOCV menjadi metode yang jauh lebih masuk akal untuk digunakan dibandingkan beberapa tahun yang lalu.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa LOOCV juga dapat digunakan dalam konteks <a href=\"https:\/\/statorials.org\/id\/regresi-vs.-klasifikasi\/\" target=\"_blank\" rel=\"noopener noreferrer\">regresi dan klasifikasi<\/a> . Untuk masalah regresi, uji MSE dihitung sebagai akar rata-rata kuadrat selisih antara prediksi dan observasi, sedangkan untuk masalah klasifikasi, uji MSE dihitung sebagai persentase observasi yang diklasifikasikan dengan benar selama <em>n<\/em> penyesuaian model yang berulang.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Cara menjalankan LOOCV di R &amp; Python<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Tutorial berikut memberikan contoh langkah demi langkah tentang cara menjalankan LOOCV untuk model tertentu dalam R dan Python:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/id\/tinggalkan-validasi-silang-di-r\/\" target=\"_blank\" rel=\"noopener noreferrer\">Validasi Silang Tinggalkan Satu Keluar di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/biarkan-satu-validasi-silang-dengan-python\/\" target=\"_blank\" rel=\"noopener noreferrer\">Validasi Silang Tinggalkan Satu Keluar dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Untuk mengevaluasi performa suatu model pada kumpulan data, kita perlu mengukur seberapa cocok prediksi yang dibuat oleh model tersebut dengan data yang diamati. Cara paling umum untuk mengukurnya adalah dengan menggunakan mean square error (MSE), yang dihitung sebagai berikut: MSE = (1\/n)*\u03a3(y saya \u2013 f(x saya )) 2 Emas: n: jumlah total observasi y i [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pengantar Singkat tentang Validasi Silang Tinggalkan Satu Keluar (LOOCV)<\/title>\n<meta name=\"description\" content=\"Tutorial ini memberikan pengenalan singkat tentang validasi silang langsung, metode yang umum digunakan dalam pembelajaran mesin.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pengantar Singkat tentang Validasi Silang Tinggalkan Satu Keluar (LOOCV)\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini memberikan pengenalan singkat tentang validasi silang langsung, metode yang umum digunakan dalam pembelajaran mesin.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T10:08:35+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv1.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/\",\"url\":\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/\",\"name\":\"Pengantar Singkat tentang Validasi Silang Tinggalkan Satu Keluar (LOOCV)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T10:08:35+00:00\",\"dateModified\":\"2023-07-27T10:08:35+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini memberikan pengenalan singkat tentang validasi silang langsung, metode yang umum digunakan dalam pembelajaran mesin.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pengantar singkat tentang validasi silang tinggalkan satu keluar (loocv)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pengantar Singkat tentang Validasi Silang Tinggalkan Satu Keluar (LOOCV)","description":"Tutorial ini memberikan pengenalan singkat tentang validasi silang langsung, metode yang umum digunakan dalam pembelajaran mesin.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/","og_locale":"id_ID","og_type":"article","og_title":"Pengantar Singkat tentang Validasi Silang Tinggalkan Satu Keluar (LOOCV)","og_description":"Tutorial ini memberikan pengenalan singkat tentang validasi silang langsung, metode yang umum digunakan dalam pembelajaran mesin.","og_url":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/","og_site_name":"Statorials","article_published_time":"2023-07-27T10:08:35+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv1.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/","url":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/","name":"Pengantar Singkat tentang Validasi Silang Tinggalkan Satu Keluar (LOOCV)","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T10:08:35+00:00","dateModified":"2023-07-27T10:08:35+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini memberikan pengenalan singkat tentang validasi silang langsung, metode yang umum digunakan dalam pembelajaran mesin.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/tinggalkan-satu-validasi-silang\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Pengantar singkat tentang validasi silang tinggalkan satu keluar (loocv)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1173"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1173"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1173\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1173"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1173"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1173"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}