{"id":2167,"date":"2023-07-23T10:18:42","date_gmt":"2023-07-23T10:18:42","guid":{"rendered":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/"},"modified":"2023-07-23T10:18:42","modified_gmt":"2023-07-23T10:18:42","slug":"berapa-skor-f1-yang-bagus","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/","title":{"rendered":"Apa yang dianggap \u201cbaik\u201d? skor f1?"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Saat menggunakan <a href=\"https:\/\/statorials.org\/id\/regresi-vs.-klasifikasi\/\" target=\"_blank\" rel=\"noopener\">model klasifikasi<\/a> dalam pembelajaran mesin, metrik umum yang kami gunakan untuk mengevaluasi kualitas model adalah <strong>skor F1<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Metrik ini dihitung sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Skor F1<\/strong> = 2 * (Presisi * Recall) \/ (Presisi + Recall)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Akurasi<\/strong> : Benar prediksi positif relatif terhadap total prediksi positif<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Pengingat<\/strong> : Mengoreksi prediksi positif terhadap total positif aktual<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Misalnya, kita menggunakan model regresi logistik untuk memprediksi apakah 400 pemain bola basket perguruan tinggi yang berbeda akan direkrut ke NBA atau tidak.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Matriks konfusi berikut merangkum prediksi yang dibuat oleh model:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-20021 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/\u1405-\u1405-\u1405.png\" alt=\"\" width=\"449\" height=\"148\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menghitung skor F1 model:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Akurasi = Positif Benar \/ (Positif Benar + Positif Palsu) = 120\/ (120+70) = <strong>0,63157<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Penarikan kembali = Benar Positif \/ (Positif Benar + Negatif Palsu) = 120 \/ (120+40) = <strong>0,75<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Skor F1 = 2 * (.63157 * .75) \/ (.63157 + .75) = . <strong>6857<\/strong><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Berapa skor F1 yang bagus?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Pertanyaan yang sering ditanyakan siswa adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><em><strong>Berapa skor yang bagus di F1?<\/strong><\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">Sederhananya, skor F1 yang lebih tinggi umumnya lebih baik.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ingatlah bahwa skor F1 dapat berkisar dari 0 hingga 1, dengan 1 mewakili model yang secara sempurna mengklasifikasikan setiap observasi ke dalam kelas yang benar dan 0 mewakili model yang tidak dapat mengklasifikasikan observasi ke dalam kelas yang benar.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk mengilustrasikannya, misalkan kita memiliki model regresi logistik yang menghasilkan matriks konfusi berikut:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-20039 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonf1_1.png\" alt=\"\" width=\"455\" height=\"137\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menghitung skor F1 model:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Akurasi = Positif Benar \/ (Positif Benar + Positif Palsu) = 240\/ (240+0) = <strong>1<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Penarikan kembali = Benar Positif \/ (Positif Benar + Negatif Palsu) = 240 \/ (240+0) = <strong>1<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Skor F1 = 2 * (1 * 1) \/ (1 + 1) = <strong>1<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Skor F1 sama dengan satu karena mampu mengklasifikasikan secara sempurna setiap 400 observasi ke dalam satu kelas.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Sekarang pertimbangkan model regresi logistik lain yang hanya memprediksi bahwa setiap pemain akan direkrut:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-20040 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonf1_2.png\" alt=\"\" width=\"462\" height=\"136\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menghitung skor F1 model:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Akurasi = Positif Benar \/ (Positif Benar + Positif Palsu) = 160\/ (160+240) = <strong>0,4<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Penarikan kembali = Benar Positif \/ (Positif Benar + Negatif Palsu) = 160 \/ (160+0) = <strong>1<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Skor F1 = 2 * (.4 * 1) \/ (.4 + 1) = <strong>0.5714<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini akan dianggap sebagai <strong>model dasar<\/strong> yang dapat digunakan untuk membandingkan model regresi logistik karena model ini mewakili model yang membuat prediksi yang sama untuk setiap observasi dalam kumpulan data.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Semakin tinggi skor F1 kita dibandingkan dengan model referensi, semakin berguna model kita.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ingat kembali sebelumnya bahwa model kita memiliki skor F1 sebesar <strong>0,6857<\/strong> . Angka ini tidak jauh lebih tinggi dari <strong>0,5714<\/strong> , yang menunjukkan bahwa model kami lebih berguna dibandingkan model dasar, namun tidak terlalu berguna.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Tentang membandingkan skor F1<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Dalam praktiknya, kami biasanya menggunakan proses berikut untuk memilih model &#8220;terbaik&#8221; untuk masalah klasifikasi:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 1:<\/strong> Pasangkan model referensi yang membuat prediksi yang sama untuk setiap observasi.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 2:<\/strong> Pasangkan beberapa model klasifikasi berbeda dan hitung skor F1 untuk setiap model.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 3:<\/strong> Pilih model dengan skor F1 tertinggi sebagai model &#8220;terbaik&#8221;, verifikasi bahwa model tersebut menghasilkan skor F1 lebih tinggi daripada model referensi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tidak ada nilai tertentu yang dianggap sebagai skor F1 yang &#8220;baik&#8221;, sehingga umumnya kita memilih model klasifikasi yang menghasilkan skor F1 tertinggi.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\/skor-f1-vs-presisi\/\" target=\"_blank\" rel=\"noopener\">Skor F1 vs Akurasi: Mana yang Harus Anda Gunakan?<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/skor-f1-di-r\/\" target=\"_blank\" rel=\"noopener\">Cara menghitung skor F1 di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/skor-f1-dengan-python\/\" target=\"_blank\" rel=\"noopener\">Cara menghitung skor F1 dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Saat menggunakan model klasifikasi dalam pembelajaran mesin, metrik umum yang kami gunakan untuk mengevaluasi kualitas model adalah skor F1 . Metrik ini dihitung sebagai berikut: Skor F1 = 2 * (Presisi * Recall) \/ (Presisi + Recall) Emas: Akurasi : Benar prediksi positif relatif terhadap total prediksi positif Pengingat : Mengoreksi prediksi positif terhadap total [&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>Apa yang dianggap sebagai skor F1 yang &#039;bagus&#039;? - Statologi<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan apa yang dianggap sebagai skor F1 yang &quot;baik&quot; untuk model klasifikasi, dengan beberapa contoh.\" \/>\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\/berapa-skor-f1-yang-bagus\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Apa yang dianggap sebagai skor F1 yang &#039;bagus&#039;? - Statologi\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan apa yang dianggap sebagai skor F1 yang &quot;baik&quot; untuk model klasifikasi, dengan beberapa contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-23T10:18:42+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonf1_1.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=\"2 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/\",\"url\":\"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/\",\"name\":\"Apa yang dianggap sebagai skor F1 yang &#39;bagus&#39;? - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-23T10:18:42+00:00\",\"dateModified\":\"2023-07-23T10:18:42+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan apa yang dianggap sebagai skor F1 yang &quot;baik&quot; untuk model klasifikasi, dengan beberapa contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Apa yang dianggap \u201cbaik\u201d? skor f1?\"}]},{\"@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":"Apa yang dianggap sebagai skor F1 yang &#39;bagus&#39;? - Statologi","description":"Tutorial ini menjelaskan apa yang dianggap sebagai skor F1 yang &quot;baik&quot; untuk model klasifikasi, dengan beberapa contoh.","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\/berapa-skor-f1-yang-bagus\/","og_locale":"id_ID","og_type":"article","og_title":"Apa yang dianggap sebagai skor F1 yang &#39;bagus&#39;? - Statologi","og_description":"Tutorial ini menjelaskan apa yang dianggap sebagai skor F1 yang &quot;baik&quot; untuk model klasifikasi, dengan beberapa contoh.","og_url":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/","og_site_name":"Statorials","article_published_time":"2023-07-23T10:18:42+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonf1_1.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"2 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/","url":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/","name":"Apa yang dianggap sebagai skor F1 yang &#39;bagus&#39;? - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-23T10:18:42+00:00","dateModified":"2023-07-23T10:18:42+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan apa yang dianggap sebagai skor F1 yang &quot;baik&quot; untuk model klasifikasi, dengan beberapa contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/berapa-skor-f1-yang-bagus\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Apa yang dianggap \u201cbaik\u201d? skor f1?"}]},{"@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\/2167"}],"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=2167"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/2167\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=2167"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=2167"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=2167"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}