Metode Pengujian 3 Fold Cross Validation

Cross-validation (CV) ialah metode statistik yang sanggup dipakai untuk mengevaluasi kinerja model atau algoritma dimana data dipisahkan menjadi dua subset yaitu data proses pembelajaran dan data validasi / evaluasi. Model atau algoritma dilatih oleh subset pembelajaran dan divalidasi oleh subset validasi. Selanjutnya pemilihan jenis CV sanggup didasarkan pada ukuran dataset. Biasanya CV K-fold dipakai sebab sanggup mengurangi waktu komputasi dengan tetap menjaga keakuratan estimasi.

Teknik ini utamanya dipakai untuk melaksanakan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif saat dijalankan dalam praktiknya. Dalam sebuah dilema prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk dipakai dalam menjalankan training (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat)  terhadap model yang diuji (pengujian dataset)

Metode 3 - fold cross validation membagi sebuah himpunan contoh  secara  acak  menjadi  3  subset yang saling bebas. Dilakukan pengulangan sebanyak 3kali untuk training dan pengujian. Pada setiap ulangan, disisakan satu subset untuk pengujian dan subset lainnya untuk pelatihan. Tingkat akurasi dihitung dengan membagi jumlah keseluruhan klasifikasi  yang benar dengan jumlah  semua  i nstance pada data  awal. Pembagian dan mekanisme 3 - Fold Cross  Validation ibarat pada gambar dibawah ini.

Prosedur  Three - Cross Validation Dari 200 data yang ada, dibagi menjadi tiga belahan dengan komposisi jumlah data ibarat pada tabel dibawah.
 

 

Setelah dilakukan banyak sekali ujicoba didapatkan hasil ibarat pada tabel 3

Sumber:

Refaeilzadeh,  Payam.  Tang,  Lei.  Liu,  Huan.  Cross - Validation.  Arizona State University, 2008

http://semnas.amikom.ac.id//document/pdf/1259.pdf

https://mti.binus.ac.id/2017/11/24/10-fold-cross-validation/