kak mau tanya dong tingkat akurasi data latih saya 100% dan tingkat akurasi data uji 96%, dan tingkat akurasi presisi, recall, dan f1-score nya 1.0 itu saya salah dimana nya ya kak?
mau nanya bg saya mempredisksi harga emas menggunakan backpropagation neural network (data nya berurut waktu), saya dapatkan hasil RMSE data training lebih kecil dari data testing, pada grafik loss nya juga training loss lebih rendah dan testing loss lebih tinggi, sedangkan nilai MAPE yang saya peroleh nilai pada data testing lebih rendah dari data training, itu bagaimana ya bg ?
@@elektroprogramming RMSE data latih 1512 RMSE data uji 2064 MSE data latih 36 MSE data uji 44 MAPE data latih 2.20% MAPE data uji 2.04% pada grafik pun garis validasi loss lebih tinggi dari garis training loss saya mendapatkan hasil seperti itu bg, saya memprediksi harga emas dengan data bulanan dari januari 2014-2023 bg bagaimana itu ya bg ?
@@user-dh5gw2hy4v berarti bermain regresi pakai NN ya. untuk prediksi harga seperti itu pasti akan ada errornya, kalau 2 % masih oke aja setidaknya untuk memprediksi arah trendline nya sudah valid. sedikit saran mungkin menggunakan LSTM. algoritmanya populer untuk time series prediction
Bang klo pas epoch pertama lngsng 90%+ dan hasil akhirnya jga di atas dri epoch pertama, karena menggunakan transfer learning pre-trained model, itu bagus ga training nya?
apakah stabil hingga epoch akhir? coba di test dulu modelnya dengan data testingnya kemudian liat Accuracy, Precision, Recall, F1-Score nya dulu, kalo mendekati akurasi hasil training berarti tidak ada masalah. tapi jika mendapat hasil yang buruk , mungkin terjadi bias
@@ry_n 1.bisa karena jumlah data trainnya sedikit 2. data yang di training itu tidak terlalu kompleks sehingga tidak perlu melakukan pembelajaran yang lama. Saran : Coba buat file.py untuk melakukan testing data inputan dari luar Selama testingnya akurasi bagus brti tidak masalah. Tips : Coba data yg di test memiliki variasi dan datanya banyak
Itu overfitting. Underfitting merupakan kondisi saat nilai akurasi data TRAINING RENDAH diikuti dengan nilai akurasi data TESTING yang rendah. Overfitting adalah kondisi dimana nilai akurasi pada data TRAINING TINGGI dengan nilai akurasi data TESTING RENDAH. Tp di video ini kita tinjau dr loss nya bukan akurasinya jd pengertianya tinggal dibalik saja
Terimakasih banyak informasi nya membantu
Terima kasih ^_^
Bang kalo akurasi 94 persen tapi validasi akurasi tertinggi cuman 81 persen dan loss 0.1955 dan loss validasi 0.6 itu gmn banh carany biar optimal
Cb diubah hyperparameternya lagi, atau di perbaiki fitur extraksinya
Mau tanya kak confusion matrix itu berfungsi buat apa sih dalam suatu model kak?
Salah satu metric untuk mengetahui performa model. Dr confusion matrix di didapatkan nilai nilai seperti akurasi, presisi, recall, f1score.
kak mau tanya dong tingkat akurasi data latih saya 100% dan tingkat akurasi data uji 96%, dan tingkat akurasi presisi, recall, dan f1-score nya 1.0 itu saya salah dimana nya ya kak?
@@abdums1404 tidak ada yang salah coba di testing pakai data baru . Apakah masih bagus atau tidak
Untuk pembahasan bias dan variance apakah ada?
belum ada gan
mau nanya bg
saya mempredisksi harga emas menggunakan backpropagation neural network (data nya berurut waktu), saya dapatkan hasil RMSE data training lebih kecil dari data testing, pada grafik loss nya juga training loss lebih rendah dan testing loss lebih tinggi, sedangkan nilai MAPE yang saya peroleh nilai pada data testing lebih rendah dari data training, itu bagaimana ya bg ?
Lebih tinggi atau lebih rendah itu seberapa ya ?
@@elektroprogramming
RMSE data latih 1512
RMSE data uji 2064
MSE data latih 36
MSE data uji 44
MAPE data latih 2.20%
MAPE data uji 2.04%
pada grafik pun garis validasi loss lebih tinggi dari garis training loss
saya mendapatkan hasil seperti itu bg, saya memprediksi harga emas dengan data bulanan dari januari 2014-2023 bg
bagaimana itu ya bg ?
@@user-dh5gw2hy4v berarti bermain regresi pakai NN ya. untuk prediksi harga seperti itu pasti akan ada errornya, kalau 2 % masih oke aja setidaknya untuk memprediksi arah trendline nya sudah valid. sedikit saran mungkin menggunakan LSTM. algoritmanya populer untuk time series prediction
@@elektroprogramming saya kurang paham yang regresi pakai NN itu apa ya bg ?
@@user-dh5gw2hy4v seperti yang agan tanyakan di awal pertanyaan itu mksutnya NN yang digunakan untuk meramalkan harga
agar grafiknya plot training&val acc dengan training&val loss nya tidak berjauhan gimana kk?
Harus di tunning hyperparameternya. Kalau ekstreem bisa juga di explorasi datanya maupun arsitektur yang digunakan
Bang klo pas epoch pertama lngsng 90%+ dan hasil akhirnya jga di atas dri epoch pertama, karena menggunakan transfer learning pre-trained model, itu bagus ga training nya?
apakah stabil hingga epoch akhir? coba di test dulu modelnya dengan data testingnya kemudian liat Accuracy, Precision, Recall, F1-Score nya dulu, kalo mendekati akurasi hasil training berarti tidak ada masalah.
tapi jika mendapat hasil yang buruk , mungkin terjadi bias
@@elektroprogramming stabil bang 1.00 semua kadang ada 0.99 jga di salah-satu nya
@@ry_n
1.bisa karena jumlah data trainnya sedikit
2. data yang di training itu tidak terlalu kompleks sehingga tidak perlu melakukan pembelajaran yang lama.
Saran : Coba buat file.py untuk melakukan testing data inputan dari luar
Selama testingnya akurasi bagus brti tidak masalah.
Tips : Coba data yg di test memiliki variasi dan datanya banyak
Mas, semisal hasil train scorenya itu 90, dan test scorenya 70. Ini berarti termasuk overfitting? Penyebab overfitting apakah bisa karena noise?
Tidak overfitting.
Noise malah menyebabkan underfitting, karena variasi datanya semakin banyak. Dan data yang aslinya bisa tertutup
Berarti jika akurasi yang dihasilkan data test lebih besar dari data train itu aman ya?
Aman jika akurasi dr trainingya tidak terpaut jauh dengan akurasi data testnya.
menit 1:40 kalau overfitting bukannya kurvai training yang di atas ya? cmiiw
Itu overfitting.
Underfitting merupakan kondisi saat nilai akurasi data TRAINING RENDAH diikuti dengan nilai akurasi data TESTING yang rendah.
Overfitting adalah kondisi dimana nilai akurasi pada data TRAINING TINGGI dengan nilai akurasi data TESTING RENDAH.
Tp di video ini kita tinjau dr loss nya bukan akurasinya jd pengertianya tinggal dibalik saja