K-FOLD VALIDATION

BAJ
Berita Emosi Provokasi Hoax
B01 97 74 Ya
B02 36 85 Ya
B03 63 43 Tidak
B04 82 90 Ya
B05 71 25 Tidak
B06 79 81 Ya
B07 55 62 Tidak
B08 57 45 Tidak Training
B09 40 65 Tidak
B10 57 45 Tidak
B11 77 70 Ya Bagaimana kita membagi data training
B12 68 75 Ya Menjadi data training dan validasi?
B13 60 70 Tidak
B14 82 90 Ya
B15 40 85 Tidak
B16 80 68
B17 60 72 Testing
B18 50 95
B19 100 18
B20 11 99
Contoh kita gunakan 5-Fold

Langkah 1
Bagi data training sebanyak 5 bagian

Data 1-3 Data 4-6 Data 7-9 Data 10-12 Data 13-15

Bag 1 Bag 2 Bag 3 Bag 4 Bag 5

Langkah 2
pisah bagian menjadi data training dan data validasi
Training Validasi
Fold 1 Bag : 1,2,3,4 Bag : 5
Fold 2 Bag : 2,3,4,5 Bag : 1
Fold 3 Bag : 3,4,5,1 Bag : 2
Fold 4 Bag : 4,5,1,2 Bag : 3
Fold 5 Bag : 5,1,2,3 Bag : 4
Langkah 3
hitung akurasi setiap fold menggunakan metode learning
catatan : dalam tugas kalian menggunakan K-NN sehingga hanya akurasi validasi

Training Validasi Akurasi

Fold 1 Bag : 1,2,3,4 Bag : 5 Akurasi 1
Fold 2 Bag : 2,3,4,5 Bag : 1 Akurasi 2
Fold 3 Bag : 3,4,5,1 Bag : 2 Akurasi 3
Fold 4 Bag : 4,5,1,2 Bag : 3 Akurasi 4
Fold 5 Bag : 5,1,2,3 Bag : 4 Akurasi 5

Langkah 4
hitung akurasi rata-rata dari keseluruhan fold
Training Validasi Akurasi
Fold 1 Bag : 1,2,3,4 Bag : 5 Akurasi 1
Fold 2 Bag : 2,3,4,5 Bag : 1 Akurasi 2
Fold 3 Bag : 3,4,5,1 Bag : 2 Akurasi 3
Fold 4 Bag : 4,5,1,2 Bag : 3 Akurasi 4
Fold 5 Bag : 5,1,2,3 Bag : 4 Akurasi 5
--------------
Akurasi rata-rata
 K-FOLD VALIDATION UNTUK TUGAS
BAJ
Gunakan langkah 1-4 untuk parameter K-NN (K : 1,3,5)
Pilih akurasi rata-rata terbaik diantara ketiga K (KNN) tersebut
Kemudian gunakan K (KNN) yang terbaik untuk testing data ke B16-20.