Underfitting dan Overfitting Model

Underfitting dan overfitting model adalah hal yang bisa terjadi ketika membuat model machine learning.

Model yang underfit atau overfit tidak akan melakukan prediksi dengan benar, oleh karena itu, mari kita pahami hal tersebut dari awal.

Underfitting terjadi ketika model tidak bisa melihat logika dibelakang data, hingga tidak bisa melakukan prediksi dengan tepat, baik untuk dataset training maupun dataset lain yang serupa. Underfitting model akan memiliki high loss dan akurasi rendah.

Overfitting terjadi karena model yang dibuat terlalu fokus pada training dataset tertentu, hingga tidak bisa melakukan prediksi dengan tepat jika diberikan dataset lain yang serupa. Overfitting biasanya akan menangkap data noise yang seharusnya diabaikan. Overfitting model akan memiliki low loss dan akurasi rendah.

Sementara model yang BAIK adalah model yang bisa menjelaskan data tanpa terpengaruh oleh data noise. Model tidak akan fit terhadap tiap data point, namun mampu menjelaskan trend atau kelompok data. Model yang baik akan memiliki low coss dan akurasi tinggi.

Jika underfitting terjadi, kemungkinan adalah salah dalam memilih model. Sementara overfitting dapat dicegah dengan melakukan validasi pada model.

Agar lebih jelas, kita akan pelajari dahulu pembagian data dalam machine learning pada lesson selanjutnya.