K_DM Book

Sensitivitas / Spesifisitas

03.3.7

Sensitivitas / Spesifisitas

Diperbarui 2020-04-22 Baca 2 menit
Ringkasan
  • Sensitivitas dan spesifisitas: menyeimbangkan false negative dan false positiveの概要を押さえ、評価対象と読み取り方を整理します。
  • Python 3.13 のコード例で算出・可視化し、手順と実務での確認ポイントを確認します。
  • 図表や補助指標を組み合わせ、モデル比較や閾値調整に活かすヒントをまとめます。

1. Definisi #

Dari matriks kebingungan kita peroleh:

$$ \mathrm{Sensitivity} = \frac{TP}{TP + FN}, \qquad \mathrm{Specificity} = \frac{TN}{TN + FP} $$
  • Sensitivitas tinggi berarti sedikit kasus positif yang terlewat.
  • Spesifisitas tinggi berarti sedikit kasus negatif yang salah diprediksi sebagai positif.

2. Perhitungan di Python 3.13 #

1
2
python --version  # contoh: Python 3.13.0
pip install numpy scikit-learn
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
import numpy as np
from sklearn.metrics import confusion_matrix

cm = confusion_matrix(y_test, y_pred)  # [[TN, FP], [FN, TP]]
tn, fp, fn, tp = cm.ravel()

sensitivity = tp / (tp + fn)
specificity = tn / (tn + fp)

print("Sensitivitas:", round(sensitivity, 3))
print("Spesifisitas:", round(specificity, 3))

Dalam scikit-learn, sensitivitas adalah recall. Spesifisitas dapat dihitung dengan recall_score(y_true, y_pred, pos_label=0) atau secara manual seperti contoh di atas.


3. Trade-off lewat penyesuaian ambang #

Pada model yang menghasilkan probabilitas, mengubah ambang keputusan akan memengaruhi sensitivitas dan spesifisitas.

1
2
3
from sklearn.metrics import roc_curve
fpr, tpr, thresholds = roc_curve(y_test, probas)
specificities = 1 - fpr
  • Setiap titik pada kurva ROC mewakili pasangan sensitivitas/spesifisitas tertentu.
  • Jika biaya kesalahan diketahui, optimalkan ambang menggunakan indeks Youden atau fungsi biaya yang relevan.

4. Indeks Youden untuk kompromi seimbang #

Indeks Youden mendefinisikan kompromi sederhana antara keduanya:

$$ J = \mathrm{Sensitivity} + \mathrm{Specificity} - 1 $$

Ambang yang memaksimalkan \(J\) biasanya memberikan keseimbangan yang baik ketika kedua jenis kesalahan penting.


5. Panduan praktis #

  • Fokus sensitivitas: Skrining penyakit serius memprioritaskan sensitivitas agar kasus positif tidak terlewat.
  • Fokus spesifisitas: Pada deteksi penipuan, spesifisitas tinggi mencegah transaksi sah diblokir secara keliru.
  • Pelaporan metrik: Sajikan sensitivitas dan spesifisitas berdampingan dengan Accuracy supaya pemangku kepentingan bisa menilai risiko secara eksplisit.

Ringkasan #

  • Sensitivitas memantau kasus positif yang terlewat, sedangkan spesifisitas memantau alarm palsu pada negatif.
  • Mengatur ambang keputusan mengubah keseimbangan keduanya—sesuaikan dengan biaya bisnis.
  • Gunakan indeks Youden dan metrik pelengkap untuk mengungkap risiko yang tidak terlihat hanya dengan Accuracy.