Apa Itu Overfitting? Penjelasan untuk Pemula

Updated · By Viviai

Overfitting adalah kondisi ketika model machine learning menyesuaikan diri terlalu dekat dengan data latih, termasuk kebisingan dan detail acak, sehingga akurasinya tinggi pada data latih tetapi buruk pada data baru.

Versi sederhananya

Bayangkan siswa yang menghafal semua soal latihan beserta jawabannya. Saat soalnya sama, ia mendapat nilai tinggi, tetapi saat bertemu soal baru yang sedikit berbeda, ia kesulitan. Itulah gambaran overfitting.

Tiga kondisi model

Kondisi Data latih Data baru Masalah
Underfitting Buruk Buruk Terlalu sederhana
Seimbang Baik Baik Sesuai
Overfitting Baik Buruk Menghafal noise

Penyebab umum

Model yang terlalu kompleks, data yang terlalu sedikit, atau pelatihan terlalu lama dapat membuat model mempelajari kebisingan, bukan pola umum.

Cara mengatasinya

Regularisasi, menambah data, menyederhanakan model, dan menghentikan pelatihan lebih awal adalah pendekatan yang umum dipakai.

Keterbatasan

Mendeteksi overfitting memerlukan data validasi yang terpisah, karena skor latih saja tidak menunjukkan apakah model dapat generalisasi.

FAQ

Apa itu underfitting?

Kondisi model terlalu sederhana sehingga gagal menangkap pola penting.

Apa itu noise?

Variasi acak atau kesalahan dalam data yang bukan pola sebenarnya.

Mengapa skor latih tinggi belum cukup?

Model bisa menghafal data latih tanpa mampu bekerja pada data baru.

Apa peran regularisasi?

Membatasi kompleksitas model untuk membantu generalisasi.

Poin utama

Lanjutkan membaca apa itu supervised learning dan evaluasi model machine learning.

Sources

  1. https://aws.amazon.com/id/what-is/overfitting/
  2. https://www.ibm.com/id-id/think/topics/overfitting
  3. https://www.datacamp.com/id/blog/what-is-overfitting

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free