Lihat sumber F-Score dalam Statistik

F-Score adalah salah satu ukuran statistik yang sering digunakan untuk mengevaluasi kinerja model dalam [[Pembelajaran Mesin]] dan [[statistika]]. F-Score, juga dikenal sebagai F1-Score, menggabungkan nilai [[presisi]] dan [[rekal]] untuk memberikan gambaran tunggal tentang performa model pada tugas klasifikasi. Nilai F-Score berkisar antara 0 dan 1, di mana nilai yang lebih tinggi menunjukkan performa model yang lebih baik.

== Pengertian F-Score ==
F-Score merupakan rata-rata harmonis dari nilai presisi dan rekal. Presisi mengukur seberapa banyak prediksi positif yang benar-benar relevan, sedangkan rekal mengukur seberapa banyak item relevan yang berhasil ditemukan oleh model. Dengan menggabungkan kedua metrik ini, F-Score memberikan penilaian yang seimbang antara keduanya.

== Rumus F-Score ==
Secara matematis, F-Score dihitung menggunakan rumus: F1 = 2 * (presisi * rekal) / (presisi + rekal). Rumus ini memprioritaskan keseimbangan antara presisi dan rekal, sehingga model dengan presisi atau rekal yang sangat rendah akan tetap mendapat skor F1 yang rendah.

== Aplikasi F-Score ==
F-Score sering digunakan dalam berbagai aplikasi statistik dan [[data mining]], khususnya pada tugas-tugas [[klasifikasi biner]] dan [[multi-label]]. Penggunaan F-Score sangat penting ketika distribusi kelas tidak seimbang, sehingga metrik lain seperti [[akurasi]] tidak cukup representatif.