Lihat sumber Leave-One-Out Cross-Validation (LOOCV)

Leave-One-Out Cross-Validation (LOOCV) adalah salah satu teknik cross-validation yang paling ekstrim, di mana jumlah fold sama dengan jumlah data. Setiap iterasi, satu data digunakan sebagai data uji dan sisanya sebagai data latih. Metode ini sering digunakan dalam penelitian dengan jumlah data yang relatif sedikit.

== Mekanisme LOOCV ==
Dalam LOOCV, proses pelatihan dan pengujian dilakukan sebanyak jumlah data pada dataset. Setiap data secara bergiliran menjadi data uji, sehingga seluruh data pernah diuji satu per satu. Hasil akhir merupakan rata-rata dari semua iterasi.

== Kelebihan dan Kekurangan ==
Kelebihan utama LOOCV adalah estimasi performa model yang sangat tidak bias, karena hampir seluruh data digunakan untuk pelatihan di setiap iterasi. Namun, metode ini memerlukan waktu komputasi yang sangat besar, terutama pada dataset yang besar.

== Aplikasi LOOCV ==
LOOCV sering digunakan pada dataset yang kecil dan pada penelitian yang membutuhkan evaluasi model yang sangat presisi. Meskipun mahal secara komputasi, metode ini tetap menjadi acuan evaluasi yang penting dalam [[statistika]] dan [[machine learning]].