Kelebihan dan Keterbatasan F-Score

F-Score adalah metrik evaluasi yang sering digunakan dalam machine learning dan data science karena kemampuannya menyeimbangkan presisi dan rekal. Namun, seperti metrik lainnya, F-Score memiliki kelebihan dan keterbatasan.

Kelebihan F-Score

Kelebihan utama F-Score adalah kemampuannya memberikan gambaran yang seimbang antara presisi dan rekal, terutama pada data dengan distribusi kelas tidak seimbang. F-Score juga mudah dihitung dan diinterpretasikan.

Keterbatasan F-Score

F-Score tidak mempertimbangkan True Negative, sehingga kurang ideal pada beberapa kasus. Selain itu, F-Score hanya memberikan satu nilai ringkasan, sehingga dapat mengaburkan detail penting tentang performa model pada masing-masing kelas.

Alternatif dan Pelengkap F-Score

Pada beberapa aplikasi, F-Score digunakan bersama metrik lain seperti ROC AUC, akurasi, dan log loss untuk memberikan gambaran evaluasi model yang lebih menyeluruh.