Presisi dan Akurasi

Saya yakin praktisi GIS pernah mendengar atau menggunakan istilah akurasi dan presisi. Baru teringat pernah membuat post terkait presisi dan akurasi pada blog lama yang menurut saya cukup layak untuk diangkat kembali di blog ini.

Kata akurasi dan presisi seringkali digunakan bersama-sama dan bahkan sering tertukar satu dengan yang lain. Keduanya nampak seperti kata yang serupa. Padahal kedua kata tersebut memiliki arti yang berbeda. Untuk menggambarkan akurasi dan presisi dapat dianalogikan pada sebuah panahan. Titik tengah sasaran adalah nilai yang sebenarnya (truth), empat kondisi ekstrem akurasi dan presisi dapat digambarkan seperti pada gambar berikut.

 

Gambar 1 menunjukkan bahwa noktah-noktah merah (bekas panah, nilai dugaan) memiliki presisi tinggi tetapi akurasi rendah. Gambar 2 menunjukkan akurasi tinggi tetapi presisi rendah. Gambar 3 menunjukkan bahwa akurasi dan presisi sama-sama rendah. Sedangkan Gambar 4 (paling kanan) memiliki akurasi dan presisi yang tinggi.

Ilustrasi lain yang sangat relevan untuk menggambarkan keterkaitan antara presisi dan akurasi adalah sebagaimana berikut.

Dari contoh gambar di atas dapat ditarik kesimpulan bahwa Akurasi menunjukkan kedekatan antara nilai prediksi/model dengan nilai aktual (real), sedangkan Presisi menunjukkan seberapa besar kedekatan nilai prediksi/model satu sama lain.

Presisi menunjukkan seberapa dekat satu nilai prediksi dengan nilai prediksi lainnya, sedangkan akurasi menunjukkan seberapa dekat tendensi sentral dari nilai-nilai prediksi mendekati nilai sebenarnya.

Dalam pertandingan bola, misalnya terdengar ucapan Si Onih seperti ini … “wah prediksiku selalu persis kan, Juventus kalah 3 – 0 dari Real Madrid“. Tentu, kata yang digunakan tidak tepat, karena itu bisa berarti prediksinya selalu salah tetapi salahnya itu konsisten secara sistematis (selalu salah terus dengan magnitude yang sama). Misalnya, prediksi si Onih selalu mengatakan Juve selalu menang yang padahal selalu kalah. Prediksi tersebut sangat persis, persis salah, tetapi tentu tidak akurat (lihat kembali ilustrasi gambar).

Memisahkan error menjadi komponen akurasi dan presisi sangat berguna untuk identifikasi bias, yaitu perbedaan nilai prediksi/model dengan nilai sebenarnya. Dalam geospasial seperti penggunaan GPS receiver, tentu kita harapkan alat GPS receiver memiliki akurasi dan presisi yang tinggi. Jika alat tersebut memiliki presisi tinggi namun akurasi rendah, terdapat kemungkinan ada kesalahan sistematis (tidak random) dari faktor manusia atau alat.

/br

Leave a Reply