Jaccard Similarity Index Metode Evaluasi Computer Vision

Yahya Ayas Firdausi
Mahasiswa Sarjana Teknik Biomedis
Departemen Teknik Elektro dan Teknologi Informasi
Fakultas Teknik
Universitas Gadjah Mada

Perkembangan deep learning telah membawa kemajuan signifikan dalam berbagai bidang, salah satunya adalah computer vision. Di balik performa model yang meyakinkan, diperlukan metode evaluasi yang andal untuk mengukur seberapa baik model tersebut bekerja. Salah satu metrik yang paling fundamental dan banyak digunakan adalah Jaccard Similarity Index, yang juga dikenal dengan istilah Intersection over Union (IoU).

Jaccard Similarity Index merupakan salah satu metode similarity measurement yang berfungsi untuk menghitung tingkat kemiripan di antara dua set data.

Secara sederhana, metode ini mengukur sejauh mana dua himpunan saling tumpang tindih. Dua konsep kunci dalam perhitungan ini adalah irisan (intersection) dan gabungan (union). Irisan merepresentasikan elemen-elemen yang dimiliki bersama oleh kedua himpunan, sedangkan gabungan merepresentasikan seluruh elemen yang ada pada kedua himpunan tersebut. Semakin besar area irisan, semakin tinggi pula tingkat kemiripan di antara keduanya.

Secara matematis, Jaccard Similarity Index dirumuskan sebagai:

A ∩ B: Jumlah elemen yang terdapat pada himpunan A dan B

A ∪ B: Total jumlah elemen pada himpunan A ditambah himpunan B

Nilai IoU berada dalam rentang 0 hingga 1. Interpretasinya adalah sebagai berikut:

Nilai 0 menunjukkan bahwa kedua area tidak memiliki tumpang tindih sama sekali, atau dengan kata lain tidak ada kemiripan di antara kedua set data.

Nilai 1 menunjukkan bahwa kedua area memiliki tumpang tindih sempurna, atau kedua set data bersifat identik.

Rentang nilai kontinu ini memberikan fleksibilitas dalam menilai kualitas prediksi model secara bertahap, tidak hanya sekadar benar atau salah secara biner.

Dalam praktik evaluasi, nilai IoU kerap dipadukan dengan threshold untuk mengklasifikasikan objek hasil prediksi. Menurut Yohanandan, apabila nilai IoU suatu prediksi citra lebih besar dari 0,5, maka prediksi tersebut dikategorikan sebagai True Positive (TP), yang berarti model berhasil memprediksi objek dengan benar. Sebaliknya, jika nilai IoU prediksi kurang dari 0,5, maka prediksi tersebut dinyatakan sebagai False Positive (FP), yang berarti model mendeteksi suatu objek yang sebenarnya tidak sesuai dengan ground truth. Ambang batas 0,5 ini umum digunakan karena memberikan keseimbangan antara toleransi terhadap prediksi yang kurang presisi dan kebutuhan akan deteksi yang akurat.

Apabila nilai IoU suatu prediksi citra lebih besar dari 0,5,
maka prediksi tersebut dikategorikan sebagai True Positive (TP)
Jika nilai IoU prediksi kurang dari 0,5,
maka prediksi tersebut dinyatakan sebagai False Positive (FP)

- Yohanandan (2020)

Jaccard Similarity Index atau Intersection over Union merupakan metrik evaluasi yang krusial dalam memvalidasi performa model segmentasi citra. IoU menjadi tolok ukur yang objektif dan terukur dalam menilai kelayakan model sebelum diterapkan pada lingkungan produksi.