Verifikasi Klasifikasi Tiga Kategori Curah Hujan Menggunakan Confusion Matrix = Verification of Three Rainfall Categories Classification Using Confusion matrix

Latar Belakang: Verifikasi prediksi diperlukan untuk mengevaluasi keandalan sistem klasifikasi, khususnya dalam prakiraan berbasis multikategori. Peirce Skill Score (PSS) merupakan metrik yang andal karena mampu mengukur performa prediksi secara objektif tanpa terpengaruh oleh ketidakseimbangan data, terutama saat digunakan dalam evaluasi berbasis confusion matrix 3×3. Tujuan: Penelitian ini bertujuan untuk membangun sistem verifikasi prediksi berbasis confusion matrix 3×3 menggunakan Peirce Skill Score (PSS), dan mengimplementasikannya ke dalam antarmuka grafis (GUI) berbasis MATLAB yang interaktif dan mudah digunakan. Metode: Sistem dikembangkan menggunakan dua fungsi utama: calculate_pss_with_epss untuk menghitung nilai PSS beserta standard error-nya (ePSS), dan calculate_metrics untuk menghitung metrik pendukung dari konversi confusion matrix 3×3 ke bentuk 2×2. Program diimplementasikan dalam GUI MATLAB App Designer dan diuji pada dua studi kasus yang diambil dari literatur. Hasil: Studi kasus Grazzini menunjukkan nilai PSS tinggi: Cat1 = 0.938 ± 0.0240, Cat2 = 0.898 ± 0.0288, Cat3 = 0.866 ± 0.0604 dengan PSS keseluruhan PSS = 0.9072 ± 0.0775}. Sementara itu, studi kasus Benevides menunjukkan hasil yang lebih rendah: No Rain = 0.406 ± 0.0297, Moderate Rain = 0.349 ± 0.0301, Intense Rain = 0.635 ± 0.1026 dengan PSS keseluruhan PSS = 0.3895 ± 0.0307. Kesimpulan: Program verifikasi yang dibangun mampu menghitung PSS dan metrik evaluasi lainnya secara akurat, serta memberikan pemahaman lebih dalam terhadap performa model klasifikasi multikategori secara objektif dan terukur.

Keyword : Peirce Skill Score, Confusion Matrix 3×3, Klasifikasi curah hujan, Verifikasi Multikategori, Evaluasi Model, GUI MATLAB.