Label Encoding adalah teknik yang digunakan untuk pra-pemrosesan data kategorikal. Ini biasanya digunakan dalam pipeline pembelajaran mesin untuk mengkodekan nilai non-numerik sehingga dapat digunakan oleh algoritma yang hanya bekerja dengan input numerik. Pengkodean label mengubah masukan kategorikal menjadi label numerik berdasarkan urutan abjad label.
Pengkodean label adalah strategi prapemrosesan data yang sederhana dan intuitif yang dapat diterapkan pada kolom kumpulan data dengan data kategorikal. Teknik ini memberikan pengidentifikasi numerik (atau label) unik untuk setiap kategori masukan. Misalnya, dalam kumpulan data dengan kolom WARNA dengan nilai 'merah', 'hijau', dan 'biru', pembuat enkode label akan menetapkan label masing-masing 0, 1, dan 2.
Pengkodean label memiliki dua keunggulan utama; pertama, teknik ini lebih intuitif dibandingkan teknik prapemrosesan data lainnya karena label numerik mencerminkan nilai kategori yang digunakan dalam kumpulan data. Kedua, pengkodean label mempertahankan besaran masukan, yaitu dua label yang muncul berdekatan dalam urutan leksikografis akan diberi label numerik yang berbeda sedikit, yang dapat berguna saat memodelkan data dengan algoritma.
Sebaliknya, pengkodean label juga memiliki beberapa kelemahan utama. Pertama, dengan memberikan label numerik pada masukan kategorikal, pemetaan tidak selalu intuitif dan dapat menyebabkan bias pada algoritme yang memodelkan data. Kedua, data berlabel yang disandikan tidak dapat digunakan untuk algoritma berbasis regresi (seperti regresi linier atau logistik); karena label numerik tidak memberikan arti apa pun, algoritme tidak dapat membuat prediksi berdasarkan besaran label.
Pengkodean label adalah teknik prapemrosesan data yang berguna untuk menyiapkan masukan kategorikal untuk diproses lebih lanjut. Namun, kehati-hatian harus diberikan untuk memastikan bahwa pemetaan label numerik ke nilai kategorikal tidak secara tidak sengaja membuat bias model yang digunakan agar sesuai dengan data.
