Apa itu Clustering?

contoh : Agglomerative Hierarchical Clustering

3. pengelompokkan berbasis kepadatan, pendekatan ini tidak mengharuskan pengguna menentukan jumlah cluster, namun ada parameter berbasis jarak yang bertindak sebagai ambang batas ini menentukan sebereapa dekat titik-titik tersebut agar dapat dianggap sebagai anggota klaster.

contoh: DBSCAN, OPTICS.

*Konsep perhitungan jarak umum yang digunakan untuk menghitung menggunakan formula:

1. Manhattan Distance:

• Juga dikenal sebagai L1 distance.
• Mengukur jarak antara dua titik dalam ruang dengan menghitung total perbedaan absolut antara koordinat mereka.
• Dalam 2D, Manhattan distance adalah jumlah vertikal dan horizontal yang harus ditempuh untuk berpindah dari satu titik ke titik lain.
• Rumus: 
  

  sumber: rumus Manhattan Distance

2. Euclidean Distance:

• Juga dikenal sebagai L2 distance.
• Mengukur jarak antara dua titik dalam ruang dengan menggunakan teorema Pythagoras.
• Rumus: 
  

  sumber: Rumus Euclidean Distance

3. Minkowski Distance:

• Generalisasi dari Manhattan dan Euclidean distance.
• Bergantung pada parameter (p).
• Ketika (p = 1), Minkowski distance sama dengan Manhattan distance.
• Ketika (p = 2), Minkowski distance sama dengan Euclidean distance.
• Rumus: 

Sumber: Rumus Minkowski Distance

#sebenarnya banyak sekali konsep perhitung jarak, namun yang paling sering digunakan adalah Euclidean Distance.