Lihat ke Halaman Asli

Natalis Ransi

learn and share

Penggunaan Euclidean Distance pada Algoritma K-mean Clustering

Diperbarui: 28 Juni 2021   19:02

Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.

Mengetahui Penggunaan Euclidean Distance pada Algoritma K-mean Clustering (unsplash/freestocks)

Bagian ini akan membahas penggunaan teori dasar matematika dan statistika yang digunakan pada Data Mining khususnya pada metode Clustering

Metode Clustering memiliki tujuan utama mengelompokkan data berdasarkan suatu nilai 'kemiripan' (sering disebut juga similarity) yang dimiliki oleh data-data tersebut. 

Baca juga : Mengenal Jurusan Statistika dan Dunia Perkuliahannya

Salah satu teknik untuk mengukur kemiripan suatu data dengan data lain adalah dengan mencari nilai Euclidean Distance (ED) kedua data tersebut.

Dalam ilmu matematika Euclidean Distance merupakan jarak garis lurus "biasa" antara dua titik dalam ruang Euclidean. 

Dengan jarak ini ruang Euclidian menjadi ruang metrik, sehingga norma yang terkait dengan hal tersebut disebut norma Euclidean. 

Baca juga : Membincang Pendidikan, Ini 7 Catatan Bapak Statistika Indonesia

Euclidean Distance antara dua titik  dan  adalah panjang segmen garis yang menghubungkannya.

Sumber : https://en.wikipedia.org/wiki/Euclidean_distance

Berikut link artikel lengkap : pdf

Baca juga : Pentingnya Ilmu Statistika Guna Bantu Menanggulangi Wabah Virus Corona




BERI NILAI

Bagaimana reaksi Anda tentang artikel ini?

BERI KOMENTAR

Kirim

Konten Terkait


Video Pilihan

Terpopuler

Nilai Tertinggi

Feature Article

Terbaru

Headline