Perbandingan Euclidean, Manhattan dan Minkowski

Kali ini saya akan memposting perbandingan euclidean, manhattan dan minkowski.

Ini hanya perbandingan saja.

Data yang akan digunakan adalah sebagai berikut :

Lakukan perhitungan data di atas menggunakan jarak Euclidean, Manhattan dan Minkowski.

Jika anda belum paham bisa melihat posting saya sebelumnya.

• Jarak Euclidean https://infmining.blogspot.com/2022/08/set-data-jarak-euclidean.html
• Jarak Manhattan https://infmining.blogspot.com/2022/08/set-data-jarak-manhattan.html
• Jarak Minkowski https://infmining.blogspot.com/2022/09/set-data-jarak-minkowski.html

Sehingga hasil yang akan kita peroleh adalah sebagai berikut :

Dari hasil diatas di peroleh Minkowski Distance memiliki nilai lebih kecil dari pada Manhattan Distance dan juga Euclidean Distance.

Perhitungan K-Nearest Neighbor Dengan Minkowski Distance (5 Kriteria)

Dipostingan kali ini saya akan membahas perhitungan K-Nearest Neighbor dengan Minkowski Distance menggunakan 5 kriteria.

Klasifikasi yang akan dibahas adalah Klasifikasi Penerima Beasiswa.

Data yang akan kita pakai adalah :

• Terdiri dari 10 data
• Terdiri dari 5 kriteria
• K = 5
• r Minkowski = 3

Keterangan :

• Yang akan di kategorikan terdiri dari nilai Matematika, nilai B. Indonesia, nilai B. Inggris, nilai Sains dan nilai  Non Akademik.
• Status terdiri dari TMS (Tidak Memenuhi Syarat) dan MS (Memenuhi Syarat).
• Yang akan kita klasifikasikan adalah dengan Nama = See, Nilai Matematika = 81, Nilai B. Indonesia = 86, Nilai B. Inggris = 79, Nilai Sains = 93 dan Nilai Non Akademik = 87, Status = ?

 

Perhitungan (rumus yang akan digunakan) :

• 79 adalah nilai Matematika milik Alan
• 81 adalah nilai Matematika milik See
• 88 adalah nilai B. Indonesia milik Alan
• 86 adalah nilai B. Indonesia milik See
• 72 adalah nilai B. Inggris milik Alan
• 79 adalah nilai B. Inggris milik See
• 92 adalah nilai Sains milik Alan
• 93 adalah nilai Sains milik See
• 97 adalah nilai Non Akademik milik Alan
• 87 adalah nilai Non Akademik milik See
• Seterusnya dilakukan perhitungan yang sama terhadap data milik Dani, Rey dan seterusnya.
• 1/3 adalah pangkat untuk rumus Minkowski

 

Maka Perhitungan yang akan di peroleh sebagai berikut:

Setelah itu lakukan perangkingan dari nilai terkecil sampai terbesar, hasil yang di dapat sebagai berikut:

Setelah di dapat perangkingan, kita bisa memastikan atas nama See berhak mendapatkan Memenuhi Syarat untuk menerima Beasiswa atau Tidak Memenuhi Syarat untuk menerima Beasiswa.

Penjelasan :

• Jika menggunakan K=1 maka hasilnya adalah TMS dikarenakan Moon hasilnya adalah TMS.
• Jika menggunakan K=3 maka hasilnya adalah TMS dikarenakan Moon, Eks dan Alan hasilnya adalah TMS (TMS berjumlah 3).
• Jika menggunakan K=5 maka hasilnya adalah TMS dikarenakan Dani adalah MS, sedangkan Moon, Eks, Alan dan Zet hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 4).

Sehingga hasil akhir See TMS 

Catatan :

• Nilai K bernilai bebas (usahakan bernilai ganjil agar tidak membingungkan kita saat ada hasil vooting yang jumlahnya sama).

Perhitungan K-Nearest Neighbor Dengan Manhattan Distance (5 Kriteria)

Dipostingan kali ini saya akan membahas perhitungan K-Nearest Neighbor dengan Manhattan Distance menggunakan 5 kriteria.

Klasifikasi yang akan dibahas adalah Klasifikasi Penerima Beasiswa.

Data yang akan kita pakai adalah :

• Terdiri dari 10 data
• Terdiri dari 5 kriteria
• K = 5

Keterangan :

• Yang akan di kategorikan terdiri dari nilai Matematika, nilai B. Indonesia, nilai B. Inggris, nilai Sains dan nilai  Non Akademik.
• Status terdiri dari TMS (Tidak Memenuhi Syarat) dan MS (Memenuhi Syarat).
• Yang akan kita klasifikasikan adalah dengan Nama = See, Nilai Matematika = 81, Nilai B. Indonesia = 86, Nilai B. Inggris = 79, Nilai Sains = 93 dan Nilai Non Akademik = 87, Status = ?

 

Perhitungan (rumus yang akan digunakan) :

• 79 adalah nilai Matematika milik Alan
• 81 adalah nilai Matematika milik See
• 88 adalah nilai B. Indonesia milik Alan
• 86 adalah nilai B. Indonesia milik See
• 72 adalah nilai B. Inggris milik Alan
• 79 adalah nilai B. Inggris milik See
• 92 adalah nilai Sains milik Alan
• 93 adalah nilai Sains milik See
• 97 adalah nilai Non Akademik milik Alan
• 87 adalah nilai Non Akademik milik See
• Seterusnya dilakukan perhitungan yang sama terhadap data milik Dani, Rey dan seterusnya.

 

Maka Perhitungan yang akan di peroleh sebagai berikut:

Setelah itu lakukan perangkingan dari nilai terkecil sampai terbesar, hasil yang di dapat sebagai berikut:

Setelah di dapat perangkingan, kita bisa memastikan atas nama See berhak mendapatkan Memenuhi Syarat untuk menerima Beasiswa atau Tidak Memenuhi Syarat untuk menerima Beasiswa.

Penjelasan :

• Jika menggunakan K=1 maka hasilnya adalah MS dikarenakan Dani hasilnya adalah MS.
• Jika menggunakan K=3 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Alan dan Cee hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 2).
• Jika menggunakan K=5 maka hasilnya adalah TMS dikarenakan Dani dan Rey hasilnya adalah MS, sedangkan Alan, Cee dan Eks hasilnya adalah TMS (MS berjumlah 2 dan TMS berjumlah 3).
• 
  

Sehingga hasil akhir See TMS 

Catatan :

• Nilai K bernilai bebas (usahakan bernilai ganjil agar tidak membingungkan kita saat ada hasil vooting yang jumlahnya sama).

Perhitungan K-Nearest Neighbor Dengan Euclidean Distance (5 Kriteria)

Dipostingan kali ini saya akan membahas perhitungan K-Nearest Neighbor dengan Euclidean Distance menggunakan 5 kriteria.

Klasifikasi yang akan dibahas adalah Klasifikasi Penerima Beasiswa.

Data yang akan kita pakai adalah :

• Terdiri dari 10 data
• Terdiri dari 5 kriteria
• K = 5

Keterangan :

• Yang akan di kategorikan terdiri dari nilai Matematika, nilai B. Indonesia, nilai B. Inggris, nilai Sains dan nilai  NonAkademik.
• Status terdiri dari TMS (Tidak Memenuhi Syarat) dan MS (Memenuhi Syarat).
• Yang akan kita klasifikasikan adalah dengan Nama = See, Nilai Matematika = 81, Nilai B. Indonesia = 86, Nilai B. Inggris = 79, Nilai Sains = 93 dan Nilai Non Akademik = 87, Status = ?

Perhitungan (rumus yang akan digunakan) :

• 79 adalah nilai Matematika milik Alan
• 81 adalah nilai Matematika milik See
• 88 adalah nilai B. Indonesia milik Alan
• 86 adalah nilai B. Indonesia milik See
• 72 adalah nilai B. Inggris milik Alan
• 79 adalah nilai B. Inggris milik See
• 92 adalah nilai Sains milik Alan
• 93 adalah nilai Sains milik See
• 97 adalah nilai Non Akademik milik Alan
• 87 adalah nilai Non Akademik milik See
• Seterusnya dilakukan perhitungan yang sama terhadap data milik Dani, Rey dan seterusnya.

Maka Perhitungan yang akan di peroleh sebagai berikut:

Setelah itu lakukan perangkingan dari nilai terkecil sampai terbesar, hasil yang di dapat sebagai berikut:

Setelah di dapat perangkingan, kita bisa memastikan atas nama See berhak mendapatkan Memenuhi Syarat untuk menerima Beasiswa atau Tidak Memenuhi Syarat untuk menerima Beasiswa.

Penjelasan :

• Jika menggunakan K=1 maka hasilnya adalah MS dikarenakan Dani hasilnya adalah MS.
• Jika menggunakan K=3 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Cee dan Moon hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 2).
• Jika menggunakan K=5 maka hasilnya adalah TMS dikarenakan Dani dan Rey hasilnya adalah MS, sedangkan Cee, Tet dan Alan hasilnya adalah TMS (MS berjumlah 2 dan TMS berjumlah 3).

Sehingga hasil akhir See TMS 

Catatan :

• Nilai K bernilai bebas (usahakan bernilai ganjil agar tidak membingungkan kita saat ada hasil vooting yang jumlahnya sama).

Perhitungan K-Nearest Neighbor Dengan Minkowski Distance

Dipostingan kali ini saya akan membahas perhitungan K-Nearest Neighbor dengan Minkowski Distance.

Klasifikasi yang akan dibahas adalah Klasifikasi Penerima Beasiswa.

Data yang akan kita pakai adalah :

• Terdiri dari 10 data
• Terdiri dari 2 kriteria
• K = 5
• r Minkowski = 4

Keterangan :

• Yang akan di kategorikan terdiri dari nilai Non Akademik dan nilai Akademik.
• Status terdiri dari TMS (Tidak Memenuhi Syarat) dan MS (Memenuhi Syarat).
• Yang akan kita klasifikasikan adalah dengan Nama = See, Nilai Non Akademik = 81 dan Nilai Akademik = 86, Status = ?

 

Perhitungan (rumus yang akan digunakan) :

 

• 79 adalah nilai Non Akademik milik Alan
• 81 adalah nilai Non Akademik milik See
• 97 adalah nilai Akademik milik Alan
• 86 adalah nilai Akademik milik See
• 1/4 adalah nilai pangkat, dikarenakan r = 4
• Seterusnya dilakukan perhitungan yang sama terhadap data milik Dani, Rey dan seterusnya.

Maka Perhitungan yang akan di peroleh sebagai berikut:

Setelah itu lakukan perangkingan dari nilai terkecil sampai terbesar, hasil yang di dapat sebagai berikut:

Setelah di dapat perangkingan, kita bisa memastikan atas nama See berhak mendapatkan Memenuhi Syarat untuk menerima Beasiswa atau Tidak Memenuhi Syarat untuk menerima Beasiswa.

Penjelasan :

• Jika menggunakan K=1 maka hasilnya adalah TMS dikarenakan Moon hasilnya adalah TMS.
• Jika menggunakan K=3 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Moon dan Tet hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 2).
• Jika menggunakan K=5 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Moon, Tet, Cee dan Jo hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 4).

Sehingga hasil akhir See TMS

Catatan :

• Nilai K bernilai bebas (usahakan bernilai ganjil agar tidak membingungkan kita saat ada hasil vooting yang jumlahnya sama).

Perhitungan K-Nearest Neighbor Dengan Manhattan Distance

Dipostingan kali ini saya akan membahas perhitungan K-Nearest Neighbor dengan Manhattan Distance.

Klasifikasi yang akan dibahas adalah Klasifikasi Penerima Beasiswa.

Data yang akan kita pakai adalah :

• Terdiri dari 10 data
• Terdiri dari 2 kriteria
• K = 5

Keterangan :

• Yang akan di kategorikan terdiri dari nilai Non Akademik dan nilai Akademik.
• Status terdiri dari TMS (Tidak Memenuhi Syarat) dan MS (Memenuhi Syarat).
• Yang akan kita klasifikasikan adalah dengan Nama = See, Nilai Non Akademik = 81 dan Nilai Akademik = 86, Status = ?

 

Perhitungan (rumus yang akan digunakan) :

• 79 adalah nilai Non Akademik milik Alan
• 81 adalah nilai Non Akademik milik See
• 97 adalah nilai Akademik milik Alan
• 86 adalah nilai Akademik milik See
• Seterusnya dilakukan perhitungan yang sama terhadap data milik Dani, Rey dan seterusnya.
• Perlu di ingat, untuk Manhattan hasil akhir harus bernilai mutlak.

 

Maka Perhitungan yang akan di peroleh sebagai berikut:

Setelah itu lakukan perangkingan dari nilai terkecil sampai terbesar, hasil yang di dapat sebagai berikut:

 

Setelah di dapat perangkingan, kita bisa memastikan atas nama See berhak mendapatkan Memenuhi Syarat untuk menerima Beasiswa atau Tidak Memenuhi Syarat untuk menerima Beasiswa.

Penjelasan :

• Jika menggunakan K=1 maka hasilnya adalah MS dikarenakan Dani hasilnya adalah MS.
• Jika menggunakan K=3 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Cee dan Moon hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 2).
• Jika menggunakan K=5 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Cee, Moon, Jo dan Alan hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 4).

Sehingga hasil akhir See TMS 

Catatan :

• Nilai K bernilai bebas (usahakan bernilai ganjil agar tidak membingungkan kita saat ada hasil vooting yang jumlahnya sama).

 

Perhitungan K-Nearest Neighbor Dengan Euclidean Distance

Dipostingan kali ini saya akan membahas perhitungan K-Nearest Neighbor dengan Euclidean Distance.

Klasifikasi yang akan dibahas adalah Klasifikasi Penerima Beasiswa.

Data yang akan kita pakai adalah :

• Terdiri dari 10 data
• Terdiri dari 2 kriteria
• K = 5

Keterangan :

• Yang akan di kategorikan terdiri dari nilai Non Akademik dan nilai Akademik.
• Status terdiri dari TMS (Tidak Memenuhi Syarat) dan MS (Memenuhi Syarat).
• Yang akan kita klasifikasikan adalah dengan Nama = See, Nilai Non Akademik = 81 dan Nilai Akademik = 86, Status = ?

Perhitungan (rumus yang akan digunakan) :

• 79 adalah nilai Non Akademik milik Alan
• 81 adalah nilai Non Akademik milik See
• 97 adalah nilai Akademik milik Alan
• 86 adalah nilai Akademik milik See
• Seterusnya dilakukan perhitungan yang sama terhadap data milik Dani, Rey dan seterusnya.

Maka Perhitungan yang akan di peroleh sebagai berikut:

Setelah itu lakukan perangkingan dari nilai terkecil sampai terbesar, hasil yang di dapat sebagai berikut:

Setelah di dapat perangkingan, kita bisa memastikan atas nama See berhak mendapatkan Memenuhi Syarat untuk menerima Beasiswa atau Tidak Memenuhi Syarat untuk menerima Beasiswa.

Penjelasan :

• Jika menggunakan K=1 maka hasilnya adalah MS dikarenakan Dani hasilnya adalah MS.
• Jika menggunakan K=3 maka hasilnya adalah TMS dikarenakan Dani hasilnya adalah MS, sedangkan Cee dan Moon hasilnya adalah TMS (MS berjumlah 1 dan TMS berjumlah 2).
• Jika menggunakan K=5 maka hasilnya adalah TMS dikarenakan Dani dan Eks hasilnya adalah MS, sedangkan Cee, Moon dan Tet hasilnya adalah TMS (MS berjumlah 2 dan TMS berjumlah 3).

Sehingga hasil akhir See TMS 

Catatan :

• Nilai K bernilai bebas (usahakan bernilai ganjil agar tidak membingungkan kita saat ada hasil vooting yang jumlahnya sama).

Set Data (Menghitung Jarak Dengan Minkowski) Menggunakan Excel

Cara menghitung jarak dengan Minkowski dengan menggunakan Excel adalah sebagai berikut :

Data yang akan kita gunakan adalah 

Rumus yang akan kita gunakan adalah sebagai berikut :

• =((B3-C3)+(B4-C4)+(B5-C5)+(B6-C6)+(B7-C7))/1/C1
• = 0,6666667

Penjelasan :

• B3, C3 dan seterusnya adalah kolom dari angka di excel
• ^ adalah formula pangkat di excel
• C1 adalah pembagi untuk pangkat yang bernilai 3, tertulis di rumus adalah 1/C1 sehingga 1/3
• C1 bernilai bebas