Ilmu Data #11 - Metrik Jarak: Manhattan

[@andangkurniawan5766]

Hohoho, akhirnya jarak manhattan dibahas.
IMO, Manhattan ini (formulanya identik dengan MAE) lebih intuitif dari Euklid (RMSE).
Lanjutkan, Mas. Saya bantu like. hehe

[@isabahrudinubp6119]

Bpk boleh mnta kontaknya ada yang mau saya tanyakan, saya lagi nyusun tugas akhir skripsi saya masih bingung dengan perhitungannya

[@ahmadalawy8335]

izin tanya juga mas, kalo misal studi kasus nya rekomendasi wisata dg ada bbrp atribut seperti jarak dan biaya bagusnya pake manhatan apa eucli yaa ? 🙏

[@canggihpw]

secara umum, keduanya boleh. Yang membedakan hanya pada nanti errornya yang satu tidak dikuadratkan saja.

[@marchellyadzvy]

Kak mau bertanya, sebaiknya untuk menghitung jarak dengan studi kasus clustering tingkat kelarisan produk (c=3 untuk laris, sedang, dan tidak laris) sebaiknya menggunakan metrik jarak apa yang lebih optimal ya kak? manhattan atau euclidean atau minkovski ya kak? terima kasih..

[@canggihpw]

Untuk amannya, bisa pakai euclidean dulu saja.

[@abay706]

Klo pkai tools rapidminer bs tdk bg?

[@canggihpw]

Sejujurnya saya belum pernah menggunakan rapidminer, namun harusnya tetap bisa karena ini perhitungan standar

[@rizkisyafaat4892]

mas mau nanya nih, apakah ada ya argumen yang baik terkait perhitungan euclidean distance lebih baik dari manhattan distance?

[@canggihpw]

sebenarnya itu tergantung implementasinya. Misal untuk menghitung jarak antara 2 buah kota. Kalau yang kita inginkan adalah kaitan dengan waktu tempuh, maka jarak euclidean kurang tepat karena bisa jadi banyak jalan yang berbelok dan bercabang. Sedangkan bila hanya sekedar mencari jarak berdasar posisi geografis biasa, bisa saja menggunakan jarak euclidean (jarak di peta). Itu contoh saja.

[@rizkisyafaat4892]

@@canggihpw ohh begitu ya mas, izin bertanya lagi mas, jikalau pada kasus data text (sentiment analisis) itu bagaimana ya?

[@canggihpw]

@@rizkisyafaat4892 untuk data teks pun juga tergantung metode sebenarnya. Hehe. Malah untuk teks kita sering juga pakai cosine distance, karena dengan cosine kita tidak melihat kuantitas jumlah teks, tapi hanya perbedaan konten saja.

[@jerijefrianto1673]

Mas kapan kita pakai euclidian dan kapan kita pakai Manhattan? seperti apa datanya kalo kita pakai salah satu jarak tersebut bg?🙏

[@canggihpw]

Tergantung kebutuhannya. Kita pakai euclidian jika mau hitung jarak lurusnya. Sedangkan manhattan jika jarak sebenarnya misal di perumahan seperti itu yang jalannya tidak bisa lurus serong.

[@jerijefrianto1673]

@@canggihpw bukanya di perumahan jalanya lurus dan serong bg?🙏

[@jerijefrianto1673]

@@canggihpw masih belum paham bg,boleh minta penjelasan nya lagi bg 🙏

[@canggihpw]

@@jerijefrianto1673 maksudnya dipakai ketika kita hanya dibolehkan untuk bergerak lurus dan saja. Istilah teknisnya, hanya digunakan untuk lingkungan dengan sistem grid. Itu kalau contoh mudahnya di dunia nyata. Mungkin agak sulit memberi contoh realnya sih. Tapi di dunia ilmu data, manhattan itu digunakan untuk "penalty" pada perhitungan jarak di dimensi yang besar.

[@jerijefrianto1673]

@@canggihpw misalnya data nya mengenai atribut gempa nah itu cocok nya pakai jarak apa pak 🙏🙏🙏mohon pencerahannya pak