<\/p>\n
Indeks kesamaan Jaccard<\/strong> adalah ukuran kesamaan antara dua kumpulan data.<\/span><\/p>\n Dikembangkan oleh Paul Jaccard<\/a> , indeks berkisar dari 0 hingga 1. Semakin mendekati 1, semakin mirip kedua kumpulan data tersebut.<\/span><\/p>\n Indeks kesamaan Jaccard dihitung sebagai berikut:<\/span><\/p>\n Kesamaan Jaccard<\/strong> = (jumlah observasi di kedua set) \/ (jumlah di salah satu set)<\/span><\/p>\n Atau ditulis dalam bentuk notasi:<\/span><\/p>\n J(A, B) =<\/strong> |A\u2229B| \/ |A\u222aB|<\/span><\/p>\n Jika dua kumpulan data mempunyai anggota yang persis sama, indeks kesamaan Jaccardnya akan menjadi 1. Sebaliknya, jika keduanya tidak memiliki anggota yang sama, maka kesamaannya akan menjadi 0.<\/span><\/p>\n Contoh berikut menunjukkan cara menghitung indeks kesamaan Jaccard untuk beberapa kumpulan data yang berbeda.<\/span><\/p>\n Misalkan kita memiliki dua kumpulan data berikut:<\/span><\/p>\n Untuk menghitung kesamaan Jaccard di antara keduanya, pertama-tama kita cari jumlah total observasi di kedua himpunan, lalu bagi dengan jumlah total observasi di salah satu himpunan:<\/span><\/p>\n Indeks kesamaan Jaccard ternyata 0,4<\/strong> .<\/span><\/p>\n Misalkan kita memiliki dua kumpulan data berikut:<\/span><\/p>\n Untuk menghitung kesamaan Jaccard di antara keduanya, pertama-tama kita cari jumlah total observasi di kedua himpunan, lalu bagi dengan jumlah total observasi di salah satu himpunan:<\/span><\/p>\n Indeks kesamaan Jaccard ternyata 0<\/strong> . Hal ini menunjukkan bahwa kedua kumpulan data tidak memiliki anggota yang sama.<\/span><\/p>\n Perhatikan bahwa kita juga dapat menggunakan indeks kesamaan Jaccard untuk kumpulan data yang berisi karakter, bukan angka.<\/span><\/p>\n Misalnya, kita memiliki dua kumpulan data berikut:<\/span><\/p>\n Untuk menghitung kesamaan Jaccard di antara keduanya, pertama-tama kita cari jumlah total observasi di kedua himpunan, lalu bagi dengan jumlah total observasi di salah satu himpunan:<\/span><\/p>\n Indeks kesamaan Jaccard ternyata 0,142857<\/strong> . Angka ini cukup rendah, hal ini menunjukkan bahwa kedua set tersebut cukup berbeda.<\/span><\/p>\n Jarak Jaccard<\/strong> mengukur<\/span> ketidaksamaan<\/i> antara dua kumpulan data dan dihitung sebagai berikut:<\/span><\/span><\/p>\n Jarak Jaccard = 1 \u2013 Kesamaan Jaccard<\/span><\/p>\n Pengukuran ini memberi kita gambaran tentang betapa berbedanya dua kumpulan data atau betapa berbedanya<\/em> keduanya.<\/span><\/p>\n Misalnya, jika dua dataset memiliki kemiripan Jaccard sebesar 80%, maka keduanya akan memiliki jarak Jaccard sebesar 1 \u2013 0.8 = 0.2 atau 20%.<\/span><\/p>\n Tutorial berikut menjelaskan cara menghitung kesamaan Jaccard menggunakan perangkat lunak statistik yang berbeda:<\/span><\/p>\n Cara menghitung kesamaan Jaccard di R<\/a> Indeks kesamaan Jaccard adalah ukuran kesamaan antara dua kumpulan data. Dikembangkan oleh Paul Jaccard , indeks berkisar dari 0 hingga 1. Semakin mendekati 1, semakin mirip kedua kumpulan data tersebut. Indeks kesamaan Jaccard dihitung sebagai berikut: Kesamaan Jaccard = (jumlah observasi di kedua set) \/ (jumlah di salah satu set) Atau ditulis dalam bentuk notasi: […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh 1: Kemiripan Jaccard<\/strong><\/span><\/h3>\n
A = [0, 1, 2, 5, 6, 8, 9]\nB = [0, 2, 3, 4, 5, 7, 9]<\/strong><\/pre>\n
\n
Contoh 2: Kesamaan Jaccard (lanjutan)<\/strong><\/span><\/h3>\n
C = [0, 1, 2, 3, 4, 5]\nD = [6, 7, 8, 9, 10]<\/strong><\/pre>\n
\n
Contoh 3: Kesamaan karakter Jaccard<\/strong><\/span><\/h3>\n
E = ['cat', 'dog', 'hippo', 'monkey']\nF = ['monkey', 'rhino', 'ostrich', 'salmon']<\/strong><\/pre>\n
\n
Jarak Jaccard<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menghitung kesamaan Jaccard dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"