Perpustakaan Digital ITB

Titik median geometris adalah suatu pengukuran pemusatan data yang meminimalkan jumlah jarak ke titik sampel. Perkembangan metode algoritma Weiszfeld membuat pencarian titik median semakin canggih dalam bidang pembelajaran mesin. Contohnya perkembangan masalah MFLP (Multi-Facility Location Problem), sudah memicu jumlah titik median yang tidak tunggal sebagai alternatif meminimalisasi menggunakan package scikit-learn pada clustering, perkembangan algorima Lq Weiszfeld untuk membandingkan performa data yang tidak berbobot sampai penerapan kasus yang berbobot dengan masalah Weber. Pada tugas akhir ini, penulis akan melakukan beberapa teknik pencarian titik median geometris dengan metode yang sudah disebutkan sebelumnya dengan data yang diambil berupa data kasus COVID-19, baik untuk kasus yang tak berbobot maupun berbobot. Kemudian dilakukan hal yang sama untuk pemilihan jumlah titik median yang tidak tunggal. Untuk melihat seberapa jauh dari kedua performa pencarian titik median tersebut digunakan jarak galat absolut dengan jarak Euclid. Indeks Xie-Beni dilakukan pada kasus soft clustering untuk menunjukkan validitas dari pemilihan jumlah titik median geometris. Simulasi menunjukkan bahwa titik median dipengaruhi oleh jarak diantara titik data terdekat dan penyebaran data. Performa dari keseluruhan metode sangat sensitif terhadap pencilan dan posisi dari titik klaster terkait.