Module 2 Quiz Preparation

Misalkan kita membuat array/list dengan nama variabel x dan berisi sesuai dengan gambar. Agar dapat mengambil array berikut:

array([[11, 14, 16],

[21, 24, 26],

[31, 34, 36]])

maka code yang tepat adalah

• x[-4:-1, np.array([1, 4, 6])]

• x[1:4, np.array([1, 4, 6])]

• x[-4:-1, np.array([-9, -6, -4])]

• x[1:4, np.array([-9, -6, -4])]

• Semua jawaban benar

Jika kita ingin generate array 2-D mengandung 3 baris dan 5 kolom random integer dari 0 sampai 100, maka code yang tepat digunakan adalah

• random.rand(3,5)

• random.randint(100, size=(3, 5))

• Tidak ada yang benar

• random.randint(100, size=(5, 3))

• random.randn(3,5)

Jika kita memiliki df1 (atas) dan df2 (bawah) seperti pada gambar dan ingin menampilkan data seperti data di bawah ini:

A B C D F

A0 B0 C0 D0 NaN

A1 B1 C1 D1 NaN

A2 B2 C2 D2 NaN

A3 B3 C3 D3 NaN

NaN B0 NaN D0 F0

NaN B1 NaN D1 F1

NaN B3 NaN D3 F3

NaN B4 NaN D4 F4

maka code yang tepat digunakan adalah

• join = pd.concat([df1, df2], axis=0, join='outer')

• join = pd.concat([df1, df2], axis=1, join='inner')

• join = pd.concat([df1, df2], axis=0, join='inner')

• Tidak ada yang benar.

• join = pd.concat([df1, df2], axis=1, join='outer')

Jika kita ingin mengetahui jumlah data `clarity` yang unik pada data `diamonds`, code yang tepat digunakan adalah

• df['clarity'].nunique()

• Semua pilihan benar.

• len(pd.unique(df['clarity']))

• len(df['clarity'].unique())

• len(df['clarity'].value_counts())

Manakah cara yang tepat untuk mencari median harga berlian dengan jumlah carat lebih dari 0.1?

• df[df['carat']>=0.1]['price'].median()

• df[df['carat']==0.1]['price'].sum()/len(df[df['carat']==0.1])

• df[df['carat']>0.1]['price'].median()

• df.loc[df['carat']>0.1, 'price'].mean()

• Semua jawaban benar

Interpretasi manakah yang tepat untuk menggambarkan output dari kode berikut berdasarkan gambar tersebut:

df.groupby('cut').mean().sort_values('depth', ascending=True)['depth'].iloc[:3]

• 3 `cut` dengan rata-rata `depth` terendah

• 3 `cut` dan `depth` dengan rata-rata `depth` tertinggi

• 3 `cut` dan `depth` dengan rata-rata `depth` terendah

• 3 `cut` dengan rata-rata `depth` tertinggi

• Rata-rata `depth` berdasarkan `cut`nya

Berdasarkan gambar berikut, mana cara yang paling tepat untuk melakukan uji korelasi antara `depth` dan `table`?

• df[['depth','table']].corr()

• df.corr()[['depth','table']]

• df['depth'].corr(df['table'])

• df['depth'].corr(df['table'], method = 'pearson')

• df['depth'].corr(df['table'], method = 'spearman')

Untuk menjawab pertanyaan 'Apakah terdapat perbedaan nilai exam module 2 oleh student Purwadhika di tiap cabangnya?', uji hipotesis yang tepat digunakan adalah

• Wilcoxon

• Mann-whitney U

• Chi-square test

• t-test independent

• Kruskal-Wallis

Dalam uji hipotesis, kita mengenal istilah "Two-Tail Test". Manakah pernyataan yang tepat mengenai Two-Tail Test?

• Variabel yang diuji pada Two-Tail Test memiliki distribusi right skewed atau left skewed

• Two-Tail Test digunakan untuk menguji apakah rata-rata dari satu kelompok berbeda dengan rata-rata teoritis

• Two-Tail Test digunakan ketika kita punya alasan kuat untuk menentukan arah hipotesis alternatifnya ke arah tertentu (hanya lebih besar atau hanya lebih kecil dari nilai parameter)

• Two-Tail Test hanya ada pada parametric test

• Two-Tail Test tidak bisa digunakan pada Proportion Z-test

Dalam menentukan plot visualisasi yang tepat, perlu adanya tujuan yang spesifik agar visualisasi yang ditampilkan relevan dan insightful. Jika kita ingin menampilkan perbandingan biaya rata-rata makan siang yang dikeluarkan oleh murid Purwadhika berdasarkan kelas dan jenis kelamin, maka plot yang tepat digunakan adalah

• Horizontal bar plot

• Histogram

• Line plot

• Scatterplot

• Stacked bar plot