Uji Pengetahuan Algoritma

Apa itu pengklasifikasian data?

• Pengklasifikasian data adalah proses pengurutan data berdasarkan abjad

• Pengklasifikasian data adalah proses pengelompokan data berdasarkan karakteristik atau atribut tertentu untuk memudahkan analisis dan pengambilan keputusan.

• Pengklasifikasian data adalah proses menghapus data yang tidak relevan

• Pengklasifikasian data adalah proses pengacakan data tanpa tujuan tertentu

Apa perbedaan antara algoritma klasifikasi dan algoritma regresi?

• Algoritma klasifikasi memprediksi nilai kontinu, sedangkan algoritma regresi memprediksi kelas atau label output.

• Algoritma klasifikasi memprediksi kelas atau label output, sedangkan algoritma regresi memprediksi nilai kontinu.

• Algoritma klasifikasi hanya digunakan untuk data kategorikal, sedangkan algoritma regresi hanya digunakan untuk data numerik.

• Algoritma klasifikasi tidak memerlukan training data, sedangkan algoritma regresi memerlukan training data.

Bagaimana cara kerja metode K-Means dalam clustering?

• Metode K-Means dalam clustering bekerja dengan mengelompokkan data ke dalam kelompok berdasarkan abjad

• Metode K-Means dalam clustering bekerja dengan mengelompokkan data ke dalam kelompok berdasarkan warna data

• Metode K-Means dalam clustering bekerja dengan mengelompokkan data ke dalam k kelompok berdasarkan jarak antara data dengan pusat kelompok.

• Metode K-Means dalam clustering bekerja dengan mengelompokkan data ke dalam satu kelompok tanpa memperhatikan jarak antara data

Apa kelebihan dan kekurangan dari Decision Tree dalam pengklasifikasian data?

• Decision Tree tidak dapat menangani data numerik

• Decision Tree cenderung membuat decision tree yang sederhana

• Kelebihan Decision Tree adalah mudah dipahami dan diinterpretasikan, dapat menangani data numerik dan kategorikal, serta tidak memerlukan asumsi akan distribusi data. Kelemahannya adalah rentan terhadap overfitting, tidak stabil terhadap perubahan kecil dalam data, dan cenderung membuat decision tree yang kompleks.

• Decision Tree stabil terhadap perubahan kecil dalam data

Jelaskan konsep Hierarchical Clustering dan bagaimana cara kerjanya.

• Hierarchical Clustering adalah metode clustering di mana objek dikelompokkan berdasarkan lokasi geografis mereka.

• Cara kerja Hierarchical Clustering dimulai dengan mengelompokkan objek berdasarkan urutan abjad mereka.

• Hierarchical Clustering adalah metode clustering di mana objek dikelompokkan berdasarkan perbedaan mereka ke objek lain dalam kelompok yang sama.

• Hierarchical Clustering adalah metode clustering di mana objek dikelompokkan berdasarkan kemiripan mereka ke objek lain dalam kelompok yang sama. Cara kerjanya dimulai dengan setiap objek sebagai cluster tunggal, lalu objek yang paling mirip digabungkan bersama membentuk cluster yang lebih besar, dan proses ini diulang sampai semua objek berada dalam satu cluster.

Apakah tujuan utama dari algoritma asosiasi?

• Mengurangi kompleksitas algoritma

• Menghasilkan output yang sama untuk setiap input

• Mengidentifikasi outlier dalam dataset

• Menemukan hubungan atau pola yang tersembunyi di antara item-item dalam dataset

Berikan contoh aplikasi dari pengklasifikasian data dalam kehidupan sehari-hari.

• Platform media sosial

• Aplikasi kesehatan

• Sistem manajemen restoran

• Platform e-commerce

Mengapa K-Means disebut sebagai metode clustering partisi?

• K-Means mengelompokkan data ke dalam cluster yang tumpang tindih

• K-Means hanya menghasilkan satu cluster tunggal

• K-Means tidak memperhitungkan jarak antar titik data

• K-Means membagi titik data ke dalam cluster atau partisi yang tidak tumpang tindih.

Apa yang dimaksud dengan 'node' dalam Decision Tree?

• Node dalam Decision Tree adalah langkah terakhir dalam proses pengambilan keputusan.

• Node dalam Decision Tree adalah titik di mana pemisahan data terjadi berdasarkan fitur-fitur yang dimiliki oleh data tersebut.

• Node dalam Decision Tree adalah representasi visual dari data yang tidak relevan.

• Node dalam Decision Tree adalah hasil dari perhitungan matematis semata.

Bagaimana cara menentukan jumlah cluster optimal dalam K-Means?

• Menggunakan metode Gap Statistic

• Menggunakan metode Silhouette Score

• Menggunakan metode Dunn Index

• Menggunakan metode Elbow Method