Asesmen-2 RS

Apa tujuan utama dari evaluasi dalam recommender system?

• A. Menentukan algoritma yang paling kompleks

• B. Mengidentifikasi jumlah pengguna aktif

• C. Mengukur seberapa akurat rekomendasi yang diberikan sehingga dapat diketahui performa sistem.

• D. Meningkatkan jumlah produk yang direkomendasikan

• E. Menghitung biaya pemeliharaan sistem

Pada recommender system, Precision didefinisikan sebagai...

• A. Jumlah rekomendasi yang benar dari seluruh data

• B. Jumlah rekomendasi yang benar dari seluruh data yang benar

• C. Jumlah rekomendasi yang benar dikurangi jumlah rekomendasi yang salah

• D. Jumlah total rekomendasi

• E. Jumlah rekomendasi yang benar ditambah rekomendasi yang salah

Persamaan Recall untuk evaluasi RS yaitu...

• A. Recall = TP/(TP+FN)

• B. Recall = FP/(TP+FN)

• C. Recall = FN/(TP+FN)

• D. Recall = FP/(TP+FP)

• E. Recall = FP/(TN+FN)

Para pemilik Recommender System mempertimbangkan beberapa faktor dalam memberikan rekomendasi diantaranya ...

• A. Peningkatan aktivitas click oleh user

• B. Peningkatan keterlibatan pelanggan

• C. Menjaga pelanggan agar tetap setia

• D. Maksimasi omzet

• E. Mengetahui behaviour

Teknik evaluasi sistem dengan mengetahui perbandingan jumlah rekomendasi yang tepat dan benar dengan jumlah rekomendasi yang benar dan tepat serta rekomendasi yang salah namun tepat disebut dengan metode

• A. Accuracy

• B. Precision

• C. Recall

• D. Error Rate

• E. Sensivity

Apa tujuan utama dari menggunakan K-Fold Cross Validation dalam evaluasi model machine learning?

• A. Untuk mengurangi ukuran dataset pelatihan

• • B. Untuk meningkatkan akurasi model tanpa mengubah algoritma

• C. Untuk membagi dataset menjadi subset terpisah agar semua data digunakan baik untuk pelatihan maupun pengujian

• D. Untuk meningkatkan kecepatan pelatihan model

• E. Untuk mengurangi kompleksitas algoritma

Jika kita menggunakan 5-Fold Cross Validation, berapa kali model akan dilatih dan diuji?

• A. 2 kali

• B. 5 kali

• C. 10 kali

• D. 15 kali

• E. 20 kali

Apa keuntungan utama menggunakan K-Fold Cross Validation dibandingkan dengan metode Train-Test Split?

• A. Mengurangi waktu pelatihan model

• B. Menyediakan estimasi performa model yang lebih stabil dan andal dengan mengurangi bias dari pemilihan data

• C. Membutuhkan lebih sedikit data untuk pelatihan

• D. Meningkatkan akurasi model tanpa mengubah hyperparameter

• E. Mempercepat proses evaluasi diri

Dalam evaluasi sebuah sistem, accuracy dapat dihitung dengan rumus:

• A. (TP+TN)/P

• B. (FP+FN)

• C. TP/P

• D. (TP+TN)/(P+N)

• E. TP/(TP+FP)

Jika sebuah sistem memiliki nilai precision sebesar 0.8 dan recall sebesar 0.2, berapakah nilai F1 score?

• A. 0.65

• B. 0.67

• C. 0.72

• D. 0.32

• E. 0.75