Penata Kelola Sistem TI-Q02 by CAT-Prakom.com

Dalam pengembangan Agile, apa tujuan dari pendekatan iteratif?

• Untuk menghasilkan seluruh proyek sekaligus di akhir fase pengembangan.
• Untuk memprioritaskan dokumentasi yang lengkap sebelum memulai pengembangan.
• Untuk melakukan pengembangan secara bertahap, mengirimkan bagian-bagian perangkat lunak yang dapat diuji dan dinilai dalam interval waktu singkat, sehingga memungkinkan penyesuaian terhadap umpan balik pengguna pada setiap iterasi.
• Untuk menghindari perubahan dalam pengembangan perangkat lunak.
• Untuk memastikan bahwa semua anggota tim hanya fokus pada satu fitur selama proyek.

Answer explanation

Pendekatan iteratif dalam Agile bertujuan untuk membagi pengembangan perangkat lunak ke dalam interval waktu singkat (iterasi) sehingga memungkinkan untuk mengirimkan dan menguji bagian dari perangkat lunak secara bertahap. Dengan begitu, tim dapat segera menerima dan menerapkan umpan balik dari pengguna, yang membantu memastikan produk akhir lebih sesuai dengan kebutuhan pengguna dan meningkatkan nilai produk secara berkesinambungan.

Apa manfaat utama dari metode Daily Standup (Daily Scrum) dalam Scrum?

• Untuk menyusun rencana kerja mingguan yang detail.
• Untuk mempercepat penyelesaian proyek tanpa perlu umpan balik.
• Untuk memberikan laporan formal dari setiap anggota tim kepada Product Owner.
• Untuk memberikan update harian tentang progres, rencana hari ini, dan hambatan yang dihadapi, serta memastikan bahwa seluruh anggota tim memiliki pemahaman yang sama mengenai kondisi proyek saat ini.
• Untuk membahas perencanaan strategis jangka panjang.

Answer explanation

Daily Standup adalah pertemuan singkat harian dalam Scrum yang bertujuan untuk memberikan update progres harian, membahas rencana kerja hari ini, dan mengidentifikasi hambatan yang mungkin dihadapi. Pertemuan ini membantu menjaga koordinasi antar anggota tim, memastikan semua orang memahami kondisi proyek secara keseluruhan, dan mempercepat penyelesaian masalah yang mungkin menghambat jalannya sprint.

Mengapa "Respon terhadap Perubahan di atas Mengikuti Rencana" dianggap penting dalam Agile?

• Karena Agile berfokus pada penjadwalan yang sangat kaku.
• Karena rencana pengembangan harus diikuti tanpa perubahan apapun.
• Karena fleksibilitas terhadap perubahan kebutuhan memungkinkan tim untuk mengutamakan kepentingan pelanggan dan bisnis dengan menyesuaikan pengembangan perangkat lunak agar tetap relevan dan bernilai bagi pengguna.
• Karena rencana pengembangan dapat diubah kapan saja tanpa koordinasi.
• Karena Agile hanya berfokus pada improvisasi, bukan pada rencana awal.

Answer explanation

Dalam Agile, fleksibilitas terhadap perubahan kebutuhan sangat penting karena tujuan utamanya adalah memenuhi kebutuhan pelanggan dengan cepat dan efektif. Dengan mengutamakan "Respon terhadap Perubahan di atas Mengikuti Rencana", Agile memungkinkan tim untuk menyesuaikan pengembangan sesuai dengan perubahan kebutuhan atau prioritas bisnis, memastikan bahwa produk akhir tetap relevan dan memberikan nilai tambah bagi pelanggan.

Apa tujuan utama dari penggunaan AI dalam bisnis untuk meningkatkan pengalaman pelanggan?

• Mengumpulkan data pelanggan sebanyak mungkin tanpa menggunakannya untuk analisis lebih lanjut.
• Memberikan layanan yang lebih cepat, personal, dan responsif menggunakan teknologi seperti chatbots atau asisten virtual untuk meningkatkan interaksi dengan pelanggan dan memenuhi kebutuhan mereka dengan lebih baik.
• Meminimalkan interaksi dengan pelanggan dan hanya fokus pada pengurangan biaya operasional.
• Mempercepat proses pembayaran dan meningkatkan penjualan produk digital saja.
• Menggunakan teknologi untuk otomatisasi proses tanpa mempengaruhi kualitas layanan pelanggan.

Answer explanation

AI memungkinkan bisnis untuk memberikan pengalaman pelanggan yang lebih baik melalui respons yang cepat dan personal. Dengan menggunakan chatbots, asisten virtual, atau rekomendasi otomatis, pelanggan dapat menerima layanan yang sesuai kebutuhan mereka dengan waktu yang lebih cepat. Ini meningkatkan kepuasan pelanggan dan membantu mempertahankan loyalitas mereka.

Dalam konteks pembelajaran mesin, apa yang dimaksud dengan Supervised Learning?

• Model belajar tanpa data berlabel dan hanya mengandalkan pengelompokan data yang mirip.
• Metode di mana model dilatih menggunakan data yang diberi label, sehingga model dapat belajar dari pola data yang jelas antara input dan output untuk membuat prediksi.
• Model belajar melalui trial and error dengan menerima reward atau punishment berdasarkan tindakannya.
• Model belajar tanpa bantuan atau bimbingan, yang digunakan untuk menganalisis data dengan jumlah besar tanpa mengetahui output yang tepat.
• Model belajar dari data visual untuk mengenali objek dan gambar di lingkungan nyata.

Answer explanation

Supervised Learning adalah metode pembelajaran mesin di mana model dilatih menggunakan data yang sudah diberi label, artinya setiap data input memiliki output yang sudah diketahui. Dengan demikian, model belajar untuk memprediksi output berdasarkan pola-pola yang ada dalam data, sehingga cocok untuk klasifikasi atau regresi dalam konteks bisnis seperti klasifikasi kredit atau deteksi penipuan.

Apa manfaat utama dari teknologi Computer Vision dalam aplikasi bisnis?

• Menghindari analisis visual dan hanya fokus pada analisis data numerik.
• Meningkatkan kecepatan pemrosesan data teks dan meminimalkan pemakaian gambar.
• Memungkinkan analisis dan pemahaman data gambar dan video, yang dapat digunakan dalam berbagai aplikasi seperti analisis perilaku pelanggan di ritel, sistem keamanan berbasis pengenalan wajah, serta deteksi dan klasifikasi gambar dalam industri kesehatan.
• Menghilangkan kebutuhan untuk interaksi visual dengan pelanggan.
• Menggunakan data visual untuk mengurangi kapasitas penyimpanan sistem bisnis.

Answer explanation

Computer Vision adalah teknologi AI yang memungkinkan mesin untuk memahami dan menganalisis data visual, seperti gambar dan video. Dalam bisnis, ini berguna untuk berbagai aplikasi seperti memantau perilaku pelanggan, keamanan berbasis pengenalan wajah, dan menganalisis data kesehatan, misalnya dalam radiologi. Teknologi ini membantu meningkatkan efisiensi dalam analisis visual yang sebelumnya memerlukan keterlibatan manusia.

Apa yang dimaksud dengan Unsupervised Learning dalam pembelajaran mesin?

• Proses pelatihan model menggunakan data yang sudah diberi label untuk menentukan output yang diinginkan.
• Model belajar melalui evaluasi dampak keputusan dengan reward dan punishment.
• Proses di mana model mengidentifikasi pola atau kluster dari data tanpa label, membantu mengelompokkan data dengan karakteristik yang sama tanpa mengetahui output yang benar sebelumnya.
• Model belajar hanya dari masukan manual tanpa menggunakan data historis.
• Model belajar secara real-time dengan mengevaluasi data visual untuk mengidentifikasi pola yang sama.

Answer explanation

Dalam Unsupervised Learning, model pembelajaran mesin tidak menggunakan data yang diberi label. Sebaliknya, model ini mengidentifikasi pola atau kluster dalam data secara mandiri, seperti dalam segmentasi pelanggan. Ini membantu bisnis untuk memahami pola dalam data, meskipun tanpa informasi yang jelas tentang output yang benar, dan sering digunakan untuk segmentasi pelanggan atau analisis pasar.

Bagaimana AI dapat membantu perusahaan dalam mengidentifikasi dan mengelola risiko?

• Dengan mengumpulkan data tetapi tidak melakukan analisis lebih lanjut.
• Hanya dengan melakukan inspeksi manual tanpa bantuan algoritma prediktif.
• Menggunakan model prediktif untuk mendeteksi pola dan memprediksi risiko yang mungkin terjadi, seperti risiko kredit atau penipuan, sehingga memungkinkan perusahaan untuk mengambil langkah-langkah mitigasi sebelum risiko tersebut terjadi.
• Dengan membuat keputusan secara acak berdasarkan informasi yang sudah ada.
• Mengidentifikasi risiko hanya berdasarkan data visual tanpa analisis statistik.

Answer explanation

AI dapat mengidentifikasi dan mengelola risiko melalui penggunaan model prediktif. Misalnya, model AI dapat mengenali pola perilaku yang mencurigakan dalam transaksi keuangan untuk mendeteksi potensi penipuan. Ini membantu perusahaan dalam mengambil langkah pencegahan yang lebih proaktif dan mengurangi kemungkinan kerugian yang disebabkan oleh berbagai jenis risiko, termasuk risiko keuangan dan keamanan.

Apa fungsi utama dari Natural Language Processing (NLP) dalam aplikasi bisnis?

• Mengembangkan algoritma yang dapat menyusun data numerik secara otomatis.
• Membantu komputer untuk memahami dan menginterpretasi bahasa manusia, yang memungkinkan aplikasi seperti chatbots, analisis sentimen pelanggan, dan penambangan teks untuk menganalisis opini dan ulasan pelanggan dalam jumlah besar.
• Memudahkan interaksi visual antara pengguna dan sistem untuk keperluan transaksi.
• Menyusun data gambar untuk analisis visual dalam keperluan bisnis.
• Mengoptimalkan perangkat keras untuk kebutuhan operasi bisnis yang kompleks.

Answer explanation

NLP membantu komputer dalam memahami dan menginterpretasi bahasa manusia. Dalam bisnis, NLP digunakan untuk mengembangkan aplikasi seperti chatbots yang dapat merespons pertanyaan pelanggan, analisis sentimen untuk memahami perasaan pengguna terhadap produk, dan penambangan teks untuk mendapatkan wawasan dari ulasan pelanggan atau artikel yang tersedia secara online. Ini membantu perusahaan dalam memahami dan merespons kebutuhan pelanggan secara lebih efisien.

Apa peran dari Deep Learning dalam aplikasi AI yang kompleks?

• Meningkatkan kecepatan pengembangan perangkat keras dan perangkat lunak bisnis secara keseluruhan.
• Membuat sistem yang sangat sederhana dan tidak membutuhkan data yang banyak.
• Menggunakan jaringan saraf tiruan berlapis untuk menangani data dalam jumlah besar dan kompleks, seperti dalam pengenalan suara, klasifikasi gambar, dan pengembangan kendaraan otonom, yang membutuhkan pemrosesan data yang mendalam.
• Menggunakan algoritma berbasis teks untuk keperluan analisis sederhana.
• Membangun model tanpa memerlukan data pelatihan dalam jumlah besar.

Answer explanation

Deep Learning adalah bagian dari pembelajaran mesin yang menggunakan jaringan saraf tiruan berlapis-lapis, yang dapat menangani data yang kompleks dan dalam jumlah besar. Metode ini digunakan dalam aplikasi seperti pengenalan suara, klasifikasi gambar, dan pengembangan kendaraan otonom, di mana pengenalan pola yang kompleks dari data sangat dibutuhkan untuk menghasilkan hasil yang akurat dan berguna bagi pengguna.