Kuis_03 Big Data

Apa tujuan utama dari tahap Validasi dan Pembersihan Data dalam siklus hidup analitik Big Data?

• Mengumpulkan data dari berbagai sumber

• Menghapus semua data yang tidak terstruktur

• Menetapkan aturan validasi dan menghapus data tidak valid

• Membuat visualisasi data

• Mengembangkan model analisis statistik

Mengapa redundansi data dalam Big Data bisa bermanfaat?

• Karena mengurangi biaya penyimpanan

• Karena dapat digunakan untuk validasi dan mengisi data yang hilang

• Karena membuat data lebih mudah diakses

• Karena menghilangkan kebutuhan akan metadata

• Karena mempercepat proses visualisasi

Apa perbedaan utama antara analisis konfirmatori dan eksplorasi?

• Analisis konfirmatori menggunakan data terstruktur, sedangkan eksplorasi menggunakan data tidak terstruktur

• Analisis konfirmatori dimulai dengan hipotesis, sedangkan eksplorasi tidak

• Analisis eksplorasi hanya digunakan untuk data waktu nyata

• Analisis konfirmatori tidak melibatkan statistik

• Analisis eksplorasi selalu menghasilkan jawaban pasti

Apa salah satu tantangan utama dalam agregasi data?

• Keterbatasan alat visualisasi

• Perbedaan struktur dan semantik data

• Kurangnya data yang tersedia

• Ketidakmampuan untuk menyimpan data dalam format BLOB

• Tidak adanya metadata

Mengapa metadata penting dalam siklus hidup analitik Big Data?

• Karena mengurangi ukuran data

• Karena membantu melacak asal dan kualitas data

• Karena menggantikan kebutuhan akan validasi data

• Karena hanya digunakan untuk visualisasi

• Karena membuat data tidak perlu disaring

Apa yang dimaksud dengan "provenance" dalam konteks Big Data?

• Proses visualisasi data

• Informasi tentang sumber dan pemrosesan data

• Teknik anonimisasi data

• Metode kompresi data

• Alat untuk analisis waktu nyata

Apa salah satu manfaat dari tahap Visualisasi Data?

• Menghilangkan kebutuhan akan analisis statistik

• Membuat hasil analisis mudah dipahami oleh pengguna bisnis

• Menggantikan tahap validasi data

• Menyimpan data dalam format BLOB

• Menghapus data yang tidak valid

Mengapa data eksternal seringkali berharga dalam proyek Big Data?

• Karena selalu gratis

• Karena meningkatkan peluang menemukan pola tersembunyi

• Karena tidak memerlukan validasi

• Karena sudah dalam format terstruktur

• Karena tidak perlu disaring

Apa salah satu risiko privasi dalam analisis Big Data?

• Data menjadi terlalu terstruktur

• Pengungkapan informasi pribadi yang tidak disengaja

• Keterbatasan bandwidth jaringan

• Kurangnya alat visualisasi

• Tidak adanya metadata

Apa salah satu kelemahan database NoSQL dalam hal keamanan?

• Tidak mendukung penyimpanan data besar

• Kurangnya mekanisme keamanan bawaan yang kuat

• Tidak bisa digunakan untuk analisis eksplorasi

• Hanya bekerja dengan data terstruktur

• Tidak kompatibel dengan cloud