Data PREP

Apa tujuan utama dari pembersihan data (data cleaning)?

• Menghapus data penting

• Mengurangi ukuran file

• Memastikan kualitas dan konsistensi data

• Menambahkan data acak

Manakah dari berikut ini yang bukan teknik pembersihan data?

• Menghapus duplikat

• Menangani nilai hilang

• Mengubah data ke format standar

• Menambahkan data tidak relevan

Nilai kosong (missing values) sebaiknya ditangani dengan cara berikut, kecuali:

• Mengisi dengan rata-rata atau median

• Menghapus baris terkait

• Mengganti dengan nilai acak tanpa konteks

• Menggunakan imputasi statistik

Apa arti dari “normalisasi data”?

• Menghapus semua data tidak lengkap

• Mengubah data agar berada dalam skala tertentu

• Menambahkan data palsu

• Mengganti format tanggal

Mengapa konversi tipe data penting dalam pemrosesan data?

• Untuk memperindah data

• Untuk kompatibilitas dan efisiensi pemrosesan

• Untuk menambah kompleksitas

• Agar bisa dibuka di semua aplikasi

Apa prinsip utama dalam rekayasa perangkat lunak untuk pemrosesan data?

• Tulis kode sesingkat mungkin

• Kode harus cepat walau tidak rapi

• Buat kode modular dan dapat digunakan ulang

• Gunakan hanya satu file untuk semua

Apa manfaat menulis fungsi untuk proses data yang berulang?

• Menambah baris kode

• Menghindari penggunaan pustaka

• Meningkatkan efisiensi dan keterbacaan

• Menghapus kebutuhan dokumentasi

DRY (Don't Repeat Yourself) adalah prinsip yang mendorong:

• Penulisan kode berulang untuk kecepatan

• Menghindari duplikasi logika yang sama

• Menggunakan komentar panjang

• Mengulang proses secara manual

Apa itu unit testing dalam konteks data pipeline?

• Tes visualisasi data

• Tes performa server

• Tes fungsi-fungsi kecil untuk memastikan bekerja dengan benar

• Tes penggunaan memori

Versi kontrol (seperti Git) digunakan untuk:

• Menyimpan password

• Melacak dan mengelola perubahan kode

• Menghapus duplikat data

• Otomatis memperbaiki kesalahan kode