Latihan Soal Informatika Kelas 12 SMA Tentang Kecerdasan Buatan: Pengenalan Kecerdasan Buatan

Materi :

Kecerdasan Buatan: Pengenalan Kecerdasan Buatan

Deskripsi :

Memperkenalkan konsep kecerdasan buatan, machine learning, dan deep learning.

Jenjang Pendidikan : SMA

Mata Pelajaran : Informatika

Kelas : SMA Kelas 12

Waktu :15 Menit

Jul 08, 2025 | 56 views

Kamu butuh buku ini ?

PR IPS Sosiologi untuk SMA/MA Kelas 10A

Penulis: Fitria Wijayanti
Penerbit: Intan Pariwara Edukasi

Dasar-Dasar Teknik Elektronika untuk SMK/MAK Kelas X Semester 2

Penulis: Farid Mulyana, Ismanto
Penerbit: Pusat Perbukuan

Manakah pernyataan berikut yang *tidak* benar mengenai Deep Learning?

A. Membutuhkan data yang sangat besar untuk pelatihan.

B. Cocok untuk memecahkan masalah yang kompleks seperti pengenalan gambar dan suara.

C. Membutuhkan keahlian khusus dalam bidang matematika dan pemrograman.

D. Secara otomatis menghasilkan model yang sepenuhnya optimal tanpa kebutuhan penyesuaian lebih lanjut.

Algoritma apa yang paling sering digunakan dalam Machine Learning untuk mengklasifikasikan data berdasarkan kategori tertentu?

A. Algoritma Sorting

B. Algoritma Pencarian

C. Algoritma Regresi Logistik

D. Algoritma Interpolasi

Berikut ini yang *bukan* merupakan contoh penerapan Kecerdasan Buatan (AI) dalam kehidupan sehari-hari adalah

A. Sistem rekomendasi film di platform streaming.

B. Pengenalan suara dalam asisten virtual seperti Siri atau Google Assistant.

C. Perangkat lunak yang secara otomatis mengatur jadwal pertemuan.

D. Pembuatan program game yang sepenuhnya dikendalikan oleh manusia tanpa interaksi AI.

Machine Learning (ML) adalah cabang AI yang berfokus pada

A. Membuat mesin berpikir seperti manusia.

B. Memberikan komputer kemampuan untuk belajar dari data tanpa diprogram secara eksplisit.

C. Memecahkan masalah matematika yang kompleks.

D. Membuat sistem untuk mengendalikan robot secara manual.

Apa yang dimaksud dengan 'overfitting' dalam konteks Machine Learning?

A. Model yang terlalu sederhana sehingga tidak dapat menangkap pola dalam data.

B. Model yang terlalu kompleks sehingga mempelajari noise dalam data dan berkinerja buruk pada data baru.

C. Model yang tidak dapat di-train karena kekurangan data.

D. Model yang tidak dapat di-train karena data yang tidak konsisten.

Deep Learning (DL) merupakan subset dari Machine Learning yang menggunakan

A. Algoritma sederhana untuk analisis data.

B. Jaringan saraf tiruan dengan banyak lapisan (layers).

C. Metode statistik untuk memprediksi nilai.

D. Algoritma berbasis aturan untuk pengambilan keputusan.

Apa tujuan utama dari evaluasi model Machine Learning?

A. Untuk memperkirakan biaya pengembangan model.

B. Untuk membandingkan kinerja model dengan model lain dan memilih model yang terbaik.

C. Untuk memastikan model sesuai dengan standar keamanan.

D. Untuk mengidentifikasi bug dalam kode model.

Dalam konteks Deep Learning, istilah 'neuron' merujuk pada

A. Unit pemrosesan yang melakukan perhitungan matematika kompleks.

B. Algoritma untuk mengoptimalkan model.

C. Database yang menyimpan data pelatihan.

D. Metode untuk memecah masalah menjadi bagian-bagian yang lebih kecil.

Manakah dari berikut ini yang *bukan* merupakan kegunaan potensial dari AI?

A. Meningkatkan efisiensi proses produksi.

B. Meningkatkan pengalaman pelanggan.

C. Mengurangi ketergantungan pada pekerja manusia dalam tugas-tugas repetitif.

D. Meningkatkan harga produk atau jasa secara otomatis.

Proses pelatihan model Machine Learning melibatkan

A. Menentukan jenis data yang akan digunakan.

B. Mengoptimalkan parameter model untuk meminimalkan kesalahan.

C. Mencari solusi matematis untuk masalah yang dihadapi.

D. Membuat aturan-aturan yang akan diikuti oleh model.