Jul 08, 2025 | 15 views
A. Menulis kode program secara manual untuk setiap kasus.
B. Mengembangkan sistem yang dapat belajar dari data tanpa diprogram secara eksplisit.
C. Memastikan program selalu menghasilkan output yang sama dengan input yang sama.
D. Memaksa program untuk selalu mengikuti aturan yang telah ditentukan.
Pembahasan :
Machine Learning bertujuan untuk memungkinkan sistem belajar dari data tanpa intervensi pemrograman eksplisit, sehingga dapat meningkatkan performanya seiring waktu.
A. Memiliki performa yang sangat cepat sehingga dapat digunakan untuk perhitungan skala besar.
B. Memiliki antarmuka yang sederhana dan mudah digunakan, serta menyediakan berbagai algoritma ML.
C. Hanya mendukung algoritma supervised learning.
D. Tidak memerlukan pengetahuan tentang Python untuk digunakan.
Pembahasan :
Scikit-learn dikenal karena kemudahannya dalam penggunaan, dokumentasi yang baik, dan menyediakan berbagai algoritma ML yang siap digunakan.
A. Mengklasifikasikan data ke dalam beberapa kategori.
B. Menemukan hubungan antara variabel independen dan dependen.
C. Menghitung nilai rata-rata dari suatu dataset.
D. Menemukan pola dalam data yang tidak terstruktur.
Pembahasan :
Algoritma regresi digunakan untuk memprediksi nilai variabel dependen berdasarkan nilai variabel independen, mencari hubungan yang paling sesuai.
A. Menemukan hubungan antara variabel independen dan dependen.
B. Menghitung nilai rata-rata dari suatu dataset.
C. Mengelompokkan data ke dalam beberapa kategori.
D. Memprediksi nilai masa depan berdasarkan data historis.
Pembahasan :
Algoritma klasifikasi digunakan untuk mengelompokkan data ke dalam kategori yang telah ditentukan sebelumnya.
A. Menghitung metrik kinerja model.
B. Mengkonfigurasi parameter model untuk mencapai hasil yang optimal.
C. Membangun model machine learning dari data.
D. Menjalankan model yang telah dilatih pada data baru.
Pembahasan :
Melakukan proses 'fit' adalah langkah penting dalam machine learning, di mana model menyesuaikan parameternya dengan data pelatihan untuk meminimalkan kesalahan.
A. Train adalah proses menguji model, sedangkan test adalah proses melatih model.
B. Train adalah data yang digunakan untuk melatih model, sedangkan test adalah data yang digunakan untuk menguji model.
C. Train adalah data yang digunakan untuk menguji model, sedangkan test adalah data yang digunakan untuk melatih model.
D. Train dan test adalah langkah yang sama dalam proses machine learning.
Pembahasan :
Data 'train' digunakan untuk melatih model, sementara data 'test' digunakan untuk mengevaluasi kinerja model yang telah dilatih.
A. Mean Squared Error (MSE)
B. Root Mean Squared Error (RMSE)
C. Accuracy
D. Variance
Pembahasan :
Accuracy adalah metrik yang mengukur proporsi prediksi yang benar dari total prediksi, sering digunakan untuk mengevaluasi model klasifikasi.
A. K-Nearest Neighbors (KNN)
B. Support Vector Machine (SVM)
C. Linear Regression
D. Decision Tree
Pembahasan :
Linear Regression adalah algoritma yang paling cocok untuk memprediksi nilai kontinu seperti harga rumah berdasarkan hubungan linear dengan variabel lain.
A. Model yang terlalu sederhana sehingga tidak dapat menangkap pola dalam data.
B. Model yang terlalu kompleks sehingga berkinerja baik pada data pelatihan tetapi buruk pada data baru.
C. Model yang tidak dapat belajar dari data pelatihan.
D. Model yang tidak dapat diimplementasikan dalam Python.
Pembahasan :
Overfitting terjadi ketika model mempelajari noise dalam data pelatihan, sehingga tidak dapat menggeneralisasi dengan baik ke data baru.
A. Untuk melatih model dengan data baru.
B. Untuk mengkonfigurasi parameter model.
C. Untuk membuat prediksi berdasarkan data baru.
D. Untuk menghitung metrik evaluasi model.
Pembahasan :
Fungsi `predict()` digunakan untuk membuat prediksi berdasarkan data baru yang belum pernah dilihat oleh model selama pelatihan.
