DECISION TREE

Apa yang dimaksud dengan decision tree?

• a. Algoritma yang digunakan untuk clustering data

• b. Algoritma yang digunakan untuk regresi dan klasifikasi data

• c. Algoritma yang digunakan untuk reduksi dimensi

• d. Algoritma yang digunakan untuk ekstraksi fitur

Node yang paling atas pada decision tree disebut:

• a. Leaf node

• b. Internal node

• c. Root node

• d. Parent node

Manakah di antara berikut ini yang merupakan istilah untuk node yang tidak memiliki anak?

• a. Root node

• b. Internal node

• c. Leaf node

• d. Parent node

Apa itu impurity dalam konteks decision tree?

• a. Tingkat keakuratan dari decision tree

• b. Jumlah node pada decision tree

• c. Ukuran yang mengukur ketidakhomogenan data di dalam node

• d. Algoritma untuk membagi data

Ukuran yang digunakan oleh algoritma ID3 untuk memilih atribut pembagian adalah:

• a. Entropy

• c. Information gain

• b. Gini index

• d. Variance

Jika decision tree terlalu kompleks dan memiliki banyak node, kondisi ini disebut:

• a. Underfitting

• b. Overfitting

• c. Pruning

• d. Splitting

Proses mengurangi ukuran decision tree dengan menghilangkan node yang tidak perlu disebut:

• a. Growing

• b. Splitting

• c. Pruning

• d. Branching

Apa yang dimaksud dengan "depth" dalam konteks decision tree?

• a. Jumlah total node dalam tree

• b. Jumlah leaf node dalam tree

• c. Jumlah level dari root node hingga leaf node terjauh

• d. Jumlah anak yang dimiliki oleh root node

Apa tujuan dari menggunakan metode pruning pada decision tree?

• a. Untuk menambahkan lebih banyak node

• b. Untuk meningkatkan ukuran tree

• c. Untuk mencegah overfitting dan meningkatkan generalisasi

• d. Untuk mengubah root node

Metode ensemble yang menggabungkan beberapa decision tree untuk meningkatkan performa model disebut:

• a. Pruning

• b. Bagging

• c. Boosting

• d. Random Forest